وصف المقرر : يقدم هذا المقرر مقدمة شاملة لتعلّم الآلة، مع التركيز على كل من الأسس النظرية والتطبيقات العملية. يستكشف الطلاب المفاهيم والمبادئ الأساسية التي يقوم عليها تعلّم الآلة، بما في ذلك التعلّم الخاضع للإشراف وغير الخاضع للإشراف، والخوارزميات الرئيسية مثل الانحدار الخطي واللوجستي، وأشجار القرار، وأقرب الجيران (K-NN)، وتقنيات التجميع (Clustering)، والشبكات العصبية. كما يغطي المقرر موضوعات أساسية مثل تمثيل البيانات، وهندسة الميزات، وتقييم النماذج، ومشاكل فرط الملاءمة وضعف الملاءمة (Overfitting & Underfitting)، والتحسين باستخدام خوارزمية الانحدار المتدرج (Gradient Descent). وطوال المقرر، يكتسب الطلاب خبرة عملية في تصميم وتنفيذ وتقييم نماذج تعلّم الآلة لحل مشكلات واقعية، مع التركيز على تطوير مهارات اختيار الخوارزميات، وضبط الأداء، والتصميم التجريبي، وتعزيز العمل الجماعي والتفكير النقدي.
الساعات المعتمدة : 3
أهداف المقرر :
• تقديم المفاهيم والتقنيات الأساسية لتعلّم الآلة.
• تطوير المهارات في استخدام أحدث برمجيات تعلّم الآلة لحل المشكلات العملية.
• اكتساب الخبرة في إجراء الدراسات والبحوث المستقلة.
مخرجات المقرر :
1.0 المعرفة والفهم:
• 1.1: وصف وشرح المفاهيم والمبادئ الأساسية لتعلّم الآلة.
• 1.2: مقارنة الأنواع المختلفة لخوارزميات تعلّم الآلة ومناقشة تطبيقاتها في العالم الواقعي.
2.0 المهارات:
• 2.1: تصميم وتنفيذ تقنيات فعالة لهندسة الميزات لتحسين أداء النموذج.
• 2.2: اختيار وتطبيق خوارزميات تعلّم الآلة المناسبة لحل المشكلات الواقعية.
3.0 القيم والاستقلالية والمسؤولية:
• 3.1: إظهار العمل الجماعي والتعاون في تطوير حلول تعلّم الآلة.
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