نظرية التعلم الإحصائي Statistical Learning Theory

الرياضيات المتقدمة للذكاء الاصطناعي الصعوبة: خبير 2 دروس الزمن المتوقع: 1 ساعة و35 دقيقة

تعريف بالمسار

المخاطرة المتوقعة والتجريبية، والتحيز والتباين، والتعميم والإفراط في التخصيص.

الأهداف التعليمية

  • التمييز بين المخاطرة التجريبية والمتوقعة
  • تحليل الخطأ إلى تحيز وتباين وضوضاء
  • تفسير الإفراط والتفريط في التخصيص

قائمة الدروس

  1. 1 المخاطرة التجريبية والمخاطرة المتوقعة Empirical Risk and Expected Riskالمخاطرة المتوقعة متوسط الخسارة على التوزيع الحقيقي للبيانات وهي ما نريد تقليله، والمخاطرة التجريبية متوسطها على عينة التدريب وهي ما نستطيع حسابه؛ والفرق بينهما فجوة التعميم. متقدم · 45 د
  2. 2 التحيز والتباين والإفراط في التخصيص Bias-Variance Tradeoffيتحلل الخطأ التربيعي المتوقع لنموذج انحدار إلى مربع التحيز والتباين والضوضاء غير القابلة للاختزال؛ النماذج البسيطة تعاني من تحيز عالٍ (تفريط) والمعقدة من تباين عالٍ (إفراط في التخصيص). متقدم · 50 د

التطبيقات في الذكاء الاصطناعي

  • اختيار تعقيد النموذج
  • التنظيم (Regularization)
  • التحقق المتقاطع

الاختبار النهائي للمسار

12 سؤالاً مختارة عشوائياً من بنك أسئلة المسار، الزمن 25 دقيقة، ونسبة النجاح 65%.

ابدأ الاختبار النهائي تدرب على أسئلة المسار

المراجع العلمية

  1. Mathematics for Machine Learning — Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong (Cambridge University Press) mml-book.github.io
  2. Deep Learning — Ian Goodfellow, Yoshua Bengio, Aaron Courville (MIT Press) www.deeplearningbook.org
  3. Machine Learning Crash Course — Datasets, Generalization, and Overfitting — Google for Developers developers.google.com/machine-learning/crash-course/overfitting