كتاب التعلم العميق: المبادئ والمفاهيم والمناهج

يعد بناء نظام ذكي قادر على استخراج تمثيلات عالية المستوى للبيانات أمرًا ضروريًا في العديد من القضايا المتعلقة بالذكاء الاصطناعي. تظهر الحجج النظرية والبيولوجية أنه لبناء مثل هذه الأنظمة ، هناك حاجة إلى نماذج معمارية عميقة تتضمن العديد من طبقات المعالجة غير الخطية.

التعلم العميق هو مجموعة فرعية من أساليب التعلم الآلي التي يشار إليها أيضًا باسم التعلم التمثيلي. يعد التعلم التمثيلي أو تعلم الميزات أسلوبًا يمنح الجهاز القدرة على اكتشاف العلاقات تلقائيًا من البيانات الأولية. أصبحت هذه القدرة المهمة والميزة الرئيسية للتعلم العميق ممكنة من خلال التعلم في طبقات مختلفة في بنية الشبكة.

قبل ظهور التعلم العميق ، اعتمدت أساليب التعلم الآلي التقليدية بشكل كبير على التمثيلات (اختيار الميزات) المستمدة من البيانات. تتطلب هذه الأساليب خبيرًا في مجال الموضوع لإجراء استخراج الميزات يدويًا. ومع ذلك ، يعد استخراج الميزات يدويًا عملية صعبة وتستغرق وقتًا طويلاً. كان ظهور التعلم العميق قادرًا على استبدال هذه الأساليب التقليدية بسرعة. لأنه يمكنه استخراج الميزات تلقائيًا لتناسب أي مشكلة.

في السنوات الأخيرة ، أصبح التعلم العميق المحرك الرئيسي للحلول المبتكرة لمشاكل الذكاء الاصطناعي ، والتي أصبحت ممكنة من خلال زيادة كمية البيانات المتاحة، وزيادة موارد الحوسبة وتحسين التقنيات في التدريب على الشبكة العميقة. قدم التعلم العميق مجموعة واسعة من التغييرات في صناعة التكنولوجيا اليوم ، لذلك سيكون فهم وكيفية عمل التعلم العميق مفيدًا وضروريًا لمتخصصي البرمجيات في عالم اليوم.

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 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. لذلك، تم بذل كل جهد لتقديم محتويات الكتاب بطريقة بسيطة وطلاقة ومفهومة، جنبًا إلى جنب مع أمثلة لفهم أفضل حتى يمكن فهمها من قبل مجموعة واسعة من القراء.

يؤكد هذا الكتاب على فهم مبادئ ومفاهيم التعلم العميق، مع وجهات نظر حول مناهج التعلم المختلفة. ومع ذلك، هذا لا يعني أنه يمكن وصف جميع جوانب التعلم في مجلد واحد؛ نحن لا ننوي القيام بذلك أيضًا. في الواقع، هدفنا في كتابة وتجميع محتويات هذا الكتاب هو اكتساب المعرفة الكافية بالتعلم العميق ومقارباته المختلفة من خلال التأكيد على الموضوعات الهامة والجديدة وتقديم رؤية شاملة للتعلم العميق.

على الرغم من أن محتويات هذا الكتاب مفهومة، إلا أنها مكتوبة على أساس أن القارئ لديه معرفة كافية بالتعلم الآلي. 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.

يتكون هذا الكتاب من ستة فصول، سنشير إلى محتوى هذه الفصول بإيجاز كما  في أدناه:

• الفصل الأول – مقدمة إلى التعلم الآلي والتعلم العميق: يبدأ هذا الفصل بتعريف التعلم. بعد ذلك، يتم تلخيص ومقارنة مفهوم التعلم الآلي ومقارباته المختلفة مثل: التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والمعزز، وشبه الإشراف، والإشراف الذاتي، والنشط، والاونلاين، ومتعدد المهام، والانتقالي. فيما يلي، يتم تقديم تعريف للتعلم العميق وكيف يعمل، ويتم شرح أهميته والتحديات والاختلافات مع التعلم الآلي وفي نهاية الفصل، يتم ذكر تطبيقاته في العالم الحقيقي.
• الفصل الثاني- التعلم العميق الخاضع للأشراف: في الفصل الثاني، يصف الكتاب الشبكات العصبية الاصطناعية وهيكلها وعملية التعلم والمفاهيم المطلوبة مثل: دالة التنشيط، دالة الخسارة، مناهج تهيئة الاوزان الاولية، التحسين والتحديات في تعلم الشبكات العميقة. في الجزء المتبقي من الفصل، ستتعرف على اثنتين من أكثر شبكات التعلم العميق شيوعًا، وهما الشبكات المتكررة والشبكات الالتفافية.
• الفصل الثالث- تمثيل التعلم بدون اشراف عميق: في هذا الفصل، سنصف هيكل المشفر الذاتي وأنواعه. بعد ذلك، سنقارن بين النماذج الإنتاجية والقابلة للفصل، وأخيراً سنقوم بفحص أنواع نماذج التوليد العميق.
• الفصل الرابع – التعلم المعزز العميق: في هذا الفصل، سنرى لماذا لا يمكن حل بعض المشكلات من خلال مناهج التعلم الخاضعة للإشراف وغير الخاضعة للإشراف، والحاجة إلى التعلم المعزز في هذه المشكلات. في استمرار للفصل، سوف نتعامل مع الأساليب الكلاسيكية المختلفة لحل المشكلات من خلال التعلم المعزز، وفي النهاية، سنرى سبب ظهور مجال بحث جديد يسمى التعلم المعزز العميق، وسوف ندرس مناهجه.
• الفصل الخامس- التعلم الانتقالي العميق: في الفصل الخامس من الكتاب، سوف ندرس التعلم الانتقالي، ودوافع استخدامه، وفوائده، واستراتيجيات استخدامه، وطرقه المختلفة.
• 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. وتجدر الإشارة إلى أنه تم النظر في هذا الفصل بعبارات عامة ولم تتم مناقشته بالتفصيل.

في النهاية، يُرجى من القراء الأعزاء إخباري بأي انتقادات أو اقتراحات أو إذا رأيت أي مشاكل في الكتاب.

رابط الكتاب