Machine Learning - Practice Test

أهلا بك عزيزي المتابع لموقع (journey for learn) نقدم دورات بكوبونات متاحة لاول 1000 تسجيل مجاني فقط وكوبونات اخري لفترة محدودة فاذا كنت تريد ان تحصل علي كل الكورسات علي موقعنا وان تكون اول المسجلين في الكورسات المجانية قم بتسجيل الدخول أوقم بالدخول علي وسائل التواصل الاجتماعي وخصوصا التليجرام نوضح الوصف المختصر والطويل للدورات لكي تعرف الدروس التي سوف تتعلمها بسهولة ويسر :

التعلم الآلي هو أحد مجالات علوم الكمبيوتر الذي يتعامل مع مشكلة العثور على الوظائف الرياضية والإحصائية التي تشرح بشكل أفضل العلاقة بين بيانات الإدخال وبيانات المخرجات والمدخلات الأخرى (الخارجية) للنظام. للتعلم الآلي بعض الاستخدامات في مجالات مثل الكشف وأنظمة التوصية واكتشاف الاحتيال والترجمة الآلية والتعرف المرئي وتطوير أنظمة روبوتية مستقلة. وأخيرًا، تدرب هنا على أفضل أسئلة MCQ للتعلم الآلي، والتي تتحقق من معرفتك الأساسية بالتعلم الآلي. ومن الأسفل، يمكنك تعلم بعض الأشياء الأساسية للتعلم الآلي التي تساعدك على اجتياز هذا الاختبار.
التعلم الآلي هو جعل أجهزة الكمبيوتر تبرمج نفسها بنفسها. إذا كانت البرمجة هي الأتمتة، فإن التعلم الآلي هو أتمتة عملية الأتمتة. كتابة البرامج هي عنق الزجاجة، ليس لدينا ما يكفي من المطورين الجيدين. دع البيانات تقوم بالعمل بدلاً من الأشخاص. التعلم الآلي هو الطريقة لجعل البرمجة قابلة للتطوير.

• البرمجة التقليدية: يتم تشغيل البيانات والبرامج على الكمبيوتر لإنتاج المخرجات.
• التعلم الآلي: يتم تشغيل البيانات والمخرجات على الكمبيوتر لإنشاء برنامج. يمكن استخدام هذا البرنامج في البرمجة التقليدية.

التعلم الآلي يشبه الزراعة أو البستنة. البذور هي الخوارزميات، والمواد الغذائية هي البيانات، والبستاني هو أنت، والنباتات هي البرامج. تطبيقات التعلم الآلي نماذج من تطبيقات التعلم الآلي:

• بحث الويب: تصنيف الصفحة بناءً على ما من المرجح أن تنقر عليه.
• علم الأحياء الحسابي: تصميم عقلاني للأدوية في الكمبيوتر بناءً على التجارب السابقة.
• التمويل: حدد من ترسل إليه ما تقدمه بطاقة الائتمان. تقييم مخاطر عروض الائتمان. كيفية تحديد مكان استثمار الأموال.
• التجارة الإلكترونية: توقع تراجع العملاء. ما إذا كانت المعاملة احتيالية أم لا.
• استكشاف الفضاء: مجسات الفضاء وعلم الفلك الراديوي.
• الروبوتات: كيفية التعامل مع عدم اليقين في البيئات الجديدة. الحكم الذاتي. سيارة ذاتية القيادة.
• استخلاص المعلومات: طرح الأسئلة عبر قواعد البيانات عبر الويب.
• الشبكات الاجتماعية: بيانات عن العلاقات والتفضيلات. التعلم الآلي لاستخراج القيمة من البيانات.
• تصحيح الأخطاء: يستخدم في مشاكل علوم الكمبيوتر مثل تصحيح الأخطاء. عملية كثيفة العمالة. يمكن أن يشير إلى مكان وجود الخلل.

العناصر الأساسية للتعلم الآلي هناك عشرات الآلاف من خوارزميات التعلم الآلي ويتم تطوير مئات الخوارزميات الجديدة كل عام. تحتوي كل خوارزمية للتعلم الآلي على ثلاثة مكونات:

• التمثيل: كيفية تمثيل المعرفة. تشمل الأمثلة أشجار القرار، ومجموعات القواعد، والحالات، والنماذج الرسومية، والشبكات العصبية، وآلات المتجهات الداعمة، ومجموعات النماذج وغيرها.
• التقييم: طريقة تقييم البرامج المرشحة (الفرضيات). تشمل الأمثلة الدقة والتنبؤ والتذكير والخطأ التربيعي والاحتمالية والاحتمال الخلفي والتكلفة والهامش واختلاف الإنتروبيا k-L وغيرها.
• التحسين: الطريقة التي يتم بها إنشاء البرامج المرشحة والمعروفة بعملية البحث. على سبيل المثال، التحسين التوافقي، والتحسين المحدب، والتحسين المقيد.

جميع خوارزميات التعلم الآلي عبارة عن مجموعات من هذه المكونات الثلاثة. إطار عمل لفهم جميع الخوارزميات. أنواع التعلم هناك أربعة أنواع من التعلم الآلي:

• التعلم الخاضع للإشراف: (ويسمى أيضًا التعلم الاستقرائي) تتضمن بيانات التدريب المخرجات المطلوبة. هذا ليس بريدًا عشوائيًا، فالتعلم يخضع للإشراف.
• التعلم غير الخاضع للإشراف: لا تتضمن بيانات التدريب المخرجات المطلوبة. المثال هو التجميع. من الصعب معرفة ما هو التعلم الجيد وما هو ليس كذلك.
• التعلم شبه الخاضع للإشراف: تتضمن بيانات التدريب بعض المخرجات المرغوبة.
• التعلم المعزز: المكافآت من سلسلة من الإجراءات. أنواع الذكاء الاصطناعي تحبها، وهي أكثر أنواع التعلم طموحًا.

التعلم الخاضع للإشراف هو الأكثر نضجًا والأكثر دراسة ونوع التعلم الذي تستخدمه معظم خوارزميات التعلم الآلي. التعلم تحت الإشراف أسهل بكثير من التعلم بدون إشراف. التعلم الاستقرائي هو حيث يتم إعطاؤنا أمثلة لوظيفة في شكل بيانات (x) ومخرجات الوظيفة (f(x)). الهدف من التعلم الاستقرائي هو تعلم وظيفة البيانات الجديدة (x).

• التصنيف: عندما تكون الوظيفة التي يتم تعلمها منفصلة.
• الانحدار: عندما تكون الوظيفة التي يتم تعلمها مستمرة.
• تقدير الاحتمال: عندما يكون ناتج الوظيفة احتمالًا.

التعلم الآلي في الممارسة العملية خوارزميات التعلم الآلي ليست سوى جزء صغير جدًا من استخدام التعلم الآلي في الممارسة العملية كمحلل بيانات أو عالم البيانات. من الناحية العملية، غالبًا ما تبدو العملية كما يلي:

بدء الحلقة

فهم المجال والمعرفة السابقة والأهداف. تحدث إلى خبراء المجال. في كثير من الأحيان تكون الأهداف غير واضحة للغاية. غالبًا ما يكون لديك المزيد من الأشياء التي يمكنك تجربتها ثم يمكنك تنفيذها.

تكامل البيانات واختيارها وتنظيفها ومعالجتها مسبقًا. وهذا غالبا ما يكون الجزء الأكثر استهلاكا للوقت. من المهم الحصول على بيانات عالية الجودة. كلما زاد عدد البيانات التي لديك، زاد حجمها لأن البيانات قذرة. القمامة إلى الداخل والقمامة إلى الخارج.

نماذج التعلم. الجزء الممتع. هذا الجزء ناضج جداً الأدوات عامة.

تفسير النتائج. في بعض الأحيان، لا يهم كيفية عمل النموذج طالما أنه يحقق النتائج. تتطلب المجالات الأخرى أن يكون النموذج مفهوما. سيتم تحديك من قبل خبراء بشريين.

توحيد ونشر المعرفة المكتشفة. غالبية المشاريع الناجحة في المختبر لا يتم استخدامها في الممارسة العملية. من الصعب جدًا استخدام شيء ما.

حلقة النهاية

إنها ليست عملية قصيرة، إنها دورة. تحتاج إلى تشغيل الحلقة حتى تحصل على نتيجة يمكنك استخدامها عمليًا. كما يمكن أن تتغير البيانات، مما يتطلب حلقة جديدة.

ما هي المتطلبات الأساسية لدخول الدورة والتسجيل فيها على موقعنا؟ رحلة التعلم:

(احصل على الدورة للدخول إلى الموقع والتسجيل)

يجب أن يكون لديك بريد إلكتروني (حساب بريد) تتذكره لنفسك وأيضًا يجب أن تتذكر كلمة مرور البريد الإلكتروني الذي ستسجل به ، وإذا لم يكن لديك حساب بريد إلكتروني ، فمن الأفضل إنشاء حساب (Gmail)