كورس مقدمة في تعلم الآلة علي أوداسيتي Udacity Intro to Machine Learning Course
ستعلمك هذه الدورة العملية الكاملة للتحقيق في البيانات من خلال عدسة التعلم الآلي، وستطبق ما تعلمته على مجموعة بيانات من العالم الحقيقي.
مخطط المقرر الدراسي
- أهلا بكم في مجال تعلم الآلةالتقِ بسيباستيان وكاتي لمناقشة التعلم الآلي.
- استكشف المزيد
- بايز الساذجتعرف على التصنيف والتدريب والاختبار، وقم بتشغيل مصنف بايز الساذج باستخدام Scikit Learn.
- آلة المتجهات الداعمةقم ببناء حدس حول كيفية عمل آلات المتجهات الداعمة (SVMs) وقم بتنفيذ واحدة باستخدام scikit-learn.
- أشجار القرارتعرف على كيفية عمل خوارزمية شجرة القرار، بما في ذلك مفاهيم الإنتروبيا واكتساب المعلومات.
- اختر خوارزميتك الخاصةفي هذا المشروع المصغر، ستوسع مجموعة أدواتك من الخوارزميات عن طريق اختيار خوارزميتك الخاصة لتصنيف بيانات التضاريس، بما في ذلك أقرب الجيران k، و AdaBoost، والغابات العشوائية.
- مجموعات البيانات والأسئلةتعرف على مجموعة بيانات إنرون المستخدمة في الدروس والمشاريع المصغرة القادمة.
- الانحداراتانظر كيف يمكننا نمذجة البيانات المستمرة باستخدام الانحدار الخطي.
- القيم الشاذةيناقش سيباستيان اكتشاف القيم الشاذة وإزالتها.
- التجميعتعرف على ماهية التعلم غير الخاضع للإشراف واكتشف كيفية استخدام خوارزمية k-means الخاصة بـ scikit-learn.
- توسيع نطاق الميزاتتعرف على إعادة تحجيم الميزات واكتشف الخوارزميات التي تتطلب إعادة تحجيم الميزات قبل استخدامها.
- اختيار الميزاتتناقش كاتي متى ولماذا يتم استخدام اختيار الميزات، وتقدم بعض الطرق للقيام بذلك.
- تعلم النصوصتعرّف على كيفية استخدام البيانات النصية في خوارزمية التعلم الآلي الخاصة بك.
- تحليل المكونات الرئيسيةتعرف على أبعاد البيانات وتقليل عدد الأبعاد باستخدام تحليل المكونات الرئيسية (PCA).
- تصديقتعرف على المزيد حول الاختبار والتدريب والتحقق المتبادل وعمليات البحث في شبكة المعلمات في هذا الدرس.
- معايير التقييمكيف نعرف ما إذا كان المصنف الخاص بنا يعمل بشكل جيد؟ تناقش كاتي في هذا الدرس مقاييس التقييم المختلفة للمصنفات.
- ربط كل شيء معًااقضِ بعض الوقت في التفكير في محتوى الدورة مع سيباستيان وكاتي!
- المشروع النهائي
- ماذا بعد؟
مدربو البرنامج
بخلاف الأساتذة التقليديين، يأتي مدرسونا من شركات مدرجة ضمن قائمة فورتشن 500 وجلوبال 2000، وقد أظهروا مهارات قيادية وخبرة في مجالات تخصصهم:
معلومات عن أوداسيتي
نحن نحول الموهبة إلى عظمة.
تُحدث Udacity تغييراً في حياة الأفراد والمنظمات والدول من خلال تطوير المهارات الرقمية، مما يمنحك الميزة التي تحتاجها للتغلب على ما هو قادم.
تطوير مهارات المواهب لوظائف المستقبل
بدأت Udacity عندما خطرت ببال مدرسي جامعة ستانفورد، سيباستيان ثرون وبيتر نورفيج، فكرة ثورية لتقديم دورة “مقدمة في الذكاء الاصطناعي” عبر الإنترنت – لأي شخص، مجانًا.
التحق أكثر من 160 ألف طالب من أكثر من 190 دولة، مطالبين بأسلوب جديد لتقديم التعليم. وقد ظهر اكتشافٌ مُذهل: لم يكن أفضل 400 طالب من جامعة ستانفورد. أشعل هذا الاكتشاف شرارة مهمة لجعل التعلّم مدى الحياة أكثر إنصافًا وشمولًا. ومنذ ذلك الحين، تعمل Udacity على توسيع نطاق الفرص المتاحة. أصبحت Udacity الآن جزءًا من شركة Accenture
تحقيق نتائج تمكّن المتعلمين والمنظمات والدول
تتميز منهجية Udacity المُثبتة بقابليتها للتطبيق عالميًا، حيث تعالج النقص الحاد في المواهب الرقمية الذي يؤثر سلبًا على النمو والإنتاجية والابتكار. نتعاون مع الشركات والأفراد ذوي الدافعية العالية لتصميم رحلة تحول مواهب مُخصصة، مدعومة بمنصة الكفاءات الرقمية الخاصة بنا.
يتم ابتكار محتوانا الحصري بالتعاون مع رواد الصناعة، ويجري تحسينه باستمرار. يتميز كل برنامج من برامج Udacity بتركيزه العميق، مما يسهل اختيار الدورة التدريبية المناسبة. تتجاوز المشاريع مجرد الأدلة الإرشادية خطوة بخطوة، إذ تُنمّي التفكير النقدي اللازم لمواكبة متطلبات سوق العمل. يُقدّم الموجهون الخبراء دعمًا شخصيًا يُسهّل عملية التعلم، ويضمنون إتقان الكفاءات المطلوبة.
المتطلبات
- لا يشترط وجود خبرة فنية سابقة.
- ستحتاج إلى القدرة على التواصل بطلاقة واحترافية باللغة الإنجليزية كتابةً وتحدثاً .
مقدم الكورس
بفضل خبرتها التي تزيد عن عقد من الزمن في بناء المواهب الرقمية على نطاق واسع، تُعالج حلول Udacity الشاملة النقص العالمي في المواهب الذي يؤثر على النمو والإنتاجية والابتكار. يُسهم منهجنا المتميز، ودعم الموجهين الشخصي، والنتائج القابلة للقياس في بناء خبرات تركز على الكفاءات المطلوبة في سوق العمل، مما يضمن مواكبة متطلبات سوق العمل. Udacity الآن جزء من Accenture.
