منتدى علم البيانات
هل تريد التفاعل مع هذه المساهمة؟ كل ما عليك هو إنشاء حساب جديد ببضع خطوات أو تسجيل الدخول للمتابعة.
منتدى علم البيانات

يدور هذا المنتدى حول شؤون تخصص علم البيانات Data Science و يتشارك فيه الاعضاء بخبراتهم و قدراتهم لدعم المجال بين المهتمين العرب
 
الرئيسيةالرئيسية  أحدث الصورأحدث الصور  التسجيلالتسجيل  دخول  

 

 مقدمة في الذكاء الالي: Machine Learning

اذهب الى الأسفل 
كاتب الموضوعرسالة
Admin_Zakaria
Admin



المساهمات : 51
تاريخ التسجيل : 12/04/2018

مقدمة في الذكاء الالي: Machine Learning Empty
مُساهمةموضوع: مقدمة في الذكاء الالي: Machine Learning   مقدمة في الذكاء الالي: Machine Learning Emptyالسبت أبريل 14, 2018 9:41 pm

الذكاء الالي Machine Learning : المجال الذي يدرس تطور خوارزميات الحاسوب لتحويل البيانات الى فعل ذكي

استنطاق البيانات Data Mining : المجال المختص بتحويل البينات الى رؤيا و فهم اعمق للمجال المراد دراسته

يمكننا التمييز بين المجالين بالقول ان ML هو تعليم الحاسوب كيفية حل مشكلة باستخدام البيانات. اما DM فهو تعليم الحاسوب استخلاص ملامح عامة للبيانات على ان يقوم البشر بدراستها لمزيد من الفهم.

مثال: ايجاد استجرار خطي لمجموعة نقاط هو ذكاء الى. اما اعطاء الحاسوب بيانات حول السوق و يقوم الحاسوب بتصنيفها حسب نمط شراء الزبائن فهو استنطاق للبيانات حيث يحتاج الى مزيد من الجهد البشري لاستخلاص النتائج

و عليه ممكن بناء قاعدة تقول: كل DM هو ML و لكن العكس غير صحيح.

تقسم خطوات حل مسألة الذكاء الاصطناعي الى:
1- الحصول على البيانات Data Collection
2- استكشاف البينات و تحضيرها لبناء النماذج Exploration and Preparation
3- تمرين النماذج على جزء من البيانات Model Training
4- التحقق من نسبة دقة النماذج عن طريق تجريب النموذج الذي تم تمرينه على عينات اخرى من البينات Model Evaluation
5- تطوير النماذج و تحسين دقتها Model Improvement

تقسم البيانات الى نوعين رئيسيين:
1- خصائص Features
2- امثلة Examples

و من السهل فهم هذا باستخدام المثال التالي:

اسم العميل          الطبقة الاقتصادية       الدخل         السن الجنس
علي                ثرية                  50000      25   ذكر
عمر                متوسطة              54000      35     ذكر
سوسن               ثرية                 90000      33    انثي
هادي                فقيرة                18000       22    ذكر
هناء                 متوسطة             20000       20    انثي



هنا نجد ان كل عميل لوحده سيكون مثال، بينما كل عامود في الجدول (مثلا الدخل) سيكون خاصية.

و تقسم الخصائص الى قسمين: خصائص رقمية numerical (مثال الدخل) و خصائض نوعية categorical (مثل الجنس). و الخصائص النوعية تقيم الى نوعين: لا تراتبية nominal مثلا الجنس لا يوجد قيمة للذكر اكبر من الانثى او مثلا لون البشرة. و تراتبية ordinal و مثالا الطبقة الاقتصادية. حيث الطبقة الاقتصادية العليا لها دخل اعلى من الطبقة المتوسطة و هكذا

الحلقة القادمة نتحدث فيها عن خوارزيات الذكاء الالي: انواعها و استخدماتها
الرجوع الى أعلى الصفحة اذهب الى الأسفل
https://arabic-ds.yoo7.com
Admin_Zakaria
Admin



المساهمات : 51
تاريخ التسجيل : 12/04/2018

مقدمة في الذكاء الالي: Machine Learning Empty
مُساهمةموضوع: رد: مقدمة في الذكاء الالي: Machine Learning   مقدمة في الذكاء الالي: Machine Learning Emptyالإثنين أبريل 16, 2018 12:32 am

اقسام الذكاء الالي:
تقسم خوارزميات الذكاء الالي الى عدة أنواع حسب الهدف من استخدامها:
1- النماذج التنبؤية  predictive modles: و هي تستخدم في المهام التي تحتاج تنبؤا حول جابة سؤال محدد. حيث تعطي النموذج بعض البيانات (مع التنبؤ الصحيح الخاص بها) و تقوم الخوارزمية بدراسة البينات و بناء علاقات بين المدخلات و الجواب الصحيح لكل حالة. و بعدها يحصل الحاسوب على قاعدة عامة تكون جاهزة للتطبيق على بيانات جديدة. مثلا توقع معدل دخل شخص بناء على مستوى تعليمه و عوامل أخرى مثل اتقانه للغات الأجنبية

و يسمى هذا القسم من النماذج أيضا التعليم تحت الاشراف supervised learning و ذلك بسبب انك تعطي النموذج عدة امثلة مع الجواب الصحيح قبل ان تختبره ببيانات جديدة.

و من الاستخدامات المعروفة للنماذج التنبؤية المسائل التصنيفية Classifiaction: حيث تعطي مجموعة إجابات يختار منها النموذج الإجابة الأنسب حسب البينات التي تم تدريبه عليها. امثلة هذا
1- هل البريد الالكتروني مفيد ام انه اعلان غير مرغوب spam
2- هل هذا الورم حميد ام خبيث
3- هل سيفوز فريقك الرياضي في المباراة المقبلة ام سيخسر
4- هل ستعلن الشركة الفلانية افلاسها

الاستخدام الاخر الشهير للنماذج التنبؤية هو في مسائل التنبؤ الرقمي numerical prediction: و المثال الأشهر هو الاستجرار الخطي Linear regression. حيث تستخدم هذه النماذج في تنبؤ بأسعار العملات و الأسهم. او بوزن شاب عند عمر 30

2- النماذج الوصفية descriptive models: وهذه تدخل في المسائل التي تحتاج اضاءات إضافية لفهم البيانات المتوفرة. و لا توجد إجابة صحيحة معروفة مقدما لتعطي كأمثلة لهذه الخوارزميات و يطلق عليها أيضا اسم: التعليم بدون اشراف unsupervised learning. تستخدم هذه النماذج بكثرة في استنطاق البيانات DM و من امثلتها تحليل سلة التسوق Market Basket Analysis. حيث تعطي النموذج بينات التسوق لزبائن محل معين و يقوم الحاسوب بدراسة ما هو احتمال شراء زبون لمعطف ثقيل لو اشترى قفازات للشتاء.
و تفسم النماذج الوصفية الى نوعين:
ا- اكتشاف الأنماط Pattern Recognition كما عرضنا في المثال السابق
ب- التقسيم المتجانس Clustering: و فيه يدرس النموذج البيانات و يقوم بتقسيمها لعدة مجموعات متجانسة. مثلا مجموعة أطفال يمكن تقسيمها الى أطفال طبيعيين، انطوائيين، عدوانيين، مرحين الخ. و الجدير بالذكر اننا لا نعرف مسبقا كيف سيتم التفسيم. بل قد نحتاج لعين خبير لقراءة هذه التقسيمات و ان كان لها معنى و فائدة ام لا.

3- و أخيرا نصل الى مجموعة أخرى من النماذج تسمى متمددة التعليم meta learners: و عي غير مرتبطة بمهمة محددةـ لكنها تتخصص بالتعلم كيف حل أي مسألة بشكل اكثر فعالية و دقة. و تبني بالعادة نتائجها على نتائج خوارزمية سابقة من النوعية الاولين
مقدمة في الذكاء الالي: Machine Learning Diagra11

الرجوع الى أعلى الصفحة اذهب الى الأسفل
https://arabic-ds.yoo7.com
 
مقدمة في الذكاء الالي: Machine Learning
الرجوع الى أعلى الصفحة 
صفحة 1 من اصل 1
 مواضيع مماثلة
-
» مصادر تعلم في الذكاء الالي
» Support Vector Machine (SVM)
» التعلم العميق: Deep Learning
» استخدام الذكاء الاصطناعي في فيزياء الجسيمات

صلاحيات هذا المنتدى:لاتستطيع الرد على المواضيع في هذا المنتدى
منتدى علم البيانات :: مصادر التعلم :: تعليم الالة Machine Learning-
انتقل الى: