مقدمة للتعلم الآلي-Machine Learning

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