أساسيات التعلم الآلي باستخدام Python

يُحدث التعلم الآلي تحولًا في الصناعات، ومع ذلك يواجه الكثيرون صعوبة في فهم المفاهيم الرياضية والخوارزمية الأساسية وراء الكود. تزيل هذه الدورة الغموض عن هذه الأسس، مما يمنحك مسارًا واضحًا وبديهيًا نحو النمذجة التنبؤية. من خلال العمل في هذه الدورة، ستنتقل من مبرمج فضولي إلى ممارس يفهم كيف تتخذ الخوارزميات القرارات. من خلال الشروحات المكتوبة والتطبيقات العملية التي تركز على الكود، ستفهم الآليات الأساسية للخوارزميات الشائعة وتتعلم كيفية قياس أدائها بدقة. ما ستتعلمه: - فهم المصطلحات الأساسية للتعلم الآلي، والفرق بين التعلم الخاضع للإشراف (supervised learning) وغير الخاضع للإشراف (unsupervised learning)، وسير عمل المشروع القياسي. - تطبيق وتحليل خوارزمية K-Nearest Neighbors (KNN) لمهام التصنيف. - تطبيق linear regression لاكتشاف العلاقات في البيانات وإجراء تنبؤات مستمرة. - تقييم أداء النموذج باستخدام مقاييس رئيسية مثل mean squared error و accuracy و precision و recall. - إعداد مجموعات البيانات باستخدام تقنيات معالجة البيانات الحديثة وتقسيم البيانات للتدريب والاختبار. - تنظيم كود التعلم الآلي باستخدام ممارسات مسار العمل النظيفة والقابلة لإعادة الإنتاج في Python. تبدأ الدورة بالمصطلحات الأساسية والإطار المفاهيمي للتعلم الآلي قبل أن ترشدك خطوة بخطوة عبر الخوارزميات الأساسية وتقنيات التقييم. يقترن كل مفهوم بمقتطفات واضحة من كود Python لمساعدتك على سد الفجوة بين النظرية والتطبيق. تم تصميم هذه الدورة للمبتدئين الذين لديهم فهم أساسي لبرمجة Python والذين يرغبون في بناء أساس نظري وعملي قوي في التعلم الآلي. لا تتطلب خلفية رياضية متقدمة. ابدأ القراءة اليوم لبناء مجموعة أدوات التعلم الآلي الخاصة بك من الألف إلى الياء.