تعلم الآلة هو فرع من فروع الذكاء الاصطناعي يهدف إلى جعل الحاسوب يتعلم من البيانات بدلًا من الاعتماد على قواعد مكتوبة يدويًا لكل حالة. الفكرة بسيطة في جوهرها: إذا كانت لدينا أمثلة كثيرة من الماضي، يمكن للنموذج أن يكتشف الأنماط ويستخدمها للتنبؤ أو التصنيف أو اكتشاف العلاقات. هذا المفهوم يظهر في حياتنا اليومية أكثر مما نتصور. عندما يقترح تطبيق الفيديوهات محتوى مشابهًا لما شاهدته سابقًا، أو عندما يحدد البريد الإلكتروني الرسائل المزعجة، فهناك نوع من تعلم الآلة يعمل خلف الكواليس. لنفهم الفكرة بشكل عملي، تخيل متجرًا صغيرًا في الرياض يريد معرفة عدد الزبائن المتوقع في كل يوم. بدلًا من الاعتماد على التخمين، يمكن جمع بيانات عن الأيام السابقة: اليوم، الطقس، العطلات، العروض الترويجية، وعدد الزوار. بعد ذلك يتعلم النموذج العلاقة بين هذه العناصر وعدد الزبائن. إذا طُلب منه التنبؤ بيوم جديد، فإنه يستخدم ما تعلمه من الأمثلة السابقة. هنا لا نحفظ إجابة واحدة ثابتة، بل نتعلم نمطًا عامًا يمكن تطبيقه على حالات جديدة. من المهم التفريق بين البرمجة التقليدية وتعلم الآلة. في البرمجة التقليدية، يكتب المطور القواعد أولًا ثم يحصل على النتيجة. أما في تعلم الآلة، فنقدم البيانات والنتائج الصحيحة السابقة، ثم يستنتج النموذج القاعدة بنفسه. هذا الفرق مهم جدًا لأنه يوضح لماذا ينجح تعلم الآلة في المشكلات التي يصعب وصفها بقواعد بسيطة، مثل التعرف على الصور أو فهم اللغة أو توقع سلوك العملاء. هناك ثلاثة عناصر أساسية في أي مشروع تعلم آلة: البيانات، النموذج، والتقييم. البيانات ثر وضوحًا وأقل رهبة، وتبدأ رؤية كيف تتحول البيانات إلى معرفة قابلة للاستخدام.
Lesson Materials & Datasets
No materials available for this lesson yet.