Machine Learning / التعلم الالي

معلومات الكتاب

عنوان الكتاب: التعلّم الآلي

نوع المنشور: كتاب

اسم المؤلف: Tom M. Mitchell

عدد الصفحات: 421 صفحة

دار النشر: McGraw-Hill

تاريخ النشر: 1997

اللغة: الانكليزية

Read & Download

التصفح والتحميل

Information

Title: Machine Learning

Type: Book

Author Name: Tom M. Mitchell

Number of Pages: 421 pages

By: McGraw-Hill

Date: 1997

Language: English

Text from the Machine Learning book

Machine Learning 

The field of machine learning is concerned with the question of how to construct computer programs that automatically improve with experience.

In recent years many successful machine learning applications have been developed, ranging from data-mining programs that learn to detect fraudulent credit card transactions, to information-filtering systems that learn users’ reading preferences, to autonomous vehicles that learn to drive on public highways.

At the same time, there have been important advances in the theory and algorithms that form the foundations of this field.

The goal of this textbook is to present the key algorithms and theory that form the core of machine learning.

Machine learning draws on concepts and results from many fields, including statistics, artificial intelligence, philosophy, information theory, biology, cognitive science, computational complexity, and control theory.

My belief is that the best way to learn about machine learning is to view it from all of these perspectives and to understand the problem settings, algorithms, and assumptions that underlie each.

In the past, this has been difficult due to the absence of a broad-based single source introduction to the field.

The primary goal of this book is to provide such an introduction. 

Because of the interdisciplinary nature of the material, this book makes few assumptions about the background of the reader.

Instead, it introduces basic concepts from statistics, artificial intelligence, information theory, and other disciplines as the need arises, focusing on just those concepts most relevant to machine learning.

The book is intended for both undergraduate and graduate students in fields such as computer science, engineering, statistics, and the social sciences, and as a reference for software professionals and practitioners.

Two principles that guided the writing of the book were that it should be accessible to undergraduate students and that it should contain the material I would want my own Ph.D. students to learn before beginning their doctoral research in machine learning. 

A third principle that guided the writing of this book was that it should present a balance of theory and practice.

Machine learning theory attempts to answer questions such as “How does learning performance vary with the number of training examples presented?” and “Which learning algorithms are most appropriate for various types of learning tasks?”

This book includes discussions of these and other theoretical issues, drawing on theoretical constructs from statistics, computational complexity, and Bayesian analysis.

The practice of machine learning is covered by presenting the major algorithms in the field, along with illustrative traces of their operation.

Online data sets and implementations of several algorithms are available via the World Wide Web at http://www.cs.cmu.edu/-tom1mlbook.html.

These include neural network code and data for face recognition, decision tree learning, code and data for financial loan analysis, and Bayes classifier code and data for analyzing text documents.

I am grateful to a number of colleagues who have helped to create these online resources, including Jason Rennie, Paul Hsiung, Jeff Shufelt, Matt Glickman, Scott Davies, Joseph O’Sullivan, Ken Lang, Andrew McCallum, and Thorsten Joachims. 

نص من كتاب التعلّم الآلي

التعلم الالي

يهتم مجال التعلم الآلي بمسألة كيفية إنشاء برامج حاسوبية تتحسن تلقائياً مع الخبرة.

في السنوات الأخيرة، تم تطوير العديد من تطبيقات التعلم الآلي الناجحة، بدءا من برامج التنقيب عن البيانات التي تتعلم كيفية اكتشاف معاملات بطاقات الائتمان الاحتيالية، إلى أنظمة تصفية المعلومات التي تتعلم تفضيلات القراءة لدى المستخدمين، إلى المركبات ذاتية القيادة التي تتعلم القيادة على الطرق السريعة العامة.

وفي الوقت نفسه، حدثت تطورات مهمة في النظرية والخوارزميات التي تشكل أسس هذا المجال.

الهدف من هذا الكتاب المدرسي هو تقديم الخوارزميات والنظريات الأساسية التي تشكل جوهر التعلم الآلي.

يعتمد التعلم الآلي على مفاهيم ونتائج من العديد من المجالات، بما في ذلك الإحصاء، والذكاء الاصطناعي، والفلسفة، ونظرية المعلومات، وعلم الأحياء، والعلوم المعرفية، والتعقيد الحسابي، ونظرية التحكم.

في اعتقادي أن أفضل طريقة للتعرف على التعلم الآلي هي النظر إليه من كل هذه وجهات النظر وفهم إعدادات المشكلة والخوارزميات والافتراضات التي تكمن وراء كل منها.

في الماضي، كان هذا الأمر صعباً بسبب عدم وجود مقدمة ذات مصدر واحد واسع النطاق في هذا المجال.

الهدف الأساسي من هذا الكتاب هو تقديم مثل هذه المقدمة.

ونظراً لطبيعة المادة متعددة التخصصات، فإن هذا الكتاب يقدم القليل من الافتراضات حول خلفية القارئ.

وبدلاً من ذلك، فهو يقدم مفاهيم أساسية من الإحصاء، والذكاء الاصطناعي، ونظرية المعلومات، وغيرها من التخصصات حسب الحاجة، مع التركيز فقط على تلك المفاهيم الأكثر صلة بالتعلم الآلي.

الكتاب مخصص لطلاب البكالوريوس والدراسات العليا في مجالات مثل علوم الكمبيوتر والهندسة والإحصاء والعلوم الاجتماعية، وكمرجع لمحترفي البرمجيات وممارسيها.

هناك مبدآن استرشدا بكتابة الكتاب، وهما أنه يجب أن يكون في متناول الطلاب الجامعيين، وأنه يجب أن يحتوي على المادة التي أرغب في الحصول على درجة الدكتوراه فيها. يجب على الطلاب التعلم قبل البدء بأبحاث الدكتوراه في التعلم الآلي.

المبدأ الثالث الذي وجه كتابة هذا الكتاب هو أنه يجب أن يقدم توازناً بين النظرية والتطبيق.

تحاول نظرية التعلم الآلي الإجابة على أسئلة مثل “كيف يختلف أداء التعلم مع عدد أمثلة التدريب المقدمة؟” و”ما هي خوارزميات التعلم الأكثر ملاءمة لأنواع مختلفة من مهام التعلم؟”

يتضمن هذا الكتاب مناقشات حول هذه القضايا وغيرها من القضايا النظرية، بالاعتماد على البنى النظرية من الإحصاء، والتعقيد الحسابي، والتحليل البايزي.

تتم تغطية ممارسة التعلم الآلي من خلال عرض الخوارزميات الرئيسية في هذا المجال، إلى جانب الآثار التوضيحية لعملها.

تتوفر مجموعات البيانات عبر الإنترنت وتطبيقات العديد من الخوارزميات عبر شبكة الويب العالمية على http://www.cs.cmu.edu/-tom1mlbook.html.

يتضمن ذلك كود الشبكة العصبية وبياناتها للتعرف على الوجوه، وتعلم شجرة القرار، والتعليمات البرمجية والبيانات لتحليل القروض المالية، وكود وبيانات مصنف Bayes لتحليل المستندات النصية.

أنا ممتن لعدد من الزملاء الذين ساعدوا في إنشاء هذه الموارد عبر الإنترنت، بما في ذلك جيسون ريني، وبول هسيونج، وجيف شوفلت، ومات جليكمان، وسكوت ديفيز، وجوزيف أوسوليفان، وكين لانج، وأندرو ماكالوم، وثورستن يواكيمز.