Building Intelligent Applications with AI/ML Level 2
Training Description
تركز هذه الدورة على تغطية مفاهيم التعلم العميق المطلوبة لفهم معالجة اللغة الطبيعية، ثم تركز على تعريفك بمفاهيم معالجة اللغة الطبيعية، مما يأخذك ببطء إلى نماذج معالجة اللغة الطبيعية الأساسية والمتقدمة لمعالجة النصوص والتحليلات وبناء التطبيقات باستخدام معالجة اللغة الطبيعية. تتضمن معظم التطبيقات الذكية استخدام كميات هائلة من البيانات بصيغ مختلفة. ويتزايد استخدام التعلم العميق واللغويات في التطبيقات الذكية في جميع المجالات. وتُعد معالجة اللغة الطبيعية أحد المجالات التطبيقية واسعة النطاق في التعلم الآلي، حيث تُمكّن من تحليل كميات هائلة من البيانات غير المنظمة والغنية بالنصوص بفعالية. وتتضمن التطبيقات الذكية التي تستخدم معالجة اللغة الطبيعية نماذج تُحلل الكلام واللغة، وتكشف الأنماط السياقية، وتُقدم رؤىً من النصوص والصوت.
Training Course index
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
Training course outcomes
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.
Training Pre-requirements
سعودي الجنسية
حاصل على دبلوم في تخصص تقني فأعلى
لغة انجليزية
وجود حاسب آلي
وجود اتصال جيد بالإنترنت
| Related Professional Certificates |
|
|---|---|
| Trainer Experiences |
|