ML – مفاهيم اساسية 1

تعلم الالة ML: Machine Learning

تعلم الالة Machine Learning وهو احد فروع AI وفيه تقوم الالة/البرنامج باتخاذ القرارت ليس بناءا على القواعد المعرفة او المبرمجة مسبقا لكن من خلال مجموعة من البيانات التي يتعلم منها الالة/البرنامج، حيث يقوم البرنامج بتعلم/بناء نموذج model بواسطة البيانات يمكنه من اتخاذ القرارت .

للمزيد عن ML يرجى الرجوع للدرس هنا و للمزيد عن ال AI يرجى الرجوع الى الدورة(مقدمة) هنا

النموذج Model

النموذج Model هوالقواعد او ​الخوارزمية التي يتنبأ بها ​البرنامج /​الالة بالقيم والنواتج بناءا على مجموعة من البيانات المتاحة. فمثلا قد نبني نموذج يقوم بالتنبأ بقيمة الاسهم بناءا عن قيم السهم في الايام الفائتة. او نبني نموذج يستطيع التفريق بين انواع الفواكة من صورها.

نحن كبشر نقوم ببناء الكثير من النماذج في عقولنا بناءا على خبراتنا (البيانات المتوفرة السابقة لدينا). فمثلا عندما نقوم بتوقع امر ما او نستطيع التفريق بين الاشكال يحتاج الامر بيانات كثيرة نتعلم منها، سواء تعلمناها في صغرنا او لازال نتعلمها.

البيانات Data

البيانات هي اهم شئ نتعامل معه في ​تعلم الالة​، هي تمثل عنصر الخبرة او الشئ الذي نعتمد عليه في بناء النموذج. تنقسم البيانات من حيث طبيعتها الى نوعين

• البيانات المستمرة Continuous Data: وهي البيانات الغير محددة بقيم معينة مثل اسعارالاسهم او درجات الحرارة او اي بيانات يتم قياسها وتكون قيمتها ارقام
• التصنيفات Categories: و هي البيانات التي لها قيم محددة مثل بيانات لتقسيم الفواكة [برتقال، تفاح، عنب] او بيانات مثلا تقسم درجات الحرارة [بارد، متوسط، ساخن] او بيانات تصف الة [تعمل، عاطلة].

عادة ما تكون البيانات في مجال تعلم الالة عبارة عن قراءات او قياسات لشئ معبن فمثلا ممكن ان نبني نموذج يفرق ما بين الذكور والاناث من حيث الطول والعرض فستكون القراءات كالتالي

• الميزات Features: وهي جزء القراءات المتعلق بالقياسات، فتكون ​الميزات في المثال السابق هي قياس الطول و قياس العرض.
• العلامة/الهدف Label: تسمى العلامة او ​الهدف وهي جزء القراءات المتعلق بالنتائج مثل ذكر او انثى.

قد تكون ​الميزات بيانات مستمرة (كما بالمثال السابق) او تصنيفات او كليهما. ايضا ​labels قد تكون من نوع ​البيانات المستمرة​ او ​تصنيفات (كما بالمثال السابق). بناءا على نوع الوسم نقسم مسائل تعلم الالة / النماذج الى نوعين:

• التصنيف classification: وهي النماذج models التي تكون ​labels فيها من نوع ​التصنيفات.
• الانحدار Regression: وهي النماذج models التي تكون ​labels فيها من نوع ​البيانات المستمرة​.

انواع تعلم الالة

يوجد 3 انواع رئيسة لتعلم الالة:

التعلم باشراف Supervised Learning

وهو التعلم الذي تكون فيه مجموعات البيانات التي نتسخدمها لانشاء النموذج model تتكون من القرءات و الوسم label المقابل لها. مثل مسألة فيشر. حيث تكون القراءات هي طول وعرض كل من الكأس والبتلة و الوسم هو نوع زهرة السوسن اي : setosa او versicolor او virginica. التعلم باشراف supervised learning يستخدم في كثير من المهام التي تحتاج الى قرار تصنيفي او التنبوء بقيمة معينة.

التصنيف classification

هو الذي يكون ناتجة نوع او صنف من مجموعة محددة مثل مثال فيشر يكون الناتج نوع من ثلاث انواع. او ننشأ نموذج model يقوم بتصنيف الافلام الى نوع من مجموعة من الاصناف المحددة (دراما، كوميدي، رعب، اثارة).

الانحدار regression

سمى الانحدار لان الناتج يكون مثل المنحدرات/المنحنايات الهندسية. ويكون الناتج غير محدد بمجموعة من الاصناف بل يكون رقم يأخذ اي قيمة. مثلا، قد نبني نموذج يتنبأ بسعر الاسهم لشركة ما، فيكون الناتج رقما ويحتوي على كسور لذلك قد يجمل اي قيمة.

التعلم بدون اشراف Unsupervised Learning

وهو التعلم الذي تكون فيه مجموعات البيانات التي نتسخدمها لانشاء النموذج model تتكون من قراءات بدون ​labels، وهو يستخدم للمهام التي تحتاج الى التجميع Clustering او انشاء مجموعات. فمثلا اذا نظرنا الى مثال فيشر قد نستطيع استخدام القراءات المختلفة دون الوسم label وندخلها الى النموذج وسيكون الناتج انه كون 3 مجموعات (البرنامج/النموذج لن يعرف ماذا تمثل كل مجموعة، لكنه سيعرف ان هناك 3 مجموعات مختلفة).

احد اهم مجالات التعلم بدون اشراف هو الكشف عن الشذوذ anomaly detection اي التعرف على القراءات او الاحداث الشاذة والمختلفة، مثل معاملات الاحتيال البنكية. حيث يستطيع النموذج وضع العمليات العادية في مجموعة cluster و عمليات الاحتيال في مجموعة اخرى.