یادگیری ماشین چیست؟ می‌توان گفت یادگیری ماشین، مابین هوش مصنوعی و تحلیل آماری قرار گرفته است. از طریق آموزش به کامپیوتر ها با استفاده از داده‌های موجود در اطرافمان، قادر خواهیم بود الگوریتم‌هایی ایجاد نماییم تا بتوانند پیش بینی‌های دقیق تری بر روی مسائل و چالش‌های پیش رویمان انجام دهند. مثالِ کلاسیکِ زیر را در نظر بگیرید: فرض کنید در یک فروشگاهِ بزرگِ خرده‌فروشی به صورت اینترنتی در حال خرید هستید. در زمان خرید، سه محصول مختلف را به سبد خرید خود اضافه می‌کنید. فرض کنید این سه محصول به صورت زیر است: لپ تاپ سری N موس بیسیم یک عدد تمیز کننده مانیتور
حال، سیستم می‌خواهد به صورت هوشمند، به شما چند محصول دیگر را پیشنهاد دهد. مدل برنامه‌نویسی صریح، به این صورت است که برای مثال، سیستم، محصولاتی در یک دسته (مثلاً یک سری محصولاتی که مربوط به حوزه‌ی IT است) را به شما نمایش بدهد. در این حالت، هوشمندیِ خاصی در سیستم مشاهده نمی‌شود و در واقع سیستم، یادگیریِ خاصی انجام نمی‌دهد.
حال فرض کنید، سیستم از طریق الگوریتم‌های یادگیری‌ماشین، بتواند مشتریانِ قبلیِ خود را به گروه‌های مختلف تقسیم‌بندی کند (به این کار در اصطلاح خوشه بندی یا Clustering گفته می‌شود). با این کار، شما با تکمیلِ سبد خرید خود، به دسته‌ای از مشتریانِ قبلی متعلق می‌شوید. با تعلقِ شما به گروهِ خاصی از مشتریان، محصولاتی که آن‌ها قبلاً خریداری کرده‌اند و شما در سبد خرید خود ندارید، به شما پیشنهاد داده می‌شود.
یادگیری ماشین چیست؟ می‌توان گفت یادگیری ماشین، مابین هوش مصنوعی و تحلیل آماری قرار گرفته است. از طریق آموزش به کامپیوتر ها با استفاده از داده‌های موجود در اطرافمان، قادر خواهیم بود الگوریتم‌هایی ایجاد نماییم تا بتوانند پیش بینی‌های دقیق تری بر روی مسائل و چالش‌های پیش رویمان انجام دهند. مثالِ کلاسیکِ زیر را در نظر بگیرید: فرض کنید در یک فروشگاهِ بزرگِ خرده‌فروشی به صورت اینترنتی در حال خرید هستید. در زمان خرید، سه محصول مختلف را به سبد خرید خود اضافه می‌کنید. فرض کنید این سه محصول به صورت زیر است: لپ تاپ سری N موس بیسیم یک عدد تمیز کننده مانیتور
حال، سیستم می‌خواهد به صورت هوشمند، به شما چند محصول دیگر را پیشنهاد دهد. مدل برنامه‌نویسی صریح، به این صورت است که برای مثال، سیستم، محصولاتی در یک دسته (مثلاً یک سری محصولاتی که مربوط به حوزه‌ی IT است) را به شما نمایش بدهد. در این حالت، هوشمندیِ خاصی در سیستم مشاهده نمی‌شود و در واقع سیستم، یادگیریِ خاصی انجام نمی‌دهد.
حال فرض کنید، سیستم از طریق الگوریتم‌های یادگیری‌ماشین، بتواند مشتریانِ قبلیِ خود را به گروه‌های مختلف تقسیم‌بندی کند (به این کار در اصطلاح خوشه بندی یا Clustering گفته می‌شود). با این کار، شما با تکمیلِ سبد خرید خود، به دسته‌ای از مشتریانِ قبلی متعلق می‌شوید. با تعلقِ شما به گروهِ خاصی از مشتریان، محصولاتی که آن‌ها قبلاً خریداری کرده‌اند و شما در سبد خرید خود ندارید، به شما پیشنهاد داده می‌شود.
From the Files app, scroll down to Internal storage, and tap on WhatsApp. Once you’re there, go to Media and then WhatsApp Stickers. Don’t be surprised if you find a large number of files in that folder—it holds your personal collection of stickers and every one you’ve ever received. Even the bad ones.Tap the three dots in the top right corner of your screen to Select all. If you want to trim the fat and grab only the best of the best, this is the perfect time to do so: choose the ones you want to export by long-pressing one file to activate selection mode, and then tapping on the rest. Once you’re done, hit the Share button (that “less than”-like symbol at the top of your screen). If you have a big collection—more than 500 stickers, for example—it’s possible that nothing will happen when you tap the Share button. Be patient—your phone’s just struggling with a heavy load.On the menu that pops from the bottom of the screen, choose Telegram, and then select the chat named Saved messages. This is a chat only you can see, and it will serve as your sticker bank. Unlike WhatsApp, Telegram doesn’t store your favorite stickers in a quick-access reservoir right beside the typing field, but you’ll be able to snatch them out of your Saved messages chat and forward them to any of your Telegram contacts. This also means you won’t have a quick way to save incoming stickers like you did on WhatsApp, so you’ll have to forward them from one chat to the other.
If riding a bucking bronco is your idea of fun, you’re going to love what the stock market has in store. Consider this past week’s ride a preview.The week’s action didn’t look like much, if you didn’t know better. The Dow Jones Industrial Average rose 213.12 points or 0.6%, while the S&P 500 advanced 0.5%, and the Nasdaq Composite ended little changed.
