التعلّم الآلي والتصنيف

Name: التعلّم الآلي والتصنيف
Author: Briana Brownell

تعلم أساسيات نمذجة التصنيف وكيفية إدارة جمع البيانات والمعالجة المسبقة

شاهد الدرس الأول مجانًا — احصل على وصول كامل إلى جميع الدروس الـ6.

دورة تدريبية: عند الطلب

في هذا الفصل، سنتحدث عن أساسيات نمذجة التصنيف، بما في ذلك كيفية ملاءمتها للصورة الأكبر في التعلم الآلي والذكاء الاصطناعي. إذن، ما هو التعلم الآلي؟ أحب هذا التعريف من روبرت شابير في جامعة برينستون لأنه يعطينا طريقة بديهية للتفكير في الطرق التي يمكن لأجهزة الكمبيوتر أن تتعلمها. أول شيء يجب ملاحظته في هذا التعريف هو أن كل التعلم الآلي يعتمد على أنواع مختلفة من خوارزميات الكمبيوتر التي يمكننا استخدامها لحل المشاكل المختلفة. الأمر الثاني هو الاعتماد على البيانات لجعل التعلم الآلي يعمل. الآن، لأننا نعيش في عالم غني بالبيانات كهذا الآن، من السهل أن تنسى أن هذا لم يكن الحال دائمًا. في التاريخ، كانت البيانات في الواقع نادرة جدًا، وهكذا فإن معظم نمذجة التصنيف ومعظم نماذج الذكاء الاصطناعي كانت في الواقع لا تستند إلى ملاحظات البيانات كانت تعتمد على أشكال أخرى من البيانات التي يمكننا استخدامها لبناء بعض هذه الأنظمة الأكثر تعقيدًا، أشياء مثل التعليمات والخبرة المباشرة. لكن الآن لدينا وصول لجميع أنواع البيانات في جميع أنواع المجالات المختلفة. وهكذا فإن معظم نمذجة التعلم الآلي التي ستفعلها تعتمد على التعلم من بيانات الرصد. هناك ثلاثة أنواع رئيسية من التعلم الآلي: التعلم الخاضع للإشراف، التعلم غير الخاضع للإشراف، والتعلم المعزز. وكل هذه الأنماط الواسعة للتعلم الآلي تحل مشاكل مختلفة. بالنسبة للتعلم الخاضع للإشراف، فإن الأمر كله يتعلق بعمل نوع ما من التنبؤ أو التصنيف، ولهذا تحتاج إلى أمثلة ما يسمى، المسماة (المصنفة) Labeled. وهذا يعني أن لديك سلسلة من متغيرات الإدخال وأنت تحاول استخدام هؤلاء للتنبؤ بنوع من النتائج. لذلك، إذا فكرت في مثال عن عزوف أو انسحاب وعدم عودة العملاء، قد يكون لديك مجموعة من البيانات التي تبحث في مدى رضا هذا العميل عن المنتج، كيف كان يستخدم هذا المنتج، ثم كان متغير النتيجة سواء ألغوا خدمتهم أم لا. لمشاكل التعلم تحت الإشراف، من الضروري أن يكون لديك هذا المتغير المسمى (المصنف) الذي يمكنك التنبؤ به. بالمقارنة، التعلم غير الخاضع للإشراف ليس لديه متغير الإخراج المسمى، ولذا فإن ما يعنيه ذلك هو أنواع المشاكل التي تحلها بالتعلم غير الخاضع للإشراف مختلفة قليلا. أنت تبحث في العثور على أنواع من الأنماط الناشئة ضمن البيانات التي تتيح لك استكشاف واستخدام البيانات بطريقة أكثر تعقيدًا أشياء مثل فهم ما هي المتغيرات ذات الصلة لبعضهم البعض فهم أشياء مثل المجموعات المختلفة، مجموعات مختلفة داخل البيانات التي يمكنك استخدامها لفهم البيانات التي لديك. وأخيرًا، التعلم المعزز (المدعوم) يختلف قليلاً عن كل من التعليم الآلي الخاضع للإشراف وغير الخاضع للإشراف. في التعلم المعزز Reinforcement Learning، هناك عامل نشط يتعلم طريقة ليتخذ قرارات. لذا فإن هذا النمط من التعلم الآلي شائع حقًا في الألعاب، لذا أشياء مثل التدريس والذكاء الاصطناعي كيف تلعب لعبة الدّاما أو الشطرنج أو أي لعبة أخرى من هذا القبيل. التعلم الآلي الخاضع للإشراف هو إلى حد بعيد الأسلوب الأكثر شيوعًا للتعلم الآلي الذي سوف تواجهه في الصناعة. وفي الواقع، تعد نمذجة التصنيف أحد الأنواع المهمة من التعلم الآلي الخاضع للإشراف. ومع ذلك، فإن التعلم الآلي غير الخاضع للإشراف سوف يصبح أيضًا مهمًا للغاية حتى أثناء قيامك بالتعلم الخاضع للإشراف لأن الكثير من المنهجيات التي يمكنك استخدامها في التعلم غير الخاضع للإشراف يمكن أن يكون في غاية الأهمية في القيام بأشياء مثل اختيار الميزة وفهم الفروق الدقيقة في البيانات التي تستخدمها ضمن مشكلة تعلم آلي خاضعة للإشراف، لذا فإن استخدامهما معًا أمر شائع جدًا. ولذا سنتطرق إلى بعض مفاهيم التعلم غير الخاضع للإشراف في هذه الدورة أيضًا. الآن لديك أساسيات الأنواع الثلاثة الرئيسية للتعلم الآلي وكيف أن التعلم الآلي الخاضع للإشراف ونموذج التصنيف يناسبها.

متوسط مقدِّم الخدمة : Briana Brownell 6 الدروس · 26m باللغات: العربية, الألمانية, الإنجليزية, الإسبانية, الفرنسية, البرتغالية, Chinese

وصف الدورة

ستقدم هذه الدروس نمذجة التصنيف ومساحة المشكلة ضمن التعلم الآلي الخاضع للإشراف. وسيشمل ذلك التعلم والتعرف على الفرق بين التصنيف والتنبؤ، وكيف تتناسب نمذجة التصنيف مع المجال الأكبر للتعلم الآلي. سوف تتعلم كيفية التعامل مع مشاكل التصنيف، وسيتم تقديمك إلى خط أنابيب نموذج التصنيف النموذجي.

بمجرد فهم خط أنابيب نموذج التصنيف، ستتعلم كيفية بدء الخطوات الأولية لجمع البيانات. أخيرًا، ستتعلم نصائح عملية حول كيفية إدارة جمع البيانات والمعلومات حول المعالجة المسبقة لنموذج التصنيف.

ما ستتعلمه

التمييز بين التصنيف والتنبؤ وكيفية اندراج التصنيف ضمن مجال تعلم الآلة الأوسع
التعرف على مفاهيم التصنيف الأساسية ضمن تعلم الآلة الخاضع للإشراف
تطبيق خط أنابيب نموذج التصنيف النموذجي لمعالجة مشكلات التصنيف
البدء بالخطوات الأولية لجمع البيانات اللازمة لنموذج التصنيف
إدارة جمع البيانات ومعالجتها مسبقًا لنموذج التصنيف

النقاط الرئيسية

تندرج نمذجة التصنيف ضمن فضاء المشكلات الخاص بتعلم الآلة الخاضع للإشراف.
التصنيف والتنبؤ مفهومان متمايزان، وتُعلّم الدورة كيفية التمييز بينهما.
يتبع نموذج التصنيف النموذجي خط أنابيب، وفهمه يساعدك على معالجة مشكلات التصنيف.
جمع البيانات والمعالجة المسبقة خطوتان أوليتان مهمتان في بناء نموذج التصنيف.
تتناول الدورة نصائح عملية لإدارة جمع البيانات للتصنيف.

الأسئلة الشائعة

ما الذي تغطيه هذه الدورة؟

تُقدّم الدورة نمذجة التصنيف وفضاء مشكلاتها ضمن تعلم الآلة الخاضع للإشراف، بما في ذلك الفرق بين التصنيف والتنبؤ، وكيفية اندراج التصنيف في مجال تعلم الآلة الأوسع، وخط أنابيب نموذج التصنيف النموذجي، والخطوات الأولية لجمع البيانات ومعالجتها مسبقًا.

ما الدروس المتضمَّنة؟

الدروس هي: تعلم الآلة الخاضع للإشراف، ومفاهيم التصنيف الأساسية، والتصنيف مقابل التنبؤ، وخط أنابيب نموذج التصنيف، وجمع البيانات، والمعالجة المسبقة للبيانات.

ما المهارات التي سأكتسبها؟

ستبني مهارات في تصنيف البيانات، وتعلم الآلة، وتدريب نماذج تعلم الآلة، ومراقبة نماذج تعلم الآلة وتقييمها، والتصنيف الإحصائي، والتعلم الخاضع للإشراف.

هل تشرح الدورة الفرق بين التصنيف والتنبؤ؟

نعم. تُعلّم الدورة كيفية تعلم الفرق بين التصنيف والتنبؤ والتعرف عليه، وكيفية اندراج نمذجة التصنيف في مجال تعلم الآلة الأوسع.

هل تتناول الدورة جمع البيانات ومعالجتها مسبقًا؟

نعم. بعد تغطية خط أنابيب نموذج التصنيف، تُعلّم الدورة الخطوات الأولية لجمع البيانات، إضافةً إلى نصائح عملية لإدارة جمع البيانات ومعلومات حول المعالجة المسبقة لنموذج التصنيف.