Probability Concepts for Machine Learning in Arabic

الدورة دي مصممة علشان تقدم لك فهم عملي وواضح لمفاهيم الاحتمالات الأساسية اللي بيحتاجها أي شخص شغال في تحليل البيانات، مع تركيز على الربط بين النظرية والتطبيق. هنبدأ بشرح الفرق بين المتغيرات المنفصلة (Discrete Variables) والمتغيرات المستمرة (Continuous Variables) بعد كده هنستعرض دالة كتلة الاحتمال (PMF) ودالة الكثافة الاحتمالية (PDF)، ونوضّح إن في حالة الـ PDF بنتكلم عن "likelihood" عند نقطة محددة، مش احتمالية مباشرة زي الـ PMF، وهنربط ده بفكرة التكامل على مدى معين.

بعد الفهم الأساسي ده، هننتقل للحديث عن الدوال الأسية (Exponential Functions)، ونشرح بشكل بصري إزاي ممكن تمثل النمو السريع (Exponential Growth) أو التناقص السريع (Exponential Decay) في البيانات.

بعدها، هنتكلم عن التوزيع الطبيعي (Normal Distribution) — أشهر توزيع إحصائي — وهنشوف إزاي بيظهر في حياتنا وبياناتنا: من أطوال الأشخاص، لقياسات الأجهزة، لنتائج التجارب. هنناقش السبب وراء الشكل الجرسّي (Bell Curve) وإزاي بيعبّر عن انتشار القيم حوالين المتوسط.

ثم هنغوص في معادلة الـ PDF للتوزيع الطبيعي جزء جزء:

• هنفكك المعادلة ونشوف دور كل عنصر فيها.

• هنفهم ليه عندنا µ (المتوسط) وσ (الانحراف المعياري)، وإزاي كل منهم بيأثر على شكل المنحنى.

• هنستخدم رسوم متحركة (Animations) لتوضيح تأثير تغيير µ وσ على التوزيع.

• هنطبّق على قيم مختلفة، ونحسب الـ PDF، ونشوف إزاي المنحنى الجرسّي بيتحوّل لـ PDF حقيقية مرتبطة بالقيم.

بنهاية الدورة، هتكون قادر على:

• التفرقة بين أنواع المتغيرات وتطبيق كل منها في السياق المناسب.

• فهم وربط مفاهيم PMF وPDF واستخدامهم في تحليل البيانات.

• استيعاب سلوك الدوال الأسية وتطبيقاتها العملية.

• فهم التوزيع الطبيعي ومعادلته بدقة.

• قراءة وتحليل منحنيات الـ PDF وتحويل الملاحظات النظرية إلى خطوات عملية.