إزاي الكمبيوتر بيتعلم يقدّر سعر بيت مشافهوش قبل كده، أو يفرّق بين إيميل سبام وإيميل حقيقي، من غير ما مبرمج يكتب قاعدة لكل حالة ممكنة؟ الإجابة في التعلم الآلي، وهو مجال بيخلي الأنظمة تكتشف أنماط في البيانات بدل ما تتبع تعليمات ثابتة.

التخصص ده بيبني الفهم ده خطوة بخطوة، من متغير إدخال واحد لنماذج متعددة الميزات بالكامل وبعدين لمشاكل التصنيف. في النهاية، المشاركين هيكتسبوا مهارات عملية لتطبيق التعلم الآلي على تحديات أعمال حقيقية، سواء كانوا بيدخلوا مجال الذكاء الاصطناعي لأول مرة أو بيوثقوا خبرة عندهم بالفعل.

أهداف الدورة:

في نهاية الدورة هيكون المشاركين قادرين على:

• بناء فهم واسع للتعلم الآلي ومفاهيمه وطرقه الأساسية.
• تنفيذ نماذج الانحدار الخطي، بما فيها الانحدار التدرجي وتوسيع الميزات والانحدار المتعدد الحدود.
• تطبيق الانحدار اللوجستي على مشاكل التصنيف وتفسير حدود القرار.
• التعرف على مشكلة الإفراط في التكيف ومعالجتها من خلال التنظيم (Regularization).
• اكتساب خبرة عملية حقيقية في تطبيق التقنيات دي على مشاريع فعلية.

الفئة المستهدفة:

• مهندسو البرمجة.
• كل المهتمين بالذكاء الاصطناعي.

المحور الأول: إزاي الآلة بتتعلم من البيانات

• تطبيقات التعلم الآلي.
• إيه هو التعلم الآلي، والفرق بين التعلم الخاضع للإشراف وغير الخاضع للإشراف.
• البداية مع دفاتر Jupyter.

المحور الثاني: التنبؤ بالأرقام: أساسيات الانحدار الخطي

• نموذج الانحدار الخطي وصيغة دالة التكلفة.
• بناء فهم دالة التكلفة وتصويرها.
• الانحدار التدرجي: التنفيذ والفهم واختيار معدل التعلم.
• تشغيل الانحدار التدرجي للانحدار الخطي.

المحور الثالث: التوسع: الانحدار بمتغيرات متعددة

• العمل بميزات متعددة والتوجيه (Vectorization).
• الانحدار التدرجي للانحدار الخطي المتعدد.
• توسيع الميزات والتحقق من تقارب الانحدار التدرجي.
• هندسة الميزات والانحدار المتعدد الحدود.

المحور الرابع: الفرز: التصنيف وتفادي الإفراط في التكيف

• الانحدار اللوجستي وحدود القرار.
• دالة التكلفة للانحدار اللوجستي وصيغتها المبسطة.
• تنفيذ الانحدار التدرجي للتصنيف.
• مشكلة الإفراط في التكيف ومعالجتها من خلال الانحدار الخطي واللوجستي المنظّم.