یکی از جاهایی که هوش مصنوعی درکنار شما است و شاید کمتر احساسش کنید شبکه های اجتماعی مثل فیس بوک، اینستاگرام، واتساپ ، تلگرام و... هستند هوش مصنوعی بر اساس لیست دوستان شما، پست هایی که تا حالا دیدی، لایک کردی، کامنت نویسی کردی و پست هایی که خودت منتشر کردی و هزاران نکته ریز و درشت دیگه افراد موجود داخل یک شبکه را خوشه بندی می کند و بر اساس این خوشه بندی ها پیشنهادهایی به شما ارائه می دهد که نتوانی دست رد به سینه اش بزنی😂 این میشه که یهو می‌بینی ۸ ساعت داری توی اینستا ول می‌گردی و هیچ کار مفیدی انجام ندادی 😳😳 بعد هم بابا یا مامان و یا مثل ما همسر باهات درگیر میشه که همه اش سرت تو گوشی هست. البته من در حال مطالعه علمی هستم یا در حال تایپ برای شما یا در حال ضبط دوره ولی تا کار فیزیکی نباشه برای مردم قابل قبول نیست😂😂😂

برای هرکی می خوان توضیح بدن که من دارم چیکار می کنم فقط یک کلام می گه 👈👈سرش تو لپتاپش هست بابا لامسب من دارم متخصص میشم دارم سایت طراحی می کنم دارم هوش مصنوعی طراحی می کنم ولی اینا قبول نیست😒 بین خودمون باشه برای اینکه خیلی ناراحت نباشن یه وقتایی یه کارای فیزیکی هم انجام می دهم

مثلا اینجا تا ساعت ۱۲ شب داشتم حیاط خونه رو‌موزایک کاری می کردم خودم شاگرد بودم خودم بنا بودم خودم ناظر بودم خودم صاحب کار بودم فقط نمی تونم دستمزد خودم رو پرداخت کنم از این جیب باید دربیارم بذارم تو اون یکی 😃😃😂😂😉

دیدی الان من چطور حواست رو از موضوع هوش مصنوعی پرت کردم بردمت توی‌یه وادی دیگه دقیقا این بلایی هست که هوش مصنوعی به کمک یادگیری بدون نظارت در شبکه های اجتماعی سرتون میاره

یعنی کلی اطلاعات رو به اختیار خودش خوشه بندی می کنه و بر اساس این خوشه بندی برای هر خوشه تعدادی پیشنهاد اماده می کند.

یادگیری بدون نظارت : 👈در این روش‌ماشین به دنبال کشف الگوهای پنهان درون داده ها است 👈الگوریتم هایی که برای این روش استفاده می‌شوند پیچیده تر هستند 👈هرچند بعد از طراحی الگوریتم فقط اطلاعات خام رو‌به سیستم تزریق می‌کنیم یعنی کار ساده تری داریم نسبت به یادگیری با نظارت

خلاصه‌ تفاوت يادگيري‌ تحت‌ نظارت و يادگيري‌ بدون نظارت به‌ زبان ساده: • در روش يادگيري‌ بدون نظارت مدل از داده هاي‌ بدون علامت‌ و بدون نظارت ساخته‌ مي‌ شود. در مقايسه‌ با مدلهاي‌ تحت‌ نظارت، اين‌ الگوريتم‌ پيچيده تر هستند و به‌ منابع‌ بيشتري‌ نياز دارند. • در روش يادگيري‌ تحت‌ نظارت مدل به‌ وسيله‌ داده هاي‌ از پيش‌ ليبل‌ گذاري‌ شده ساخته‌ مي‌ شود. از اين‌ داده ها براي‌ پيشبيني‌ وقايع‌ نامشخص‌ استفاده مي‌ شود. در واقع‌ ميتوان اين‌ روش يادگيري‌ را به‌ روش يادگيري‌ به‌ کمک‌ معلم‌ تشبيه‌ کرد. يادگيري‌ بدون نظارت: ✓ تمام پترن هاي‌ مخفي‌ در داده ها را پيدا مي‌ کند. ✓ براي‌ يافتن‌ فيچرها استفاده مي‌ شود. ✓ استفاده از داده هاي‌ بدون ليبل‌ ساده تر است‌. يادگيري‌ با نظارت: ✓ در اين‌ روش از تجربه‌ گذشته‌ استفاده مي‌ کنيم‌. ✓ با استفاده از تجربه‌ داده ها مي‌ توان شاخص‌ بهينگي‌ را بهبود بخشيد. ✓ با اين‌ روش بسياري‌ از مسايل‌ واقعي‌ حل‌ مي‌ شوند.

Unsupervised machine learning یادگیری بدون نظارات

از انواع یادگیری‌ بدون نظارت می‌توان به‌: 👈 الگوریتمهای‌ خوشه‌بندی‌ (Clustering)، 👈تخصیص‌ پنهان دیریکله‌ (LDA) 👈و جاسازی‌ لغات (word embedding) اشاره کرد.

از این سه مورد توجه ما روی مورد اول خواهد بود و با مورد دوم و سوم کاری نداریم

برای خوشه بندی اطلاعات بدون برچسب الگوریتم های مختلفی وجود دارد. اما من در اینجا تمرکز را روی یکی از پر کاربردترین و ساده ترین روشها قرار می دهم و آن را به زبانی ساده برای شما شرح می کنم کمربندها را محکم ببندید که شروع کنیم

خانم ها و آقایان این شما و این الگوریتم k-means clustering کی مینز کلاسترینگ