مجانا
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
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
What you'll learn
مقدمة في Computer Vision: تعلم الأساسيات المتعلقة بـ Computer Vision وكيفية استخدامها في حياتنا اليومية.
أساسيات معالجة الصور والفيديوهات: تعلم كيفية معالجة الصور والفيديوهات باستخدام تقنيات مثل image filtering، image segmentation، و feature extraction.
Deep Learning في Computer Vision: تعلم كيفية استخدام Convolutional Neural Networks (CNNs) لبناء models قوية في object detection و image classification.
تحليل الفيديو والتتبع: تعلم كيفية تطبيق تقنيات مثل optical flow و motion estimation لتتبع الأجسام وتحليل الحركة في الفيديوهات.
الرؤية الثلاثية الأبعاد (3D Vision): تعلم كيفية استخدام 3D reconstruction لتحويل البيانات الثنائية الأبعاد إلى صور ثلاثية الأبعاد.
التطبيقات العملية: تطبيق ما تعلمته في مشاريع عملية مثل face recognition، augmented reality، و medical imaging.
مجانا
دورة Math for Machine Learning تهدف إلى تعليم الأساسيات ... …
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
What you'll learn
التعرف على واجهة Excel: تعلم كيفية التنقل في Excel واستخدام الوظائف الأساسية.
العمل مع البيانات: تعلم كيفية إدخال وتنظيم البيانات، وكيفية استخدام filters و sorting.
استخدام الصيغ (Formulas): تعلم كيفية استخدام SUM، AVERAGE، VLOOKUP، و IF، بالإضافة إلى الصيغ المتقدمة مثل INDEX و MATCH.
التنسيق الشرطي (Conditional Formatting): تعلم كيفية تطبيق conditional formatting لجعل البيانات أكثر وضوحًا.
إنشاء الرسوم البيانية (Charts): تعلم كيفية إنشاء الرسوم البيانية مثل bar charts، line charts، و pie charts لعرض البيانات بطريقة مرئية.
التحليل المتقدم: تعلم كيفية استخدام Pivot Tables و Pivot Charts لتحليل البيانات الكبيرة.
مجانا
Statistics and Data Preparation
تشتمل هذه الدورة على مواضيع متقدمة في تحليل البيانات وال... …
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
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
What you'll learn
فهم الشبكات العصبية (Neural Networks): تعلم الأساسيات والمكونات الرئيسية للشبكات العصبية.
التغذية الأمامية والخلفية (Feedforward and Backpropagation): تعلم كيفية استخدام Feedforward و Backpropagation لتدريب الشبكات العصبية.
تقنيات التحسين (Optimization Techniques): تعلم تقنيات التحسين المستخدمة لتدريب الشبكات العصبية.
فهم Autoencoders و Variational Autoencoders (VAE): تعلم كيفية تطبيق Autoencoders في تقليل الأبعاد واكتشاف الأنماط.
فهم Generative Adversarial Networks (GANs): تعلم كيفية بناء واستخدام GANs لتوليد بيانات جديدة.
تحليل models: تعلم كيفية تقييم أداء الشبكات العصبية و generative models.
