Ang mga computer ay nangangailangan ng tulong ng mga tao upang matuto. Ito ay "Machine Learning". Ang machine learning ay isang termino na nangangahulugang pagtuturo sa mga computer na matuto mula sa data, isang ehersisyo sa pangangatwiran sa pamamagitan ng mga modelo nang walang tahasang pagprograma. Ito ay bahagyang kung paano natututo ang isang bata - sa pamamagitan ng pagmamasid at pagsasanay, hindi lamang pag-lecture. Ang katumpakan ay isang bagay na tinatalakay ng Machine Learning. Sumasagot ito kung gaano katumpak ang computer pagdating sa hula ng isang bagay. Kung mas mataas ang katumpakan, mas magiging matatag ang mga hulang ito
Dynamic Time Warping, isang paraan upang ihanay ang data ng time series. Isaalang-alang na mayroon kang dalawang wiggly na linya at gusto mong gumawa ng paghahambing sa pagitan ng mga ito. Ang dynamic na time warping ay parang pagpapalit ng hugis ng kulot na linya para mas madaling ihambing sa isa pang kulot na linya. Ang pag-align sa mga linyang ito ay nangangahulugan na mas madaling matuto ang computer mula sa aming data kapag sinusubukan naming hulaan ang linyang ito.
Isang pagkakatulad upang maunawaan kung paano gumagana ang Dynamic na time warping Na para bang sinusubukan mong hulaan ang trapiko sa iyong tindahan araw-araw. Nakaraang Taon ng Pagbisita sa Tindahan ng Audience. Pero hindi araw-araw ay ganito. Ang iba't ibang mga araw ay may iba't ibang mga tao, ang ilan ay medyo makintab at ang lahat ng metro ay nasa labas habang ang iba ay nangyayari sa tag-ulan kung saan kakaunti lang ang bumabagsak na mga kaluluwa. Kapag nagbabago ang data, nagiging mahirap na hulaan ang mga pagbisita sa hinaharap.
Hindi eksklusibo para sa Data ng Serye ng Oras, ngunit gayon pa man. Ito ay may kakayahang magtrabaho sa iba't ibang uri ng data na ginagawa itong isang napakaraming gamit. Isaalang-alang ang paghahambing ng dalawang sequence ng DNA, na kung saan ay ang asul na print ng buhay mismo. Ang dinamikong time warping ay nakahanay o bahagyang nagbabago ng mga bahagi ng mga sequence upang magawa ang mga paghahambing. Sa ganitong paraan, maaaring matiyak ng mga siyentipiko ang antas ng pagkakaugnay o pagkakaiba sa pagitan ng mga pagkakasunud-sunod at potensyal na matuklasan ang mga makabuluhang aspeto na may kaugnayan sa biology at medisina.
Isa pa ang speech recognition. Kapag may narinig ang isang computer na nagsasalita, kailangan nitong tukuyin kung ano ang sinasalita bilang isa sa mga salita o parirala na nasa database nito. Gayunpaman, hindi lahat ng tao ay binibigkas ang parehong mga salita sa eksaktong parehong paraan o mayroong ingay sa background na maaaring maging mahirap marinig. Sa diskarteng ito, ang dynamic na time warping ay nagbibigay-daan sa data ng pagsasalita na maihanay upang ang isang computer ay madaling makahanap ng mababang rate ng error sa pagitan ng transcript nito at kung ano ang sinabi. Mapapahusay nito ang pagganap ng mga voice assistant at iba pang mga teknolohiya sa pagkilala sa pagsasalita.
Ang paggamit ng dynamic na time warping ay nagbabago sa kung paano natin nakikita ang mga hula. Ang mga hula ay tungkol sa paghula kung ano ang hinaharap; sa bagay na ito, ginagamit mo ang dataodi upang gumawa ng ilang angkop na pagtatantya ng mga kaganapan. Ito ay maaaring maging lubhang kapaki-pakinabang sa paggawa ng matalinong mga desisyon. Halimbawa, kung nagpapatakbo ka ng isang ospital (maganda iyon), maaaring kailanganin mong tantyahin kung gaano karaming mga pasyente ang papasok sa susunod na buwan upang ang bilang ng mga supply ay dumating sa tamang oras. Kung mag-order ka ng sobra, siyempre, masasayang. Ipinaliwanag ni Rua na ito ay mas mapanganib kaysa dito: kung lalaktawan mo, baka mabenta sila. Ang dynamic na timewarping ay magbibigay-daan sa iyong mahulaan ang mga numero sa hinaharap batay sa mga nakaraang punto ng data at magbibigay-daan sa mas mahusay na pamamahala ng mga mapagkukunan.
Ang DTW ay isa lamang tool na kabilang sa machine learning toolbox. Ang una ay isang malinaw na punto, ngunit napakahalaga pa rin sa kaso ng data ng serye ng oras. Tinutulungan ng Dynamic Time Warping ang mga computer na gumawa ng mas mahusay na mga hula sa pamamagitan ng pag-aayos ng data upang magkaugnay ito. Maaari itong magsalin sa maraming iba't ibang domain, mula sa pangangalagang pangkalusugan hanggang sa retail at pagpapahusay ng mga desisyon.
EN
AR
DA
NL
FI
FR
DE
HI
IT
JA
KO
HINDI
PL
PT
RO
RU
ES
SV
TL
ID
SR
UK
VI
HU
TH
TR
FA
AF
MS
GA
HY
BN
KM
LO
LA
NE
MY
KK
UZ
KY
