التعلّم الآلي والنماذج التنبؤية - التعلّم الافتراضي Meirc Plus Speciality Training

التعلّم الآلي والنماذج التنبؤية - التعلّم الافتراضي

لمحة عامة

مع التقدم في التكنولوجيا، أصبحت النماذج التنبؤية الآن متاحة لعدد كبير من المستخدمين. تقدم هذه الدورة نظرة شاملة على خوارزميات التعلم الآلي الموجه ودورها الحيوي في تعزيز التنبؤات عبر الصناعات والمنظمات.
سيستكشف المشاركون نماذج مختلفة عبر تقنيات متعددة، بما في ذلك SAS وStatistica وSPSS. في نهاية الدورة، سيصبحوا مجهزين لتقييم واختيار الحلول الأكثر ملاءمة والحزم التقنية التي تتناسب مع احتياجات مؤسساتهم، ليصبحوا ممارسين خبراء في هذا المجال.

Meirc Plus Speciality Training
استفسار سريع أعد الإتصال بي
نظرة عامة
المنهجية

تتضمن هذه الدورة التدريبية نقاشات تفاعلية وتستخدم مجموعة متنوعة من التمارين ودراسات الحالة، حيث يتم دعم كل من خوارزميات التعلم الآلي بدراسة حالة خاصة بها، مع مخرجات تفصيلية تتوافق مع تحليلها متعدد المراحل. لكما يتم تفصيل جميع الخوارزميات مع تطبيقات الصور المتسلسلة للشاشة ضمن تقنيات المقارنة مثل SPSS و SAS و Statistica و Excel.

أهداف الدورة

سيتمكن المشاركون في نهاية الدورة من:

  • إكتساب مفهوم واضح لمفاهيم التعلم الآلي
  • تمييز بين منهجيات تحليل البيانات ونماذج التعلم الآلي
  • تطبيق تقنيات الاختبار والتحقق على نماذج التعلم الآلي
  • عرض نظرة عامة على الحلول التحليلية المثلى
  • بناء وتعديل النماذج التنبؤية للحصول على تقديرات دقيقة
الفئات المستهدفة

تستهدف هذه الدورة التدريبية جميع المهنيين الذين يرغبون في معرفة المزيد حول المفاهيم التطبيقية للتعلّم الآلي التي يمكّنهم الاستعانة بها في مؤسساتهم، يشمل ذلك جميع المهنيين الذين يعملون في مختلف المجالات نذكر منها على سبيل المثال لا الحصر: البنوك والتأمين والبيع بالتجزئة والقطاع الحكومي والتصنيع والرعاية الصحية والاتصالات وشركات الطيران.

الكفاءات المستهدفة
  • التحليل التنبؤي
  • النماذج التنبؤية
  • تحليل البيانات
  • نماذج تحليلات البيانات
محتوى الدورة
  • تحليل البيانات والانحدار البسيط
    • أساسيات منطق تحليل البيانات
    • مقارنة بين مجموعتين: اختبار المتوسطات والنسب
    • تصوّر ملفات المجموعات في مخطط واحد
    • تحليل مجموعات متعددة: اختبار المتوسطات والنسب
    • تصوّر مجموعات متعددة في مخطط واحد
    • مقدمة في الانحدار البسيط
    • الانحدار مقابل الارتباط
    • تحليل الحساسية للمتغيرات الكمية
  • الانحدار المتعدد والمنطقي
    • نظرة عامة على مبادئ التعلم الآلي
    • فهم منطق الانحدار التدريجي (Gradient Descent)
    • الفروق بين الانحدار البسيط والانحدار المتعدد
    • تحليل التباين في التقديرات
    • استخدام المتغيرات الوهمية في النماذج
    • الفروق الرئيسية بين الانحدار اللوجستي والانحدار المتعدد
    • تبسيط النماذج المعقدة من خلال الانحدار التدريجي (Stepwise Regression)
  • التحليل التمييزي
    • تقنيات تحسين التوصيف
    • تحليل دالة التمييز للمجموعتين
    • نسب الحالات وتقييم النماذج
    • دوال التصنيف Classification functions والمسافات المربعة لماهالانوبس  Mahalanobis squared distances
    • الطرق المعتمدة على الاحتمالات وتقليص النماذج
    • التحليل التمييزي العام
  • أشجار القرارات​
    • مقدمة في أشجار القرار
    • الأشجار الثنائية وتقييم جودتها
    • القواعد والتقنيات للتقليم
    • نماذج CART: أشجار التصنيف والانحدار
    • أشجار CHAID وأشجار الغابات العشوائية
  • القيم الأقرب Nearest Neighbor ، واستدلال بايزي Bayesian، والشبكة العصبية Neural Network، والتعلّم المتعمّق Deep Learning
    • فهم الاحتمالات الشرطية للتنبؤ
    • التنبؤ باستخدام نماذج الاحتمالات
    • التنبؤات المعتمدة على المسافة (أقرب الجيران Nearest Neighbor)
    • منهجية K-أقرب الجيران
    • نماذج الشبكات العصبية: الأوزان، الطبقات المخفية، المزايا والعيوب
    • مقدمة في مفاهيم التعلم العميق
    • نظرة عامة على مبادئ البيانات الضخمة
الجدول الزمني والرسوم
دورات الفصول الدراسية
الاتصال...بالطبع
اتصل بي اذا كان لديك أي أسئلة.
أنا أتحدث الإنجليزية والعربية!