تعلم الآلة: الانحدار

تقدّم هذه الدورة مدخلاً عملياً إلى الانحدار (Regression)، وهو أحد الأساليب الأساسية في تعلّم الآلة الخاضع للإشراف. تركّز الدورة على أفضل الممارسات لبناء نماذج انحدار قوية، بدءاً من تجهيز البيانات وتقسيمها إلى مجموعات تدريب واختبار (Train/Test)، مروراً باختيار السمات (Feature Selection)، وصولاً إلى أساليب الحد من فرط التكيّف (Overfitting) وتحسين قابلية النموذج للتعميم. ستتعلّم كيفية تدريب نماذج تتنبأ بمخرجات رقمية مستمرة (Continuous Numerical Outcomes)، وكيفية تقييم أدائها باستخدام مقاييس أخطاء شائعة مثل متوسط الخطأ المطلق (MAE)، ومتوسط مربع الخطأ (MSE)، والجذر التربيعي لمتوسط مربع الخطأ (RMSE). كما ستتعمّق في فهم الانحدار الخطي (Linear Regression) من حيث الفكرة والافتراضات وطريقة الاستخدام في سيناريوهات واقعية. وتمنحك الدورة خبرة تطبيقية في تقنيات الانتظام (Regularization) لتحسين الأداء وتقليل التعقيد، بما في ذلك Ridge وLASSO وElastic Net. ومن خلال مقارنة نماذج انحدار مختلفة باستخدام المقاييس المناسبة، ستطوّر القدرة على اختيار النهج الأكثر فاعلية لبياناتك وحالة الاستخدام. بنهاية الدورة ستكون قادراً على بناء نماذج انحدار، اختبارها وتقييمها، وتطبيق تقنيات تمنع فرط التكيّف، واتخاذ قرارات مبنية على المقاييس لاختيار النموذج الأنسب للتطبيقات العملية.

• تدريب واختبار نماذج الانحدار للتنبؤ بمخرجات رقمية مستمرة
• تقييم أداء النموذج باستخدام مقاييس الخطأ مثل MAE وMSE وRMSE
• تطبيق تقنيات الانتظام، بما في ذلك Ridge وLASSO وElastic Net، للحد من فرط التكيّف
• مقارنة نماذج الانحدار واختيار النهج الأكثر فاعلية للتطبيقات الواقعية

• الإلمام بالبرمجة ضمن بيئة تطوير بايثون
• فهم أساسي للتفاضل والتكامل والجبر الخطي والاحتمالات والإحصاء