السلام عليكم ورحمة الله... معاكم Kaito :)

مرحبا بيكم فالنهار الرابع ديال سلسلة 30 يوم من التعلم الآلي..

هاد الايام اللي دازو شفنا فيهم:

— شناهو machine learning

— الانواع اللي كاينين

— و أهمية الداتا فهاد الضومين

اليوم غنشوفو كيفاش ومنين نبدا شي بروجي ديال machine learning

فاش كنبغيو نقادو شي بروجي ديال machine learning

كيخصنا process اولا خطوات محددة نتبعوها

ماشي غير اللي رشقات لينا كنديروها

وهاد البروسيس او المراحل اللي كيدوز منهم البروجي كيتسمى:

دورة حياة التعلم الالي machine learning lifecycle

كمثال غناخدو مشكل ديال الديور اللي شفنا فاليامات الاولين

وانشوفو كل خطوة ونطبقوها على هاد المشكل

نبداو بهاديك اللي الفوق:

1. فهم المشكلة وتعريفها

   (Problem Understanding & Definition) :

هادي أول خطوة وأهم خطوة فهادشي كامل

ايلا مكنتيش فاهم المشكل اللي عندك والنوعية ديالو..

مغتعرفش شنو خاصك تدير من بعد ومغتعرفش اشمن ألغوريتم algorithm غتخدم بيه

اتبقا حاصل تما.. شوف فيا نشوف فيك ا طاجين الحوت..

ايلا كنتي فاهم المشكل مزيان و عارف شنو باغي تخدم..

غتبان ليك البدية د الطريق مسرحة

فالمثال ديالنا عرفنا وفهمنا بلي المشكل اللي بغينا نحلو

هو توقع ثمن ديال الديور انطلاقا من ميزات مختلفين بحال الحجم وعدد الغرف الخ…

هنايا درنا تحليل للفكرة وعرفنا الاسباب وحددنا الاهداف ديالنا

غدي نقولو همم كاين توقع prediction ديال قيم مستمرة

اذن غادي نحددو المشكل على انه مشكلة انحدار regression problem

دبا ختارينا الطريق اللي غنمشيو ليها..

2. جمع البيانات واعدادها

   (Data Collection & Preparation) :

باش نبداو فالمشكل غيخصنا داتا

والداتا كيما قلنا البارح موجودة،

نفتارضو ان شركة عقار هيا اللي بغات تقاد هاد البروجي باش توقع ثمن الديور..

كتجي الشركة كتجمع الداتا من مصادر مختلفة، مثلا تقدر تلقا شي داتا عندها نيت من الارشيف ديالها، اولا من شي مواقع الكترونية ديال العقار..

من بعد كيجيو كينقيو الداتا باش من بعد تكون واجدة يقسموها ل دوك الاقسام اللي دوينا عليهم البارح وحدة كيعلمو بيها و وحدة كيتيستيو بيها..

3. هندسة الميزات (Feature Engineering) :

الشركة غادي تاخد أهم الميزات او features اللي غادي ينفعوها باش توقع الثمن ديال الديور، بحال كيما قلنا الحجم، الموقع الجغرافي، و عدد الغرف….

تقدر حتا انها تقاد وتزيد ميزات جداد من عندها

بحال مثلا المسافة اللي بينها وبين اقرب مدرسة، اولا بين اقرب حانوت اولا supermarché واللي يقدرو يأثرو على الثمن ديال الديور..

هادا هو feature engineering

كتحاول تلقا ما امكن دوك المميزات اللي غيعاونوك باش تلقا نتيجة افضل،

وهنا فين كيبان الدور ديال اول خطوة (فهم المشكل والضومين)

4. تدريب النموذج وتقييمه (Model Training & Evaluation):

   
   

هنايا كتعلم المودل ديالك على الداتا اللي وجدتي..

هنايا كتختار خوارزمية من الخوارزميات اللي كاينين

كتعطيها الداتا ديالنا المخصصة ل training

كتقوليه شنو يدير وكتخليه يتعلم

فاش كيسالي كتيستي وتجربو على الداتا اللي خليناها للتيست test set

مثلا فالمثال ديالنا عرفناه ديجا regression problem

اذن غنختارو ونجربو واحد من خوارزميات المخصصة للانحدار regression algorithms

هنايا كتختار بعض المقاييس performance metrics كتقيس بيهم جودة اداء المودل (كاينين بزاف غنتطرقو ليهم ف باقي الايام)

5. نشر النموذج (Model Deployment) :

   
   

من بعد التدريب والتقييم ديال المودل،

ايلا بان ليك بلان والاداء ديالو مقنع،

صافي غتوري المودل ديالك لبنادم يجربو..

no gatekeeping

كيفاش غندير ليها؟

غنحطو فالسيت ديالي فالانترنت باش اي واحد يقدر حتا هو يجرب ويتوقع ثمن ديال منزل الاحلام ديالو..

6. مراقبة النموذج (Model Monitoring) :

من بعد مبارطاجيتي المودل مع الناس فالسيت ديالك، خصك ديما ترد معاه البال

وتبقا تراقب الاداء ديالو بمرور الوقت..

حيث البيانات يقدرو يتبدلو…

ماشي ديما الديور غيكون عندهم نفس الثمن..

الحياة كتبدل نهار على نهار

الداتا ديال هاد العام تقدر متكونش صالحة للعام الجاي و الاداء ديال المودل غيولي عيان..

اذن غيخص المودل يعاود يتعلم ويدار ليه ديما تحديث…

هادي هي دورة حياة التعلم الالي..

واش البروجي سالا هنا؟

لا

تقدر فهاد الخطوة تستنتج من خلال النتائج بلي مفهمتيش المشكل مزيان اولا مختاريتيش الالغوريتم الصحيح اولا شي حاجة نسيتيها..

كترجع وتعاود للخطوة الاولى..

هاد الدورة عمرها مكتسالي..

كيبقا البروجي ديالك ديما يدور عليها..

وهدا هو الحال فاي مشروع كيفما كان

ماشي غير machine learning

ولكن فاخر المطاف..

ايلا تبعتي هاد المنهج.. فراك غادي فالطريق الصحيح باش تصنع بروجي اللي يكون منظم وفعال وخدام ناضي..

نتلاقاو فايمايل اخر غدا!

كنتمنى تكونو استافدتو.. ايلا عندكم شي تساؤل اولا مشرحتش شي حاجة مزيان، غير صيفط ليا رد فهاد المايل نيت..

— Kaito

ملاحظات:

• مصادر :

  DataCamp Machine Learning Engineer course

• ايلا كنتي باغي تساند هاد newsletter بدعم مادي

  دخل لهنا: https://ko-fi.com/callmekaito