تعلم الآلة والتحقق من النماذج
من: 27 ديسمبر 2020 (مادة مستمرة) (؟)
في هذه الوحدة يستكمل الطالب التعرف على تعلم الآلة من خلال فهم أساسيات التحقق من النماذج وأبرز طرق التحقق من النماذج مثل التحقق التقاطعي أو التقسيم العشوائي. كما سيتعلم الطالب أهم معايير تقييم النماذج التصنيفية أو التنبؤية وذلك لمقارنة النماذج المختلفة لتحديد النموذج الأفضل وذلك باستخدام مكتبة سايكت-ليرن.
للاشتراك في البرنامج: تفضل بالدخول لرابط معسكر علم البيانات الاحترافي من هنا
عن المحاضر
مدرب ومطور المحتوى
طالب دكتوراه في علم النفس والأعصاب في City University of New York ومحاضر مادة الإحصاء في كلية بروكلن (Brooklyn College). حاصل على بكالريوس هندسة البرمجيات من جامعة الملك فهد للبترول والمعادن بمدينة الظهران، وماجستير العلوم الإدراكية والعصبية من جامعة تكساس في دالاس. مهتم في التعلم الآلي والتعلم البشري وتطبيقات الذكاء الصناعي والكتابة العلمية.
منهج المادة
الفيديوهات المسجلة:
- لماذا نحتاج للتحقق من النماذج ؟
- طرق تقسيم البيانات إلى عينة تدريب وعينة اختبار
- تمرين التحقق التقاطعي (Cross-Validation)
- معايير تقييم النماذج التنبؤية (Regression)
- تمرين تقييم النماذج التنبؤية
- معايير تقييم النماذج التصنيفية (Classification)
- تمرين تقييم النماذج التصنيفية
- المختبر الخامس
- محاضرات مساندة
المشاريع: مشروع تحديد المؤثرين في الشبكات الاجتماعية.
مخرجات المادة
سيقوم الطالب في نهاية الوحدة ببناء النماذج والتحقق منها، وذلك باستخدام الأدوات المقدمة خلال الوحدة.