ماذا يعني التعلم غير الخاضع للإشراف؟
التعلُّم غير الخاضع للإشراف Unsupervised Learning هو طريقة تُستخدم لتمكين الآلات من تصنيف الأشياء الملموسة وغير الملموسة دون تزويد الآلات بأي معلومات مسبقة عن الأشياء. تتنوع الأشياء التي تحتاج الآلات لتصنيفها، مثل عادات الشراء لدى العملاء، والأنماط السلوكية للبكتيريا وهجمات القراصنة. الفكرة الرئيسية وراء التعلم غير الخاضع للإشراف هي تزويد الآلات بكميات كبيرة من البيانات المتنوعة والسماح لها بالتعلم والاستنتاج من البيانات. ومع ذلك، يجب أولاً برمجة الآلات للتعلم من البيانات.
شرح Techopedia للتعلم غير الخاضع للإشراف
تحتاج أنظمة الكمبيوتر إلى فهم كميات كبيرة من البيانات المهيكلة وغير المهيكلة على حد سواء وتقديم رؤى. في الواقع، قد لا يكون من الممكن توفير معلومات مسبقة حول جميع أنواع البيانات التي قد يتلقاها نظام الكمبيوتر على مدار فترة زمنية. مع وضع ذلك في الاعتبار، قد لا يكون التعلّم الخاضع للإشراف supervised learning مناسبًا عندما تحتاج أنظمة الكمبيوتر إلى معلومات مستمرة حول أنواع جديدة من البيانات. على سبيل المثال، تميل عمليات القرصنة على الأنظمة المالية أو خوادم البنوك إلى تغيير طبيعتها وأنماطها بشكل متكرر، وقد يكون التعلم غير الخاضع للإشراف أكثر ملاءمة في مثل هذه الحالات حيث يجب تمكين الأنظمة من التعلم بسرعة من بيانات الهجوم واستنتاج أنواع الهجمات المستقبلية واقتراح إجراءات استباقية.