تعلّم الآلة باستخدام بايثون: مقدمة عملية

ملاحظة: يمكن للمتعلمين الذين يُكملون هذا المقرر من IBM بنجاح الحصول على شارة مهارية (Skill Badge) — وهي اعتماد رقمي مفصّل وقابل للتحقق يوضح المعرفة والمهارات التي اكتسبتها في هذا المقرر. سجّل الآن لمعرفة المزيد، وأكمل المقرر واطلب شارتك! يتناول هذا المقرر «تعلّم الآلة باستخدام بايثون» الأساسيات الجوهرية لتعلّم الآلة باستخدام لغة بايثون، وهي لغة برمجة سهلة التعلّم وواسعة الانتشار. ستتعرّف على الفرق بين التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف، وتفهم كيف يرتبط النمذجة الإحصائية بتعلّم الآلة، مع إجراء مقارنة بينهما. كما ستستكشف مجموعة من الخوارزميات الشائعة، بما في ذلك التصنيف والانحدار والتجميع وتقليل الأبعاد، إلى جانب نماذج ومفاهيم مستخدمة على نطاق واسع مثل تقسيم بيانات التدريب/الاختبار، ومتوسط الخطأ التربيعي الجذري (RMSE)، والغابات العشوائية. وخلال الرحلة التعليمية، ستتعرف أيضًا على كيفية تطبيق هذه المفاهيم عمليًا لبناء نماذج تنبؤية وفهم البيانات بصورة أعمق، مع أمثلة واقعية توضّح أثر تعلّم الآلة في المجتمع.

• شرح الفرق بين النوعين الرئيسيين من أساليب تعلّم الآلة: الخاضع للإشراف وغير الخاضع للإشراف
• وصف خوارزميات التعلم الخاضع للإشراف، بما في ذلك التصنيف والانحدار
• وصف خوارزميات التعلم غير الخاضع للإشراف، بما في ذلك التجميع وتقليل الأبعاد
• شرح كيفية ارتباط النمذجة الإحصائية بتعلّم الآلة وكيفية المقارنة بينهما
• مناقشة أمثلة واقعية للطرق المختلفة التي يؤثر بها تعلّم الآلة في المجتمع
• بناء نموذج تنبؤي باستخدام التصنيف

• مُستحسن: أساسيات بايثون لعلوم البيانات