التعلم الغير خاضع للإشراف , خوارزمياته ومكوناته ومقاييس الاداء

التعلم الغير خاضع للإشراف , خوارزمياته ومكوناته ومقاييس الاداء

تهدف هذه الدورة التخصصية إلى بناء فهم نظري ورياضي عميق لفرع التعلم غير الخاضع للإشراف (Unsupervised Learning)، مستعرضةً آليات استخراج الأنماط والبنى الكامنة من البيانات غير المصنفة، وتطبيقات مقاييس المسافات وخوارزميات التجميع مثل K-Means مع حل إشكالية تحديد المعاملات المثلى ولعنة الأبعاد، وصولاً إلى تقنيات تقليص الأبعاد كتحليل المكونات الرئيسية (PCA) ومقاييس تقييم كفاءة النماذج.

الأهداف:

1. فهم الأسس النظرية والفلسفية للتعلم غير الخاضع للإشراف وموقعه بين نماذج الذكاء الاصطناعي.

2. دراسة المقاييس الرياضية للمسافات والتشابه وتطبيقها في خوارزميات التجميع العنقودي مثل K-Means.

3. استيعاب طرق ضبط عدد العناقيد الأمثل وظاهرة لعنة الأبعاد (Curse of Dimensionality) وتأثيرها الحسابي.

4. إدراك المعمارية الرياضية لتحليل المكونات الرئيسية ومقاييس تقييم الأداء الداخلية والخارجية.

المخرجات المتوقعة:

1. التمييز الدقيق بين متطلبات التعلم غير الخاضع للإشراف والأنماط التعليمية الأخرى واختيار الأنسب للمسألة.

2. بناء وتدريب نماذج التجميع العنقودي ومقارنة دقتها باستخدام مقاييس المسافة والتشابه الرياضية.

3. معالجة وتفادي التدهور الحسابي الناتج عن تضخم أبعاد البيانات وتحديد عدد العناقيد بدقة منهجية.

4. تطبيق تقنيات تقليص الأبعاد لضغط البيانات وتقييم جودة النماذج الناتجة بمقاييس كمية معتمدة.