|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/machine-learning-arabic/
课程评论：没有评论
本课程名为“机器学习纳米学位”，分为十个部分，涵盖了机器学习的各个重要领域和技术。在第一部分中，我们将学习使用Numpy和Pandas进行数据处理，以及高级数据预处理技巧。接下来的部分专注于回归分析，包括简单线性回归、多重线性回归、多项式回归、支持向量回归（SVR）、决策树回归和随机森林回归。 课程中还将介绍分类技术，例如逻辑回归、K最近邻（K-NN）、支持向量机（SVM）、核支持向量机、朴素贝叶斯、决策树分类和随机森林分类。在聚类部分，我们将学习K均值聚类和层次聚类。 此外，关联规则学习将包括Apriori和Eclat算法。强化学习部分涵盖上置信度界限和汤普森采样。自然语言处理（NLP）部分将讨论词袋模型及相关算法。深度学习模块包含人工神经网络和卷积神经网络的介绍。 本课程还包括降维技术，包括主成分分析（PCA）、核主成分分析（Kernel PCA）和线性判别分析（LDA）。模型选择与提升模块将讲解k折交叉验证、参数调优、网格搜索和XGBoost。 课程中除了理论知识外，提供丰富的实战练习和基于实际案例的练习，帮助学员掌握如何构建自己的机器学习模型。学员将获得Python模板，可用于个人项目，培养对多种机器学习模型的基本理解，进行强有力的数据分析和精准预测。 课程强调如何选择合适的模型以应对不同类型的机器学习问题，最终学员将学习如何将多种模型合并，以解决复杂问题。
الجزء - 1 Numpy و Pandas معالجة البيانات و: Advanced Numpy Advanced Pandas Data Preprocessing الجزء - 2 Regression: Simple Linear Regression Multiple Linear Regression Intuition Polynomial Regression Support Vector Regression (SVR) Decision Tree Regression, Random Forest Regression الجزء - 3 Classification: الانحدار اللوجستي K-NN SVM Kernel SVM Naive Bayes Decision Tree Classification Random Forest Classification الجزء - 4 Clustering : K-Means Hierarchical Clustering الجزء - 5 Association Rule Learning:: Apriori Eclat الجزء - 6Reinforcement Learning: Upper Confidence Bound Thompson Sampling الجزء - 7 Natural Language Processing (NLP): Bag-of-words model algorithms for NLP الجزء - 8 Deep Learning: الشبكات العصبية الاصطناعية، الشبكات العصبية التلافيفية (Deep Learning: Artificial Neural Networks, Convolutional Neural Networks) الجزء - 9Dimensionality Reduction : PCA Kernel PCA LDA الجزء - 10 Model Selection & Boosting: k-fold Cross Validation Parameter Tuning, Grid Search XGBoost فضلا على ذلك، فإن الدورة مليئة بالتمارين العملية التي تستند إلى أمثلة واقعية. لذا لن تتعلم النظرية فحسب، بل ستحصل أيضًا على بعض التدريب العملي و تتعلم كيفية بناء النماذج الخاصة بك. أيضا ستشتمل هذه الدورة التدريبية على قوالب بالبايثون و التي يمكنك تنزيلها واستخدامها في مشروعاتك الخاصة. سيكون لديك فهم أساسي للعديد من نماذج تعلم الألة عمل تحليل قوي وتوقعات دقيقة للبياناتReinforcement Learning و NPL و ال Deep Learning التعامل مع موضوعات محددة مثل Dimensionality Reduction التعامل مع التقنيات المتقدمة مثل سوف تتعلم كيف تختار النموذج الصحيح والمناسب لكل نوع من أنواع تعليم الألة لكافة المشاكل المختلفة او متطلبات عملك قم ببناء مزيج من عدة نماذج مختلفة لتعليم الألة بالتعلم كيفية دمجها معا لحل المشاكل الصعبة
