تعليم الالة والتعلم العميق

يمكنك ذلك من خلال اتباع الخطوات التالية:

1. أولا قم بجمع مجموعة من الصور المعلوماتية للأشياء التي ترغب في تعلمها. يجب أن تحتوي هذه الصور على أمثلة لكل فئة تريد تعلمها.
2. ثم قم بتقسيم مجموعة البيانات إلى مجموعة تدريب ومجموعة اختبار. تستخدم مجموعة التدريب لتدريب الخوارزمية ومجموعة الاختبار لتقييم أداء الخوارزمية.
3. . بعدها يجب عليك استخدم إطار عمل للتعلم العميق مثل TensorFlow أو Keras لتحميل نموذج MobileNetV2 المدرب مسبقًا. يمكنك استخدام المكتبة المتاحة في الإطار الذي تختاره لتسهيل عملية التحميل والتدريب.
4. استخدم مجموعة البيانات التدريبية لتدريب النموذج. في هذه العملية، سيقوم النموذج بتعديل معلماته الداخلية للتعرف على الأشياء المختلفة في الصور.
5. استخدم مجموعة البيانات الاختبارية لتقييم أداء النموذج. يمكنك حساب مقاييس الأداء مثل الدقة (accuracy) ومصفوفة الارتباط (confusion matrix) لقياس كفاءة النموذج في التعرف على الأشياء.
6. بعد تدريب النموذج وتقييم أدائه، يمكنك استخدامه لتصنيف أشياء جديدة. يمكنك إدخال صورة جديدة إلى النموذج واستخدامه للتنبؤ بالفئة التي تنتمي إليها الصورة.

بتاريخ 11 ساعة قال موسى حسن سعيد هاشم2:

 كيف اقوم ببناء خوارزمية تتعرف  على  الأشياء  مثل هذا  النموذج mobilenet_v الذي يتعرف على اكثر من ٨٠ عنصر 

الأفضل أولا هو أن تبدأ بتعلم بايثون ثم أساسيات التعلم الالي والتدرب على بناء النماذج من الصفر باستخدام المكتبات numpy matplotlib pandas ثم تعلم أساسيات التعلم العميق الخاص بالشبكات CNN,RNN,LSTM وفهم بنية كل شبكة والتطبيق العملي على هذه الشبكات باستخدام keras, tensorflow ثم بعد تعمقك في CNN ستصل إلى أن mobilenet مبنية من عدة شبكات CNN ولا داعي لبنائها من الصفر لأن بذلك سوف تضيع عمل الاخرين بالمجال لأنه يمكنك الاستفادة من النماذج المدربة عبر ما يعرف بنقل التعلم "transfer learning"  وهو يشير إلى الاستفادة من النماذج المدربة مسبقا واستخدامها في التدريب على الداتا الموجودة لديك وبالتالي سوف توفر الوقت ووقت عملية التدريب حتى أنك سوف تحصل على دقة أعلى تسمح للنموذج بإعطاء نتيجة صحيحة أكثر فيما لو قمت ببناء mobilenet من الصفر سوف تستهلك وقت أطول والتدريب سيأخذ وقت طويل وكذلك من الممكن أن لا يتوفر لديك GPU لعملية تدريب مرنة كذلك من الممكن أن تكون نتيجة النموذج سيئة