تعرّف إلى مهام التعلّم والنماذج وطرق تقسيم البيانات بعناية.
مسار تمهيدي ينتقل من الفكرة الأساسية لتعلّم الآلة إلى أنواع مهام التعلّم ومفاهيم النماذج وتقسيم البيانات على نحو مدروس. تقارن بين أمثلة التعلّم المُراقَب وغير المُراقَب والتعلّم القائم على المكافآت، ثم تستكشف ضرورة فصل بيانات التدريب عن بيانات التقييم. يستخدم النشاط الختامي مجموعة صغيرة من البيانات المسموح لك باستخدامها، ولا يتطلب خبرة برمجية.
اشرح تعلّم الآلة بوصفه اكتشافًا للأنماط في الأمثلة، وميّزه عن القواعد الثابتة المكتوبة يدويًا. صنّف مواقف بسيطة ضمن التعلّم المُراقَب أو غير المُراقَب أو بالتعزيز، وبيّن المعلومات المتاحة في كل منها. حدّد المدخلات والهدف وبيانات التدريب وبيانات التقييم في مهمة تنبؤ بسيطة. اقترح تقسيمًا للبيانات يحد من تسرّب المعلومات، واشرح أحد حدود التقييم.
لا تحتاج إلى خبرة في البرمجة أو الإحصاء. من المفيد معرفة الصفوف والأعمدة؛ واستخدم بيانات عامة أو بيانات يُسمح لك باستخدامها فقط.
للمبتدئين الذين يريدون مقدمة واضحة وموجّهة دون مصطلحات معقدة غير ضرورية
لمن يتعلمون بشكل أفضل من خلال الأمثلة والدروس الموجّهة والتطبيق العملي
للمهنيين والمبدعين والمطورين المستقلين الباحثين عن سير عمل قابل للتكرار
جرّب الدرس الأول
جرّب الدرس الأول مجانًا بحساب مجاني، دون بطاقة دفع. تتطلب الدروس المدفوعة الأخرى وصولًا صالحًا إلى الأكاديمية أو فترة تجريبية نشطة أو اشتراك Lumi Pro.
4 الدروس · مبتدئ · الدورة الكاملة.
تستخدم هذه الدورة مواد مرخّصة بموجب CC BY مع نسبتها إلى مزود المحتوى أو رافعها. لا يتاح تشغيل الدروس إلا بعد تسجيل الدخول واجتياز فحوص النشر والترخيص.
تحليل تحريري بمساعدة الذكاء الاصطناعي للمصادر المذكورة، وليس اختبارًا عمليًا أو مراجعة عميل. ادعاءات المورّد ليست قياسات أداء مستقلة.
تعرض صفحة الدورة الرسمية «Machine Learning: Core Ideas and Data Splits» بوصفها مسارَ مدخلٍ من أربعة دروس، ينتقل من الفكرة الأساسية لتعلم الآلة إلى فئات مهام التعلم ومفاهيم النماذج وتقسيم البيانات. وهدفها المعلن هو تكوين أساس مفاهيمي، لا إتقان منتج برمجي. وتصف الصفحة الدورة بأنها مقدمة موجَّهة للمبتدئين تقارن بين التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف والتعلم المعزَّز، وتبحث في سبب ضرورة الفصل بين بيانات التدريب وبيانات التقييم. ولأن المصدر لا يصف منتجاً تجارياً للذكاء الاصطناعي، ينبغي قراءته بوصفه مادة تعليمية تتوقف قيمتها على مدى وضوح الدروس في شرح هذه الأفكار.
تناسب الدورة المتعلمين الذين يريدون شرحاً منظماً لكيفية تعلّم أنظمة تعلم الآلة من الأمثلة، ولسبب ضرورة التعامل بعناية مع بيانات التقييم. وتذكر الصفحة المبتدئين الذين يبحثون عن مقدمة واضحة دون مصطلحات لا لزوم لها، والأشخاص الذين يتعلمون عبر الأمثلة والتطبيق العملي، والمحترفين أو صنّاع المشاريع المستقلين الباحثين عن منهجية قابلة للتكرار. ويطبّق النشاط النهائي المعلن هذه الأفكار على مجموعة بيانات صغيرة مصرَّح باستخدامها، مما يشير إلى أن الدورة تستهدف فهم مهمة تنبؤية لا كتابة الشفرة البرمجية. وأما من يحتاج إلى مهارات إنتاجية أو تدريب برمجي أو عمق إحصائي فسيحتاج على الأرجح إلى مصدر آخر بعد هذه المقدمة.
المقايضة الرئيسية هي بين العمق وسهولة الوصول. تعد الصفحة بأن يتمكن المتعلمون من تحديد الخصائص والمتغيرات الهدف وبيانات التدريب وبيانات التقييم، وأن يقترحوا تقسيماً يقلل تسرب البيانات. وهذا هدف مفاهيمي مفيد، لكن الصفحة لا تحدد مقدار النمذجة العملية أو الرياضيات أو استخدام الأدوات في كل درس. ولا يصف النص المقدَّم تفاصيل كل درس ولا مدة الالتزام ولا الصيغة الدقيقة للنشاط العملي. وتذكر الصفحة أيضاً أن الدورة تستخدم مواد مرخصة بموجب CC BY وأن التشغيل متاح فقط عبر الوصول الموثَّق بعد اجتياز فحوص النشر والترخيص، لذلك ينبغي التحقق مباشرةً من شروط الوصول الحالية.
قبل تخصيص وقت أو مال، تحقق من النقاط التي يتركها المصدر مفتوحة: إجمالي مدة الدروس الأربعة، وهل مجموعة البيانات التطبيقية متاحة أم يجب الحصول عليها بشكل مستقل، وهل تُقدَّم أي تقييمات أو شهادات، وما الذي يشمله الدرس الأول المجاني. تذكر الصفحة أن الدرس الأول مجاني، لكنها لا تحدد سعر الدورة كاملةً، لذا لا ينبغي افتراض أي تكلفة. ويجب على المتعلمين أيضاً التأكد من أن شروط الترخيص ومتطلبات الإسناد للمحتوى تناسب الاستخدام الذي ينوون إعادة توظيفه فيه. هذه المراجعة مسودة مدعومة بالذكاء الاصطناعي وقائمة على المصدر، ولم تختبر الدورة، لذلك تبقى تجربة المتعلمين وجودة الدروس غير متحقَّق منهما.
هل تابعت دروسًا من هذه الدورة؟ أخبرنا بما تعلمته وما يمكن توضيحه.
تُرسل الملاحظات بشكل خاص إلى فريقنا. لا تُنشر تلقائيًا ولا تُحتسب كتقييم. لا تشارك كلمات المرور أو بيانات العملاء أو المعلومات الحساسة.