الشبكة العصبية هي نموذج حسابي مستوحى من بنية وعمل الدماغ البشري. وهو عنصر أساسي في الذكاء الاصطناعي، وتحديداً في مجال التعلم الآلي. تم تصميم الشبكات العصبية لمعالجة وتفسير الأنماط والعلاقات المعقدة في البيانات، مما يسمح لها بالتنبؤ والتعرف على الأنماط وحل المشكلات.
تتكون الشبكة العصبية في جوهرها من عقد مترابطة، تُعرف باسم الخلايا العصبية الاصطناعية أو ببساطة "الخلايا العصبية". يتم تنظيم هذه الخلايا العصبية في طبقات، حيث تقوم كل طبقة بإجراء حسابات محددة. النوع الأكثر شيوعًا للشبكات العصبية هو الشبكة العصبية المغذية، حيث تتدفق المعلومات في اتجاه واحد، من طبقة الإدخال عبر الطبقات المخفية إلى طبقة الإخراج.
تتلقى كل خلية عصبية في الشبكة العصبية مدخلات، وتطبق تحويلًا رياضيًا عليها، وتنتج مخرجات. يتم ضرب المدخلات بالأوزان التي تمثل قوة الاتصالات بين الخلايا العصبية. بالإضافة إلى ذلك، غالبًا ما يتم إضافة مصطلح التحيز إلى كل خلية عصبية، مما يسمح بضبط استجابة الخلية العصبية. يتم بعد ذلك تمرير المدخلات المرجحة ومصطلح التحيز من خلال وظيفة التنشيط، والتي تقدم عدم الخطية في الشبكة.
تحدد وظيفة التنشيط مخرجات الخلية العصبية بناءً على مدخلاتها. تتضمن وظائف التنشيط الشائعة الدالة السيني، التي تقوم بتعيين المدخلات إلى القيم بين 0 و1، ووظيفة الوحدة الخطية المصححة (ReLU)، التي تقوم بإخراج الإدخال إذا كان موجبًا و0 بخلاف ذلك. يعتمد اختيار وظيفة التنشيط على المشكلة المطروحة والخصائص المطلوبة للشبكة.
أثناء التدريب، تقوم الشبكة العصبية بضبط أوزان وتحيزات خلاياها العصبية لتقليل الفرق بين المخرجات المتوقعة والمخرجات المرغوبة، وذلك باستخدام عملية تسمى الانتشار العكسي. يقوم Backpropagation بحساب تدرج الخطأ فيما يتعلق بكل وزن وتحيز، مما يسمح للشبكة بتحديثها بطريقة تقلل من الخطأ. تستمر هذه العملية التكرارية حتى تصل الشبكة إلى حالة يتم فيها تقليل الخطأ إلى الحد الأدنى، ويمكنها إجراء تنبؤات دقيقة بشأن البيانات الجديدة غير المرئية.
أثبتت الشبكات العصبية فعاليتها العالية في مجموعة واسعة من التطبيقات، بما في ذلك التعرف على الصور والكلام، ومعالجة اللغة الطبيعية، وأنظمة التوصية. على سبيل المثال، في التعرف على الصور، يمكن للشبكة العصبية أن تتعلم كيفية التعرف على الأشياء من خلال تحليل الآلاف أو حتى الملايين من الصور ذات العلامات. من خلال التقاط الأنماط والميزات الأساسية في البيانات، يمكن للشبكات العصبية تعميم معرفتها وإجراء تنبؤات دقيقة على الصور غير المرئية.
الشبكة العصبية هي نموذج حسابي مستوحى من بنية وعمل الدماغ البشري. وهو يتألف من خلايا عصبية اصطناعية مترابطة منظمة في طبقات، حيث تقوم كل خلية عصبية بتطبيق تحويل رياضي على مدخلاتها وتمرير النتيجة من خلال وظيفة التنشيط. من خلال عملية التدريب، تقوم الشبكات العصبية بضبط أوزانها وتحيزاتها لتقليل الفرق بين المخرجات المتوقعة والمرغوبة. وهذا يسمح لهم بالتعرف على الأنماط، والتنبؤ، وحل المشكلات المعقدة.
أسئلة وأجوبة أخرى حديثة بخصوص البيانات الضخمة لنماذج التدريب في السحابة:
- هل يجب أن تكون الميزات التي تمثل البيانات بتنسيق رقمي ومنظمة في أعمدة المعالم؟
- ما هو معدل التعلم في التعلم الآلي؟
- هل تقسيم البيانات الموصى بها عادة بين التدريب والتقييم يقترب من 80% إلى 20% على التوالي؟
- ماذا عن تشغيل نماذج تعلم الآلة في إعداد مختلط، مع تشغيل النماذج الحالية محليًا مع إرسال النتائج إلى السحابة؟
- كيفية تحميل البيانات الكبيرة إلى نموذج الذكاء الاصطناعي؟
- ماذا يعني تقديم نموذج؟
- لماذا يُعتبر وضع البيانات في السحابة أفضل نهج عند العمل مع مجموعات البيانات الضخمة للتعلم الآلي؟
- متى يُوصى باستخدام Google Transfer Appliance لنقل مجموعات البيانات الكبيرة؟
- ما هو الغرض من gsutil وكيف يسهل نقل الوظائف بشكل أسرع؟
- كيف يمكن استخدام Google Cloud Storage (GCS) لتخزين بيانات التدريب؟
عرض المزيد من الأسئلة والأجوبة في البيانات الضخمة لنماذج التدريب في السحابة