تعلم الآلة التطبيقي

ينقل هذا المستوى المتدرب من استخدام أدوات AI إلى بناء نماذج تعلم الآلة، مع التركيز على Python والبيانات ودورة تطوير النموذج من التجهيز حتى التدريب والتقييم.

ماذا ستتعلم؟

• Python كأساس للعمل في الذكاء الاصطناعي.
• NumPy وPandas لمعالجة البيانات وتحليلها.
• أساسيات الرياضيات والإحصاء اللازمة لتعلم الآلة.
• Regression وClassification وClustering.
• تقييم النماذج وفهم Overfitting وGeneralization.

المحاور التدريبية

• المتغيرات والدوال وهياكل البيانات والمكتبات.
• تنظيف البيانات وتحويلها وتحليلها.
• المتوسطات والتباين والاحتمالات والمفاهيم الرياضية الأساسية.
• Features وLabels وتقسيم البيانات.
• التدريب والاختبار واختيار النموذج.
• Accuracy وPrecision وRecall ومقاييس التقييم الأساسية.
• مبادئ Responsible ML ومقدمة في Deployment.

التطبيق العملي

• تجهيز مجموعات بيانات واقعية أو محاكاة.
• تدريب عدة نماذج ومقارنة أدائها.
• تحليل الأخطاء وتحسين النتائج.

المشروع التطبيقي

بناء نموذج تعلم آلة لمشكلة تصنيف أو تنبؤ، بدءًا من معالجة البيانات وحتى التدريب والتقييم وعرض النتائج.

المخرجات المتوقعة

• استخدام Python لمعالجة وتحليل البيانات.
• تجهيز البيانات لنماذج تعلم الآلة.
• تدريب واختبار نماذج أساسية.
• اختيار مقاييس مناسبة وتقييم الأداء.
• تفسير النتائج وتوثيق تجربة ML متكاملة.

المتطلبات السابقة

• اجتياز المستوى الأول شرط إلزامي.
• لا يسمح بالدخول المباشر إلى المستوى الثاني.

الانتقال للمستوى التالي

يتطلب المستوى الثالث اجتياز تطبيقات وتقييمات ومشروع هذا المستوى.