حول هذه الدورة
دورة Math for Machine Learning تهدف إلى تعليم الأساسيات الرياضية والإحصائية التي تدعم Machine Learning و Data Science. ستركز الدورة على المفاهيم الأساسية في الجبر الخطي (Linear Algebra)، الإحصاء (Statistics)، و احتمالية (Probability)، والتي تعتبر أساسًا لفهم كيفية عمل خوارزميات Machine Learning وتطبيقاتها. كما ستغطي الدورة أيضًا أدوات مهمة مثل NumPy و Pandas و Matplotlib لتحضير البيانات وتحليلها
أهداف التعلم
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.
المواد
- Vector
- Matrix
- Eigen Values and Eigen Vectors
- Singular Value Decomposition
- Bayes Theorem
- Random Variable
- Discrete Probability Distribution
- Continuous Probability Distribution
- Descriptive Statistics
- Introduction to Data Preparation
- NumPy
- Pandas
- Matplotlib and Seaborn
- Practice
متطلبات
- معرفة أساسية بالرياضيات: يجب أن يكون لديك فهم أساسي للجبر والإحصاء.
- معلومات أساسية عن البرمجة: من الأفضل أن تكون لديك معرفة بـ Python أو لغة برمجة أخرى، حيث ستحتاج إليها لتطبيق بعض المفاهيم في الدورة.
- الاستعداد لتعلم المفاهيم الرياضية: الاستعداد للتعامل مع المواضيع الرياضية والإحصائية التي تعتبر الأساس في Machine Learning
الجمهور المستهدف
- طلاب علوم الكمبيوتر وعلوم البيانات: الذين يريدون تعلم الأساسيات الرياضية والإحصائية التي تدعم خوارزميات Machine Learning.
- المطورون والمبرمجون: الذين يرغبون في تحسين فهمهم للجوانب الرياضية التي تستخدمها Machine Learning.
- المهنيون في مجالات الذكاء الاصطناعي وعلوم البيانات: الذين يحتاجون إلى فهم رياضي قوي لدعم تطبيقاتهم العملية.
- المهتمون بتطوير مهاراتهم في Machine Learning: الذين يرغبون في فهم أسس الرياضيات والإحصاء في Machine Learning.
منهاج دراسي
5 دروس13h 20m
Math For Machine Learning
Vectors, Matrices, and NumPy: Essential Concepts and Operations Explained.04:00:01
Quiz1
Understanding Probability Basics: Bayes’ Theorem, Random Variables, and Distributions Simplified02:44:38
Quiz2
Descriptive Statistics and Data Visualization with Pandas and Matplotlib03:12:49
Quiz3
Differentiation and Chain-Rule03:02:07
practice00:24:21
احصل على شهادة
أضف هذه الشهادة إلى سيرتك الذاتية لإثبات مهاراتك وزيادة فرصك في لفت الانتباه.
أساتذتك
Taher Abdelhameed
Senior Machine Learning Engineer
A Senior Machine Learning Engineer at ITG. Eager to learn all about Data Science & Artificial intelligence, and aspire to leave a mark in the field. I enjoy solving challenging problems, gaining more knowledge, and learning new skills
مجانا
المواد
- Vector
- Matrix
- Eigen Values and Eigen Vectors
- Singular Value Decomposition
- Bayes Theorem
- Random Variable
- Discrete Probability Distribution
- Continuous Probability Distribution
- Descriptive Statistics
- Introduction to Data Preparation
- NumPy
- Pandas
- Matplotlib and Seaborn
- Practice
