وجديرٌ بالذكر أنّ التعلم العميق يختلف اختلافًا جوهريًا عن التعلُّم الآلي التقليدي. إذا تناولنا المثال السابق، سيحتاج خبير التعلّم الآلي التقليدي إلى قضاء وقت طويل في هندسة نظام تعلُّم آلي لاكتشاف الميزات والسمات التي تُمثِّل القطّة.
الفصل السادس – التعلم العميق الهندسي: الفصل الأخير من الكتاب مخصص لحقل بحث جديد يسمى التعلم العميق الهندسي. في هذا الفصل، ستتعرف على بنية الرسم البياني وشبكات الرسم البياني العصبية وتعلم التمثيل البياني وشبكات ارتباط الرسم البياني.
وتُعد البساطة وسهولة التصميم من مواطن قوة أسلوب التعلم تحت الإشراف هذا. وهو مفيد عند التنبؤ بمجموعة محدودة من النتائج المحتملة، أو تقسيم البيانات إلى فئات، أو جمع النتائج من لوغاريتمين آخرين من لوغاريتمات التعلم الآلي.
تعطي خوارزميات التعلم العميق نتائج أفضل عند تدريبها على كميات كبيرة من البيانات عالية الجودة. يمكن أن تؤثر القيم المتطرفة أو الأخطاء الموجودة بمجموعة بيانات الإدخال تأثيرًا كبيرًا على عملية التعلم العميق.
من المؤكد أن امتلاك أساسيات التعلم الآلي سيضاعف من فهم هذا الكتاب. ومع ذلك، خلال عرض المحتويات، تم بذل كل جهد ممكن لتقليل هذه المتطلبات الأساسية للتعلم الآلي.
باستخدام أحدث المراجع العلمية وخبرات المؤلف، تم تجميع هذا الكتاب وتجميعه لمجموعة واسعة من الباحثين والطلاب وأصحاب الصناعة والمهتمين بالتعلم العميق حتى يتمكنوا من اكتساب المعرفة الكافية بالمبادئ والمفاهيم الأساسية في هذا المجال. أيضًا، نظرًا لأن هذا اتبع الرابط الكتاب يغطي المواد اللازمة لدورة التعلم العميق في الدراسات العليا، فيمكن أن يكون مرجعًا جيدًا لهذه الدورة بالإضافة إلى الدروس الاختيارية لطلاب السنة النهائية الجامعيين في هندسة الكمبيوتر.
للتحقق من الأهمية المستمرة للتعلم العميق ومواكبة التطورات في هذا المجال، يجب أن نواجه التحديات التي تواجهها هذه التقنية المتقدمة. من بين هذه التحديات حجم البيانات الكبيرة وضمان خصوصية البيانات وفهم القرارات التي يتخذها النظام.
تحتوي الشبكة العصبونية الاصطناعية على كثير من العُقَد التي تدخل البيانات فيها. هذه العُقَد تمثل طبقة الإدخال للنظام.
المصانع تستخدم تطبيقات التعلم العميق لاكتشاف متى يكون الأشخاص أو الأشياء على مسافة غير آمنة من الماكينات والآلات.
يلعب التعلم العميق دورًا حاسمًا في تطور التقنيات الحديثة. حيث يمكن للأنظمة الذكية التي تستخدم تعلم العمق أن تتعلم وتتكيف بشكل ذاتي، مما يتيح لها تحسين أدائها بمرور الوقت. تتيح مرونة التعلم العميق للأنظمة الذكية فهم البيانات واستخلاص المعلومات الهامة منها بأدق تفاصيلها.
الذكاء الاصطناعي استخدام الذكاء الاصطناعي في تطوير الموسيقى: أعماق جديدة للإبداع
يحتوي التعلم العميق على العديد من حالات الاستخدام في مجالات السيارات والفضاء والتصنيع والإلكترونيات والبحوث الطبية وغيرها من المجالات. فيما يلي بعض الأمثلة على التعلم العميق:
تتكوّن شبكة التعلم العميق من طبقات من الخلايا العصبيّة الاصطناعية والاتصالات المعقدة، وهي عبارة عن بنية مُعقّدة مُصمّمة للتعلم والتنبؤ من البيانات، وفيما يلي نبذة سريعة عن هذه الطبقات:
تحليل واستخلاص المعلومات من البيانات المعقدة والهيكلة مثل البيانات الاقتصادية والاجتماعية.