أنواع الـ Machine Learning
مش كل التعلّم شبه بعضه. زي ما البني آدمين بيتعلّموا من المدرّسين والاستكشاف والتجربة والغلط، الـ Machine Learning (تعلم الآلة) فيه تلات أنواع واضحة — كل واحد مناسب لمشاكل مختلفة.
الـ Supervised Learning
أكتر نوع مستخدم. بتدّيه بيانات تدريب labeled (مُعنونة) — أزواج input-output — وهو بيتعلّم يتنبأ بالـ outputs لـ inputs جديدة. ده الـ supervised learning (التعلم الخاضع للإشراف).
الـ classification قصاد الـ regression
الـ supervised learning بيتقسم لمهمتين على حسب نوع الـ output.
عدّة الـ supervised
كل algorithm (خوارزمية) ليه نقطة قوة — من البسيط للقوي.
- الـ linear regression — baselines بسيطة وسهل تفسّرها
- الـ decision trees — بتتعامل مع البيانات اللي مش خطية من نفسها
- الـ support vector machines — أحسن decision boundaries
- الـ neural networks — بتتعلّم mappings معقّدة على نطاق واسع
الـ Unsupervised Learning
مفيش labels ولا مدرّس. الـ algorithm بيكتشف البنية المستخبية في البيانات لوحده خالص. ده الـ unsupervised learning (التعلم غير الخاضع للإشراف).
الـ clustering بـ K-Means
بنجمّع نقط البيانات اللي شبه بعض عن طريق تقليل المسافة لمراكز المجموعات. ده الـ clustering (التجميع).
التقليل والشذوذ
ضغط البيانات وكشف القيم الشاذة — قوتين زيادة للـ unsupervised learning.
- PCA — بيلاقي الاتجاهات اللي فيها أكبر variance
- الـ autoencoders — ضغط بالـ neural networks
- الـ anomaly detection — الاحتيال، العيوب، الاختراقات
الـ Reinforcement Learning
فيه agent (وكيل) بيتفاعل مع environment (بيئة)، ويعمل actions، ويتعلّم policy (سياسة) تخلّي مجموع المكافآت أكبر ما يمكن.
الـ return
الـ agent بيكبّر مجموع المكافآت المخصومة مع الوقت — وده الـ return (العائد).
أبعد من التلاتة
الـ AI الحديث بيمسح الحدود بستراتيجيات التعلّم الهجين.
اختار النوع الصح
وصّل بياناتك ومشكلتك بالنوع المناسب.
- معاك labels؟ ← الـ supervised learning
- بتدوّر على بنية؟ ← الـ unsupervised learning
- قرارات متتالية؟ ← الـ reinforcement learning
- labels قليلة؟ ← semi-supervised / self-supervised
اتعلّمت إيه
تلات أنواع — supervised، وunsupervised، وreinforcement — وكمان طرق هجين. واختيار النوع الصح بيعتمد على بياناتك ومشكلتك.