التعلم تحت الإشراف وبدون إشراف: الفرق وأمثلة
Supervised vs Unsupervised Learning
الجواب المختصر
التعلم تحت الإشراف (Supervised Learning): بيانات تحتوي مدخلات X ومعها الإجابة الصحيحة Y، يتعلم النموذج العلاقة بينهما ثم يستخدمها للتنبؤ، كتوقع سعر بيت (رقم) أو تحديد هل الرسالة مزعجة (فئة). التعلم بدون إشراف (Unsupervised Learning): مدخلات فقط بلا إجابات جاهزة، يحاول النموذج اكتشاف أنماط، مثل تقسيم العملاء إلى مجموعات بحسب سلوكهم الشرائي دون أن نحدد أسماء المجموعات مسبقًا.
| تحت الإشراف | بدون إشراف | |
|---|---|---|
| البيانات | مدخلات X + إجابة صحيحة Y | مدخلات فقط |
| الهدف | تعلّم العلاقة بين X وY ثم التنبؤ | اكتشاف أنماط ومجموعات متشابهة |
| أمثلة | سعر بيت من مساحته، تصنيف بريد مزعج | تقسيم العملاء بحسب سلوكهم، تقليل الأبعاد |
| خوارزميات في الموقع | الانحدار الخطي، اللوجستي، SVM، أشجار القرار | K-means، PCA |
النموذج وتطوير الحل
النموذج برنامج أو خوارزمية تتعلم من البيانات: بدل أن نكتب قاعدة يدوية يستنتج العلاقة بين المدخلات والمخرجات من الأمثلة. وقبل أي حل نحدد المشكلة بدقة (ماذا نريد من النظام؟) والبيانات المتوفرة وهل تكفي، وكيف نقيس النجاح.
ثم يُحدَّد نوع المهمة: تصنيف أم انحدار؟ وتُقسَّم البيانات (تدريب واختبار). والفرق بين تعلم الآلة والتعلم العميق في هذه الصفحة.
اختبار سريع
- لديّ أسعار بيوت ومساحاتها وأريد التنبؤ بسعر بيت جديد: تحت الإشراف.
- لديّ بيانات شراء ولا أعرف أنواع العملاء وأريد اكتشاف مجموعات: بدون إشراف.
المصطلحات: عربي ↔ English
- تعلم تحت الإشراف
- Supervised Learning
- تعلم بدون إشراف
- Unsupervised Learning
- نموذج
- Model
- مدخلات ومخرجات
- Inputs and Outputs
لماذا يهمّ هذا في BTEC؟
السؤال الأول في أي مشروع: هل لدينا الإجابات الصحيحة أم لا؟ فجوابه يحدد نوع التعلم.
أسئلة تجيب عنها هذه الصفحة
- ما الفرق بين التعلم تحت الإشراف وبدون إشراف؟
- متى أستخدم التعلم تحت الإشراف ومتى بدون إشراف؟
مفاهيم مرتبطة
- التصنيف والانحدار: كيف أعرف نوع المهمة؟إذا كانت المخرجات اسمًا أو فئة (نعم/لا، قطة/كلب، سبام/ليس سبام) فهي مهمة تصنيف، وإذا كانت رقمًا مستمرًا (سعر، طول، حرارة، علامة) فهي انحدار. وقد سمّي انحدارًا لأن هدفه توقع قيمة رقمية لا فئة.
- مجموعات التدريب والتحقق والاختبار: كيف نقسّم البيانات ولماذا؟نقسّم البيانات إلى تدريب (يتعلم منها النموذج)، وتحقق (لضبط الإعدادات واختيار البنية)، واختبار (تُحفظ بعيدًا لقياس الأداء الحقيقي بعد التدريب). ويجب أن تحافظ المجموعات على نسب الفئات نفسها، وأن يُعزل الاختبار فلا تتلوث بيانات الاختبار.
- الفرق بين الذكاء الاصطناعي وتعلّم الآلة والتعلّم العميقالذكاء الاصطناعي هو الفرع الأوسع، وتعلّم الآلة أسلوب يتعلم فيه الحاسوب من البيانات، والتعلّم العميق نوع متقدم منه يستخدم الشبكات العصبية.
- الطرق البايزية: كيف نحدّث اعتقادنا عند وصول دليل جديد؟الطرق البايزية تبدأ باعتقاد مبدئي (Prior) ثم تحدّثه بدليل جديد بحسب مدى توافقه (Likelihood) لتصل إلى اعتقاد محدّث (Posterior). القرار = دمج «ما قبل الدليل» مع «قوة الدليل».
- التجميع بـ K-means: كيف يقسّم النموذج العملاء إلى مجموعات؟K-means خوارزمية تعلم بدون إشراف تجمع النقاط في K مجموعات متشابهة: تضع مراكز أولية، توزع كل نقطة على أقرب مركز، تحدّث المراكز، وتكرر حتى تستقر. والمجموعات الناتجة تجميع بحسب التشابه وليست فئات حقيقية بالضرورة.
- كشف الشذوذ بالجيران الأقرب (KNN): كيف نجد السلوك غير الطبيعي؟تُستخدم فكرة «أقرب الجيران» لكشف الشذوذ: النقطة البعيدة عن جيرانها الطبيعيين غالبًا شاذة. نحسب بعد كل نقطة عن أقرب جيرانها ونعدّ الأبعد بكثير شاذة، واختيار العتبة يغيّر عدد الشذوذات المكتشفة.
- الانحدار الخطي (Linear Regression) ومقياس الخطأ MSEالانحدار الخطي يبحث عن أفضل خط مستقيم y = mx + c يقرّب العلاقة بين المدخل والمخرج، حيث m الميل وc المقطع. ويقيس MSE متوسط مربع الخطأ بين القيم الحقيقية والمتوقعة: كلما صغر كان النموذج أدق.
- تحليل المكونات الرئيسية PCA: كيف نقلّل أبعاد البيانات؟PCA يقلل عدد الميزات إلى ميزتين أو ثلاث بإيجاد أفضل اتجاهات تُظهر أكبر قدر من اختلاف البيانات وإسقاطها عليها، فتبقى المعلومات المهمة وتختفي التفاصيل الأقل أهمية، لتسهيل الفهم والرسم وتسريع بعض النماذج.
عن كاتب الصفحة
مدرّس BTEC IT · الأردن
- نوع المحتوى
- شرح مبني على مادة أحمد دومي — وليس نصًّا رسميًّا من Pearson
- آخر مراجعة
- ملاحظة على المصدر
- تعتمد هذه الصفحة على ملاحظات قصيرة لأحمد دومي عن الموضوع، وأُضيف إليها شرح توضيحي عام ليكتمل الجواب، والمثال التطبيقي من وضع الموقع.
- المصدر
- ملاحظات تعلّم الآلة وأدوات الذكاء الاصطناعي (أحمد دومي) — مقدمة في الذكاء الاصطناعي والانحدار الخطي