Regression and AI in practice
مُقدَّم| English | المعنى |
|---|---|
| regression/rɪˈɡreʃn/ | الانحدار |
| classification/ˌklæsɪfɪˈkeɪʃn/ | التصنيف |
| linear regression/ˈlɪnɪə rɪˈɡreʃn/ | الانحدار الخطي |
| OCR/ˌəʊ siː ˈɑː/ | التعرف الضوئي على الحروف (OCR) |
التنبؤ برقم، وليس باسم
- اسأل النموذج "هل هذه الرسالة إلكترونية مزعجة؟" ويجب أن يختار من مجموعة ثابتة من الإجابات. اسأله "كم ستُباع هذه المنزل؟" ولا توجد مجموعة للاختيار منها: الإجابة رقم، وأن يكون الفرق ألف جنيه تقريبًا هو قريب من الصواب.
- هذان مهمتان مختلفتان، والخلط بينهما هو الخطأ الأكثر شيوعًا في هذا الموضوع. كلاهما تعلم مشرف؛ يختلف فقط شكل الإجابة.
- هذه الدرس هو الانحدار مقابل التصنيف، كيف يختار الانحدار الخطي خطه، وكيف تربط المنتجات الحقيقية نماذج مدربة في سلسلة عمل واحدة.
الانحدار والتصنيف
- التصنيف يتنبأ بـ فئة من مجموعة ثابتة: قطة أو كلب، رسالة مزعجة أو لا، أي من عشرة أرقام.
- الانحدار يتنبأ بـ رقم على مقياس مستمر: سعر منزل، درجة حرارة الغد، كم ستستغرق الرحلة من الوقت.
- كلاهما مشرف: كلاهما يتعلم من أمثلة موصوفة. يتم تحديد الاختيار بينهما بسؤال واحد: هل الإجابة تصنيف أم رقم؟
- يغير هذا التمييز كيفية قياس النجاح. المصنف إما صحيح أو خاطئ؛ المتحد (regressor) يبعد مسافة معينة، ولهذا السبب تختلف دوال الخسارة الخاصة بهما.
The difference between regression and classification is that regression predicts:
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Regression outputs a continuous number (price, temperature); classification outputs a category.
Regression predicts a continuous number (a price, a temperature), while classification predicts a category (cat vs dog).
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Number out = regression; category out = classification — the two main kinds of supervised prediction.
مثال محلول: أي مهمة هي أي مهمة
- التنبؤ بأي نوع من خمسة أنواع عملاء ينتمي إليه المشتري. تصنيف: الإجابة واحدة من مجموعة ثابتة من الفئات.
- التنبؤ بما سيصرفه ذلك المشتري الشهر القادم. انحدار: الإجابة رقم، والاقتراب يُحسب كقريب من الصواب.
- التنبؤ بما إذا كانت الآلة ستتعطل في الأسبوع المقبل. تصنيف: نعم أو لا. التنبؤ بعدد الأيام قبل تعطلها. انحدار.
- يمكن لنفس البيانات الأساسية أن تغذي كليهما. اقرأ السؤال المطروح، لا المادة.
Match each prediction task to its kind.
الصعوبة 2/5 · 140 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
The same data can feed either. Read the question: a label from a fixed set, or a number on a scale.
الانحدار الخطي
- الانحدار الخطي يلائم خطًا مستقيمًا، أو سطحًا مسطحًا عندما تكون هناك عدة مدخلات:
- تُختار المعاملات لـ تقليل مجموع مربعات الأخطاء بين تنبؤات الخط والقيم الفعلية للتدريب.
- تربيع، لسببين تقبلهم الامتحانات: الأخطاء فوق وتحت الخط لا يمكن أن تلغي بعضها البعض بعد التربيع، والمخطأ الكبير يُعاقب أكثر بكثير من عدة أخطاء صغيرة.

الخط الذي يترك أقل إجمالي للمسافة المربعة
Fitting a regression line
Drag the controls. Linear regression draws the straight line that makes the squared distances to the data points as small as possible — then it predicts a number for any new input.
Linear regression chooses its coefficients to:
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
It fits the line/hyperplane that makes the squared differences from the data points as small as possible.
Why does linear regression minimise the sum of the SQUARED errors rather than the errors themselves?
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Both reasons are accepted. Without squaring, a line could have a huge error above and below and still score zero.
متى يكون الخط المستقيم هو النموذج المناسب
- استخدم الانحدار الخطي عندما تبدو العلاقة خطية تقريبًا وتريد نموذجًا يمكن للبشر قراءته: كل معامل يقول quanto ذلك المدخل مهم، وفي أي اتجاه.
- عندما تنحني البيانات، نفس الفكرة لا تزال مطبقًا مع نموذج مختلف: انحدار كثير الحدود، شجرة قرار، أو شبكة عصبية. في كل حالة الوصفة متطابقة، اختر نموذجًا، عرّف خسارة، قلّله.
- هذه الوصفة هي ما يربط هذا الدرس بالدرس السابق: الهبوط التدريجي هو ببساطة كيفية القيام بالتقليل عندما لا توجد صيغة للإجابة.
الذكاء الاصطناعي في منتج حقيقي
- الأنظمة الحقيقية نادرًا ما تستخدم نموذجًا واحدًا. تربط عدة نماذج مدربة في سلسلة عمل، كل منها يقوم بخطوة واحدة.
- التعرف على الوجه عند باب: يلتقط الكاميرا وجهًا، يحول التعرف على الصور تمثيلًا عدديًا، ويتم مقابنته مع تمثيلات الأشخاص المسجلين.
- قراءة لافتة بصوت عالٍ للمسافر: يحدد التعرف على الصور النص، OCR يحول البكسلات إلى أحرف، الترجمة الآلية تحول الكلمات، والنص إلى كلام ينتج الصوت.
- يعطي الامتحان سيناريو ويطلب تحديد النماذج المستخدمة، بالترتيب. سمِّ المرحلة وما تنتجه للمرحلة التالية.
Match each AI idea to what it means.
الصعوبة 2/5 · 140 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Training fits the model once; inference is the quick prediction each time a user interacts.
A "read a sign aloud" feature typically chains which models?
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Several trained models form a pipeline: find the text, extract characters, translate, then speak.
Put the stages of an app that reads a foreign sign aloud in order.
الصعوبة 3/5 · 200 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Several trained models chained together, each handing its output to the next. Name the stage and what it produces.
مثال محلول: التدريب مقابل الاستنتاج
- تطبيق هاتف يتعرف على نبات من صورة فوريًا، ومع ذلك استغرق تدريب نموذجه أسابيع على أجهزة متعددة. اشرح لماذا.
- التدريب يشغل مروره الأمامي والخلفي بشكل متكرر على مجموعة بيانات موسومة كبيرة جداً، ويعدّل ملايين الأوزان عبر عدة دورات. هذا هو ما استغرق أسابيعاً.
- الاستنتاج (Inference)، باستخدام النموذج المدرب، هو مرور أمامي واحد عبر شبكة تكون أوزانها الآن ثابتة: اضرب، اجمع، فعّل، طبقة تلو الأخرى، مرة واحدة فقط.
- الذكاء يكمن في الأوزان المتعلمة، ولهذا السبب يكون النموذج النهائي صغيرًا بما يكفي وسريعًا بما يكفي ليعمل على الهاتف.
Using a trained model to make a prediction requires only a single ____ pass.
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Training repeats forward and backward passes over a huge dataset; inference runs the fixed weights once, which is why it is instant.
علامات ضائعة
- التصنيف يعطي فئة، والتنبؤ بالخطأ يعطي رقمًا. كلاهما إشرافي؛ وهذا ليس الفرق بينهما.
- الانحدار الخطي يُصغّر مجموع مربعات الأخطاء، لا "المسافة الإجمالية". قل المربع، واذكر السبب.
- يجب أن تعطي مراحل الإجابة بترتيبها وتوضح ما تسلمه كل مرحلة للمرحلة التالية.
- التدريب يتكون من تكرار المراتب الأمامية والخلفية؛ أما الاستنتاج فهو مرور أمامي واحد. لا تصف التدريب عندما يسأل السؤال عن الاستخدام.
لقد فهمت الأمر
- التصنيف يتنبأ بفئة، والتنبؤ بالخطأ يتنبأ برقم؛ كلاهما إشرافي، وشكل إجابة السؤال يحدد أيّهما.
- الانحدار الخطي يلائم $y = m_1x_1 + \ldots + c$ عن طريق تقليل مجموع مربعات الأخطاء، لذا لا يمكن للأخطاء أن تلغي بعضها البعض وتُعاقب الأخطاء الكبيرة بشدة
- البيانات المنحنية تحتاج إلى نموذج آخر، لكن الوصفة لم تتغير: اختر نموذجًا، عرّف دالة الخسارة، صغرها
- المنتجات الحقيقية ترتب النماذج: التعرف على الصور، التعرف الضوئي على الحروف (OCR)، الترجمة، وتحويل النص إلى كلام؛ التدريب يتطلب مراتب أمامية وخلفية متعددة، بينما الاستنتاج هو مرور أمامي واحد