كل الدورات
عن الدورة
تتناول هذه الدورة أحد أبرز أنواع نماذج التعلم الآلي المراقب، وهي الانحدار. ستتعلم كيفية تدريب نماذج الانحدار لتوقع النتائج المستمرة، بالإضافة إلى فهم واستخدام مقاييس الخطأ لمقارنة أداء النماذج المختلفة. تشمل الدورة أفضل الممارسات مثل تقسيم البيانات إلى مجموعات تدريب واختبار، وتقنيات التنظيم لمنع فرط التكيف. كما تغطي الدورة خطوات تحضير البيانات واختيار الأنسب من النماذج والتقييم الدقيق لها لضمان دقة التنبؤ. بالمجمل، تمنحك الدورة أساسا متينا لفهم وتطبيق الانحدار في سياقات علم البيانات وتحليل النماذج الإحصائية.
ماذا ستتعلم
- فهم أساسيات الانحدار ونماذج التعلم الآلي المراقب
- تدريب نماذج الانحدار للتنبؤ بالمتغيرات المستمرة
- استخدام مقاييس الخطأ لتقييم نماذج الانحدار
- تطبيق التقسيم بين مجموعات التدريب والاختبار
- استخدام تقنيات التنظيم لتحسين أداء النموذج
المتطلبات المسبقة
- معرفة أساسية بالمصطلحات والمفاهيم المتعلقة بالتعلم الآلي
- الاستعداد للتطبيق العملي عبر تمارين وأمثلة حالة
المدرسون
M
Mark J Grover
Digital Content Delivery Lead
M
Miguel Maldonado
Machine Learning Curriculum Developer
S
Svitlana (Lana) Kramar
Data Science Content Developer
المواضيع
التعلم الآلي
علم البيانات
إدارة البيانات
تكنولوجيا المعلومات
تحليل الانحدار
تقييم النماذج
خوارزميات التعلم الآلي
معالجة البيانات
معلومات الدورة
المنصةCoursera
المستوىغير محدد
طريقة التعلمغير محدد
السعرمجاني
المهارات
التعلم الآلي
علم البيانات
إدارة البيانات
تكنولوجيا المعلومات
تحليل الانحدار
تقييم النماذج
خوارزميات التعلم الآلي
معالجة البيانات
Supervised Learning
Scikit Learn (Machine Learning Library)
إعلان
إعلان