تعريف التعلم الآلي : تطبيق للذكاء الاصطناعي يتضمن خوارزميات تحلل البيانات ، وتتعلم من تلك البيانات ، ثم تطبق ما تعلموه لاتخاذ قرارات مستنيرة.
كيف يعمل التعلم الآلي ؟
مثال بسيط لخوارزمية التعلم الآلي هو خدمة بث الموسيقى عند الطلب. من أجل أن تتخذ الخدمة قرارًا بشأن الأغاني الجديدة أو الفنانين الجدد لتوصية المستمع ، تربط خوارزميات التعلم الآلي بين تفضيلات المستمع والمستمعين الآخرين الذين لديهم أذواق موسيقية مماثلة. غالبًا ما توصف هذه التقنية ببساطة بالذكاء الاصطناعي ، وتُستخدم في العديد من الخدمات التي تقدم توصيات آلية.
ما هو التعلم العميق؟
تعريف التعلم العميق: حقل فرعي من التعلم الآلي يبني الخوارزميات في طبقات لإنشاء "شبكة عصبية اصطناعية" يمكنها التعلم واتخاذ قرارات ذكية بمفردها.
كيف يعمل التعلم العميق؟
تم تصميم نموذج التعلم العميق لتحليل البيانات بشكل مستمر بهيكل منطقي مشابه للطريقة التي يستخلص بها البشر النتائج. لإكمال هذا التحليل ، تستخدم تطبيقات التعلم العميق بنية ذات طبقات من الخوارزميات تسمى الشبكة العصبية الاصطناعية. تصميم الشبكة العصبية الاصطناعية مستوحى من الشبكة البيولوجية للخلايا العصبية في الدماغ البشري ، مما ينتج عنه نظام تعليمي أكثر قدرة بكثير من نماذج التعلم الآلي القياسية.
من الصعب التأكد من أن نموذج التعلم العميق لا يستخلص استنتاجات خاطئة ؛ مثل الأمثلة الأخرى للذكاء الاصطناعي ، فإنه يتطلب الكثير من التدريب لتصحيح عمليات التعلم. ولكن عندما يعمل على النحو المنشود ، غالبًا ما يتم تلقي التعلم العميق الوظيفي باعتباره أعجوبة علمية يعتبرها الكثيرون العمود الفقري للذكاء الاصطناعي الحقيقي.
الفرق بين التعلم الآلي والتعلم العميق
في الممارسة العملية ، يعد التعلم العميق مجرد مجموعة فرعية من التعلم الآلي. في الواقع ، التعلم العميق هو تعلم آلي ويعمل بطريقة مماثلة (ولهذا السبب يتم أحيانًا تبادل المصطلحات بحرية). ومع ذلك ، فإن قدراتهم مختلفة.
بينما تتحسن نماذج التعلم الآلي الأساسية بشكل تدريجي في أداء وظائفها المحددة مع دمج البيانات الجديدة ، فإنها لا تزال تتطلب بعض التدخل البشري. إذا عرضت خوارزمية الذكاء الاصطناعي تنبؤًا غير دقيق ، فيجب على المهندس التدخل وإجراء التعديلات. باستخدام نموذج التعلم العميق ، يمكن للخوارزمية تحديد ما إذا كان التنبؤ دقيقًا أم لا من خلال شبكتها العصبية الخاصة ، ولا يلزم أي مساعدة بشرية.
بعد نهاية الكورس سوف تكزن قادر علي :
- تعلم كيفية استخدام NumPy لإجراء عمليات حسابية سريعة في التعلم الآلي.
- تعرّف على المقصود بالتعلم الآلي والإزعاج من البيانات في التعلم الآلي.
- تعرف على كيفية استخدام scikit-learn للمعالجة المسبقة للبيانات في التعلم الآلي.
- تعرف على تقنيات تحديد النماذج المختلفة وتحديد الميزات في التعلم الآلي.
- تعرف على مزيد من المعلومات حول تحليل الكتلة واكتشاف الانحرافات في التعلم الآلي.
- تعرف على معلومات حول SVMs للتصنيف والانحدار واكتشاف الانحراف في التعلم الآلي.