بما أنك تمتلك الآن المهارات اللازمة لفهم مفاهيم التعلم الآلي، فقد حان الوقت للتعمق في تقنيات أكثر تقدمًا. هذه الخوارزميات والأدوات تقدم مستوى آخر من التعقيد والدقة.
في هذا الدرس، سنتعلم كيفية:
- تدريب، اختبار، وتحسين الأنواع التالية من النماذج. تزداد تعقيدات هذه النماذج من الأبسط إلى الأكثر تعقيدًا:
- النماذج الخطية Linear models
- نماذج قائمة على الأشجار Tree-based models
- نماذج XGBoost
- نماذج التنبؤ الجدولي في AutoGluon
- إنشاء نموذج باستخدام Sagemaker Jumpstart، وهي خدمة من AWS توفر حلولاً سريعة لعدد من مشاكل التعلم الآلي بنقرة واحدة.
بعد اكتساب المهارات في هذا الدرس، ستكون قادرًا على حل مجموعة واسعة من مشكلات التعلم الآلي باستخدام أحدث الأدوات المتاحة.
بعد تطوير المهارات الأساسية في مجال التعلم الآلي، أنت الآن على استعداد لاستكشاف تقنيات أكثر تعقيدًا وتطورًا. هذه الخوارزميات والأدوات تعزز من قدراتك في التعامل مع المشاكل المعقدة وتفتح أمامك آفاقًا جديدة للابتكار والتحليل.
في هذا الدرس، ستتعلم العمليات التالية بالتفصيل:
- تدريب النماذج: ستتعرف على كيفية تجهيز البيانات وإعداد النماذج للتدريب، وهي خطوة حاسمة لأي نموذج تعلم آلي.
- اختبار النماذج: بعد التدريب، من المهم اختبار النموذج لتقييم أدائه والتأكد من أنه يعمل بشكل صحيح على بيانات لم يسبق له مشاهدتها.
- تحسين النماذج: ستتعلم كيفية تعديل النماذج لتحقيق أفضل أداء ممكن، وهذا قد يشمل تقنيات مثل التحقق المتقاطع وتعديل المعلمات.
سنستكشف أنواع النماذج التالية:
- النماذج الخطية Linear models : بسيطة لكنها فعالة في العديد من السيناريوهات ( Regression , Classifications) ، فهي مثالية للبيانات التي تظهر علاقات خطية.كما سنتطرق الي بعض من مميزاتها وعيوبها.
- نماذج قائمة على الأشجار Tree-based models : هي فعاله مع البيانات غير الخطية سنتناول
- Decision Trees
- Random Forest
- Hierarchical clustering
- Feature selection
- نماذج XGBoost: تستخدم لتعزيز الأداء والدقة، معروفة بسرعتها وكفاءتها في التعامل مع مجموعات بيانات كبيرة.
- Gradient boosting
- XGBoost vs other tree-based models
- XGBoost API`
- نماذج التنبؤ الجدولي في AutoGluon: تتيح التعامل مع مهام التنبؤ الجدولي بكفاءة عالية وسهولة في الاستخدام.
- what is AutoML
- AutoML vs hyperparameter
- AutoGulon API
أخيرًا، ستتعلم كيفية استخدام Sagemaker Jumpstart من AWS، وهي أداة تسمح بتطبيق حلول جاهزة لمشاكل التعلم الآلي بنقرة واحدة، مما يسرع من وتيرة العمل ويقلل من الجهد المطلوب في الإعداد والتكوين.
- Benefits to Sagemaker jumpstart
- Difference between jumpstart solutions, models, and algorithms.
بمجرد إتقانك لهذه المهارات، ستكون قادرًا على مواجهة وحل مجموعة واسعة من التحديات في مجال التعلم الآلي، مما يزيد من قيمتك العملية ويفتح أمامك فرصًا جديدة للتقدم في مسيرتك المهنية.