مرحبًا بكم في هذا الفيديو المخصص لفهم أعماق
مادة "Machine Learning"، التي تعد أحد أساسيات المستوى الثالث في كلية الحاسبات والمعلومات.

لماذا يهمك هذا الموضوع؟
إذا كنت طالبًا في كلية الحاسبات والمعلومات أو تهتم بتعلم كيفية تطبيق تقنيات التعلم الآلي بشكل أفضل، ستحصل على فهم أعمق حول كيفية بناء النماذج وتحسين الأداء في برمجتك باستخدام خوارزميات التعلم الآلي.

انضم إلينا في رحلة التعلم:
لاتنسَ الاشتراك في القناة وتفعيل الجرس ليصلك كل جديد. نحن هنا لمساعدتك في تحقيق أهدافك الأكاديمية والتفوق في مادة التعلم الآلي.

روابط مفيدة:
Link of PDF
https://mega.nz/file/ZD8imSjQ#hGmquPzzDC_PbpQVVqZaLfH9SAi33JTetK4dk_jD170


Sources
https://slideplayer.com/slide/14475330/
https://slideplayer.com/slide/14176704/

انضم إلى مجتمعنا وشاركنا آراءك وتساؤلاتك في قسم التعليقات. نتطلع إلى مشاركتك في هذه الرحلة التعليمية!

في هذا الفيديو نتابع شرح سلسلة Data Preprocessing وهي المرحلة الأساسية قبل بناء أي نموذج Machine Learning.
في الجزء الثالث سنتعرف على كيفية معالجة واحدة من أكثر المشكلات شيوعًا في البيانات وهي القيم المفقودة (Missing Data).

سنتناول في هذا الدرس:

ما المقصود بالقيم المفقودة ولماذا تظهر؟

طرق مختلفة للتعامل مع Missing Data.

استخدام Imputation Techniques لملء القيم المفقودة.

أمثلة عملية توضح تأثير القيم المفقودة على دقة النماذج.

بعد مشاهدة هذا الفيديو، ستتعلم كيف تجعل بياناتك نظيفة وجاهزة للاستخدام في أي مشروع تعلم آلي باحترافية

#education #تعلم_البرمجة #كلية_الحاسبات #البرمجه_مع_الفقي_مفهومه #اكسبلور #البرمجه #MachineLearning #DataPreprocessing #AI #DataScience
#البرمجه_مع_الفقي_مفهومه
#تعلم_الآلة #تعلم_البرمجة #مادة_التعلم_الآلي #تقنية_المعلومات