сущ. от глаг. öyrənmək :
1. выучивание. Dərslərini öyrənmə выучивание уроков
2. изучение. Dilləri öyrənmə изучение языков, müstəqil öyrənmə самостоятельное изучение, faktları öyrənmə изучение фактов
3. обучение. Sənət (peşə) öyrənmə обучение ремеслу, savad öyrənmə обучение грамоте
4. привыкание. Yeni iş yerinə öyrənmə (öyrəşmə) привыкание к новому месту работы, bir-birinə öyrənmə (öyrəşmə) привыкание друг к другу
Maşın öyrənmə
Maşın öyrənməsi — verilənlər bazasından və ya sensorlardan giriş olaraq empirik verilənləri alıb, əldə edilən verilənlərin arxasında duran mexanizmin xüsusiyyətlərinə bənzər nümunələrə və ya proqnozlara gətirib çıxaran alqoritmləri dizayn edən və yaradan, süni intellektin bir sahəsidir.
Tom Mitçellin tərifi:
'Əgər səmərəlilik T-dəki tapşırıqlarda P ölçüldüyü kimi E təcrübəsi ilə yaxşılaşırsa, onda kompüter proqramı E təcrübəsindən T tapşırıqlar sinifinə və P səmərəlik ölçüsünə görə öyrəndiyi deyilir.'
Deduktiv öyrənmə ümumiyyətlə ekspert sistemləri adlandırılır, buna görə də maşın öyrənmə və istifadə öyrənmə terminləri sinonim sayıla bilər.
Klassik statistik yanaşmalara alternativ olaraq bir çox induktiv öyrənmə metodu hazırlanmışdır. Bir çox metod, məlumatların çıxarılması (məlumatların alınması), məlumatların çıxarılması ilə sıx bağlıdır.
== Əvvəlcədən öyrətmə probleminin ümumi ifadəsi ==
Bir çox obyekt (vəziyyət) və mümkün cavablar (cavablar, reaksiyalar) var. Cavablar və obyektlər arasında müəyyən əlaqə var, amma bilinmir. Yalnız son dərəcə əvvəlcədən bilinən bir dəstə məlumdur - təlim obyekti adlanan "obyekt, cavab" cütləri. Bu məlumatlara əsasən gizli asılılığı bərpa etmək, yəni mümkün olan hər bir giriş obyekti üçün kifayət qədər dəqiq təsnifat cavabı verə bilən bir alqoritm qurmaq tələb olunur. Bu asılılıq mütləq analitik şəkildə ifadə edilmir və burada neyron şəbəkələr empirik şəkildə yaradılan həll prinsipini tətbiq edirlər. Bu vəziyyətdə əhəmiyyətli bir xüsusiyyət, təlim sisteminin ümumiləşdirmə, yəni mövcud təlim nümunəsindən kənara çıxan məlumatlara adekvat cavab vermək bacarığıdır.
Öyrənmə əyrisi
Öyrənmə əyrisi (ing. learning curve) — müəyyən biliklərin, yaxud fəaliyyət növünün öyrənilməsi tezliyinin dəyişilməsini göstərən qrafik. Adətən, yeni informasiyanın yadda saxlanılması bacarığı verilmiş fəaliyyətin mənimsənilməsinin ilk çağlarında maksimal olur. Sonra isə öyrənmə sürəti tədricən azalır ki, bu da materialın mənimsənilməsi üçün daha çox təkrarlamalara ehtiyac olduğunu göstərir.
== Ədəbiyyat ==
İsmayıl Calallı (Sadıqov). İnformatika terminlərinin izahlı lüğəti. Bakı: "Bakı" nəşriyyatı, 2017, 996 s.
Dərin öyrənmə
Dərin öyrənmə — təmsil öyrənmə yolu ilə süni neyron şəbəkələrə əsaslanan maşın öyrənmə metodlarının alt dəsti. "Dərin" sözü şəbəkədə çoxlu təbəqələrin istifadəsinə aiddir. İstifadə olunan üsullar nəzarətli, yarı nəzarətli və ya nəzarətsiz ola bilər.
Dərin neyron şəbəkələr, dərin etimad şəbəkələri, təkrarlanan neyron şəbəkələr, konvolyusiya neyron şəbəkələr və transformatorlar kimi dərin öyrənmə arxitekturaları kompüter görüşü, nitqin tanınması, təbii dilin emalı, maşın tərcüməsi, bioinformatika, dərman hazırlanması, tibbi şəkil təhlili, klimatologiya, material analizi və stolüstü oyun proqramları kimi sahələrə tətbiq edilmişdir. Burada onlar insan ekspert performansı ilə müqayisə edilə bilən və bəzi hallarda onları üstələyən nəticələr əldə etmişlər.
Süni neyron şəbəkələri (SNŞ) bioloji sistemlərdə informasiyanın emalı və paylanmış kommunikasiya qovşaqlarından ilhamlanaraq yaradılmışdır. SNŞ-lərin bioloji beyinlərdən müxtəlif fərqləri mövcuddur. Xüsusilə, süni neyron şəbəkələri statik və simvolik olur, əksər canlı orqanizmlərin bioloji beyni dinamik (plastik) və analoqdur. SNŞ ümumiyyətlə beyin funksiyası üçün aşağı keyfiyyətli modellər kimi qəbul edilir.
== Tərifi ==
Dərin öyrənmə, xam daxiletmə məlumatlarından daha yüksək səviyyəli xüsusiyyətləri mərhələli olaraq çıxarmaq üçün çoxlu qatlardan istifadə edən maşın öyrənmə alqoritmləri sinfidir.:199–200 Məsələn, şəklin emalı zamanı aşağı təbəqələr kənarları, yüksək təbəqələr isə rəqəmlər, hərflər və ya üzlər kimi insana aid olan anlayışları müəyyən edə bilər.
Kolbun təcrübəli öyrənmə nəzəriyyəsi
Kolbun təcrübəli öyrənmə nəzəriyyəsi (ing. Kolb's experiential learning) — 1984-cü ildə Devid Kolb tərəfindən modeli açıqlanan öyrənmə nəzəriyyəsi. O, bu nəzəriyyəsini ortaya atarkən Berlində psixoloq olan Kurt Levinin yanaşmalarından ilhamlanıb. Təbrübəli öyrənmə nəzəriyyəsi bir şəxsin bacarıq və iş öhdəliklərinin ölçülməsi və dəyərləndirilməsini əhatə edən metoddur. Bu nəzəriyyə iki səviyyədə dəyərləndirilir: dördmərhələli öyrənmə periodu və dörd fərqli öyrənmə metodu. Kolbun nəzəriyyəsi təcrübə, qavrayış, idrak davranışı özündə birləşdirən yanaşmaya sahibdir.
== Təcrübəli öyrənmə periodu ==
Öyrənmə periodu konkret təcrübə, reflektiv müşahidə, mücərrəd konseptləşdirmə və aktiv təcrübələr mərhələsini əhatə edir. Bu metoddan istifadə edən şəxs period boyunca irəlilədikcə təsirli nəticə əldə edir. Öyrənən şəxs məntiqə uyğun olaraq periodun istənilən bir məhələsindən qoşularaq onu davam etdirə bilər.
İlk mərhələ öyrənən şəxsin yeni bir anlayışla qarşılaşdığı və ya bildiyi bir anlayışı təkrar mənimsədiyi zaman ortaya çıxan konkret təcrübədir.
Maşın öyrənməsi
Maşın öyrənməsi — verilənlər bazasından və ya sensorlardan giriş olaraq empirik verilənləri alıb, əldə edilən verilənlərin arxasında duran mexanizmin xüsusiyyətlərinə bənzər nümunələrə və ya proqnozlara gətirib çıxaran alqoritmləri dizayn edən və yaradan, süni intellektin bir sahəsidir.
Tom Mitçellin tərifi:
'Əgər səmərəlilik T-dəki tapşırıqlarda P ölçüldüyü kimi E təcrübəsi ilə yaxşılaşırsa, onda kompüter proqramı E təcrübəsindən T tapşırıqlar sinifinə və P səmərəlik ölçüsünə görə öyrəndiyi deyilir.'
Deduktiv öyrənmə ümumiyyətlə ekspert sistemləri adlandırılır, buna görə də maşın öyrənmə və istifadə öyrənmə terminləri sinonim sayıla bilər.
Klassik statistik yanaşmalara alternativ olaraq bir çox induktiv öyrənmə metodu hazırlanmışdır. Bir çox metod, məlumatların çıxarılması (məlumatların alınması), məlumatların çıxarılması ilə sıx bağlıdır.
== Əvvəlcədən öyrətmə probleminin ümumi ifadəsi ==
Bir çox obyekt (vəziyyət) və mümkün cavablar (cavablar, reaksiyalar) var. Cavablar və obyektlər arasında müəyyən əlaqə var, amma bilinmir. Yalnız son dərəcə əvvəlcədən bilinən bir dəstə məlumdur - təlim obyekti adlanan "obyekt, cavab" cütləri. Bu məlumatlara əsasən gizli asılılığı bərpa etmək, yəni mümkün olan hər bir giriş obyekti üçün kifayət qədər dəqiq təsnifat cavabı verə bilən bir alqoritm qurmaq tələb olunur. Bu asılılıq mütləq analitik şəkildə ifadə edilmir və burada neyron şəbəkələr empirik şəkildə yaradılan həll prinsipini tətbiq edirlər. Bu vəziyyətdə əhəmiyyətli bir xüsusiyyət, təlim sisteminin ümumiləşdirmə, yəni mövcud təlim nümunəsindən kənara çıxan məlumatlara adekvat cavab vermək bacarığıdır.