مسار مهندس علم البيانات : (5) علم البيانات والذكاء الاصطناعي
مسار مهندس علم البيانات : (5) علم البيانات والذكاء الاصطناعي
51
رقم التدريب 10001
مقدم من: المنتور 
هدف التدريب
هذه الدورة التدريبية جزء من مسار مهندس علم البيانات، وهي الدورة رقم 5 في هذا المسار.
يوفر هذا المستوى مقدمة فى مجال تعلم الآلة باعتباره أحد المجالات المهمة للذكاء الاصطناعي التي يستخدمها علماء البيانات. يشرح المستوى أمثلة على تقنيات التعلم الخاضعة للإشراف بما في ذلك التصنيف والانحدار وتنبؤ السلاسل الزمنية. بالإضافة إلى ذلك، فإنه يعطي أمثلة على تقنيات التجميع غير الخاضعة للاشراف مع توضيح استخداماتها.
Training Video
فهرس موضوعات التدريب
الفصل الأول
- المحاضرة 1 مقدمة عن تعلم الآلة وأنواع خوارزميات تعلم الآلة
- المحاضرة 2 أنواع خوارزميات تعلم الآلة: التعلم غير الخاضع للإشراف
- المحاضرة 3 المصنف Naïve Bayes
- المحاضرة 4 تقييم النموذج
- المحاضرة 5 مقدمة عن تحليل السلاسل الزمنية
- المحاضرة 6 الانحدار الخطي 1
- المحاضرة 7 الانحدار الخطي 2
- المحاضرة 8 الانحدار الخطي 3
- المحاضرة 9 نموذج ARIMA
- المحاضرة 10 Python في ARIMA
- المحاضرة 11 التجميع
- المحاضرة 12 مثال تطبيقي على التجميع
- المحاضرة 13 التجميع الهرمي
- المحاضرة 14 مثال تطبيقي على التجميع الهرمي
مخرجات التعلم
- فهم الفروق بين نماذج التعلم الخاضع للإشراف وغير الخاضع للإشراف
- تحديد أساسيات تصنيف Naive Bayes كمثال على تقنيات التصنيف الاحتمالية
- التعرف على الطرق المختلفة لتقييم نماذج تعلم الالة
- توضيح فائدة طرق التنبؤ بالسلاسل الزمنية المختلفة بما في ذلك ARIMA و FBProphet
- توضيح كيفية استخدام تقنيات التجميع بما في ذلك K-means والتكتل الهرمي
- تنفيذ مشروع باستخدام بايثون يلخص المراحل المختلفة لعلم البيانات كما هو مطبق على مشكلة معينة
المتطلبات السابقة للتدريب
- خريج علوم الحاسب أو ما يماثلها
- الخبرة السابقة في البرمجة لأي لغة تعد إضافة كبيرة
- الدراية بالجبر الخطي إضافة كبيرة
- بالإضافة إلى أن يكون المتدرب قد أكمل الدورات التدريبية التالية
| الشهادات الإحترافية المتعلقة |
|
|---|---|
| اسم مقدم الدورة |
|
| خبرات المدرب |
|