بعض المفاهيم الأساسية في تحليل البيانات وتعلم الآلة

الدورة دي معمولة علشان تبسط لك مفاهيم أساسية ومهمة في مجال تعلم الآلة وتحليل البيانات علشان تكون المعلومة أقرب وأوضح. هنتكلم خطوة بخطوة عن مفاهيم زي العينات (samples) في تحليل البيانات، وإزاي تفرق بين (Feature Vectors) ومفاهيم تانية.

هنتعرف على دور training، validation ، testing في النماذج و ازاي بنقسم ال data set عشان نعرف ندرب الmodels و نختبره على اجزاء تانية ماشفهاش ، ونوضح الفرق بين الارتباط (Correlation) والتغاير (Covariance). كمان هنعرف استخدامات دالة اللوج (Log Function) مقابل الـ Log Likelihood، ونفهم الـ KL Divergence بشكل مبسط يعني إيه KL Divergence ليه ماينفعش نستخدمه كمجرد "مسافة" بين التوزيعين؟ إزاي بنحسبه رياضيًا؟ وأمثلة توضح المعنى التطبيقي.

هندخل كمان على الـ Z-scoring كطريقة لتوحيد المقاييس وتحويل البيانات لشكل قياسي، وهنشوف ليه الموضوع ده مهم قبل ما ندرب نماذج التعلم الآلي، خصوصًا في المشكلات اللي بتتأثر فيها النتائج لو المقاييس مختلفة بين المتغيرات.

هنعرف يعني إيه Entropy؟ و إزاي بنحسبها رياضيًا باستخدام اللوجريثمات مع أمثلة عملية توضح استخدام الـ Entropy في تقييم توزيع البيانات.

هناخد جولتين عن (Curse of Dimensionality) وأثرها على مقاييس المسافة زي المسافة الإقليدية، ونختم بفكرة (Blessing of Dimensionality) وإزاي نستفيد منها في ال deep learning models.

الهدف إنك تطلع من الدورة فاهم الأساسيات دي كويس، وتقدر تستخدمها في شغلك أو أبحاثك.