التعلم الآلي (ML) هو مجال من مجالات الذكاء الاصطناعي (AI) يركز على تطوير أنظمة قادرة على التعلم واتخاذ القرارات بناءً على البيانات.مفاهيم أساسية:* **التعلم المراقب (Supervised Learning):** يتم تدريب الخوارزميات على بيانات مصنفة (مدخلات مع مخرجات مقابلة).* **التعلم غير المراقب (Unsupervised Learning):** تبحث الخوارزميات عن أنماط في البيانات غير المصنفة.* **التعلم المعزز (Reinforcement Learning):** تتعلم الخوارزميات عن طريق التجربة والخطأ، وتتلقى مكافأة أو عقوبة على أفعالها.* **الشبكات العصبية (Neural Networks):** نماذج رياضية مستوحاة من بنية الدماغ البشري، تستخدم لحل المهام المعقدة مثل التعرف على الأنماط.* **التعلم العميق (Deep Learning):** مجموعة فرعية من التعلم الآلي تستخدم شبكات عصبية عميقة متعددة الطبقات.* **الميزات (Features):** خصائص فردية قابلة للقياس للبيانات المدخلة.* **التصنيفات (Labels):** المخرجات الصحيحة المستخدمة في التعلم المراقب.* **الإفراط في التخصيص (Overfitting):** عندما يتكيف النموذج بشكل جيد جدًا مع بيانات التدريب ويكون أداؤه ضعيفًا على البيانات الجديدة.* **القصور في التخصيص (Underfitting):** عندما يكون النموذج بسيطًا جدًا ولا يمكنه التقاط الأنماط الأساسية في البيانات.* **الدقة (Accuracy):** نسبة الأمثلة المصنفة بشكل صحيح.* **الاستدعاء (Recall):** قدرة النموذج على العثور على جميع الأمثلة ذات الصلة.* **الدقة (Precision):** قدرة النموذج على تجنب النتائج الإيجابية الخاطئة.* **التحقق المتقاطع (Cross-validation):** طريقة لتقييم أداء النموذج عن طريق تقسيم البيانات إلى عدة مجموعات فرعية.