منهاج
- 6 Sections
- 28 Lessons
- 10 Weeks
Expand all sectionsCollapse all sections
- مقدمة في التعلم الآليالدروس: ما هو التعلم الآلي؟ التعريف والأنواع الفرق بين التعلم التشغيلي وغير التشغيلي والتعلم التعزيزي تطبيقات التعلم الآلي في الحياة الواقعية3
- القسم 2: تحليل وهندسة السماتالدروس: فهم البيانات: أنواع البيانات والمصادر تنظيف البيانات ومعالجة القيم المفقودة تحليل البيانات الاستكشافي (EDA) هندسة السمات: إنشاء واختيار السمات المهمة4
- القسم 3: خوارزميات التعلم التشغيلي (Supervised Learning)الدروس: الانحدار الخطي (Linear Regression) الانحدار اللوجستي (Logistic Regression) أشجار القرار (Decision Trees) آليات الدعم النوعي (SVM) الشبكات العصبية البسيطة (Simple Neural Networks) مقارنة الخوارزميات وتحديد متى تستخدم كل واحدة6
- القسم 4: خوارزميات التعلم غير التشغيلي (Unsupervised Learning)الدروس: مقدمة إلى التعلم غير التشغيلي خوارزمية التجميع K-Means خوارزمية Hierarchical Clustering تحليل المكونات الرئيسية (PCA) حالات استخدام واقعية5
- القسم 5: الشبكات العصبية والتعلم العميق (Deep Learning)الدروس: بنية الشبكات العصبية الشبكات العصبية متعددة الطبقات (MLP) تقنيات التحسين والتدريب (Backpropagation, Optimizers) تطبيقات: التعرف على الصور والكلام مقدمة إلى الشبكات العميقة (CNNs و RNNs)5
- القسم 6: التعلم التعزيزي (Reinforcement Learning)الدروس: ما هو التعلم التعزيزي؟ فهم عمليات اتخاذ القرار في علم الماركوف (MDP) خوارزمية Q-Learning سياسات التدرج (Policy Gradient) تطبيقات التعلم التعزيزي5
الدرس 4: سياسات التدرج (Policy Gradient)
Prev