الدرس 17: التعلم الموجّه (Supervised Learning) – كيف تتعلم النماذج باستخدام بيانات مُعلّمة؟

بعد أن تعرفنا على مفهوم تعلم الآلة، حان الوقت للدخول إلى أحد أهم أنواعه: التعلم الموجّه، وهو الأسلوب الذي تعتمد عليه كثير من التطبيقات الذكية الحديثة.

سلسلة تعلم الذكاء الاصطناعي

التعلم الموجّه هو الطريقة التي يتعلم بها النموذج من أمثلة تحتوي على المدخلات والإجابات الصحيحة معًا، ثم يحاول بعد ذلك التنبؤ بإجابات جديدة لم يرها من قبل.

جدول المحتويات

• ما هو التعلم الموجّه؟
• كيف يعمل Supervised Learning؟
• أمثلة واقعية على التعلم الموجّه
• أنواع التعلم الموجّه
• مثال عملي باستخدام Python
• متى نستخدم هذا النوع من التعلم؟
• خلاصة الدرس

ما هو التعلم الموجّه؟

التعلم الموجّه هو نوع من تعلم الآلة يتم فيه تدريب النموذج على بيانات تحتوي على:

• المدخلات (Inputs): وهي البيانات التي نعطيها للنموذج.
• المخرجات (Outputs): وهي الإجابات الصحيحة المرتبطة بهذه البيانات.

الهدف هو أن يتعلم النموذج العلاقة بين المدخلات والمخرجات، حتى يتمكن لاحقًا من إعطاء إجابة صحيحة عندما تصله بيانات جديدة.

الفكرة ببساطة: نحن نعرض على النموذج أمثلة محلولة، ثم نطلب منه لاحقًا حل أمثلة جديدة بنفسه.

كيف يعمل Supervised Learning؟

في التعلم الموجّه، نبدأ بجمع بيانات معروفة النتائج. ثم نقوم بتدريب النموذج عليها، وبعد ذلك نختبره على بيانات جديدة لنعرف هل تعلّم فعلاً أم لا.

تمر العملية غالبًا بالمراحل التالية:

• جمع البيانات وتجهيزها.
• تحديد المدخلات والإجابات الصحيحة.
• تدريب النموذج على هذه البيانات.
• اختبار النموذج على أمثلة جديدة.
• قياس نسبة الخطأ وتحسين الأداء.

كلما كانت البيانات أوضح وأكثر دقة، كان النموذج أقدر على التعلم بشكل صحيح.

أمثلة واقعية على التعلم الموجّه

هذا النوع من التعلم يستخدم في مجالات كثيرة جدًا، لأنه مناسب للمشاكل التي نملك فيها أمثلة مع إجابات صحيحة.

التنبؤ بالأسعار

مثل توقع سعر منزل اعتمادًا على المساحة والموقع وعدد الغرف.

تصنيف الرسائل

مثل تحديد ما إذا كانت الرسالة بريدًا مزعجًا أم رسالة عادية.

التعرف على الصور

مثل تمييز صورة قطة من صورة كلب باستخدام بيانات مُعلّمة مسبقًا.

أنواع التعلم الموجّه

ينقسم التعلم الموجّه غالبًا إلى نوعين رئيسيين:

1. الانحدار (Regression)

نستخدمه عندما نريد من النموذج أن يتنبأ بقيمة رقمية. مثل: التنبؤ بسعر سيارة، أو درجة حرارة، أو أرباح متجر.

2. التصنيف (Classification)

نستخدمه عندما نريد من النموذج أن يتنبأ بفئة أو تصنيف. مثل: هل هذه الرسالة Spam أم Not Spam؟ هل هذه الصورة لقط أم كلب؟

إذا كانت النتيجة رقمًا، فنحن غالبًا أمام Regression. وإذا كانت النتيجة اسم فئة أو نوعًا، فنحن غالبًا أمام Classification.

مثال عملي باستخدام Python

لنفترض أننا نريد تدريب نموذج بسيط للتنبؤ بقيمة معينة، مثل السعر أو النتيجة، باستخدام خوارزمية الانحدار الخطي.

from sklearn.linear_model import LinearRegression model = LinearRegression() model.fit(X_train, y_train) prediction = model.predict([[120]]) print(prediction)

في هذا المثال:

• model = LinearRegression() لإنشاء النموذج.
• model.fit(X_train, y_train) لتدريب النموذج على بيانات التدريب.
• model.predict() لاستخدام النموذج في التنبؤ بقيمة جديدة.

معنى ذلك أن النموذج يحاول فهم العلاقة بين البيانات المدخلة والنتيجة المطلوبة، ثم يستخدم ما تعلّمه في التنبؤ.

متى نستخدم هذا النوع من التعلم؟

نستخدم التعلم الموجّه عندما تكون لدينا بيانات تحتوي بالفعل على الإجابات الصحيحة. بمعنى آخر: عندما نملك أمثلة سابقة يمكن للنموذج أن يتعلم منها.

• عندما نريد التنبؤ بشيء معروف النمط.
• عندما نملك بيانات تاريخية مع نتائجها.
• عندما نحتاج إلى تصنيف أو تقدير قيمة مستقبلية.

لا يمكن استخدام التعلم الموجّه بكفاءة إذا لم تكن لدينا بيانات مُعلّمة أو كانت الإجابات غير دقيقة.

خلاصة الدرس

في هذا الدرس تعرفنا على التعلم الموجّه، وهو أحد أهم أنواع تعلم الآلة. كما فهمنا أنه يعتمد على بيانات تحتوي على مدخلات وإجابات صحيحة، وتعلمنا أيضًا الفرق بين الانحدار والتصنيف، ورأينا مثالًا عمليًا بسيطًا باستخدام Python.

هذا النوع من التعلم هو الأساس في عدد كبير من تطبيقات الذكاء الاصطناعي، لذلك فهمه جيدًا يساعدك على الانتقال إلى المراحل العملية بثقة أكبر.

هل فهمت الدرس؟

جرّب الإجابة عن هذه الأسئلة بنفسك:

• ما المقصود بالتعلم الموجّه؟
• ما الفرق بين Regression و Classification؟
• لماذا يحتاج هذا النوع إلى بيانات مُعلّمة؟
• ما وظيفة model.fit() داخل الكود؟

الدرس القادم

بعد أن فهمنا كيف تتعلم النماذج باستخدام بيانات مُعلّمة، سننتقل في الدرس القادم إلى نوع آخر مهم وهو: التعلم غير الموجّه (Unsupervised Learning)، حيث يحاول النموذج اكتشاف الأنماط بنفسه دون وجود إجابات جاهزة.

اقرأ الدرس القادم العودة إلى الدرس السابق

هل أعجبك هذا الدرس؟

شاركني في التعليقات: أيهما أسهل في نظرك، التنبؤ بالأرقام أم تصنيف البيانات؟ ولماذا؟

💬 سؤال للنقاش: هل ترى أن التعلم الموجّه هو أكثر أنواع تعلم الآلة استخدامًا في التطبيقات اليومية؟