وصف المقرر : تُستخدم طرق التحسين بكثرة لضبط المعلمات الفائقة (Hyperparameters) في تعلم الآلة من خلال التدريب التكراري للنموذج باستخدام تقييم الدوال الرياضية. تساعد عملية التحسين النموذج في تقديم أداء أمثل. يقدم هذا المقرر نظرة عامة متعمقة على طرق التحسين الرياضي الحديثة المطبقة في تعلم الآلة وعلم البيانات. يغطي المقرر موضوعات: مقدمة لنماذج التحسين المحدب في علم البيانات، أدوات التحدب وحساب التفاضل غير السلس للتحسين، طرق التدرج الجزئي (Subgradient methods)، طرق التدرج التقريبي (Proximal gradient)، طرق التدرج المتسارع (الزخم - Momentum)، حدود وأخطاء التعلم، ومقدمة لنماذج التحسين غير المحدب في تعلم الآلة الخاضع للإشراف.
الساعات المعتمدة : 3
أهداف المقرر :
• تحديد المشكلات والتحديات التي تنشأ في تعلم الآلة والتحليل الحديث للبيانات مثل التعقيد والمتانة وقابلية التنفيذ.
• فهم أساسيات التحسين الرياضي لتعلم الآلة.
• فهم طرق التحسين المتنوعة التي تدعم نماذج تعلم الآلة الشائعة اليوم في تطبيقات العالم الحقيقي.
• المشاركة في تصميم طرق التحسين لتعلم الآلة والتعلم من الممارسة والتجربة.
مخرجات المقرر :
1. المعرفة والفهم:
1.1. التعرف على فئات ومسائل التحسين في تعلم الآلة.
1.2. فهم الأفكار الأساسية للتحسين وخوارزميات التحسين المتقدمة.
2. المهارات:
2.1. تصنيف مسائل التحسين بناءً على إمكانية معالجتها وحلها ومدى صعوبتها وتوافقها مع البرمجيات القائمة.
2.2. المشاركة التطبيقية في تصميم طرق تحسين تعلم الآلة.
3. القيم:
3.1. حل مشكلة بشكل جماعي تتعلق بطرق التحسين في تعلم الآلة.
3.2. تطبيق حلول التحسين بصورة أخلاقية في البحث العلمي.
هذا الموقع يستخدم ملفات تعريف الارتباط الخاصة لضمان سهولة الاستخدام، وتحسين تجربتك أثناء التصفح، كما يوضح الأحكام والسياسات المتعلقة بخصوصية المستخدم. من خلال الاستمرار في تصفح هذا الموقع، فإنك تقر بقبول استخدام ملفات تعريف الارتباط، وما جاء في سياسة الخصوصية