ستقدم هذه الوحدة التعلم الآلي والفئتان الرئيسيتان له، وهما الخاضع للإشراف وغير الخاضع للإشراف.
ستقدم هذه الوحدة التعلم الآلي والفئتان الرئيسيتان له، وهما الخاضع للإشراف وغير الخاضع للإشراف. ستتعرف عليهم وكيف يتم استخدامهما. ستعلم أيضا كيف يرتبط التعلم الآلي بالذكاء الاصطناعي. سيتم مناقشة وتوضيح أهمية البيانات في هذه الوحدة. وستشرح هذه الوحدة أيضا الفرق بين التصنيف والانحدار للتعلم الآلي.
أهداف الدورة التدريبية:
- فهم ما هو التعلم الآلي
- فهم الفرق بين التصنيف والانحدار
المهارات التي ستكتسبها
تعلم الآلة التلقائيتعلم الآلةخوارزميات تعلم الآلةأساليب تعلم الآلةالتعلم الموجهتعليم دون إشرافما ستتعلمه
- فهم مفهوم التعلم الآلي وكيفية استخدامه
- التمييز بين التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف
- شرح الفرق بين التصنيف والانحدار
- وصف صلة التعلم الآلي بالذكاء الاصطناعي
- إدراك أهمية البيانات في التعلم الآلي
- البدء باستخدام JupyterLab للعمل في مجال التعلم الآلي
النقاط الرئيسية
- للتعلم الآلي فئتان رئيسيتان: التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف.
- يرتبط التعلم الآلي بالذكاء الاصطناعي.
- البيانات مهمة للتعلم الآلي وتطبيقاته.
- التصنيف والانحدار نهجان مختلفان يُستخدمان في التعلم الآلي.
- يُقدّم الفصل مفهوم التعلم الآلي وكيفية استخدامه.
الأسئلة الشائعة
ما الذي يتناوله هذا المقرر؟
يُقدّم هذا الفصل التعلمَ الآلي وفئتيه الرئيسيتين، التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف، بما في ذلك ما هما وكيفية استخدامهما. كما يتناول صلة التعلم الآلي بالذكاء الاصطناعي وأهمية البيانات والفرق بين التصنيف والانحدار.
ما أهداف التعلم في هذا المقرر؟
الأهداف هي فهم مفهوم التعلم الآلي وفهم الفرق بين التصنيف والانحدار.
ما الموضوعات المُدرجة في الدروس؟
تشمل الدروس: مقدمة إلى JupyterLab، والتعلم الآلي واستخداماته، والتعلم الآلي والذكاء الاصطناعي، والتصنيف مقابل الانحدار، وأهمية البيانات، والتعلم غير الخاضع للإشراف مقابل التعلم الخاضع للإشراف.
ما المهارات التي يساعد هذا المقرر على تطويرها؟
يتناول المقرر التعلم الآلي، وخوارزميات التعلم الآلي، وأساليب التعلم الآلي، والتعلم الآلي الآلي، والتعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف.
النص
النص
مرحبًا بك في التعلم الآلي: مقدمة إلى JupyterLab. JupyterLab هو بيئة تطوير تفاعلية قائمة على أساس موقع ويب أو IDE، لأجهزة الكمبيوتر المحمولة وكود وبيانات Jupyter. يحتوي على واجهة قابلة للتخصيص ومفيد في تنفيذ مهام سير العمل المختلفة. يحتوي أيضًا على مجموعة متنوعة من المكونات الإضافية والإضافات أو الملحقات plug-ins, extensions التي ستمكنك من دمج إمكانيات أخرى. كيف تقوم بتثبيت JupyterLab؟ أبسط الطرق لتثبيت JupyterLab هي من خلال إعداد Anaconda على جهاز الكمبيوتر الخاص بك أو باستخدام Conda أو PIP. بالنسبة إلى Anaconda انتقل إلى anaconda.com/products/individual. قم بالتمرير لأسفل إلى قسم Anaconda Installers. حدد وقم بتنزيل المثبت لنظام التشغيل الخاص بك ثم قم بتشغيل Download It ،Install It وأكمل الإعداد. إذا قمت بالفعل بتثبيت Conda، يمكنك تشغيل هذا الأمر، وهو تثبيت Conda -c conda-forge jupyterlab. وإذا كان لديك PIP مثبتًا، يمكنك ببساطة تشغيل Pip install jupyterlab. الآن لاستخدام JupyterLab. الطريقة الرئيسية التي سيتم بها استخدام JupyterLab في هذه الدورة هي لتنفيذ كود Python وإظهار لغة markdown، وهو كل هذا النص هنا، كما تعلمون، باستخدام Markdown. للحصول على مثال بسيط، سنقوم باستيراد numpy. وهكذا، تمت كتابة التعليمة البرمجية أو الكود، كما تعلمون، هذا المربع هنا، وهو ما يسمى بالخلية. لتنفيذ الخلية، يمكنك الذهاب هنا والضغط على زر التشغيل هذا وسيتم تنفيذ الكود. يمكنك أيضًا الضغط باستمرار على مفتاح Shift والضغط على Enter لتنفيذ التعليمات البرمجية أيضًا. وبمجرد أن تقوم بالتنفيذ، سيتم طباعة الكود، أسفل الخلية مباشرة. بهذا ينتهي هذا الدرس.
التعلّم أثناء التنقّل
تعلّم أينما كنت — يتيح لك تطبيق KnowledgeCity للجوّال مشاهدة الدروس أثناء التنقّل.