التعلم الآلي : التدريب العملي على Python و R في علوم البيانات | التعلم الحر - EDLibre

التعلم الآلي : التدريب العملي على Python و R في علوم البيانات

مهتم بمجال التعلم الآلي ؟ إذن هذه الدورة لك!
تم تصميم هذه الدورة من قبل اثنين من علماء البيانات المحترفين لمشاركة معرفتهم معك و مساعدتك على تعلم النظريات المعقدة و الخوارزميات و المكتبات البرمجية بطريقة بسيطة و بالسير خطوة بخطوة في عالم التعلم الآلي . ستجد في الدورة كل ما يخص التعلم الآلي من معالجة البيانات و التعلم العميق و تعلم التعزيز و الانحدار و التجميع و الكثير من الأساسيات و المعلومات الشاملة.

 

التعلم الآلي : التدريب العملي على Python و R في علوم البيانات

تم تصميم هذه الدورة من قبل اثنين من علماء البيانات المحترفين لمشاركة معرفتهم معك و مساعدتك على تعلم النظريات المعقدة و الخوارزميات و المكتبات البرمجية بطريقة بسيطة و بالسير خطوة بخطوة في عالم التعلم الآلي .

هذه الدورة ممتعة و مثيرة و شاملة، و تغوص بعمق في التعلم الآلي متبعة البرنامج التالي:
• الجزء 1: معالجة البيانات.
• الجزء 2: الانحدار بما في ذلك؛ الانحدار الخطي البسيط، الانحدار الخطي المضاعف، الانحدار متعدد الحدود، SVR، Decision Tree Regression، Random Forest Regression.
• الجزء 3: التصنيف؛ الانحدار اللوجستي،K-NN ،SVM ،Kernel SVM ،Naive Bayes، تصنيف Decision Tree، تصنيف Random Forest.
• الجزء 4: التجميع؛ K-Means، التجميع الهرمي.
• الجزء 5: قاعدة التعلم الرابطة (Association Rule Learning).
• الجزء 6: تعلم التعزيز؛ ملزمة الثقة العليا، أخذ العينات تومسون Thompson.
• الجزء 7: معالجة اللغات الطبيعية؛ نموذج حقيبة الكلمات (Bag-of-words) و خوارزميات لـ NLP.
• الجزء 8: التعلم العميق؛ الشبكات العصبية الاصطناعية، الشبكات العصبية التلافيفية.
• الجزء 9: تخفيض الأبعاد؛ PCA، LDA، Kernel PCA.
• الجزء 10: اختيار النموذج وتعزيزه؛ التحقق المتقاطع عبر k-fold، ضبط المعاملات، بحث الشبكة، XGBoost.

و كإضافة لكل ما سبق، فإن الدورة مليئة بالتمارين العملية التي تستند إلى أمثلة واقعية. لذا لن تتعلم النظرية فحسب، بل ستحصل أيضا على بعض التدريب العملي على بناء نماذجك الخاصة. و كمكافأة أيضا، تشتمل هذه الدورة على نماذج برمجة Python و R التي يمكنك تنزيلها و استخدامها في مشروعاتك الخاصة.

الأهداف و المكتسبات:

• التدريب على التعلم الآلي في Python و R.
• اكتساب حدس و تنبؤ كبيرين للعديد من نماذج التعلم الآلي .
• وضع توقعات دقيقة.
• وضع تحليل قوي.
• صنع نماذج قوية و متينة للتعلم الآلي.
• إنشاء قيمة قوية إضافية لنشاطك التجاري.
• استخدام التعلم الآلي لأغراض شخصية.
• التعامل مع موضوعات محددة كتعلم التعزيز، البرمجة اللغوية العصبية NLP و التعلم العميق.
• التعامل مع تقنيات متقدمة كتخفيض الأبعاد Dimensionality Reduction.
• التعرف على نموذج التعلم الآلي الذي يجب اختياره لكل نوع من أنواع المشاكل.
• التمكن من بناء جيش من نماذج التعلم الآلي القوية و معرفة كيفية دمجها لحل أي مشكلة.

الفئة المستهدفة:

• أي شخص مهتم بمجال التعلم الآلي .
• أي شخص يعرف أساسيات التعلم الآلي بمستوى متوسط، بما في ذلك الخوارزميات الكلاسيكية كالانحدار الخطي أو الانحدار اللوجستي، و يرغب في معرفة المزيد عنها و استكشاف جميع المجالات المختلفة في التعلم الآلي .
• أي شخص يرغب في تطبيق التعلم الآلي بسهولة على مجموعات البيانات.
• طلاب الكلية الذين يرغبون في بدء مهنة في علوم البيانات.
محللي بيانات يرغبون في الارتقاء بمستوى التعليم الآلي .
• أي شخص يريد أن يصبح عالم بيانات.
• أي شخص يرغب في إضافة قيمة لعمله باستخدام أدوات التعلم الآلي القوية.

رابط الدورة

بالتوفيق للجميع، نحن رهن الإشارة إن احتجتم مساعدة ما. يكفي مراسلتنا عبر الصفحة الرسمية للموقع على الفيسبوك Education Libre أو ترك تعليقات. و يمكنكم متابعتنا عبر تطبيق Telegram لتتوصلوا بمستجدات موقع التعلم الحر باستمرار.

You may also like...

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *