السؤال الأول: أُعرِّف تعلّم الآلة، وأوضِّح كيف يمكن أنْ نعرف أن نموذجًا معيَّنًا قد تعلّم بشكل جيد.
الإجابة:
تعلم الآلة : احد فروع الذكاء الاصطناعي الذي يهتم بتصميم وتطوير الخوازميات والتقنيات المختلفة تلك التي تسمح لجهاز الكمبيوتر بالقيام بعملية التعلم. ويعتمد تعلم الآلة على على توافر كم هائل من البيانات ،و هذه البيانات تتوفر الآن بشكل كبير نتيجة تولدها بسب الانتشار الكبير للاجهزة الرقمية والتطبيقات الالكترونية.
يمكن أنْ نعرف أن نموذجًا معيَّنًا قد تعلّم بشكل جيد عند وصول النموذج المُتعلم إلى درجة جيدة من التعلم بحيث أصبح يُمكن الاعتماد عليه واستخدامه في حل مسألة أو مشكلة ما.
وكلما كانت بيانات التدريب تشبه إلى حد كبير مشاكل العالم الحقيقي التي سيُكلف بها النموذج بحلها، فإن تعلم أنماطها وارتباطاتها سيمكّن النموذج المدرب من إجراء تنبؤات دقيقة على البيانات الجديدة .
السؤال الثاني: ما الفرق بين نماذج التصنيف ونماذج الانحدار في التعلّم الآلي؟
الإجابة:
هناك عدة فروق بين نماذج التصنيف ونماذج الإنحدار تتمثل في نوع المخرجات وكيفية الاستخدام ومن الفروق بينهما:
- نوع المتغير المستهدف بحيث نماذج التصنيف تتنبأ بفئات منفصبة ذات قيم محددة ومحدودة (حالة المستخدم مرض أو سليم / الصورة : بقرة أم خروف) بينما نماذج الانحدار تتنبأ بقيم عددية مستمرة(سعر أرض،مبيعات الشهر القادم)
- الخوارزميات المستخدمة
- طريقة التقييم من حيث نسبة التوقعات الصحيحة في التصنيف،بينما متوسط مربع الفروق بين القيم المتوقعة والحقيقية في الإنحدار
السؤال الثالث: أوضح أهمية اكتشاف القيم المتطرفة أو الشاذة في البيانات وأثر ذلك في أنظمة التعلّم الآلي.
الإجابة:
تهدف عملية معرفة القيم المتطرفة (البعيدة عن معدل باقي القيم)،أالى معرفة القيم التي توحي بانها ليست من ضمن المجموعة، مثل العينات التي يكون فيها عيوب . ثم تقوم الخوارزمية على تنقية البيانات من هذه القيم المتطرفة لأنها ممكن أن:
- تؤدي الى نتائج غير حقيقية
- تؤثر على جودة المنتج.
وهذا النوع من الخوارزميات يساعد في كشف عمليات الاحتيال خاصة عند ملاحظة تصرفات غير معتادة .
