التعلم الآلي الخاضع للإشراف باستخدام الانحدار اللوجستي و Naive Bayes

يعد فهم كيفية تعلم الآلات من البيانات المصنفة الخطوة الأولى نحو مهنة في علم البيانات والذكاء الاصطناعي. يوفر هذا المساق مسارًا واضحًا عبر التعلم الخاضع للإشراف، مع التركيز على اثنتين من أكثر الخوارزميات موثوقية واستخدامًا على نطاق واسع لمهام التصنيف. ستقوم بتطوير أساس متين في التعلم الخاضع للإشراف، والانتقال من المفاهيم النظرية إلى التطبيق العملي باستخدام أدوات البيانات الحديثة. بحلول نهاية هذا المساق، ستكون لديك المهارات اللازمة لبناء وتقييم وتحسين نماذجك التنبؤية الخاصة. ما ستتعلمه: - فهم سير العمل الأساسي للتعلم الآلي الخاضع للإشراف من إعداد البيانات إلى التنبؤ. - تطبيق Logistic Regression لحل مشاكل التصنيف الثنائي في العالم الحقيقي. - تنفيذ Naive Bayes للمهام الاحتمالية مثل تصفية النصوص وتصنيفها. - تقييم دقة النموذج باستخدام مقاييس الأداء الحديثة ومصفوفات الارتباك. - ممارسة معالجة البيانات باستخدام مكتبات إطارات البيانات الحديثة وتقنيات المعالجة المسبقة. - استكشاف مفاهيم MLOps الأساسية لفهم دورة حياة نموذج التعلم الآلي. يبدأ المساق بالمصطلحات الأساسية والمفاهيم الأولية قبل التعمق في آليات كل خوارزمية من خلال شروحات مكتوبة واضحة وتمارين قائمة على الأكواد. ستتعلم كيفية تفسير النتائج وتحسين أداء النموذج من خلال الاختبار التكراري. تم تصميم هذا المساق للمبتدئين تمامًا الذين يرغبون في فهم المنطق وراء التعلم الآلي دون الحاجة إلى خلفية رياضية عميقة. لا توجد خبرة سابقة مطلوبة. ابدأ في إتقان التعلم الآلي الخاضع للإشراف من خلال تعليمات مكتوبة وواضحة اليوم.