المنهج الكامل لما تحتاج معرفته في Machine Learning

هناك العديد من الدورات التدريبية المتاحة اليوم في التعلم الآلي Machine Learning لأن إستخدامه في الصناعة يتزايد بسرعة. لقد رأيت الكثير من الدورات التدريبية باهظة الثمن ولكن لا تتضمن جميع المفاهيم المهمة التي تحتاج إلى معرفتها حول التعلم الآلي.

لذلك، إذا كنت ترغب في التسجيل في أي دورة تدريبية في التعلم الآلي، فراجع دائمًا منهجها للتأكد من أنها تتضمن جميع مفاهيم الأساسية.

سأقدم لك في هذه المقالة منهجاً كاملاً Complete Syllabus للتعلم الآلي.

1- منهج تعلم الآلة

فيما يلي جميع الموضوعات الرئيسية التي تساهم في منهج التعلم الآلي Machine Learning:

1. مقدمة في تعلم الآلة Introduction to Machine Learning.
2. التعلم الخاضع للإشراف Supervised Learning.
3. التعلم غير الخاضع للإشراف Unsupervised Learning.
4. هندسة الميزات Feature Engineering.
5. تقييم النموذج Model Evaluation.
6. المسارات Pipelines.
7. العمل مع بيانات النص Working with Text Data.

دعنا الآن ننتقل بإيجاز إلى جميع الموضوعات المذكورة أعلاه لمنهج التعلم الآلي.

1.1- مقدمة في تعلم الآلة

قبل البدء بأي دورة، يجب أن تعرف ما هو التعلم الآلي وما هي المشاكل التي يمكن أن يحلها. فيما يلي موضوعات المقدمة إلى التعلم الآلي التي يجب أن تكون في المنهج:

1. ما هو تعلم الآلة؟
2. لماذا نحتاج إلى التعلم الآلي؟
3. المشكلات التي يمكن أن يحلها التعلم الآلي.
4. أنواع البيانات التي تتعامل معها.

2.1- التعلم الخاضع للإشراف

كما هو معروف أن التعلم الآلي فرع من فروع الذكاء الاصطناعي، أما التعلم الخاضع للإشراف فهو فرع من فروع التعلم الآلي.

يتضمن التعلم الآلي الخاضع للإشراف Supervised Learning حل مشكلات التصنيف classification والإنحدار regression. فيما يلي موضوعات التعلم الخاضع للإشراف التي يجب تناولها في منهج التعلم الآلي:

1. ما هو التعلم الخاضع للإشراف؟
2. التصنيف classification.
3. الانحدار regression.
4. خوارزميات التصنيف.
5. خوارزميات الإنحدار.
6. مقاييس تقييم النموذج Model Evaluation Metrics للتصنيف والإنحدار.

3.1- التعلم غير الخاضع للإشراف

التعلم غير الخاضع للإشراف هو مجموعة فرعية أخرى من التعلم الآلي.

يستخدم التعلم غير الخاضع للإشراف Unsupervised Learning لحل مشاكل التجميع clustering وتقليل الأبعاد dimensionality reduction. فيما يلي موضوعات التعلم غير الخاضع للإشراف التي يجب تغطيتها في منهج تعلم الآلة:

1. ما هو التعلم غير الخاضع للإشراف؟
2. المعالجة المسبقة Preprocessing وتحجيم مجموعات البيانات Scaling Datasets.
3. تقليل الأبعاد Dimensionality Reduction.
4. إستخراج الميزات Feature Extraction.
5. التعلم المنوع Manifold Learning.
6. التجميع Clustering.
7. خوارزميات التجميع Clustering Algorithms.

4.1- هندسة الميزات

تدور هندسة الميزات Feature Engineering حول إستخدام المعرفة بمجال مجموعة البيانات لإنشاء أو إستخراج تلك الميزات التي تجعل خوارزميات التعلم الآلي تعمل بدقة كبيرة. فيما يلي موضوعات هندسة الميزات التي يجب تناولها في منهج التعلم الآلي:

1. الميزات الفئوية Categorical Features.
2. ترميز واحد-ساخن One-hot-encoding.
3. Binning والتقطيع Discretization.
4. النماذج الخطية Linear Models والأشجار Trees.
5. التفاعلات Interactions ومتعددة الحدود Polynomials.
6. التحولات غير الخطية أحادية المتغير Univariate Nonlinear Transformations.
7. إختيار الميزات Features Selection.

5.1- تقييم النموذج

من المهم إختيار الميزات والمعلمات المناسبة لخوارزميات التعلم الآلي الخاصة بك. يساعد ذلك في تقييم أداء نماذج التعلم الآلي وإختيار معايير أفضل. يُعرف هذا بإسم “تقييم النموذج Model Evaluation “. فيما يلي موضوعات تقييم النموذج التي يجب تناولها في منهج التعلم الآلي:

1. الضبط الزائد Overfitting والضبط الناقص Underfitting.
2. المصادقة المتقاطعة Cross-Validation.
3. بحث الشبكة Grid Search.
4. مقاييس التقييم Evaluation Metrics.
5. إختيار النموذج Model Selection.
6. ضبط المعلمات الفائقة Hyperparameter Tuning.

6.1- المسارات

يتم إستخدام مسارات pipeline التعلم الآلي للمساعدة في أتمتة عملية التعلم الآلي. وهي تعمل من خلال السماح بتحويل سلسلة من البيانات وربطها معًا في نموذج يمكن إختباره وتقييمه لتحقيق نتيجة، سواء كانت إيجابية أو سلبية. فيما يلي موضوعات المسارات التي يجب تناولها في أي دورة تدريبية لتعلم الآلة:

1. إختيار المعلمة Parameter Selection.
2. بناء المسارات Building Pipelines.
3. إستخدام المسارات في شبكة البحث Using Pipelines in Grid Search.

7.1- العمل مع البيانات النصية

يقع العمل مع البيانات النصية في التعلم الآلي ضمن مجال معالجة اللغة الطبيعية natural language processing، وهو مجال مخصص للخوارزميات وطرق معالجة اللغات البشرية لأجهزة الحاسوب. فيما يلي موضوعات العمل مع البيانات النصية التي يجب تناولها في كل دورة تدريبية لتعلم الآلة:

1. أنواع البيانات النصية Types of Textual Data.
2. تحليل المشاعر Analyzing Sentiments.
3. حقيبة الكلمات Bag of words.
4. كلمات التوقف Stopwords.
5. تردد المصطلح-معكوس تردد الوثيقة (TF-IDF)
6. الترميز Tokenization.
7. التجذيع Stemming.
8. الليميتازيشن Lemmatization.
9. نمذجة الموضوع Topic Modelling.
10. تجميع المستندات Document Clustering.

2- الملخص

كانت هذه أهم الموضوعات التي يجب أن تكون في كل دورة تعلم الآلة سواء أونلاين أو أوفلاين.

لقد رأيت الكثير من الدورات التدريبية باهظة الثمن ولكن لا تزال لا تتضمن جميع المفاهيم الأساسية التي تحتاج إلى معرفتها حول التعلم الآلي.

لذلك، إذا كنت ترغب في التسجيل في أي دورة تدريبية للتعلم الآلي، فراجع دائمًا منهجها للتأكد من أنها تتضمن جميع مفاهيم الأساسية. آمل أن تكون قد أحببت هذه المقالة. نلتقي في مقالات أخرى ان شاء الله.

---

المصدر

منقول بتصرف

Syllabus of Machine Learning | Aman Kharwal (thecleverprogrammer.com)

---

مقالات أخرى

……

الكاتب