أساسيات تعلم الآلة

المقدمة

تعلم الآلة (ML) هو ركيزة أساسية في الذكاء الاصطناعي، حيث يسمح للأنظمة بتعلم الأنماط واتخاذ القرارات من البيانات. تقدم هذه الدورة التي تستمر خمسة أيام الخوارزميات الأساسية، وسير العمل، وتقنيات التقييم المستخدمة في تعلم الآلة. سيتعلم المشاركون كيف يتم تدريب النماذج والتحقق منها وتحسينها لأنواع مختلفة من المهام. أمثلة واقعية ستساعد في توضيح متى ولماذا يتم تطبيق طرق تعلم الآلة المحددة. بحلول النهاية، سيتمكن المتعلمون من بناء وتقييم نماذج التعلم الآلي الأساسية.

أهداف الدورة

فهم خوارزميات ومفاهيم التعلم الآلي الرئيسية
تعلم كيفية إعداد وتنظيف مجموعات البيانات
بناء وتقييم نماذج التعلم الآلي باستخدام سير العمل القياسي
تطوير الحدس لاختيار الخوارزميات المناسبة
اكتسب خبرة عملية في التعلم تحت الإشراف وغير الإشراف

الفئة المستهدفة

المبتدئون الذين لديهم معرفة تقنية أساسية
محللو البيانات الذين ينتقلون إلى تعلم الآلة.
المهنيون في الأعمال الباحثون عن معرفة تعلم الآلة.
المطورون الذين يرغبون في مهارات أساسية في تعلم الآلة.
الطلاب الذين يستكشفون علم البيانات أو الذكاء الاصطناعي

المنهاج

5 Sections
0 Lessons
5 أيام

Expand all sectionsCollapse all sections

اليوم الأول: مفاهيم ومصطلحات التعلم الآلي
• ما هو التعلم الآلي؟• أنواع التعلم• خط تدريب النماذج• فهم التحيز/التباين• حالات استخدام التعلم الآلي في العالم الحقيقي
0
اليوم الثاني: العمل مع البيانات
• تنظيف البيانات وتحويلها• التعامل مع القيم المفقودة• هندسة الميزات• أساسيات اختيار الميزات• التمرين: إعداد مجموعة بيانات
0
اليوم الثالث: التعلم تحت الإشراف
• الانحدار مقابل التصنيف• النماذج الخطية• أشجار القرار• آلات الدعم المتجهة• التجربة العملية: بناء مصنف
0
اليوم الرابع: التعلم غير الخاضع للإشراف
• أساسيات التجميع• تقليل الأبعاد• اكتشاف الشذوذ• K-Means و PCA• التمارين العملية: تمرين التجميع
0
اليوم الخامس: تقييم النماذج وتحسين
• الدقة، الدقة، الاستدعاء، الفورمولا 1• التحقق المتقاطع• ضبط المعاملات الفائقة• تجنب الإفراط في التركيب• مشروع التخرج
0