كل الدورات
عن الدورة
تتناول دورة "مقدمة في التعلم الآلي غير المراقب" كيفية قيام أنظمة الحاسوب باكتشاف الهيكل والأنماط والعلاقات في البيانات عالية الأبعاد دون الاعتماد على مخرجات مصنفة مسبقاً. يتعلم المشاركون تحليل وتمثيل البيانات باستخدام تقنيات تقليل الأبعاد مثل تحليل المكونات الرئيسية، واكتشاف التجمعات الطبيعية بواسطة خوارزميات مثل K-Means والتجميع الهرمي. كما تتعرض الدورة لمشكلات واقعية مثل التعامل مع البيانات المفقودة وأنظمة التوصية باستخدام تقنيات إكمال المصفوفات. تعتمد الدورة على ممارسات تطبيقية وتفسيرات متعمقة لبناء الحدس والمهارات العملية اللازمة لاستخلاص رؤى من مجموعات بيانات معقدة وغير مصنفة. يمكن للمتعلمين التسجيل لأخذ شهادة أكاديمية كجزء من برامج ماجستير علوم الحاسوب والذكاء الاصطناعي وعلوم البيانات بجامعة كولورادو بولدر.
ماذا ستتعلم
- شرح أهداف وتحديات ومناسبات استخدام التعلم غير المراقب
- تطبيق تقنيات تقليل الأبعاد لتحليل وتمثيل البيانات عالية الأبعاد
- اكتشاف وتفسير هيكل البيانات باستخدام خوارزميات التجميع
- معالجة البيانات المفقودة ومشكلات أنظمة التوصية باستخدام إكمال المصفوفات
المتطلبات المسبقة
- معرفة أساسية بالمصطلحات والمفاهيم المتعلقة
- الاستعداد للتطبيق العملي عبر تمارين أو دراسات حالة
المدرسون
D
Daniel E. Acuna
إعلان
إعلان