تكييف المجال (Domain Adaptation) هو مصطلح ظهر في مقالات قرمصيص ويستحق شرحاً مستقلاً. أساليب تنقل نموذجاً من توزيع بيانات مصدر إلى مجال هدف مختلف مع بقاء المهمة متشابهة. فهمه يساعدك على قراءة الشروحات ونتائج التجارب من غير خلط بين الاسم ووظيفته الفعلية.
باختصار
أساليب تنقل نموذجاً من توزيع بيانات مصدر إلى مجال هدف مختلف مع بقاء المهمة متشابهة.
بالتفصيل
تفترض نماذج كثيرة أن بيانات التدريب والاستخدام من التوزيع نفسه، لكن الواقع قد يغيّر اللهجة أو الكاميرا أو نوع المستند. يحاول تكييف المجال تقليل هذه الفجوة باستخدام بيانات هدف معنونة أو غير معنونة وطرق لمحاذاة التمثيلات.
الفكرة العملية هي النظر إلى مكان المصطلح داخل خط العمل: ما البيانات التي تدخل إليه، وما النتيجة التي ينتجها، وما التكلفة أو الافتراض الذي يضيفه. المقارنة العادلة تحتاج تجربة على بيانات منفصلة ومقياس مناسب، لا الاعتماد على الاسم أو الشهرة وحدهما.
مثال عملي
مصنف مدرب على صور استوديو يمكن تكييفه لصور هواتف في إضاءة طبيعية من دون جمع مجموعة معنونة ضخمة من الصفر.
خلي بالك: إذا تغيّرت المهمة نفسها لا يكفي تكييف المجال، كما يجب قياس الأداء لكل مجموعة مهمة لا المتوسط فقط.
مصطلحات مرتبطة
Transfer Learning، Fine-tuning، Data Drift. قراءة هذه المصطلحات معاً توضح العلاقة بين البيانات والتدريب والتقييم والتشغيل.
المصادر: arXiv — 2020-04-24
