تێبینیی ئەکادیمی:
ژیریی دەستکرد بوارێکی فرەڕەهەندە؛ بەهۆی ئەمەشەوە زاناکانی کۆمپیوتەر، دامەزراوە تەکنەلۆژییەکان و ڕێکخراوە نێودەوڵەتییەکان لە گۆشەنیگای جیاوازەوە (زانستی، پەرەپێدانی، بەکارهێنانی و یاسایی) پێناسەی دەکەن.

٥ پێناسەی زانستی و فەرمی لە ٥ سەرچاوەی جیاواز و باوەڕپێکراوی جیهانی :

١. پێناسەی جۆن مەکارتی (John McCarthy)

پێناسە: «زانست و ئەندازیاریی دروستکردنی ئامێری هۆشمەند، بەتایبەت پرۆگرامی کۆمپیوتەری هۆشمەند، کە توانای جێبەجێکردنی ئەو ئەرکانەیان هەبێت کە پێویستیان بە هۆشی مرۆیی هەیە.»


٢. پێناسەی زانکۆی ستانفۆرد (Stanford University)

پێناسە: «لقێک لە زانستی کۆمپیوتەر کە گرنگی بە ناسینەوە و دروستکردنی سیستەم و ئامێرەکان دەدات کە توانای لاساییکردنەوەی توانا دەروونی و هۆشییەکانی مرۆڤیان هەیە، لەوانەش فێربوون، لێکدانەوە، و چارەسەرکردنی کێشەکان.»


٣. پێناسەی کۆمپانیای ئای‌بی‌ئێم (IBM)

پێناسە: «ژیریی دەستکرد بریتییە لە تەکنەلۆژیایەک کە کۆمپیوتەر و مۆدێلە دەستکردەکان دەبەستێتەوە بە توانای فێربوون، لێکدانەوە، و ئەنجامدانی کارەکان بە شێوازێکی هاوشێوەی توانای فیکریی مرۆڤ، لە ڕێگەی پرۆسێسکردنی بڕێکی زۆر لە داتا و بەکارهێنانی ئالگۆریتم.»


٤. پێناسەی ڕێکخراوی هاوکاری و پێشکەوتنی ئابووری (OECD)

پێناسە: «سیستەمێکی بنەمادار بە کۆمپیوتەرە کە بۆ ڕێژەیەک لە ئۆتۆنۆمی کار دەکات، و لەسەر بنەمای ئەو داتایانەی وەری دەگرێت، ئامانجە دیاریکراوەکانی مرۆڤ دەستنیشان دەکات و پێشبینی، ڕێنمایی، یان بڕیار دەردەکات کە دەبنە هۆی کاریگەری لەسەر ژینگەی فیزیکی یان دیجیتاڵی.»

٥. پێناسەی فەرهەنگی میریام-وێبستەر (Merriam-Webster Dictionary)

پێناسە: «توانای لقی کۆمپیوتەر بۆ جێبەجێکردنی ئەرکگەلێک کە بە شێوەیەکی نەریتی پێویستیان بە هۆشی مرۆیی هەیە، وەک وەرگێڕانی زمان، ناسینەوەی دەنگ، بڕیاردان، و شیکردنەوەی داتا ئاڵۆزەکان.»


قۆناغە قووڵەکانی کارکردنی سیستەمەکانی ژیریی دەستکرد لە بواری زانستیدا

پوختەی زنجیرەی کارکردن :

کۆکردنەوەی داتا (Data Ingestion)
پاکسازی و گۆڕینی داتا (Preprocessing & Vectorization)
ڕاهێنانی مۆدێل (Model Training & Backpropagation)
هەڵسەنگاندن (Validation & Evaluation)
بەگەڕخستن و پێشبینیکردن (Deployment & Inference)



١. کۆکردنەوە و دەستەبەرکردنی داتا (Data Acquisition & Collection)

وردەکاریی زانستی: لە توێژینەوە زانستییەکاندا، جۆر و کوالێتیی داتا کۆکراوەکان چارەنووسی سەرکەوتنی مۆدێلەکە دیاری دەکەن. داتاکان دابەش دەبن بۆ داتای دەقی (Textual)، بینراو (Visual)، و ژمارەیی (Numerical).
ڕەهەندی ئالگۆریتمی: بەکارهێنانی تەکنیکی وەک (Web Scraping, APIs, Sensor Telemetry, and Synthetic Data Generation) بۆ دابینکردنی قەبارەی گەورەی داتا (Big Data) کە پێویستە بۆ ڕاهێنانی مۆدێلە ئاڵۆزەکان.

٢. ئامادەکردن، پاککردنەوە و پاڵاوتنی داتا (Data Preprocessing & Transformation)

وردەکاریی زانستی: داتا خاوەکان هەمیشە هەڵەیان تێ دەکەوێت. لەم قۆناغەدا پرۆسەکانی وەک (Tokenization, Normalization, Standardization, and Vectorization) ئەنجام دەدرێن.
ڕەهەندی بیرکاری: گۆڕینی داتا ناڕێکەکان بۆ شێوازی ماتریکس و ڤێکتۆر لە ڕێگەی کارپێکردنی جەبری هێڵییەوە، تاوەکو کۆمپیوتەر بتوانێت لە ڕێگەی ژمارەکانەوە مامەڵەیان لەگەڵ بکات.


٣. هەڵبژاردنی مۆدێل و پرۆسەی ڕاهێنان (Model Architecture & Training Phase)

وردەکاریی زانستی: لێرەدا لقی سەرەکیی ژیریی دەستکرد دیاری دەکرێت؛ ئایا فێربوونی ماشینیی کلاسیک بەکار دێت (وەک Random Forest, Support Vector Machines) یان فێربوونی قووڵ (Deep Learning) (وەک Convolutional Neural Networks - CNN بۆ وێنە، یان Transformer Models بۆ دەق).
ڕەهەندی بیرکاری: گەڕان بەدوای کەمترین بەهای هەڵەدا بە بەکارهێنانی تەکنیکی Gradient Descent و گەڕانەوەی پێچەوانەی هەڵە (Backpropagation) بۆ نوێکردنەوەی کێشەکان (Weights) لە ناو تۆڕە دەمارییەکاندا.


٤. هەڵسەنگاندن و دڵنیاکردنەوەی کوالێتی (Evaluation, Validation & Testing)

وردەکاریی زانستی: بۆ دڵنیابوون لەوەی مۆدێلەکە لە داتای نوێ تێ دەگات و تووشی دیاردەی (Overfitting یان Underfitting) نەبووە، داتاکە دابەش دەکرێت بۆ بەشی ڕاهێنان و تاقیکردنەوە.
پێوەرە زانستییەکان: بەکارهێنانی پێوەرەکانی وەک (Accuracy, Precision, Recall, F1-Score, and ROC-AUC) بۆ پێوانەکردنی ڕاستیی بڕیارەکانی مۆدێلەکە بە شێوەیەکی ئاماری.


٥. بەگەڕخستن و پێشبینیکردن (Deployment & Inference)

وردەکاریی زانستی: گواستنەوەی مۆدێلەکە لە ژینگەی تاقیگە بۆ ژینگەی بەرهەمهێنانی ڕاستەقینە لە ڕێگەی API و کلاوودەوە.
پرۆسەی Inference: کاتێک سیستەمەکە داتای نوێ دەبینێت، پرۆسەی پێشبینیکردن لە ڕێگەی ژمێرەی ئەگەرییەوە ئەنجام دەدات و خێراییی کارکردن و سەرچاوەی بەکاربردووی تێدا دەپێورێت.


سەرچاوەکان :(References)

Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.

سەرچاوەی بنەڕەتی بۆ ناساندنی چەمکەکان و پێکهاتەی گشتی ژیریی دەستکرد.

بەردەستە لە: Pearson - Artificial Intelligence: A Modern Approach

Stanford University (2024). Artificial Intelligence Index Report / What is AI?. Stanford Institute for Human-Centered Artificial Intelligence (HAI).

پێناسەی فەرمی و چوارچێوەی زانستی ژیریی دەستکرد لە زانکۆی ستانفۆرد.

بەردەستە لە: Stanford HAI AI Index

IBM Cloud Education (2023). What is Artificial Intelligence? & Machine Learning Workflows. IBM Documentation.

ڕونکردنەوەی تەکنەلۆژی لەسەر پرۆسەی کۆکردنەوەی داتا، ڕاهێنانی ئەلگۆریزم و بەگەڕخستنی مۆدێلەکان.

بەردەستە لە: IBM Topics - Artificial Intelligence

Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (2nd ed.). O'Reilly Media.

کتێبی پراکتیکی بۆ هەنگاوەکانی پاککردنەوەی داتا (Data Preprocessing) و قۆناغەکانی فێربوونی ئامێری.

بەردەستە لە: O'Reilly Online Learning

OECD (2021). OECD Framework for the Classification of AI Systems. OECD Digital Economy Papers.

پێناسەی سیاسەتی نێودەوڵەتی و ستانداردە جیهانییەکانی سیستەمە ئۆتۆنۆمییەکانی ژیریی دەستکرد.

بەردەستە لە: OECD AI Policy Observatory


سەرچاوەکانی چۆنیەتی کارکردن و قۆناغەکانی ژیریی دەستکرد (AI Workflow References)
Google Cloud Architecture Center (2024). Machine Learning Operations (MLOps) Framework & Data Pipelines. Google Documentation.

تایبەتمەندی بۆ قۆناغەکان: سەرچاوەی سەرەکی بۆ قۆناغەکانی کۆکردنەوەی داتا (Data Ingestion)، ئامادەکردن و پاککردنەوە (Data Preprocessing)، ڕاهێنان (Training)، و خستنەگەڕی مۆدێل (Deployment).

بەردەستە لە: Google Cloud MLOps Framework

IBM Developer & Cloud Education (2023). Machine Learning Workflow and AI Pipelines. IBM Documentation.

تایبەتمەندی بۆ قۆناغەکان: بەڵگەنامەی فەرمی کە بە وردی هەنگاوەکانی هەڵبژاردنی ئەلگۆریزم (Algorithm Selection)، فێربوونی ئامێری و هەڵسەنگاندنی ئەنجامەکان (Model Evaluation) ڕوون دەکاتەوە.

بەردەستە لە: IBM Cloud Learn - Machine Learning

Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (2nd ed.). O'Reilly Media.

تایبەتمەندی بۆ قۆناغەکان: کتێبی ستاندارد کە بە شێوازی پراکتیکی قۆناغەکانی پڕۆسێسکردنی داتا خاوەکان (Data Cleaning) و تاقیکردنەوەی مۆدێل بە داتای نەبینراو (Test Data) دەناسێنێت.

بەردەستە لە: O'Reilly Online Learning - Hands-On Machine Learning

Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.

تایبەتمەندی بۆ قۆناغەکان: کتێبی یەکەمی جیهانی لە ڕووی لۆژیکی ئەلگۆریزم، سیستەمی بڕیاردان، و بنەمای کارکردنی تۆڕە دەمارییەکانەوە.

بەردەستە لە: Pearson - Artificial Intelligence: A Modern Approach