تطبيقات الذكاء الاصطناعي باستخدام التعلم غير الموجّه

غالبًا ما تحتوي مجموعات البيانات على متغيرات متعددة تصف مواضيع الأعمال، ولكن كيف يمكننا استخراج الأنماط الخفية من مثل هذه البيانات المعقدة؟ يُعدّ تقليل عدد المتغيرات إلى "خرائط" مبسّطة باستخدام تحليل المكونات الرئيسية (PCA) خطوة أساسية لإبراز العلاقات غير المرئية داخل البيانات، مما يساعد على اتخاذ القرارات الصحيحة.

تشرح هذه الورشة أيضًا الفرق بين "التجزئة العلمية للسوق" (Clustering) و"التصفية" البسيطة القائمة على الحدس.

تُتيح هذه الورشة للمشاركين تحديد الفئات السوقية (Market Niches) وتحليلها باستخدام تقنيات تحليل البيانات، كما تتضمن توضيحات تكشف عن العلاقات بين مكونات المتغيرات المتعددة لتتبّع تطوّر الأنماط بفعالية. وتشمل الورشة تطبيقات عملية باستخدام تقنيتين مختلفتين، مما يمكّن المشاركين من العمل كمستشارين محترفين وليس فقط كخبراء تقنيين.

نظرة عامة على الورشة

الأهداف التعليمية

● إبراز دور التحليل الإحصائي للبيانات في التعلم غير الموجّه.
● اكتشاف الأنماط الخفية داخل مجموعات البيانات.
● فهم مفهوم "اختزال الأبعاد" (Dimension Reducibility).
● إتقان خوارزميات اكتشاف الأنماط في تطبيقات الذكاء الاصطناعي.
● تمثيل مجموعات البيانات المعقدة متعددة المتغيرات في رسوم بيانية مبسّطة.
● تصور العلاقات بين المتغيرات والفئات المختلفة.
● تقييم جودة النماذج المخفّضة الأبعاد متعددة المتغيرات.
● التمييز بين أساليب التجميع (Clustering) والتصفية (Filtering).
● التعمق في تقنيات التجميع وتطبيقاتها العملية.
● تنفيذ عمليات التجزئة الاحترافية باستخدام خوارزميات التجميع.
● تطبيق جميع المفاهيم باستخدام برامج وأدوات تحليل متخصصة.

المدة: 5 أيام

اليوم الأول:

● تحليل المصفوفات

● تحليل المكونات الرئيسية (PCA)

اليوم الثاني:

● خوارزمية t-SNE والتحجيم متعدّد الأبعاد

● التحليل التوافقي البسيط

اليوم الثالث:

● التجميع الهرمي (Agglomerative Clustering)

● خوارزميات K-Means وK-Medoids

اليوم الرابع:

● أنظمة التوصية (Recommender Systems)

اليوم الخامس:

● نماذج الخليط الغاوسي (Gaussian Mixture Models)

● عروض تقديمية ملوّنة / مقاطع فيديو توضيحية
● مفهوم اختزال الأبعاد المتعددة
● المقارنة بين التجميع الهرمي والتقسيمي
● أدوات احتكارية مقابل أدوات مفتوحة المصدر
● القيم والمتجهات الذاتية (Eigenvalues & Eigenvectors)
● تمارين جماعية تطبيقية
● الأسس العلمية لتمثيل البيانات بيانياً
● معايير جودة النماذج غير الموجّهة
● تبسيط مفهوم "لعنة الأبعاد المتعددة" (Curse of Dimensionality)

محاور الورشة