homemade machine learning
1.0.0
؟؟ أوكرانيا تتعرض للهجوم من قبل الجيش الروسي. المدنيون يتعرضون للقتل. المناطق السكنية تتعرض للقصف.
- ساعد أوكرانيا عبر:
- مؤسسة سيرهي بريتولا الخيرية
- مؤسسة أعود حيا الخيرية
- البنك الوطني في أوكرانيا
- مزيد من المعلومات على war.ukraine.ua وMFA في أوكرانيا
اقرأ هذا بلغات أخرى: Español
قد تكون مهتمًا بـ:
- GPT محلية الصنع • شبيبة
- تجارب التعلم الآلي التفاعلية
للحصول على إصدار Octave/MatLab من هذا المستودع، يرجى التحقق من مشروع التعلم الآلي-octave.
يحتوي هذا المستودع على أمثلة لخوارزميات التعلم الآلي الشائعة المطبقة في لغة بايثون مع شرح الرياضيات وراءها. تحتوي كل خوارزمية على عرض توضيحي تفاعلي من Jupyter Notebook يسمح لك بالتلاعب ببيانات التدريب وتكوينات الخوارزميات ورؤية النتائج والرسوم البيانية والتنبؤات على الفور في متصفحك مباشرةً . في معظم الحالات، تعتمد التفسيرات على هذه الدورة التدريبية الرائعة للتعلم الآلي التي قدمها Andrew Ng.
الغرض من هذا المستودع ليس تنفيذ خوارزميات التعلم الآلي باستخدام الخطوط العريضة لمكتبة تابعة لجهات خارجية ، بل التدرب على تنفيذ هذه الخوارزميات من البداية والحصول على فهم أفضل للرياضيات وراء كل خوارزمية. ولهذا السبب تسمى جميع تطبيقات الخوارزميات "محلية الصنع" وليس المقصود استخدامها في الإنتاج.
في التعلم الخاضع للإشراف لدينا مجموعة من بيانات التدريب كمدخل ومجموعة من التسميات أو "الإجابات الصحيحة" لكل مجموعة تدريب كمخرجات. ثم نقوم بتدريب نموذجنا (معلمات خوارزمية التعلم الآلي) لتعيين المدخلات إلى المخرجات بشكل صحيح (للقيام بالتنبؤ الصحيح). الغرض النهائي هو العثور على معلمات النموذج التي ستستمر بنجاح في رسم خرائط الإدخال الصحيح → الإخراج (التنبؤات) حتى بالنسبة لأمثلة الإدخال الجديدة.
في مشاكل الانحدار نقوم بتنبؤات القيمة الحقيقية. نحاول بشكل أساسي رسم خط/مستوى/مستوى ذو أبعاد n على طول أمثلة التدريب.
أمثلة الاستخدام: توقعات أسعار الأسهم، وتحليل المبيعات، وتبعية أي رقم، وما إلى ذلك.
country happiness حسب economy GDPcountry happiness حسب economy GDP freedom indexفي مشاكل التصنيف نقوم بتقسيم أمثلة المدخلات حسب خصائص معينة.
أمثلة الاستخدام: مرشحات البريد العشوائي، واكتشاف اللغة، والعثور على مستندات مماثلة، والتعرف على الحروف المكتوبة بخط اليد، وما إلى ذلك.
class زهرة القزحية بناءً على petal_length وعرض petal_widthvalidity الرقاقة الدقيقة بناءً على param_1 و param_228x28 بكسل28x28 بكسل التعلم غير الخاضع للرقابة هو فرع من التعلم الآلي الذي يتعلم من بيانات الاختبار التي لم يتم تصنيفها أو تصنيفها أو تصنيفها. بدلاً من الاستجابة للتعليقات، يحدد التعلم غير الخاضع للرقابة القواسم المشتركة في البيانات ويتفاعل بناءً على وجود أو عدم وجود مثل هذه القواسم المشتركة في كل جزء جديد من البيانات.
في تجميع المشاكل قمنا بتقسيم أمثلة التدريب حسب خصائص غير معروفة. تقرر الخوارزمية نفسها الخاصية التي سيتم استخدامها للتقسيم.
أمثلة الاستخدام: تجزئة السوق، وتحليل الشبكات الاجتماعية، وتنظيم مجموعات الحوسبة، وتحليل البيانات الفلكية، وضغط الصور، وما إلى ذلك.
petal_length وعرض petal_widthاكتشاف الحالات الشاذة (أيضًا الكشف الخارجي) هو تحديد العناصر أو الأحداث أو الملاحظات النادرة التي تثير الشكوك من خلال اختلافها بشكل كبير عن غالبية البيانات.
أمثلة الاستخدام: كشف التسلل، كشف الاحتيال، مراقبة صحة النظام، إزالة البيانات الشاذة من مجموعة البيانات وما إلى ذلك.
latency threshold الشبكة العصبية نفسها ليست خوارزمية، بل هي إطار عمل للعديد من خوارزميات التعلم الآلي المختلفة للعمل معًا ومعالجة مدخلات البيانات المعقدة.
أمثلة الاستخدام: كبديل لجميع الخوارزميات الأخرى بشكل عام، التعرف على الصور، التعرف على الصوت، معالجة الصور (تطبيق نمط معين)، ترجمة اللغة، إلخ.
28x28 بكسل28x28 بكسل 
مصدر خريطة موضوعات التعلم الآلي التالية هو منشور المدونة الرائع هذا
تأكد من تثبيت Python على جهازك.
قد ترغب في استخدام مكتبة Python القياسية venv لإنشاء بيئات افتراضية وتثبيت Python و pip وجميع الحزم التابعة وتقديمها من دليل المشروع المحلي لتجنب العبث بالحزم على مستوى النظام وإصداراتها.
قم بتثبيت كافة التبعيات المطلوبة للمشروع عن طريق تشغيل:
pip install -r requirements.txtيمكن تشغيل جميع العروض التوضيحية في المشروع مباشرةً في متصفحك دون تثبيت Jupyter محليًا. ولكن إذا كنت تريد تشغيل Jupyter Notebook محليًا، فيمكنك القيام بذلك عن طريق تشغيل الأمر التالي من المجلد الجذر للمشروع:
jupyter notebook بعد ذلك، سيتم الوصول إلى Jupyter Notebook عبر http://localhost:8888 .
يحتوي كل قسم من أقسام الخوارزمية على روابط تجريبية إلى Jupyter NBViewer. يعد هذا معاينة سريعة عبر الإنترنت لأجهزة الكمبيوتر المحمولة Jupyter حيث يمكنك رؤية التعليمات البرمجية التجريبية والمخططات والبيانات مباشرة في متصفحك دون تثبيت أي شيء محليًا. في حالة رغبتك في تغيير الكود وتجربة دفتر الملاحظات التجريبي، فأنت بحاجة إلى تشغيل دفتر الملاحظات في Binder. يمكنك القيام بذلك بمجرد النقر على الرابط "التنفيذ على Binder" الموجود في الزاوية اليمنى العليا من NBViewer.
يمكن العثور على قائمة مجموعات البيانات المستخدمة في عروض Jupyter Notebook التجريبية في مجلد البيانات.
يمكنك دعم هذا المشروع عبر ❤️️ GitHub أو ❤️️ Patreon.
