easyT
  • Subscribe
Sign In
easyT
  • Diplomas
  • Courses
  • E-books
  • Instructors
  • Subscribe
Sign In

Browse

  • All courses
  • Diplomas
  • Subscribe
  • Instructors

Account

  • My courses
  • Purchases
  • Wishlist
  • Settings

Join us

  • Become an instructor
  • Affiliate program
  • About us

Get the app

Apps in development
All rights reserved © 2003-2026 · easyT.onlineTerms & conditionsPrivacy policyRefund policyContact usVerify a certificate
AI Programming & Machine Learningعربى

Learn Now Machine Learning

A comprehensive guide to mastering machine learning concepts

Unlock the power of machine learning and transform your data into actionable insights.

4.2(40)365 pages15 chapters0 learners

What you'll learn

  • Fundamental machine learning concepts
  • Data preprocessing techniques
  • Supervised and unsupervised learning methods
  • Model evaluation and selection
  • Practical implementation with real datasets
  • Advanced topics in machine learning
تعلم الآن تعلم الآلة
$2.99
Buy now

About this book

This book serves as a complete introduction to machine learning, guiding you through essential concepts and practical applications. It is designed for both beginners and those looking to deepen their understanding of this transformative technology.

Through clear explanations and hands-on examples, you will gain the skills necessary to implement machine learning techniques in real-world scenarios. Whether you are a student, a professional, or simply curious about the field, this book will equip you with the knowledge to navigate the complexities of machine learning.

Who this book is for

  • Students pursuing data science
  • Professionals in technology fields
  • Anyone interested in machine learning
  • Educators looking to teach machine learning
  • Data analysts seeking to enhance their skills

Why read this book

  • Comprehensive coverage of machine learning topics
  • Hands-on examples for practical learning
  • Accessible language for beginners
  • Focus on real-world applications

Table of contents

1

التعلم تحت الإشراف

  1. Supervised Learning
  2. التصنيف والانحدار :Classification and Regression
  3. التعميم والتجهيز والتركيب Generalization, Overfitting, and Underfitting
  4. علاقة تعقيد النموذج بحجم مجموعة البيانات Relation of Model Complexity to Dataset Size
  5. خوارزميات التعلم الآلي الخاضعة للإشراف Supervised Machine Learning Algorithms
  6. بعض مجموعات البيانات النموذجية Some Sample Datasets
  7. ك - أقرب الجيران k-Nearest Neighbors
  8. ك تصنيف الجيران k-Neighbors classification
  9. تحليل KNeighboursClassifier
  10. ك - انحدار الجيران k-neighbors regression
  11. تحليل K الجيران السجل Analyzing KNeighborsRegressor
  12. نقاط القوة والضعف والمعايير Strengths, weaknesses, and parameters
  13. النماذج الخطية Linear Models
  14. النماذج الخطية للانحدارlinear model for regression
  15. انحدار ريدج Ridge regression
  16. لاسو Lasso
  17. نماذج خطية للتصنيف Linear models for classification
  18. النماذج الخطية لتصنيف متعدد الطبقات Linear models for multiclass classification
  19. نقاط القوة والضعف والمعايير
  20. المصنفات الساذجة بايز Naive Bayes Classifiers
  21. نقاط القوة والضعف والمعايير
  22. أشجار القرار Decision Trees
  23. بناء أشجار القرار building decision tree
  24. السيطرة على تعقيد أشجار القرار
  25. تحليل أشجار القرار
  26. أهمية الميزة في الأشجارfeature importance in decision tree
2

التعلم المستقل

  1. Unsupervised learning
  2. أنواع التعلم غير الخاضع للإشراف
  3. التحديات في التعلم غير الخاضع للإشراف
  4. المعالجة المسبقة والتحجيم Processing and Scaling
  5. أنواع مختلفة من المعالجة المسبقة
3

تمثيل البيانات والمميزات الهندسية

  1. Data and Engineering Features
  2. متغيرات نوعية categorial Variables
  3. ترميز واحد ساخن (متغيرات وهمية) One-Hot-Encoding (Dummy Variables)
  4. التحقق من البيانات الفئوية المشفرة كنص Checking string-encoded categorical data
  5. يمكن للأرقام ترميز الفئات Numbers Can Encode Categories
  6. التجميع، والتقدير، والنماذج الخطية، والأشجارBinning, Discretization, Linear Models, and Trees
4

الفصل الثالث عشر

  1. أهم مصنفات الإطار Qt
  2. المصنف QApplication
  3. المصنفات أبناء QWidget
  4. أبناء المصنف QPaintDevice
  5. إحداث المكون QLable Signals
  6. المصنف QLineEdit
  7. كائن زر الأمر QPushButton
  8. الكائن QRadioButton
  9. الكائن QCheckBox
  10. الكائن QComboBox
  11. الأحداث
  12. استخدام المكون QSpinBox
  13. المكون QSlider
  14. استخدام القوائم QMenu,QMenubar,Qaction
  15. المكون QToolBar
  16. المكون QinputDialog
  17. المربع الحواري للخطوط QFontDialog
  18. الكائن QTabWidget
  19. المكون QStackedWidget
  20. المكون QSpliterWidget
  21. التطبيقات متعددة الواجهات MDI
  22. السحب والإلقاء Drag and drop
  23. الرسم باستخدام PyQt
  24. استخدام المصنف QClipBoard
  25. التعامل مع المصنف QDockWidget
  26. استخدام المكون QStatusBar
  27. المكون QListWidget
  28. الكائن QPixmap
  29. المكون QScrollbar
  30. المكون QCalendar
5

تقييم النموذج وتحسينه

  1. Model Evaluation And Improvement
  2. التحقق المتبادل cross validation
  3. التحقق المتبادل من صحة البيانات في scikit-Learn
  4. فوائد المصادقة المتبادلة للبيانات benefits of cross validation
  5. التحقق الطبقي k-Fold Cross-Validation والاستراتيجيات الأخرى
  6. مزيد من التحكم في التحقق المتبادل
  7. إجازة واحدة خارج المصادقة
  8. التحقق المتبادل العشوائي والتقسيم shuffel cross validation
  9. عبر المصادقة مع المجموعات Cross Validation With Groups
  10. البحث الشبكى Grid Search
  11. بحث بسيط على الشبكة Simple Grid Search
6

سلاسل الخواريزميات ومسار البيانات

  1. Alogarith chain and piplines
  2. اختيار المعلمة مع المعالجة المسبقة Parameter selection with preprocessing
  3. اختيار المعلمة مع المعالجة المسبقة parameter selection with preprocessing
  4. بناء خطوط الأنابيب Building Pipilines
  5. استخدام خطوط الأنابيب في بحث الشبكة Using pipleness in cross search
  6. توضيح تسرب المعلومات
  7. واجهة خط الأنابيب العامة General Pipline Interface
7

التعامل مع البيانات النصية

  1. Working with String Data
  2. أنواع البيانات الممثلة كسلاسل types of Data represented as strings
  3. تطبيق مثال: تحليل المشاعر للفيلم
  4. تمثيل البيانات النصية كحقيبة من الكلمات
8

التعامل مع أخطاء البرنامج

  1. Exceptions handling
  2. التعامل مع الأخطاء Hanling Exception
  3. رفع الأخطاء Raising Errors
9

المصنفات والكائنات

  1. Classes and objects
  2. تصميم مصنف class design
10

تصميم واجهات المستخدم باستخدام

  1. Tkinter
  2. كتابة التطبيق داخل بيئة اكليبس
  3. زر الأمر Button
  4. مربع النص Entry
  5. أزرار الراديو Radio Buttons
  6. زر الاختيار checkbutton
  7. كائن القائمة menu widget
  8. مربع الحواري للرسائل message
  9. المكون منطقة النص text
  10. مكون Canvas
  11. شريط الانزلاق scrollbar
  12. استخدام مكتبة pmw
  13. مربع التعريف AboutDialogBox
  14. مكون البالونة Ballon
  15. مكون صندوق الأزرار Button Box
  16. مربع منسدل Combobox
  17. مكون ComboBoxDialog
  18. مكون العداد :Counter
  19. مكون المربع الحواري Dialog
11

الفصل الثاني عشر

  1. تصميم الواجهات باستخدام wxPython
  2. عرض النافذة الرئيسية
  3. عرض نافذة من نوع frame
  4. الاستجابة للأحداث
  5. احدث الأزرار
  6. التعامل مع عناصر واجهة المستخدم
  7. استخدام مربع الاختيار checkbox
  8. التعامل مع القوائم Menu
  9. التعامل مع شريط الأدوات
  10. إضافة أيقونات إلى شريط الأدوات
  11. تشغيل وإيقاف أيقونات داخل شريط الأدوات
12

الفصل الرابع عشر

  1. تصميم تطبيقات WxPython
  2. كائن التطبيق application object
  3. تصميم نافذة رئيسية mainframe
  4. تتابع النوافذ
  5. الإشارة إلى الكائنات refrencing controls
  6. عرض صورة Bitmap
  7. إضافة أيقونة إلى شريط العنوان
  8. استخدام الذاكرة clipboard
  9. السحب والإلقاء Drag and drop
13

الفصل الخامس عشر

  1. قواعد بيانات Mysql,SqLite
  2. استيراد مكتبة MySql
  3. تصميم قاعدة بيانات
  4. تصميم جدول
  5. إدخال سجل بيانات داخل الجدول
  6. إدخال مجموعة سجلات
  7. عرض بيانات من الجدول
  8. اختيار السجل الأول
  9. حذف سجل
  10. حذف جدول
  11. تصميم جدول بحقل فريد
  12. حذف جدول
  13. عرض وصف الجدول
  14. إضافة خاصية primaryKey إلى حقل موجود
  15. تغيير صفة حقل
  16. لعرض الحقول مرتبة
  17. عرض عدد محدد
  18. البدء من حقل معين
  19. الربط بين الجداول
14

الفصل السادس عشر

  1. موديول NumPy
  2. أين يتم استخدام Numpy؟
  3. لماذا تستخدم Numpy في Python؟
  4. تثبيت NumPy
  5. مصفوفات Python NumPy
  6. إنشاء كائن NumPy ndarray
  7. تصميم مصفوفة ذات بعد صفر
  8. تصميم مصفوفة ذات بعد 1D
  9. تصميم مصفوفة ذات بعدين
  10. تصميم مصفوفة ثلاثية الأبعاد
  11. التحقق من عدد أبعاد المصفوفة
  12. أنواع بيانات Python NumPy
  13. كائن المكتب numpy المسمى بى dtype
  14. تصميم المصفوفات
  15. تصميم المصفوفات باستخدام البيانات الموجودة
  16. تصميم مصفوفة باستخدام list
  17. استخدام الدالة frombuf
  18. تصميم مصفوفة باستخدام fromiter
  19. تصميم مصفوفة باستخدام arrang
  20. إنتاج مصفوفة أرقام مركبة complex numbers
  21. استخدام الدالة linspac
  22. استرجاع الرقم البيني
  23. الدالة logspace
  24. ترتيب المصفوفات
  25. الترتيب باستخدام الاسم name
  26. طباعة ونسخ المصفوفات
  27. استخدام الدالة copy لنسخ المصفوفات
  28. استخدام الأمر view
  29. التعامل مع عناصر المصفوفة
  30. عمل عكس للمصفوفة
  31. ضرب مصفوفتين
  32. استخدام الدالة matmul
  33. استخدام الدالة dot
  34. ضرب رقم ثابت في مصفوفة
  35. استخدام الدالة arrang
  36. الدوال الرياضية numpy.ceil()
  37. تطبيق دالة ceil على القيم السالبة
  38. الدالة numpy_floor
  39. الدالة trunk
  40. الدالة Numpy.fix()
  41. الدالة islower()
15

الخلاصة

  1. Wrapping up
  2. الاقتراب من مشكلة التعلم الآلي
  3. استدعاء الدالة function call
  4. تمرير المعاملات بالقيمة وبالمرجعية
  5. تمرير المعاملات الأساسية :default paramaters
  6. المعاملات متغيرة الأطوال variable length parameters
  7. دوال السطر الواحد lambada functions

Related books

  • مبادئ وأساسيات برمجة الذكاء الاصطناعي

  • الذكاء الاصطناعي في هندسة المواد

تقييمات القراء

التقييمات هنا من القراء الذين يملكون الكتاب — عن طريق الشراء أو ضمن اشتراكهم.
4.2
★★★★☆
40 تقييم
5★
9
4★
31
3★
0
2★
0
1★
0