ML 101
M01 · L01
مقدمة

يعني إيه Machine Learning؟

صالة فرز منوّرة بلمبات: جوابات ماشية على سير طويل بين صفوف صناديق فرز ورفوف خانات.
ماكينة الفرز بتبعت كل جواب لصندوقه. والـ machine learning بيعلّم الكمبيوتر ياخد قرارات زي دي من الـ data، مش من rules.

إنك تعلّم الكمبيوتر يتعلّم من البيانات — مش من القواعد. من الـ spam filters لحد العربيات اللي بتسوق نفسها، الـ Machine Learning (تعلم الآلة) بيغيّر شكل كل صناعة على الكوكب.

01 / 13
ML 101
M01 · L01
الفكرة الكبيرة

قلبة في طريقة التفكير

البرمجة التقليدية بتكتب القواعد بالإيد. الـ Machine Learning بيقلب ده — إدّي الكمبيوتر البيانات والإجابات، وسيبه يطلّع القواعد لوحده.

القلبة
Old way: Rules + Data → Answers
ML way: Data + Answers → Rules
02 / 13
ML 101
M01 · L01
مقارنة

التقليدي قصاد الـ Machine Learning

جرّب تكتب بإيدك قواعد «فيه وش في الصورة دي ولا لأ؟». أي قاعدة هتيجي في بالك ليها استثناء.

التقليدي
«عينين فوق مناخير» — بتقع مع صورة جانبية أو ضل أو برنيطة
الـ Machine Learning
آلاف الصور المتصنّفة — فبيتعلّم لوحده الوش شكله إيه
03 / 13
ML 101
M01 · L01
1943 – 2012

تاريخ على السريع

من أول خلية عصبية صناعية لحد ثورة الـ deep learning — حوالي 70 سنة من الإنجازات.

1943 — نموذج McCulloch-Pitts للخلية العصبية الصناعية
1957 — Perceptron: أول neural network تتدرّب
1997 — Deep Blue بيغلب كاسباروف في الشطرنج
2012 — AlexNet بيكسب ImageNet — والـ deep learning بينفجر
04 / 13
ML 101
M01 · L01
النوع الأول

الـ Supervised Learning

بتدّي الـ model (النموذج) أمثلة labeled (مُعنونة) — أزواج input-output — وهو بيتعلّم يوصّل أي input جديد بالـ output الصح. ده الـ supervised learning (التعلم الخاضع للإشراف).

مثال
وريه 10,000 صورة متصنّفة «قطة» أو «كلب» ← الـ model يصنّف الصور الجديدة لوحده
05 / 13
ML 101
M01 · L01
النوع التاني

الـ Unsupervised Learning

من غير labels — الـ algorithm بيلاقي الـ patterns المستخبية والبنية في البيانات لوحده. ده الـ unsupervised learning (التعلم غير الخاضع للإشراف): زي إنك تجمّع العملاء حسب تصرّفاتهم من غير ما تقوله المجموعات إيه.

التطبيقات
تقسيم العملاء، كشف الحاجات الشاذة، ضغط البيانات، topic modeling
06 / 13
ML 101
M01 · L01
النوع التالت

الـ Reinforcement Learning

التعلّم بـالتجربة والغلط. الـ agent (الوكيل) بيعمل actions، وبياخد مكافآت أو عقوبات، ومع الوقت بيتعلّم أحسن strategy. ده الـ reinforcement learning (التعلم المعزز).

أمثلة مشهورة
AlphaGo غلب بطل العالم، الروبوتات بتتعلّم تمشي، الـ AI بيقفل ألعاب Atari
07 / 13
ML 101
M01 · L01
العملية

الـ ML pipeline

إنك تبني model ده عملية فيها كذا خطوة — وكل خطوة مهمة. ده الـ pipeline (خط الأنابيب).

  • تجميع — لمّ البيانات الخام
  • معالجة — تنضيف، normalization، تقسيم
  • تدريب — ظبط الـ model على البيانات
  • تقييم — اختبار على بيانات جديدة
08 / 13
ML 101
M01 · L01
الرياضيات

الرياضيات اللي ورا ده

في الأساس، الـ model بيتعلّم weights (أوزان) وbias بيوصّلوا الـ input بالـ prediction.

الـ linear model
\hat{y} = w_1 x_1 + w_2 x_2 + \cdots + w_n x_n + b

x الـ inputs (زي مساحة البيت وعدد أوضه) · w وزن كل input · b رقم ثابت الـ prediction بيبدأ منه، واسمه الـ bias (الانحياز) · ŷ الـ prediction.

09 / 13
ML 101
M01 · L01
التحدي

الـ overfitting قصاد الـ underfitting

الـ trade-off بين الـ bias والـ variance هو التحدي الأساسي في الـ Machine Learning. الـ bias هنا هو غلط model أبسط من الـ pattern، والـ variance (التباين) هو غلط model مرن لدرجة إنه بيجري ورا الـ noise — ومش هو b اللي في الـ slide اللي فاتت.

underfitting (نقص الملاءمة)
بسيط زيادة — بيفوّت الـ patterns
overfitting (الإفراط في الملاءمة)
معقّد زيادة — بيحفظ الـ noise
10 / 13
ML 101
M01 · L01
التطبيقات

الـ Machine Learning في كل حتة

إنت بتتعامل مع الـ Machine Learning عشرات المرات في اليوم، وغالبًا من غير ما تاخد بالك.

  • الترشيحات — Netflix، YouTube، Amazon
  • التشخيص الطبي — كشف السرطان في الأشعة
  • كشف الاحتيال — مراقبة المعاملات لحظة بلحظة
  • العربيات اللي بتسوق نفسها — رؤية + أخد قرار
11 / 13
ML 101
اختبار سريع

شوف إيه اللي ثبت

تلات أسئلة من الدرس ده. جاوب عشان تشوف السبب — الشرح بيظهر سواء جاوبت صح أو غلط. ونتيجتك مش بتتحفظ.

السؤال 1 من 0
النتيجة 0/0

12 / 13
ML 101
الخلاصة
ملخص

اتعلّمت إيه

الـ Machine Learning هو فن إنك تلاقي الـ patterns في البيانات. تلات أنواع، pipeline واحد، وخناقة دايمة بين الـ underfitting والـ overfitting.

الدرس الجاي
13 / 13