| 134
وفعال دون الحاجة إلى تدخل بشري. يمكن استخدام نتائج التجميع في العديد من التطبيقات مثل التصنيف وتقديم التوصيات وتحسين األداء. لنفتــرض أن لدينا مجموعة كبيرة من البيانــات تتضمن معلومات عن عمالء مثــال: متجر للتجزئة، ونريد تقسيم هؤالء العمالء إلى مجموعات استنادًا إلى أنماط التسوق الخاصة بهم. يمكن اســتخدام خوارزميات التجمع الكتشاف األنماط المشتركة بين العمالء، بعدها يجري تجميع العمالء في مجموعات استنادًا إلى تلك األنماط. على ســبيل المثال، قد يتم تجميع العمالء الذين يشترون منتجات إلكترونية في مجموعة والعمالء الذين يشــترون مالبس في مجموعة أخــرى. بعد التجميع، يمكن للمتجر تكييف إســتراتيجيات التسويق وتقديم العروض والخدمات بناء على احتياجات كل مجموعة بشكل أفضل؛ مما يساعد في تحسين تجربة العمالء وزيادة المبيعات.
)Deep Learning( . التعلم العميق 3 )Deep Learning - DL( التعلم العميق
التعلم العميق هو فرع من مجال التعلم اآللي والذكاء االصطناعي يركز على استخدام شــبكات عصبية اصطناعية متعددة الطبقات لفهم واســتخالص المعرفة من البيانات مشــابهة أو مقاربة لطريقة العقل البشــري. يُعتبر التعلم العميق أحد أكثر األســاليب تطــورًا فــي مجال التعلم اآللي وقد أدى إلى تحســين كبير في القدرة على معالجة )14( البيانات وفهمها بشكل متقدم. التعلم العميق هو جزء أساســي من الذكاء االصطناعي. عالقته بالذكاء االصطناعي: يُســتخدم في تطوير النماذج الذكية التي تستند إلى الشبكات العصبية لفهم ومعالجة البيانــات. يعتمد العديــد من تطبيقات الذكاء االصطناعي علــى التعلم العميق مثل تصنيف الصور والترجمة اآللية واستخراج المعلومات من النصوص. لنفترض أن لدينا تطبيقًا للتعرف على األشياء في الصور. نستخدم التعلم العميق مثال: لتدريــب نموذج يمكنه التعرف على الكائنــات في الصور بدقة. الخطوات التطبيقية تشــمل تجميع مجموعة كبيرة من الصور المصنفة مســبقًا (مثل الصور التي تحمل توقيعات توضيحية لألشــياء)، ثم تدريب أنموذج تعلم عميق باســتخدام هذه الصور واستخدام شبكة عصبية متعددة الطبقات. بعدها يتم اختبار األنموذج باستخدام صور
Made with FlippingBook Online newsletter