ဒေတာအခြေပြုသင်ယူမှုစနစ်

ဒေတာအခြေပြုသင်ယူမှုစနစ် (အင်္ဂလိပ်: Machine Learning) ဆိုသည်မှာ ကွန်ပျူတာစနစ်များအား ပရိုဂရမ်ဖြင့် တိုက်ရိုက်ညွှန်ကြားချက်ပေးစရာမလိုဘဲ ဒေတာအချက်အလက်များမှတစ်ဆင့် ပုံစံများ (patterns) ကို ရှာဖွေလေ့လာပြီး ဆုံးဖြတ်ချက်များ ချမှတ်နိုင်စေရန် လုပ်ဆောင်ပေးသော ဉာဏ်ရည်တု (Artificial Intelligence) နယ်ပယ်တစ်ခု ဖြစ်သည်။ သမားရိုးကျ ကွန်ပျူတာပရိုဂရမ်များသည် လူသားတို့ ရေးသားပေးလိုက်သော စည်းမျဉ်းများအတိုင်းသာ လုပ်ဆောင်ကြသော်လည်း၊ ဒေတာအခြေပြုသင်ယူမှုစနစ်များသည် ကိန်းဂဏန်းဆိုင်ရာ အယ်လ်ဂိုရစ်သမ် (statistical algorithms) များကို အသုံးပြု၍ ဒေတာအမြောက်အမြားမှ သင်ယူကြသည်။ ဤစနစ်များသည် လေ့လာထားသည့် အချက်အလက်များကို အခြေခံပြီး ယခင်က မတွေ့ဖူးသည့် ဒေတာအသစ်များအတွက်ပါ ခန့်မှန်းချက်များ ပြုလုပ်နိုင်စွမ်း ရှိကြသည်။ နည်းပညာနယ်ပယ်တွင် ဤစနစ်ကို "စက်သင်ယူမှု" ဟု မြန်မာဘာသာဖြင့် အများစု ခေါ်ဆိုလေ့ရှိကြသော်လည်း၊ ၎င်း၏လုပ်ဆောင်ပုံ အနှစ်သာရမှာ ဒေတာအချက်အလက်များကို အခြေခံ၍ သင်ယူခြင်းဖြစ်သည့်အတွက် "ဒေတာအခြေပြုသင်ယူမှုစနစ်" ဟု ခေါ်ဆိုခြင်းသည် နည်းပညာ၏ သဘောသဘာဝနှင့် ပိုမိုကိုက်ညီမှုရှိပြီး နည်းပညာ၏ အလုပ်လုပ်ပုံ အစစ်အမှန်ကို ပိုမိုထိမိစွာ ဖော်ပြနိုင်ပါသည်။

မကြာသေးမီနှစ်များအတွင်း Deep Learning နည်းပညာ တိုးတက်လာခြင်းနှင့်အတူ neural networks များသည် ယခင်က ရှိခဲ့သော စက်သင်ယူမှုဆိုင်ရာ နည်းလမ်းအများစုထက် ပိုမိုမြင့်မားသော စွမ်းဆောင်ရည်များကို ပြသနိုင်လာခဲ့သည်။ ဤနယ်ပယ်သည် စာရင်းအင်းပညာ (Statistics) နှင့် သင်္ချာဆိုင်ရာ အကောင်းဆုံးဖြစ်အောင် တွက်ချက်ခြင်း (Mathematical optimisation) နည်းလမ်းများကို အခြေခံအုတ်မြစ်အဖြစ် တည်ဆောက်ထားသည်။

ဆက်စပ်နယ်ပယ်တစ်ခုဖြစ်သော ဒေတာတူးဖော်ခြင်း (Data mining) သည် အဖြေမပါသော သင်ယူမှုစနစ် (unsupervised learning) ကို အသုံးပြု၍ ဒေတာများကို စူးစမ်းလေ့လာဆန်းစစ်ခြင်း (exploratory data analysis) အပေါ်တွင် အဓိက အာရုံစိုက်ထားပါသည်။

သီအိုရီပိုင်းအရ ကြည့်မည်ဆိုလျှင် ဒေတာအခြေပြုသင်ယူမှုစနစ် အများစုကို Probably Approximately Correct (PAC) learning ကဲ့သို့သော သင်္ချာနှင့် စာရင်းအင်းဘောင်များအတွင်း လက်တွေ့အခြေခံသော အန္တရာယ်လျှော့ချခြင်း (empirical risk minimisation) လုပ်ငန်းစဉ်အဖြစ် ဖော်ပြနိုင်ပါသည်။