Building Intelligent Applications with AI/ML Level 1

فهرس موضوعات التدريب

اليوم الأول

• تثبيت بايثون 3.x وبيئة علوم البيانات
• استيراد الوحدات المطلوبة
• كتابة وتنفيذ شيفرة بايثون في دفتر جوبيتر
• فهم تصورات البيانات باستخدام Matplotlib وseaborn
• تشغيل نصوص بايثون

اليوم الثاني

• فهم أنواع خوارزميات التعلم الآلي المختلفة - التعلم المُشرف، وشبه المُشرف، وغير المُشرف، والتعلم المُعزز
• التمييز بين نماذج التعلم الآلي الخطية وغير الخطية، والتعلم القائم على المسافة، والتعلم البارامترية وغير البارامترية
• فهم المراحل المختلفة لبناء نماذج التعلم الآلي
• التمييز بين التصنيف والانحدار

اليوم الثالث

• فهم ملاءمة النموذج - الإفراط في التناسب والنقص في التناسب، ومفاضلة التحيز والتباين
• فهم مقاييس تقييم النموذج للانحدار والتصنيف
• فهم التحقق المتبادل باستخدام أسلوب K-fold لتجنب الإفراط في التناسب
• النماذج البايزية

اليوم الرابع

• فهم أساليب التجميع، والتعبئة، والتعزيز
• فهم خوارزميات التعزيز المختلفة
• التعلم الآلي غير المُشرف
• فهم التجميع
• فهم تجميع K-Means من خلال دراسة حالة

اليوم الخامس

• ما هي أنظمة التوصية؟
• فهم التصفية التعاونية القائمة على المستخدم والقائمة على العنصر؟
• إيجاد أفلام متشابهة؟
• تحسين نتائج تشابه الأفلام

مخرجات التعلم

في نهاية هذه الدورة سيكون المتدرب قادر على:

• استكشف دفاتر جوبيتر وبايثون.
• استدعاء وتذكر مفاهيم الإحصاء والاحتمالات، واستكشاف البرمجة باستخدام بايثون لتحليل البيانات.
• فهم مفاهيم الاحتمالات المتقدمة وتصورات البيانات باستخدام مكتبات مثل Matplotlib وseaborn.
• فهم خوارزميات التعلم الآلي المختلفة وتطبيقاتها.
• فهم نماذج التنبؤ المختلفة.
• تطبيق خوارزميات التعلم الآلي لبناء نماذج تنبؤية.
• فهم أنظمة التوصية.

المتطلبات السابقة للتدريب

• سعودي الجنسية
• حاصل على دبلوم في تخصص تقني فأعلى
• لغة انجليزية
• وجود حاسب آلي
• وجود اتصال جيد بالإنترنت