What you'll learn:
- تعريف بالدبلومة | Diploma Defintion
- الجبر الخطي اللازم لتعلم الآلة | Linear Algebra for ML
- اكتشاف وفحص البيانات | Data Exploration & Preparation
- الإحصاء والإحتمالات لعلوم البيانات | Probability & Statistics
- مكتبة نمباي | NumPy Library
- مكتبة بانداس | Pandas Library
- مكتبات الرسوم | Visualization Libraries (matplotlib, seaborn)
- مقدمة لمفاهيم تعلم الآلة | Intro to Machine Learning concepts
- التحسين العددي | Numerical optimization
- التوقع الخطي وغير الخطي | Linear & Polynomial Regression
- مشروع تعلم الآلة كامل البداية إلى النهاية | End to End ML project
- النظامية أو التسوية | Regularization
- منصة كاجل | Kaggle platform
- التصنيف الثنائي والمتعدد ومقاييس التصنيف | Classification (binary, multiclass, metrics)
- خوارزمية أقرب الجيران | K-Nearest Neighbors
- خوارزمية نايف الساذج | Niave Bayes
- التوقع اللوجستي | Logistic Regression
- خوارزمية متجهات الدعم | Support Vector Machines
- خورازمية شجرة القرار | Decision Trees
- التعليم المعزز | Ensemble Learning (bagging, boosting)
- ضبط معاملات الخورازميات | Hyperparameters Tuning
دبلومة تعلم الآلة وعلوم البيانات باستخدام لغة البايثون, هي دبلومة فريدة تثري المحتوى العربي لمواضيع الذكاء الاصطناعي... وهي دورة تدريبية شاملة قائمة على التفاعل والتطبيق وشرح وافي وتفصيلي للخوارزميات بدءا من الصفر وحتى فهم ممتاز للخوارزمية ومن ثم التطبيق في الأكواد وبناء نموذج قوي يستخدم في الحياة العملية.. الدبلومة مناسبة للمبتدئين ولأي شخص مهتم بعلم البيانات وتحليلها و تعلم الآلة والذكاء الاصطناعي Data Analyst, Data Scientist, Machine Learning Engineer, AI Engineer.. الدبلومة توهلك لاحتراف تعلم الآلة وعلوم البيانات ليس فقط من خلال كتابة الكود بل بفهم جيد للرياضيات المتعلقة بالخوارزمية حتى يمكنك الضبط الجيد لمعاملات الخوارزمية.
____________________________________________________________________________________________________________________________
نتناول في هذه الدبلومة بحول الله تعالى
Diploma Definition
Linear Algebra for Machine Learning
Data Exploration and Preparation
Probability and Statistics for Data Science
NumPy Library
Pandas Library
Visualization Libraries (matplotlib, seaborn)
Intro to Machine Learning concepts
Numerical optimization
Regression with different Methods
End to End Machine Learning Projects
Regularization
Kaggle platform
Classification (Binary, Multiclass, different metrics)
K-Nearest Neighbors
Naive Bayes
Logistic Regression
Support Vector Machines
Decision Trees
Ensemble Learning (Voting, Bagging, Boosting)
Hyperparameters Tuning
Practical projects
What is next ?
____________________________________________________________________________________________________________________________
--- (*) تحذير هام: تم بذل مجهود كبير بفضل الله وتوفيقه من قبل م. محمد عجور في إعداد هذا المحتوى الذي يقدم بصفة شخصية لك مقابل
الاشتراك، رجاء عدم نسخه أو استخدامه بعيداً عن الموقع أو الإتجار به لإن ذلك يعرضك للمسائلة أمام الله عز وجل .. شكراً لتفهمك، وشكراً لاهتمامك بما نقدمه.
