ما هي ASP.NET؟ إطار الويب ومسار الطلب في Core
تتبع طلبًا إلى نقطة النهاية، ثم افصل إطار التطبيق عن المحرر وإصدار Framework.
تقنية (الصفحة 11)
أفكار وأدوات رقمية بلغة مفهومة.
1191 مقالًا
النموذج المتعلم والبرنامج القائم على القواعد: متى نستخدم كل منهما؟
الفرق بين تعلم الآلة والبرمجة القائمة على القواعد: يتعلم النموذج علاقة من أمثلة، وتحدد القواعد شروطا صريحة. [1]
التصنيف والانحدار في تعلم الآلة: الفئة أم القيمة العددية؟
الفرق بين التصنيف والانحدار يظهر في النتيجة التي تريد توقعها: التصنيف يختار فئة، والانحدار يتوقع قيمة عددية. كلاهما يستخدم في التعلم الخاضع للإشراف، لكن وصف السؤال يحدد المهمة المناسبة. [1]
الميزات والتسميات في تعلم الآلة: ما يدخل إلى النموذج وما يتوقعه؟
الميزات والتسميات في تعلم الآلة تؤدي أدوارا مختلفة: الميزات معلومات يستخدمها النموذج، والتسمية هي النتيجة المعروفة التي يتعلم توقعها في التعلم الخاضع للإشراف. لا تحدد أسماء الأعمدة دورها؛ يحدده السؤال الذي صغته. [1]
العينة ومجموعة البيانات في تعلم الآلة: ما الذي نعده فعلا؟
العينة ومجموعة البيانات في تعلم الآلة تحتاجان توضيحا: قد تعني العينة ملاحظة تعلم واحدة، أو مجموعة مختارة إحصائيا. مجموعة البيانات تضم الملاحظات. [1] [2] [3]
بيانات التدريب والتحقق والاختبار: لماذا نفصلها؟
نفصل بيانات التدريب والتحقق والاختبار حتى لا نختبر قدرة النموذج على أمثلة استخدمها في التعلم أو في اختيار إعداداته. التدريب يبني النموذج، والتحقق يساعد على المقارنة أثناء التطوير، والاختبار يفحص الاختيار النهائي على بيانات منفصلة. [1]
البيانات المنظمة وشبه المنظمة وغير المنظمة: كيف نميزها؟
الفرق بين البيانات المنظمة وشبه المنظمة وغير المنظمة يتعلق بطريقة تنظيم محتواها للتحليل. المنظمة تتبع حقولا محددة، وشبه المنظمة تحمل مفاتيح أو علامات مع مرونة في السجلات، وغير المنظمة لا تقدم محتواها مباشرة في جدول حقول ثابتة. [1]
الحقيقة المرجعية في تعلم الآلة: لماذا نراجع الإجابة الصحيحة؟
الحقيقة المرجعية في تعلم الآلة هي الإجابة أو القياس الموثوق الذي نقارن به مخرجات النموذج ونستخدمه في أمثلة التعلم الموجه. لكنها تحتاج إلى تحقق من طريقة الحصول عليها؛ تخزين تسمية بجانب مثال لا يجعلها صحيحة تلقائيا. [1]
الارتباط والسببية في الذكاء الاصطناعي: هل التنبؤ يثبت السبب؟
الفرق بين الارتباط والسببية في الذكاء الاصطناعي هو الفرق بين ملاحظة علاقة في البيانات وإثبات أثر تغيير عامل. قد يساعد ارتباط على التنبؤ، لكنه لا يثبت أن تغيير المتغير المرتبط سيغير النتيجة. [1]
قاعدة البيانات ومجموعة البيانات في تعلم الآلة: ما الفرق؟
قاعدة البيانات تنظم بيانات مخزنة وتتيح إدارتها، أما مجموعة البيانات فتحدد ملاحظات نستخدمها لغرض تحليلي أو تعليمي معين. قد تستخرج مجموعة من قاعدة، وقد توجد في ملف مستقل. الفرق يتعلق بالدور والنطاق، وليس بمجرد اسم البرنامج. [1] [2]
تعلم الآلة والتنقيب عن البيانات: كيف يرتبطان؟
تعلم الآلة والتنقيب عن البيانات مجالان متداخلان. يركز تعلم الآلة على تعلم أنماط من البيانات لأداء مهمة، بينما يتناول التنقيب اكتشاف أنماط مفيدة ضمن عملية تحليل قد تستخدم تعلم الآلة والإحصاء وأدوات أخرى. لذلك لا يلزم اختيار أحدهما وإلغاء الآخر. [1] [2]
قاعدة المعرفة وقاعدة البيانات في الذكاء الاصطناعي: ما الفرق؟
قاعدة البيانات تركز على تنظيم بيانات مخزنة وإدارتها. وفي الذكاء الاصطناعي الرمزي، تمثل قاعدة المعرفة عبارات نفترض صحتها ونستخدمها للاستدلال. وقد تُحفظ هذه المعرفة داخل قاعدة بيانات؛ فالمقارنة بين دورين يمكن أن يجتمعا في نظام واحد. [1] [2]
ما النموذج الرياضي في تعلم الآلة؟ شرح المدخلات والعلاقة والافتراضات
النموذج الرياضي يصف علاقة باستخدام رموز وقواعد حساب. في مثال الانحدار الخطي، نحسب ناتجا متوقعا من مدخل ووزن وانحياز تتحدد قيمتهما أثناء التدريب. المعادلة توضح شكل العلاقة، لكنها لا تثبت وحدها أن التوقع صحيح. [1]
الخوارزمية والنموذج في تعلم الآلة: ما الذي نصفه وما الذي نحفظه؟
الخوارزمية تصف خطوات إجراء، وفي تعلم الآلة تحدد خوارزمية التعلم كيفية بناء نموذج من البيانات. أما النموذج المدرب فيحتفظ بما نتج عن هذه العملية ليستخدم في التوقع. وقد تنتج طريقة تعلم واحدة نماذج مختلفة عند تدريبها على بيانات مختلفة. [1] [2]
معلمات النموذج والمعلمات الفائقة: كيف نفرق بين القيم المتعلمة والإعدادات؟
معلمات النموذج، بالمعنى الإحصائي، قيم يتحدد بها النموذج ويقدرها التدريب، مثل الوزن والانحياز. أما المعلمات الفائقة فتضبط جوانب التعلم، مثل معدل التعلم وحجم الدفعة. وقد تسمي واجهة برمجية الإعدادات أيضا parameters، لذلك يجب قراءة سياق المصطلح. [1] [2]
خط الأساس في تعلم الآلة: لماذا نبدأ بحل بسيط للمقارنة؟
خط الأساس نتيجة حل بسيط نستخدمه مرجعا عند تقييم حل أكثر تعقيدا. ومن أمثلته مصنف يتجاهل ميزات الإدخال ويختار الفئة الأكثر تكرارا في بيانات التدريب. يفيد المرجع في معرفة ما أضافه النموذج، ولا يمثل وحده مستوى جودة مقبولا للخدمة. [1]
كيف نحول مشكلة عملية إلى سؤال واضح لتعلم الآلة؟
صياغة مشكلة تعلم الآلة تبدأ بما تريد تحقيقه في العمل، ثم تحدد الناتج الذي سيقدمه النموذج وكيف سيستخدمه النظام. تفرق إرشادات Google بين النتيجة المثالية للمنتج وهدف النموذج، وبين نجاح الخدمة ومقاييس التقييم. لا يكفي طلب «إضافة ذكاء اصطناعي». [1]
مجموعة البيانات البيانية: كيف نمثل الأشياء والعلاقات بينها؟
تمثيل العلاقات في مجموعة بيانات بيانية يعني وصف الأشياء بعقد، والروابط بينها بحواف لها معنى محدد. يمكن حفظ خصائص للشيء أو للعلاقة، مثل اسم كتاب أو تاريخ استعارة. وتستخدم أنظمة مثل Azure Digital Twins العقد والعلاقات لتمثيل بيئة مترابطة. [1]