التعلم الآلي باستخدام بايثون: من النماذج الخطية إلى التعلم العميق

إذا كانت لديك أسئلة محددة حول هذه الدورة، يرجى التواصل معنا عبر [email protected]. تُستخدم أساليب التعلم الآلي على نطاق واسع في مجالات الهندسة والعلوم، من أنظمة الحاسوب إلى الفيزياء. كما تعتمد مواقع تجارية مثل محركات البحث، وأنظمة التوصية مثل Netflix وAmazon، والمعلنين، والمؤسسات المالية على خوارزميات التعلم الآلي لتوصية المحتوى، والتنبؤ بسلوك العملاء، والامتثال، أو تقدير المخاطر. وباعتباره تخصصًا علميًا، يسعى التعلم الآلي إلى تصميم وفهم البرامج الحاسوبية التي تتعلم من الخبرة بهدف التنبؤ أو التحكم. في هذه الدورة، سيتعلم الطلاب المبادئ والخوارزميات اللازمة لتحويل بيانات التدريب إلى تنبؤات آلية فعّالة. سنغطي موضوعات مثل: التمثيل، وفرط التكيّف، والتنظيم، والتعميم، إضافة إلى مجموعة من الأساليب والنماذج الأساسية والمتقدمة في التعلم الآلي. كما تركز الدورة على التطبيق العملي باستخدام بايثون من خلال مشاريع عملية تساعد على بناء فهم عميق لكيفية إعداد البيانات، واختيار النماذج، وتقييم الأداء، وتحسين النتائج. تُعد هذه الدورة جزءًا من برنامج MITx MicroMasters في الإحصاء وعلوم البيانات، وهي مناسبة للمتعلمين الذين يرغبون في الانتقال من الأساسيات النظرية إلى تطبيقات عملية قوية في مجال التعلم الآلي، بما في ذلك النماذج الخطية، والآلات المعتمدة على النوى، والشبكات العصبية، والنماذج الرسومية، والتعلم المعزز.

• فهم المبادئ الكامنة وراء مشكلات التعلم الآلي مثل التصنيف والانحدار والتجميع والتعلم المعزز
• تنفيذ وتحليل نماذج مثل النماذج الخطية وآلات النوى والشبكات العصبية والنماذج الرسومية
• اختيار النماذج المناسبة لتطبيقات مختلفة
• تنفيذ وتنظيم مشاريع التعلم الآلي من التدريب والتحقق وضبط المعلمات إلى هندسة الخصائص

• 6.00.1x أو إتقان برمجة بايثون
• 6.431x أو ما يعادله في نظرية الاحتمالات
• حساب تفاضل وتكامل جامعي لمتغير واحد ومتعدد المتغيرات