تعلّم الآلة: مشروع التخرج التطبيقي

صُمّم مشروع التخرج التطبيقي في تعلّم الآلة (Machine Learning Capstone) لعرض خبرتك وترسيخها في تعلّم الآلة باستخدام بايثون. في هذه الدورة العملية المكثفة، ستجمع كل ما تعلمته في الدورات السابقة ضمن البرنامج وتطبّقه على مشكلات واقعية بالاعتماد على مكتبات شائعة مثل Pandas وScikit-learn وTensorFlow/Keras. يركّز مشروعك الرئيسي على بناء نظام توصية للدورات (Course Recommender System). ستعمل على مجموعات بيانات مرتبطة بالدورات، وتقوم بحساب تشابه جيب التمام (Cosine Similarity)، وبناء مصفوفات التشابه (Similarity Matrices)، ثم تجربة عدة خوارزميات ومقارنتها للوصول إلى أفضل أداء. ستطبّق أساليب متعددة لبناء نظام التوصية، بما في ذلك خوارزمية أقرب الجيران (K-Nearest Neighbors - KNN)، وتحليل المكوّنات الرئيسية (Principal Component Analysis - PCA)، وأساليب الترشيح التعاوني باستخدام تحليل المصفوفات غير السالب (Non-negative Matrix Collaborative Filtering). ومن خلال هذه التجارب ستقارن بين مناهج تعلم الآلة المختلفة المستخدمة في أنظمة التوصية، وتقيّم نتائجها عملياً. إلى جانب ذلك، ستُظهر كفاءتك في التحليلات التنبؤية عبر بناء نماذج وتقييمها ضمن مهام الانحدار والتصنيف والشبكات العصبية، مع التركيز على التفكير النقدي والمهارات المهنية: اختيار الخوارزمية الأنسب، تبرير قراراتك، وتقديم مشروع نهائي جاهز للإضافة إلى معرض أعمالك (Portfolio).

• تطبيق تقنيات متقدمة في تعلم الآلة باستخدام بايثون ومكتبات مثل Pandas وScikit-learn وTensorFlow/Keras
• تصميم وتنفيذ نظام توصية واقعي للدورات باستخدام تشابه جيب التمام وKNN وPCA وأساليب الترشيح التعاوني
• إظهار الكفاءة في التحليلات التنبؤية عبر بناء نماذج الانحدار والتصنيف والشبكات العصبية وتقييمها
• إبراز مهارات التفكير النقدي والاحترافية عبر مقارنة الخوارزميات واختيار النماذج الفعّالة وتسليم مشروع جاهز للعرض في ملف الأعمال

• إكمال الدورات الخمس الأخرى ضمن شهادة edX الاحترافية في تعلم الآلة قبل الالتحاق بهذه الدورة
• الإلمام بالبرمجة ضمن بيئة تطوير بايثون
• فهم أساسي للتفاضل والتكامل والجبر الخطي والاحتمالات والإحصاء