دورة عبر الإنترنت – تخصص احترافي معتمد في التعلم الآلي من جامعة ستانفورد

Rykintoy مع التخصص في التعلم الآلي. أتقن المفاهيم الأساسية للذكاء الاصطناعي وقم بتطوير المهارات العملية في التعلم الآلي في هذا البرنامج المكون من 3 دورات للمبتدئين، بقيادة صاحب الرؤية في مجال الذكاء الاصطناعي، أندرو نج.

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

  • الانحدار اللوجستي
  • الشبكة العصبية الاصطناعية
  • الانحدار الخطي
  • أشجار القرار
  • أنظمة التوصية

What you will learn in the course

Courses for which the course is suitable

  • عالم البيانات
  • مهندس التعلم الآلي
  • مطور الذكاء الاصطناعي
  • عالم أبحاث في الذكاء الاصطناعي
  • مدير منتج الذكاء الاصطناعي
  • مهندس برمجيات مع التركيز على الذكاء الاصطناعي
  • محلل أعمال يتمتع بخبرة في الذكاء الاصطناعي
  • محلل كمي
  • إحصائي
  • مهندس التعلم العميق

الخبرة – سلسلة دورات مكونة من 3 أجزاء

يعد برنامج Machine Learning Expertise برنامجًا تأسيسيًا عبر الإنترنت تم إنشاؤه بالتعاون بين DeepLearning.AI وجامعة ستانفورد. سيعلمك هذا البرنامج المناسب للمبتدئين أساسيات التعلم الآلي وكيفية استخدام هذه التقنيات لبناء تطبيقات الذكاء الاصطناعي في العالم الحقيقي.

على الخبرة

يتم تقديم الخبرة من قبل Andrew Ng، صاحب الرؤية في مجال الذكاء الاصطناعي الذي أجرى أبحاثًا مهمة في جامعة ستانفورد وقام بعمل رائد في Google Brain وBaidu وLanding.AI لتطوير مجال الذكاء الاصطناعي.

سلسلة الدورات التدريبية المكونة من 3 أجزاء هي نسخة محدثة من دورة التعلم الآلي المبتكرة التي يقدمها أندرو، والتي حصلت على تقييم 4.9 من أصل 5 وقد شارك فيها أكثر من 4.8 مليون متعلم منذ إطلاقها في عام 2012. ويقدم مقدمة واسعة للتعلم الآلي الحديث، بما في ذلك:

  • التعلم الخاضع للإشراف (الانحدار الخطي المتعدد، الانحدار اللوجستي، الشبكات العصبية وأشجار القرار)
  • التعلم غير الخاضع للرقابة (التجميع، تقليل الأبعاد، أنظمة التوصية)
  • بعض أفضل الممارسات المستخدمة في وادي السيليكون للابتكار في مجال الذكاء الاصطناعي والتعلم الآلي (تقييم النماذج، وتوجيه النماذج، والنهج المبني على البيانات لتحسين الأداء، وما إلى ذلك)

وفي نهاية الخبرة، سوف تتقن المفاهيم الأساسية وتستفيد من المعرفة العملية لتطبيق التعلم الآلي بسرعة وكفاءة على المشكلات الصعبة في العالم الحقيقي. إذا كنت تتطلع إلى دخول عالم الذكاء الاصطناعي أو بناء مهنة في مجال التعلم الآلي، فإن تخصص التعلم الآلي الجديد هو أفضل مكان للبدء.

مشروع التعلم العملي

في نهاية هذه الخبرة سوف تكون جاهزًا:

  • قم ببناء نماذج التعلم الآلي في لغة Python باستخدام المكتبات الشائعة مثل NumPy وscikit-learn.
  • قم ببناء وتدريب نماذج التعلم الآلي الخاضعة للإشراف لمهام التنبؤ والتصنيف الثنائية، بما في ذلك الانحدار الخطي والانحدار اللوجستي.
  • قم ببناء وتدريب شبكة عصبية باستخدام TensorFlow لإجراء تصنيف متعدد الطبقات.
  • قم بتطبيق أفضل الممارسات لتطوير التعلم الآلي بحيث تناسب نماذجك البيانات والمهام الواقعية.
  • بناء واستخدام أشجار القرار وطرق إنزيمات الأشجار، بما في ذلك الغابات العشوائية والأشجار المعززة.
  • استخدم تقنيات التعلم غير الخاضعة للرقابة: بما في ذلك التجميع والكشف عن الشذوذ.
  • لبناء أنظمة التوصية باستخدام نهج التصفية التعاوني وطريقة التعلم العميق القائمة على المحتوى.
  • بناء نموذج عميق للتعلم الذاتي.

Details of the courses that make up the specialization

التعلم الآلي الخاضع للإشراف: دورة الانحدار والتصنيف

  • الدورة 1 • 33 ساعة • 4.9 (23,540 تقييمًا)

تفاصيل الدورة

ماذا ستتعلم
  • قم ببناء نماذج التعلم الآلي في لغة Python باستخدام المكتبات الشائعة مثل NumPy وscikit-learn
  • قم ببناء وتدريب نماذج التعلم الآلي الخاضعة للإشراف لمهام التنبؤ والتصنيف الثنائية، بما في ذلك الانحدار الخطي والانحدار اللوجستي
المهارات التي سوف تكتسبها
  • الفئة: الانحدار الخطي
  • الفئة: التنظيم لمنع التجهيز الزائد
  • التصنيف: الانحدار اللوجستي للتصنيف
  • الفئة: نزول متدرج
  • التصنيف: التعلم تحت الإشراف
  • خوارزميات التعلم المتقدمة

التعلم المتقدم: الدورة 2

  • الدورة 2 • 34 ساعة • 4.9 (6,508 تقييمًا)

تفاصيل الدورة

ماذا ستتعلم
  • قم ببناء وتدريب شبكة عصبية باستخدام TensorFlow لتصنيف متعدد الفئات
  • قم بتطبيق أفضل ممارسات تطوير التعلم الآلي حتى تتناسب نماذجك مع البيانات والمهام الواقعية
  • بناء واستخدام أشجار القرار وأساليب تجميع شجرة القرار، بما في ذلك الغابات العشوائية وأشجار القرار المقيدة
المهارات التي سوف تكتسبها
  • الفئة: TensorFlow
  • التصنيف: إرشادات لتطوير النماذج
  • التصنيف: شبكة عصبية اصطناعية
  • الفئة: Xgboost
  • الفئة: جمعيات أشجار القرار

التعلم غير الخاضع للرقابة، التوصية، التعلم المعزز: الدورة 3

  • الدورة 3 • 27 ساعة • 4.9 (3,616 تقييمًا)

تفاصيل الدورة

ماذا ستتعلم
  • استخدم تقنيات التعلم غير الخاضعة للرقابة: بما في ذلك التجميع والكشف عن الشذوذ
  • لبناء أنظمة التوصية باستخدام نهج التصفية التعاوني وطريقة التعلم العميق القائمة على المحتوى
  • بناء نموذج التعلم المعزز العميق
المهارات التي سوف تكتسبها
  • الفئة: كشف الشذوذ
  • الفئة: التعلم غير الخاضع للرقابة
  • الفئة: التعلم المعزز
  • الفئة: التصفية التعاونية
  • التصنيف: أنظمة التوصية