DATAGOZ
الكتالوج
المسار التعليمي
الأسعار
تسجيل الدخول
ابدأ مجانًا
الصفحة الرئيسية
الدورات
اكتشف التعلم الخاضع للإشراف باستخدام scikit-learn
الخطوات الأساسية في التعلم الخاضع للإشراف
الفصل 2 · اكتشاف طرق التصنيف · الدرس 4 من أصل 51
متاحة للمشتركين فقط — إليك بدايتها
متابعة هذا الدرس متاحة للمشتركين فقط
أنشئ حسابك المجاني لتجربة التمارين التوضيحية، ثم انتقل إلى الوصول الكامل متى شئت.
أنشئ حسابك المجاني
بدون بطاقة بنكية، في ثلاثين ثانية.
المتابعة باستخدام Google
أو
التسجيل بالبريد الإلكتروني
لديك حساب بالفعل؟
تسجيل الدخول
بمتابعتك، فإنك توافق على
شروط الاستخدام
و
سياسة الخصوصية
. تُستضاف بياناتك داخل الاتحاد الأوروبي.
الوصول الكامل إلى DATAGOZ
19 €
/ شهريًا — أو 190 € / سنويًا
جميع الدورات المنشورة والمسارات المهنية
تمارين واختبارات قصيرة مصحَّحة تلقائيًا
تدريب وامتحان وشهادة متابعة
بدون التزام، ويمكن الإلغاء عبر الإنترنت
عرض الصيغ
هذا الدرس جزء من الدورة
اكتشف التعلم الخاضع للإشراف باستخدام scikit-learn
6 فصول · 51 درسًا
ابدأ الدورة مجاناً
1. رسالة الترحيب
درس واحد
منصة التدريب
مشتركون
2. اكتشف طرق التصنيف
10 دروس
تعلم الآلة باستخدام scikit-learn
للمشتركين
التصنيف الثنائي
المشتركون
الخطوات الأساسية في التعلّم الخاضع للإشراف
أنت هنا
معالجة مشكلة تصنيف
للمشتركين
ضبط نموذج بخوارزمية k أقرب الجيران
للمشتركين
إجراء تنبؤات بخوارزمية k أقرب الجيران
للمشتركين
تقييم أداء النموذج
مشترك
فصل البيانات وقياس الدقة
مشترك
تحديد الإفراط في التكييف والتكييف الناقص
مشترك
تحليل تعقيد النموذج
مشترك
3. اكتشاف طرق الانحدار
13 درسًا
مدخل إلى مبادئ الانحدار
مشترك
إنشاء الخصائص ذات الصلة واختيارها
مشترك
بناء نموذج الانحدار الخطي
مشترك
تمثيل نموذج الانحدار الخطي بيانيًا
مشترك
استيعاب المبادئ الأساسية للانحدار الخطي
مشترك
ضبط النموذج وإجراء التنبؤات
مشترك
تقييم أداء نموذج الانحدار
مشترك
اكتشف مبادئ التحقق المتقاطع
مشترك
قيّم معامل التحديد R² باستخدام التحقق المتقاطع
مشترك
فسّر مؤشرات التحقق المتقاطع
مشترك
حسّن النماذج بفضل التسوية (Regularization)
مشترك
طبّق تسوية ريدج (Ridge)
مشترك
حدّد الخصائص المهمة باستخدام انحدار لاسو (Lasso)
مشترك
4. حسّن أداء نموذجك وعزّزه
10 دروس
قيّم موثوقية نموذجك وجودته
مشترك
اختر مقياس تقييم مناسبًا
مشترك
قيّم مصنِّفًا للتنبؤ بمرض السكري
مشترك
اكتشف الانحدار اللوجستي ومنحنى ROC
مشترك
ابنِ نموذج انحدار لوجستي
مشترك
تحليل منحنى ROC وتفسيره
مشترك
قياس الأداء بمساحة تحت منحنى ROC (ROC AUC)
مشترك
فهم ضبط المعاملات الفائقة
مشترك
تحسين المعاملات الفائقة باستخدام GridSearchCV
مشترك
استكشاف المعاملات الفائقة باستخدام RandomizedSearchCV
مشترك
5. تحضير البيانات وبناء خطوط المعالجة (Pipelines)
16 درسًا
تحضير البيانات وتحويلها
مشترك
ترميز المتغيرات الفئوية
مشترك
تطبيق الانحدار على البيانات الفئوية
مشترك
معالجة القيم المفقودة
مشترك
معالجة البيانات غير المكتملة بالحذف
مشترك
بناء Pipeline للتنبؤ بالنوع الموسيقي (الجزء الأول)
مشترك
إكمال مسار التنبؤ بالنوع الموسيقي (الجزء 2)
مشتركون
توحيد البيانات عن طريق التمركز وتغيير المقياس
مشتركون
تطبيق التوحيد على نموذج انحدار
مشتركون
توحيد البيانات من أجل التصنيف
مشتركون
مقارنة أداء عدة نماذج
مشتركون
تصوير نتائج نماذج الانحدار
مشتركون
إجراء التنبؤات على بيانات الاختبار
مشتركون
مقارنة أداء نماذج التصنيف بيانيًا
مشتركون
إنشاء مسار لتوقع شعبية الأغاني
مشتركون
حصيلة مكتسبات الدورة
مشتركون
6. الخاتمة
1 درس
خاتمة الدورة التدريبية
مشترِكون
الدرس التالي
مواجهة مشكلة في التصنيف
عرض البرنامج
أنشئ حسابًا للمتابعة