تعلّم الآلة
من جدول بيانات فوضوي إلى نموذج تستطيع الدفاع عنه في اجتماع.
تبدأ معظم دورات تعلّم الآلة بالخوارزمية، وهذا إمساك بالمشكلة من طرفها الخطأ. في الممارسة الفعلية ستنفق ربما عُشر وقتك في اختيار المقدِّر، وكل ما تبقّى في تحديد ما يمثّله الصف حقاً، ولماذا يقع أربعة بالمئة من تواريخك في المستقبل، وما إذا كان العمود الذي يتنبأ بكل شيء يسرّب في الواقع الجواب الذي تحاول التنبؤ به. هذا المسار مبني حول هذا الواقع. تبدأ ببايثون وpandas — لا بوصفهما برمجة، بل بوصفهما أداة لاستجواب البيانات — وتتعلّم أن تنظر قبل أن تنمذج، لأن الرسم البياني الذي لم ترسمه هو الخلل الذي ستطلقه. ثم تبني: الخصائص، وهي النموذج أكثر بكثير مما هو المقدِّر نفسه، ثم الانحدار والتصنيف بخطوط أساس بلا بريق تهزم بهدوء الشبكات العصبية على البيانات الجدولية سنة بعد سنة. أما المرحلة الأخيرة فهي الأهم والأقل تدريساً: تحقّق لا يكذب عليك، ومقاييس تعني شيئاً لمن يدفع ثمن النموذج. دقة ثمانية وتسعين بالمئة على معدّل احتيال قدره اثنان بالمئة هي نموذج تعلّم أن يقول «لا» فحسب. ستنتهي قادراً على أخذ بيانات عمل فوضوية إلى نموذج قابل للدفاع عنه — والأهم بالقدر نفسه: قادراً على أن تقول بصوت عالٍ متى لا يوجد نموذج أصلاً.
ما ستتعلّمه
المتطلبات المسبقة
- أساسيات البرمجة بأي لغة
- جبر بمستوى الثانوية؛ تقرأ معادلة دون ذعر
- الاستعداد لقضاء وقت على البيانات أطول مما تقضيه على النماذج
الآفاق المهنية
- مهندس تعلّم آلة
- عالِم بيانات
- عالِم تطبيقي
- محلّل كمّي / مخاطر
المراحل
المرحلة 1 — البيانات أولاً
تعلّم استجواب مجموعة بيانات حتى تعترف. لا نمذجة قبل أن تستطيع وصف كل عمود.
المدة التقديرية · 8-10 أسابيعبايثون وpandas بوصفهما أداة
لا تتعلّم هنا هندسة البرمجيات، بل تتعلّم أن تسأل جدولاً أسئلة بسرعة. الخطر في pandas أنه نادراً ما يعترض: دمج بعلاقة خاطئة يضاعف صفوفك ثلاث مرات بصمت، وإسناد متسلسل لا يفعل شيئاً بصمت، ونموذجك يتدرّب بسعادة على قمامة. ستتعلّم أين يكذب عليك وكيف تضبطه متلبّساً: تحقّق من عدد صفوفك، وافحص مفاتيح الربط، ولا تصدّق أبداً متوسطاً لم ترَ له مدرّجاً تكرارياً.
المواضيع المغطّاة
ما ستبنيه
- حمّل مجموعة بيانات تتجاوز مليون صف وأنتج قاموس بيانات في صفحة واحدة: كل عمود ونوعه ونسبة نقصه ومداه المعقول
- خذ دفتراً كتبته الشهر الماضي، أعد تشغيل النواة ونفّذه من أوله لآخره — وأصلح كل ما ينكسر
- اكتب خمس تحقّقات كانت لتضبط تكراراً صامتاً في الربط، وأثبت أنها تُطلق على دمج مكسور
انظر إلى البيانات قبل نمذجتها
التحليل الاستكشافي ليس مرحلة زخرفية تمرّ بها مسرعاً للوصول إلى الجزء الممتع، بل هو حيث تجد الأخطاء التي كانت ستستغرق ثلاثة أسابيع لتظهر من الإنتاج. ارسم كل توزيع. اسأل لماذا قفز معدّل الهدف في شهر بعينه. اكتشف أن عموداً لم يُملأ إلا بعد ترحيل نظام، فهو موجود في النصف الحديث من بياناتك فقط ولا قيمة له يوم الإطلاق. لكل ممارس متمرّس ندبة من تخطّي هذه الخطوة، ولا أحد منهم يتخطاها مرتين.
المواضيع المغطّاة
ما ستبنيه
- أنتج تقرير تحليل استكشافي على بيانات حقيقية ينتهي بثلاثة استنتاجات ملموسة تغيّر طريقة نمذجتك
- اعثر على عمود واحد على الأقل تتغيّر إتاحته عبر الزمن، ووثّق تاريخ ظهوره
- ارسم معدّل الهدف شهرياً على مدى سنتين واكتب فقرة تفسّر كل انكسار في الخط
المرحلة 2 — الخصائص ثم النماذج
ابنِ التمثيل، ثم دع خط أساس مملّاً وقوياً يقوم بالعمل.
المدة التقديرية · 8-12 أسبوعاًالخصائص هي النموذج
تبديل المقدِّرات يمنحك نقطتين. أما ترميز التاريخ بوصفه «عدد الأيام منذ الطلب السابق للعميل» بدل طابع زمني خام فيمنحك عشرين. هندسة الخصائص هي المدخل الذي تدخل منه معرفة المجال إلى النظام، ولهذا يتفوّق المحلّل الذي يفهم العمل على المهندس الذي لا يفهم سوى المكتبة. وهي أيضاً مولد التسريب: في اللحظة التي تحسب فيها خاصية بمعلومة لم تكن موجودة وقت التنبؤ، يصير درجة تحقّقك محض خيال.
المواضيع المغطّاة
ما ستبنيه
- تفوّق بعشر نقاط على خط أساس بأعمدة خام، بالمقدِّر نفسه، عبر هندسة الخصائص وحدها
- اكتب فحص «نقطة الزمن»: لكل خاصية حدّد اللحظة التي تصبح فيها معلومة، واحذف كل خاصية تفشل
- خذ خاصية مرمّزة بالهدف وأثبت التسريب الذي تسبّبه حين تُلاءَم خارج الطيّة
الانحدار والتصنيف وخط الأساس الذي تخطّيته
ابدأ بالتنبؤ بالمتوسط أو بالفئة الأكثر شيوعاً. إن لم يهزم نموذجك المتطوّر ذلك بوضوح، فأنت لا تملك نموذجاً بل رسماً بيانياً. ثم تعلّم الانحدار الخطي واللوجستي كما ينبغي — لا لأنهما يفوزان دائماً، بل لأنهما مفسَّران بما يكفي ليخبراك متى تكون بياناتك خاطئة. بعدها انتقل إلى الأشجار المعزّزة تدرّجياً، وهي لا تزال الخيار الافتراضي النزيه على البيانات الجدولية. ومن يبيعك شبكة عصبية من أجل جدول بيانات فإنما يبيعك شبكة عصبية.
المواضيع المغطّاة
ما ستبنيه
- أصدر جدولاً يقارن خط الأساس الساذج والانحدار اللوجستي والتعزيز التدرّجي على الطيّات والخصائص والمقياس ذاتها
- خذ أفضل نموذج معزّز لديك وأعِد إنتاج 90% من درجته بانحدار لوجستي وخصائص أفضل
- شغّل بحثاً عن معاملات فائقة وأبلغ بصدق كم نقطة كسبها فعلاً فوق القيم الافتراضية
المرحلة 3 — التحقّق والمقاييس والحقيقة
تأكّد أن الرقم الذي تعلنه هو الرقم الذي سيحصل عليه العمل.
المدة التقديرية · 8-12 أسبوعاًتحقّق لا يكذب
التقسيم العشوائي بين التدريب والاختبار على بيانات ذات بُعد زمني هو أشهر خلل صامت في المجال، ويرتكبه يومياً أشخاص بترتيب ممتاز على Kaggle. إن كنت تتنبأ بالغد فتحقّق على الغد. وإن ظهر العميل نفسه في الطيّتين فنموذجك حفظ العميل لا النمط. التسريب لا يعلن عن نفسه بخطأ، بل يعلن عن نفسه بدرجة جيدة على نحو مريب — أي في اللحظة التي لا يرغب فيها أحد بالتدقيق.
المواضيع المغطّاة
ما ستبنيه
- خذ نموذجاً تحقّقتَ منه بتقسيم عشوائي، أعد التحقّق منه بتقسيم زمني، وأبلغ عن الدرجة التي خسرتها فعلاً
- ابنِ عمداً خط معالجة يسرّب ويحقّق 0.99، ثم فكّكه واشرح كل تسريب كتابةً
- أنشئ تحقّقاً متقاطعاً مجمّعاً لبيانات ذات كيانات متكرّرة وأظهر الفجوة مقابل k-fold الساذج
المقاييس والعتبات وثمن الخطأ
الدقة (accuracy) مقياس من لم يفكّر في المشكلة. عند معدّل حدث قدره اثنان بالمئة، التنبؤ الدائم بـ«لا» يحقّق ثمانية وتسعين ولا يفيد أحداً. السؤال الحقيقي هو ما يكلّفه الإيجابي الكاذب مقابل السلبي الكاذب، وهذا حديث عمل لا حديث رياضيات. ستتعلّم اختيار مقياس يُترجَم إلى مال أو ضرر، وضبط العتبة عمداً بدل قبول 0.5 افتراضياً، وفحص المعايرة — فإن قلت سبعين بالمئة فمن الأفضل أن تقع سبعون بالمئة من تلك الحالات فعلاً.
المواضيع المغطّاة
ما ستبنيه
- اكتب مصفوفة تكلفة مع صاحب قرار حقيقي، ثم اختر عتبة التشغيل التي تفرضها وبرّرها في صفحة واحدة
- ارسم منحنى موثوقية لمصنّفك وصحّح معايرته؛ وأظهر ما قبل وما بعد
- حاكِ ثلاثة أشهر من الانحراف على فترة محجوزة وحدّد التاريخ الذي ستعيد فيه التدريب
أسئلة
هل أحتاج رياضيات ثقيلة لممارسة تعلّم الآلة احترافياً؟
أقل مما يوحي به الإنترنت، وأكثر مما تعترف به المعسكرات التدريبية. لن تشتقّ شيئاً من الصفر في العمل، لكنك ستضيع دون حدس ثلاثة أمور: ما الذي يفعله التدرّج، ولماذا يقايض التنظيم التحيّز بالتباين، وما الذي تدّعيه الاحتمالية فعلاً. هذه أسابيع قليلة من عمل جاد، لا شهادة جامعية. الرياضيات التي تعيق الناس حقاً هي التفكير الإحصائي: أن تفهم أن فارق نقطتين على ثمانمئة صف هو ضجيج. إن أمسكت بهذه الفكرة جيداً فستتفوّق على كثيرين يحفظون البراهين ويتحقّقون رغم ذلك بتقسيم عشوائي.
لماذا يكاد هذا المسار لا يذكر الشبكات العصبية؟
لأن الأشجار المعزّزة تدرّجياً لا تزال الجواب الصحيح على البيانات الجدولية التي تشكّل الغالبية الساحقة من مشكلات العمل، وهي تتدرّب في ثوانٍ على حاسوب محمول. التعلّم العميق يفوز على الصور والصوت واللغة — على البيانات غير المهيكلة حيث يجب أن يتعلّم النموذج تمثيله بنفسه. تدريس الشبكات العصبية أولاً ينتج مهندسين يجلبون بنية عميقة لجدول تسرّب عملاء، ويحرقون ثلاثة أسابيع، ثم يخسرون أمام نموذج يتّسع في استدعاء دالة واحد. وحين تتقن العمل الموصوف هنا يصبح التعلّم العميق مساراً تالياً طبيعياً، وستصله بما يفتقده كثير من ممارسيه: منعكس التحقّق مما إذا كانت البيانات تقول الحقيقة.
أنهيتُ عدة مسابقات على Kaggle. هل هذا المسار زائد عن حاجتي؟
على الأرجح لا، وإليك السبب غير المريح. المسابقة تسلّمك بيانات نظيفة ومقياساً ثابتاً ولوحة صدارة تضمن غياب التسريب. ولا شيء من هذه الهدايا موجود في العمل. عملك الحقيقي يبدأ قبل وجود البيانات: أن تقرّر ماذا تتنبأ، وهل التنبؤ أصلاً هو التدخّل الصحيح، وأي الصفوف مشروع، وكم يكلّف النموذج حين يخطئ. مهارات المسابقات تنتقل جيداً إلى المرحلة الثانية من هذا المسار، ولا تنتقل تقريباً إلى المرحلتين الأولى والثالثة — وهما اللتان تحدّدان إن كان نموذجك سيبلغ الإنتاج أم سيموت في دفتر. تصفّح ما تعرفه، ولا تتخطَّ ما يبدو بديهياً.
مسارات ذات صلة
هل تريد اتّباع هذا المسار مع مدرّب ومجموعة؟
← اكتشف أكاديمية 212AY