Machine Learning Nanodegree
4.2 (1,964 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
42,068 students enrolled

Machine Learning Nanodegree

أكبر كورس عربي لتعليم الألة والذكاء الأصطناعي لتأهيل مليون عالم بيانات عربي
4.2 (1,963 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
42,068 students enrolled
Current price: $139.99 Original price: $199.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 31 hours on-demand video
  • 31 articles
  • 19 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • استخدم بايثون لعلوم البيانات والتعلم الآلي
  • تنفيذ خوارزميات تعلم الآلة
  • ريادة الأعمال بأستخدام الذكاء الاصطناعي
  • كيفية صنع بيئة عمل أفتراضية للتأهيل لسوق العمل
  • العقلية التحليلة
  • NumPy for Numerical Data تعلم ال
  • Pandas for Data Analysis تعلم ال
  • SciKit-Learn for Machine Learning Tasks استخدام ال
  • K-Means Clustering
  • Logistic Regression
  • Linear Regression
  • Random Forest and Decision Trees
  • Neural Networks
  • Support Vector Machines
Course content
Expand all 191 lectures 31:15:29
+ Welcome to the course!
7 lectures 01:00:02
مقدمة الكورس - هام جدا
09:43
ملاحظات مهمة للاستفادة من هذا الكورس
00:03
This PDF resource will help you a lot
01:04
Anaconda و ال Python تثبيت ال
10:28
Jupyter Notebooks
28:06
+ Part 1: Python Packages (Numpy and Pandas)
22 lectures 02:36:07
NumPy Arrays
14:45
NumPy Arrays Notice
00:05
NumPy Array Indexing
13:14
NumPy Arrays Indexing Notice
00:06
NumPy Operation
05:03
NumPy Operation Notice
00:06
ملحوظة قبل البدء في حل التمرين
00:06
NumPy Excercise Overview
04:40
NumPy Exercise Solution
06:30
Pandas Series
10:10
Pandas Series Notice
00:06
Panadas DataFrames - Part 1
17:33
Panadas DataFrames - Part 1 Notice
00:06
Panadas DataFrames - Part 2
18:34
Panadas DataFrames - Part 2 Notice
00:06
Panadas DataFrames - Part 3
10:52
Pandas Missing Data
05:36
Panadas Group-by
07:00
Panadas Group-by Notice
00:06
Panadas Merging Joining and Con
13:23
Panadas Operations
13:41
Panadas Data Input and Output
14:17
+ ------------Part 2: Data Reprocessing------------
12 lectures 01:33:53
How to get the Dataset
09:03
How to Import The Libraries and Data Set
13:51
How to Import The Libraries and Data Set Notice
00:04
Missing Data Notice
00:00
Categorical Data
14:20
Categorical Data Notice
00:00
Splitting the data
16:35
Splitting the data Notice
00:00
preprocessing Data Template
06:40
Quiz 1 : Data Preprocessing
4 questions
+ Simple Linear Regression
8 lectures 52:11
business problem description
02:58
Simple linear Regression Intuition - Step 1
08:30
Simple linear Regression Intuition - Step 2
03:58
Simple linear Regression in python - Step 1
07:49
Simple linear Regression in python - Step 2
06:30
Simple linear Regression in python - Step 3
05:01
Simple Linear Regression in Python - Step 4
11:43
Dataset + Business Problem Description
05:42
Quiz 2: Simple Linear Regression
5 questions
+ Multiple Linear Regression Intuition
12 lectures 01:31:48
Multiple Linear Regression Intuition - Step 1
01:17
Multiple Linear Regression Intuition - Step 2
01:13
Multiple Linear Regression Intuition - Step 3
08:16
Multiple Linear Regression Intuition - Step 4
03:31
036 Prerequisites: What is the P-Value?
00:01
Multiple Linear Regression Intuition - Step 5
26:54
Multiple Linear Regression in Python - Step 1
12:06
Multiple Linear Regression in Python - Step 2
03:03
Multiple Linear Regression in Python - Step 3
04:35
Multiple Linear Regression in Python - Backward Elimination - Preparation
12:17
Multiple Linear Regression in Python - Backward Elimination - Homework +Solution
17:55
Multiple Linear Regression in Python - Automatic Backward Elimination
00:40
Quiz 3: Multiple Linear Regression
4 questions
+ Polynomial Regression
7 lectures 52:05
Polynomial Regression Intuition
04:41
Polynomial Regression in Python - Step 1
10:09
Polynomial Regression in Python - Step 2
11:41
Polynomial Regression in Python - Step 3
12:25
Polynomial Regression in Python - Step 3 Notice
00:00
Polynomial Regression in Python - Step 4
06:10
Python Regression Template
06:59
+ Support Vector Regression (SVR)
2 lectures 38:04
SVR Intuition
24:51
SVR in Python
13:13
+ Decision Tree Regression
3 lectures 22:45
Decision Tree Regression Intuition
08:37
Decision Tree Regression Intuition Notice
00:00
Decision Tree Regression in Python
14:08
+ Random Forest Regression
2 lectures 24:39
Random Forest Regression Intuition
08:49
Random Forest Regression in Python
15:50
Requirements
  • اللغة الأنجليزية
  • لغة البرمجة بايثون (Python)
  • أساسيات الجبر الخطي والمصفوفات
  • أساسيات الأحصاء
  • اساسيات التفاضل والتكامل
  • Algorithms and data structures
  • ****..............Intermediate statistical knowledge:
  • Populations, samples
  • Mean, median, mode
  • Standard error
  • Variation, standard deviations
  • Normal distribution
  • Precision and accuracy
  • Hypothesis testing
  • Problem solving
  • Confidence Interval, P-values, T-test, Statistical Significance
  • Intermediate calculus and linear algebra mastery:
  • Derivatives
  • Integrals
  • Series expansions
  • Matrix operations through eigenvectors and eigenvalues
Description

 الجزء - 1

 Numpy و Pandas  معالجة البيانات و :

                   Advanced Numpy                                      

                   Advanced Pandas

                   Data Preprocessing                

الجزء - 2 

Regression:                  

                  Simple Linear Regression

                  Multiple Linear Regression Intuition

                  Polynomial Regression

                  Support Vector Regression (SVR)

                  Decision Tree  Regression,

                  Random Forest Regression   

            

  الجزء - 3

Classification :

                الانحدار اللوجستي

                K-NN

               SVM                

               Kernel SVM                

               Naive Bayes                

               Decision Tree Classification                

               Random Forest Classification                

الجزء - 4  

Clustering  :

                K-Means                

               Hierarchical Clustering                

الجزء - 5   

Association Rule Learning::

               Apriori                

               Eclat                

الجزء - 6

Reinforcement Learning :

                Upper Confidence Bound                

               Thompson Sampling               

الجزء - 7   

Natural Language Processing (NLP) :

                Bag-of-words model               

                algorithms for NLP               

الجزء - 8   

Deep Learning :

                 الشبكات العصبية الاصطناعية، الشبكات العصبية التلافيفية 

                (Deep Learning: Artificial Neural Networks, Convolutional Neural Networks)

الجزء - 9

Dimensionality Reduction  :

               PCA               

               Kernel PCA               

               LDA               

الجزء - 10 

Model Selection & Boosting :

                k-fold Cross Validation               

                Parameter Tuning,                

                Grid Search               

                XGBoost               

فضلا على ذلك، فإن الدورة مليئة بالتمارين العملية التي تستند إلى أمثلة واقعية. لذا لن تتعلم النظرية فحسب، بل ستحصل أيضًا على بعض التدريب العملي  و تتعلم كيفية بناء النماذج الخاصة بك.

أيضا ستشتمل هذه الدورة التدريبية على قوالب بالبايثون و التي يمكنك تنزيلها واستخدامها في مشروعاتك الخاصة.

سيكون لديك فهم أساسي للعديد من نماذج تعلم الألة 

عمل تحليل قوي وتوقعات دقيقة للبيانات

Reinforcement Learning  و NPL و ال Deep Learning التعامل مع موضوعات محددة مثل

 Dimensionality Reduction التعامل مع التقنيات المتقدمة مثل

 سوف تتعلم كيف تختار النموذج الصحيح والمناسب لكل نوع من أنواع تعليم الألة  لكافة المشاكل المختلفة او متطلبات عملك  

  قم ببناء مزيج من عدة نماذج مختلفة لتعليم الألة بالتعلم كيفية دمجها معا لحل المشاكل الصعبة

Who this course is for:
  • الأشخاص المهتمة بتعليم ألة والذكاء الاصطتناعي
  • من عندهم خبره سابقة في تعلم أله ويريدون التعمق فيها
  • خريجي الجامعات او حتى طلاب الثانوي ويريدون العمل بتعليم الألة او مجال الذكاء الأصطتناعي
  • محللي البيانات والمحاسبين المالييين
  • الأشخاص الذين يريدون الترقي في العمل وزيادة قيمة مضافة للشركة التي يعمل بها