يجد المطورون الذين يتطلعون إلى تقييم طرق التعلم الآلي مجموعة متنامية من المنصات المتخصصة للأجهزة والتطوير التي يتم ضبطها في الغالب لفئات محددة من بنية التعلم الآلي والتطبيقات. على الرغم من أن هذه المنصات المتخصصة ضرورية للعديد من تطبيقات التعلم الآلي ، إلا أن القليل من المطورين الجدد في التعلم الآلي مستعدون لاتخاذ قرارات مستنيرة حول اختيار النظام الأساسي المثالي.
يحتاج المطورون إلى منصة يسهل الوصول إليها للحصول على الخبرة في تطوير تطبيقات التعلم الآلي وفهم أعمق لمتطلبات الموارد والقدرات الناتجة.
كما هو موضح في مقالة Digi-Key "الشروع في التعلم الآلي باستخدام الأجهزة والبرامج المتوفرة بسهولة" ، فإن تطوير أي نموذج للتعلم الآلي تحت الإشراف يتضمن ثلاث خطوات رئيسية:
إعداد البيانات لتدريب نموذج
تنفيذ النموذج
التدريب النموذجي
يجمع إعداد البيانات بين طرق الحصول على البيانات المعتادة مع خطوة إضافية مطلوبة لتسمية حالات محددة من البيانات لاستخدامها في عملية التدريب. بالنسبة للخطوتين الأخيرتين ، يحتاج المتخصصون في نموذج التعلم الآلي ، حتى وقت قريب ، إلى استخدام مكتبات الرياضيات ذات المستوى المنخفض نسبيًا لتنفيذ الحسابات التفصيلية التي تتضمنها خوارزميات النموذج. لقد سهل توافر أطر التعلم الآلي بشكل كبير تعقيد تنفيذ النموذج والتدريب.
واليوم ، يستطيع أي مطور على دراية بـ بايثون أو غيرها من اللغات المدعومة استخدام هذه الأطر لتطوير نماذج التعلم الآلي بسرعة والتي يمكن تشغيلها على مجموعة كبيرة من المنصات. سوف تصف هذه المقالة كومة التعلم الآلي والتدريب قبل الدخول في كيفية تطوير تطبيق التعلم الآلي في Raspberry Pi 3. بواسطة Stephen Evanczuk
