في هذه المقالة سأشارككم بعض من المشاريع البرمجية ومفضلتي في Github. موقع Github باختصار هو طريقة لتخزين، مشاركة، وحفظ المشاريع البرمجية والتحكم بالإصدارات باستخدام Git.

من فترة اتابع وأقرأ عدة مقالات عن المحاسبة، المالية، وأسواق الأسهم وكيفية بناء نماذج تعلم آلة لتوقع مستقبل سعر شركة، وكيفية إيجاد الشركات الجيدة عن غيرها وتقييم الشركات حسب قوائمها المالية.

السلام عليكم، ست أشهر تقريباً من آخر مقال نشرته هنا، ضغط عمل وأشياء أخرى، لكن في أشياء مخطط لها وشغال عليها وراح تنشر قريب ان شاء الله، في فترة الحجر الحالية حاولت استفيد من وقتي.

هذا المنشور هو ترجمة (حرفية) للفصل الثالث “لكتاب المائة صفحة في تعليم الآلة” من تأليف أندري بوركوف.

This project (Capstone Project) is part of Udacity’s Data Scientist Nanodegree program

This project (Write a Data Science Blog Post) is part of Udacity’s Data Scientist Nanodegree program

آخر جزء في التعلم غير الموجَّه يتحدث عن Random Projection و ICA وهي طرق لتقليل المتغيرات.

الجزء الرابع من فصل التعلم غير الموجَّه يتحدث عن خوارزمية تحليل العنصر الأساسي PCA

الدرس الثالث يتحدث عن خوارزمية Gaussain Models والتحقق من النتائج وطريقة المقارنة بين مختلف الخوارزميات في التجميع

الدرس الثاني في التعلم غير الموجَّه يتحدث عن التجميع Clustering بأشكال أخرى.

الجزء الثالث من الكورس يتكلم عن التعلم غير الموجَّه Unsupervised Learning.

هذا الملخص عن مكتبة PyTorch، مكتبة أخرى متخصصة للشبكات العصبية في بايثون.

هذا الملخص عن مكتبة Keras في بايثون. وهي مكتبة متخصصه في الشبكات العصبية.

هذا الملخص عن طريقة تطبيق Gradient Descent في الشبكات العصبية وطريقة تدريبها وتجنب فرط التخصيص.

هذا الملخص بداية للفصل الثاني بعنوان التعلم العميق ويعطي لمحة بسيطة عن الشبكات العصبية.

المخلص يغطي طريقة تقييم النموذج، مدى كفائته، قياس أداءة والطرق لتحسينه.

هذا المخلص سيكون عن Ensemble Methods وكيف تُحسن من نتائج المودل لدينا.

هذا الجزء سيكون عن آلة المتجهات الداعمة Support Vector Machines، متى تستخدم، والمتغيرات فيها وطريقة تكوين النموذج الخاص فيها ببايثون.

هذا الملخص سيكون عن خوارزمية بايز البسيط Naive Bayes، فكرتها وإستخدامتها، طريقة إٍستخدامها في مكتبة scikit-learn وبعض المتغيرات المهمه فيها، وطريقة تقييم المودل ونتائجه.

هذا الجزء سيكون عن خوارزمية بيرسيبترون وشجرة القرار.

هذه السلسلة من المنشورات ستكون ملخصات خاصه بي كتبتها أثناء دراستي لكورس Udacity في علم البيانات أحببت أفيد فيها المهتمين ومن يرغب بدخول مجال علم البيانات. قبل البداية يتوقع منك أن تكون لديك معرفة سابقة بلغة البرمجة بايثون وبعض مكاتبها المخصصه لعلم البيانات مثل scikit-learn.

آخر أنواع طرق تعلم الآلة هو التعلم التعزيزي (Reinforcement Learning)، فيه تتعلم الآلة بنفسها عن طريق التجارب، في حال قامت بعمل صحيح تكمل عليه وفي حال أخطأت تتوقف ولا تعيد نفس الخطأ.
ذكرنا في التدوينة الثانية الأدوات الأساسية في التعليم التعزيزي وهي:

بعد أن تعمقنا قليلاً في التعلم الموجَّه وخوارزمياته، سأنتقل للتحدث عن النوع الآخر من طرق تعلم الآلة وهو التعلم غير الموجَّه.

تحدثت في المنشور السابق عن الطرق التي تتعلم بها الآلة، البعض يضيف إليها الشبكات العصبيه (Neural Networks) والتعلم العميق (Deep Learning) ولكن أرى أن هذه مواضيع كبيره أخرى من الممكن التعمق فيها لوحدها. لنعود لعلم الآلة وطُرق تعلمها، لنتحدث بتفصيل أكثر عن كل طريقة ومتى نستخدمها، وما هي خوارزمياتها.

بعدما عرفنا معلومات بسيطة عن الذكاء الإصطناعي وتعلم الآلة، لنتعمق ونبدأ بفهم طرق التعلم.

يعتبر تعلم الآلة أو (Machine Learning) من أكثر المواضيع إنتشاراً في السنوات الأخيره الجميع يتحدث عنه ولكن قليل من يفهمه ويتقنه. عن نفسي شخصياً حاولت كثيراً الدخول لهذا المجال، لكن دائماً ما أصادف مقالات تبدأ بمعلومات بسيطة مفهومه ثم تتعمق مباشرة في الموضوع وتبدأ بالحديث عن نظريات أو مواضيع دقيقه جداً وهنا أبدأ بالضياع

مارك داون هي لغة وصف صُممت لتكون بسيطة ليتمكن أي شخص من كتابتها بدون إستخدام
مُحررات النصوص. جيكل، الإداة التي أنشأت هذه المدونة، تعتمد على الماركد داون
في كتابة التدوينات. لذا قررت أن أبدأ الكتابة هنا بهذا المرجع لي وللمهتمين.
ملاحظة: يعتمد شكل النص على إعدادات الCSS، بعض النصوص مثلاً العناوين قد تختلف عن ما تظهر لديك.

مرحباً، هذه المدونة هي محاولة لإثراء المحتوى العربي عن طريق ترجمة المقالات من عدة مصادر.
أغلب المقالات ستكون لمواضيع تهمني مثل علم البيانات، لغات البرمجة، وتقنيات الحاسب الآلي.