النموذج المدرب مسبقًا هو نموذج التعلم الآلي (ML) الذي تم تدريبه على مجموعة بيانات كبيرة ويمكن ضبطه بدقة لمهمة محددة. غالبًا ما يتم استخدام النماذج المدربة مسبقًا كنقطة بداية لتطوير نماذج التعلم الآلي؛ إنها توفر مجموعة أولية من الأوزان والتحيزات التي يمكن ضبطها بدقة لمهمة محددة.

هناك العديد من المزايا لاستخدام النماذج المدربة مسبقًا، بما في ذلك القدرة على الاستفادة من معرفة وخبرة الآخرين، وتوفير الوقت والموارد، وتحسين أداء النموذج. يتم تدريب النماذج المدربة مسبقًا عادةً على مجموعات بيانات كبيرة ومتنوعة ويتم تدريبها على التعرف على مجموعة متنوعة من الأنماط والميزات. وبالتالي، فإنها يمكن أن توفر أساسًا متينًا للضبط الدقيق ويمكن أن تعمل على تحسين أداء النموذج بشكل كبير.

تأتي النماذج المدربة مسبقًا في أشكال عديدة، مثل نماذج اللغة، ونماذج اكتشاف الكائنات، ونماذج تصنيف الصور. غالبًا ما تُستخدم الشبكات العصبية التلافيفية كأساس لنماذج تصنيف الصور، والتي يتم تدريبها على تصنيف الصور إلى فئات محددة مسبقًا (CNN).

غالبًا ما يتم استخدام شبكات CNN، أو الشبكات العصبية التلافيفية القائمة على المنطقة، كأساس لنماذج التعرف على الكائنات لتحديد العناصر وتصنيفها في الصور أو مقاطع الفيديو (R-CNN). غالبًا ما يتم استخدام الشبكات العصبية المتكررة (RNNs) أو المحولات كأساس لنماذج اللغة، حيث يتم تدريبها للتنبؤ بالكلمة التالية في التسلسل.

بشكل عام، تعد النماذج المدربة مسبقًا أداة مفيدة في التعلم الآلي ويمكن استخدامها كنقطة بداية لتطوير نماذج التعلم الآلي. إنها توفر مجموعة أولية من الأوزان والتحيزات التي يمكن ضبطها بدقة لمهمة محددة ويمكن أن تعمل على تحسين أداء النموذج بشكل كبير.