تعلّم الآلة
جعل البرامج تستنتج القواعد من البيانات بدل كتابتها يدويًا
OVERVIEW
- جميع المداخل
- 6
- مبتدئ
- 2
- متوسط
- 3
- متقدم
- 1
Machine learning compresses into a single sentence: given a set of samples, find a function that still works on new ones. Around that sentence grow the divide between supervised and unsupervised learning, the tug-of-war between overfitting and regularisation, and the methodology of measuring — honestly — whether it works at all.
الأسئلة التي يجيب عنها هذا المجال
- Q1
What separates “memorising” from “learning”?
- Q2
Why does a model that aces training fail in production?
- Q3
What can unlabelled data still be used for?
مداخل هذا المجال
- 01التعلّم بالإشرافمبتدئتُعلِّم أزواجُ السؤال والجواب النموذجَ أن يجيب من تلقاء نفسه
- 02التعلّم بدون إشرافمبتدئفي غياب الأجوبة، ينبغي أن تنبع البنيةُ من البيانات نفسها — ويجب إعادة تعريف معنى «الجيد»
- 03دوال الخسارةمتوسطتحدّد دالة الخسارة ما تعاقب عليه فعلًا — وتغييرها يعني تغيير مفهومك للصواب والخطأ
- 04الإفراط في التعلّم والتنظيممتوسطيحفظ النموذج بيانات التدريب حرفيًا ثم يفشل في أي بيانات جديدة
- 05تقييم النموذج والتحقق المتقاطعمتوسطالدقة هي أسهل مقياس يخدعك — وإن أخطأت في التقييم سقط كل ما بعده
- 06المقايضة بين التحيّز والتباينمتقدميتفكّك كل خطأ تنبؤ إلى ثلاثة أجزاء: نموذج بسيط أكثر من اللازم، ونموذج متقلّب أكثر من اللازم، وعشوائية العالم نفسه