تعلم الآلة Machine Learning

متوسط 49 موضوعاً 5 – 7 أشهر بمعدل 8 ساعات أسبوعياً
0%

عن هذه الخارطة

خارطة تعلم الآلة الكلاسيكي من الأسس الرياضية وتجهيز البيانات إلى خوارزميات التعلم الموجَّه وغير الموجَّه والتجميعي، مع التقييم الصحيح وضبط المعاملات والتفسير والنشر.

ماذا ستتقن في النهاية: بناء نماذج تعلم آلة قوية للبيانات الجدولية وتقييمها وضبطها وتفسيرها ونشرها.

قائمة الموضوعات حسب الفروع

الأسس (Foundations) 4 موضوعات
  1. أساسيات تعلم الآلة (Machine Learning Fundamentals) مبتدئ
  2. بايثون لتعلم الآلة (Python for Machine Learning) مبتدئ
  3. الجبر الخطي (Linear Algebra) متوسط
  4. الاحتمالات والإحصاء (Probability and Statistics) متوسط
العمل مع البيانات (Working with Data) 3 موضوعات
  1. التحليل الاستكشافي للبيانات (Exploratory Data Analysis) مبتدئ
  2. المعالجة المسبقة للبيانات (Data Preprocessing) مبتدئ
  3. هندسة الخصائص (Feature Engineering) متوسط
التعلم الموجَّه وخوارزمياته (Supervised Learning) 3 موضوعات
  1. التعلم الموجّه (Supervised Learning) مبتدئ
  2. خوارزميات الانحدار (Regression Algorithms) متوسط
  3. خوارزميات التصنيف (Classification Algorithms) متوسط
التقييم والضبط (Evaluation and Tuning) 3 موضوعات
  1. تقييم النماذج (Model Evaluation) متوسط
  2. التحقق المتقاطع (Cross Validation) متوسط
  3. تحسين المعاملات الفائقة (Hyperparameter Optimization) متوسط
التعلم غير الموجَّه (Unsupervised Learning) 3 موضوعات
  1. التعلم غير الموجّه (Unsupervised Learning) متوسط
  2. التجميع (Clustering) متوسط
  3. تقليل الأبعاد (Dimensionality Reduction) متوسط
التجميع والتعزيز (Ensembles and Boosting) 3 موضوعات
  1. التعلم التجميعي (Ensemble Learning) متوسط
  2. التعزيز التدريجي (Gradient Boosting) متقدم
  3. XGBoost متوسط
محطة: ممارس تعلم آلة متمكن (Milestone: solid ML practitioner)
التفسير والإنتاج (Explainability and Production) 3 موضوعات
  1. الذكاء الاصطناعي القابل للتفسير (Explainable AI) متقدم
  2. نشر النماذج (Model Deployment) متوسط
  3. مشروعات تعلم الآلة (Machine Learning Projects) متوسط