أنواع مختلفة من التعلم الآلي يجب أن تكون على دراية بها

مقدمة

يعد التعلم الآلي (ML) أحد أكثر المهارات شيوعًا للمبرمجين. وفقًا لتقرير نشرته شركة إنديد في عام 2019 ، كانت هندسة التعلم الآلي هي أعلى وظيفة مطلوبة في مجال الذكاء الاصطناعي في الولايات المتحدة. بعض القطاعات التي تستخدم تكنولوجيا التعلم الآلي على نطاق واسع هي التمويل والمصارف والرعاية الصحية والاستثمار والتسويق والتصنيع والأمن السيبراني والنقل. ستساعدك هذه المدونة على فهم مفهوم التعلم الآلي وأنواعه المختلفة.

ما هو التعلم الآلي؟

التعلم الآلي هو تقنية حديثة تستخدم البيانات للتنبؤ بالنتائج الدقيقة وتحسين أداء الجهاز. بكلمات بسيطة ، تمكّن تقنية التعلم الآلي أجهزة الكمبيوتر من استخدام البيانات التاريخية والتنبؤ بالنتائج في مواقف مماثلة دون أن تتم برمجتها بشكل صريح. تعمل التكنولوجيا بشكل مشابه للدماغ البشري. تقوم الخوارزمية بمراقبة البيانات المقدمة وتحليلها وتسجيل أنماط البيانات. تتنبأ الخوارزمية بالنتائج بناءً على الأنماط السابقة عند توفير مجموعة بيانات جديدة. يُطلق على المفهوم اسم التعلم الآلي لأن الآلة تتعلم من المعلومات وتقدم النتائج.

احصل على شهادة التعلم الآلي من أفضل الجامعات في العالم. احصل على درجة الماجستير أو برنامج PGP التنفيذي أو برامج الشهادات المتقدمة لتسريع مسار حياتك المهنية.

أنواع مختلفة من التعلم الآلي

هناك 14 نوعًا مختلفًا من تقنيات التعلم الآلي بناءً على نوع بيانات التدريب المقدمة للجهاز وكيفية استخدام البيانات بواسطة الخوارزمية. دعونا نناقش الأنواع المختلفة للتعلم الآلي.

1. الإشراف على التعلم

التعلم الخاضع للإشراف هو النوع الأكثر شيوعًا من التعلم الآلي الذي يستخدم البيانات المصنفة للتصنيف. نستخدم مجموعة بيانات تدريبية بمدخلات ومخرجات مختلفة لتعليم الخوارزمية في التعلم الخاضع للإشراف. ثم تتنبأ الخوارزمية بنتائج إيجابية بناءً على بيانات الإدخال والإخراج المقدمة بالفعل.

نستخدم البيانات لثلاثة أغراض في التعلم الخاضع للإشراف ؛ التدريب والتحقق والاختبار. أولاً ، نقوم بجمع البيانات المصنفة لتدريب خوارزمية ML. خلال المرحلة الثانية ، نستخدم مجموعات بيانات مختلفة للتحقق من صحة الأداء الصحيح للخوارزمية. أخيرًا ، تم اختبار الخوارزمية في العالم الحقيقي.

2. التعلم غير الخاضع للإشراف

على عكس التعلم الخاضع للإشراف ، نستخدم البيانات غير المميزة أو غير المسماة في التعلم غير الخاضع للإشراف. في هذا النوع من خوارزمية التعلم الآلي ، لا يتعين علينا الإشراف على الخوارزمية من خلال توفير مجموعات بيانات الإدخال والإخراج. تكتشف الخوارزمية نفسها الأنماط المخفية في مجموعات البيانات.

هناك أربعة أنواع من تقنيات التعلم غير الخاضعة للإشراف ؛ التجميع ، والكشف عن الشذوذ ، والتعدين المشترك ، والنماذج المتغيرة الكامنة. في التجميع ، تقسم الخوارزمية مجموعات البيانات إلى مجموعات مختلفة بناءً على بعض الخصائص المتشابهة. نستخدم اكتشاف الانحراف للعثور على نشاط غير عادي في مجموعة البيانات. تجمع تقنية التعدين الرابطة عناصر البيانات التي تحدث بشكل متكرر معًا.

برامج الذكاء الاصطناعي والتعلم الآلي لدينا في الولايات المتحدة

3. التعلم شبه الخاضع للإشراف

التعلم شبه الخاضع للإشراف هو مزيج من تقنيات التعلم الآلي الخاضعة للإشراف وغير الخاضعة للإشراف. نحن نستخدم كل من البيانات المصنفة وغير المصنفة لتدريب الخوارزمية. يتم استخدام البيانات المصنفة بكميات صغيرة ، ويتم استخدام البيانات غير المسماة بكميات كبيرة. تُستخدم تقنية التعلم شبه الخاضعة للإشراف لأداء المهام المكثفة التي يصعب تنفيذها عن طريق التعلم الخاضع للإشراف أو غير الخاضع للإشراف وحده. أولاً ، نستخدم خوارزمية التعلم غير الخاضعة للإشراف لتجميع البيانات المتشابهة. بعد ذلك ، يتم تصنيف البيانات غير المسماة بمساعدة البيانات المسمى الموجودة.

تتضمن بعض التطبيقات العملية للتعلم شبه الخاضع للإشراف تصنيف المحتوى المتاح على الإنترنت ، والتعرف على الكلام ، وتصنيف الحمض النووي.

4. تعزيز التعلم

يستخدم التعلم المعزز مفهوم المكافآت والعقاب. تربط الخوارزمية الأحداث المواتية أو الممتعة على أنها مكافآت وتفسر الأحداث غير السارة على أنها عقاب. يقوي مفهوم المكافأة والعقاب الخوارزمية ويتعلم استخدام أفضل سلوك ممكن بمرور الوقت. عندما ندخل المعلومات ، تتخذ الخوارزمية الإجراء المناسب لتعظيم المكافأة.

5. التعلم بالإشراف الذاتي

إنها مجموعة فرعية من التعلم غير الخاضع للإشراف. كما يوحي الاسم ، فإن التعلم تحت الإشراف الذاتي هو نوع من التعلم الآلي حيث تسعى الخوارزمية من تلقاء نفسها إلى الحصول على مدخلات من البيانات غير المصنفة وتقدم النتائج. نظرًا لأنه من الصعب الحصول على البيانات المصنفة ، غالبًا ما يستخدم المبرمجون بيانات غير مصنفة ومتاحة بسهولة. في التعلم تحت الإشراف الذاتي ، توفر البيانات الإشراف على الخوارزمية. يحصل الجهاز على ملصقات من البيانات نفسها ويتوقع المدخلات. يعد التعلم تحت الإشراف الذاتي أحد أكثر تقنيات التعلم الآلي كفاءة في استخدام البيانات.

6. التعلم متعدد الحالات

إنه نوع من تقنيات التعلم الخاضعة للإشراف مع اختلاف طفيف. تستخدم تقنية التعلم متعدد المثيلات بيانات ذات تصنيف ضعيف. وهذا يعني أن البيانات تحتوي على علامات غير كاملة ، وأن المثيلات الموجودة في الحقيبة هي فقط التي يتم تعيين تسميات لها. تستخدم الخوارزمية مفهوم ثنائي. يقوم بتسمية الحقيبة موجبة إذا كان هناك مثيل إيجابي واحد وتسميتها سالبة إذا كان مثيل واحد على الأقل سالبًا.

يستخدم نوع التعلم الآلي متعدد المثيلات بشكل أساسي في الأمراض حيث يمكنه تحديد الخلايا الخبيثة في العينة بسرعة. تعتبر الخوارزمية حالات سلبية للخلايا الخبيثة.

مدونات التعلم الآلي والذكاء الاصطناعي الشعبية

7. التعلم عبر الإنترنت

في التعلم عبر الإنترنت ، تستخدم الخوارزمية البيانات المتاحة لتحديث النموذج بمجرد إجراء الملاحظة. يتم استخدام أسلوب التعلم عبر الإنترنت عند وجود العديد من الملاحظات في فترة قصيرة.

8. التعلم النشط

التعلم النشط هو نوع من التعلم الآلي الخاضع للإشراف والذي يستخدم مجموعة بيانات صغيرة مع نقاط البيانات ذات الصلة فقط. نعطي الأولوية للبيانات في هذا النوع من التعلم الآلي. أولاً ، نحتاج إلى تسمية عينة صغيرة من البيانات يدويًا. الخطوة التالية هي تدريب الخوارزمية وفقًا للبيانات المصنفة. بمجرد تدريب النموذج ، يمكننا استخدامه لتحديد فئة نقاط البيانات غير المسماة.

9. مجموعة التعلم

تعني المجموعة دمج الأشياء والنظر إليها معًا ككل. لذلك ، يعد التعلم الجماعي نوعًا من التعلم الآلي حيث تجمع الخوارزمية بين التنبؤات من نماذج مختلفة للحصول على نتائج أفضل. هناك ثلاثة نماذج مختلفة في تعلم المجموعات:

• التعبئة- يتضمن إضافة تنبؤات مختلفة إلى شجرة العينة وإخراج متوسط ​​جميع التوقعات. يستخدم عينات من نفس مجموعة البيانات.
• التراص- في التكديس ، نستخدم نماذج مختلفة من نفس مجموعة البيانات. ومع ذلك ، فإننا نستخدم أيضًا نموذجًا آخر لتحديد كيفية دمج التنبؤات.
• التعزيز- في هذه التقنية ، نرتب التنبؤات في تسلسل ونحسب المتوسط ​​المرجح لجميع التنبؤات.

9. نقل التعلم

في أسلوب تعلم النقل ، نقوم بنقل عناصر نموذج مدرب مسبقًا إلى النموذج الجديد. تُستخدم هذه التقنية عند إنشاء نموذجين لأداء مهام مماثلة. يعد التعلم عن طريق التحويل أحد أكثر أنواع التعلم الآلي من حيث التكلفة والوقت .

10. متعدد المهام التعلم

يعد التعلم متعدد المهام نوعًا من التعلم الآلي حيث تتعلم الآلة العديد من المهام في وقت واحد. بدلاً من استخدام نماذج مختلفة لتنفيذ مهام مختلفة ، يمكننا تدريب نموذج واحد على مهام متعددة وتنفيذ عدة مهام في نفس الوقت.

11. التعلم الاستقرائي

نقوم بإنشاء قاعدة عامة في شكل IF-THEN لمجموعة البيانات في التعلم الاستقرائي. تعمل هذه التقنية بتنسيق "إذا وقع حدث ما ، فسيحدث هذا". يستخدم التعلم الاستقرائي لاشتقاق وظيفة من البيانات المعطاة. تتضمن بعض التطبيقات العملية للتعلم الاستقرائي ما يلي:

• الموافقة الائتمانية (إذا كان العميل لديه خاصية أ ، فإن ب هو ما إذا كان سيتم الموافقة على الائتمان أم لا).
• تشخيص المرض (إذا ظهرت على المريض أعراض أ ، فإن المريض مصاب بمرض ب).

12- التعلم الانتقالي

التحويل هو عملية تحويل عنصر من شكل إلى آخر. في التعلم التحويلي ، لا يتعين علينا نمذجة بيانات التدريب. تستخدم الخوارزمية البيانات مباشرة للتنبؤ بالمعلومات عن طريق اشتقاق قيم دالة غير معروفة من مجموعة البيانات المحددة.

13. التعلم الاستنتاجي

التعلم الاستنتاجي هو أسلوب تعلم آلي يستخدم لتحليل البيانات وإنتاج استنتاجات منها. في التعلم الاستنتاجي ، نقوم بتدريب الخوارزميات على استخدام المعرفة الصحيحة التي يمكن إثباتها. يساعد المبرمجين على إدراك أن معلومات معينة صحيحة وقد تم اشتقاقها مسبقًا.

استنتاج

تستخدم العديد من الشركات ML لتعزيز رضا العملاء وزيادة الاحتفاظ بالعملاء من خلال إنشاء روبوتات محادثة مخصصة. تساعد التقنية أيضًا في تحسين عمليات سلسلة التوريد وأتمتة عمليات التمويل في المؤسسات. تستخدم أفضل الشركات في الولايات المتحدة مثل Meta و Netflix و Google و Twitter و Pinterest وغيرها من المؤسسات التعلم الآلي لأتمتة عمليات العمل وأداء المهام المعقدة في أقل إطار زمني. هذا هو سبب وجود طلب كبير على مهندسي التعلم الآلي في الولايات المتحدة.

أصبح ML أحد أكثر الخيارات الوظيفية ربحًا اليوم بسبب الرواتب الأفضل وفرص النمو. يمكنك الحصول على درجة الماجستير في العلوم في التعلم الآلي والذكاء الاصطناعي من upGrad لاكتساب معرفة متقدمة بالتعلم الآلي واكتساب المهارات ذات الصلة.