يُعد تخصص Machine Learning أو تخصص تعلم الآلة من التخصصات المطلوبة بشدة في الآونة الأخيرة، فمن خلال مجموعة الكورسات التي سوف نقدمها لكم اليوم سوف تتعلمون كيفية تحليل مجموعات البيانات الكبيرة والمعقدة، وإنشاء أنظمة تتكيف وتتحسن بمرور الوقت، بالإضافة إلى بناء تطبيقات ذكية يمكنها عمل تنبؤات من البيانات. والآن هيا بنا نتعرف على أفضل 4 دورات في تخصص machine learning.
دورة Machine Learning Foundations: A Case Study Approach
في هذه الدورة سوف تحصل على خبرة عملية في التعلم الآلي من سلسلة من دراسات الحالة العملية. وفي نهاية الدورة التدريبية الأولى، ستكون قد درست كيفية التنبؤ بأسعار المنازل بناءً على ميزات مستوى المنزل، وتحليل المشاعر من مراجعات المستخدمين، واسترداد المستندات ذات الأهمية، والتوصية بالمنتجات، والبحث عن الصور. من خلال التدريب العملي على حالات الاستخدام هذه، ستتمكن من تطبيق أساليب التعلم الآلي في مجموعة واسعة من المجالات. بنهاية هذه الدورة ستكون قادرا على:
- تحديد التطبيقات المحتملة للتعلم الآلي في الممارسة.
- وصف الاختلافات الجوهرية في التحليلات التي يتيحها الانحدار والتصنيف والتكتل.
- تحديد مهمة التعلم الآلي المناسبة لتطبيق محتمل.
- تطبيق أنظمة الانحدار والتصنيف والتجميع والاسترجاع والتوصية والتعلم العميق.
- تمثيل بياناتك كميزات لتكون بمثابة مدخلات لنماذج التعلم الآلي.
- تقييم جودة النموذج من حيث مقاييس الخطأ ذات الصلة لكل مهمة.
- استخدام مجموعة بيانات لملاءمة نموذج لتحليل البيانات الجديدةإنشاء تطبيق شامل يستخدم التعلم الآلي في جوهره.
- تطبيق هذه التقنيات في بايثون.
أما عن محتوى الدورة فنذكر منه التالي:
- at you’ll be able to do
- The capstone and an example intelligent application
- The future of intelligent applications
- Conditional statements and loops in Python
- Starting Turi Create & loading an SFrame
- Splitting the data into training and test sets
- Learning a simple regression model to predict house prices from house size
- Evaluating error (RMSE) of the simple model
- Training and evaluating a classifier
- What’s a good accuracy?
- False positives, false negatives, and confusion matrices
- Exploring word counts
- Computing & exploring TF-IDFs
- Computing distances between Wikipedia articles
وللمزيد من محتوى دورة أساسيات التعلم الآلي، قم بزيارة الرابط التالي:
دورة Machine Learning: Regression
في هذه الدورة سوف تستكشف نماذج الانحدار الخطي المنتظمة لمهمة التنبؤ واختيار الميزة. كما ستكون قادرا على التعامل مع مجموعات كبيرة من الميزات والاختيار بين نماذج مختلفة التعقيد. وستقوم أيضا بتحليل تأثير جوانب بياناتك – مثل القيم المتطرفة – على النماذج والتنبؤات التي اخترتها.
بنهاية هذه الدورة ستكون قادرا على:
- وصف المدخلات والمخرجات لنموذج الانحدار.
- مقارنة وتباين التحيز والتباين عند نمذجة البيانات. تقدير معلمات النموذج باستخدام خوارزميات التحسين.
- ضبط المعلمات مع عبر التحقق من الصحة.
- تحليل أداء النموذج.
- صِف مفهوم التناثر وكيف يؤدي LASSO إلى حلول متفرقة.
- استغلال النموذج لتكوين تنبؤات.
- بناء نموذج انحدار للتنبؤ بالأسعار باستخدام مجموعة بيانات الإسكان.
ومن محتوى هذه الدورة نذكر التالي:
- Interpreting the fitted line
- Defining our least squares optimization objective
- Finding maxima or minima analytically
- Maximizing a 1d function: a worked example
- Finding the max via hill climbing
- Finding the min via hill descent
- Rewriting the model for all observations in matrix notation
- Computing the cost of a D-dimensional curve
- Computing the gradient of RSS
- error: what we can actually compute
- Defining overfitting
- Training/test split
- Discussing the closed-form solution
- Approach 2: gradient descent
- Selecting tuning parameters via cross validation
وللمزيد من محتوى هذه الدورة اضغط على الرابط التالي
دورة Machine Learning: Classification
في هذه الدورة التدريبية ستقوم بإنشاء المصنفات التي توفر أداء متطورا في مجموعة متنوعة من المهام. كما أنك سوف تتعرف على أكثر التقنيات نجاحًا، والتي يتم استخدامها على نطاق واسع في الممارسة العملية، بما في ذلك الانحدار اللوجستي، وأشجار القرار والتعزيز. بالإضافة إلى ذلك ستكون قادرا على تصميم وتنفيذ الخوارزميات الأساسية التي يمكنها تعلم هذه النماذج على نطاق واسع، باستخدام صعود التدرج العشوائي. ستنفذ هذه الأساليب في مهام التعلم الآلي واسعة النطاق في العالم الحقيقي. كما ستقوم أيضا بمعالجة المهام المهمة التي ستواجهها في تطبيقات العالم الحقيقي لـ ML، بما في ذلك التعامل مع البيانات المفقودة وقياس الدقة والاستدعاء لتقييم المصنف. وبنهاية هذه الدورة ستكون قادرًا على:
- وصف مدخلات ومخرجات نموذج التصنيف.
- معالجة مشاكل التصنيف الثنائي ومتعدد الفئات.
- تطبيق نموذج الانحدار اللوجستي للتصنيف واسع النطاق.
- إنشاء نموذج غير خطي باستخدام أشجار القرار.
- تحسين أداء أي نموذج باستخدام التعزيز.
- صعود طرقك مع صعود التدرج العشوائي.
- وصف حدود القرار الأساسية.
- بناء نموذج تصنيف للتنبؤ بالمشاعر في مجموعة بيانات مراجعة المنتج.
- تحليل البيانات المالية للتنبؤ بالتخلف عن سداد القروض.
- استخدام تقنيات التعامل مع البيانات المفقودة.
ومن محتوى هذه الدورة نذكر التالي:
- Logistic regression model
- Effect of coefficient values on predicted probabilities
- Overview of learning logistic regression models
- Example of computing derivative for logistic regression
- Interpreting derivative for logistic regression
- Summary of gradient ascent for logistic regression
- Choosing step size
- Making predictions with decision trees
- Multiclass classification with decision trees
- Threshold splits for continuous inputs
- Principle of Occam’s razor: Learning simpler decision trees
- Early stopping in learning decision trees
- (OPTIONAL) Motivating pruning
ولمتابعة محتوى الدورة بالكامل اضغط على الرابط التالي:
دورة Clustering & Retrieval
أما في هذه الدورة ستقوم بفحص الخوارزميات القائمة على التشابه لاسترجاعها. كما أنك ستفحص أيضا تمثيلات منظمة لوصف المستندات في المجموعة، بما في ذلك نماذج المجموعات والعضوية المختلطة، مثل تخصيص Dirichlet الكامن (LDA). وستتمكن من معرفة كيفية توسيع نطاق الأساليب باستخدام Map Reduce.
ومن محتوى هذه الدورة نقدم لكم التالي:
Writing (scaled) Euclidean distance using (weighted) inner products
Distance metrics: Cosine similarity
To normalize or not and other distance considerations
Complexity of brute force search
KD-tree representation
NN search with KD-trees
LSH as an alternative to KD-trees4m
Using random lines to partition points
Defining more bins
Interpreting the mixture of Gaussian terms
Scaling mixtures of Gaussians for document clustering
Computing soft assignments from known cluster parameters
(OPTIONAL) Responsibilities as Bayes’ rule
Estimating cluster parameters from known cluster assignments
ولمتابعة محتوى الدورة بالكامل اضغط على الرابط التالي:
وفي النهاية، نتمنى أن نكون قد قدمنا لكم عرضا سريعا لأفضل الدورات التدريبية في تخصص Machine Learning، ولا تنسوا أن تقوموا بمتابعتنا أيضا على منصات الاجتماعي:
