4.4 out of 5
4.4
2308 reviews on Udemy

Machine Learning Nanodegree

أكبر كورس عربي لتعليم الألة والذكاء الأصطناعي لتأهيل مليون عالم بيانات عربي
Instructor:
Dr. Tamer Eid
49,704 students enrolled
استخدم بايثون لعلوم البيانات والتعلم الآلي
تنفيذ خوارزميات تعلم الآلة
ريادة الأعمال بأستخدام الذكاء الاصطناعي
كيفية صنع بيئة عمل أفتراضية للتأهيل لسوق العمل
العقلية التحليلة
NumPy for Numerical Data تعلم ال
Pandas for Data Analysis تعلم ال
SciKit-Learn for Machine Learning Tasks استخدام ال
K-Means Clustering
Logistic Regression
Linear Regression
Random Forest and Decision Trees
Neural Networks
Support Vector Machines

 الجزء – 1

 Numpy و Pandas  معالجة البيانات و :

                   Advanced Numpy                                      

                   Advanced Pandas

                   Data Preprocessing                

الجزء – 2 

Regression:

                 

                  Simple Linear Regression

                  Multiple Linear Regression Intuition

                  Polynomial Regression

                  Support Vector Regression (SVR)

                  Decision Tree  Regression,

                  Random Forest Regression   

            

  الجزء – 3

Classification :

                الانحدار اللوجستي

                K-NN

               SVM                

               Kernel SVM                

               Naive Bayes                

               Decision Tree Classification                

               Random Forest Classification                

الجزء – 4  

Clustering  :

                K-Means                

               Hierarchical Clustering                

الجزء – 5   

Association Rule Learning::

               Apriori                

               Eclat                

الجزء – 6

Reinforcement Learning :

                Upper Confidence Bound                

               Thompson Sampling               

الجزء – 7   

Natural Language Processing (NLP) :

                Bag-of-words model               

                algorithms for NLP               

الجزء – 8   

Deep Learning :

                 الشبكات العصبية الاصطناعية، الشبكات العصبية التلافيفية 

                (Deep Learning: Artificial Neural Networks, Convolutional Neural Networks)

الجزء – 9

Dimensionality Reduction  :

               PCA               

               Kernel PCA               

               LDA               

الجزء – 10 

Model Selection & Boosting :

                k-fold Cross Validation               

                Parameter Tuning,                

                Grid Search               

                XGBoost               

فضلا على ذلك، فإن الدورة مليئة بالتمارين العملية التي تستند إلى أمثلة واقعية. لذا لن تتعلم النظرية فحسب، بل ستحصل أيضًا على بعض التدريب العملي  و تتعلم كيفية بناء النماذج الخاصة بك.

أيضا ستشتمل هذه الدورة التدريبية على قوالب بالبايثون و التي يمكنك تنزيلها واستخدامها في مشروعاتك الخاصة.

سيكون لديك فهم أساسي للعديد من نماذج تعلم الألة 

عمل تحليل قوي وتوقعات دقيقة للبيانات

Reinforcement Learning  و NPL و ال Deep Learning التعامل مع موضوعات محددة مثل

 Dimensionality Reduction التعامل مع التقنيات المتقدمة مثل

 سوف تتعلم كيف تختار النموذج الصحيح والمناسب لكل نوع من أنواع تعليم الألة  لكافة المشاكل المختلفة او متطلبات عملك  

  قم ببناء مزيج من عدة نماذج مختلفة لتعليم الألة بالتعلم كيفية دمجها معا لحل المشاكل الصعبة

Welcome to the course!

1
Machine Learning تطبيقات ال

2
هو المستقبل machine learning لماذا ال
3
مقدمة الكورس - هام جدا
4
ملاحظات مهمة للاستفادة من هذا الكورس
5
This PDF resource will help you a lot
6
Anaconda و ال Python تثبيت ال
7
Jupyter Notebooks

Part 1: Python Packages (Numpy and Pandas)

1
NumPy Arrays
2
NumPy Arrays Notice
3
NumPy Array Indexing
4
NumPy Arrays Indexing Notice
5
NumPy Operation
6
NumPy Operation Notice
7
ملحوظة قبل البدء في حل التمرين
8
NumPy Excercise Overview
9
NumPy Exercise Solution
10
Pandas Series
11
Pandas Series Notice
12
Panadas DataFrames - Part 1
13
Panadas DataFrames - Part 1 Notice
14
Panadas DataFrames - Part 2
15
Panadas DataFrames - Part 2 Notice
16
Panadas DataFrames - Part 3
17
Pandas Missing Data
18
Panadas Group-by
19
Panadas Group-by Notice
20
Panadas Merging Joining and Con
21
Panadas Operations
22
Panadas Data Input and Output

------------Part 2: Data Reprocessing------------

1
Welcome To Data Reprocessing
2
How to get the Dataset
3
How to Import The Libraries and Data Set
4
How to Import The Libraries and Data Set Notice
5
Missing Data
6
Missing Data Notice
7
Categorical Data
8
Categorical Data Notice
9
Splitting the data
10
Splitting the data Notice
11
feature scaling
12
preprocessing Data Template
13
Quiz 1 : Data Preprocessing

------------Part 3: Regression ------------

1
Welcome to Regression

Simple Linear Regression

1
business problem description
2
Simple linear Regression Intuition - Step 1
3
Simple linear Regression Intuition - Step 2
4
Simple linear Regression in python - Step 1
5
Simple linear Regression in python - Step 2
6
Simple linear Regression in python - Step 3
7
Simple Linear Regression in Python - Step 4
8
Dataset + Business Problem Description
9
Quiz 2: Simple Linear Regression

Multiple Linear Regression Intuition

1
Multiple Linear Regression Intuition - Step 1
2
Multiple Linear Regression Intuition - Step 2
3
Multiple Linear Regression Intuition - Step 3
4
Multiple Linear Regression Intuition - Step 4
5
036 Prerequisites: What is the P-Value?
6
Multiple Linear Regression Intuition - Step 5
7
Multiple Linear Regression in Python - Step 1
8
Multiple Linear Regression in Python - Step 2
9
Multiple Linear Regression in Python - Step 3
10
Multiple Linear Regression in Python - Backward Elimination - Preparation
11
Multiple Linear Regression in Python - Backward Elimination - Homework +Solution
12
Multiple Linear Regression in Python - Automatic Backward Elimination
13
Quiz 3: Multiple Linear Regression

Polynomial Regression

1
Polynomial Regression Intuition
2
Polynomial Regression in Python - Step 1
3
Polynomial Regression in Python - Step 2
4
Polynomial Regression in Python - Step 3
5
Polynomial Regression in Python - Step 3 Notice
6
Polynomial Regression in Python - Step 4
7
Python Regression Template

Support Vector Regression (SVR)

1
SVR Intuition
2
SVR in Python

Decision Tree Regression

1
Decision Tree Regression Intuition
2
Decision Tree Regression Intuition Notice
3
Decision Tree Regression in Python

Random Forest Regression

1
Random Forest Regression Intuition
2
Random Forest Regression in Python

Evaluating Regression Models Performance

1
R-Squared Intuition
2
Adjusted R-Squared Intuition
3
Evaluating Regression Models Performance , Coefficients
4
Conclusion of Part 2 - Regression

-------------------- Part 4: Classification --------------------

1
Welcome to Part 3 - Classification

Logistic Regression

1
Logistic Regression Intuition
2
Logistic Regression in Python - Step 1
3
Logistic Regression in Python - Step 2
You can view and review the lecture materials indefinitely, like an on-demand channel.
Definitely! If you have an internet connection, courses on Udemy are available on any device at any time. If you don't have an internet connection, some instructors also let their students download course lectures. That's up to the instructor though, so make sure you get on their good side!
4.4
4.4 out of 5
2308 Ratings

Detailed Rating

Stars 5
1317
Stars 4
589
Stars 3
273
Stars 2
75
Stars 1
54
2df25f6849499e3c8c8c05d971e463cb
30-Day Money-Back Guarantee

Includes

31 hours on-demand video
31 articles
Full lifetime access
Access on mobile and TV
Certificate of Completion