الـ Overfitting والـ Underfitting من أهم المواضيع المرتبطة بتدريب الـ Model في الـ Machine Learning وعشان نفهم الفرق بينهم بشكل كويس هنتناول الموضوع بشكل مختلف وبسيط.
لسه بنقول فهمنا ChatGPT بيشتغل ازاي طلع لنا Google بـ Gemini, فخلونا نسيب كل ده على جمب ونرجع للأساسيات ونسأل ايه هو الفرق بين الـ AI vs Machine Learning vs Deep Learning ؟
تحدثنا في الجزء السابق عن الـ Artificial Neural Network بشكل نظري وتناولنا الهيكل الأساسي للشبكات العصبية الاصطناعية بالإضافة للحديث عن الـ Activation Functions وانتهاءًا بالـ Back Propagation.
ال Generative AI هو فئة من فئات الـ AI اللي عندها القدرة على إنتاج محتوى جديد, سواء ردود على اسئلة أو صور أو مقاطع صوت أو فيديو ، وفي الواقع النوع دا من ال AI مش حاجة جديدة بل موجود من 1960 و احنا اتعاملنا معاه كتير قبل ChatGPt في هيئة ال Chat Bots ودي AI Apps قادرة تعمل محادثات زي البشر.
الشبكات العصبية الاصطناعية أو ما يعرف بالـ Artificial Neural Networks، الحاجة دي زي الدماغ بالنسبة للماكينات، والاسم لوحده بيخلي الواحد يتسائل: “دماغ للماكينة؟ إزاي ده؟”
الـFeature Engineering في مجال الذكاء الاصطناعيهو عملية استخدام المعرفة المتعلقة بالمجال البيانات لإنشاء سمات (ميزات) تساعد خوارزميات التعلم الآلي على العمل بشكل أفضل
هل يكون عقلنا في مرحلة الطفولة المبكرة قادرًا على حل المسائل الحسابية المعقدة، أو تأليف الروايات أو قراءة الكتب مثلًا؟ الإجابة ببساطة: لا! فلم لا؟ لأن في ذلك الوقت عقلنا لم يكن متعلمًا، وبالقياس، تكون الآلات قادرة على القيام بوظائف أعقد وأعقد بعد مرورها بمرحلة من التعلم
2 دقيقة قراءة
اشترك الآن بنشرة اقرأ-تِك الإخبارية
لا تدع أي شيء يفوتك. واحصل على أحدث المقالات المميزة مباشرة إلى بريدك الإلكتروني وبشكل مجاني!