عن الدورة
تعلم الآلة أصبح من أهم المهارات التقنية المطلوبة في عصر البيانات. تقدم هذه الدورة تدريبًا عمليًا متكاملًا يغطي المفاهيم الأساسية والخوارزميات الأكثر استخدامًا في Machine Learning، مع التركيز على التطبيق العملي وبناء النماذج وتحسين أدائها باستخدام أدوات Python الاحترافية.
ستتعلم كيفية معالجة البيانات، اختيار الميزات المناسبة، تدريب النماذج، تقييم الأداء، وتحسين النتائج باستخدام تقنيات متقدمة، بالإضافة إلى تطبيقات عملية تحاكي مشكلات حقيقية في سوق العمل.
محتوى الدورة
Machine Learning
-
1. Linear Regression
19:03 -
2. Linear Regression using sklearn
17:06 -
3. Linear Regression multiple variables
18:40 -
4. Graident Descent Intiution
16:21 -
5. Gradient Descent Implementation Steps
03:21 -
6. Gradient Descent Basic Implementation
12:41 -
7. Gradient Descent Early Stop Part 1
07:02 -
8. Gradient Descent Early Stop Part 2
04:20 -
9. Gridient Desent Early Stop minimize Error
10:09 -
10. Gradient Descent Early Stop Customer LR Part 1
07:14 -
11. Gradient Descent Early Stop Customer LR Part 2
00:42 -
12. Save Model
12:14 -
13. Naming the Model
09:38 -
14. Data Encdoing Part 1 – Label Encoder
06:43 -
15. Encdoing Part 2 – One Hot Encoder Introduction Part 1
05:06 -
16. Encoding Part 2 – One Hot Encoding Implementation Part 2
05:10 -
17. Encoding Part 3 – Ordinal Encoding
03:58 -
18. Encoding Part 4 – Binary Encoder
04:42 -
19. Encodings Part 5 – Frequency Encoder
06:13 -
20. Logistic Regression
01:15:30 -
21. Softmax Function
04:04 -
22. Decision Tree
20:00 -
23. Random Forest
16:34 -
24. Ensemble Methods
18:10 -
25. Support Vector Machine
35:11 -
26. Evaluation Metrics
12:09 -
27. Cross Validation
20:20 -
28. Grid Search
19:21 -
29. Naive Bayes
27:39 -
30. SMOTE, Imputer and Pipeline
09:43 -
31. AutoML
15:55 -
32. Clustering Algorithms
58:11
Practice
Bonus Topics
تقييمات ومراجعات الطلاب
لا يوجد تقييم حتى الآن
