🟪یادگیری ماشین (Machine Learning) یکی از شاخه‌های مهم هوش مصنوعی است که به سیستم‌ها این امکان را می‌دهد تا بدون برنامه‌نویسی مستقیم، از داده‌ها یاد بگیرند و عملکرد خود را بهبود دهند.

🟪این فناوری در حوزه‌های مختلف مانند پزشکی، بازاریابی، حمل‌ونقل و تشخیص چهره کاربرد دارد.

🟪در یادگیری ماشین، الگوریتم‌ها به دو دسته اصلی تقسیم می‌شوند: یادگیری نظارت‌شده (Supervised Learning) و یادگیری بدون نظارت (Unsupervised Learning).

🟪 در یادگیری نظارت‌شده، مدل با استفاده از داده‌های برچسب‌خورده آموزش می‌بیند؛ مانند الگوریتم رگرسیون خطی، درخت تصمیم و ماشین بردار پشتیبان (SVM).

🟪در یادگیری بدون نظارت، داده‌ها بدون برچسب‌اند و الگوریتم‌هایی مانند خوشه‌بندی K-Means و تحلیل مؤلفه‌های اصلی (PCA) به کار می‌روند.

🟪یادگیری عمیق (Deep Learning) زیرمجموعه‌ای از یادگیری ماشین است که از شبکه‌های عصبی مصنوعی چندلایه برای تحلیل داده‌های پیچیده استفاده می‌کند. شبکه‌های عصبی کانولوشنی (CNN) در بینایی ماشین و شبکه‌های بازگشتی (RNN) در پردازش زبان طبیعی کاربرد دارند.

🟪الگوریتم‌های پایه‌ای مثل KNN، Naive Bayes، درخت تصمیم و رگرسیون لجستیک، نقش مهمی در حل مسائل طبقه‌بندی و پیش‌بینی دارند. یادگیری ماشین با ترکیب ریاضیات، آمار و علوم کامپیوتر، به یکی از ابزارهای کلیدی در عصر داده تبدیل شده است.