مطور بايثون وتعلم الآلة

أساسيات بايثون (يوم واحد تقريباً)

التاريخ والمفاهيم

الاستخدام ومجالات التطبيق

بناء الجملة

المعجم والدلالات

اصطلاحات PEP-8

المفسر مقابل المترجم

الأنظمة العددية: ثنائي، وثماني، وسداسي عشري

الترميز العلمي

الخطوات الأولى مع بايثون (حوالي 5 أيام)

الأعداد

السلاسل

التاريخ والوقت

المدخلات والمخرجات القياسية

المشغلات العددية

المقارنة والعوامل المنطقية والمنطقية والبتية

تحويل نوع البيانات

قائمة، ومزدوج، وإملاء، ومجموعة

دوال القوائم والطرق

التفرع والحلقات (إذا، من أجل، بينما)

مشغلات الأعضاء

أساسيات السلاسل: الهروب من السلاسل متعددة الأسطر

تحديد الأولويات وعوامل الربط

الذكاء الاصطناعي في إجراءات العمل

عرض تقنيات محددة للذكاء الاصطناعي

والتطبيقات الممكنة في البيئة المهنية

الوظائف (5 أيام تقريباً)

تحديد الدوال الخاصة بك

المتغيرات

المعلمات والوسائط

قيم الإرجاع

التكرار

مساحات التسمية

البرمجة الوظيفية

أنواع المعلمات: الموضعية، الكلمات المفتاحية، المختلطة

القيم الافتراضية

التظليل والكلمة المفتاحية العامة

لا شيء والعائد بدون قيمة

استكشاف الأخطاء وإصلاحها (0.5 يوم تقريباً)

أساسيات معالجة الأخطاء باستخدام المحاولة والاستثناء

أنواع الأخطاء النموذجية والتسلسل الهرمي للاستثناءات

انتشار الأخطاء ومقاطعات البرنامج

هيكلة كتل الاستثناء

البرمجة الموجهة للكائنات (حوالي 4.5 أيام ونصف)

فئات بايثون

الأساليب

الكائنات الثابتة

فئة البيانات

الوراثة

عمل المشروع والإعداد للشهادة وامتحان شهادة "PCEP™ - مبرمج بايثون معتمد للمبتدئين" باللغة الإنجليزية (4 أيام تقريباً)

مقدمة في التعلم الآلي (5 أيام تقريباً)

لماذا التعلم الآلي؟

أمثلة تطبيقية

التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم الخاضع للإشراف الجزئي، والتعلم المعزز

أمثلة على مجموعات البيانات

التعرف على البيانات

بيانات التدريب والتحقق من الصحة وبيانات الاختبار

عرض البيانات

إجراء التنبؤات

التعلم تحت الإشراف (حوالي 5 أيام)

التصنيف والانحدار

التعميم والإفراط في التعميم وعدم التعميم

حجم مجموعة البيانات

خوارزميات التعلّم تحت الإشراف

النماذج الخطية

مصنفات بايز

أشجار القرار

الغابة العشوائية

تعزيز التدرج

الجيران الأقرب ك

ماكينات دعم المتجهات

المجال العشوائي الشرطي

الشبكات العصبية والتعلم العميق

الاحتمالات

التعلم غير الخاضع للإشراف (5 أيام تقريباً)

أنواع التعلم غير الخاضع للإشراف

المعالجة المسبقة والقياس

تحويلات البيانات

قياس بيانات التدريب والاختبار

تقليل الأبعاد

هندسة الميزات

التعلّم المتشعب

تحلل المكونات الرئيسية (PCA)

تحليل المصفوفة غير السالبة (NMF)

التعلُّم المتشعب مع التحليل العنقودي للمكونات الرئيسية

التحليل العنقودي

التجميع k-Means

التجميع العنقودي التجميعي

التحليل العنقودي الهرمي

DBSCAN

خوارزميات التجميع

التقييم والتحسين (يومان تقريباً)

اختيار النموذج وتقييم النموذج

ضبط المعلمات الفائقة للمُقدِّر

التحقق التبادلي

بحث الشبكة

مقاييس التقييم

التصنيف

عمل المشروع (3 أيام تقريباً)

لتوحيد المحتوى الذي تم تعلمه

عرض نتائج المشروع

مقدمة في التعلم العميق (يوم واحد تقريباً)

التعلم العميق كنوع من التعلم الآلي

أساسيات الشبكات العصبية (4 أيام تقريباً)

الإدراك الحسي متعدد الطبقات

حساب الشبكات العصبية

تحسين معلمات النموذج، والانتشار الخلفي

مكتبات التعلم العميق

الانحدار مقابل التصنيف

وظائف الخسارة والتنشيط النموذجية

تقييم توقعات النموذج باستخدام المقاييس

مقاييس الانحدار والتصنيف

منحنيات التعلّم، والإفراط في التركيب والتنظيم

تحسين المعامل الفائق

تنظيم L1/12

التسرب

التوقف المبكر

نزول التدرج العشوائي (SGD)

الزخم، آدم الأمثل

تحسين معدل التعلم

تعديل معدل التعلم الديناميكي

تقليل معدل التعلم عند الهضبة

تحسين معدل التعلُّم باستخدام TensorBoard

التحكم في عملية الملاءمة باستخدام عمليات الاسترجاع

حفظ النماذج وتحميلها

الشبكة العصبية التلافيفية (CNN) (يومان تقريباً)

تصنيف الصور

الطبقات التلافيفية، طبقات التجميع

طبقات إعادة التشكيل، التسطيح، تجميع المتوسط العالمي

مسابقة ImageNet-منافسة الشبكات العصبية المتداخلة (CNN)

الشبكات العصبية العميقة، وتلاشي التدرجات، وتخطي الاتصالات، وتطبيع الدُفعات

نقل التعلم (يوم واحد تقريباً)

تكييف ودمج النماذج

التدريب المسبق غير الخاضع للإشراف

زيادة بيانات الصور، والذكاء الاصطناعي القابل للتفسير

محمل البيانات

شبكة CNN الإقليمية (يوم واحد تقريباً)

توطين الكائنات

التجزئة الدلالية

مشاكل الانحدار

الشبكات العصبية المتفرعة

بنية YOLO

نماذج U-Net

طرق توليد الصور الإبداعية (يوم واحد تقريباً)

شبكات الخصومة التوليدية (GAN)

التزييف العميق

نماذج الانتشار

الاستبانة الفائقة

تكملة مناطق الصور المكملة

تطبيق نماذج الأساس من تعانق الوجه

نماذج متعددة الوسائط

لورا-ضبط دقيق

مجالات تطبيق النماذج التوليدية

القيود القانونية

الشبكات العصبية المتكررة (يومان تقريباً)

تحليل التسلسل

الطبقات المتكررة

الانتقاء الخلفي عبر الزمن (BPTT)

تحليل السلاسل الزمنية

مشاكل التدرج الانفجاري والتلاشي

LSTM (الذاكرة طويلة وقصيرة المدى)

GRU (وحدة متكررة مبوبة)

شبكة RNN العميقة

LSTM العميقة

معالجة النصوص باستخدام الشبكات العصبية (يومان تقريباً)

المعالجة المسبقة للنص

تضمين الطبقات

تصنيف النصوص

تحليل المشاعر

معالجة اللغة الطبيعية (NLP)

الترجمات

توليد النص

طريقة التسلسل إلى التسلسل، بنية أداة التشفير وفك التشفير

نماذج التشفير فقط ونماذج فك التشفير فقط

التطبيق المحلي للنماذج اللغوية الكبيرة

النماذج اللغوية (يوم واحد تقريباً)

بنية الترانسفير

الانتباه والانتباه متعدد الرؤوس

الترميزات الموضعية

ضبط النماذج اللغوية الكبيرة

التلقين

خطوط أنابيب توليد النص

التلخيص

روبوتات المحادثة

التوليد المعزز للاسترجاع

وكلاء الذكاء الاصطناعي

التعلم المعزز العميق (يوم واحد تقريباً)

التحكم في الأنظمة الديناميكية

أنظمة الوكلاء

التدريب من خلال المكافآت

تدرجات السياسة

التعلُّم الكمي العميق

الشبكات العصبية الباييزية (يوم واحد تقريباً)

حالات عدم اليقين في الشبكات العصبية

التقييم الإحصائي للتوقعات

الثقة، الانحراف المعياري

البيانات غير المتوازنة

طرق أخذ العينات

عمل المشروع (3 أيام تقريباً)

لتوحيد المحتوى الذي تم تعلمه

عرض نتائج المشروع

مقدمة في تحليل البيانات (يوم واحد تقريباً)

النموذج المرجعي CRISP-DM

سير عمل تحليلات البيانات

تعريف الذكاء الاصطناعي والتعلم الآلي والتعلم العميق

المتطلبات ودور مهندسي البيانات وعلماء البيانات ومحللي البيانات في الشركة

مراجعة أساسيات بايثون (يوم واحد تقريبًا)

أنواع البيانات

الدوال

تحليل البيانات (3 أيام تقريبًا)

وحدات بايثون المركزية في سياق تحليل البيانات (NumPy، Pandas)

عملية إعداد البيانات

خوارزميات التنقيب عن البيانات في بايثون

الذكاء الاصطناعي في إجراءات العمل

عرض تقنيات محددة للذكاء الاصطناعي

والتطبيقات الممكنة في البيئة المهنية

تصور البيانات (3 أيام تقريباً)

تحليل البيانات الاستكشافية

الرؤى

جودة البيانات

تحليل الفوائد

التصور باستخدام Python: Matplotlib وSeaborn وPlotly Express

سرد قصص البيانات

إدارة البيانات (يومان تقريباً)

هياكل البيانات الضخمة

قواعد البيانات العلائقية مع SQL

المقارنة بين قواعد بيانات SQL وقواعد بيانات NoSQL

ذكاء الأعمال

حماية البيانات في سياق تحليل البيانات

تحليل البيانات في سياق البيانات الضخمة (يوم واحد تقريباً)

نهج MapReduce

سبارك

NoSQL

لوحات المعلومات (3 أيام تقريباً)

المكتبة: لوحات المعلومات

هيكل لوحات المعلومات وتخصيصها

عمليات الاستدعاء

التنقيب عن النصوص (يوم واحد تقريباً)

المعالجة المسبقة للبيانات وتصورها

المكتبة: سباسي

عمل المشروع (5 أيام تقريباً)

لتوحيد المحتوى المكتسب

عرض نتائج المشروع