Build real machine learning models with scikit-learn: the ML workflow, feature engineering, regression, classification, trees and ensembles, clustering, model evaluation and tuning, and end-to-end projects.
Course Curriculum
| 1. ML Foundations | |||
| 1.1 ما هو تعلم الآلة وأنواعه | 00:10:00 | ||
| 1.2 مراحل مشروع تعلم الآلة | 00:10:00 | ||
| 1.3 تقسيم البيانات للتدريب والتحقق والاختبار | 00:09:00 | ||
| 2. Data Preparation | |||
| 2.1 التعامل مع القيم المفقودة والشاذة | 00:10:00 | ||
| 2.2 ترميز الخصائص الفئوية | 00:09:00 | ||
| 2.3 توحيد المقاييس والـ Pipelines | 00:10:00 | ||
| 2.4 هندسة الخصائص | 00:12:00 | ||
| 3. Supervised Learning | |||
| 3.1 الانحدار الخطي ومتعدد الحدود | 00:12:00 | ||
| 3.2 التنظيم: Ridge وLasso | 00:09:00 | ||
| 3.3 الانحدار اللوجستي | 00:10:00 | ||
| 3.4 KNN وNaive Bayes | 00:10:00 | ||
| 3.5 آلات المتجهات الداعمة | 00:10:00 | ||
| 3.6 أشجار القرار | 00:10:00 | ||
| 3.7 الغابات العشوائية والتعزيز التدريجي | 00:15:00 | ||
| 4. Evaluation & Tuning | |||
| 4.1 مقاييس الانحدار | 00:09:00 | ||
| 4.2 مقاييس التصنيف | 00:12:00 | ||
| 4.3 التحقق المتقاطع وضبط المعاملات | 00:12:00 | ||
| 4.4 البيانات غير المتوازنة | 00:09:00 | ||
| 5. Unsupervised Learning | |||
| 5.1 التجميع بـ K-means والتجميع الهرمي | 00:12:00 | ||
| 5.2 تقليل الأبعاد بـ PCA | 00:10:00 | ||
| 5.3 المشروع النهائي: نموذج توقع ترك العملاء | 00:30:00 | ||
Course Reviews
No Reviews found for this course.






Up Academy Data & AI Team