تشريح مسار تعلم الآلة

نموذج يسجّل دقة 95% في دفتر ملاحظات على جهازك ليس منتجاً. بين تلك النتيجة الواعدة ونظام يثق به مستخدموك تقع سلسلة خطوات يستهين بها المبتدئون: الحصول على البيانات الصحيحة، وتنظيفها، وتشكيلها، والتدريب، والاختبار، والإطلاق، ثم مراقبة النموذج في الواقع حتى لا يتعفّن بصمت. هذه السلسلة هي مسار تعلم الآلة، ويتوقع منك اختبار AIF-C01 أن تسمّي مراحله، وتفرّق بين المتشابه منها، وتفهم لماذا لا ينتهي فعلياً.

ثبّت هدفاً واحداً ملموساً ترسو عليه كل مرحلة: بنك يريد نموذجاً يتنبأ بالعملاء الذين يوشكون على إغلاق حساباتهم، ليتواصل معهم قبل أن يرحلوا. سنتابع نموذج التسرّب هذا من البيانات الخام إلى الإنتاج.

المسار في نظرة واحدة

للمسار ترتيب طبيعي، والترتيب مهم: كل مرحلة تعتمد على سابقتها، ولا تستطيع القفز فوق شيء.

اقرأه في ثلاث كتل. أولاً تجهّز البيانات (الجمع، الاستكشاف، المعالجة، هندسة الخصائص). ثم تبني النموذج (التدريب، الضبط، التقييم). ثم تشغّله في الإنتاج (النشر، المراقبة). وتعود المراقبة بك إلى البداية. والآن نمشي في كل مرحلة ونموذج التسرّب في يدنا.

تجهيز البيانات

جمع البيانات يأتي أولاً لأن النموذج لا يتعلم إلا ممّا تقدّمه له. ولنموذج التسرّب يعني ذلك جمع تاريخ الحسابات وسجلات المعاملات وتذاكر الدعم ونشاط تسجيل الدخول، ثم ضمّها في مكان واحد. والقاعدة التي تحكم هذه المرحلة كلها: مدخلات رديئة تعني مخرجات رديئة. لا تستطيع أي مرحلة لاحقة إنقاذ نموذج دُرّب على بيانات خاطئة أو ناقصة.

استكشاف البيانات (EDA) هو أن تنظر قبل أن تقفز. قبل تغيير قيمة واحدة، تستكشف ما تحتويه البيانات فعلاً: كم حساباً لديك، وأي الحقول ناقصة، وهل يظهر الرصيد سالباً أحياناً، وهل العملاء المتسربون نادرون (وهم كذلك عادةً). الاستكشاف لا يحوّل البيانات، بل يبني فهمك لها، وهذا الفهم يشكّل كل قرار يليه.

معالجة البيانات هي مرحلة التنظيف. البيانات الحقيقية فوضوية: قيم ناقصة، وصفوف مكررة، وصيغ غير متسقة ("السعودية" مقابل "المملكة العربية السعودية")، وأخطاء ظاهرة مثل عمر يساوي 200. تصلح المعالجة هذا كله لتصبح البيانات متسقة وصالحة. تسدّ القيم الناقصة أو تحذفها، وتوحّد الصيغ، وتزيل السجلات الفاسدة.

هندسة الخصائص هي بناء المدخلات الفعلية التي سيتعلم منها النموذج، وتسمى الخصائص. هذه ليست تنظيفاً بل صناعة. من طابع زمني خام لـ "آخر تسجيل دخول" قد تشتقّ "عدد الأيام منذ آخر دخول". ومن سنة من المعاملات قد تحسب "متوسط الإنفاق الشهري" و"اتجاه الإنفاق في آخر 3 أشهر". والخصائص الجيدة هي غالباً ما يفصل نموذجاً متوسطاً عن نموذج قوي، لأنها تسلّم الخوارزمية الإشارة بصيغة تستطيع استخدامها.

تختلط هذه المراحل الثلاث كثيراً، فثبّت الفارق الآن. الاستكشاف فهم، والمعالجة تنظيف، وهندسة الخصائص صناعة. خذ قيمة ناقصة واحدة: الاستكشاف يلاحظها، والمعالجة تسدّها، وهندسة الخصائص لا شأن لها بها. هذا المثال الصغير يفصل الثلاثة كلها.

بناء النموذج

تدريب النموذج هو ما يتخيله معظم الناس حين يسمعون تعلم الآلة، مع أنك ترى الآن أنه خطوة واحدة من خطوات كثيرة. تقدّم البيانات المجهزة إلى خوارزمية، فتتعلم الأنماط التي تربط الخصائص بالنتيجة (هنا: تسرّب أم بقاء). والناتج نموذج مدرَّب.

ضبط المعاملات الفائقة يعدّل الإعدادات التي تتحكم في طريقة التدريب نفسها. هذه لا يتعلمها النموذج من البيانات، بل تضبطها أنت: عدد الطبقات في الشبكة مثلاً، أو سرعة تعديل النموذج لنفسه أثناء التدريب. يجرّب الضبط تركيبات مختلفة ليجد ما ينتج أفضل نموذج، وغالباً آلياً. أنت تضبط مفاتيح عملية التدريب، لا البيانات.

التقييم هو اختبار الصدق. تقيس النموذج على بيانات لم يرها أثناء التدريب، أي مجموعة اختبار محجوزة، لأن نموذجاً حفظ بيانات تدريبه قد يبدو مثالياً ويفشل مع عملاء حقيقيين. فإن كان نموذج التسرّب يلتقط 40% فقط من العملاء الذين يرحلون فعلاً، فالتقييم هو حيث تكتشف ذلك قبل مستخدميك. الدرس الأخير في هذا الموضوع يتعمّق في المقاييس، ويكفيك الآن أن التقييم هو البوابة بين "مدرَّب" و"موثوق".

التشغيل في الإنتاج

النشر يضع النموذج في الخدمة. تتيحه لبقية أنظمة البنك لترسل إليه عميلاً وتستعيد درجة تسرّب، سواء عبر نقطة نهاية دائمة تجيب لحظياً أو مهمة ليلية تقيّم كل الحسابات دفعة واحدة. والدرس التالي يغطي خيارات النشر هذه بالتفصيل.

المراقبة هي المرحلة التي ينساها المبتدئون، وفيها تفشل النماذج بصمت. نموذج تسرّب دُرّب على سلوك العام الماضي قد يفقد دقته تدريجياً مع تغيّر العملاء، أو تحوّل الاقتصاد، أو إطلاق البنك منتجات جديدة. هذا يسمى الانحراف (drift). تتابع المراقبة النموذج الحي، فترصد التدهور وتتصرف، غالباً بجمع بيانات طازجة وإعادة التدريب. وهذا هو السهم الراجع إلى البداية.

وهنا المفهوم الخاطئ الذي يجب أن يموت: أن إطلاق النموذج هو خط النهاية. ليس كذلك. النموذج المنشور أصل قابل للتلف. المسار حلقة لا خط، لأن العالم الذي يصفه النموذج لا يتوقف عن الحركة، والنموذج الذي لا يُعاد تدريبه أبداً نموذج يتقادم ببطء.

نصائح للاختبار

• احفظ ترتيب المراحل واستعدّ لإسناد نشاط إلى مرحلته. "رسم التوزيعات لفهم البيانات" استكشاف، و"سدّ القيم الناقصة" معالجة، و"إنشاء حقل عدد الأيام منذ آخر شراء" هندسة خصائص.
• أشيع فخ هو خلط الاستكشاف بالمعالجة بهندسة الخصائص. ثبّت الأفعال: افهم، نظّف، اصنع. أي نص يصف تنظيفاً فهو معالجة، حتى لو استخدم كلمة "تجهيز".
• "انخفضت دقة النموذج بعد ثلاثة أشهر من الإطلاق" سيناريو مراقبة وانحراف، وعلاجه إعادة التدريب لا إعادة نشر النموذج نفسه.
• احذر الإجابات التي تجعل النشر المرحلة الأخيرة. المراقبة تأتي بعده، والمسار يعود إلى البيانات.

اخرج من هذا الدرس بصورة واحدة: بيانات تدخل، ونموذج يخرج، وإنتاج، ثم عودة إلى البيانات. كل خدمة AWS في الدروس التالية تتصل بإحدى هذه المراحل، وMLOps (لاحقاً في هذا الموضوع) هو انضباط تشغيل هذه الحلقة كلها بموثوقية وتكرار. وستعرف تالياً من أين تأتي النماذج أصلاً، وكيف تضعها في الإنتاج فعلياً.