التعلّم غير الخاضع للإشراف

يتضمن تدريب نموذج على مجموعة بيانات غير مصنفة. الهدف هو اكتشاف الأنماط أو الهياكل المخفية في البيانات. الأمر يشبه إعطاء طفل صندوقاً كبيراً من مكعبات الليغو (LEGO) بدون دليل التعليمات. الهدف هو رؤية الهياكل أو الأنماط المثيرة للاهتمام التي سيتوصلون إليها بأنفسهم. تشمل الأمثلة مهام التجميع وتقليل الأبعاد:

• التجميع (Clustering): الهدف هو تجميع الحالات المتشابهة في مجموعات. يشبه الأمر تنظيم ألعابك في مجموعات دون أن يخبرك أحد بكيفية القيام بذلك. على سبيل المثال، قد يقوم متجر بتجميع العملاء في أنواع مختلفة حتى يتمكنوا من معرفة أفضل طريقة للإعلان لكل نوع. أو، في وسائل التواصل الاجتماعي، يساعد ذلك في معرفة من ينتمي إلى أي مجموعة أصدقاء.
• تقليل الأبعاد (Dimensionality Reduction): تقنية تبسط تعقيد البيانات عالية الأبعاد مع الاحتفاظ بخصائصها الأساسية. تخيل لو كان لديك حقيبة ظهر ضخمة مليئة بالأدوات المدرسية ولكنك تريد جعلها أخف وزناً. تقليل الأبعاد يشبه معرفة ما هو ضروري وما هو غير ضروري، بحيث تحمل فقط ما تحتاجه حقاً. يساعد هذا في التعامل مع الكثير من المعلومات - كما لو كنت تحاول النظر إلى صورة معقدة للغاية وتبسيطها بحيث يسهل فهمها.

بينما نمر عبر خوارزميات مختلفة في هذه الدورة، سنتحدث عما إذا كانت تشبه التعلم الخاضع للإشراف أو التعلم غير الخاضع للإشراف.