التعلم غير المُراقَب

التعلم غير المُراقَب هو فئة من خوارزميات تعلّم الآلة التي تعتمد على بيانات غير مُعنونة ولا تتطلب تدريباً مسبقاً على تسميات أو مخرجات معروفة. تندرج تحت هذه الفئة العديد من الخوارزميات، ويهدف هذا المقرر إلى تقديم أكثرها شيوعاً واستخداماً في تطبيقات تحليل البيانات. يركّز المقرر على ثلاث خوارزميات أساسية للتجميع (Clustering): خوارزمية K-Means، وخوارزمية DBSCAN، وخوارزمية التجميع الهرمي (Hierarchical Clustering). تساعد هذه الخوارزميات على تقسيم البيانات إلى مجموعات متشابهة بناءً على الأنماط والبُنى الكامنة داخل البيانات، وهو ما يجعلها مفيدة في الاستكشاف، وتقسيم العملاء، واكتشاف البنى الطبيعية في مجموعات البيانات. ستتعرّف على كيفية قيام هذه الخوارزميات بتجميع البيانات إلى مجموعات، مع فهم الفروق بينها من حيث طريقة تحديد عدد المجموعات: فبعض الخوارزميات تتيح للمستخدم تحديد عدد المجموعات التي يريد تكوينها (مثل K-Means)، بينما تقوم خوارزميات أخرى بتحديد ذلك تلقائياً وفقاً لطبيعة البيانات ومعايير الكثافة أو البنية (مثل DBSCAN وبعض أساليب التجميع الهرمي). يتضمن المقرر مختبرات برمجية أسبوعية باستخدام بايثون لتطبيق المفاهيم عملياً، وينتهي بمشروع تطبيقي نهائي (Capstone Project) يتيح للطلاب عرض فهمهم للخوارزميات وقدرتهم على استخدامها لتحليل البيانات وتجميعها بصورة صحيحة.

• فهم مفهوم التعلم غير المُراقَب وما يميّزه عن أساليب التعلم الأخرى
• معرفة استخدامات خوارزمية K-Means وكيفية برمجتها في بايثون
• معرفة استخدامات خوارزمية DBSCAN وكيفية برمجتها في بايثون
• معرفة استخدامات خوارزمية التجميع الهرمي وكيفية برمجتها في بايثون

• امتلاك مهارات برمجية أساسية