كل الدورات
عن الدورة
تتضمن هذه الدورة جزءًا من برنامج شهادة H2O، وتهدف إلى تزويد المشاركين بالمهارات اللازمة لاستخدام أداة Driverless AI بفعالية. يشرح المهندس جوناثان فارينيلا أهمية جودة البيانات في تحقيق أفضل النتائج، كما يستعرض مبادئ وإجراءات تحضير البيانات اللازمة. تغطي الدورة أهمية تنسيق البيانات الجدولية في التعلم الكلاسيكي، والفرق بين التعلم الإشرافي وغير الإشرافي، إلى جانب طرق مثل التصنيف والانحدار. كما تسلط الضوء على أهمية تحديد وحدة التحليل أثناء بناء مجموعات البيانات لضمان دقة النماذج المستخلصة.
ماذا ستتعلم
- استخدام أداة Driverless AI لتحضير البيانات
- إعداد البيانات لتعلم الآلة الكلاسيكي
- بناء مجموعات البيانات بشكل فعال
- تحضير بيانات السلاسل الزمنية لأداة Driverless AI
المتطلبات المسبقة
- لا يتطلب خبرة عميقة سابقة ولكن مهارات أساسية في الحاسوب والإنترنت مفيدة
- القدرة على قراءة تعليمات الدورة باللغة الإنجليزية وإتمام تمارين قصيرة
المدرسون
H
H2O.ai University
Training and Certification
المواضيع
تعلم الآلة
علوم البيانات
تحليل البيانات
معالجة البيانات الأولية
خوارزميات تعلم الآلة
التعلم غير الإشرافي
معالجة البيانات
هندسة الميزات
معلومات الدورة
المنصةCoursera
المستوىغير محدد
طريقة التعلمغير محدد
السعرمجاني
المهارات
تعلم الآلة
علوم البيانات
تحليل البيانات
معالجة البيانات الأولية
خوارزميات تعلم الآلة
التعلم غير الإشرافي
معالجة البيانات
هندسة الميزات
Classification Algorithms
Supervised Learning
إعلان
إعلان