أنواع تعلم الآلة

 

أنواع تعلم الآلة

 

أنواع تعلم الآلة:

يُعدّ تعلم الآلة فرعًا من فروع الذكاء الاصطناعي يُمكّن الآلات من التعلم من البيانات دون الحاجة إلى برمجة محددة. يُستخدم تعلم الآلة على نطاق واسع في مختلف المجالات، بما في ذلك الرعاية الصحية والتمويل والتسويق.

- أنواع رئيسية لتعلم الآلة:

1. التعلم الخاضع للإشراف:

في هذا النوع، يتم تزويد النموذج بمجموعة بيانات مُسمّاة، حيث يتم ربط كل نقطة بيانات بملصق يشير إلى فئتها أو قيمتها. يتعلم النموذج من هذه البيانات كيفية ربط المدخلات بالمخرجات، ثم يُستخدم للتنبؤ بقيم جديدة بناءً على بيانات غير مُسمّاة.

أمثلة:

تصنيف البريد الإلكتروني: يتم تدريب نموذج على مجموعة بيانات من رسائل البريد الإلكتروني المُصنّفة كرسائل مرغوبة أو غير مرغوب فيها. يمكن بعد ذلك استخدام النموذج لتصنيف رسائل بريد إلكتروني جديدة.

التعرف على الوجه: يتم تدريب نموذج على مجموعة بيانات من الصور مع تسميات تُشير إلى الأشخاص الموجودين في كل صورة. يمكن بعد ذلك استخدام النموذج لتحديد هوية الأشخاص في صور جديدة.

2. التعلم غير الخاضع للإشراف:-

في هذا النوع، لا يتم تزويد النموذج بملصقات للبيانات. بدلاً من ذلك، يتعين على النموذج اكتشاف الأنماط والهياكل الموجودة في البيانات من تلقاء نفسه.

أمثلة:

تجميع البيانات: يتم استخدام خوارزميات التجميع لجمع نقاط البيانات معًا بناءً على تشابهها. يمكن استخدام ذلك لفهم سلوك العملاء أو تحديد فئات المنتجات.

اكتشاف التشوهات: يمكن استخدام خوارزميات التعلم غير الخاضع للإشراف لاكتشاف النقاط الشاذة أو غير العادية في البيانات. يمكن أن يكون ذلك مفيدًا للاحتيال في الكشف عن الاحتيال أو الكشف عن الأعطال في المعدات.

3. التعلم شبه الخاضع للإشراف:-

في هذا النوع، يتم تزويد النموذج بمجموعة بيانات صغيرة مُسمّاة ومجموعة بيانات كبيرة غير مُسمّاة. يتعلم النموذج من البيانات المُسمّاة، ثم يستخدم هذه المعرفة لتحسين أدائه على البيانات غير المُسمّاة.

أمثلة:

التصنيف الطبي: يتم تدريب نموذج على مجموعة بيانات صغيرة من الصور الطبية المُسمّاة بالسرطان أو غيره من الأمراض. يمكن بعد ذلك استخدام النموذج لتصنيف صور طبية جديدة بدرجة عالية من الدقة، حتى مع وجود عدد قليل من الصور المُسمّاة.

- التوصيات: يمكن استخدام التعلم شبه الخاضع للإشراف لتوصية المنتجات أو الأفلام للمستخدمين بناءً على عمليات الشراء أو المشاهدات السابقة، حتى لو لم تكن جميع عمليات الشراء أو المشاهدات مُسمّاة.

4. التعلم المعزز:-

في هذا النوع، يتعلم النموذج من خلال التفاعل مع البيئة. يتخذ النموذج إجراءات ويراقب المكافآت أو العقوبات التي يتلقاها نتيجة لذلك. يستخدم النموذج هذه التعليقات لتحسين أفعاله بمرور الوقت.

أمثلة:

ألعاب الكمبيوتر: يمكن تدريب روبوتات اللعب على لعب ألعاب الفيديو من خلال التعلم المعزز، حيث تحصل على مكافآت للفوز وتُعاقب على الخسارة.

الروبوتات: يمكن تدريب الروبوتات على أداء مهام في العالم الحقيقي، مثل المشي أو التقاط الأشياء، من خلال التعلم المعزز.