التعلم الخاضع للإشراف
تقدم هذه الدورة مقدمة شاملة في مجال التعلم الآلي (ML)، وهو فرع من الذكاء الاصطناعي يركز على إنشاء وتحليل الخوارزميات الإحصائية القادرة على تعميم المهام وتنفيذها بشكل مستقل، دون الحاجة إلى تعليمات برمجة صريحة. تشمل الدورة المفاهيم الأساسية التي توضح استخدام Python ومكتباتها مفتاح في أمثلة الترميز العملية. وتتعمق في مجالات حاسمة، بما في ذلك استكشاف المكتبات والأدوات الشائعة المستخدمة في مهام التعلم الآلي وتطبيقاتها في العالم الحقيقي، بما في ذلك سيارات Tesla ذاتية القيادة و OpenAI و ChatGPT وغيرها. كما توفر الدورة أيضًا رؤى حول أنواع التعلم الآلي المختلفة وتحليلًا مقارنًا بين مناهج التعلم الآلي التقليدية وأحدث التطورات في التعلم العميق. مع الانتهاء من هذه الدورة، ستخرج بمعرفة موجزة وشاملة للتعلم الآلي. ستزودك بالمهارات اللازمة لتعزيز معرفتك بالتعلم الآلي لاتخاذ القرارات القائمة على البيانات.
سنغطي ما يلي...
ما هو التعلم الخاضع للإشراف؟
نحن البشر نتعلم من تجاربنا السابقة. أما الآلات (أو الحواسيب) فلا تمتلك تجارب، بل تتعلم من البيانات التي تُمثل تجارب سابقة في مجال تطبيقي. في التعلم المُشرف، ينصب تركيزنا على تعلم دالة مستهدفة يُمكن استخدامها للتنبؤ بقيم (علامات) سمات فئة مُنفصلة. تُعرف هذه المهمة عادةً باسم التعلم المُشرف.
في جوهره، يُعد التعلم المُشرف نوعًا من التعلم الآلي، حيث تتعلم الخوارزمية من بيانات التدريب المُصنّفة لاتخاذ قرارات أو تنبؤات. في هذا النموذج، تُدرّب الخوارزمية على مجموعة بيانات تحتوي على بيانات إدخال والمخرجات المطلوبة المقابلة. الهدف هو تعلم دالة ربط بين إدخال إخراج، مما يسمح للخوارزمية بالتنبؤ ببيانات غير مرئية. في الأساس، تُشرف مجموعة البيانات المُقدّمة على الخوارزمية، مما يُرشدها لتعلم الأنماط والعلاقات داخل البيانات.
التعلم الخاضع للإشراف هو عملية مكونة من خطوتين:
التعلم أو التدريب: تعلم نموذجًا باستخدام بيانات التدريب (مع العلامات).
الاختبار: اختبار النموذج باستخدام بيانات اختبار غير مرئية (بدون تسميات) لتقييم دقة النموذج.
يمكن تصنيف التعلم الخاضع للإشراف على نطاق واسع إلى نوعين رئيسيين: الانحدار والتصنيف.
في الانحدار ، تتنبأ الخوارزمية بقيم إخراج مستمرة. هذا المفهوم مُستمد من الإحصاءات الاستدلالية. من أمثلة استخدامات خوارزميات الانحدار الشائعة:
التنبؤ بأسعار الأسهم
التنبؤ بالمبيعات (من قبل شركات مثل أمازون وول مارت)
تحسين المسار (من قبل شركات الطيران وشركات مشاركة الرحلات مثل أوبر)
من ناحية أخرى، يتضمن التصنيف التنبؤ بمخرجات منفصلة أو فئوية. يمكن أن تندرج النتيجة ضمن فئتين (التصنيف الثنائي)، أو فئات متعددة (التصنيف متعدد الفئات)، أو حتى التنبؤ بفئات متعددة لحالة واحدة (التصنيف متعدد العلامات). من الأمثلة على ذلك:
التنبؤ بمشاعر المنشور أو النص (تحليل المشاعر)
التنبؤ بورم السرطان إذا كان حميدًا أو خبيثًا
التنبؤ بالمخاطر المرتبطة بطلبات القروض ...