أنواع تعلم الآلة - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

--- SECTION: التعلم غير الموجه (Unsupervised Learning) --- التعلم غير الموجه (Unsupervised Learning) هو نوع من تعلم الآلة تعمل فيه الخوارزمية بموجب بيانات غير معنونة (Unlabeled) في محاولة لإيجاد الأنماط والعلاقات بين البيانات، ومن الأمثلة عليه: • الكشف عن الاختلاف (Anomaly Detection)، مثل: تحديد الأنماط غير العادية في البيانات. • التجميع (Clustering)، مثل: تجميع البيانات ذات الخصائص المتشابهة. • تقليص الأبعاد (Dimensionality Reduction)، مثل: اختيار الأبعاد المستخدمة للحد من تعقيد البيانات.--- SECTION: التعلم المعزز (Reinforcement Learning) --- التعلم المعزز (Reinforcement Learning) هو نوع من تعلم الآلة تتفاعل فيه الآلة مع البيئة المحيطة وتتعلم عبر المحاولة والخطأ أو تلقي المكافأة والعقاب، ومن الأمثلة عليه: • لعب الألعاب، مثل: لعبة الشطرنج أو لعبة قو (GO). • الروبوتية، مثل: تعليم الروبوت كيف يتنقل في البيئة المحيطة به. • تخصيص الموارد، مثل: تحسين استخدام الموارد في شبكة ما.--- SECTION: شكل 3.2: تمثيل التعلم الموجه --- شكل 3.2: تمثيل التعلم الموجه--- SECTION: جدول 3.1 --- جدول 3.1 يلخص مزايا أنواع تعلم الآلة وعيوبها.--- SECTION: جدول 3.1: مزايا أنواع تعلم الآلة، وعيوبها --- جدول 3.1: مزايا أنواع تعلم الآلة، وعيوبها--- SECTION: المزايا والعيوب --- المزايا العيوب--- SECTION: التعلم الموجه (مزايا) --- التعلم الموجه • أثبت كفاءة وفعالية كبيرة ويستخدم على نطاق واسع. • سهل الفهم والتطبيق. • يمكنه التعامل مع البيانات الخطية وغير الخطية على حد سواء.--- SECTION: التعلم الموجه (عيوب) --- التعلم الموجه • يتطلب بيانات معنونة، والتي قد تكون مرتفعة التكلفة. • يقتصر استخدامه على المهمة التي تم تدريبه عليها، وقد لا يمكنه إعطاء التنبؤ الصحيح للبيانات الجديدة. • يصعب تكيفه مع المشكلات الأخرى في حالات النماذج المعقدة جداً.--- SECTION: التعلم غير الموجه (مزايا) --- التعلم غير الموجه • لا يتطلب بيانات معنونة، مما يجعله أكثر مرونة. • يمكنه اكتشاف الأنماط الخفية في البيانات. • يمكنه التعامل مع البيانات الضخمة والمعقدة.--- SECTION: التعلم غير الموجه (عيوب) --- التعلم غير الموجه • أصعب من التعلم الموجه من حيث الفهم والتفسير. • يقتصر على التحليل الاستكشافي، وقد لا يناسب عمليات صنع القرار. • يصعب تكيفه مع المشكلات الأخرى في حالات النماذج المعقدة جداً.--- SECTION: التعلم المعزز (مزايا) --- التعلم المعزز • يتسم بالمرونة، ويمكنه التعامل مع البيئات المعقدة والمتغيرة باستمرار. • يمكنه التعلم من التجارب السابقة وتحسين الكفاءة مع مرور الوقت. • يتناسب مع عمليات صنع القرار مثل لعب الألعاب والروبوتية.--- SECTION: التعلم المعزز (عيوب) --- التعلم المعزز • أكثر تعقيداً من التعلم الموجه وغير الموجه. • صعوبة تصميم نظم مكافآت تحدد السلوك المطلوب بشكل دقيق. • قد يتطلب مجموعات كبيرة من بيانات التدريب والموارد الحسابية.2025 - 1447--- VISUAL CONTEXT --- **DIAGRAM**: شكل 3.2: تمثيل التعلم الموجه Description: A flowchart-like diagram illustrating the process of supervised learning. It shows an algorithm processing training data and desired output to create a model. This model is then tested with test data to produce a predicted output, which is compared to various categorized outputs (represented by colored triangles, circles, and squares). The process starts with an 'الخوارزمية' (Algorithm) and 'مجموعة بيانات التدريب' (Training Data Set) leading to 'النموذج' (Model) and 'المخرج المطلوب' (Desired Output). The model then takes 'مجموعة بيانات الاختبار' (Test Data Set) to produce 'المخرج المتوقع' (Predicted Output), which is then classified into distinct categories. Key Values: الخوارزمية, مجموعة بيانات التدريب, المخرج المطلوب, النموذج, مجموعة بيانات الاختبار, المخرج المتوقع Context: This diagram visually explains the workflow of supervised machine learning, showing how an algorithm learns from labeled data to build a model for prediction and classification.**TABLE**: جدول 3.1: مزايا أنواع تعلم الآلة، وعيوبها Description: A comparative table outlining the advantages (المزايا) and disadvantages (العيوب) of three types of machine learning: Supervised Learning (التعلم الموجه), Unsupervised Learning (التعلم غير الموجه), and Reinforcement Learning (التعلم المعزز). Table Structure: Headers: المزايا | العيوب Rows: Row 1: التعلم الموجه | • أثبت كفاءة وفعالية كبيرة ويستخدم على نطاق واسع. • سهل الفهم والتطبيق. • يمكنه التعامل مع البيانات الخطية وغير الخطية على حد سواء. | • يتطلب بيانات معنونة، والتي قد تكون مرتفعة التكلفة. • يقتصر استخدامه على المهمة التي تم تدريبه عليها، وقد لا يمكنه إعطاء التنبؤ الصحيح للبيانات الجديدة. • يصعب تكيفه مع المشكلات الأخرى في حالات النماذج المعقدة جداً. Row 2: التعلم غير الموجه | • لا يتطلب بيانات معنونة، مما يجعله أكثر مرونة. • يمكنه اكتشاف الأنماط الخفية في البيانات. • يمكنه التعامل مع البيانات الضخمة والمعقدة. | • أصعب من التعلم الموجه من حيث الفهم والتفسير. • يقتصر على التحليل الاستكشافي، وقد لا يناسب عمليات صنع القرار. • يصعب تكيفه مع المشكلات الأخرى في حالات النماذج المعقدة جداً. Row 3: التعلم المعزز | • يتسم بالمرونة، ويمكنه التعامل مع البيئات المعقدة والمتغيرة باستمرار. • يمكنه التعلم من التجارب السابقة وتحسين الكفاءة مع مرور الوقت. • يتناسب مع عمليات صنع القرار مثل لعب الألعاب والروبوتية. | • أكثر تعقيداً من التعلم الموجه وغير الموجه. • صعوبة تصميم نظم مكافآت تحدد السلوك المطلوب بشكل دقيق. • قد يتطلب مجموعات كبيرة من بيانات التدريب والموارد الحسابية. Data: The table provides bulleted lists of characteristics for each learning type under the 'Advantages' and 'Disadvantages' columns. Context: This table serves as a quick reference for students to understand the trade-offs and suitable applications for each major type of machine learning.