سرفصل های درس یادگیری ماشین (عربی)
1. مقدمة فی تعلم الآلة
• تعریف وتاریخ تعلم الآلة
• تعلم الآلة مقابل الذکاء الاصطناعی مقابل استخراج البیانات
• تطبیقات تعلم الآلة فی الصناعة والبحث العلمی
• أنواع التعلم: التعلم الخاضع للإشراف، التعلم غیر الخاضع للإشراف، التعلم شبه الخاضع للإشراف، التعلم المعزز
• مسار عمل تعلم الآلة
_____________________________________________________________________________
2. أدوات بایثون لتعلم الآلة
• أساسیات بایثون لعلوم البیانات
• NumPy، Pandas، Matplotlib، Scikit-Learn
• تحمیل البیانات، المعالجة المسبقة، التصور
• العمل مع Jupyter Notebook
_____________________________________________________________________________
3. المعالجة المسبقة للبیانات
• تنظیف البیانات: معالجة القیم المفقودة، القیم الشاذة
• هندسة المیزات واختیار المیزات
• التطبیع والتوحید القیاسی
• تقسیم البیانات إلى مجموعتی تدریب واختبار، التحقق المتبادل
• معالجة البیانات غیر المتوازنة (SMOTE، أوزان الفئات)
_____________________________________________________________________________
4. التعلم الخاضع للإشراف - التصنیف
• خوارزمیة أقرب الجیران k
• أشجار القرار والغابات العشوائیة
• الانحدار اللوجستی
• خوارزمیة بایز البسیطة
• آلات المتجهات الداعمة (SVM)
• مقاییس الأداء: الدقة، الضبط، الاستدعاء، F1، ROC-AUC
_____________________________________________________________________________
5. التعلم الخاضع للإشراف - الانحدار
• الانحدار الخطی
• الانحدار متعدد الحدود
• انحدار ریدج، لاسو، الشبکة المرنة
• انحدار شجرة القرار
• مقاییس التقییم: متوسط مربع الخطأ (MSE)، جذر متوسط مربع الخطأ (RMSE)، متوسط الخطأ المطلق (MAE)، معامل التحدید (R²)
_____________________________________________________________________________
6. التعلم غیر الخاضع للإشراف
• التجمیع: خوارزمیة K-Means، التجمیع الهرمی، DBSCAN
• تقلیل الأبعاد: تحلیل المکونات الرئیسیة (PCA)، t-SNE، UMAP
• استخراج قواعد الارتباط (Apriori، FP-growth)
• تطبیقات فی کشف الشذوذ وسلوک العملاء التجزئة
_____________________________________________________________________________
7. التعلم الجماعی
• التجمیع، التعزیز، التکدیس
• الغابة العشوائیة
• AdaBoost، تعزیز التدرج، XGBoost
• المزایا وحالات الاستخدام الواقعیة
_____________________________________________________________________________
8. الشبکات العصبیة والتعلم العمیق (مقدمة)
• البیرسیبترون والبیرسیبترون متعدد الطبقات (MLP)
• دوال التنشیط
• الانتشار العکسی
• مقدمة إلى TensorFlow / PyTorch
• مقارنة بین التعلم الآلی التقلیدی والتعلم العمیق
_____________________________________________________________________________
9. تحسین النموذج
• ضبط المعلمات الفائقة (البحث الشبکی، البحث العشوائی، التحسین البایزی)
• أهمیة المیزات
• التنظیم
• تجنب التجاوز/النقص فی التخصیص
• استراتیجیات التحقق المتبادل
_____________________________________________________________________________
10. التعلم المعزز (مقدمة)
• تفاعل العامل مع البیئة
• أنظمة المکافآت وعملیات اتخاذ القرار مارکوف (MDP)
• التعلم المعزز (الأساسیات)
• تطبیقات فی الروبوتات، والألعاب، والتحسین
_____________________________________________________________________________
11. تطویر مشروع تعلم آلی واقعی
• تحدید المشکلة
• جمع البیانات وتصنیفها
• اختیار النموذج وتقییمه
• النشر: واجهة برمجة التطبیقات، والحوسبة السحابیة، والحوسبة الطرفیة
• الاعتبارات الأخلاقیة فی التعلم الآلی (التحیز، والخصوصیة، والإنصاف)
_____________________________________________________________________________
12. دراسات حالة
• التعلم الآلی فی الرعایة الصحیة
• التعلم الآلی فی التمویل
• التعلم الآلی فی الطیران (یمکنک تقدیم نموذج BIM-LSTM هنا)
• التعلم الآلی فی وسائل التواصل الاجتماعی والتسویق
_____________________________________________________________________________
13. المشروع النهائی (اختیاری)
یقوم الطلاب بتصمیم وتنفیذ نموذج تعلم آلی کامل
• اختیار مجموعة البیانات
• المعالجة المسبقة
• التدریب والتقییم
• العرض التقدیمی
