دورة عبر الإنترنت – تخصص احترافي معتمد في التعلم الآلي وعلوم البيانات من Google وDeepLearning.AI, DeepLearning.AI

إتقان أدوات الذكاء الاصطناعي والتعلم الآلي. تعد منهجية الرياضيات للتعلم الآلي وعلوم البيانات تخصصًا مناسبًا للمبتدئين حيث ستتعلم أدوات الرياضيات الأساسية للتعلم الآلي: حساب التفاضل والتكامل والجبر الخطي والإحصاء ونظرية الاحتمالات.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

المستوى المتوسط

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • إحصائيات بايزي
  • الرياضيات
  • الانحدار الخطي
  • فاتورة
  • التعلم الآلي
  • احتمال

What you will learn in the course

Courses for which the course is suitable

  • مهندس التعلم الآلي
  • عالم البيانات
  • محلل البيانات
  • مطور الخوارزمية
  • خبير الذكاء الاصطناعي
  • محلل النظم
  • مطور برمجيات في مجال البيانات
  • باحث في مجال التعلم الآلي

التدريب – سلسلة دورات من ثلاثة أجزاء

تم التحديث إلى عام 2024!

الرياضيات للتعلم الآلي وعلوم البيانات هو برنامج تأسيسي عبر الإنترنت تم إنشاؤه بواسطة DeepLearning.AI ويقوم بتدريسه لويس سيرانو. في التعلم الآلي، يمكنك تطبيق مفاهيم الرياضيات من خلال البرمجة. لذلك ستقوم في هذا التخصص بتطبيق المفاهيم الرياضية التي ستتعلمها من خلال البرمجة بلغة بايثون، وذلك في إطار التمارين العملية في المختبر.

المتطلبات الأساسية

كمشارك في هذا البرنامج، سوف تحتاج إلى مهارات البرمجة الأساسية والمتوسطة في لغة بايثون لتكون ناجحًا. يشعر العديد من مهندسي التعلم الآلي وعلماء البيانات بصعوبة في الرياضيات، حتى الممارسين ذوي الخبرة يمكن أن يشعروا بأنهم محدودون بسبب عدم امتلاكهم للمهارات الرياضية. يستخدم هذا التخصص أساليب تدريس الرياضيات المبتكرة لمساعدتك على التعلم بسرعة وبشكل حدسي، من خلال الدورات التدريبية التي تستخدم الرسوم التوضيحية سهلة المتابعة والتي تساعدك على معرفة كيفية عمل الرياضيات وراء التعلم الآلي حقًا.

التوصيات

  • المعرفة الرياضية على مستوى المدرسة الثانوية (الوظائف والجبر الأساسي)
  • الإلمام بالبرمجة (هياكل البيانات، الحلقات، الوظائف، البيانات الشرطية، تصحيح الأخطاء)

تتم كتابة المهام والمختبرات بلغة Python، لكن الدورة تقدم جميع مكتبات التعلم الآلي التي ستستخدمها.

مشروع التعلم العملي

في نهاية هذا التدريب، ستكون جاهزًا للقيام بما يلي:

  • تمثيل البيانات كمتجهات ومصفوفات وتحديد خصائصها مثل التفرد والدرجة والاستقلال الخطي
  • تطبيق عمليات جبر المتجهات والمصفوفات الشائعة مثل ضرب النقاط والانعكاسات والمحددات
  • عمليات المصفوفة السريعة كتحويلات خطية
  • تطبيق مفاهيم القيم الذاتية والمتجهات الذاتية على مشاكل التعلم الآلي بما في ذلك تحليل المكونات الرئيسية (PCA)
  • تحسين أنواع مختلفة من الوظائف شائعة الاستخدام في التعلم الآلي
  • لإحداث انخفاض بالشيكل في البرامج العصبية ذات وظائف التنشيط ووظائف التكلفة المختلفة
  • أشر إلى خصائص التوزيعات الاحتمالية الشائعة
  • إجراء تحليل البيانات الاستكشافية للعثور على الأنماط والتحقق منها وقياسها في مجموعة من البيانات
  • تحديد مدى يقين التنبؤات التي قدمتها نماذج التعلم الآلي باستخدام فترات الثقة، وهوامش الخطأ، والقيم الاحتمالية، واختبار الفرضيات
  • تطبيق الأساليب الإحصائية الشائعة مثل MLE وMAP

Details of the courses that make up the specialization

الجبر الخطي للتعلم الآلي وعلوم البيانات

الدورة 1 • 34 ساعة • 4.6 (1,674 تقييمًا)

تفاصيل الدورة
ماذا ستتعلم
  • تمثيل البيانات كمتجهات ومصفوفات وتحديد خصائصها باستخدام مفاهيم التفرد والرتبة والاستقلال الخطي.
  • تطبيق العمليات الجبرية الشائعة على المتجهات والمصفوفات مثل حاصل الضرب النقطي والمعكوس والمحددات.
  • التعبير عن أنواع معينة من عمليات المصفوفة كتحويلات خطية، وتطبيق مفاهيم القيم الذاتية والمتجهات الذاتية على مشاكل التعلم الآلي.
المهارات التي سوف تكتسبها
  • الفئة: القيم الذاتية والمتجهات الذاتية
  • التصنيف: المعادلات الخطية
  • الفئة: المحددات
  • التصنيف: التعلم الآلي
  • التصنيف: الجبر الخطي

حساب التفاضل والتكامل للتعلم الآلي وعلوم البيانات

الدورة 2 • 26 ساعة • 4.8 (708 تقييم)

تفاصيل الدورة
ماذا ستتعلم
  • التحسين التحليلي لأنواع مختلفة من الوظائف المستخدمة بشكل شائع في التعلم الآلي باستخدام خصائص المشتقة والتدرج.
  • إجراء تحسين تقريبي لأنواع مختلفة من الوظائف شائعة الاستخدام في التعلم الآلي.
  • فهم بصريًا وحدسيًا مشتقات أنواع مختلفة من الوظائف شائعة الاستخدام في التعلم الآلي.
  • إجراء نزول متدرج في الشبكات العصبية مع وظائف التنشيط والتكلفة المختلفة.
المهارات التي سوف تكتسبها
  • الفئة: الحساب
  • التصنيف: التعلم الآلي
  • التصنيف: طريقة نيوتن
  • الفئة: نزول متدرج
  • الفئة: التحسين الرياضي

الاحتمالات والإحصائيات للتعلم الآلي وعلوم البيانات

الدورة 3 • 33 ساعة • 4.6 (447 تقييمًا)

تفاصيل الدورة
ماذا ستتعلم
  • وصف وقياس حالة عدم اليقين المتأصلة في التنبؤات التي قدمتها نماذج التعلم الآلي.
  • فهم بصريًا وحدسيًا لخصائص التوزيعات الاحتمالية المستخدمة بشكل شائع في التعلم الآلي وعلوم البيانات.
  • تطبيق الأساليب الإحصائية الشائعة مثل تقدير الاحتمالية القصوى (MLE) والحد الأقصى للتقدير المسبق (MAP) في مشاكل التعلم الآلي.
  • تقييم أداء نماذج التعلم الآلي باستخدام تقديرات الفترات وهوامش الخطأ.
المهارات التي سوف تكتسبها
  • الفئة: الفرصة والإحصائيات
  • الفئة: خوارزميات التعلم الآلي (ML).
  • التصنيف: التحليل الإحصائي
  • التصنيف: فرصة
  • التصنيف: اختبار الفرضيات الإحصائية