كورس ذكاء اصطناعي بايثون

الدرس 1 • ترجمة إجراءات المستخدم والأحداث إلى أهداف النموذج والميزات

تعلم تحويل إجراءات المستخدم الخام والأحداث والسياق إلى أهداف نموذج نظيفة وميزات. ستربط تدفقات المنتج بالتسميات، وتصمم إشارات قوية، وتجنب التسرب مع الحفاظ على قابلية تفسير الميزات وفعاليتها.

الدرس 2 • تحديد هدف تنبؤ ثنائي قابل للقياس مرتبط بمؤشرات أداء المنتج

حدد هدف تنبؤ ثنائي يدعم مؤشرات أداء المنتج مباشرة. ستربط التسميات بمؤشرات مثل الاحتفاظ أو الإيرادات، وتختار آفاقاً وعتبات، وتتحقق من استقرار الهدف وقابليته للقياس مع الوقت.

الدرس 3 • تحديد معايير النجاح وتأثير الأعمال (الدقة، الاستذكار، الرفع)

حدد معايير النجاح التي تربط مقاييس النموذج بتأثير الأعمال. ستفسر الدقة والاستذكار والرفع والمعايرة، وتختار عتبات القرار، وترجم التقييم غير المتصل إلى نتائج منتج وإيرادات متوقعة.

الدرس 4 • تصميم إيقاع التنبؤ ونقاط التكامل (الوقت الحقيقي مقابل الدفعة)

صمم توقيت التنبؤات وكيفية تكاملها في المنتج. ستقارن إيقاعات الوقت الحقيقي والدفعة، وتحدد المحفزات ومعدلات التحديث، وتدمج التنبؤات في تدفقات المستخدم والإشعارات والأدوات الداخلية.

الدرس 1 • استراتيجيات البيانات الاصطناعية والمعززة عند عدم وجود مجموعة بيانات عامة مطابقة

تعلم كيفية تصميم مجموعات بيانات اصطناعية ومعززة عندما لا تتوفر بيانات عامة مناسبة. ستغطي تصميم السيناريوهات، ومراقبة الضوضاء والانحياز، واستراتيجيات التحقق، وأدوات إنشاء بيانات واقعية متوافقة مع المهمة.

الدرس 2 • ربط أعمدة مجموعات البيانات بمفاهيم المنتج (المستخدمين، الجلسات، الأحداث، الطوابع الزمنية)

استكشف كيفية ربط أعمدة مجموعات البيانات الخام بكيانات المنتج الأساسية مثل المستخدمين والجلسات والأحداث والطوابع الزمنية. ستتعلم اتفاقيات التسمية، ومعالجة المعرفات، واستنتاج الدلالات من بيانات فوضوية أو موثقة بشكل سيء.

الدرس 3 • تحميل وتعدد الإصدارات وتوثيق مجموعات البيانات (الهاشات، README، عينات الصفوف)

تعلم ممارسات قوية لتحميل وتعدد الإصدارات وتوثيق مجموعات البيانات في مشاريع بايثون. ستستخدم الهاشات، وملفات README المنظمة، وعينات الصفوف لضمان التتبع، والتكرار، والتعاون السلس عبر الفرق.

الدرس 4 • البحث في مجموعات البيانات العامة: استعلامات فعالة ومصادر موثوقة (Kaggle، UCI، OpenML، AWS Public Datasets)

أتقن تقنيات البحث في مجموعات البيانات العامة باستخدام استعلامات دقيقة ومصادر موثوقة. ستتدرب على تصميم الكلمات المفتاحية، والتصفية حسب المجال والترخيص، وتقييم جودة مجموعة البيانات في Kaggle وUCI وOpenML وAWS Public Datasets.

الدرس 1 • المعالجة المسبقة الزمنية وتجزئة الجلسات: اشتقاق ميزات الجلسة، نوافذ زمنية

تعلم المعالجة المسبقة الزمنية وتجزئة الجلسات لبيانات السلوك. ستحدد الجلسات، وتبني نوافذ زمنية، وتشتق ميزات مستوى الجلسة، وتعالج مناطق الوقت والفجوات، وتعد مدخلات مدركة زمنياً للنماذج اللاحقة.

الدرس 2 • هندسة الميزات لسلوك المستخدم: العدد، الحداثة، التكرار، المتوسطات، النسب

تعلم هندسة ميزات سلوك المستخدم القوية في بايثون. ستحسب العدد، والحداثة، والتكرار، والمتوسطات، والنسب، وتعامل مع الميل والندرة، وتتحقق من أن الميزات المشتقة مستقرة وقابلة للتفسير والتنبؤ.

الدرس 3 • استراتيجيات القيم المفقودة: طرق التعويض، الإسقاط مقابل العلامة، قرارات مدركة للمجال

استكشف استراتيجيات مبدئية لمعالجة القيم المفقودة. ستحلل أنماط المفقودية، وتقارن قرارات الإسقاط مقابل التعويض، وتطبق معوضات رقمية وفئوية، تضيف علامات مفقودة، وتستخدم معرفة المجال لتوجيه الخيارات.

الدرس 4 • استراتيجيات تقسيم التدريب-الاختبار: عشوائي، تقسيمات زمنية، تصنيف للأهداف غير المتوازنة

افهم كيفية تقسيم البيانات لتقييم النموذج بصدق. ستقارن التقسيمات العشوائية والزمنية، وتطبق التصنيف للأهداف غير المتوازنة، وتجنب التسرب، وتصمم تقسيمات متوافقة مع سيناريوهات النشر الحقيقية.

الدرس 5 • خطوط أنابيب البيانات والتكرار: خطوط أنابيب scikit-learn، حفظ المعالجات بـjoblib

بنِ سير عمل معالجة مسبقة قابلة للتكرار باستخدام خطوط أنابيب scikit-learn. ستربط المحولات، وتفصل التركيب عن التحويل، وتحفظ المعالجات بـjoblib، وتضمن سلوك تدريب واستدلال متسق.

الدرس 6 • تحميل وفحص البيانات باستخدام pandas وNumPy (dtypes، head، describe)

تعلم تحميل وفحص وفحص سلامة البيانات باستخدام pandas وNumPy. ستفحص dtypes، والمفقودية، والتوزيعات، والإحصاءات الأساسية، وتكشف المشكلات الواضحة، وتنشئ إطارات بيانات نظيفة ومُطَبَّقَة جيداً للنمذجة.

الدرس 7 • كشف الشذوذ ومعالجته: IQR الإحصائي، z-score، عتبات المجال، التقييد

تعلم كشف ومعالجة الشذوذ في البيانات الجدولية. ستستخدم قواعد IQR وz-score، وعتبات المجال، والتصور، ثم تقارن استراتيجيات التقييد والتحويل والإزالة مع الحفاظ على الإشارة وتجنب التسرب.

الدرس 8 • ترميز الميزات الفئوية: واحد-ساخن، ترتيبي، إرشادات ترميز الهدف والفخاخ

أتقن ترميز المتغيرات الفئوية للتعلم الآلي. ستطبق الترميز الواحد-ساخن، والترتيبي، وترميز الهدف، وتختار المرمزات حسب نوع النموذج والعددية، وتجنب التسرب والإفراط في التركيب وتوسع مساحة الميزات.

الدرس 1 • التنظيم واختيار الميزات لنماذج قابلة للتفسير (L1/L2، إزالة الميزات التكرارية)

تعلم كيف يشكل التنظيم تعقيد النموذج ويدعم القابلية للتفسير. ستطبق عقوبات L1 وL2، تستخدم أدوات اختيار الميزات في scikit-learn، وتقيم التوازن بين الندرة والاستقرار والأداء التنبؤي.

الدرس 2 • ضبط المعلمات الفائقة: بحث شبكي، بحث عشوائي، أفضل ممارسات التحقق المتقاطع

استكشف ضبط المعلمات الفائقة المنهجي باستخدام البحث الشبكي والعشوائي. ستصمم مخططات التحقق المتقاطع القوية، وتجنب تسرب البيانات، وتدير تكلفة الحوسبة، وتفسر نتائج البحث لاختيار النماذج النهائية بثقة.

الدرس 3 • نماذج الشجرة: شجرة القرار، الغابة العشوائية، تعزيز التدرج (sklearn ومقدمة موجزة لـXGBoost/LightGBM)

أتقن نماذج الشجرة للبيانات المنظمة، من أشجار القرار الفردية إلى المجموعات. ستصبغ العمق والتنظيم، وتفسر أهمية الميزات، وتحصل على مقدمة موجزة عن تعزيز التدرج مع XGBoost وLightGBM.

الدرس 4 • سير عمل تدريب النموذج: بذور قابلة للتكرار، التوقف المبكر، نقاط التفتيش

بنِ سير عمل تدريب موثوق بنتائج قابلة للتكرار وحفظ نموذج آمن. ستضبط بذور عشوائية، وتراقب مقاييس التحقق، وتطبق التوقف المبكر، وتستخدم نقاط التفتيش، وتسجل التجارب للمقارنة والتصحيح المستقبلي.

الدرس 5 • معالجة عدم توازن الفئات: إعادة العينة (SMOTE، عشوائي أكثر/أقل)، أوزان الفئات، ضبط العتبة

عالج عدم توازن الفئات حتى تؤدي النماذج جيداً على الفئات النادرة لكن المهمة. ستستخدم طرق إعادة العينة، وأوزان الفئات، وضبط العتبة، وتقيم النتائج بمقاييس مناسبة لمهام التصنيف غير المتوازنة.

الدرس 6 • نماذج المعيار والفحوصات البسيطة: مصنف الأغلبية، الانحدار اللوجستي مع class_weight

تعلم بناء وتقييم معايير قوية باستخدام الأغلبية والنماذج الخطية البسيطة. ستنفذ فحوصات سلامة، وتعالج عدم توازن الفئات بأوزان الفئات، وتقارن المعايير بنماذج معقدة بمقاييس واضحة.

الدرس 1 • مقارنة النماذج باختبارات إحصائية واعتبارات عملية (التأخير، التعقيد)

هذا القسم يغطي مقارنة النماذج الصارمة باستخدام اختبارات إحصائية، وفواصل الثقة، وأحجام التأثير، مع وزن القيود العملية مثل التأخير والذاكرة والتعقيد والصيانة عند اختيار النماذج للإنتاج.

الدرس 2 • مراقبة المقاييس بعد النشر: انجراف البيانات، إشارات تدهور الأداء

هذا القسم يركز على مراقبة النماذج بعد النشر، تتبع انجراف بيانات الإدخال، وتحول التسمية، وتدهور الأداء، وتصميم التنبيهات واللوحات ومحفزات إعادة التدريب للحفاظ على أنظمة الذكاء الاصطناعي الإنتاجية صحية مع الوقت.

الدرس 3 • اختيار المقاييس لأهداف المنتج: الدقة، الدقة، الاستذكار، F1، ROC-AUC، PR-AUC وعتبات الأعمال

هذا القسم يشرح مقاييس التصنيف الشائعة، وكيف ترتبط بأهداف المنتج، وكيفية اختيار ودمج الدقة والدقة والاستذكار وF1 وROC-AUC وPR-AUC وعتبات مخصصة لتعكس تكاليف الأعمال الحقيقية والقيود.

الدرس 4 • المعايرة والموثوقية: طرق معايرة الاحتمال (توسيع Platt، الانحدار التوافقي)

هذا القسم يغطي لماذا يجب معايرة التنبؤات الاحتمالية، وكيفية تشخيص سوء المعايرة، وكيفية تطبيق توسيع Platt والانحدار التوافقي وتقنيات أخرى في بايثون للحصول على تقديرات احتمالية موثوقة لاتخاذ القرار.

الدرس 5 • تفسير مصفوفة الخلط واختيار العتبة للتوازنات المرغوبة

هذا القسم يشرح مصفوفة الخلط بعمق، موضحاً كيفية تفسير كل خلية، واشتقاق المقاييس، واختيار عتبات القرار التي توازن الدقة والاستذكار وتكاليف التوازن لأصحاب المصلحة المختلفين وظروف التشغيل.

الدرس 1 • إعداد هيكل التقرير المكتوب 800 كلمة وإرشادات تعليقات الكود الموجزة

أعد تقريراً مكتوباً موجزاً من 800 كلمة وتعليقات كود نظيفة لمشاريع الذكاء الاصطناعي. تعلم هيكلاً قابل لإعادة الاستخدام، وكيفية إبراز النتائج الرئيسية، وتوثيق الافتراضات، وكتابة تعليقات توضح النية دون إرباك الدفاتر.

الدرس 2 • ترجمة أهمية الميزات إلى إجراءات المنتج وفرضيات اختبار A/B

تعلم تحويل مخرجات أهمية الميزات إلى إجراءات منتج ملموسة، وأفكار تجارب، وفرضيات اختبار A/B، مع تجنب الفخاخ الشائعة مثل ميزات الوكيل والتسرب والمقاييس غير المتوافقة في إعدادات الأعمال الحقيقية.

الدرس 3 • التفسيرات المحلية: أساسيات SHAP وLIME لمصنفات جدولية ثنائية

افهم طرق التفسير المحلي لمصنفات جدولية ثنائية، مع التركيز على SHAP وLIME. ستتعلم كيفية إنشاء وتصور وتفسير تفسيرات لكل تنبؤ وتواصل حدودها للخبراء غير المتخصصين.

الدرس 4 • إنشاء تفسيرات نصية بسيطة لأصحاب المصلحة والمهندسين

طوِّر تفسيرات نصية واضحة مخصصة لمديري المنتج والتنفيذيين والمهندسين. تدرب على كتابة روايات قصيرة تربط سلوك النموذج بنتائج الأعمال والمخاطر وتفاصيل التنفيذ دون مصطلحات ثقيلة.