تعريف بالدبلومة | Diploma Defintion
الجبر الخطي اللازم لتعلم الآلة | Linear Algebra for ML
اكتشاف وفحص البيانات | Data Exploration & Preparation
الإحصاء والإحتمالات لعلوم البيانات | Probability & Statistics
مكتبة نمباي | NumPy Library
مكتبة بانداس | Pandas Library
مكتبات الرسوم | Visualization Libraries (matplotlib, seaborn)
مقدمة لمفاهيم تعلم الآلة | Intro to Machine Learning concepts
التحسين العددي | Numerical optimization
التوقع الخطي وغير الخطي | Linear & Polynomial Regression
مشروع تعلم الآلة كامل البداية إلى النهاية | End to End ML project
النظامية أو التسوية | Regularization
منصة كاجل | Kaggle platform
التصنيف الثنائي والمتعدد ومقاييس التصنيف | Classification (binary, multiclass, metrics)
خوارزمية أقرب الجيران | K-Nearest Neighbors
خوارزمية نايف الساذج | Niave Bayes
التوقع اللوجستي | Logistic Regression
خوارزمية متجهات الدعم | Support Vector Machines
خورازمية شجرة القرار | Decision Trees
التعليم المعزز | Ensemble Learning (bagging, boosting)
ضبط معاملات الخورازميات | Hyperparameters Tuning
دبلومة تعلم الآلة وعلوم البيانات باستخدام لغة البايثون, هي دبلومة فريدة تثري المحتوى العربي لمواضيع الذكاء الاصطناعي… وهي دورة تدريبية شاملة قائمة على التفاعل والتطبيق وشرح وافي وتفصيلي للخوارزميات بدءا من الصفر وحتى فهم ممتاز للخوارزمية ومن ثم التطبيق في الأكواد وبناء نموذج قوي يستخدم في الحياة العملية.. الدبلومة مناسبة للمبتدئين ولأي شخص مهتم بعلم البيانات وتحليلها و تعلم الآلة والذكاء الاصطناعي Data Analyst, Data Scientist, Machine Learning Engineer, AI Engineer.. الدبلومة توهلك لاحتراف تعلم الآلة وعلوم البيانات ليس فقط من خلال كتابة الكود بل بفهم جيد للرياضيات المتعلقة بالخوارزمية حتى يمكنك الضبط الجيد لمعاملات الخوارزمية.
____________________________________________________________________________________________________________________________
نتناول في هذه الدبلومة بحول الله تعالى
- Diploma Definition
- Linear Algebra for Machine Learning
- Data Exploration and Preparation
- Probability and Statistics for Data Science
- NumPy Library
- Pandas Library
- Visualization Libraries (matplotlib, seaborn)
- Intro to Machine Learning concepts
- Numerical optimization
- Regression with different Methods
- End to End Machine Learning Projects
- Regularization
- Kaggle platform
- Classification (Binary, Multiclass, different metrics)
- K-Nearest Neighbors
- Naive Bayes
- Logistic Regression
- Support Vector Machines
- Decision Trees
- Ensemble Learning (Voting, Bagging, Boosting)
- Hyperparameters Tuning
- Practical projects
- What is next ?
____________________________________________________________________________________________________________________________
— (*) تحذير هام: تم بذل مجهود كبير بفضل الله وتوفيقه من قبل م. محمد عجور في إعداد هذا المحتوى الذي يقدم بصفة شخصية لك مقابل
الاشتراك، رجاء عدم نسخه أو استخدامه بعيداً عن الموقع أو الإتجار به لإن ذلك يعرضك للمسائلة أمام الله عز وجل .. شكراً لتفهمك، وشكراً لاهتمامك بما نقدمه.
