كيف يمكن للصحفيين استخدام التعلم الآلي (ML) لتحسين وتعزيز عملهم الصحفي؟ هذا هو السؤال الذي سنستكشفه ونُجيب عليه في هذه الدورة التدريبية.

ستساعدك هذه الدورة التدريبية على فهم المواقف التي يكون فيها التعلم الآلي الأداة الصحيحة لدعم عملية إعداد التقارير الخاصة بك، وستتعلم في هذه الدورة كيفية تدريب نموذج للتعلم الآلي.

تُعد هذه الدورة بمثابة متابعة تكميلية للدورة التدريبية Introduction to Machine Learning "مقدمة في التعلم الآلي". فإذا لم تكن قد اطَّلعت على دورة "مُقدمة في التعلم الآلي" بعد، نُشجِّعك على القيام بذلك قبل متابعة هذه الدورة.

تستكشف دورة Introduction to Machine Learning "مقدمة في التعلم الآلي" الإمكانات التي يُوفِّرها التعلم الآلي للمؤسسات الإخبارية، ويُشرح فيها كيف يمكن للصحفيين استخدامه بشكل مسؤول لتحسين تقاريرهم وتعزيزها.

تهدف هذه الدورة إلى أن نخطو خطوة إلى الأمام، كما أنها توضِّح، من خلال مثال واقعي سنقدمه في الدرس التالي، النتائج التي يمكن للصحفيين تحقيقها باستخدام التعلم الآلي. إذا كنت ترغب في معرفة كيفية عمل التعلم الآلي بخطوات عملية، وكيف يمكنك استخدامه لإعداد تقارير عن قصصك، فهذه الدورة التدريبية مناسبة لك.

هل ستصبح مُصمِّمًا خبيرًا في التعلم الآلي وعالم بيانات في نهاية هذه الدورة التدريبية؟ للآسف، لا. ولكنك ستتعلم الخطوات التي تُبرز كيفية عمل معظم عمليات التعلم الآلي، وستتمكن من إجراء التجارب بنفسك.

قبل أن نواصل حديثنا، دعنا نتأكد أولًا من أننا نعرف ما نتحدث عنه. ما هو التعلم الآلي؟

التعلم الآلي هو جزء من مجموعة من التقنيات التي تم تجميعها تحت مظلة مصطلح "الذكاء الاصطناعي" (AI). كما هو الحال مع معظم المصطلحات في مجال الذكاء الاصطناعي، لا يوجد تعريف واحد مُحدَّد بدقة للتعلم الآلي.

بكلمات بسيطة، التعلم الآلي هو تقنية تستخدم البيانات للإجابة على الأسئلة. وبصورة أكثر اتساما بالطابع الرسمي، يُشير مصطلح التعلم الآلي إلى استخدام خوارزميات تتعلَّم الأنماط من البيانات وتكون قادرة على أداء المهام دون أن تكون مُبرمجة بشكل صريح للقيام بذلك.

 علاوة على ذلك، فإن السمة المميزة لأنظمة التعلم الآلي هي أنها تحسن أدائها من خلال البيانات واكتساب الخبرات. بعبارة أخرى: إن هذه الأنظمة تتعلَّم.

يجب أن تضع في اعتبارك أنه لا توجد طريقة واحدة فقط تتعلم الآلة من خلالها. وتختلف طرق للتعلم الآلي بحسب أنواع المشكلات التي تحاول حلها، بالإضافة إلى نوع وكمية ردود الأفعال المُقدَّمة.

بشكل عام، يمكننا تقسيم التعلم الآلي إلى ثلاث مناطق فرعية: 1) التعلُّم تحت الإشراف. 2) التعلُّم دون إشراف. 3) التعلُّم المُعزَّز. راجع دورة Introduction to Machine Learning "مقدمة في التعلم الآلي" لمعرفة المزيد حول ما يميز هذه الفئات الثلاثة.

في سياق هذه الدورة، سوف نركز على التعلُّم تحت الإشراف. وهذا يعني أننا سنستخدم أمثلة مُصنَّفة لتدريب خوارزمية على تعيين التصنيف الصحيح بشكل تلقائي لكل مثال جديد سنطلب منها تحليله.

الآن بعد أن قمنا بمراجعة الأساسيات، أصبحنا جاهزين لإنهاء هذه المقدمة والمُضي قدمًا.

في الدرسين التاليين، سنقدم دراسة حالة ستُحدِّد الأسس لتمريننا من خلال مثال صحفي واقعي، والخوارزمية التي سنستخدمها لفهم الديناميكيات الكامنة وراء معظم عمليات التعلم الآلي.

ستركِّز الدروس التالية بعد ذلك على الدليل العملي "خطوة بخطوة": كيفية تجميع البيانات وتحضيرها، وكيفية تدريب نموذج التعلم الآلي الخاص بك، وكيفية اختبار أدائه وتقييمه.

سيلخص الدرس الأخير الدروس المُستفادة، وسيساعدك على فهم كيفية تطبيقها في تقاريرك اليومية، وسيُرشِّح لك مصادر أخرى يمكنك استخدامها للتعمق أكثر في عالم التعلم الآلي.