يمكن تعريف التعلم الآلي على أنه مجموعة فرعية تندرج تحت مجموعة الذكاء الاصطناعي. إنه يلقي الضوء بشكل أساسي على تعلم الآلات بناءً على تجربتها والتنبؤ بالعواقب والإجراءات على أساس تجربتها السابقة.
ما هو نهج التعلم الآلي؟
أتاح التعلم الآلي لأجهزة الكمبيوتر والآلات إمكانية التوصل إلى قرارات تعتمد على البيانات بخلاف كونها مبرمجة بشكل صريح لمتابعة مهمة محددة. يتم إنشاء هذه الأنواع من الخوارزميات وكذلك البرامج بطريقة تجعل الآلات وأجهزة الكمبيوتر تتعلم من تلقاء نفسها ، وبالتالي ، تكون قادرة على التحسين من تلقاء نفسها عندما يتم تقديمها إلى البيانات الجديدة والفريدة من نوعها بالنسبة لهم تمامًا.
تم تجهيز خوارزمية التعلم الآلي باستخدام بيانات التدريب ، ويستخدم هذا لإنشاء نموذج. عندما يتم إدخال البيانات الفريدة الخاصة بالجهاز في خوارزمية التعلم الآلي ، فنحن قادرون على الحصول على تنبؤات بناءً على النموذج. وبالتالي ، يتم تدريب الآلات لتكون قادرة على التنبؤ بمفردها.
ثم يتم أخذ هذه التنبؤات في الاعتبار وفحص دقتها. إذا أعطيت الدقة استجابة إيجابية ، فسيتم تدريب خوارزمية التعلم الآلي مرارًا وتكرارًا بمساعدة مجموعة معززة للتدريب على البيانات.
يتم تمييز المهام المتضمنة في التعلم الآلي إلى فئات واسعة متنوعة. في حالة التعلم الخاضع للإشراف ، تُنشئ الخوارزمية نموذجًا رياضيًا لمجموعة بيانات تحتوي على كل من المدخلات والمخرجات المرغوبة. خذ على سبيل المثال ، عندما تكون المهمة هي معرفة ما إذا كانت الصورة تحتوي على كائن معين ، في حالة خوارزمية التعلم الخاضع للإشراف ، فإن التدريب على البيانات يشمل الصور التي تحتوي على كائن أم لا ، وكل صورة لها ملصق (هذا هو الإخراج) في إشارة إلى حقيقة ما إذا كان يحتوي على الكائن أم لا.
في بعض الحالات الفريدة ، يكون الإدخال المقدم متاحًا جزئيًا فقط أو يقتصر على بعض الملاحظات الخاصة. في حالة خوارزميات التعلم شبه الخاضع للإشراف ، يأتون بنماذج رياضية من تدريب البيانات غير المكتمل. في هذا ، غالبًا ما تفوت أجزاء من مدخلات العينة المخرجات المتوقعة المرغوبة.
تندرج خوارزميات الانحدار وكذلك خوارزميات التصنيف تحت أنواع التعلم الخاضع للإشراف. في حالة خوارزميات التصنيف ، يتم تنفيذها إذا تم تقليل المخرجات إلى مجموعة (مجموعات) قيمة محدودة فقط.
في حالة خوارزميات الانحدار ، فهي معروفة بسبب مخرجاتها المستمرة ، وهذا يعني أنه يمكن أن يكون لها أي قيمة في متناول النطاق. أمثلة على هذه القيم المستمرة هي السعر والطول ودرجة حرارة الجسم.
يتم استخدام خوارزمية التصنيف لغرض تصفية رسائل البريد الإلكتروني ، وفي هذه الحالة يمكن اعتبار الإدخال بمثابة البريد الإلكتروني الوارد وسيكون الإخراج هو اسم المجلد الذي يتم فيه إيداع البريد الإلكتروني.
