ما هو التعلم العميق Deep Learning ؟
ما عمليات التعلم العميق ؟
ما تصنيف الشبكات العصبية ؟
ما أنواع شبكات التعلم العميق ؟
وما الأمثلة والتطبيقات المستخدم فيها التعلم العميق ؟
ثريد شامل يوضح معني التعلم العميق وطريقة استخدامه وأمثلة علي تطبيقات التعلم العميق للمبتدئين .
ما عمليات التعلم العميق ؟
ما تصنيف الشبكات العصبية ؟
ما أنواع شبكات التعلم العميق ؟
وما الأمثلة والتطبيقات المستخدم فيها التعلم العميق ؟
ثريد شامل يوضح معني التعلم العميق وطريقة استخدامه وأمثلة علي تطبيقات التعلم العميق للمبتدئين .
ما هو التعلم العميق؟
التعلم العميق هو برنامج كمبيوتر يحاكي شبكة الخلايا العصبية في الدماغ إنها مجموعة فرعية من التعلم الآلي القائم على الشبكات العصبية الاصطناعية مع التعلم التمثيلي يطلق عليه التعلم العميق لأنه يستخدم الشبكات العصبية العميقة
التعلم العميق هو برنامج كمبيوتر يحاكي شبكة الخلايا العصبية في الدماغ إنها مجموعة فرعية من التعلم الآلي القائم على الشبكات العصبية الاصطناعية مع التعلم التمثيلي يطلق عليه التعلم العميق لأنه يستخدم الشبكات العصبية العميقة
يمكن أن يكون هذا التعلم تحت إشراف supervised أو شبه خاضع للإشراف semi-supervised أو بدون إشراف unsupervised
يتم إنشاء خوارزميات التعلم العميق مع طبقات متصلة
يتم إنشاء خوارزميات التعلم العميق مع طبقات متصلة
الطبقة الأولى تسمى طبقة الإدخال
الطبقة الأخيرة تسمى طبقة الإخراج
تسمى كل الطبقات الواقعة بينها الطبقات المخفية.
تعني كلمة عميق أن الشبكة تربط الخلايا العصبية في أكثر من طبقتين
الطبقة الأخيرة تسمى طبقة الإخراج
تسمى كل الطبقات الواقعة بينها الطبقات المخفية.
تعني كلمة عميق أن الشبكة تربط الخلايا العصبية في أكثر من طبقتين
في التعلم العميق ترتبط الخلايا العصبية ببعضها البعض ستقوم الخلية العصبية بمعالجة ثم نشر إشارة الإدخال التي تستقبل الطبقة فوقها تعتمد قوة الإشارة المعطاة للخلايا العصبية في الطبقة التالية على الوزن والتحيز ووظيفة التنشيط.
تستهلك الشبكة كميات كبيرة من بيانات الإدخال وتقوم بتشغيلها من خلال طبقات متعددة ، يمكن أن تتعلم الشبكة ميزات معقدة بشكل متزايد للبيانات في كل طبقة.
عملية التعلم العميق Deep learning Process
توفر الشبكة العصبية العميقة دقة متطورة في العديد من المهام ، من اكتشاف الأشياء إلى التعرف على الكلام يمكنهم التعلم تلقائيًا ، دون معرفة محددة مسبقًا مشفرة بشكل صريح من قبل المبرمجين.
توفر الشبكة العصبية العميقة دقة متطورة في العديد من المهام ، من اكتشاف الأشياء إلى التعرف على الكلام يمكنهم التعلم تلقائيًا ، دون معرفة محددة مسبقًا مشفرة بشكل صريح من قبل المبرمجين.
لفهم فكرة التعلم العميق ، تخيل أسرة مع طفل وأبوين يشير الطفل الصغير إلى الأشياء بإصبعه الصغير ويقول دائمًا كلمة "قطة". نظرًا لأن والديه قلقون بشأن تعليمه فقد استمروا في إخباره "نعم ، هذه قطة" أو "لا ، هذه ليست قطة". يستمر الرضيع في توجيه الأشياء ولكنه يصبح أكثر دقة مع "القطط".
الطفل الصغير ، في أعماقه ، لا يعرف لماذا يقول إنها قطة أم لا لقد تعلم للتو كيفية ترتيب الميزات المعقدة الهرمية مع قطة من خلال النظر إلى الحيوان الأليف بشكل عام والاستمرار في التركيز على التفاصيل مثل الذيول أو الأنف قبل اتخاذ قرار.
تعمل الشبكة العصبية بنفس الطريقة تمثل كل طبقة مستوى أعمق من المعرفة ، أي التسلسل الهرمي للمعرفة ستتعلم الشبكة العصبية المكونة من أربع طبقات ميزة أكثر تعقيدًا من تلك التي تحتوي على طبقتين.
التعلم يحدث على مرحلتين.
تتكون المرحلة الأولى من تطبيق تحويل غير خطي للمدخلات وإنشاء نموذج إحصائي كمخرج.
تهدف المرحلة الثانية إلى تحسين النموذج بطريقة رياضية تعرف باسم المشتق.
تتكون المرحلة الأولى من تطبيق تحويل غير خطي للمدخلات وإنشاء نموذج إحصائي كمخرج.
تهدف المرحلة الثانية إلى تحسين النموذج بطريقة رياضية تعرف باسم المشتق.
تكرر الشبكة العصبية هاتين المرحلتين من مئات إلى آلاف المرات حتى تصل إلى مستوى مقبول من الدقة يسمى تكرار هذه المرحلتين بالتكرار
لإعطاء مثال التعلم العميق ، ألق نظرة على الحركة أدناه ، يحاول النموذج تعلم كيفية الرقص بعد 10 دقائق من التدريب
لإعطاء مثال التعلم العميق ، ألق نظرة على الحركة أدناه ، يحاول النموذج تعلم كيفية الرقص بعد 10 دقائق من التدريب
بعد 48 ساعة من التعلم ، يتقن الكمبيوتر فن الرقص.
تصنيف الشبكات العصبية Classification of Neural Networks
١- الشبكة العصبية الضئيلة:
تحتوي الشبكة العصبية الضئيلة على طبقة مخفية واحدة فقط بين المدخلات والمخرجات.
١- الشبكة العصبية الضئيلة:
تحتوي الشبكة العصبية الضئيلة على طبقة مخفية واحدة فقط بين المدخلات والمخرجات.
الشبكة العصبية العميقة:
تحتوي الشبكات العصبية العميقة على أكثر من طبقة واحدة على سبيل المثال ، يعد نموذج Google LeNet للتعرف على الصور 22 طبقة.
تحتوي الشبكات العصبية العميقة على أكثر من طبقة واحدة على سبيل المثال ، يعد نموذج Google LeNet للتعرف على الصور 22 طبقة.
في الوقت الحاضر ، يتم استخدام التعلم العميق بعدة طرق مثل السيارة بدون سائق ، والهاتف المحمول ، ومحرك بحث Google ، واكتشاف الاحتيال ، والتلفزيون ، وما إلى ذلك.
أنواع شبكات التعلم العميق Types of Deep Learning Networks
١- شبكات التغذية الأمامية العصبية
Feed-forward neural networks
أبسط نوع من الشبكات العصبية الاصطناعية مع هذا النوع من تتدفق المعلومات في اتجاه واحد فقط ، للأمام وهذا يعني أن تدفق المعلومات يبدأ عند طبقة الإدخال ،
١- شبكات التغذية الأمامية العصبية
Feed-forward neural networks
أبسط نوع من الشبكات العصبية الاصطناعية مع هذا النوع من تتدفق المعلومات في اتجاه واحد فقط ، للأمام وهذا يعني أن تدفق المعلومات يبدأ عند طبقة الإدخال ،
ثم ينتقل إلى الطبقات "المخفية" ، وينتهي عند طبقة الإخراج ليس لديه حلقة تكرار تتوقف المعلومات عند طبقات الإخراج.
٢- الشبكات العصبية المتكررة (RNNs) RNN
هي شبكة عصبية متعددة الطبقات يمكنها تخزين المعلومات في عقد السياق ، مما يسمح لها بتعلم تسلسل البيانات وإخراج رقم أو تسلسل آخر بكلمات بسيطة ،
تشتمل روابطها بين الخلايا العصبية على حلقات تعتبر RNNs مناسبة تمامًا لمعالجة تسلسل المدخلات.
هي شبكة عصبية متعددة الطبقات يمكنها تخزين المعلومات في عقد السياق ، مما يسمح لها بتعلم تسلسل البيانات وإخراج رقم أو تسلسل آخر بكلمات بسيطة ،
تشتمل روابطها بين الخلايا العصبية على حلقات تعتبر RNNs مناسبة تمامًا لمعالجة تسلسل المدخلات.
على سبيل المثال ، إذا كانت المهمة هي التنبؤ بالكلمة التالية في الجملة "هل تريد .........؟
* ستتلقى الخلايا العصبية RNN إشارة تشير إلى بداية الجملة.
* ستتلقى الخلايا العصبية RNN إشارة تشير إلى بداية الجملة.
* تستقبل الشبكة كلمة "هل" كمدخل وتنتج متجهًا للرقم يتم تغذية هذا المتجه مرة أخرى إلى الخلايا العصبية لتوفير ذاكرة للشبكة تساعد هذه المرحلة الشبكة على تذكر أنها تلقت كلمة "هل" وحصلت عليها في المركز الأول.
* ستنتقل الشبكة بالمثل إلى الكلمات التالية يأخذ كلمة "أنت" و "تريد" يتم تحديث حالة الخلايا العصبية عند تلقي كل كلمة.
* المرحلة الأخيرة تحدث بعد تلقي كلمة "أ" ستوفر الشبكة العصبية احتمالًا لكل كلمة إنجليزية يمكن استخدامها لإكمال الجملة
* المرحلة الأخيرة تحدث بعد تلقي كلمة "أ" ستوفر الشبكة العصبية احتمالًا لكل كلمة إنجليزية يمكن استخدامها لإكمال الجملة
الاستخدامات الشائعة لـ RNN
تساعد متداولي الأوراق المالية على إنشاء تقارير تحليلية
كشف الشذوذ في عقد القوائم المالية كشف معاملات بطاقة الائتمان الاحتيالية
توفير شرح للصور روبوتات المحادثة القوية
تساعد متداولي الأوراق المالية على إنشاء تقارير تحليلية
كشف الشذوذ في عقد القوائم المالية كشف معاملات بطاقة الائتمان الاحتيالية
توفير شرح للصور روبوتات المحادثة القوية
٣ - الشبكات العصبية التلافيفية Convolutional neural networks (CNN)
CNN
عبارة عن شبكة عصبية متعددة الطبقات ذات بنية فريدة مصممة لاستخراج ميزات معقدة بشكل متزايد من البيانات في كل طبقة لتحديد المخرجات. CNN مناسبة تمامًا للمهام الإدراكية.
CNN
عبارة عن شبكة عصبية متعددة الطبقات ذات بنية فريدة مصممة لاستخراج ميزات معقدة بشكل متزايد من البيانات في كل طبقة لتحديد المخرجات. CNN مناسبة تمامًا للمهام الإدراكية.
يتم استخدام CNN في الغالب عندما تكون هناك مجموعة بيانات غير منظمة (مثل الصور) ويحتاج الممارسون إلى استخراج المعلومات منها على سبيل المثال ، إذا كانت المهمة هي توقع تسمية توضيحية للصورة:
تتلقى سي إن إن صورة لنفترض أنها قطة ، هذه الصورة ، بمصطلح الكمبيوتر ، هي مجموعة من البكسل بشكل عام ، طبقة واحدة للصورة ذات التدرج الرمادي وثلاث طبقات للصورة الملونة.
أثناء تعلم الميزة (أي الطبقات المخفية) ، ستحدد الشبكة ميزات فريدة ، على سبيل المثال ، ذيل القطة والأذن وما إلى ذلك عندما تتعلم الشبكة جيدًا كيفية التعرف على صورة ، يمكنها توفير احتمال لكل صورة تعرفها ستصبح التسمية ذات أعلى احتمالية هي تنبؤ الشبكة.
التعلم المعزز Reinforcement Learning
التعلم المعزز هو مجال فرعي من التعلم الآلي يتم فيه تدريب الأنظمة من خلال تلقي "مكافآت" أو "عقوبات" افتراضية ، وهي التعلم عن طريق التجربة والخطأ. استخدم DeepMind من Google التعلم المعزز للتغلب على بطل بشري في ألعاب Go
التعلم المعزز هو مجال فرعي من التعلم الآلي يتم فيه تدريب الأنظمة من خلال تلقي "مكافآت" أو "عقوبات" افتراضية ، وهي التعلم عن طريق التجربة والخطأ. استخدم DeepMind من Google التعلم المعزز للتغلب على بطل بشري في ألعاب Go
يستخدم التعلم المعزز أيضًا في ألعاب الفيديو لتحسين تجربة الألعاب من خلال توفير روبوت أكثر ذكاءً من أشهر الخوارزميات المستخدمة فيه :
Q-learning
Deep Q network
State-Action-Reward-State-Action (SARSA)
Deep Deterministic Policy Gradient (DDPG)
Q-learning
Deep Q network
State-Action-Reward-State-Action (SARSA)
Deep Deterministic Policy Gradient (DDPG)
أمثلة على تطبيقات التعلم العميق
الذكاء الاصطناعي في التمويل: AI in Finance:
بدأ قطاع التكنولوجيا المالية بالفعل في استخدام الذكاء الاصطناعي لتوفير الوقت وتقليل التكاليف وإضافة القيمة يعمل التعلم العميق على تغيير صناعة الإقراض باستخدام درجات ائتمانية أكثر قوة
الذكاء الاصطناعي في التمويل: AI in Finance:
بدأ قطاع التكنولوجيا المالية بالفعل في استخدام الذكاء الاصطناعي لتوفير الوقت وتقليل التكاليف وإضافة القيمة يعمل التعلم العميق على تغيير صناعة الإقراض باستخدام درجات ائتمانية أكثر قوة
يمكن لصناع القرار بشأن الائتمان استخدام الذكاء الاصطناعي لتطبيقات الإقراض الائتماني القوية لتحقيق تقييم أسرع وأكثر دقة للمخاطر ، وذلك باستخدام الذكاء الآلي في تحديد شخصية المتقدمين وقدرتهم
Underwrite هي شركة Fintech توفر حلًا للذكاء الاصطناعي لشركة صانعي الائتمان. underwrite.ai يستخدم الذكاء الاصطناعي لاكتشاف مقدم الطلب الذي من المرجح أن يسدد القرض نهجهم يتفوق بشكل جذري على الأساليب التقليدية.
الذكاء الاصطناعي في الموارد البشرية: AI in HR:
أندر آرمور ، شركة ملابس رياضية تحدث ثورة في التوظيف وتحديث تجربة المرشح بمساعدة الذكاء الاصطناعي في الواقع ، تعمل شركة Under Armor على تقليل وقت التوظيف لمتاجر البيع بالتجزئة بنسبة 35٪.
أندر آرمور ، شركة ملابس رياضية تحدث ثورة في التوظيف وتحديث تجربة المرشح بمساعدة الذكاء الاصطناعي في الواقع ، تعمل شركة Under Armor على تقليل وقت التوظيف لمتاجر البيع بالتجزئة بنسبة 35٪.
في ذلك الوقت ، كان لدى شركة Under Armor جميع تقنيات الموارد البشرية "التي يجب أن تمتلكها" مثل حلول المعاملات لتحديد المصادر والتطبيق والتتبع والإعداد ، لكن هذه الأدوات لم تكن مفيدة بما فيه الكفاية تحت درع اختر HireVue ، مزود الذكاء الاصطناعي لحلول الموارد البشرية ،
لكل من المقابلات عند الطلب والمباشرة كانت النتائج خادعة تمكنوا من تقليل الوقت اللازم لملئه بنسبة 35٪ في المقابل ، تم تعيين موظفين ذوي جودة أعلى.
الذكاء الاصطناعي في التسويق: AI in Marketing:
الذكاء الاصطناعي هو أداة قيّمة لإدارة خدمة العملاء وتحديات التخصيص يتيح التعرف المحسن على الكلام في إدارة مركز الاتصال وتوجيه المكالمات نتيجة لتطبيق تقنيات الذكاء الاصطناعي تجربة أكثر سلاسة للعملاء على سبيل المثال ،
الذكاء الاصطناعي هو أداة قيّمة لإدارة خدمة العملاء وتحديات التخصيص يتيح التعرف المحسن على الكلام في إدارة مركز الاتصال وتوجيه المكالمات نتيجة لتطبيق تقنيات الذكاء الاصطناعي تجربة أكثر سلاسة للعملاء على سبيل المثال ،
يسمح تحليل التعلم العميق للصوت للأنظمة بتقييم النغمة العاطفية للعميل إذا كان العميل يستجيب بشكل سيئ إلى روبوت الدردشة بالذكاء الاصطناعي ، فيمكن للنظام إعادة توجيه المحادثة إلى مشغلين بشريين حقيقيين يتولون المسؤولية.
لماذا التعلم العميق مهم؟
التعلم العميق هو أداة قوية لجعل التنبؤ نتيجة قابلة للتنفيذ يتفوق التعلم العميق في اكتشاف الأنماط (التعلم غير الخاضع للإشراف) والتنبؤ القائم على المعرفة. البيانات الضخمة هي وقود التعلم العميق عندما يتم الجمع بين كليهما ،
التعلم العميق هو أداة قوية لجعل التنبؤ نتيجة قابلة للتنفيذ يتفوق التعلم العميق في اكتشاف الأنماط (التعلم غير الخاضع للإشراف) والتنبؤ القائم على المعرفة. البيانات الضخمة هي وقود التعلم العميق عندما يتم الجمع بين كليهما ،
يمكن للمؤسسة أن تجني نتائج غير مسبوقة من حيث الإنتاجية والمبيعات يمكن أن يتفوق التعلم العميق على الطريقة التقليدية على سبيل المثال تعد خوارزميات التعلم العميق أكثر دقة بنسبة 41٪ من خوارزمية التعلم الآلي في تصنيف الصور و 27٪ أكثر دقة في التعرف على الوجه و 25٪ في التعرف على الصوت
حدود التعلم العميق
وسم البيانات Data labeling
يتم تدريب معظم نماذج الذكاء الاصطناعي الحالية من خلال "التعلم الخاضع للإشراف". هذا يعني أنه يجب على البشر تسمية البيانات الأساسية وتصنيفها ، والتي يمكن أن تكون مهمة روتينية كبيرة وعرضة للخطأ على سبيل المثال ،
وسم البيانات Data labeling
يتم تدريب معظم نماذج الذكاء الاصطناعي الحالية من خلال "التعلم الخاضع للإشراف". هذا يعني أنه يجب على البشر تسمية البيانات الأساسية وتصنيفها ، والتي يمكن أن تكون مهمة روتينية كبيرة وعرضة للخطأ على سبيل المثال ،
تقوم الشركات التي تطور تقنيات السيارات ذاتية القيادة بتوظيف مئات الأشخاص لإضافة تعليق توضيحي يدويًا لساعات من خلاصات الفيديو من نماذج أولية للمركبات للمساعدة في تدريب هذه الأنظمة.
الحصول على مجموعات بيانات تدريبية ضخمة Obtain huge training datasets
لقد ثبت أن تقنيات التعلم العميق البسيطة مثل CNN يمكنها ، في بعض الحالات تقليد معرفة الخبراء في الطب والمجالات الأخرى ومع ذلك تتطلب مجموعات بيانات تدريبية لا يتم تصنيفها فحسب بل أيضًا على نطاق واسع بدرجة كافية.
لقد ثبت أن تقنيات التعلم العميق البسيطة مثل CNN يمكنها ، في بعض الحالات تقليد معرفة الخبراء في الطب والمجالات الأخرى ومع ذلك تتطلب مجموعات بيانات تدريبية لا يتم تصنيفها فحسب بل أيضًا على نطاق واسع بدرجة كافية.
تطلبت أساليب التعلم العميق الآلاف من الملاحظة حتى تصبح النماذج جيدة وفي بعض الحالات ، الملايين بالنسبة لهم لأداء على مستوى البشر أصبح التعلم العميق مشهورًا في شركات التكنولوجيا العملاقة يستخدمون البيانات الضخمة لتجميع بيتابايت من البيانات يسمح لهم بإنشاء نموذج تعلم عميق
وصف المشكلة Explain a problem
قد يكون من الصعب شرح النماذج الكبيرة والمعقدة من منظور إنساني على سبيل المثال ، لماذا تم الحصول على قرار معين إنه أحد الأسباب التي تجعل قبول بعض أدوات الذكاء الاصطناعي بطيئًا في مجالات التطبيق حيث يكون التفسير مفيدًا أو مطلوبًا بالفعل علاوة على ذلك
قد يكون من الصعب شرح النماذج الكبيرة والمعقدة من منظور إنساني على سبيل المثال ، لماذا تم الحصول على قرار معين إنه أحد الأسباب التي تجعل قبول بعض أدوات الذكاء الاصطناعي بطيئًا في مجالات التطبيق حيث يكون التفسير مفيدًا أو مطلوبًا بالفعل علاوة على ذلك
مع توسع تطبيق الذكاء الاصطناعي ، يمكن للمتطلبات التنظيمية أيضًا أن تدفع الحاجة إلى المزيد من نماذج الذكاء الاصطناعي القابلة للتفسير.
نظرة عامة على التعلم العميق:
التعلم العميق هو أحدث ما توصل إليه الذكاء الاصطناعي تتكون بنية التعلم العميق من طبقة إدخال وطبقات مخفية وطبقة إخراج تعني كلمة deep أن هناك أكثر من طبقتين متصلتين بالكامل هناك قدر هائل من الشبكات العصبية ، حيث تم تصميم كل بنية لأداء مهمة معينة
التعلم العميق هو أحدث ما توصل إليه الذكاء الاصطناعي تتكون بنية التعلم العميق من طبقة إدخال وطبقات مخفية وطبقة إخراج تعني كلمة deep أن هناك أكثر من طبقتين متصلتين بالكامل هناك قدر هائل من الشبكات العصبية ، حيث تم تصميم كل بنية لأداء مهمة معينة
على سبيل المثال ، تعمل شبكة CNN بشكل جيد جدًا مع الصور ، وتوفر RNN نتائج مبهرة مع السلاسل الزمنية وتحليل النص أصبح التعلم العميق نشطًا الآن في مجالات مختلفة ، من التمويل إلى التسويق وسلسلة التوريد والتسويق
الشركات الكبيرة هي أول من يستخدم التعلم العميق لأن لديها بالفعل مجموعة كبيرة من البيانات يتطلب التعلم العميق أن يكون لديك مجموعة بيانات تدريبية مكثفة.
مصدر الموضوع
guru99.com
guru99.com
اقرأ علي موقع الشبكة
everycoders.com
everycoders.com
أو علي مساحة الشبكة علي موقع "كورا"
qr.ae
qr.ae
جاري تحميل الاقتراحات...