كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعي
مقارنة

التعلم الآلي التقليدي مقابل التعلم العميق

Classical ML vs Deep Learning

موثّق جزئياً Partially Verified

متى تكفي الأشجار وSVM ومتى نحتاج شبكات عميقة؟

الخلاصة

الاختيار يعتمد على نوع البيانات وحجمها، وليس التعلم العميق الخيار الأفضل دائماً.

جدول المقارنة

المعيارالتعلم الآلي التقليديالتعلم العميق
الخصائصتُصمم يدوياً غالباًتُتعلم تلقائياً من البيانات الخام
البياناتمتوسطةكبيرة
العتادCPU يكفي غالباًGPU أو مسرعات
البيانات الجدوليةقوي جداً (الغابات العشوائية)ليس دائماً أفضل
الصور والنصوص والكلاممحدودمتفوق

المصادر والمراجع العلمية

  1. Leo Breiman (2001). Random Forests. Machine Learning, 45(1):5-32. DOI: 10.1023/A:1010933404324

    يدعم: الغابات العشوائية

    مقالة محكّمة · جرى التحقق من بياناته الببليوغرافية عبر Crossref · صفحة المرجع

  2. Yann LeCun; Yoshua Bengio; Geoffrey Hinton (2015). Deep learning. Nature, 521(7553):436-444. DOI: 10.1038/nature14539

    يدعم: التعلم العميق

    مقالة محكّمة · جرى التحقق من بياناته الببليوغرافية عبر Crossref · صفحة المرجع