recorded courses

الدورات المسجلة

مجانا
جميع المستويات

Introduction to Data Analysis

في المقدمة دي هتتعرف عمليًا على What is Data Analysis …

مجانا
(3)

Introduction to Data Analysis

4.67/5
(3 تقييمات)
10 دروس
4.5 ساعات
جميع المستويات
What you'll learn
What is Data Analysis واستخداماته
Data Types (Categorical/Numerical, Structured/Unstructured)
Steps for Data Analysis (Collect → Clean → EDA → Communicate)
Data Cleaning (Missing Values & Outliers basics)
EDA: Summaries & Visualizations
Descriptive Statistics (Mean, Median, Mode)
Measures of Dispersion (Variance, Standard Deviation, Range)
Histograms & Box Plots
Probability Density Functions (PDFs)
Detecting & Handling Outliers
Overview على الأدوات: Excel, SQL, Python (pandas, numpy), Power BI
Basics of Databases & Simple SQL Queries (SELECT, WHERE, GROUP BY)
مجانا
مبتدئ

Python Essentials

دورة Python هذه مصممة لتأخذك من مستوى المبتدئ إلى مستوى …

مجانا

Python Essentials

39 دروس
15.1 ساعات
مبتدئ
What you'll learn
فهم أساسيات Python: هنتعلم الأساسيات في Python مثل المتغيرات، الحلقات، الدوال، والتعامل مع النصوص.
استخراج البيانات من الويب: هنتعلم كيفية استخدام مكتبات Python مثل BeautifulSoup و Selenium لاستخراج البيانات من صفحات الويب.
تحليل البيانات المستخرجة: تعلم كيفية معالجة وتحليل البيانات المستخرجة باستخدام المهارات الأساسية في Python.
التعامل مع HTML و XML: تعلم كيفية قراءة وتحليل بيانات HTML و XML لاستخراج المعلومات المطلوبة.
تطبيقات عملية: بناء مشاريع لاستخراج البيانات من مواقع متعددة مثل الأخبار والمتاجر الإلكترونية وتحليل هذه البيانات بشكل عملي.
مجانا
مبتدئ

Python

تتناول هذه الدورة مفهوم البرمجة ولغات البرمجة بشكل عام، ... …

مجانا
(2)

Python

5.0/5
(2 تقييمات)
9 دروس
19.7 ساعات
مبتدئ
What you'll learn
فهم أساسيات Python: هنتعلم الأساسيات في Python مثل المتغيرات، الحلقات، الدوال، والتعامل مع النصوص.
استخراج البيانات من الويب: هنتعلم كيفية استخدام مكتبات Python مثل BeautifulSoup و Selenium لاستخراج البيانات من صفحات الويب.
تحليل البيانات المستخرجة: تعلم كيفية معالجة وتحليل البيانات المستخرجة باستخدام المهارات الأساسية في Python.
التعامل مع HTML و XML: تعلم كيفية قراءة وتحليل بيانات HTML و XML لاستخراج المعلومات المطلوبة.
تطبيقات عملية: بناء مشاريع لاستخراج البيانات من مواقع متعددة مثل الأخبار والمتاجر الإلكترونية وتحليل هذه البيانات بشكل عملي
مجانا
جميع المستويات

SQL

دورة SQL هذه توفر لك الأساسيات المتقدمة في إدارة البيانا... …

مجانا

SQL

37 دروس
14.4 ساعات
جميع المستويات
What you'll learn
أساسيات SQL: فهم كيفية عمل SQL واستخدامها لإجراء الاستعلامات.
العمليات على البيانات: تعلم كيفية insert، update، وdelete البيانات في الجداول.
الاستعلامات المتقدمة: استخدام الدوال التجميعية، والفرز، والتصفية لجلب البيانات المطلوبة.
الاستعلامات الفرعية: كتابة واستخدام subqueries لحل المشكلات المعقدة.
المفاتيح والفهارس (Keys and Indexes): تعلم كيفية استخدام primary keys و foreign keys و indexes لتحسين الأداء وضمان تكامل البيانات.
إدارة قواعد البيانات: إنشاء، تعديل، وحذف الجداول وضمان تكامل البيانات.
مجانا
جميع المستويات

Introduction to AI

مقدّمة تعريفية واضحة لـ Artificial Intelligence (AI) تتب... …

مجانا
(5)

Introduction to AI

4.8/5
(5 تقييمات)
4 دروس
1.5 ساعة
جميع المستويات
What you'll learn
تعريف AI ودواعي أهميته اليوم
الفارق الموجز بين AI وML وDL
تصوّر عام لفروع CV وNLP واستخداماتهما
أمثلة تطبيقية حديثة في مجالات مختلفة
مجانا
جميع المستويات

Python Mastery

من البداية حتى استخراج البيانات من الويب في هذه الدورة …

مجانا
(1)

Python Mastery

5.0/5
(1 تقييم)
55 دروس
31.6 ساعات
جميع المستويات
What you'll learn
فهم أساسيات Python: هنتعلم الأساسيات في Python مثل المتغيرات، الحلقات، الدوال، والتعامل مع النصوص.
استخراج البيانات من الويب: هنتعلم كيفية استخدام مكتبات Python مثل BeautifulSoup و Selenium لاستخراج البيانات من صفحات الويب.
تحليل البيانات المستخرجة: تعلم كيفية معالجة وتحليل البيانات المستخرجة باستخدام المهارات الأساسية في Python.
التعامل مع HTML و XML: تعلم كيفية قراءة وتحليل بيانات HTML و XML لاستخراج المعلومات المطلوبة.
تطبيقات عملية: بناء مشاريع لاستخراج البيانات من مواقع متعددة مثل الأخبار والمتاجر الإلكترونية وتحليل هذه البيانات بشكل عملي.
مجانا
مبتدئ

Math and Data Preparation for DS

تشتمل هذه الدورة على مواضيع متقدمة في تحليل البيانات وال... …

مجانا
(3)

Math and Data Preparation for DS

4.67/5
(3 تقييمات)
33 دروس
16.7 ساعات
مبتدئ
What you'll learn
تنظيف البيانات: تعلم كيفية التعامل مع missing values (القيم المفقودة)، outliers (القيم الغريبة)، و duplicates (البيانات المكررة).
معالجة البيانات: تعلم كيفية استخدام تقنيات مثل Normalization، Standardization، و Scaling لتحويل البيانات وتوحيدها.
التحليل الاستكشافي للبيانات (EDA): تعلم كيفية استكشاف البيانات باستخدام statistical summaries و visualizations.
تصور البيانات (Data Visualization): تعلم كيفية استخدام Matplotlib و Seaborn لإنشاء الرسوم البيانية التي تساعد في فهم البيانات.
مجانا
جميع المستويات

Machine Learning

تعلم الآلة (Machine Learning) هو أحد أهم وأشهر مجالات ال... …

مجانا

Machine Learning

16 دروس
40.3 ساعات
جميع المستويات
What you'll learn
بناء models: تعلم كيفية بناء models باستخدام Supervised Learning و Unsupervised Learning.
فهم الأساسيات: تعلم الأساسيات وفهم Machine Learning وكيفية استخدامه لحل المشكلات المعقدة.
التعلم من البيانات: تعلم كيفية التعامل مع البيانات وتنظيفها وتجهيزها لبناء models دقيقة.
تحليل البيانات وتصورها: تعلم كيفية تحليل البيانات واستخراج الأنماط باستخدام تقنيات مثل Exploratory Data Analysis (EDA) و Data Visualization.
تطبيق تقنيات التحسين: تعلم كيفية تحسين models باستخدام تقنيات مثل cross-validation و hyperparameter tuning.
مجانا
جميع المستويات

Deep Learning

ابدأ رحلتك في عالم Deep Learning خطوة بخطوة — من …

مجانا

Deep Learning

38 دروس
20.8 ساعات
جميع المستويات
What you'll learn
فهم المفاهيم الأساسية في Deep Learning.
بناء وتدريب أول شبكة عصبية (Perceptron, Feed Forward Network).
التعامل مع مكتبات TensorFlow و PyTorch.
فهم خوارزميات Backpropagation وطرق التحسين (Optimizers).
بناء AutoEncoder و Variational AutoEncoder (VAE).
تصميم وتدريب Generative Adversarial Networks (GANs).
تطبيق عملي على بيانات حقيقية وتحليل نتائج الـ models.
مجانا
مبتدئ

Math For Machine Learning

دورة Math for Machine Learning تهدف إلى تعليم الأساسيات ... …

مجانا

Math For Machine Learning

37 دروس
23.8 ساعات
مبتدئ
What you'll learn
الـ Vectors (المتجهات): تعلم كيفية التعامل مع vectors كأدوات لتمثيل البيانات في الفضاءات متعددة الأبعاد.
المصفوفات (Matrices): فهم كيفية استخدام matrices لتنفيذ العمليات الحسابية المتعلقة بالبيانات، مثل multiplication و addition.
القيم الذاتية والمتجهات الذاتية (Eigenvalues and Eigenvectors): تعلم كيفية حساب eigenvalues و eigenvectors واستخدامها في تقنيات مثل PCA (Principal Component Analysis) لتقليل الأبعاد.
تحليل القيمة المنفردة (Singular Value Decomposition - SVD): تعلم كيفية استخدام SVD لتحليل المصفوفات وتطبيقاتها في dimensionality reduction و data compression.
نظرية بايز (Bayes Theorem): تعلم كيفية استخدام Bayes Theorem في التنبؤات والقرارات بناءً على البيانات المبدئية.
المتغيرات العشوائية (Random Variables): تعلم كيفية التعامل مع random variables التي تعبر عن النتائج المحتملة في التجارب العشوائية.
التوزيع الاحتمالي المنفصل (Discrete Probability Distribution): فهم التوزيعات الاحتمالية التي تحتوي على عدد محدود من القيم مثل Binomial Distribution و Poisson Distribution.
التوزيع الاحتمالي المستمر (Continuous Probability Distribution): تعلم التوزيعات الاحتمالية المستمرة مثل Normal Distribution و Exponential Distribution.
الإحصاء الوصفي (Descriptive Statistics): تعلم كيفية استخدام mean و median و variance و standard deviation لفهم وتلخيص البيانات.
مجانا
جميع المستويات

Mastering NLP: From Text Processing to Gen AI

دورة شاملة تأخذك منهجيًا من أسس Text Processing وبناء خط... …

مجانا

Mastering NLP: From Text Processing to Gen AI

91 دروس
48.8 ساعات
جميع المستويات
What you'll learn
مقدمة في NLP: تعلم الأساسيات مثل تعريف NLP وتطبيقاته، والتحديات التي قد تواجهها.
معالجة النصوص (Text Processing): تعلم Tokenization، Stop word removal، Stemming و Lemmatization.
تمثيل النصوص (Text Representation): تعلم كيفية استخدام TF-IDF، Word Embeddings و Bag of Words.
تصنيف النصوص (Text Classification): تعلم كيفية استخدام Logistic Regression و Naive Bayes لتصنيف النصوص.
تجميع النصوص وتحليل المواضيع (Clustering and Topic Modeling): تعلم تقنيات مثل LDA لتحليل المواضيع.
أنظمة التوصية (Recommendation Systems): تعلم كيفية بناء Content-based recommendation و Collaborative filtering.
نماذج التسلسل (Sequence Models): تعلم كيفية بناء RNN و LSTM و GRU لتحليل البيانات المتسلسلة.
نماذج الترجمة (Sequence-to-sequence models): تعلم كيفية استخدام Statistical Machine Translation و Neural Machine Translation.
النماذج التحويلية (Transformers): تعلم كيفية استخدام BERT و GPT في Question Answering Systems.
RAG: تعلم كيفية دمج retrieval و generation لتحسين الإجابات في question answering systems.
deploy النماذج (Deploy): تعلم كيفية deploy NLP models باستخدام Flask و Streamlit لإنشاء تطبيقات ويب تفاعلية يمكن استخدامها من قبل الآخرين.
مجانا
جميع المستويات

Machine Learning

تعلم الآلة (Machine Learning) هو أحد أهم وأشهر مجالات ال... …

مجانا

Machine Learning

22 دروس
52.3 ساعات
جميع المستويات
What you'll learn
فهم أساسيات التعلم الآلي: هنتعرف على المفاهيم الأساسية للتعلم الآلي مثل الخوارزميات، والتدريب على البيانات، والاختبار.
التعرف على أنواع التعلم الآلي: هنتعلم الفرق بين التعلم supervised وunsupervised والتعلم المعزز.
بناء النماذج باستخدام Scikit-learn: تعلم كيفية بناء وتدريب النماذج باستخدام مكتبة Scikit-learn الشهيرة.
التعامل مع البيانات: هنتعلم كيفية تجهيز البيانات، تنظيفها، وتحليلها قبل تدريب النموذج.
تطبيقات عملية: بناء مشاريع حقيقية باستخدام تقنيات التعلم الآلي مثل تصنيف الصور، التنبؤ بالقيم، وتحليل البيانات.
مجانا
متوسط

Deep Learning

التعلم العميق هو أحد فروع تعلم الآلة وأحد أهم التطورات …

مجانا

Deep Learning

8 دروس
10.2 ساعات
متوسط
What you'll learn
مفهوم التعلم العميق: فهم الأساسيات ودوره كأحد فروع تعلم الآلة.
الشبكات العصبية الاصطناعية: التعرف على كيفية محاكاة طريقة عمل الدماغ البشري لمعالجة البيانات.
بناء نموذج البرسيبترون (Perceptron): تعلم بناء أبسط أنواع الشبكات العصبية.
النماذج التوليدية (Generative Models): فهم كيفية تطبيق تقنيات مثل One-Hot Encoding.
تصميم نماذج فعالة: تطوير نماذج تعلم عميق قادرة على تحقيق نتائج دقيقة.
التعامل مع البيانات المعقدة: تعلم كيفية معالجة وتحليل البيانات لاستخدامها في النماذج العميقة.
تطبيقات الذكاء الاصطناعي: تطبيق التعلم العميق في مختلف المجالات لتحقيق حلول مبتكرة.
استخدام الشبكات العصبية: تطوير فهم عملي لبناء شبكات قوية للتنبؤ واتخاذ القرارات.
مجانا
متوسط

Python Intermediate

دورة Python من المستوى المتوسط إلى المتقدم هتأخذك من معر... …

مجانا

Python Intermediate

10 دروس
21.3 ساعات
متوسط
What you'll learn
فهم أساسيات Python: هنتعلم الأساسيات في Python مثل المتغيرات، الحلقات، الدوال، والتعامل مع النصوص.
استخراج البيانات من الويب: هنتعلم كيفية استخدام مكتبات Python مثل BeautifulSoup و Selenium لاستخراج البيانات من صفحات الويب.
تحليل البيانات المستخرجة: تعلم كيفية معالجة وتحليل البيانات المستخرجة باستخدام المهارات الأساسية في Python.
التعامل مع HTML و XML: تعلم كيفية قراءة وتحليل بيانات HTML و XML لاستخراج المعلومات المطلوبة.
تطبيقات عملية: بناء مشاريع لاستخراج البيانات من مواقع متعددة مثل الأخبار والمتاجر الإلكترونية وتحليل هذه البيانات بشكل عملي.
مجانا
مبتدئ

Introduction to CV

دورة “مقدمة في الرؤية الحاسوبية” هتأخذك في ر... …

مجانا

Introduction to CV

4 دروس
15 ساعات
مبتدئ
What you'll learn
فهم أساسيات رؤية الكمبيوتر: التعرف على معنى الصورة ومكوناتها وأساسيات معالجة الصور.
خطوات معالجة الصور: تعلم كيفية تطبيق خطوات معالجة الصور باستخدام تقنيات متعددة.
التعرف على تقنيات معالجة الصور: استكشاف الطرق المختلفة لمعالجة الصور وتطبيقاتها.
دمج رؤية الكمبيوتر والتعلم العميق: فهم كيفية تفاعل رؤية الكمبيوتر مع التعلم العميق لتطوير نماذج متقدمة.
تطبيق الرؤية ثلاثية الأبعاد: التعرف على تقنيات الرؤية ثلاثية الأبعاد واستخدامها في تحسين النماذج الذكية.
تطوير مهارات تحليل الصور: اكتساب القدرة على تحليل الصور وحل مشكلات حقيقية باستخدام أدوات حديثة.
استخدام تقنيات الذكاء الاصطناعي في رؤية الكمبيوتر: تطبيق تقنيات الذكاء الاصطناعي لتحسين الأداء في معالجة الصور.
إنشاء نماذج ذكية أكثر تطوراً: تعلم كيفية بناء نماذج رؤية الكمبيوتر التي تلبي متطلبات التطبيقات المتقدمة.
اكتساب مهارات عملية: التعرف على أدوات وتطبيقات عملية لتطوير حلول مبتكرة في رؤية الكمبيوتر.
التعامل مع بيانات الصور: تعلم كيفية تحليل وتفسير الصور في سياقات متعددة.
مجانا
مبتدئ

Introduction to NLP

دورة “مقدمة في معالجة اللغة الطبيعية (NLP)” ... …

مجانا
(1)

Introduction to NLP

4.0/5
(1 تقييم)
3 دروس
8.8 ساعات
مبتدئ
What you'll learn
فهم التعلم العميق ومعالجة اللغة الطبيعية: التعرف على مفهوم التعلم العميق وتطبيقاته في معالجة النصوص.
معالجة النصوص وتحويلها إلى بيانات رقمية: تعلم خطوات تحويل النصوص إلى أرقام واتجاهات تفهمها الآلة.
تطبيق النماذج المولدة (Generative Models): استكشاف نماذج مثل LAMA وChatGPT وفهم طريقة عملها.
التعامل مع النماذج اللغوية الكبيرة (Large Language Models): التعرف على كيفية استخدام هذه النماذج في التطبيقات العملية.
بناء تطبيقات معالجة اللغة الطبيعية: تطوير حلول مبتكرة لمعالجة النصوص والترجمة الآلية وإنشاء المحتوى.
تحليل البيانات النصية باستخدام التعلم العميق: تطبيق تقنيات الذكاء الاصطناعي لتحليل النصوص وفهم البيانات النصية.
التفاعل مع النماذج التوليدية: اكتساب مهارات إنشاء محتوى توليدي باستخدام نماذج اللغة المتقدمة.
دمج تقنيات الذكاء الاصطناعي في التطبيقات العملية: فهم كيفية استخدام التعلم العميق لتطوير حلول ذكية.
استخدام التقنيات الحديثة في الذكاء الاصطناعي: تعلم كيفية التعامل مع أحدث تقنيات الذكاء الاصطناعي وتطبيقاتها.
تحليل وتطبيق النماذج اللغوية في مختلف المجالات: استخدام النماذج المتطورة لحل مشكلات معقدة في المجالات المتعددة.
مجانا
جميع المستويات

Computer Vision Mastery: From Fundamentals to 3D Reconstruction

تقدّم هذه الدورة رحلة شاملة في مجال Computer Vision، تبد... …

مجانا

Computer Vision Mastery: From Fundamentals to 3D Reconstruction

68 دروس
16.5 ساعات
جميع المستويات
What you'll learn
مقدمة في الصور الرقمية:
ما هي الصورة (Image) وكيف يتم تمثيلها عدديًا (Pixels, Channels, Color Spaces).
المفاهيم الأساسية مثل Resolution، Histogram، و Noise.
Image Processing:
العمليات الأساسية مثل Filtering، Thresholding، Edge Detection.
تقنيات تحسين الصور (Image Enhancement) واستخراج الملامح (Feature Extraction).
تحويلات هندسية (Scaling, Rotation, Affine Transformations).
Deep Learning for Computer Vision:
مدخل إلى DNN (Deep Neural Networks) وأسس عملها.
الشبكات الالتفافية CNN (Convolutional Neural Networks) ودورها في تحليل الصور.
Transfer Learning: الاستفادة من النماذج الجاهزة وتخصيصها لتطبيقات جديدة.
Data Augmentation: تحسين أداء النماذج عبر توليد بيانات إضافية.
المهام الأساسية في Computer Vision:
Object Detection: اكتشاف الأجسام باستخدام نماذج مثل YOLO و Faster R-CNN.
Object Tracking: تتبع الأجسام عبر الفيديو باستخدام خوارزميات كلاسيكية وحديثة.
Image Classification & Recognition: تصنيف الصور والتعرف على الكائنات والوجوه.
Semantic Segmentation: تقسيم الصور إلى مكوّناتها الدلالية.
المستوى المتقدم:
3D Reconstruction: إعادة بناء الأجسام والمشاهد ثلاثية الأبعاد من صور ثنائية.
مجانا
جميع المستويات

Mastering Computer Vision: From Image Processing to 3D Reconstruction

تقدّم هذه الدورة رحلة شاملة في مجال Computer Vision، تبد... …

مجانا

Mastering Computer Vision: From Image Processing to 3D Reconstruction

91 دروس
54.5 ساعات
جميع المستويات
What you'll learn
مقدمة في الصور الرقمية:
ما هي الصورة (Image) وكيف يتم تمثيلها عدديًا (Pixels, Channels, Color Spaces).
المفاهيم الأساسية مثل Resolution، Histogram، و Noise.
Image Processing:
العمليات الأساسية مثل Filtering، Thresholding، Edge Detection.
تقنيات تحسين الصور (Image Enhancement) واستخراج الملامح (Feature Extraction).
تحويلات هندسية (Scaling, Rotation, Affine Transformations).
Deep Learning for Computer Vision:
مدخل إلى DNN (Deep Neural Networks) وأسس عملها.
الشبكات الالتفافية CNN (Convolutional Neural Networks) ودورها في تحليل الصور.
Transfer Learning: الاستفادة من النماذج الجاهزة وتخصيصها لتطبيقات جديدة.
Data Augmentation: تحسين أداء النماذج عبر توليد بيانات إضافية.
المهام الأساسية في Computer Vision:
Object Detection: اكتشاف الأجسام باستخدام نماذج مثل YOLO و Faster R-CNN.
Object Tracking: تتبع الأجسام عبر الفيديو باستخدام خوارزميات كلاسيكية وحديثة.
Image Classification & Recognition: تصنيف الصور والتعرف على الكائنات والوجوه.
Semantic Segmentation: تقسيم الصور إلى مكوّناتها الدلالية.
المستوى المتقدم:
3D Reconstruction: إعادة بناء الأجسام والمشاهد ثلاثية الأبعاد من صور ثنائية.
مجانا
جميع المستويات

Math For Machine Learning

دورة Math for Machine Learning تهدف إلى تعليم الأساسيات ... …

مجانا

Math For Machine Learning

5 دروس
13.3 ساعات
جميع المستويات
What you'll learn
الـ Vectors (المتجهات): تعلم كيفية التعامل مع vectors كأدوات لتمثيل البيانات في الفضاءات متعددة الأبعاد.
المصفوفات (Matrices): فهم كيفية استخدام matrices لتنفيذ العمليات الحسابية المتعلقة بالبيانات، مثل multiplication و addition.
القيم الذاتية والمتجهات الذاتية (Eigenvalues and Eigenvectors): تعلم كيفية حساب eigenvalues و eigenvectors واستخدامها في تقنيات مثل PCA (Principal Component Analysis) لتقليل الأبعاد.
تحليل القيمة المنفردة (Singular Value Decomposition - SVD): تعلم كيفية استخدام SVD لتحليل المصفوفات وتطبيقاتها في dimensionality reduction و data compression.
نظرية بايز (Bayes Theorem): تعلم كيفية استخدام Bayes Theorem في التنبؤات والقرارات بناءً على البيانات المبدئية.
المتغيرات العشوائية (Random Variables): تعلم كيفية التعامل مع random variables التي تعبر عن النتائج المحتملة في التجارب العشوائية.
التوزيع الاحتمالي المنفصل (Discrete Probability Distribution): فهم التوزيعات الاحتمالية التي تحتوي على عدد محدود من القيم مثل Binomial Distribution و Poisson Distribution.
التوزيع الاحتمالي المستمر (Continuous Probability Distribution): تعلم التوزيعات الاحتمالية المستمرة مثل Normal Distribution و Exponential Distribution.
الإحصاء الوصفي (Descriptive Statistics): تعلم كيفية استخدام mean و median و variance و standard deviation لفهم وتلخيص البيانات.