كورس تعلّم الآلة بالعربي

ماذا ستتعلم؟

• ما هو تعلّم الآلة ومتى نستخدمه
• تجهيز البيانات وفهمها
• الفرق بين التعلّم الموجّه وغير الموجّه
• بناء أول نموذج بمكتبة scikit-learn
• تقييم النموذج بمصفوفة الالتباس و Precision و Recall
• تحسين النموذج: ضبط الإعدادات والغابة العشوائية
• توقع الأرقام بالانحدار وقياس الخطأ بـ MAE و R2
• اكتشاف المجموعات بخوارزمية K-Means واختيار عددها

فهرس الدروس

1. 1ما هو تعلّم الآلة؟مقدمة مبسطة في تعلّم الآلة: كيف تتعلم البرامج من البيانات بدلاً من القواعد المكتوبة، وما هي البيانات والنموذج والتدريب والتنبؤ، مع مثال عملي صغير بلغة Python.
2. 2البيانات في تعلّم الآلة: الميزات والتسميات والتنظيفافهم دور البيانات في تعلّم الآلة: الميزات والتسميات، واستكشاف البيانات بمكتبة pandas، ومعالجة القيم الناقصة، وتحويل النصوص لأرقام، والتقسيم للتدريب والاختبار.
3. 3التعلّم الموجّه وغير الموجّهافهم الفرق بين التعلّم الموجّه وغير الموجّه: الانحدار لتوقع الأرقام، والتصنيف لتوقع الفئات، والتجميع لاكتشاف المجموعات الخفية، مع أمثلة مجربة بـ scikit-learn.
4. 4أول نموذج حقيقي بـ scikit-learn: تصنيف الزهورابنِ أول نموذج تعلّم آلة بمكتبة scikit-learn: بيانات زهور Iris، والتقسيم للتدريب والاختبار، وتدريب شجرة القرار، وقياس الدقة، والتوقع، وفهم الإفراط في التعلّم.
5. 5تقييم النماذج: مصفوفة الالتباس و Precision و Recallتعلّم تقييم نماذج تعلّم الآلة بـ scikit-learn: لماذا تخدعك الدقة وحدها، ومصفوفة الالتباس، ومقياسا Precision و Recall، والتحقق المتقاطع cross-validation.
6. 6تحسين النموذج: ضبط الإعدادات والغابة العشوائيةتعلّم تحسين نماذج تعلّم الآلة بـ scikit-learn: كشف الإفراط في التعلّم بمقارنة التدريب والاختبار، وضبط العمق، والغابة العشوائية، وتوحيد المقاييس، وحفظ النموذج.
7. 7الانحدار: توقع الأرقام وتقييمهاتعلّم الانحدار الخطي بـ scikit-learn: معنى الميل والمقطع، وتقييم توقع الأرقام بمقاييس MAE و RMSE و R2، والمقارنة بنموذج أساس، وخطر التوقع خارج المجال.
8. 8التجميع: اكتشاف المجموعات بخوارزمية K-Meansتعلّم التجميع بخوارزمية K-Means في scikit-learn: كيف تعمل، ولماذا نوحّد المقاييس أولاً، واختيار عدد المجموعات بطريقة الكوع ومعامل Silhouette، وتفسير النتائج.