تعلم آلي

من ويكيبيديا، الموسوعة الحرة

اذهب إلى: تصفح, بحث

التعلم الألي machine learning أحد فروع الذكاء الاصطناعي التي تهتم بتصميم و تطوير خوارزميات و تقنيات تسمح للحواسيب بامتلاك خاصية "التعلم". بشكل عام هناك مستويين من التعلم : الاستقرائي و استنتاجي. يقوم الاستقرائي باستنتاج قواعد و أحكام عامة من مجموعة ضخمة جدا من البيانات .

المهمة الأساسية للتعلم الآلي هو استخراج معلومات قيمة من البيانات، بالتالي هو قريب جدا من التنقيب في البيانات data mining و الإحصاء و المعلوماتية النظرية

يتضمن التعلم الآلي عددا كبيرا من حقول التطبيقات : معالجة اللغات الطبيعية natural language processing و تمييز الأنماط syntactic pattern recognition و محركات البحث search engines و التشخيص الطبي و المعلوماتية الحيوية و المعلوماتية الكيميائية ، تصنيف تسلسلات الدنا ، تمييز الكلام speech recognition و تمييز الكتابة handwriting recognition ، و حتى تمييز الأشياء object recognition ، رؤية الحاسوب computer vision أ الألعاب الاستراتيجية و تحريك الروبوت robot locomotion .



محتويات

[عدل] مواضيع التعلم الآلي

This list represents the topics covered on a typical machine learning course.
Prerequisites
نمذجة دوال كثافة الاحتمال الشرطي: regression and classification


Algorithms for estimating model parameters


Modeling probability density functions through generative models
Approximate inference techniques
Optimization
  • Most of methods listed above either use optimization or are instances of optimization algorithms
Meta-learning (ensemble methods)
Inductive transfer and learning to learn

[عدل] انظر أيضا

[عدل] Bibliography

  • Ethem Alpaydın (2004) Introduction to Machine Learning (Adaptive Computation and Machine Learning), MIT Press, ISBN 0-262-01211-1
  • Christopher M. Bishop (2007) Pattern Recognition and Machine Learning, Springer ISBN 0-387-31073-8.
  • Ryszard S. Michalski, Jaime G. Carbonell, Tom M. Mitchell (1983), Machine Learning: An Artificial Intelligence Approach, Tioga Publishing Company, ISBN 0-935382-05-4.
  • Ryszard S. Michalski, Jaime G. Carbonell, Tom M. Mitchell (1986), Machine Learning: An Artificial Intelligence Approach, Volume II, Morgan Kaufmann, ISBN 0-934613-00-1.
  • Yves Kodratoff, Ryszard S. Michalski (1990), Machine Learning: An Artificial Intelligence Approach, Volume III, Morgan Kaufmann, ISBN 1-55860-119-8.
  • Ryszard S. Michalski, George Tecuci (1994), Machine Learning: A Multistrategy Approach, Volume IV, Morgan Kaufmann, ISBN 1-55860-251-8.
  • Bhagat, P. M. (2005). Pattern Recognition in Industry, Elsevier. ISBN 0-08-044538-1.
  • Bishop, C. M. (1995). Neural Networks for Pattern Recognition, Oxford University Press. ISBN 0-19-853864-2.
  • Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification (2nd edition), Wiley, New York, ISBN 0-471-05669-3.
  • Huang T.-M., Kecman V., Kopriva I. (2006), Kernel Based Algorithms for Mining Huge Data Sets, Supervised, Semi-supervised, and Unsupervised Learning, Springer-Verlag, Berlin, Heidelberg, 260 pp. 96 illus., Hardcover, ISBN 3-540-31681-7 [1].
  • KECMAN Vojislav (2001), LEARNING AND SOFT COMPUTING, Support Vector Machines, Neural Networks and Fuzzy Logic Models, The MIT Press, Cambridge, MA, 608 pp., 268 illus., ISBN 0-262-11255-8 [2].
  • MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms, Cambridge University Press. ISBN 0-521-64298-1.
  • Mitchell, T. (1997). Machine Learning, McGraw Hill. ISBN 0-07-042807-7.
  • Ian H. Witten and Eibe Frank "Data Mining: Practical machine learning tools and techniques" Morgan Kaufmann ISBN 0-12-088407-0.
  • Sholom Weiss and Casimir Kulikowski (1991). Computer Systems That Learn, Morgan Kaufmann. ISBN 1-55860-065-5.
  • Mierswa, Ingo and Wurst, Michael and Klinkenberg, Ralf and Scholz, Martin and Euler, Timm: YALE: Rapid Prototyping for Complex Data Mining Tasks, in Proceedings of the 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD-06), 2006.
  • Trevor Hastie, Robert Tibshirani and Jerome Friedman (2001). The Elements of Statistical Learning, Springer. ISBN 0-387-95284-5 (companion book site).
  • Vladimir Vapnik (1998). Statistical Learning Theory. Wiley-Interscience, ISBN 0-471-03003-1.

[عدل] External links

قالب:Linkfarm

تم الاسترجاع من "http://ar.wikipedia.org/wiki/%D8%AA%D8%B9%D9%84%D9%85_%D8%A2%D9%84%D9%8A"
أدوات شخصية