Machine‑Learning Fundamentals

التصنيف الرئيسي: تقنية المعلومات والتحول الرقمي | التخصص: إدارة تكنولوجيا المعلومات

الوصف العام: يقدم هذا البرنامج التدريبي أساسًا قويًا في مجال تعلم الآلة (Machine Learning) من خلال تبسيط المفاهيم الأساسية وبناء فهم عملي لكيفية تحويل البيانات إلى نماذج تنبؤية قابلة للاستخدام...

معلومات البرنامج:

• إدارة تكنولوجيا المعلومات
• تقنية المعلومات والتحول الرقمي

أهداف الدورة

• فهم المفاهيم الأساسية لتعلم الآلة وأنواعه المختلفة
• تطبيق دورة حياة نموذج Machine Learning من البداية إلى النهاية
• معالجة البيانات وإعدادها للنمذجة (Data Preprocessing)
• بناء نماذج تصنيف وانحدار باستخدام Python
• تقييم أداء النماذج باستخدام مقاييس علمية دقيقة
• فهم أساسيات اختيار الميزات وتحسين النماذج

الخطة التدريبية التفصيلية

مقدمة في تعلم الآلة

• تعريف Machine Learning وأهميته
• الفرق بين AI و ML و Data Science
• أنواع التعلم (Supervised / Unsupervised / Reinforcement)
• حالات الاستخدام في الأعمال
• دورة حياة نموذج تعلم الآلة

إعداد البيانات

• تنظيف البيانات (Missing Values & Outliers)
• تحويل البيانات (Encoding & Scaling)
• تقسيم البيانات (Train/Test Split)
• التعامل مع البيانات غير المتوازنة
• تحسين جودة البيانات

خوارزميات التعلم الموجه

• الانحدار الخطي (Linear Regression)
• الانحدار اللوجستي (Logistic Regression)
• أشجار القرار (Decision Trees)
• K-Nearest Neighbors (KNN)
• تطبيقات عملية على التصنيف والتنبؤ

التعلم غير الموجه

• مفهوم Clustering
• خوارزمية K-Means
• تحليل الأنماط (Pattern Discovery)
• تقليل الأبعاد (Dimensionality Reduction)
• استخدامات عملية في تحليل البيانات

تقييم النماذج وتحسين الأداء

• مقاييس الأداء (Accuracy, Precision, Recall)
• مصفوفة الالتباس (Confusion Matrix)
• Overfitting vs Underfitting
• Cross Validation
• تحسين النموذج (Model Tuning)