المصطلحات الأساسية لتعلم الآلة التي يجب أن تعرفها
يعد التعلم الآلي (ML) ، أحد الموضوعات الفرعية للذكاء الاصطناعي (AI) ، أحد أهم الموضوعات في مجال التكنولوجيا اليوم.
هذه قائمة بالمصطلحات الأساسية لتعلم الآلة التي يجب أن تعرفها:
1. التعلم غير الخاضع للإشراف
التعلم غير الخاضع للإشراف هو نوع من التعلم الآلي الذي يعتمد على خوارزميات التجميع مثل K-Means. إنها طريقة تُستخدم لتمكين الآلات من تصنيف الكائنات الملموسة وغير الملموسة دون تزويد الآلات بأي معلومات مسبقة عن الكائنات. الأشياء التي تحتاجها الآلات لتصنيفها متنوعة ، مثل عادات الشراء لدى العملاء ، والأنماط السلوكية للبكتيريا وهجمات القراصنة.
الفكرة الرئيسية وراء التعلم غير الخاضع للإشراف هي تعريض الآلات لكميات كبيرة من البيانات المتنوعة والسماح لها بالتعلم والاستنتاج من البيانات. ومع ذلك ، يجب أولاً برمجة الآلات للتعلم من البيانات.
2. أتمتة العمليات الروبوتية (RPA)
قد يقوم البائع بتسمية البرامج المصممة لإكمال مهام سير العمل المنفصلة برمجيًا مثل أتمتة العمليات الروبوتية (RPA).
تقنية RPA هي تقنية تستخدم وكلاء البرامج (الروبوتات) لتنفيذ المهام الكتابية الروتينية دون مساعدة بشرية. يعد RPA مفيدًا لأتمتة العمليات التجارية القائمة على القواعد والمتكررة.
3. التعلم العميق
التعلم العميق هو نهج تكراري للذكاء الاصطناعي (AI) يقوم بتكديس خوارزميات التعلم الآلي في تسلسل هرمي يتزايد فيه التعقيد والتجريد.
قد تركز الطبقة الأولى من خوارزمية التعرف على الصور العميقة ، على سبيل المثال ، على التعرف على أنماط الألوان في بيانات التدريب ، بينما تركز الطبقة التالية على الأشكال. في النهاية ، سيكون للتسلسل الهرمي طبقات تركز على مجموعات مختلفة من الألوان والأشكال ، مع تركيز الطبقة العليا على الكائن الفعلي الذي يتم التعرف عليه.
4. الانحدار الخطي Linear Regression
الانحدار الخطي هو نموذج إحصائي وخوارزمية تعلم آلي خاضعة للإشراف تستخدم متغيرات مستقلة للتنبؤ بقيمة متغير تابع.
الانحدار الخطي هو نوع من التحليل الإحصائي الذي يحاول إظهار العلاقة بين متغيرين. يبحث الانحدار الخطي في نقاط البيانات المختلفة ويرسم خط الاتجاه. يمكن أن يؤدي الانحدار الخطي إلى إنشاء نموذج تنبؤي على بيانات عشوائية ظاهريًا ، تظهر اتجاهات البيانات ، كما هو الحال في تشخيصات السرطان أو في أسعار الأسهم.
5. التصنيف Classification
التصنيف هو عملية تحديد وتجميع الأشياء أو الأفكار برمجيًا في فئات محددة مسبقًا.
في التعلم الآلي (ML) ، يتم استخدام التصنيف في النمذجة التنبؤية لتعيين بيانات الإدخال مع تسمية فئة. على سبيل المثال ، قد يستخدم برنامج أمان البريد الإلكتروني المكلف بتحديد البريد العشوائي معالجة اللغة الطبيعية (NLP) لتصنيف رسائل البريد الإلكتروني على أنها “بريد عشوائي” أو “ليست بريد عشوائي”.
