كورسات "مختبرات تعلم الآلة من كورسيرا" هي مجموعة من الدروس العملية التي تساعد في تعلم وتطبيق الخوارزميات الرئيسية في مجال تعلم الآلة. تقدم هذه الدورة المقدمة من Michael تجربة تعليمية عملية للمشاركين لتمكينهم من فهم تطبيقات تعلم الآلة في بيئة حقيقية.
أهم المواضيع التي تغطيها الدورة:
-
الانحدار الخطي (Linear Regression): تبدأ الدورة بتغطية الانحدار الخطي وتطبيقاته في تعلم الآلة. يتعلم المشاركون كيفية استخدام الانحدار الخطي لتحليل البيانات وتقديم تنبؤات بناءً على المتغيرات المستقلة.
-
الانحدار اللوجستي (Logistic Regression): في هذه الوحدة، يتم تغطية الانحدار اللوجستي وكيفية استخدامه في تصنيف البيانات. يشرح المعلم كيفية تطبيق الانحدار اللوجستي للتنبؤ بالفئات الثنائية وكيفية تحسين دقة النموذج باستخدام تقنيات مثل التصحيح المنتظم (Regularization).
-
الشبكات العصبية للتصنيف الثنائي (Neural Networks for Binary Classification): هذه الوحدة تركز على الشبكات العصبية وكيفية استخدامها في تصنيف البيانات الثنائية. يتم مناقشة كيفية بناء نموذج شبكة عصبية وتدريبه باستخدام بيانات تدريبية.
-
الشبكات العصبية للتصنيف متعدد الفئات (Neural Networks for Multiclass Classification): في هذه الوحدة، يتعلم المشاركون كيفية استخدام الشبكات العصبية في تصنيف البيانات التي تحتوي على أكثر من فئة واحدة. يتم تغطية تقنيات متقدمة مثل الـ Softmax لتدريب نموذج التصنيف متعدد الفئات.
-
نصائح لتطبيق تعلم الآلة (Advice for Applying Machine Learning): تقدم هذه الوحدة نصائح عملية حول كيفية تطبيق خوارزميات تعلم الآلة في الحياة العملية. يتم استعراض المشكلات الشائعة التي قد يواجهها المتعلمون عند استخدام هذه الخوارزميات وكيفية تحسين النماذج.
-
أشجار القرار (Decision Trees): تتناول الدورة كيفية استخدام أشجار القرار في تصنيف البيانات. يتم شرح كيفية بناء الشجرة وتقسيم البيانات بناءً على القيم الأفضل من خلال مقياس مثل الـ Gini Index أو الـ Entropy.
