مفردات أساسيات تعلم الآلة

كمهندس ذكاء اصطناعي / تعلم آلة يعمل في فرق ناطقة بالإنجليزية، تحتاج استخدام هذه المصطلحات بدقة. استخدامها الخاطئ في الاجتماعات أو الأوراق البحثية يُشير إلى قلة الخبرة.

أنواع التعلم

المصطلح	المعنى	مثال على الاستخدام
Supervised learning (تعلم خاضع للإشراف)	النموذج يتعلم من بيانات مُسمّاة	"We used supervised learning with 50K labeled images"
Unsupervised learning (تعلم غير خاضع للإشراف)	النموذج يجد أنماطاً في بيانات غير مسمّاة	"Clustering was done through unsupervised learning"
Self-supervised learning (تعلم ذاتي الإشراف)	النموذج يُنشئ تسمياته الخاصة من البيانات	"GPT uses self-supervised learning on text corpora"
Reinforcement learning (التعلم المعزز)	العميل يتعلم من خلال المكافأة والعقاب	"The robot learned via reinforcement learning"
Transfer learning (نقل التعلم)	إعادة استخدام نموذج مُدرّب مسبقاً لمهمة جديدة	"Transfer learning from ImageNet improved our accuracy"
Few-shot learning (التعلم من أمثلة قليلة)	التعلم من عدد قليل جداً من الأمثلة	"The model performs well in few-shot learning scenarios"
Zero-shot learning (التعلم بدون أمثلة)	أداء مهمة بدون أمثلة تدريب محددة	"GPT-4 shows strong zero-shot learning capabilities"

مفاهيم تعلم الآلة الأساسية

المصطلح	العربية	المعنى
Model	نموذج	الخوارزمية المُدرّبة التي تقوم بالتنبؤات
Dataset	مجموعة البيانات	مجموعة البيانات المستخدمة للتدريب/الاختبار
Feature	ميزة / خاصية	متغير إدخال للنموذج
Label	تسمية	الإجابة الصحيحة في بيانات التدريب
Training	تدريب	عملية تعليم النموذج
Inference	استدلال	استخدام النموذج المُدرّب للتنبؤ
Epoch	حقبة	مرور كامل واحد عبر مجموعة البيانات بأكملها
Loss function	دالة الخسارة	تقيس مدى خطأ تنبؤات النموذج
Gradient descent	الانحدار التدريجي	خوارزمية تُقلل دالة الخسارة
Learning rate	معدل التعلم	حجم كل خطوة تحسين
Hyperparameter	معامل فائق	إعدادات تختارها قبل التدريب (لا يتعلمها النموذج)

عبارات شائعة في نقاشات تعلم الآلة

العبارة	متى تستخدمها
"The model is overfitting"	النموذج يؤدي جيداً على بيانات التدريب لكن سيئاً على بيانات جديدة
"The model is underfitting"	النموذج بسيط جداً لالتقاط الأنماط
"We need to tune the hyperparameters"	ضبط الإعدادات مثل معدل التعلم وحجم الدفعة
"The model converges after 50 epochs"	الخسارة تتوقف عن الانخفاض، التدريب انتهى
"The baseline model gets 78% accuracy"	نموذج بسيط يُستخدم للمقارنة
"Let's benchmark against SOTA"	المقارنة مع أحدث النتائج

مقاييس التقييم — احفظها عن ظهر قلب

المقياس	العربية	متى تستخدمه
Accuracy	الدقة	التنبؤات الصحيحة الإجمالية (فئات متوازنة)
Precision	الإحكام	"من كل التنبؤات الإيجابية، كم كانت صحيحة؟"
Recall	الاستدعاء	"من كل الإيجابيات الفعلية، كم وجدنا؟"
F1 Score	درجة F1	التوازن بين الإحكام والاستدعاء
Perplexity	الحيرة	مدى جودة نموذج اللغة في التنبؤ بالنص

كيف تنطق المصطلحات الرئيسية

المصطلح	النطق الصحيح	الخطأ الشائع
Epoch	EE-pok (إي-بوك)	ليس "ee-POCH"
Neural	NOOR-ul (نور-ال)	ليس "nee-RAL"
Inference	IN-fur-ens (إن-فر-نس)	ليس "in-FER-ens"
Sigmoid	SIG-moyd (سيغ-مويد)	ليس "sig-MOD"
Gradient	GRAY-dee-unt (غراي-دي-أنت)	ليس "gra-dee-ENT"

:::