Tout a commencé par une question … AI vs ML vs DL Ma question est de savoir pourquoi ces mots peuvent être utilisés de manière interchangeable même s’ils ne sont pas les mêmes. Je suis arrivé à une conclusion dans le processus d’expérimentation de l’IA, du ML et du DL, et je donnerai un briefing à la fin. Hierarchy-DL est un sous-ensemble de ML, et c’est un sous-ensemble de AI. DL est le moyen de mettre en œuvre ML. Le ML est le moyen d’atteindre l’IA. AI- L’intelligence artificielle imite l’intelligence humaine et essaie de rendre les machines aussi intelligentes que les humains. Ceci peut être réalisé en imitant le processus par lequel les êtres humains deviennent intelligents et apprennent à nouveau, donc l’apprentissage automatique vient, il essaie de faire apprendre à la machine et de se rendre intelligente, ce qui fait encore partie de l’artificiel. Nous rencontrons donc ici le terme d’apprentissage automatique, donc l’apprentissage automatique est décrit comme faisant de l’apprentissage automatique et nous rendant intelligents, mais comment pouvons-nous faire de l’apprentissage automatique? Ici, nous recherchons à nouveau un être humain imitateur, à travers lequel il apprend et utilise sa sagesse. Comment les humains font-ils cela? Il le fait à travers le cerveau ou avec l’aide du cerveau, car le réseau neuronal de son cerveau rassemble des milliers de clusters de neurones pour former un réseau neuronal, de sorte que son cerveau devient capable de recherches extrêmement merveilleuses. Connectez-vous les uns aux autres via des synapses. Le processus de présentation a apporté un nouveau mot à la mode, à savoir la science des données. Par conséquent, si nous oublions maintenant, nous comprendrons que la science des données est le moyen d’atteindre l’apprentissage automatique, et l’apprentissage automatique est le moyen d’atteindre l’intelligence artificielle, car ces trois éléments sont interdépendants. Par conséquent, il existe un chevauchement clair entre ces trois champs, c’est pourquoi, dans la plupart des cas, nous avons constaté que nous avons réalisé que ces mots peuvent être utilisés de manière interchangeable. Dans l’image, vous trouverez quelque chose appelé codage en dur. Ce que je veux dire, c’est que nous utilisons la bibliothèque de CV ouverte openCV pour effectuer une reconnaissance d’image de base en utilisant la vision par ordinateur. Cela n’inclut aucun type d’intelligence artificielle, d’apprentissage automatique ou de science des données à tout. Mais on peut dire qu’ils ont un chevauchement commun. En parlant d’exemples. Les meilleurs exemples d’intelligence artificielle que tout le monde peut fournir sont Google Assistant, Siri ou Cortana, et puisque vous les avez mentionnés, je souhaite ajouter de la voix à un convertisseur de texte qui utilise l’IA. En matière d’apprentissage automatique, j’aime personnellement citer l’exemple de la prévision des stocks. Un exemple pour le deep learning ANN-artificial neuronal network ard. On peut même dire que chacun des exemples ci-dessus peut être utilisé de manière interchangeable, et d’autres exemples peuvent être mis en œuvre comme un convertisseur parole-texte ou entièrement par apprentissage automatique. Il s’agit donc simplement de savoir comment nous mettons en œuvre ces trois éléments et les appliquons à nos besoins souhaités. Tout cela est expliqué en telugu. Vous êtes donc responsable du partage de ces informations avec d’autres partenaires linguistiques en télougou… #vamsi_bhavanitutorials #ai #ml #dl Jai Hind ! ! ! .