حول هذه الدورة
تعلم الآلة (Machine Learning) هو أحد أهم وأشهر مجالات الذكاء الاصطناعي. تهدف هذه الدورة إلى تقديم فهم شامل لهذا المجال، بداية من تعريف تعلم الآلة وأهميته، وصولاً إلى تطبيقاته المتنوعة في حل المشكلات. خلال الدورة، ستتعلم كيفية بناء نماذج قادرة على محاكاة الذكاء البشري والتنبؤ بالنتائج بناءً على البيانات المدخلة. سيتم أيضاً توضيح الفرق بين التعلم الموجه (Supervised Learning) و التعلم غير الموجه (Unsupervised Learning)، بالإضافة إلى كيفية تطبيق كل منهما في حالات مختلفة.
أهداف التعلم
متطلبات
- المعرفة الأساسية: من الأفضل أن تكون لديك معرفة أساسية بالرياضيات (خصوصًا الجبر والإحصاء) وبرمجة Python.
- أدوات مطلوبة: جهاز حاسوب مع اتصال بالإنترنت وبرنامج Python مُثبت عليه مكتبات مثل Scikit-learn وTensorFlow.
- المهارات البرمجية: الدورة موجهة للمبتدئين في التعلم الآلي، لكن معرفة أساسية بـ Python هتكون مفيدة.
- تطبيق عملي: الدورة هتتضمن تمارين عملية لبناء نماذج تعلم آلي وتطبيقها على مجموعات بيانات حقيقية.
الجمهور المستهدف
- الطلاب: طلاب الهندسة أو علوم الحاسب أو الرياضيات الذين يرغبون في التخصص في الذكاء الاصطناعي وتعلم الآلة.
- المهنيون: المهندسون أو المحللون الذين يرغبون في اكتساب معرفة أعمق في كيفية استخدام الرياضيات لتحسين أداء النماذج الحاسوبية.
- محللو البيانات: الذين يريدون إضافة مهارات التعلم الآلي لتحليل البيانات وإيجاد حلول ذكية.
- المطورون: الذين يرغبون في تعلم كيفية بناء وتطبيق نماذج تعلم آلي باستخدام Python.
- الطلاب: الذين يدرسون علوم البيانات أو الذكاء الاصطناعي ويرغبون في تعلم الأساسيات.
- المهتمون بالتقنيات الحديثة: أي شخص مهتم بمجال التعلم الآلي ويريد تطبيقه في حياتهم المهنية أو الدراسية.
منهاج دراسي
Machine Learning
Introduction to Machine Learning03:05:15
Quiz1
Linear Regression01:30:26
Quiz2
Polynomial Regression03:28:24
Quiz3
Linear Regression (Practice)02:40:48
Quiz4
Ploynomial Regression (Practice)02:42:10
Quiz5
Underitting Vs Overfitting02:51:28
Quiz6
Decision Tree02:50:03
Quiz7
Decision Tree (Practice)03:10:07
Quiz8
Ensemble Models Practice (Gradient Boosting & Random Forest)03:34:59
Quiz9
Feature Selection03:09:50
Quiz10
Logistic Regression02:17:51
Quiz11
Decision Tree Classification02:52:50
Quiz12
Dealing with Imbalance Data02:43:50
Quiz13
XGBoost Classifier03:19:44
Quiz14
Support Vector Machine03:03:30
Quiz15
Naive Bayes02:46:36
Quiz16
Unsupervised Learning02:51:07
Quiz17
Association Rules03:27:27
Quiz18
احصل على شهادة
أضف هذه الشهادة إلى سيرتك الذاتية لإثبات مهاراتك وزيادة فرصك في لفت الانتباه.
أساتذتك
Ahmed Ashraf
Machine Learning Engineer @ Cybral
Results-driven Machine Learning Engineer with expertise in NLP and MLOps, specializing in optimizing model performance, developing scalable data solutions, and enhancing system security. Skills: • Machine Learning & NLP: supervised, unsupervised algorithms, NN, CNNs, RNNs, LSTMs, Classical NLP, Tokenization, stemming, lemmatization, POS tagging, named entity recognition (NER), Embeddings, Word2Vec, GloVe, BERT, GPT, Attention, Transformer, Pytorch, HuggingFace, LLMs, Prompt Engineering, RAG, Vector Store, Langchain, LLM serving • MLOps & Deployment: Azure Repos - Pipelines, Git, Docker - Compose - Swarm, Mlflow, Weights & Biases, OLLAMA • API Development & Integration: Python, Flask, Flask-RESTx, Http/s, GRPC, Protocol Buffers, Swagger, Postman, SSL/TLS, Authentication, role-based access control, rate limiting, Microservices, Service Registry • Graph Database: Neo4j, Cypher language, APOC: Awesome Procedures on Cypher • Other Tools & Technologies: Numpy, Pandas, Matplotlib, Sklearn, NLTK, Redis, A/B Testing
