دليل سريع للتعلم الخاضع للإشراف وغير الخاضع للإشراف والمعزز في تعليم الآلة
التعلم الآلي هو أحد مجالات علوم الكمبيوتر الذي يمنح أجهزة الكمبيوتر القدرة على التعلم دون أن تتم برمجتها بشكل صريح. هناك ثلاثة أنواع رئيسية من التعلم الآلي: التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم المعزز.
📌التعلم تحت الإشراف ( Supervised Learning ):
- تدريب على البيانات المصنفة (البيانات ذات المخرجات المعروفة)
- يتعلم التنبؤ بمخرجات البيانات الجديدة بناءً على الأنماط المستفادة من بيانات التدريب
- يستخدم للتصنيف (على سبيل المثال، التنبؤ بما إذا كانت رسالة البريد الإلكتروني غير مرغوب فيها أم لا) ومهام الانحدار (على سبيل المثال، التنبؤ بسعر المنزل)
- يتعلم التنبؤ بمخرجات البيانات الجديدة بناءً على الأنماط المستفادة من بيانات التدريب
- يستخدم للتصنيف (على سبيل المثال، التنبؤ بما إذا كانت رسالة البريد الإلكتروني غير مرغوب فيها أم لا) ومهام الانحدار (على سبيل المثال، التنبؤ بسعر المنزل)
📌التعلم غير الخاضع للرقابة ( Unsupervised Learning ):
- تدريب على البيانات غير المسماة (بيانات بدون مخرجات معروفة)
- يحاول العثور على الأنماط والعلاقات في البيانات من تلقاء نفسه
- يُستخدم لتجميع المهام (على سبيل المثال، تجميع العملاء معًا بناءً على سجل الشراء الخاص بهم) ومهام تقليل الأبعاد (على سبيل المثال، تقليل عدد الميزات في مجموعة البيانات دون فقدان الكثير من المعلومات)
📌التعلم المعزز ( Reinforcement Learning )
- يتعلم من خلال التفاعل مع بيئته ويحصل على مكافآت أو عقوبات على أفعاله
- يستخدم لتدريب الروبوتات ووكلاء اللعب
- يتعلم كيفية اتخاذ الإجراءات التي تزيد من مكافآته بمرور الوقت
التعليقات على الموضوع