تتدرب لوغاريتمات التعلم بدون إشراف على البيانات غير المسماة. ويمكنها فحص البيانات الجديدة لتحاول تأسيس روابط ذات مغزى بين المدخلات والمخرجات مسبقة التحديد. وتستطيع أن تكشف عن الأنماط وتصنِّف البيانات. على سبيل المثال، يمكن للوغاريتمات التعلم بدون إشراف تجميع المقالات الإخبارية من المواقع الإخبارية المختلفة تحت فئات شائعة، مثل الرياضة والجريمة، إلخ.
المزيد تعلم الآلة كتب تعلم الآلة كتاب تعلم الآلة وعلم البيانات: الأساسيات والمفاهيم والخوارزميات والأدوات
يشير التعلم العميق إلى نوع من تعلم الآلة يهدف إلى تعلم النماذج والمعرفة من البيانات المتاحة. يعتمد هذا النوع من التعلم على الذكاء الاصطناعي ويستخدم شبكات عصبونية متعددة الطبقات لمحاكاة عملية التعلم البشرية.
من خلال هذا الفهم الأساسي، يركز التعلم الآلي في المبدأ الذي ينص على أن كل نقاط البيانات المعقدة يمكن ربطها رياضيًا عن طريق أنظمة الحاسوب ما دامت مزودة بالقدر الكافي من البيانات وقدرة الحوسبة على معالجة هذه البيانات.
وتجدر الإشارة إلى أنه تم النظر في هذا الفصل بعبارات عامة ولم تتم مناقشته بالتفصيل.
التعرف على الوجوه لمعرفتها والتعرف على السمات، مثل العينين المفتوحتين والنظارات وشعر الوجه
يمكنك استخدام التعلم العميق في السحابة لتصميم تطبيقات التعلم العميق وتطويرها وتدريبها بشكل أسرع.
تحتوي الشبكة العصبونية الاصطناعية على كثير من العُقَد التي تدخل البيانات فيها. هذه العُقَد تعرّف على المزيد تمثل طبقة الإدخال للنظام.
وبعد أن تكتسب الآلات ما يكفي من الخبرة من خلال التعلم العميق، يُمكن تشغيلها في مهام مُحدّدة مثل قيادة السيّارة، والكشف عن الأعشاب الضارّة في حقل المحاصيل، والكشف عن الأمراض، وفحص الآلات لتحديد الأعطال، وما إلى ذلك.
على سبيل المثال، إذا تم إعطاؤك صورة لحيوان غير معروف وكان عليك تصنيفه، فستقارن هذا الحيوان بالحيوانات التي تعرفها بالفعل.
يزود علماء البيانات اللوغاريتمات ببيانات تدريب مسماة ومعرَّفة من أجل تقييم العلاقات. وتحدد عينة البيانات كلاً من المدخلات والمخرجات للوغاريتم. على سبيل المثال، يتم التعليق على صور الأرقام المكتوبة باليد لتحديد أي رقم تقابله.
تستطيع التعامل مع مجموعة متنوعة من تنسيقات البيانات في بيئات ديناميكية وذات أحجام عالية ومعقدة.
تصنيف الصور لتحديد شعارات العلامات التجارية والملابس ومعدات الأمان وغيرها من تفاصيل الصورة
ومن ناحية أخرى، فإن أولئك الذين ينتجون نطاقًا أوسع من الإجابات لديهم المزيد من العُقَد.