Machine Learning (ML), Deep Learning (DL), and Artificial Intelligence (AI) are related concepts but have distinct differences. 1. **Artificial Intelligence (AI):** AI is a broad field focused on creating machines or systems that can perform tasks that would typically require human intelligence. It encompasses various techniques, including ML and DL, to enable machines to learn from data, make decisions, and solve problems. 2. **Machine Learning (ML):** ML is a subset of AI that involves the development of algorithms and models that allow computers to learn patterns and make predictions or decisions without being explicitly programmed. ML techniques include supervised learning, unsupervised learning, and reinforcement learning. 3. **Deep Learning (DL):** DL is a specific type of ML that utilizes neural networks with many layers (deep neural networks) to automatically learn and represent complex patterns from data. It is particularly effective in tasks like image and speech recognition, natural language processing, and other tasks involving large amounts of data. In summary, AI is the overarching field, ML is a subset of AI focused on learning from data, and DL is a subset of ML that specifically uses deep neural networks for learning intricate patterns.
እናመሰግናለን በርታልኝ እኔ በጣም ተጠቃም ነኝ በቭድዮዎችክ 🙏🙏🙏🙏🙏🙏❤❤❤❤❤
📒Introduction to #Emerging Technology
📚Chapter Three
📑Artificial Intelligence [AI]
በዚህ ምዕራፍ ስር የምናየው ዝርዝር ነገሮች፦
📍What is AI
📍Advantages and Disadvantages of AI
📍History [Eras] of AI
📍Levels and Types of AI
📍Influencers of AI
📍Application of AI
በዛሬው ዕለት የምናየው የመጀመሪያዎቹ ሶስቱን ነው። ዝግጁ🙌
📖What is Artificial Intelligence (AI)?
አርቲፊሻል ኢንተለጀንስ ወይም በአማርኛ - ሰው ሰራሽ አስተውሎት ልንለው እንችላለን። እናም በ1950ዎቹ በኮምፒውተር ሳይንቲስቶች እንደ አንድ የጥናት ዘርፍ (field) የተመሰረት ነው።
📌The father of Artificial Intelligence, John McCarthy, እንደሚከተለው ትርጉሙን አስቀምጧል፦
"AI is the science and engineering of making intelligent machines, especially intelligent computer programs."
ከዚህ በፊት በተለያየ አጋጣሚ "አርቲፊሻል ኢንተለጀንስ" ሲባል ሰምታችሁ ይሆናል። ቀለል ባለ መንገድ ስንፈታው "የሰው ልጅ እንደሚያስበው የሚያስቡ፥ የሰው ልጅ እንደሚሰራው፣ እንደሚወስነው የሚሰሩና የሚወስኑ፥ እንደ ሰው ልጅ ችግር ፈቺ ሊሆኑ የሚችሉ ሮቦቶችን, ኮምፒዩተሮችን መፍጠር ነው።"
📝የቃሉንም ትርጉም ስናየው፦
🪄"Artificial" ማለት "man made" - ሰው ሰራሽ ማለት ነው።
🪄"Intelligence" ማለት ደግሞ "thinking power or the ability to learn and solve problems" - የማሰብ ችሎታ ማለት ነው።
ስለዚህ "AI means Man-made thinking power."
በተጨማሪም መርዳት ያለብን ነገር "Intelligence" ሲባል ብዙ ነገሮችን (የሚከተሉትን) በውስጡ ያካተተ ነው።
🪄Reasoning (ምክንያታዊነት)
🪄Learning (መማር)
🪄Problem Solving (ችግር ፈቺነት)
🪄Perception (መቅሰም፣ መረዳት)
🪄Linguistic Intelligence (የቋንቋ ችሎታ)
📌አራተኛ ላይ ያየነው "Perception" ነው። ከዚው ጋር በተያያዘ አንድ ማሽን በዙሪያው (በአከባቢው ካሉትን ነገሮች) የሆነ ነገር የሚረዳበትን መንገድ "Machine Perception" እንሏለን።
📌Machine Perception is the ability to use input from sensors (such as cameras, microphones, etc) to deduce aspects of the world.
ማለትም ልክ የሰው ልጅ የሆነ ነገር ሰምቶ ወይም አይቶ ምላሽ እንደሚሰጥ እና በዙሪያው ካለው አለም (Environment) ጋር ግንኙነት (Interaction) እንደሚፈጥር ማሽንም ወይም የኮምፒውተር ሲይስተም የተሰጠውን Input (Raw data) የሚተረጉምበት ችሎታ ነው።
📌Autonomous Vehicles (Drones🛸, Self Driving cars🚘), Google Search, Online Assistants (Apple's Siri, Google Assistant, Amazon's Alexa, Microsoft's Cortana), Face Recognition when Unlocking Mobile Phones ኧረ ብዙ ናቸው ቢዘረዘሩም አያልቁም። እነዚህ የተወሰኑት የAI ምሳሌዎች (ወይም በአርቲፊሻል ኢንተለጀንስ) የተሰሩ አሁን ላይ በአብዛኛው የምንጠቀምባቸው ፈጠራዎች ናቸው።
🙌The modern AI is based on #Machine_Learning
ከአርቲፊሻል ኢንተለጀንስ ጋር ግንኙነት ያላቸውን የሚከተሉትን ቃላት እንመልከት፦
📍Machine Learning (subset of AI) is advanced form of AI where the machine can learn as it goes rather than having every action programmed by humans.
ለምሳሌ የብዙ ውሾች ፎቶ🐕🐻❄️ እያንዳንዱን ከሆነ ነገር ጋር አገናኝተን (ለምሳሌ፦ ፊታቸውን ከስማቸው ጋር ሌብል አድርገን) የኮምፒውተር አልጎሪዝም ብንሰራ ማሽኑ ወይም ኮምፒዩተሩ የእያንዳንዱን ለይቶ እኛ ካዛመድነው ነገር ጋር የሚያዛምድበት መንገድ #Machine_Learning ይባላል።
📌The term machine learning was introduced by Arthur Samuel in 1959.
📍Deep Learning (subset of machine learning) is the field of neural networks with several hidden layers.
ለምሳሌ እራሱን የሚነዳ መኪና (Driverless cars🚘) ብትወስዱ በውስጡ በጣም ብዙ በሚሊዮኖች የሚቆጠሩ ዳታ- several hidden layers (የፎቶና የቪድዮ ዳታ) ይዟል። ይህ ለምን ሆነ ሲባል "መኪናው መቆም ባለበት ቦታ እንዲቆም በሩን መክፈት ባለበት ጊዜ እንዲከፍት ምናምን ነው ይህ "Deep Learning"ን በተወሰነ መልኩ ሊያስረዳ ይችላል።
📑Advantages of AI
📌High Accuracy with fewer errors
📌High Speed
📌High Reliability (አስተማማኝ ነው - አንድ ነገር በጥራት (With high accuracy) ብዙ ጊዜ (multiple times) መስራት ይችላል።
📌Useful for risk areas (ሰዎችን ቢሆኑ አደጋ ላይ ሊወድቁ የሚችሉበት ሁኔታ እነዚህን ሰው ሰራሽ ማሽኖች መጠቀም እንችላለን።)
📌Digital Assistant (ከላይ ቅድም ዘርዝረን የነበርናቸው ዲጂታል አጋዥ ሲይስተሞችን አይታችኃላ - አሁን አሁን እንደ ድሮ ጥያቄ ሲኖራችሁ ሰው መጠየቅ ቀርቷል በኦንላይን የሚያግዟችሁ ብዙ ሲይስተሞች አሉ።
📑DisAdvantages of AI
📌High Cost - ለአርቲፊሻል ኢንተለጀንስ (ለምሳሌ ሮቦት🤖 ቢሆን) ብዙ የ"Hardware እና Software" ጥገና ስለሚያስፈልገው ብዙ ወጪ ያስወጣል።
📌Can't think out of the box - የተባሉትን ብቻ (ፕሮግራም የተደረጉለትን ነገር ብቻ) የሚፈፅሙ ናቸው። ለምሳሌ ሮቦቷን "ነይ ምሳ ልጋብዝሽ😁" ብትላትና መጀመሪያ እንዲህ አይነት ፕሮግራም ተጭኖባት ካልሆነ "የምትለው አይገባኝም😂።" ነው የምትልህ።
📌No feelings and Emotions - ስሜት የላቸውም። ለምን በሳቅ ጥርስ የሚያስወልቅ ቀልድ አቀልድም😁 ወይም የሆነ መርዶ😢 በAI ለተሰሩ ማሽኖች ብትነግራቸው ወፍ! ምንም ስሜት የላቸውም።
📌Increase dependence on machines - ሰዎችን ሰነፍ ያደርጋል።
📌No original Creativity - የሰው ልጆች በተፈጥሮ ሀሳብ አመንጪ ናቸው ነገር ግን እነዚህ የAI ፈጠራዎች በራሳቸው ምንም አይነት ሀሳብ ማፍለቅም ሆነ ማቅረብ አይችሉም።
❤
Betam tefetnaleh stasreda andand bota demo explain satareg talfaleh ena don't miss any point and thankyou for helping.
❤ ተቀብያለሁ 😘 አስተካክላለሁ
መልካም ጥናት
Application sel AI yalkawun lak
@@AplusEthiopiaplease feten selale work shiti tasatonal
Excellent I haven't word's to thank.
Thank you very much! Our brother!
❤🥰🥰
Machine Learning (ML), Deep Learning (DL), and Artificial Intelligence (AI) are related concepts but have distinct differences.
1. **Artificial Intelligence (AI):** AI is a broad field focused on creating machines or systems that can perform tasks that would typically require human intelligence. It encompasses various techniques, including ML and DL, to enable machines to learn from data, make decisions, and solve problems.
2. **Machine Learning (ML):** ML is a subset of AI that involves the development of algorithms and models that allow computers to learn patterns and make predictions or decisions without being explicitly programmed. ML techniques include supervised learning, unsupervised learning, and reinforcement learning.
3. **Deep Learning (DL):** DL is a specific type of ML that utilizes neural networks with many layers (deep neural networks) to automatically learn and represent complex patterns from data. It is particularly effective in tasks like image and speech recognition, natural language processing, and other tasks involving large amounts of data.
In summary, AI is the overarching field, ML is a subset of AI focused on learning from data, and DL is a subset of ML that specifically uses deep neural networks for learning intricate patterns.
thnks bro
ሁሉንም chapter በተከታታይ ብትላቁልን ደስ ይላል ቤተሰብ
arif new gen betam tifetnaleh
Arif new gn tnsh tfetnaleh rega malet kechalk tnsh rega btlln
Please continue part 2
Thankyou For Video
My pleasure
Arif new gin tifetnaleh
Bistakakel demo yebelete arif yihonal
Thanks for this
Seriously tax from bottom of my heart..
tanks bro
BETAM ARIF NEW
thanks
eski rega bel ebakih ere tewew wendim
siwedih eko
Bert Arif new bro ❤❤❤
Thanks bro but you missed necessary title and you are speedy
nice presentation
Thankyou
thank you brother online job platform nigeregn eski
Thank you... ppt kale laklny
👏👏👏👏
thankew very much bro
Always welcome
ere bro tensh fetnthen keneslen and thanks a lot it was helpfull
Betam amesegnhalew wendme bante teqeyerku hulem ekorabhalew
Waw berta
Damo baxambest nawu bro
🎉🎉
Ye abak litders nw yemtixadefewu. Abo qes bel
It's gooo
👍
nice
Chapter 4 leqaqelen
Unit 3 part 2 yiseralinii
Capter 6 sirulen
eneko yemigermegn lemindnew yimitinqeleqelew besima aab
Yalkwun app esti yetal
Atften Please
Unit 4
Ok
Ene melwu sel big data multi kalshi lakiligni
Where is the chapter four my bro
Please send all chapter 4 you wanna read
PPT ላኩልን
Bitam new yemtifetnee dmo yemzlwm ale
Please aftene
It's good but you're so speedy
Please try not to be that much fast
አረ ብሮ አረጋጋው
📒Introduction to #Emerging Technology
📚Chapter Three
📑Artificial Intelligence [AI]
በዚህ ምዕራፍ ስር የምናየው ዝርዝር ነገሮች፦
📍What is AI
📍Advantages and Disadvantages of AI
📍History [Eras] of AI
📍Levels and Types of AI
📍Influencers of AI
📍Application
📖What is Artificial Intelligence (AI)?
አርቲፊሻል ኢንተለጀንስ ወይም በአማርኛ - ሰው ሰራሽ አስተውሎት ልንለው እንችላለን። እናም በ1950ዎቹ በኮምፒውተር ሳይንቲስቶች እንደ አንድ የጥናት ዘርፍ (field) የተመሰረት ነው።
📌The father of Artificial Intelligence, John McCarthy, እንደሚከተለው ትርጉሙን አስቀምጧል፦
"AI is the science and engineering of making intelligent machines, especially intelligent computer programs."
ከዚህ በፊት በተለያየ አጋጣሚ "አርቲፊሻል ኢንተለጀንስ" ሲባል ሰምታችሁ ይሆናል። ቀለል ባለ መንገድ ስንፈታው "የሰው ልጅ እንደሚያስበው የሚያስቡ፥ የሰው ልጅ እንደሚሰራው፣ እንደሚወስነው የሚሰሩና የሚወስኑ፥ እንደ ሰው ልጅ ችግር ፈቺ ሊሆኑ የሚችሉ ሮቦቶችን, ኮምፒዩተሮችን መፍጠር ነው።"
📝የቃሉንም ትርጉም ስናየው፦
🪄"Artificial" ማለት "man made" - ሰው ሰራሽ ማለት ነው።
🪄"Intelligence" ማለት ደግሞ "thinking power or the ability to learn and solve problems" - የማሰብ ችሎታ ማለት ነው።
ስለዚህ "AI means Man-made thinking power."
በተጨማሪም መርዳት ያለብን ነገር "Intelligence" ሲባል ብዙ ነገሮችን (የሚከተሉትን) በውስጡ ያካተተ ነው።
🪄Reasoning (ምክንያታዊነት)
🪄Learning (መማር)
🪄Problem Solving (ችግር ፈቺነት)
🪄Perception (መቅሰም፣ መረዳት)
🪄Linguistic Intelligence (የቋንቋ ችሎታ)
📌አራተኛ ላይ ያየነው "Perception" ነው። ከዚው ጋር በተያያዘ አንድ ማሽን በዙሪያው (በአከባቢው ካሉትን ነገሮች) የሆነ ነገር የሚረዳበትን መንገድ "Machine Perception" እንሏለን።
📌Machine Perception is the ability to use input from sensors (such as cameras, microphones, etc) to deduce aspects of the world.
ማለትም ልክ የሰው ልጅ የሆነ ነገር ሰምቶ ወይም አይቶ ምላሽ እንደሚሰጥ እና በዙሪያው ካለው አለም (Environment) ጋር ግንኙነት (Interaction) እንደሚፈጥር ማሽንም ወይም የኮምፒውተር ሲይስተም የተሰጠውን Input (Raw data) የሚተረጉምበት ችሎታ ነው።
📌Autonomous Vehicles (Drones🛸, Self Driving cars🚘), Google Search, Online Assistants (Apple's Siri, Google Assistant, Amazon's Alexa, Microsoft's Cortana), Face Recognition when Unlocking Mobile Phones ኧረ ብዙ ናቸው ቢዘረዘሩም አያልቁም። እነዚህ የተወሰኑት የAI ምሳሌዎች (ወይም በአርቲፊሻል ኢንተለጀንስ) የተሰሩ አሁን ላይ በአብዛኛው የምንጠቀምባቸው ፈጠራዎች ናቸው።
🙌The modern AI is based on #Machine_Learning
ከአርቲፊሻል ኢንተለጀንስ ጋር ግንኙነት ያላቸውን የሚከተሉትን ቃላት እንመልከት፦
📍Machine Learning (subset of AI) is advanced form of AI where the machine can learn as it goes rather than having every action programmed by humans.
ለምሳሌ የብዙ ውሾች ፎቶ🐕🐻❄️ እያንዳንዱን ከሆነ ነገር ጋር አገናኝተን (ለምሳሌ፦ ፊታቸውን ከስማቸው ጋር ሌብል አድርገን) የኮምፒውተር አልጎሪዝም ብንሰራ ማሽኑ ወይም ኮምፒዩተሩ የእያንዳንዱን ለይቶ እኛ ካዛመድነው ነገር ጋር የሚያዛምድበት መንገድ #Machine_Learning ይባላል።
📌The term machine learning was introduced by Arthur Samuel in 1959.
📍Deep Learning (subset of machine learning) is the field of neural networks with several hidden layers.
ለምሳሌ እራሱን የሚነዳ መኪና (Driverless cars🚘) ብትወስዱ በውስጡ በጣም ብዙ በሚሊዮኖች የሚቆጠሩ ዳታ- several hidden layers (የፎቶና የቪድዮ ዳታ) ይዟል። ይህ ለምን ሆነ ሲባል "መኪናው መቆም ባለበት ቦታ እንዲቆም በሩን መክፈት ባለበት ጊዜ እንዲከፍት ምናምን ነው ይህ "Deep Learning"ን በተወሰነ መልኩ ሊያስረዳ ይችላል።
📑Advantages of AI
📌High Accuracy with fewer errors
📌High Speed
📌High Reliability (አስተማማኝ ነው - አንድ ነገር በጥራት (With high accuracy) ብዙ ጊዜ (multiple times) መስራት ይችላል።
📌Useful for risk areas (ሰዎችን ቢሆኑ አደጋ ላይ ሊወድቁ የሚችሉበት ሁኔታ እነዚህን ሰው ሰራሽ ማሽኖች መጠቀም እንችላለን።)
📌Digital Assistant (ከላይ ቅድም ዘርዝረን የነበርናቸው ዲጂታል አጋዥ ሲይስተሞችን አይታችኃላ - አሁን አሁን እንደ ድሮ ጥያቄ ሲኖራችሁ ሰው መጠየቅ ቀርቷል በኦንላይን የሚያግዟችሁ ብዙ ሲይስተሞች አሉ።
📑DisAdvantages of AI
📌High Cost - ለአርቲፊሻል ኢንተለጀንስ (ለምሳሌ ሮቦት🤖 ቢሆን) ብዙ የ"Hardware እና Software" ጥገና ስለሚያስፈልገው ብዙ ወጪ ያስወጣል።
📌Can't think out of the box - የተባሉትን ብቻ (ፕሮግራም የተደረጉለትን ነገር ብቻ) የሚፈፅሙ ናቸው። ለምሳሌ ሮቦቷን "ነይ ምሳ ልጋብዝሽ😁" ብትላትና መጀመሪያ እንዲህ አይነት ፕሮግራም ተጭኖባት ካልሆነ "የምትለው አይገባኝም😂።" ነው የምትልህ።
📌No feelings and Emotions - ስሜት የላቸውም። ለምን በሳቅ ጥርስ የሚያስወልቅ ቀልድ አቀልድም😁 ወይም የሆነ መርዶ😢 በAI ለተሰሩ ማሽኖች ብትነግራቸው ወፍ! ምንም ስሜት የላቸውም።
📌Increase dependence on machines - ሰዎችን ሰነፍ ያደርጋል።
📌No original Creativity - የሰው ልጆች በተፈጥሮ ሀሳብ አመንጪ ናቸው ነገር ግን እነዚህ የAI ፈጠራዎች በራሳቸው ምንም አይነት ሀሳብ ማፍለቅም ሆነ ማቅረብ አይችሉም።
Gen batme nw metfaxnwe
BETAM ARIF NEW