ما هو التعلم الآلي؟

  • مقالة

التعلم الآلي هو تقنية علم البيانات التي تسمح لأجهزة الكمبيوتر باستخدام البيانات الموجودة للتنبؤ بالسلوكيات والنتائج والاتجاهات المستقبلية. عند استخدام التعلم الآلي، يتعلم الكمبيوتر بدون برمجته صراحة. تستخدم أدوات التعلم الآلي أنظمة الذكاء الاصطناعي التي توفر القدرة على تحديد الأنماط وإنشاء اقترانات من التجربة مع البيانات.

يمكن أن تجعل تنبؤات أو تنبؤات التعلم الآلي التلقائي التطبيقات والأجهزة أكثر ذكاء. على سبيل المثال، عندما تتسوق إلكترونيا، يساعد التعلم الإلكتروني على تقديم النصح لك حول منتجات أخرى في ضوء ما اشتريته. أو عند تمرير بطاقة الائتمان الخاصة بك، يقارن التعلم الآلي المعاملة بقاعدة بيانات للمعاملات ويساعد في اكتشاف الاحتيال. وعندما تكنس مكنستك الروبوتية غرفة، يساعدها التعلم الآلي على اتخاذ قرار عما إذا كانت المهمة قد أُنجزت أم لا.

أدوات التعلم الآلي لتناسب كل مهمة

يوفر التعلم الآلي Azure جميع الأدوات التي يحتاجها مطورو البيانات وعلماء البيانات لتسيير عمل التعلم الآلي، بما في ذلك:

يمكنك حتى استخدام MLflow لتعقب المقاييس وتوزيع النماذج أو Kubeflow لإنشاء مسارات سير عمل شاملة.

إنشاء نماذج التعلم الآلي في Python أو R

ابدأ التدريب على جهازك المحلي باستخدام التعلم الآلي من Microsoft Azure Python SDK أو R SDK. ثم، يمكنك توسيع النطاق إلى السحابة. مع العديد من أهداف الحوسبة المتوفرة، مثل حساب التعلم الآلي من Microsoft Azure وAzure Databricks، ومع خدمات ضبط المعلمات الفائقة المتقدمة، يمكنك إنشاء نماذج أفضل بشكل أسرع باستخدام قوة السحابة. يمكنك أيضاً أتمتة تدريب الطراز وضبطه باستخدام SDK.

إنشاء نماذج التعلم الآلي باستخدام أدوات بدون تعليمات برمجية

للحصول على تدريب ونشر بدون تعليمات برمجية أو منخفضة التعليمات البرمجية، جرب:

  • مصمم التعلم الآلي من Microsoft Azure (معاينة)

    استخدم المصمم لإعداد البيانات وتدريب نماذج التعلم الآلي واختبارها وتوزيعها وإدارتها وتتبعها دون كتابة أي تعليمة برمجية. لا توجد برمجة مطلوبة، يمكنك توصيل مجموعات البيانات والوحدات النمطية بصريا لإنشاء النموذج الخاص بك. جرب البرنامج التعليمي للمصمم.

    تعرف على المزيد في مقالة نظرة عامة على مصمم التعلم الآلي من Microsoft Azure.

  • واجهة مستخدم التعلم الآلي التلقائي (AutoML)

    تعرف على كيفية إنشاء تجارب AutoML في واجهة سهلة الاستخدام.

MLOps: إدارة التوزيع ودورة الحياة

تستند عمليات التعلم الآلي (MLOps) إلى مبادئ وممارسات DevOps التي تزيد من كفاءة مهام سير العمل. على سبيل المثال، التكامل المستمر والتسليم والنشر. يطبق MLOps هذه المبادئ على عملية التعلم الآلي، بهدف:

  • التجريب والتطوير السريع للنماذج
  • نشر أسرع للنماذج في الإنتاج
  • تأكيد الجودة

عندما يكون لديك النموذج الصحيح، يمكنك استخدامه بسهولة في خدمة ويب، أو على جهاز IoT أو من Power BI. لمزيد من المعلومات، راجع توزيع النموذج الحالي باستخدام التعلم الآلي من Azure.

ثم يمكنك إدارة النماذج المنشورة باستخدام Azure Machine Learning SDK ل Python أو استوديو التعلم الآلي من Microsoft Azure أو Azure Machine Learning CLI.

يمكن استهلاك هذه النماذج وإرجاع التنبؤات إما في الوقت الحقيقي أو بشكل غير متزامن على كميات كبيرة من البيانات.

ومع خطوط أنابيب التعلم الآليالمتقدمة، يمكنك التعاون في كل خطوة من إعداد البيانات والتدريب النموذجي والتقييم من خلال النشر. تسمح خطوط الأنابيب لك بما يلي:

  • أتمتة عملية التعلم الآلي من طرف إلى طرف في السحابة
  • إعادة استخدام المكونات وإعادة تشغيل الخطوات فقط عند الحاجة
  • استخدام موارد حوسبة مختلفة في كل خطوة
  • تشغيل مهام تسجيل الدفعات

إذا كنت ترغب في استخدام البرامج النصية لأتمتة سير عمل التعلم الآلي، يوفر Azure Machine Learning CLI أدوات سطر الأوامر التي تنفذ المهام الشائعة، مثل إرسال تشغيل تدريب أو نشر نموذج.

للبدء في استخدام التعلم الآلي من Azure، راجع الخطوات التالية.

التعلّم الآلي التلقائي

يقضي علماء البيانات قدرا كبيرا من الوقت في التكرار عبر النماذج أثناء مرحلة التجريب. إن العملية الكاملة لتجربة خوارزميات مختلفة ومجموعات المعلمات الفائقة حتى يتم بناء نموذج مقبول تفرض ضرائب شديدة على علماء البيانات، بسبب طبيعة العمل الرتيبة وغير الصعبة. في حين أن هذا ممارسة تحقق مكاسب هائلة من حيث فعالية النموذج، فإنها أحيانا ما تكلف الكثير من حيث الوقت والموارد وبالتالي قد يكون لها عائد سلبي على الاستثمار (ROI).

هذا هو المكان الذي يأتي فيه التعلم الآلي التلقائي (AutoML). ويستخدم المفاهيم من ورقة البحث حول عوامل المصفوفة الاحتمالية وينفذ البنية الأساسية لبرنامج ربط العمليات التجارية المؤتمتة لتجربة الخوارزميات المحددة بذكاء وإعدادات القياس الفائق، استنادا إلى الاستدلال للبيانات المقدمة، مع مراعاة المشكلة أو السيناريو المحدد. نتيجة هذا المسار هي مجموعة من النماذج الأنسب للمشكلة المحددة ومجموعة البيانات.

لمزيد من المعلومات حول AutoML، راجع AutoML وMLOps باستخدام التعلم الآلي من Microsoft Azure.

التعلم الآلي المسؤول

طوال تطوير واستخدام أنظمة الذكاء الاصطناعي، يجب أن تكون الثقة في الصميم. الثقة في النظام الأساسي والعملية والنماذج. نظرا لأن الأنظمة الذكاء الاصطناعي والاستقلال تندمج بشكل أكبر في نسيج المجتمع، فمن المهم بذل جهد استباقي لتوقع الآثار غير المقصودة لهذه التقنيات والتخفيف من حدتها.

  • فهم نماذجك والبناء من أجل الإنصاف: شرح سلوك النموذج والكشف عن الميزات التي لها أكبر تأثير على التنبؤات. استخدم المفسرات المضمنة لكل من نماذج الصندوق الزجاجي والعلبة السوداء أثناء تدريب النموذج والاستدلال. استخدم المرئيات التفاعلية لمقارنة النماذج وإجراء تحليل ماذا لو لتحسين دقة النموذج. اختبر نماذجك من أجل الإنصاف باستخدام أحدث الخوارزميات. التخفيف من الظلم طوال دورة حياة التعلم الآلي، ومقارنة النماذج المخففة، وإجراء الإنصاف المتعمد مقابل مقايضات الدقة حسب الرغبة.
  • حماية خصوصية البيانات وسريتها: بناء نماذج تحافظ على الخصوصية باستخدام أحدث الابتكارات في الخصوصية التفاضلية، والتي تدخل مستويات دقيقة من الضوضاء الإحصائية في البيانات للحد من الكشف عن المعلومات الحساسة. تحديد تسرب البيانات والحد بذكاء من الاستعلامات المتكررة لإدارة مخاطر التعرض. استخدم تقنيات التشفير والتعلم الآلي السرية (قريبا) المصممة خصيصا للتعلم الآلي لإنشاء نماذج بأمان باستخدام البيانات السرية.
  • التحكم والتحكم من خلال كل خطوة من خطوات عملية التعلم الآلي: الوصول إلى القدرات المضمنة لتعقب دورة حياة البيانات تلقائيا وإنشاء تجربة تدقيق عبر دورة حياة التعلم الآلي. احصل على رؤية كاملة لعملية التعلم الآلي من خلال تعقب مجموعات البيانات والنماذج والتجارب والتعليمات البرمجية والمزيد. استخدم العلامات المخصصة لتنفيذ أوراق بيانات النموذج وبيانات تعريف نموذج مفتاح المستند وزيادة المساءلة وضمان العملية المسؤولة.

تعرف على المزيد حول كيفية تنفيذ التعلم الآلي المسؤول.

التكامل مع الخدمات الأخرى

يعمل التعلم الآلي من Microsoft Azure مع خدمات أخرى على النظام الأساسي ل Azure، كما يتكامل مع أدوات مفتوحة المصدر مثل Git وMLflow.

الخطوات التالية