التعلم الآلي هو جزء من منهج الذكاء الإصطناعي يسمح للحاسوب بالتعلم من الخبرات السابقة ليصبح قادر على ألإختيار بشكل تلقائي وذاتي.
من أشهر الخوارزميات أو algorithms المعروفة في التعلم الآلي هي :
- supervised learning
- unsupervised learning
سأتطرق في مابقى من المقال للتعريف بمفاهيم هذه الخوارزميات باعتماد بعض الأمثلة لكن هذا سيكون فقط تعريف سطحي دون التطرق للكود لكن سيكون بإذن الله في المرات القادمة تطرق لدورة تعليمية في كيفية إستخدام هذه الخوارزميات في أمثلة عملية.
Supervised learning
في هذا النوع من الخوارزميات هناك علاقة بين المدخلات inputs والمخرجات outputs ودائماً مايكون لدينا فكرة عن نوعية المخرجات فمثلاً علاقة مساحة المنزل بثمنه حيث نعلم أن inputs هو مساحة المنزل و-output هو ثمنه وهناك دائماً علاقة بين الثمن والمساحة.
و-supervised learning ينقسم إلى نوعين regression و- classification حيث أن الأول يعتمد على تكهن output إعتماداً على إستمرارية continuity الإحتمالات الفارطة بأن يجد نمط معين ويقوم باخراج output إعتماداً عليه أما النوع الثاني classification فهو يعتمد على تقسيم outputs إلى فئات مثلاً "نعم" أو "لا" ، "0" أو "1" ، "يمكن" أو "لا يمكن"، فئة "أ" فئة "ب" فئة "س".
المثال الذي في صورة يمثل النوع الأول وهو regression
نعلم نوعية output----> إذاً هو supervised learning
يتم تكهن النتيجة إعتماداً على الإستمرارية continuity حيث أن لو أردت أن أعلم ثمن المنزل الذي يوافق 2500 square/feet يمكنني فقط أن أتتبعه على الرسم البياني وأقوم بإسقاط النقطة الموافقة للمساحة على price-->إذاً هو regression problem
أما إذا اردنا أن نجعله classification problem فقط يمكننا أن نختار أن يكون تقسيم المنزل إلى منزل أقل من 250k أو أكثر من 250k . مثال اخر بناءً على input فيها مريض له ورم سيكون تقسيم هل الورم خطير وليس خطير.
Unsupervised learning
في هذا النوع من الخوارزميات يهتم بنوعية المسائل التي لا نعلم ماذا يمكن للنتيجة أن تكون حيث نستعمله لنجد structure للبيانات التي نمتلكها.
مثلاً يمكن أن نقوم بادخال بيانات العديد من الأشخاص، الalgorithm سوف يقوم بتقسيم الناس حسب العديد من الخصائص المتاحة في بياناتهم.
وهذا algorithm يستعمل في جوجل news، و في وكالات الفضاء لتحليل البيانات، وفي تحليل الجينات ..
أرجو أن تكونوا قد استفدتوا من هذا التقديم البسيط للتعلم الآلي.
للمزيد من المعلومات يمكنكم متابعة درس Andrew Ng هنا
للمزيد من المعلومات يمكنكم متابعة درس Andrew Ng هنا
