Machine Learning 01 Introduction Artificial Intelligence (AI) and ML مقدمة ذكاء اصطناعي وتعلم الآلة

To share this video:    • Machine Learning 01 Introduction Artificia...  
Twitter:   / h_a_hashim  
Linkedin:   / h-a-hashim  
Facebook:   / hashimedutech  

Watch Artificial Neural Network and CNN
   • Introduction to Artificial Neural Networks...  

Watch Fuzzy Logic Control
   • Fuzzy Logic Control - Artificial Intellige...  

Watch Evolutionary Techniques
   • Evolutionary Metaheuristic Algorithms: Sin...  

سلسلة الذكاء الاصطناعى
Machine Learning Course: Supervised, unsupervised, and Semisupervised Arabic التعليم الآلي والذكاء الاصطناعي خاضع و غير الخاضع و شبه خاضع للإشراف عربى
بالعربي هاشم عبدالله هاشم
---------------------------------------------------------------------------

1. Introduction to Artificial Intelligence (AI) and Machine Learning (ML)
2. Getting Started with ML Project & Prepare the Data for ML Algorithms
3. Classifier: Training a Binary Classifier, Confusion Matrix, Precision and Recall
4. Classifier: Multiclass Classifier and Error Analysis
5. Hyperparameters: Epoches, Batches, and Iterations
6. Training Models: Cost Function, Linear Regression, Gradient Descent (GD)
7. Training Models: Stochastic & Mini-batch Gradient Descent, Logistic Regression
8. Training Models: Polynomial Regression, Training Challenges, Data Split and Early Stopping
9. Linear and Nonlinear Support Vector Machine (SVM) and Decision Trees
10. Ensemble Learning, Bagging and Pasting, and Random Forest
11. Dimensionality Reduction
12. Unsupervised Learning Techniques: Clustering, K-Means, and Image Segmentation
13. Semi-Supervised: Representative Cluster, Label Propagation, and Closest Percentile

1 مقدمة في الذكاء الاصطناعي (AI) وتعلم الآلة (ML)
2 البدء بمشروع تعلم الآلة وتحضير البيانات لخوارزميات تعلم الآلة
المصنف: تدريب مصنف ثنائي، مصفوفة الالتباس، الدقة والاسترجاع 3
4. المصنف: مصنف متعدد الفئات وتحليل الأخطاء
الفرط المعلمات: العصور (Epochs)، الدُفعات (Batches)، والتكرارات (Iterations) 5
تدريب النماذج: دالة التكلفة، الانحدار الخطي، والانحدار التدرجي (GD) 6
تدريب النماذج: الانحدار التدرجي العشوائي والمصغر، والانحدار اللوجستي 7
تدريب النماذج: الانحدار المتعدد الحدود، تحديات التدريب، تقسيم البيانات والإيقاف المبكر 8
9 آلات الدعم النقطية (SVM) الخطية وغير الخطية وأشجار القرار
التعلم التجميعي، التجميع والتكرار، والغابة العشوائية 10 (Random Forest)
تقليل الأبعاد 11 (Dimensionality Reduction)
تقنيات التعلم غير الخاضع للإشراف: التجميع، خوارزمية 12 K-Means، وتجزئة الصور
التعلم شبه الخاضع للإشراف: الكتلة التمثيلية، نشر التسميات، وأقرب نسبة مئوية 13