علوم24

التعلم الآلي عادة يقسم الى اربع فئات رئيسية هي التعلم تحت الاشراف Supervised Learning  ، والتعلم بدون اشراف Unsupervised Learning ، وتعلم التعزيز Reinforcement Learning ، والتعلم شبه الخاضع للاشراف  Semi-Supervised Learning حيث سيتم التحدث في هذه المقالة عن هذه  الفئات الاربع  التعلم تحت الاشراف Supervised Learning في هذا النوع قد لا تعرف العلاقات الداخلية للبيانات التي تقوم بمعالجتها ، لكنك تعرف جيدا أي المخرجات التي تحتاجها من النموذج الخاص بك. فمثلا: "التنبؤ بفترة إلغاء المستخدمون اشتراكاتهم." هنا نجد آن مخرجات نموذجك محددة وهي: " هل سيقوم المستخدم X بالغاء اشتراكه ". ما قد لا تعرفه بعد هو كيفية معرفة المستخدمين الذين سيلغون إ شتراكهم   . لذا يمكنك استخدام مجموعة من البيانات الموجودة لتدريب نموذج ما على التنبؤ بهذا الجانب الخاص بمستخدمك. عادة ما يستخدم تدريب  النموذج جزءا من البيانات " للتعلم " training ،  وجزءا من البيانات للتحقق من مدى دقة النموذج وقياسه  test.  مثلا اذا كان لديك 10000 مستخدم. من هؤلاء 5000 تم الغاء اشتراكهم ، و 5000 لا يزالون مشتر

تعلم الآلة الان موجود في كل مكان، وانت غالبا ماتستخدمه بطريقة أو بأخرى، حتى دون ان تعرف ذلك. هنالك الكثير من تطبيقات التعلم الآلي الشائعة سنذكر في هذا الباب أمثله لبعض منها التنبوء بشكل الانسان يتكون الحمض النووي للانسان من ثلاثة مليار زوج من الحروف ( A,C,T,G ) هذه المليارات تحمل الكثير من المعلومات عن الانسان وتعتبر من البيانات الضخمة التي تستفيد منها خوارزميات تعلم الآلة لاستخراج الكثير من المعارف. هنالك فريق من 41عالما من علماء البيانات وغيرهم من الباحثين، يسعون لاستخدام تعلم الآلة للتنبوء بشكل الانسان من خلال حمضه النووي. حيث يتم إستخدام ألاف التسلسلات من الجينوم البشري ، وربطها مع بيانات اخرى عن البشر تشمل ( phynotypes, 3D scan, NMR, etc ) في قواعد بيانات  ضخمة . وجعل تعلم الآلة تتدرب عليها وتربط بينها بعلاقات وتنشئ نماذج تستخدمها في رسم شكل الشخص من خلال حمضه النووي. يسعى هذا المشروع لجعل الآلة (ومن خلال ربطها للعلاقات بين الجينوم البشري والصفات البشرية الاخرى التي تم جمعها) من القدرة على التنبوء بصفات أي شخص من خلال حمضه النووي. مثل الطول، لون العينين، لون الجسد، العمر، شكل الوج