آلات التعلم Máy Learning

Study Notes

A subset of Artificial Intelligence (AI) that enables machines to learn from data without being explicitly programmed
Types of Machine Learning:
- Supervised Learning: Training datasets with labeled outputs
- Unsupervised Learning: Training datasets without labeled outputs
- Reinforcement Learning: Training through trial and error with rewards or penalties
Key concepts:
- Model: A set of rules and algorithms used to make predictions
- Training: The process of fitting a model to a dataset
- Testing: Evaluating the performance of a model on unseen data
- Overfitting: When a model is too complex and performs well on training data but poorly on testing data
- Underfitting: When a model is too simple and performs poorly on both training and testing data

A subfield of AI that deals with the interaction between computers and humans in natural language
Key applications:
- Text analysis and sentiment analysis
- Language translation and localization
- Speech recognition and generation
- Chatbots and conversational systems
NLP tasks:
- Tokenization: Breaking down text into individual words or tokens
- Part-of-speech tagging: Identifying the grammatical category of each word
- Named entity recognition: Identifying and extracting specific entities such as names, locations, and organizations
- Dependency parsing: Analyzing the grammatical structure of a sentence

Increased Efficiency: Automating repetitive and mundane tasks to free up human resources
Improved Accuracy: Reducing errors and inconsistencies in decision-making and data analysis
Enhanced Productivity: Accelerating processes and workflows through automation and optimization
Personalization: Tailoring experiences and services to individual preferences and needs
Innovation: Enabling the development of new products and services that were previously unimaginable

فرع من الذكاء الاصطناعي الذي يمكّن الآلات من التعلم من البيانات دون برمجة صريحة
أنواع التعلم الآلي:
- التعلم الموجه: تدريب مجموعات البيانات مع مخرجاتمملوؤة
- التعلم اللا موجّه: تدريب مجموعات البيانات دون مخرجات مملوؤة
- التعلم بالتعزيز: التدريب من خلال محاولة وخطأ مع مكافآت أو عقوبات
مفاهيم رئيسية:
- النموذج: مجموعة من القواعد والخوارزميات المستخدمة لجعل التنبؤات
- التدريب: عملية تكيّف النموذج مع مجموعة البيانات
- الاختبار: تقييم أداء النموذج على بيانات غير مرئية
- زيادة مناسقة: عندما يكون النموذج quá معقّد ويؤدي جيداً على بيانات التدريب ولكن سيئاً على بيانات الاختبار
- نقص مناسقة: عندما يكون النموذج quá بسیط ويؤدي سيئاً على بيانات التدريب والاختبار

فرع من الذكاء الاصطناعي الذي يتعامل مع التفاعل بين الكمبيوترات والبشر باللغة الطبيعية
تطبيقات رئيسية:
- تحليل النصوص وتحليل المزاج
- ترجمة اللغة وتكييف الموقع
- التعرف على الكلام وتوليد الصوت
- النظم الهاتفية للرد والنقاش
مهام معالجة اللغة الطبيعية:
- الف팀ات: فك النصوص إلى كلمات أو رموز فرديّة
- thẻ الرؤساء: تحديد الفئة النحوية لكل كلمة
- تحديد الكيانات المسمى: تحديد و استخراج الكيانات المحددة مثل الأسماء وال ĐỊNESات والمنظمات
- تحليل الهيكل النحوي: تحليل هيكل الجملة النحوي

زيادة الكفاءة: آليمة المهام المتكررة والروتينية لتحرير موارد بشرية
تحسين الدقة: تقليل الأخطاء والتناقضات في اتخاذ القرارات وتحليل البيانات
زيادة الإنتاجية: تسريع العمليات والتدفقات من خلال الآلية والتحسين
تخصيص: تيوب الخدمات والمنتجات وفقاً للمتطلبات والأهواء الفردية
الإبتكار: تمكين تطوير المنتجات والخدمات الجديدة التي كانت غير متخيّلة سابقاً