هذه المقالة غير مكتملة. فضلًا ساعد في توسيعها.

تعلم آلي

من ويكيبيديا، الموسوعة الحرة
اذهب إلى التنقل اذهب إلى البحث
Ambox important.svg
هذه المقالة غير مكتملة، وربما تنقصها بعض المعلومات الضرورية. فضلًا ساعد في تطويرها بإضافة مزيدٍ من المعلومات. (أبريل 2019)

التعلم الألي (بالإنجليزية: Machine Learning)‏ هو أحد فروع الذكاء الاصطناعي التي تهتم بتصميم وتطوير خوارزميات وتقنيات تسمح للحواسيب بامتلاك خاصية "التعلم". بشكل عام هناك مستويين من التعلم: الاستقرائي والاستنتاجي. يقوم الاستقرائي باستنتاج قواعد وأحكام عامة من البيانات الضخمة. المهمة الأساسية للتعلم الآلي هو استخراج معلومات قيمة من البيانات، بالتالي هو قريب جدا من التنقيب في البيانات (بالإنجليزية: data mining)‏ والإحصاء والمعلوماتية النظرية[1].

يتضمن التعلم الآلي عدداً كبيراً من حقول التطبيقات: معالجة اللغات الطبيعية (بالإنجليزية: natural language processing)‏ وتمييز الأنماط (بالإنجليزية: syntactic pattern recognition)‏ ومحركات البحث (بالإنجليزية: search engines)‏ والتشخيص الطبي والمعلوماتية الحيوية والمعلوماتية الكيميائية، تصنيف تسلسلات الدنا، تمييز الكلام (بالإنجليزية: speech recognition)‏ وتمييز الكتابة handwriting recognition، وحتى تمييز الأشياء (بالإنجليزية: object recognition)‏، رؤية الحاسوب (بالإنجليزية: computer vision)‏ الألعاب الإستراتيجية وتحريك الروبوت (بالإنجليزية: robot locomotion)‏.

تعريف[عدل]

قد وفَر توم م. ميتشيل تحديداً مقتبساً واسعة الاقتباس: يقال أَنَّ برنامجا حاسوبياً "يتعلَّم" من خبرة 'x' بالنسبة إلى صنف ما من الأَشغال 'y' وبالنسبة إِلى مقياس الإتمامِ z. إذا تحسَن إتمام البرنامج على أشغال في 'y' بعد خبرة 'x'، بمقياس z' .[2]

أنواع طرق تعلم الآلة[عدل]

يتم تصنيف خورازميات تعلم الآلة إلى عدة أنواع:[3]

  • التعلم بالإشراف (Supervised Learning): وهو أحد أشهر أنواع التعلم الآلي ويقوم على وجود بيانات وقرائنها الصحيحة عند وقت التعلم.
  • شبه التعلم بالإشراف (Semi-supervised learning): وهو عند وجود بيانات مع قرائنها الصحيحة ولكنها محدودة أو غير مكتملة.
  • التعلم بدون إشراف (Unsupervised Learning): وهو تعلم يَنتُج عن وجود بيانات بدون قرائنها الصحيحة.
  • التعلم المعزز (Reinforcement learning): وهو أحد أنواع التعلم بدون إشراف، وفيه تتفاعل الآلة مع البيئة وتبني خبراتها بناءً على هذا التفاعل.

مواضيع التعلم الآلي[عدل]

هذه القائمة الموضوعات التي يتم تناولها في دورة تعلّم الآلي النموذجية:

Prerequisites

نمذجة دوال كثافة الاحتمال الشرطي Regression analysis|regression]] and إحصاءتصنيف آلي]]

Algorithms for estimating model parameters

Modeling دالة الكثافة الاحتماليةs 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


انظر أيضاً[عدل]

المراجع[عدل]

  1. ^ Bishop, C. M. (2006), Pattern Recognition and Machine Learning, Springer, ISBN 978-0-387-31073-2 الوسيط |CitationClass= تم تجاهله (مساعدة); الوسيط |separator= تم تجاهله (مساعدة)CS1 maint: ref=harv (link)
  2. ^ * Mitchell, T. (1997). Machine' Learning, McGraw Hill. ISBN 0-07-042807-7, p.2.
  3. ^ Trevor Hastie, Robert Tibshirani and Jerome Friedman (2001). The Elements of Statistical Learning, Springer. ISBN 0-387-95284-5 (companion book site). الوسيط |CitationClass= تم تجاهله (مساعدة)