Scikit-Learn وTensorFlow. تعلم الآلة بلغة Python

مقدمة

كتاب «Scikit-Learn وTensorFlow. تعلم الآلة بلغة Python» (العنوان الأصلي Hands-On Machine Learning with Scikit-Learn and TensorFlow) هو واحد من أشهر الأدلة العملية والموثوقة في تعلم الآلة (ML) والتعلم العميق (DL) بلغة Python. المؤلف، Aurélien Géron، مهندس سابق في Google، استطاع إنشاء كتاب تعليمي مفيد بنفس القدر للمبتدئين الذين يخطون خطواتهم الأولى في علم البيانات (Data Science)، وللمطورين ذوي الخبرة الذين يرغبون في تعميق معرفتهم. الطبعة الثالثة (عام 2022) أعيدت صياغتها بالكامل وتحديثها لتتناسب مع الإصدارات الحديثة من المكتبات، بما في ذلك TensorFlow 2.x وScikit-Learn 1.x.

عن ماذا يتحدث هذا الكتاب

يغطي الكتاب الدورة الكاملة للعمل مع البيانات: من تحديد المشكلة ومعالجة البيانات الأولية إلى بناء النماذج وتقييمها ونشرها. تنقسم المادة إلى جزأين كبيرين:

• الجزء الأول. أساسيات تعلم الآلة — مخصص للخوارزميات الكلاسيكية: الانحدار الخطي واللوجستي، SVM، أشجار القرار، طرق التجميع (Random Forest، Gradient Boosting)، التجميع (K-Means، DBSCAN) وطرق تقليل الأبعاد (PCA). جميع الأمثلة منفذة باستخدام مكتبة Scikit-Learn.
• الجزء الثاني. التعلم العميق والشبكات العصبية — يغطي نظرية وممارسة الشبكات العصبية: من البيرسبترون البسيط إلى الشبكات الالتفافية (CNN) والمتكررة (RNN)، بالإضافة إلى المحولات (Transformers) والشبكات التوليدية التنافسية (GAN). الجزء الثاني مبني بالكامل على TensorFlow 2.x وKeras.

يتم إيلاء اهتمام خاص للجوانب العملية: العمل مع مجموعات البيانات الحقيقية، ضبط المعلمات الفائقة (hyperparameters)، التنظيم (regularization)، زيادة البيانات (augmentation)، ونشر النماذج باستخدام TensorFlow Serving وTF Lite.

لمن هذا الكتاب

الكتاب موجه لجمهور واسع:

• المبتدئين في علم البيانات (Data Science) — أولئك الذين هم على دراية بالفعل بأساسيات Python ويريدون دراسة تعلم الآلة بشكل منهجي.
• المبرمجين المنتقلين إلى ML — مطوري Python الذين يرغبون في تطبيق مهاراتهم في مجال الذكاء الاصطناعي.
• طلاب التخصصات التقنية — للدراسة المتعمقة لنظرية وممارسة ML.
• مهندسي ML ذوي الخبرة — كمرجع ومصدر لأفضل الممارسات، خاصة في جزء التعلم العميق.

ماذا سيتعلم القارئ

بعد قراءة الكتاب، ستتمكن من:

• فهم وتنفيذ خوارزميات تعلم الآلة الأساسية باستخدام Scikit-Learn.
• بناء وتدريب الشبكات العصبية بأي درجة من التعقيد باستخدام TensorFlow وKeras.
• تقييم جودة النماذج بشكل صحيح (التحقق المتقاطع (cross-validation)، المقاييس (metrics)، مصفوفة الارتباك (confusion matrix)).
• تطبيق طرق التنظيم (regularization) لمكافحة الإفراط في التجهيز (overfitting).
• العمل مع الصور والنصوص والسلاسل الزمنية.
• نشر النماذج في بيئة الإنتاج (production) باستخدام TensorFlow Serving.
• استخدام البنى الحديثة (المحولات (Transformers)، GAN) لحل المشكلات المعقدة.

نقاط القوة في الكتاب

يتميز الكتاب عن غيره من الكتب التعليمية لعدة أسباب:

• التوجه العملي — يحتوي كل فصل على أمثلة برمجية جاهزة للتشغيل يمكن تطبيقها فوراً على بياناتك.
• الحداثة — صدرت الطبعة الثالثة في عام 2022 وتغطي أحدث إصدارات المكتبات، بما في ذلك TensorFlow 2.9 وScikit-Learn 1.1.
• أسلوب العرض الواضح — يتم شرح المفاهيم المعقدة بلغة بسيطة، مع العديد من الرسوم التوضيحية والقياسات.
• العمق — لا يوضح المؤلف فقط كيفية استدعاء دالة، بل يشرح أيضاً لماذا تعمل الخوارزمية بهذه الطريقة، مع الأساس الرياضي.
• التنظيم — بناء منطقي للمادة: من البسيط إلى المعقد، مع ملخصات واضحة وتمارين في نهاية كل فصل.

لمن نوصي