ما هو الفرق بين التعلم الخاضع للاشراف والتعلم غير الخاضع للاشراف؟

التعلم الخاضع للإشراف (Supervised Learning) هو أسلوب من التعلم الآلي (Machine Learning – ML) يتم فيه تدريب النموذج على بيانات تحتوي على مدخلات (Inputs) ومخرجات صحيحة معروفة مسبقًا (Labeled Data)، بحيث يتعلم النموذج العلاقة بينهما ليقوم بالتنبؤ أو التصنيف في بيانات جديدة، مثل التعرف على الصور أو التنبؤ بالأسعار.
أما التعلم غير الخاضع للإشراف (Unsupervised Learning) فيُستخدم مع بيانات غير معنونة (Unlabeled Data)، حيث يحاول النموذج اكتشاف البنى أو الأنماط الخفية داخل البيانات دون وجود مخرجات صحيحة مسبقة، مثل التجميع (Clustering) أو اختزال الأبعاد(Dimensionality Reduction).
مثال: تصنيف البريد الإلكتروني (تعلم خاضع للاشراف) مقابل تجميع العملاء حسب السلوك (تعلم غير خاضع للاشراف).