CatBoost
أعلنت ياندكس، المعروفة بمحرك البحث وخدماتها عبر الإنترنت الأخرى، عن إصدار CatBoost، وهي مكتبة لتعلم الآلة مفتوحة المصدر تعتمد على تعزيز التدرج. تُعد هذه المكتبة الجديدة القوية دقة وأداء أفضل، لا سيما عند التعامل مع البيانات التي لا يتم تنسيقها بسهولة لخوارزميات تعلم الآلة. غالبًا ما تشمل هذه البيانات البيانات التي ليست حسية بحتة، مثل الصوت أو النص أو الصور، ولكنها تحتوي أيضًا على معلومات معاملية أو تاريخية. يُعد تعزيز التدرج تقنية مخصصة بشكل خاص لمثل هذه السيناريوهات، مما يسمح للأنظمة بالتعلم بشكل فعال حتى مع البيانات المحدودة.
وقد بدأت ياندكس بالفعل في دمج CatBoost في خدماتها الخاصة، واستبدال خوارزمية تعلم الآلة السابقة الخاصة بها، MatrixNet. هذا الانتقال جارٍ حاليًا وسيستمر في الأشهر المقبلة. يُسلّط قرار الشركة بجعل CatBoost مفتوح المصدر الضوء على التزامها بمجتمع المصادر المفتوحة ورغبتها في دفع الابتكار في مجال الذكاء الاصطناعي وتعلم الآلة.
وتشمل ميزات CatBoost الرئيسية:
- تقليل التناسب الزائد: تؤدي هذه الميزة إلى نتائج أكثر دقة من خلال استخدام خوارزمية فريدة لبناء النموذج تختلف عن تقنيات تعزيز التدرج القياسية.
- دعم الميزات الفئوية: تُمكّن CatBoost من استخدام البيانات غير العددية، مما يلغي الحاجة إلى المعالجة المسبقة وتحويل البيانات.
- واجهة برمجة التطبيقات سهلة الاستخدام: يوفر CatBoost واجهة برمجة تطبيقات بديهية للاستخدام من سطر الأوامر أو من خلال واجهات برمجة التطبيقات Python أو R. كما أنه يتضمن أدوات لتحليل الصيغ وتصور التدريب.
في حين أن هناك مكتبات أخرى موجودة لتعزيز التدرج وتعلم الآلة، تُشدد ياندكس على أن CatBoost متميزة بسبب دقة “اختبارها في المعركة”. وتجادل الشركة بأن CatBoost تتطلب ضبطًا ضئيلًا وتُقدم أداءً قويًا منذ البداية.
يُعد جعل CatBoost مفتوح المصدر دليلًا على التزام ياندكس بالتعاون المفتوح وطموحها للعب دور محوري في تطوير الذكاء الاصطناعي وتعلم الآلة. مع أدائها القوي وتصميمها سهل الاستخدام، من المقرر أن تصبح CatBoost موردًا قيّمًا للمطورين والباحثين الذين يبحثون عن قدرات متقدمة لتعلم الآلة.
