recorded courses
ديسمبر 14, 2024 2025-10-26 12:36recorded courses
الدورات المسجلة
مجانا
جميع المستويات
من البداية حتى استخراج البيانات من الويب في هذه الدورة …
مجانا
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
هذا الكورس يقدم رحلة متكاملة لإتقان SQL من البداية حتى …
مجانا
What you'll learn
تحسين مهارات SQL الأساسية: تعلم كيفية التعامل مع queries و subqueries المعقدة.
العمل مع JOINs المتقدمة: تعلم كيفية استخدام INNER JOIN، LEFT JOIN، RIGHT JOIN، و FULL OUTER JOIN بشكل متقدم.
إجراءات مخزنة (Stored Procedures): تعلم كيفية إنشاء stored procedures لتنفيذ عمليات معقدة.
Triggers: فهم كيفية استخدام triggers لتنفيذ الإجراءات تلقائيًا عند حدوث تغييرات في البيانات.
تحسين أداء الاستعلامات: تعلم كيفية تحسين الاستعلامات باستخدام INDEXES و EXPLAIN.
مجانا
جميع المستويات
اتقن Power BI خطوة بخطوة وابدأ في تحويل البيانات إلى …
مجانا
What you'll learn
فهم واجهة Power BI وأساسيات التعامل معها.
استيراد وتنظيف البيانات باستخدام Power Query Editor.
إنشاء علاقات بين الجداول وبناء Data Models قوية.
تحليل البيانات باستخدام DAX (Data Analysis Expressions).
تصميم تقارير ولوحات تحكم Dashboards تفاعلية واحترافية.
نشر ومشاركة التقارير عبر Power BI Service.
تطبيق كل المفاهيم دي في مشاريع تحليل بيانات حقيقية.
مجانا
جميع المستويات
في المقدمة دي هتتعرف عمليًا على What is Data Analysis …
مجانا
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
دورة Python هذه مصممة لتأخذك من مستوى المبتدئ إلى مستوى …
مجانا
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
مقدّمة تعريفية واضحة لـ Artificial Intelligence (AI) تتب... …
مجانا
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
من البداية حتى استخراج البيانات من الويب في هذه الدورة …
مجانا
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
دورة Math for Machine Learning تهدف إلى تعليم الأساسيات ... …
مجانا
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
Mathematical Foundations of ML
دورة Math for Machine Learning تهدف إلى تعليم الأساسيات ... …
مجانا
Mathematical Foundations of ML
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
مبتدئ
Math and Data Preparation for DS
تشتمل هذه الدورة على مواضيع متقدمة في تحليل البيانات وال... …
مجانا
Math and Data Preparation for DS
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
تعلم الآلة (Machine Learning) هو أحد أهم وأشهر مجالات ال... …
مجانا
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
جميع المستويات
ابدأ رحلتك في عالم Deep Learning خطوة بخطوة — من …
مجانا
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
ابدأ رحلتك في عالم تحليل البيانات من الأساسفي الكورس ده …
مجانا
What you'll learn
مقدمة في Data Analysis وأهميتها في عالم البيانات.
الفرق بين أنواع تحليل البيانات وكيفية معالجة البيانات (Data Process).
التعرف على Databases وأنواعها، ومقارنة بين RDBMS والنظام التقليدي للملفات.
التعامل مع Relational Databases (الجداول والعلاقات).
تعلم أساسيات SQL: SELECT، DELETE، UPDATE، INSERT.
استخدام JOINs (INNER، OUTER، CROSS) لربط الجداول.
التعامل مع Primary Keys، Foreign Keys، Composite Keys.
استخدام الدوال التجميعية (COUNT، SUM، AVG، MIN، MAX).
كتابة Subqueries وإنشاء Views.
مفاهيم متقدمة زي Indexes، Backups، وWildcards.
مجانا
What you'll learn
استخدام Excel بشكل احترافي لإدارة وتحليل البيانات.
تطبيق الصيغ والمعادلات Functions بشكل عملي.
إنشاء جداول ورسوم بيانية احترافية.
تحليل البيانات باستخدام Pivot Tables وCharts.
تجهيز تقارير تحليلية توضح النتائج بشكل مرئي وواضح.
مجانا
مبتدئ
بدأ رحلتك في فهم وبناء Neural Networks خطوة بخطوةفي الكو... …
مجانا
What you'll learn
أساسيات Neural Networks وPerceptron.
أنواع Activation Functions ودورها في التعلم.
خوارزميات Backpropagation وweights update .
التعرف على أنواع Optimizers المختلفة وتحليل أدائها.
التعامل مع Deep Learning Frameworks زي TensorFlow وKeras.
بناء شبكات عصبية للتصنيف (Classification) والانحدار (Regression).
تطبيق عملي على بيانات حقيقية باستخدام TensorFlow.
مجانا
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
يقدّم هذا الكورس مدخلًا متكاملًا إلى مجال معالجة اللغة ا... …
مجانا
What you'll learn
فهم مفهوم Natural Language Processing (NLP) وأهميته في تطبيقات الذكاء الاصطناعي
التعرف على مراحل Text Processing وتنظيف النصوص وتجهيزها
تطبيق Sentiment Analysis وتحليل المشاعر على النصوص
فهم Feature Engineering في النصوص
تحويل النصوص إلى تمثيل عددي باستخدام:
Vectorization
Term Frequency
Word Embeddings
التعرف على نماذج معالجة السلاسل النصية:
RNN
LSTM
GRU
تنفيذ تطبيقات عملية باستخدام Python
الاستعداد للانتقال إلى المراحل المتقدمة في NLP وDeep Learning
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
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
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
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
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
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.
