التعلم الآلي التطبيقي باستخدام بايثون

يسلط هذا المساق الضوء على المفاهيم الأساسية للتعلم الآلي باستخدام لغة بايثون، ويشرح خوارزميات متقدمة مثل الأشجار القرار، الغابات العشوائية لتصنيف البيانات، نماذج الانحدار للتنبؤ، وتقنيات التجميع مثل K-means لاكتشاف الأنماط في البيانات غير المصنفة. يركز المساق أيضًا على تطبيق تقنيات تعزيز النموذج لتحسين الدقة، واستراتيجيات الاستفادة من البيانات غير المصنفة لتحسين الأداء. يناسب المساق المبرمجين وطالبي المعرفة المتقدمين الذين يمتلكون معرفة أساسية ببايثون والإحصاء، ويهدف لتطوير مهارات قوية في مجال علوم البيانات والتعلم الآلي من خلال تمارين تطبيقية مكثفة.

• استكشاف خوارزميات التعلم الآلي بمختلف أنواعها، المشرف وغير المشرف وشبه المشرف
• تطبيق الأشجار القرار والغابات العشوائية وتقنيات التجميع K-means
• تطوير نماذج التعلم الآلي لاستخلاص الرؤى والتنبؤ من البيانات الواقعية
• تعزيز دقة النموذج من خلال تقنيات التعزيز وتقييم فعاليتها

• إلمام أساسي بالمفاهيم والمصطلحات المتعلقة بالتعلم الآلي
• الاستعداد للممارسة عبر تمارين تطبيقية أو دراسات حالة