Representation Learning

تمثيل التعلم هو عملية في التعلم الآلي حيث تقوم الخوارزميات باستخراج الأنماط المهمة من البيانات الخام لإنشاء تمثيلات بيانات أكثر فهمًا وإدارة. يمكن تصميم هذه التمثيلات لتكون قابلة للتفسير، مكشوفة للخصائص المخفية، أو استخدامها في التعلم النقل، وهو ما يحمل قيمة كبيرة للأعمال الأساسية مثل تصنيف الصور واسترجاعها. تعتبر الشبكات العصبية العميقة نماذج لتمثيل التعلم، حيث تقوم عادة بتشفير المعلومات وإسقاطها في فضاءات مختلفة قبل تمريرها إلى تصنيف خطي للتدريب. يمكن تصنيف تمثيل التعلم إلى تمثيل التعلم الإشرافي وتمثيل التعلم غير الإشرافي. يستخدم الأول البيانات المصنفة لتعلم التمثيلات التي تساعد في حل مهام أخرى، بينما يتعلم الثاني التمثيلات من خلال البيانات غير المصنفة، مما يقلل الحاجة إلى البيانات المصنفة عند التعامل مع مهام جديدة. في السنوات الأخيرة، أصبح التعلم الذاتي غير الإشرافي قوة دافعة رئيسية وراء تمثيل التعلم غير الإشرافي، حيث وجدت تطبيقات واسعة في رؤية الحاسوب ومعالجة اللغة الطبيعية.