هل أعجبتك المعاينة؟
هذا هو الدرس الأول المجاني. احصل على وصول كامل — اطلب عرضًا تجريبيًا أو سجّل الدخول.
التجميع في تعلّم الآلة
تعرف على أساسيات التعلم الآلي وتطبيقاته.شاهد الدرس الأول مجانًا — احصل على وصول كامل إلى جميع الدروس الـ37.
متوسط مقدِّم الخدمة : Briana Brownell 8 الفصول · 37 الدروس · 2h 39m باللغات: العربية, الألمانية, الإنجليزية, الإسبانية, الفرنسية, البرتغالية, الأوردية, Chinese
وصف الدورة
في هذه الدورة التدريبية، ستتعلم أساسيات مجموعة متنوعة من مجالات التعلم الآلي، بما في ذلك التجميع واكتشاف الانحرافات في البيانات ونمذجة الارتباط. ستفهم الطريقة الأكثر شيوعًا للتجميع K- Means وكيف يمكن تطبيقها على بيانات الاستطلاع من أجل إنشاء تقسيم قوي للعملاء، بما في ذلك إنشاء الشخصيات وأداة الكتابة. بنهاية هذه الدورة التدريبية، ستعرف كيفية تنفيذ عدد من تقنيات التجميع والتحليل المختلفة.
وبشكل أكثر تحديدًا، ستراجع أكثر طرق التجميع شيوعًا، جنبًا إلى جنب مع أدائها في العديد من أمثلة مجموعات البيانات. ستتعلم كيفية تحليل البيانات بحثًا عن الانحرافات المتعمدة وغير المقصودة مثل الاحتيال وأخطاء إدخال البيانات، واكتشاف البيانات الشاذة، ومعرفة كيفية التحقق من صحتها. ستدرس كيفية إنشاء قواعد الارتباط بين عمليات الشراء وكيف يمكنهم توجيه إستراتيجية متجر بيع بالتجزئة أو موقع ويب للتجارة الإلكترونية. ستتم تغطية التحديات الشائعة بحيث يمكنك التأكد من أن النماذج التي تقوم بإنشائها صالحة وقوية. أخيرًا، ستتاح لك الفرصة لمراجعة العديد من دراسات الحالة حتى تتمكن من معرفة ما تعلمته عن العمل بالتفصيل.
ما ستتعلمه
- فهم خوارزميات التجميع المختلفة ونقاط قوتها وضعفها، بما في ذلك K-Means ومجموعة K-Means الصغيرة والتجميع التراكمي والطيفي وDBSCAN ونماذج خليط غاوسي
- اختيار أفضل خوارزمية تجميع لمشكلة بعينها وتحديد مواطن تطبيق التجميع على المشكلات الواقعية
- تطبيق K-Means على بيانات الاستطلاع لبناء تقسيم العملاء وشخصياتهم وأداة التصنيف
- كشف الشذوذات المتعمدة وغير المتعمدة مثل الاحتيال وأخطاء إدخال البيانات باستخدام أساليب متنوعة والتحقق منها
- بناء قواعد الارتباط باستخدام الدعم والثقة والرفع لفهم سلوك الشراء
- تحليل دراسات حالة لنماذج التجميع وكشف الشذوذات التي جرى تنفيذها
النقاط الرئيسية
- يُعدُّ K-Means الأسلوب الأكثر شيوعاً في التجميع ويمكن تطبيقه على بيانات الاستطلاع لإنشاء تقسيم العملاء وشخصياتهم وأداة التصنيف.
- يشمل التجميع طيفاً من الأساليب غير الخاضعة للإشراف، ويعتمد اختيار الخوارزمية المناسبة على المشكلة ومجموعة البيانات المحددة.
- يمكن لكشف الشذوذات العثور على الشذوذات المتعمدة كالاحتيال وغير المتعمدة كأخطاء إدخال البيانات، وينبغي التحقق من الشذوذات المكتشفة.
- تصف قواعد الارتباط العلاقات بين المشتريات ويمكنها إثراء استراتيجية متجر بيع بالتجزئة أو موقع تجارة إلكترونية.
- يساعد التصدي للتحديات الشائعة على ضمان صحة ومتانة نماذج التجميع والتحليل المُنشأة.
الأسئلة الشائعة
ما الموضوعات التي يتناولها هذا المقرر؟
يتناول المقرر أساسيات عدة مجالات في التعلم الآلي، بما في ذلك التجميع وكشف الشذوذات ونمذجة الارتباط. ويستعرض أساليب التجميع الشائعة وأداءها على مجموعات بيانات نموذجية، وكشف الشذوذات، وبناء قواعد الارتباط، ودراسات حالة لنماذج مُنفَّذة.
ما خوارزميات التجميع التي سأتعلمها؟
ستستعرض أساليب التجميع بما في ذلك خوارزمية K-Means ومجموعة K-Means الصغيرة والتجميع التراكمي والتجميع الطيفي وDBSCAN ونماذج خليط غاوسي، إضافةً إلى مقارنة الخوارزميات.
ما المهارات التي ستكسبها من هذا المقرر؟
ستكتسب مهارات في تحليل المجموعات وعلم البيانات والتجميع الهرمي وتجميع K-Means وأساليب التعلم الآلي والتجميع الطيفي.
كيف يُطبَّق K-Means في هذا المقرر؟
يُطبَّق K-Means على بيانات الاستطلاع لإنشاء تقسيم متين للعملاء، بما في ذلك إنشاء الشخصيات وأداة التصنيف، كما يتناول المقرر اختيار متغيرات الإدخال وعدد المجموعات وتفسير النقاط المركزية ومقاييس جودة النموذج.
ماذا سأكون قادراً على فعله بقواعد الارتباط؟
ستتعلم كيفية إنشاء قواعد الارتباط بين المشتريات باستخدام الدعم والثقة والرفع، وسترى كيف يمكنها إثراء استراتيجية متجر بيع بالتجزئة أو موقع تجارة إلكترونية.
