الأكثر شهرة
مجانا
What you'll learn
فهم الجبر الخطي: هنتعرف على المفاهيم الأساسية للجبر الخطي مثل المصفوفات، المتجهات، والتحويلات، وكيفية استخدامها في نماذج التعلم الآلي.
الإحصاء: هنتعلم أهم المفاهيم الإحصائية مثل التوزيعات، المتوسطات، الانحراف المعياري، وأهمية هذه المفاهيم في معالجة البيانات وتحليلها.
الاحتمالات: هنتعرف على أساسيات الاحتمالات وكيفية تطبيقها في بناء النماذج التي تتعامل مع عدم اليقين والقرارات الاحتمالية.
المكتبات الخارجية: هنتعلم كيفية استخدام مكتبات Python مثل NumPy، Pandas، Matplotlib، وScikit-learn لتحسين الأداء وتحليل البيانات.
إعداد البيانات: هنتعلم كيف نحضر البيانات بشكل مناسب لنماذج التعلم الآلي، بما في ذلك التنظيف، التحويل، والتعامل مع القيم المفقودة.
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
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.
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.
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 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
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
What you'll learn
1. فهم المبادئ الأساسية لقواعد البيانات وعلاقاتها مع SQL.
2. إتقان استرجاع البيانات وتصفيتها باستخدام الاستعلامات المختلفة.
3. تعلم كيفية استخدام دوال التجميع مثل SUM و AVG و COUNT لتحليل البيانات.
4. إتقان استخدام التوصيل (Joins) لدمج البيانات من جداول متعددة.
5. تعلم كيفية كتابة استعلامات فرعية ونماذج معقدة باستخدام الاستعلامات المتداخلة.
6. معرفة كيفية التلاعب بالبيانات (إضافة، تعديل، حذف) باستخدام SQL.
7. فهم كيفية تعريف البيانات وتحديد القيود لضمان سلامتها.
8. تعلم كيفية إنشاء العروض والفهارس لتحسين أداء الاستعلامات.
9. إتقان إدارة المعاملات والتعامل مع الأخطاء في بيئات العمل.
10. اكتساب مهارات تحسين استعلامات SQL واتباع أفضل الممارسات لضمان الأداء الأمثل.
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
What you'll learn
مفهوم التعلم العميق: فهم الأساسيات ودوره كأحد فروع تعلم الآلة.
الشبكات العصبية الاصطناعية: التعرف على كيفية محاكاة طريقة عمل الدماغ البشري لمعالجة البيانات.
بناء نموذج البرسيبترون (Perceptron): تعلم بناء أبسط أنواع الشبكات العصبية.
النماذج التوليدية (Generative Models): فهم كيفية تطبيق تقنيات مثل One-Hot Encoding.
تصميم نماذج فعالة: تطوير نماذج تعلم عميق قادرة على تحقيق نتائج دقيقة.
التعامل مع البيانات المعقدة: تعلم كيفية معالجة وتحليل البيانات لاستخدامها في النماذج العميقة.
تطبيقات الذكاء الاصطناعي: تطبيق التعلم العميق في مختلف المجالات لتحقيق حلول مبتكرة.
استخدام الشبكات العصبية: تطوير فهم عملي لبناء شبكات قوية للتنبؤ واتخاذ القرارات.
تتجه
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 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
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
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.
مجانا
What you'll learn
مفهوم التعلم العميق: فهم الأساسيات ودوره كأحد فروع تعلم الآلة.
الشبكات العصبية الاصطناعية: التعرف على كيفية محاكاة طريقة عمل الدماغ البشري لمعالجة البيانات.
بناء نموذج البرسيبترون (Perceptron): تعلم بناء أبسط أنواع الشبكات العصبية.
النماذج التوليدية (Generative Models): فهم كيفية تطبيق تقنيات مثل One-Hot Encoding.
تصميم نماذج فعالة: تطوير نماذج تعلم عميق قادرة على تحقيق نتائج دقيقة.
التعامل مع البيانات المعقدة: تعلم كيفية معالجة وتحليل البيانات لاستخدامها في النماذج العميقة.
تطبيقات الذكاء الاصطناعي: تطبيق التعلم العميق في مختلف المجالات لتحقيق حلول مبتكرة.
استخدام الشبكات العصبية: تطوير فهم عملي لبناء شبكات قوية للتنبؤ واتخاذ القرارات.
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 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
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
What you'll learn
فهم الجبر الخطي: هنتعرف على المفاهيم الأساسية للجبر الخطي مثل المصفوفات، المتجهات، والتحويلات، وكيفية استخدامها في نماذج التعلم الآلي.
الإحصاء: هنتعلم أهم المفاهيم الإحصائية مثل التوزيعات، المتوسطات، الانحراف المعياري، وأهمية هذه المفاهيم في معالجة البيانات وتحليلها.
الاحتمالات: هنتعرف على أساسيات الاحتمالات وكيفية تطبيقها في بناء النماذج التي تتعامل مع عدم اليقين والقرارات الاحتمالية.
المكتبات الخارجية: هنتعلم كيفية استخدام مكتبات Python مثل NumPy، Pandas، Matplotlib، وScikit-learn لتحسين الأداء وتحليل البيانات.
إعداد البيانات: هنتعلم كيف نحضر البيانات بشكل مناسب لنماذج التعلم الآلي، بما في ذلك التنظيف، التحويل، والتعامل مع القيم المفقودة.
مجانا
What you'll learn
فهم أساسيات SQL: تعلم كيفية كتابة أول استعلامات SQL باستخدام جمل SELECT و WHERE.
إدارة البيانات: تعلم كيفية إضافة وتحديث وحذف البيانات باستخدام INSERT، UPDATE، و DELETE.
إنشاء قواعد البيانات والجداول: تعلم كيفية إنشاء databases و tables.
معلمين مشهورين
جميع علوم البيانات الدورات
مجانا
What you'll learn
1. فهم المبادئ الأساسية لقواعد البيانات وعلاقاتها مع SQL.
2. إتقان استرجاع البيانات وتصفيتها باستخدام الاستعلامات المختلفة.
3. تعلم كيفية استخدام دوال التجميع مثل SUM و AVG و COUNT لتحليل البيانات.
4. إتقان استخدام التوصيل (Joins) لدمج البيانات من جداول متعددة.
5. تعلم كيفية كتابة استعلامات فرعية ونماذج معقدة باستخدام الاستعلامات المتداخلة.
6. معرفة كيفية التلاعب بالبيانات (إضافة، تعديل، حذف) باستخدام SQL.
7. فهم كيفية تعريف البيانات وتحديد القيود لضمان سلامتها.
8. تعلم كيفية إنشاء العروض والفهارس لتحسين أداء الاستعلامات.
9. إتقان إدارة المعاملات والتعامل مع الأخطاء في بيئات العمل.
10. اكتساب مهارات تحسين استعلامات SQL واتباع أفضل الممارسات لضمان الأداء الأمثل.
مجانا
دورة Python من المستوى المتوسط إلى المتقدم هتأخذك من معر... …
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
تتناول هذه الدورة مجموعة من الموضوعات الأساسية والمهمة ا... …
What you'll learn
فهم الجبر الخطي: هنتعرف على المفاهيم الأساسية للجبر الخطي مثل المصفوفات، المتجهات، والتحويلات، وكيفية استخدامها في نماذج التعلم الآلي.
الإحصاء: هنتعلم أهم المفاهيم الإحصائية مثل التوزيعات، المتوسطات، الانحراف المعياري، وأهمية هذه المفاهيم في معالجة البيانات وتحليلها.
الاحتمالات: هنتعرف على أساسيات الاحتمالات وكيفية تطبيقها في بناء النماذج التي تتعامل مع عدم اليقين والقرارات الاحتمالية.
المكتبات الخارجية: هنتعلم كيفية استخدام مكتبات Python مثل NumPy، Pandas، Matplotlib، وScikit-learn لتحسين الأداء وتحليل البيانات.
إعداد البيانات: هنتعلم كيف نحضر البيانات بشكل مناسب لنماذج التعلم الآلي، بما في ذلك التنظيف، التحويل، والتعامل مع القيم المفقودة.
مجانا
تعلم الآلة (Machine Learning) هو أحد أهم وأشهر مجالات ال... …
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
Deep learning is a branch of machine learning and one of the most important developments…
What you'll learn
مفهوم التعلم العميق: فهم الأساسيات ودوره كأحد فروع تعلم الآلة.
الشبكات العصبية الاصطناعية: التعرف على كيفية محاكاة طريقة عمل الدماغ البشري لمعالجة البيانات.
بناء نموذج البرسيبترون (Perceptron): تعلم بناء أبسط أنواع الشبكات العصبية.
النماذج التوليدية (Generative Models): فهم كيفية تطبيق تقنيات مثل One-Hot Encoding.
تصميم نماذج فعالة: تطوير نماذج تعلم عميق قادرة على تحقيق نتائج دقيقة.
التعامل مع البيانات المعقدة: تعلم كيفية معالجة وتحليل البيانات لاستخدامها في النماذج العميقة.
تطبيقات الذكاء الاصطناعي: تطبيق التعلم العميق في مختلف المجالات لتحقيق حلول مبتكرة.
استخدام الشبكات العصبية: تطوير فهم عملي لبناء شبكات قوية للتنبؤ واتخاذ القرارات.
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.
