تعلم الآلة
Machine Learning
من أنواع التعلم إلى الخوارزميات الكلاسيكية وتقييم النماذج: الأساس النظري والعملي لبناء نماذج تتعلم من البيانات باستخدام scikit-learn.
- 17 درساً
- 3 مستويات
- 3.6 ساعة تقريباً
- 5 اختبارات
عن المسار
تعلم الآلة فرع من الذكاء الاصطناعي يبني نماذج تتعلم الأنماط من البيانات بدلاً من برمجة القواعد يدوياً. يغطي هذا المسار أنواع التعلم، ثم أشهر الخوارزميات الكلاسيكية، ثم الممارسات التي تجعل النتائج موثوقة: هندسة السمات، والتدريب، والتقييم، والتحقق المتقاطع، وتشخيص فرط التخصيص.
مفاهيم التعلم
مبتدئ · Beginner · 46 دقيقة · 4 دروس
ما تعلم الآلة، وما الفرق بين التعلم الموجَّه وغير الموجَّه والتعلم المعزز.
الأهداف التعليمية
- تعريف تعلم الآلة وعناصره
- التمييز بين أنواع التعلم الثلاثة
- معرفة أمثلة لكل نوع
المتطلبات السابقة
- أساسيات Python
- مقدمة في تعلم الآلة Introduction to Machine Learning 12 دقيقة
- التعلم الموجَّه Supervised Learning 12 دقيقة
- التعلم غير الموجَّه Unsupervised Learning 10 دقيقة
- التعلم المعزز Reinforcement Learning 12 دقيقة
الخوارزميات الكلاسيكية
متوسط · Intermediate · 1.7 ساعة تقريباً · 8 دروس
الانحدار الخطي واللوجستي، وأشجار القرار، والغابات العشوائية، وأقرب الجيران، وآلات المتجهات الداعمة، وبايز الساذج، والتجميع بـ K-Means.
الأهداف التعليمية
- فهم فكرة كل خوارزمية وافتراضاتها
- تطبيقها باستخدام scikit-learn
- اختيار الخوارزمية المناسبة للمسألة
المتطلبات السابقة
- إنهاء المستوى المبتدئ
- معرفة NumPy وpandas
- الانحدار الخطي Linear Regression 15 دقيقة
- الانحدار اللوجستي Logistic Regression 15 دقيقة
- أشجار القرار Decision Trees 12 دقيقة
- الغابة العشوائية Random Forest 12 دقيقة
- أقرب الجيران K-Nearest Neighbors 10 دقيقة
- آلات المتجهات الداعمة Support Vector Machines 15 دقيقة
- بايز الساذج Naive Bayes 10 دقيقة
- التجميع بـ K-Means K-Means Clustering 12 دقيقة
بناء نماذج موثوقة
متقدم · Advanced · 1.2 ساعة تقريباً · 5 دروس
الممارسات المنهجية التي تفصل بين نموذج يبدو جيداً على الورق ونموذج يعمم فعلاً على بيانات جديدة.
الأهداف التعليمية
- هندسة السمات دون تسرب بيانات
- تدريب النماذج وضبط معاملاتها الفائقة
- تقييمها بمقاييس وتحقق متقاطع مناسبين
- تشخيص فرط التخصيص ونقصه
المتطلبات السابقة
- إنهاء المستويين السابقين
- هندسة السمات Feature Engineering 15 دقيقة
- تدريب النماذج Model Training 15 دقيقة
- تقييم النماذج Model Evaluation 15 دقيقة
- التحقق المتقاطع Cross Validation 12 دقيقة
- فرط التخصيص ونقص التخصيص Overfitting and Underfitting 12 دقيقة
الاختبار النهائي: تعلم الآلة
15 سؤالاً من كل مستويات المسار · درجة النجاح 70% · اجتيازه يتيح شهادة اجتياز الاختبار.
