تعلم الآلة باستخدام MATLAB
Machine Learning with MATLAB
من سير عمل تعلم الآلة والمعالجة المسبقة إلى الانحدار والتصنيف والتجميع وPCA والتقييم والتحقق المتقاطع وضبط المعاملات.
أهداف الوحدة
- بناء سير عمل تعلم آلة كامل دون تسرب بيانات
- تطبيق خوارزميات التصنيف والانحدار والتجميع وفهم رياضياتها
- تقييم النماذج بالمقاييس المناسبة والتحقق المتقاطع
- استخدام دوال Statistics and Machine Learning Toolbox بوعي
الدروس
- 1مقدمة إلى تعلم الآلة وسير العملIntroduction to Machine Learning and the Workflow
- 2المعالجة المسبقة وهندسة الميزاتData Preprocessing and Feature Engineering
- 3الانحدار الخطي والانحدار اللوجستيLinear and Logistic Regression
- 4خوارزميات التصنيف: KNN وNaive Bayes والأشجار والغابات وSVMClassification: KNN, Naive Bayes, Trees, Random Forest, SVM
- 5التجميع وK-Means والتجميع الهرمي وPCAClustering, K-Means, Hierarchical Clustering and PCA
- 6تقييم النماذج والتحقق المتقاطع وتحسين المعاملاتModel Evaluation, Cross-Validation and Hyperparameter Optimization
خريطة موضوعات الوحدة
الموضوعات المرتبطة بدروس منشورة تفتح مباشرة، والموضوعات الأخرى مخطط لإضافتها لاحقاً ويغطي بعضها درسٌ أشمل.
- مقدمة وسير العمل والتعلم الموجّه وغير الموجّه قيد الإعداد
- المعالجة المسبقة وهندسة الميزات قيد الإعداد
- الانحدار الخطي واللوجستي قيد الإعداد
- خوارزميات التصنيف: KNN وNaive Bayes وDecision Trees وRandom Forest وSVM قيد الإعداد
- التجميع وK-Means والتجميع الهرمي وPCA قيد الإعداد
- التقييم والتحقق المتقاطع وتحسين المعاملات قيد الإعداد
