معلم موثوق
1الطلاب
إتقان الذكاء الاصطناعي، والتعلم الآلي، وعلوم البيانات، ولغة بايثون، والبرمجة مع مهندس حاصل على درجة الدكتوراه وأستاذ جامعي | خبرة تزيد عن 25...ترجمة هذا النص باستخدام ترجمة جوجل.
إتقان الذكاء الاصطناعي، والتعلم الآلي، وعلوم البيانات، ولغة بايثون، والبرمجة مع مهندس حاصل على درجة الدكتوراه وأستاذ جامعي | خبرة تزيد عن 25 عامًا | جميع المستوياتترجمة هذا النص باستخدام ترجمة جوجل.
أ- المواضيع التي يمكنك استكشافها وإتقانها:
1- أساسيات لغة بايثون
• المتغيرات، وأنواع البيانات، والمعاملات، والهياكل الشرطية، والحلقات، والدوال، والوحدات، والملفات، والاستثناءات، والبرمجة كائنية التوجه
• القوائم، والصفوف، والقواميس، والمجموعات، والفهم، وتصحيح الأخطاء، وكتابة تعليمات برمجية واضحة وقابلة لإعادة الاستخدام ومنظمة بشكل جيد
• Jupyter Notebook، وAnaconda، وVisual Studio Code، والبيئات الافتراضية، وإدارة الحزم
2 - أساسيات البرمجة والخوارزميات وعلوم الحاسوب
• التفكير الخوارزمي، وتجزئة المشكلة، والرمز الزائف، ومخططات التدفق، والبرمجة الإجرائية، والبرمجة كائنية التوجه، والتكرار، وتصميم البرامج المعيارية
• هياكل البيانات الأساسية بما في ذلك المصفوفات، والقوائم، والمكدسات، والطوابير، والقواميس/جداول التجزئة، والمجموعات، والأشجار، والرسوم البيانية، واستخداماتها المناسبة
• البحث، والفرز، والاجتياز، وكفاءة الخوارزميات، والتعقيد الحسابي، ورمز Big-O، وتصحيح الأخطاء، والاختبار، وتنظيم التعليمات البرمجية، واستراتيجيات حل المشكلات
• تمارين برمجة عملية تتراوح من مسائل للمبتدئين إلى تحديات خوارزمية وحسابية على مستوى الجامعة
3- إعداد البيانات واستكشافها
• مكتبتا NumPy و pandas لاستيراد البيانات وتنظيفها وتحويلها وتصفيتها وتجميعها وإعادة تشكيلها ودمجها
• القيم المفقودة، والبيانات المكررة، والقيم الشاذة، والتنسيقات غير المتناسقة، وتسريب البيانات، والتحقق من جودة البيانات
• تحليل البيانات الاستكشافي باستخدام الإحصاء الوصفي، ومكتبة Matplotlib، ومكتبة Seaborn، والتفسير البياني
4- الأسس الرياضية
• الجبر الخطي، والمتجهات، والمصفوفات، والمشتقات، والتحسين، والاحتمالات، والإحصاء
• دوال الخسارة، والتدرجات، ومقاييس المسافة، والتنظيم، والاحتمالية، وتعقيد النموذج
• يتم شرح المفاهيم الرياضية وفقًا لمستوى المتعلم ومتطلبات الخوارزميات المختارة.
5- التعلم الآلي الخاضع للإشراف
• الانحدار الخطي والانحدار متعدد الحدود، والانحدار اللوجستي، والنماذج المنتظمة
• خوارزميات الجوار الأقرب k، وأشجار القرار، والغابات العشوائية، وتعزيز التدرج، وآلات المتجهات الداعمة، ومصنفات بايز الساذجة
• التصنيف، والانحدار، وافتراضات النموذج، وحدود القرار، وأهمية الميزات، وتفسير النتائج
6- التعلم غير الخاضع للإشراف
• التجميع باستخدام خوارزمية k-means، والتجميع الهرمي، والأساليب القائمة على الكثافة
• تحليل المكونات الرئيسية، وتقليل الأبعاد، واكتشاف الشذوذ، واكتشاف الأنماط أو الهياكل
• اختيار المنهجية، وتقييم بنية البيانات، وتفسير النتائج دون استخدام تصنيفات محددة مسبقًا
7- تقييم النموذج وتحسينه
• مجموعات التدريب والتحقق والاختبار؛ التحقق المتبادل؛ تحسين المعلمات الفائقة
• الدقة، والضبط، والاستدعاء، والنوعية، ودرجة F1، ومساحة منحنى ROC، ومصفوفات الارتباك، وMAE، وMSE، وRMSE، وR2
• نقص التوافق، وفرط التوافق، المفاضلة بين التحيز والتباين، عدم توازن الفئات، هندسة الميزات، اختيار الميزات، التحجيم، والتنظيم
8- التعلم العميق
• أسس الشبكات العصبية، ووظائف التنشيط، والانتشار الأمامي، والانتشار العكسي، وانحدار التدرج
• الشبكات العصبية متعددة الطبقات، والشبكات العصبية الالتفافية، والشبكات العصبية المتكررة، وأساسيات المحولات
• TensorFlow أو Keras أو PyTorch حسب مشروع المتعلم وبيئة العمل
9- تطبيقات الذكاء الاصطناعي
• معالجة اللغة الطبيعية، وتصنيف النصوص، والتضمينات، وتحليل المشاعر، وأسس نماذج اللغة
• رؤية الحاسوب، وتصنيف الصور، والمبادئ الأساسية لاكتشاف الأجسام، ومعالجة الصور المسبقة
• أنظمة التوصية، والتنبؤ، واكتشاف الحالات الشاذة، والأتمتة الذكية، وتطبيقات دعم القرار
10- الذكاء الاصطناعي التوليدي ونماذج اللغات الكبيرة
• بنية المحولات، والرموز، والتضمينات، وآليات الانتباه، وهندسة الموجه، والتوليد المعزز بالاسترجاع (RAG)، وتقييم النموذج
• استخدام واجهات برمجة تطبيقات الذكاء الاصطناعي، وقواعد بيانات المتجهات، وأنظمة استرجاع المستندات، وسير العمل المنظم المدعوم بالذكاء الاصطناعي عند الاقتضاء
• الموثوقية، والهلوسة، والتحيز، والخصوصية، والاستخدام المسؤول، والتحقق البشري المناسب
11- الأدوات والمكتبات
• بايثون، نامباي، بانداز، ماتبلوتليب، سيبورن، سايكيت-ليرن، سايباي، ستاتس موديلز، تنسرفلو، كيراس، وباي تورش
• Jupyter Notebook، وAnaconda، وVisual Studio Code، وGit، وGitHub، وSQL، وExcel، وPower BI عند الحاجة إليها في المشروع
• يمكن إضافة مكتبات إضافية بناءً على التخصص المختار ومجموعة البيانات
12- المشاريع والبحوث والتحضير للمقابلات
• إنجاز مشاريع تشمل إعداد البيانات، وتطوير النماذج، والتقييم، والتفسير، وعرض النتائج
• الواجبات الجامعية، والرسائل الجامعية، والأطروحات، والمشاريع البحثية، ومشاريع الملفات، والمقابلات الفنية، والطلبات المهنية
• مراجعة التعليمات البرمجية، وتصحيح الأخطاء، والتوثيق، وإمكانية إعادة الإنتاج، ومقارنة النماذج، وإيصال النتائج
---------------------------------------------------------------------------------------------------------------------------------------------------------------
ب- التدريس الشخصي: تعلم كيفية التفكير المنطقي
يصبح التعلم الآلي والذكاء الاصطناعي أكثر سهولة عندما تكون الرياضيات والخوارزميات ورمز بايثون والبيانات والتطبيقات الواقعية مرتبطة بشكل واضح.
تساعدك دروسي على تجاوز مجرد نسخ التعليمات البرمجية أو استخدام النماذج كـ "صناديق سوداء". ستتعلم كيفية تحديد المشكلة بشكل صحيح، وإعداد البيانات، واختيار الخوارزمية المناسبة، وفهم كيفية عملها، وتدريب النموذج وتقييمه، وتشخيص الأخطاء، وتحسين الأداء، وتفسير النتائج بدقة ومسؤولية.
يتم تخصيص كل درس وفقًا لمستواك الحالي، وخلفيتك الرياضية، وخبرتك في البرمجة، ومجموعة البيانات، ودراستك الجامعية، ومشروعك البحثي، واستعدادك للمقابلات، أو هدفك المهني. نبدأ بتحديد معرفتك الحالية، وبيئة البرمجيات التي تعمل بها، والنتائج المتوقعة، والصعوبات المفاهيمية أو التقنية الرئيسية. ثم نضع خطة تعليمية منظمة.
يجمع الدرس الأول بين مناقشة خلفيتك وأهدافك واحتياجاتك التعليمية؛ وتقييم أولي لمعرفتك الحالية؛ والتخطيط والتنظيم الشخصي للجلسات المستقبلية؛ ودرس تجريبي قصير لتحديد أسلوب التعلم الأكثر فعالية.
قد تتضمن الجلسة النموذجية شرحًا مفاهيميًا، وتنمية الحدس الرياضي، والبرمجة المباشرة، والتنفيذ الموجه، وتقييم النموذج، وحل المشكلات التقنية، وملخصًا موجزًا للخطوات التالية.
يمكنك العمل على مجموعة بياناتك الخاصة، أو واجبك الجامعي، أو مشروعك البحثي، أو مشكلتك المهنية، شريطة التعامل مع المعلومات السرية بشكل مناسب. كما يمكنني توفير أمثلة ومجموعات بيانات منظمة تناسب مستواك.
ليس هدفي مجرد مساعدتك في تشغيل خوارزمية، بل مساعدتك في فهم سبب ملاءمتها، وكيفية تعلمها من البيانات، وكيفية تقييمها بشكل صحيح، وأسباب فشلها المحتمل، وكيفية بناء حل موثوق وقابل للتفسير ودقيق علمياً.
