Google Cloud AutoML Vision
تعلَّم كيفية إعداد AutoML Vision للتحضير لتمرين هذه الدورة
تصنيف الصور باستخدام التعلم الآلي
As mentioned in the previous lesson, Texty used two different algorithms in the production of Leprosy of the Land.
After the first algorithm allowed them to divide sections of satellite images of Ukrainian forests into visually uniform subsections, they needed a second algorithm that could identify which sections of satellite images most resembled the existing image examples of amber mining. What they needed was a so-called "custom classifier".
استخدام الأمثلة المُصنَّفة للتعلم
المُصنِّف المُخصَّص هو نوع من نماذج التعلم الآلي التي يمكنك نشرها عندما تتطلب منك حالة الاستخدام تطبيق تصنيفات مُحدَّدة مُسبقًا لتصنيف مجموعة بيانات الصور التي تريد فحصها.
في حالتنا، هذه التصنيفات المُحدَّدة مُسبقًا بسيطة: "نعم: تتضمن هذه الصورة عناصر مرئية متسقة مع الأنماط التي تُظهر عادةً نشاطا لتعدين الكهرمان" و "لا: لا تتضمن هذه الصورة عناصر مرئية تشير إلى وجود نشاط لتعدين الكهرمان".
Google Cloud AutoML Vision تمكننا من القيام بذلك. سوف نتعلم كيفية استخدامها للقيام بالتعلم تحت الإشراف، وهذا يعني أننا سنقوم بتدريب نموذج التعلم الآلي لتطبيق التصنيفات المناسبة بـ "نعم" و"لا" على مجموعة بيانات الصور التي سنقوم بتغذيته بها.
اختيار الخوارزمية
كما قال جيريمي ميريل (Jeremy Merrill) الذي يعمل في مشروع Quartz AI Studio في دورة Crash Course in Classifying Text with Machine Learning التي قدَّمها: "لتحقيق أهدافك كصحفي - لا يهم كثيرًا الخوارزمية التي تختارها، طالما أنك تختار خوارزمية تعمل بالشكل الصحيح."
AutoML Vision ليست الأداة الوحيدة التي يمكننا استخدامها لتحقيق هدفنا المنشود. في الواقع، إنها لم تكن الخوارزمية التي استخدمها وكالة Texty أثناء إجراء التحقيق. السبب في استخدامنا لأداة AutoML Vision في هذه الدورة هو سهولة استخدامها: حيث إنها لا تحتاج إلى أي مهارات تتعلق بالترميز لتعلُّم طريقة عملها ولتدريب نموذج عالي الأداء على بياناتك.
If you do have coding skills already and you want to dig deeper, have a look at fast.ai's Practical Deep Learning for Coders.
إعداد حساب جوجل كلاود الخاص بك
لاستخدام AutoML Vision، يجب عليك التسجيل للحصول على حساب جوجل كلاود sign up for a Google Cloud account. عند التسجيل، سيتم منحك رصيد 300 دولار لبدء تجاربك. كل تمرين في تدريب نموذج التعلم الآلي، مثل ذلك الذي سنقوم به في هذه الدورة، تكلفته حوالي 20 دولارًا. اتبع هذا الدليل "خطوة بخطوة":
انقر على "Try for Free جرِّب مجانًا" ضمن "Get Started with Google Cloud Platform البدء في استخدام جوجل كلاود" واتبع التعليمات لإنشاء حسابك.
بعد إنشاء الحساب، افتح قائمة التنقل على الجانب الأيسر من الصفحة وانتقل إلى الأسفل تمامًا للعثور على "Vision" في قسم "Artificial Intelligence الذكاء الاصطناعي". انقر فوق "Dashboard لوحة المعلومات".
لقد وصلت الآن إلى مساحة العمل الخاصة بك، والتي تعرض أدوات Google Cloud "Vision"، ومن بينها الأداة التي سنستخدمها: "Image Classification تصنيف الصور". انقر فوق "Datasets مجموعات البيانات" في قائمة التنقل على الجانب الأيسر.
وبعد ذلك، انقر فوق "Enable AutoML API". قد تستغرق العملية بضع ثوان. ثم، انقر فوق "Get Started البدء".
عند تلك اللحظة، ستشاهد شاشة فارغة في الغالب لأنك لم تقم بتحديث أي مجموعة بيانات بعد. وهذا ما سنفعله في الدرس التالي.
الانتقال إلى الجزء التالي
أنت الآن جاهز لاستخدام أداة AutoML Vision. في بقية الدورة، سنتعلم كيفية استخدامها لتحقيق النتيجة المرجوة: تدريب نموذج التعلم الآلي للتعرف على التعدين غير القانوني للكهرمان.
وكالتا Texty وJournalismAI شريكتان في تقديم هذه الدورة. وبفضل هذه الشراكة، سنتمكن من استخدام عينة من صور الأقمار الصناعية الفعلية التي استخدمتها وكالة Texty أثناء إجراء تحقيق Leprosy of the Land"جذام الأرض".
Before we move forward, make sure to check the other AI and machine learning products offered by Google Cloud, including Natural Language, Translation, Speech-to-Text and Text-to-Speech, and much more.
-
العروض البصرية للبيانات: خرائط Tilegrams المتقدمة.
الدرسقم بإنشاء خريطة Tilegram الخاصة بك من البيانات. -
فيديو: بدء استخدام Pinpoint
الدرساستكشاف آلاف المستندات وتحليلها باستخدام أداة البحث Pinpoint من Google -
Google Finance: البحث عن أداء الشركات وإجراء أبحاث عنها
الدرستتيح لك خدمة Google Finance تتبع الشركات بين 53 بورصة في 5 قارات.