نشاط Shimaa Hassan:
-
5
-
0
-
0
- ما هو التعلم الآلي؟
التعلم الآلي (ML) هو نوع من الذكاء الاصطناعي (AI) يسمح للتطبيقات البرمجية بأن تصبح أكثر دقة في التنبؤ بالنتائج دون أن تكون مبرمجة بشكل صريح للقيام بذلك. تستخدم خوارزميات التعلم الآلي البيانات التاريخية كمدخلات للتنبؤ بقيم المخرجات الجديدة.
تعد محركات التوصية حالة استخدام شائعة للتعلم الآلي. تشمل الاستخدامات الشائعة الأخرى اكتشاف الاحتيال ، وتصفية البريد العشوائي ، واكتشاف تهديدات البرامج الضارة ، وأتمتة عمليات الأعمال (BPA) ، والصيانة التنبؤية.
لماذا يعد التعلم الآلي مهمًا؟
يعد التعلم الآلي مهمًا لأنه يمنح المؤسسات وجهة نظر حول اتجاهات سلوك العملاء وأنماط تشغيل الأعمال ، فضلاً عن دعم تطوير منتجات جديدة. تجعل العديد من الشركات الرائدة اليوم ، مثل Facebook و Google و Uber ، التعلم الآلي جزءًا أساسيًا من عملياتها. أصبح التعلم الآلي عاملاً تنافسيًا مهمًا للعديد من الشركات.
ما هي الأنواع المختلفة للتعلم الآلي؟
غالبًا ما يتم تصنيف التعلم الآلي الكلاسيكي من خلال كيفية تعلم الخوارزمية لتصبح أكثر دقة في تنبؤاتها. هناك أربعة مناهج أساسية: التعلم تحت الإشراف والتعلم غير الخاضع للإشراف والتعلم شبه الخاضع للإشراف والتعلم المعزز. يعتمد نوع بيانات الخوارزمية التي يختار العلماء استخدامها على نوع البيانات التي يريدون التنبؤ بها.
التعلم الخاضع للإشراف: في هذا النوع من التعلم الآلي ، يقوم علماء البيانات بتزويد الخوارزميات ببيانات التدريب المسمى وتحديد المتغيرات التي يريدون من الخوارزمية تقييمها للارتباطات. يتم تحديد كل من مدخلات ومخرجات الخوارزمية.
التعلم غير الخاضع للإشراف: يتضمن هذا النوع من التعلم الآلي خوارزميات تتدرب على البيانات غير المسماة. تقوم الخوارزمية بمسح مجموعات البيانات بحثًا عن أي اتصال ذي معنى. البيانات التي تتدرب عليها الخوارزميات وكذلك التنبؤات أو التوصيات التي تنتجها محددة سلفًا.
التعلم شبه الخاضع للإشراف: يتضمن هذا النهج للتعلم الآلي مزيجًا من النوعين السابقين. قد يقوم علماء البيانات بتغذية خوارزمية يتم تصنيفها في الغالب ببيانات التدريب ، لكن النموذج مجاني لاستكشاف البيانات بمفرده وتطوير فهمه الخاص لمجموعة البيانات.
التعلم المعزز: يستخدم علماء البيانات عادةً التعلم المعزز لتعليم الآلة لإكمال عملية متعددة الخطوات لها قواعد محددة بوضوح. يبرمج علماء البيانات خوارزمية لإكمال مهمة ما وإعطائها إشارات إيجابية أو سلبية لأنها تعمل على كيفية إكمال المهمة. ولكن بالنسبة للجزء الأكبر ، تقرر الخوارزمية من تلقاء نفسها الخطوات التي يجب اتخاذها على طول الطريق.
في Talent Supplier يقوم المبرمجين بعمل مشاريع باستخدام التعلم الالي.
تعد محركات التوصية حالة استخدام شائعة للتعلم الآلي. تشمل الاستخدامات الشائعة الأخرى اكتشاف الاحتيال ، وتصفية البريد العشوائي ، واكتشاف تهديدات البرامج الضارة ، وأتمتة عمليات الأعمال (BPA) ، والصيانة التنبؤية.
لماذا يعد التعلم الآلي مهمًا؟
يعد التعلم الآلي مهمًا لأنه يمنح المؤسسات وجهة نظر حول اتجاهات سلوك العملاء وأنماط تشغيل الأعمال ، فضلاً عن دعم تطوير منتجات جديدة. تجعل العديد من الشركات الرائدة اليوم ، مثل Facebook و Google و Uber ، التعلم الآلي جزءًا أساسيًا من عملياتها. أصبح التعلم الآلي عاملاً تنافسيًا مهمًا للعديد من الشركات.
ما هي الأنواع المختلفة للتعلم الآلي؟
غالبًا ما يتم تصنيف التعلم الآلي الكلاسيكي من خلال كيفية تعلم الخوارزمية لتصبح أكثر دقة في تنبؤاتها. هناك أربعة مناهج أساسية: التعلم تحت الإشراف والتعلم غير الخاضع للإشراف والتعلم شبه الخاضع للإشراف والتعلم المعزز. يعتمد نوع بيانات الخوارزمية التي يختار العلماء استخدامها على نوع البيانات التي يريدون التنبؤ بها.
التعلم الخاضع للإشراف: في هذا النوع من التعلم الآلي ، يقوم علماء البيانات بتزويد الخوارزميات ببيانات التدريب المسمى وتحديد المتغيرات التي يريدون من الخوارزمية تقييمها للارتباطات. يتم تحديد كل من مدخلات ومخرجات الخوارزمية.
التعلم غير الخاضع للإشراف: يتضمن هذا النوع من التعلم الآلي خوارزميات تتدرب على البيانات غير المسماة. تقوم الخوارزمية بمسح مجموعات البيانات بحثًا عن أي اتصال ذي معنى. البيانات التي تتدرب عليها الخوارزميات وكذلك التنبؤات أو التوصيات التي تنتجها محددة سلفًا.
التعلم شبه الخاضع للإشراف: يتضمن هذا النهج للتعلم الآلي مزيجًا من النوعين السابقين. قد يقوم علماء البيانات بتغذية خوارزمية يتم تصنيفها في الغالب ببيانات التدريب ، لكن النموذج مجاني لاستكشاف البيانات بمفرده وتطوير فهمه الخاص لمجموعة البيانات.
التعلم المعزز: يستخدم علماء البيانات عادةً التعلم المعزز لتعليم الآلة لإكمال عملية متعددة الخطوات لها قواعد محددة بوضوح. يبرمج علماء البيانات خوارزمية لإكمال مهمة ما وإعطائها إشارات إيجابية أو سلبية لأنها تعمل على كيفية إكمال المهمة. ولكن بالنسبة للجزء الأكبر ، تقرر الخوارزمية من تلقاء نفسها الخطوات التي يجب اتخاذها على طول الطريق.
في Talent Supplier يقوم المبرمجين بعمل مشاريع باستخدام التعلم الالي.