دورة عبر الإنترنت – تخصص احترافي معتمد في التعلم الآلي التطبيقي من Google

قم بتحسين مهارات التعلم الآلي لديك باستخدام تقنيات متقدمة لحل المشكلات العملية في معالجة البيانات ورؤية الكمبيوتر والشبكات العصبية.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

البدء

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • مهارات التعلم الآلي العملية
  • التعلم الموجه
  • طرق الشبكة
  • تحليل الانحدار
  • التعلم غير الموجه
  • الشبكات العصبية
  • تصنيف الصور
  • استخراج سمات البيانات
  • الأمثل للنماذج
  • الشبكات العصبية التلافيفية (CNN)
  • التعلم المعزز
  • تحليل مسبق
  • حل المشاكل الحقيقية المستندة إلى البيانات
  • تجربة عملية مع Jupyter Notebook وPyTorch

What you will learn in the course

Courses for which the course is suitable

  • مهندس بيانات
  • محلل البيانات
  • يطور نماذج التعلم الآلي
  • عالم البيانات
  • خبير في رؤية الكمبيوتر
  • مطور برمجيات في مجال الذكاء الاصطناعي
  • باحث في مجال التعلم الآلي
  • محلل النظم التنبؤية
  • تطوير حلول التنبؤ المتقدمة
  • متخصص في التعلم المعزز

التركيز – سلسلة من 3 دورات

تم تصميم هذا التدريب لطلاب الدراسات العليا الذين يرغبون في تطوير مهارات التعلم الآلي العملية التي يمكن تطبيقها في مختلف المجالات. خلال ثلاث دورات شاملة، التقنيات الأساسية مثل:

  • التعلم الموجه
  • طرق الشبكة
  • تحليل الانحدار
  • التعلم غير الموجه
  • الشبكات العصبية

تركز الدورات على التعلم العملي، وتوفر فرصة لتطبيق التعلم الآلي على المشكلات العملية مثل:

  • تصنيف الصور
  • استخراج سمات البيانات
  • الأمثل للنماذج

الخوض في مواضيع متقدمة مثل:

  • الشبكات العصبية التلافيفية (CNN)
  • التعلم المعزز
  • تحليل مسبق

في نهاية التدريب، ستكون مجهزًا جيدًا لمواجهة التحديات المعقدة في التعلم الآلي في مجالات مثل رؤية الكمبيوتر ومعالجة البيانات، مما يجعلك رصيدًا قيمًا في الصناعات التي تحتاج إلى نماذج تنبؤية متقدمة.

مشروع التعلم العملي

في هذا التدريب، سيعمل المتعلمون على مشاريع واقعية، مثل التنبؤ بمعدلات الانتحار باستخدام مجموعات بيانات Maccagel. ومن خلال تطبيق تقنيات التعلم الآلي، سيتمكن المتعلمون من التقاط البيانات وتحديد الميزات المهمة وتطوير النماذج التنبؤية.

وسيعملون على تحديات معقدة، مثل تحديد ما إذا كان سيتم استخدام نماذج التصنيف أو الانحدار، ومعايرة خوارزميات التعلم الآلي للعثور على منهجيات قوية عبر المتغيرات.

باستخدام أدوات مثل Jupyter Notebook وPyTorch، سيكتسب المتعلمون خبرة عملية، مما يؤدي إلى إنشاء نموذج أولي وظيفي يحل المشكلات الحقيقية المستندة إلى البيانات.

Details of the courses that make up the specialization

التعلم الآلي العملي: التقنيات والتطبيقات

الدورة 1

19 ساعة

ماذا ستتعلم

  • فهم وتطبيق تقنيات التعلم الآلي على مهام رؤية الكمبيوتر، بما في ذلك التعرف على الصور والتعرف على الكائنات.
  • تحليل سمات البيانات وتقييم أداء نماذج التعلم الآلي باستخدام المقاييس وتقنيات التقييم المناسبة.
  • تطبيق أساليب المعالجة المسبقة للبيانات لتنظيف البيانات وتحويلها وإعدادها لتدريب نموذج التعلم الآلي بشكل فعال.
  • تطبيق وتحسين خوارزميات التعلم الخاضعة للإشراف لمهام التصنيف والانحدار.

المهارات التي سوف تكتسبها

  • المعالجة المسبقة للبيانات
  • هندسة الميزات
  • التعلم تحت الإشراف
  • التطبيق العملي
  • تقييم النماذج

الأساليب المتقدمة في تطبيقات التعلم الآلي

الدورة 2

19 ساعة

ماذا ستتعلم

  • فهم وتطبيق أساليب المجموعة لتحسين دقة النموذج ومتانته من خلال الجمع بين العديد من خوارزميات التعلم.
  • استكشف تقنيات الانحدار المتقدمة للتنبؤ بالنتائج المستمرة ونموذج العلاقات المعقدة في البيانات.
  • تطبيق خوارزميات التعلم غير الخاضعة للرقابة للتجميع وتقليل الأبعاد والتعرف على الأنماط في البيانات غير المسماة.
  • فهم وتطبيق تقنيات التعلم القائم على التعزيز والتحليل الملفق لاتخاذ القرار والبحث عن القوانين النقابية.

المهارات التي سوف تكتسبها

  • التعلم الجماعي
  • التعلم غير الخاضع للرقابة
  • التعلم المعزز
  • التحليل الظهاري
  • تقنيات الانحدار المتقدمة

فهم الشبكات العصبية وتنظيم النموذج

الدورة 3

16 ساعة

ماذا ستتعلم

  • قم ببناء شبكات عصبية من الصفر وتطبيقها على مجموعات بيانات حقيقية مثل MNIST.
  • تطبيق الانتشار العكسي لتحسين نماذج الشبكة العصبية وفهم الرسوم البيانية الحسابية.
  • استخدم التنظيم L1 وL2 والتسرب والتشذيب لتقليل فرط ملاءمة النموذج.
  • تطبيق الشبكات العصبية التلافيفية (CNN) والموترات باستخدام PyTorch لمعالجة الصور والصوت.

المهارات التي سوف تكتسبها

  • الكفاءة في PyTorch
  • تقنيات التنظيم
  • تطبيق الشبكات العصبية
  • الشبكات العصبية التلافيفية (CNN)
  • السيطرة على التخلص الخلفي