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
فهم الـ data structures الأساسية: تعلم كيفية تمثيل البيانات باستخدام data structures مثل lists، stacks، queues، و trees.
التعامل مع الـ hash tables: تعلم كيفية تنظيم البيانات في hash tables للحصول على الوصول السريع.
أنواع الأشجار (Trees): دراسة binary trees، binary search trees، و balanced trees وكيفية التعامل معها.
تحليل الأداء: تعلم كيفية تحليل تعقيد الوقت والذاكرة للعمليات المختلفة على data structures باستخدام الـ Big-O Notation.
ربط الـ data structures بالخوارزميات: تعلم كيف يمكن استخدام data structures لتحسين أداء algorithms في معالجة البيانات.
مجانا
What you'll learn
فهم الخوارزميات الأساسية: تعلم كيفية تصميم وتنفيذ خوارزميات لحل المشكلات المختلفة.
أنواع الفرز (Sorting): دراسة الخوارزميات المختلفة لفرز البيانات وكيفية اختيار الأنسب حسب حالة البيانات.
خوارزميات البحث (Searching): تعلم تقنيات البحث المختلفة مثل البحث الثنائي والبحث الخطّي.
الأشجار (Trees): تعلم كيفية تمثيل البيانات باستخدام الأشجار، ودراسة الأنواع المختلفة للأشجار مثل الأشجار الثنائية وأشجار البحث.
تحليل الأداء: فهم كيفية تحليل تعقيد الخوارزميات باستخدام الـ Big-O ومقارنة كفاءتها.
مجانا
What you'll learn
قدمة في NLP: تعلم الأساسيات المتعلقة بـ Natural Language Processing وكيفية التعامل مع النصوص باستخدام الخوارزميات المناسبة.
مقدمة في Hugging Face: استكشاف مكتبة Hugging Face وأدواتها الأساسية مثل Transformers و Datasets.
استخدام البيانات وmodels: تعلم كيفية الوصول إلى datasets و pre-trained models من مكتبة Hugging Face واستخدامها في مشاريعك.
التدريب علىmodels: تعلم كيفية تدريب models باستخدام أدوات Hugging Face وتطبيقها على مجموعة متنوعة من مهام NLP.
مشروع تطبيقي: تطبيق ما تعلمته في مشروع حقيقي باستخدام Hugging Face لبناء وتدريب NLP models على بيانات حقيقية.
مجانا
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.
استخراج الميزات (Feature Extraction): تعلم كيفية اختيار الميزات الأكثر تأثيرًا والملائمة لبناء models دقيقة.
- 1
- 2
