مهارات تعلم الألة Machine Learning - Skills

مهارات تعلم الألة 

Machine Learning 

- Skills

مهارات تعلم الألة Machine Learning - Skills

تتميز عملية التعلم الآلي بعرض كبير جدًا وتتطلب مهارات في العديد من المجالات.  المهارات التي تحتاج إلى اكتسابها لتصبح خبيرًا في التعلم الآلي مدرجة أدناه -

• Statistics الإحصائيات 
• Probability Theories نظريات الاحتمالات
• Calculus حساب التفاضل والتكامل
• Optimization techniques تقنيات التحسين
• Visualization التصور 

Necessity of Various Skills of Machine Learning

ضرورة المهارات المختلفة للتعلم الآلي

لإعطائك فكرة موجزة عن المهارات التي تحتاجها لاكتسابها ، دعونا نناقش بعض الأمثلة -

Mathematical Notation الملاحظات الرياضية

تعتمد معظم خوارزميات التعلم الآلي بشكل كبير على الرياضيات.  ربما يكون مستوى الرياضيات الذي تحتاج إلى معرفته مجرد مستوى مبتدئ.  المهم هو أنه يجب أن تكون قادرًا على قراءة الملاحظة التي يستخدمها علماء الرياضيات في معادلاتهم.  على سبيل المثال - إذا كنت قادرًا على قراءة الترميز وفهم ما يعنيه ، فأنت مستعد للتعلم الآلي.  إذا لم يكن الأمر كذلك ، فقد تحتاج إلى تحسين معرفتك بالرياضيات.

fAN(net−θ)=⎧⎩⎨γnet−θ−γifnet−θ≥ϵif−ϵ<net−θ<ϵifnet−θ≤−ϵ$$f_{AN}(net-\theta )=\{\begin{array}{ll}\gamma & ifnet-\theta \ge ϵ\\ net-\theta & if-ϵ<net-\theta <ϵ\\ -\gamma & ifnet-\theta \le -ϵ\end{array}$$

maxα[∑i=1mα−12∑i,j=1mlabel(i)⋅label(j)⋅ai⋅aj⟨x(i),x(j)⟩]$$\begin{gathered} {\displaystyle } \\ \underset{\alpha }{max}\left[\begin{array}{c}{\displaystyle \sum _{i=1}^m\alpha -\frac{1}{2}{\displaystyle \sum _{i,j=1}^{m}labe{l}^{\left(\begin{array}{c}i\end{array}\right)}\cdot labe{l}^{\left(\begin{array}{c}j\end{array}\right)}\cdot a_i\cdot a_j⟨x^{\left(\begin{array}{c}i\end{array}\right)},x^{\left(\begin{array}{c}j\end{array}\right)}⟩}}\end{array}\right] \end{gathered}$$

fAN(net−θ)=(eλ(net−θ)−e−λ(net−θ)eλ(net−θ)+e−λ(net−θ))$$f_{AN}(net-\theta )=\left(\frac{e^{\lambda (net-\theta )}-e^{-\lambda (net-\theta )}}{e^{\lambda (net-\theta )}+e^{-\lambda (net-\theta )}}\right)$$

Probability Theory نظرية الاحتفالية 

فيما يلي مثال لاختبار معرفتك الحالية لنظرية الاحتمالات: التصنيف مع الاحتمالات الشرطية.

p(ci|x,y)=p(x,y|ci)p(ci)p(x,y)$$p(c_i|x,y)=\frac{p(x,y|c_i)p(c_i)}{p(x,y)}$$

مع هذه التعريفات ، يمكننا تعريف قاعدة تصنيف بايز -

• If P(c1|x, y) > P(c2|x, y) , the class is c1 .
• If P(c1|x, y) < P(c2|x, y) , the class is c2 .

Optimization Problem مسألة التحسين

دالة التحسين

maxα[∑i=1mα−12∑i,j=1mlabel(i)⋅label(j)⋅ai⋅aj⟨x(i),x(j)⟩]$$\begin{gathered} {\displaystyle } \\ \underset{\alpha }{max}\left[\begin{array}{c}{\displaystyle \sum _{i=1}^m\alpha -\frac{1}{2}{\displaystyle \sum _{i,j=1}^{m}labe{l}^{\left(\begin{array}{c}i\end{array}\right)}\cdot labe{l}^{\left(\begin{array}{c}j\end{array}\right)}\cdot a_i\cdot a_j⟨x^{\left(\begin{array}{c}i\end{array}\right)},x^{\left(\begin{array}{c}j\end{array}\right)}⟩}}\end{array}\right] \end{gathered}$$

مع مراعاة القيود التالية -

α≥0,and∑i−1mαi⋅label(i)=0$$\alpha \ge 0,and{\displaystyle \sum _{i-1}^m{\alpha }_i\cdot labe{l}^{\left(\begin{array}{c}i\end{array}\right)}=0}$$

إذا كنت تستطيع قراءة وفهم ما سبق ، فأنت كذلك

visualization  التصور

في العديد من الحالات ، ستحتاج إلى فهم الأنواع المختلفة من مخططات التصور لفهم توزيع البيانات وتفسير نتائج إخراج الخوارزمية.

إلى جانب الجوانب النظرية المذكورة أعلاه للتعلم الآلي ، فأنت بحاجة إلى مهارات برمجة جيدة لترميز تلك الخوارزميات.

 إذن ما الذي يتطلبه تنفيذ ML؟  دعنا ننظر إلى هذا في الفصل التالي.