كل الدورات
عن الدورة
يركز هذا المساق القصير على كيفية التحقق من صحة نماذج التعلم الآلي وشرح سلوكها وقراراتها بدقة ووضوح. يتعلم المشاركون استراتيجيات عملية مثل استخدام k-fold cross-validation والتوزيع الطبقي لتحقيق تقييم أكثر دقة خاصةً مع البيانات غير المتوازنة. كما يتم استكشاف طرق تفسير أهمية الميزات باستخدام تقنيات مثل SHAP. يتيح المساق للفرد تعزيز قدرته على تقييم النماذج بشكل متكامل بعيدًا عن الاعتماد فقط على دقة النموذج، مع التركيز على اختيار استراتيجيات التحقق المناسبة وتفسير النتائج بفاعلية لدعم النشر المسؤول للنماذج في بيئات مثل الكشف عن الاحتيال والموافقات الائتمانية.
ماذا ستتعلم
- تقييم نماذج التعلم الآلي باستخدام تقنيات التحقق المتقدمة
- تفسير أهمية الخصائص وتأثيرها باستخدام SHAP وغيرها من الأدوات
- شرح قرارات النموذج بوضوح للجمهور الفني وغير الفني
- اختيار أفضل استراتيجية تحقق للبيانات غير المتوازنة
المتطلبات المسبقة
- معرفة أساسية بمفاهيم التعلم الآلي ومصطلحاته
- القدرة على المشاركة في التدريبات العملية والتطبيقية
المدرسون
a
ansrsource instructors
ansrsource instructors
المواضيع
التعلم الآلي
علوم البيانات
استراتيجية الأعمال
إدارة الأعمال
الإحصاء
التحقق والتقييم
بيانات الاختبار
التعلم الآلي الإحصائي
معلومات الدورة
المنصةCoursera
المستوىغير محدد
طريقة التعلمغير محدد
السعرمجاني
المهارات
التعلم الآلي
علوم البيانات
استراتيجية الأعمال
إدارة الأعمال
الإحصاء
التحقق والتقييم
بيانات الاختبار
التعلم الآلي الإحصائي
إعلان
إعلان