النمذجة التنبؤية والتعلم الآلي

تستخدم هذه الدورة دراسات حالة وتمارين ومناقشة تفاعلية. تحتوي كل طريقة من طرق التعلم الآلي على دراسة حالة لدعمها ، إلى جانب مخرجات خطوة بخطوة تعمل بالتزامن مع تحليلها متعدد المراحل. في التقنيات المماثلة مثل SPSS و SAS و Statistica و Excel ، يتم وصف جميع الخوارزميات بلقطات شاشة متتالية.

 

  • تعرف على ما يعنيه التعلم الآلي حقًا.
  • فهم الفروق الرئيسية بين التعلم الآلي وتحليل البيانات.
  • دمج الاختبار والتحقق من صحة العينة في نماذج التعلم الآلي
  • يرجى تقديم ملخص لأهم الحلول التحليلية.
  • تطبيق تقدير دقيق باستخدام نماذج تنبؤ شاملة.

 

سيكون هذا التدريب مفيدًا لأي مستوى من المهنيين المهتمين بالكيفية التي يمكن أن يساعد بها التعلم الآلي مؤسستهم. يشمل هؤلاء خبراء من مجموعة متنوعة من المجالات ، مثل التمويل والتأمين وتجارة التجزئة والحكومة والتصنيع والرعاية الصحية والاتصالات والطيران ، من بين أمور أخرى.

 

  • يتم فحص وسائل ونسب مجموعتين
  • استخدام مخطط واحد لتشكيل مجموعتين
  • مقارنة متوسطات ونسب عدة تجمعات
  • الجمع بين العديد من ملفات تعريف المجموعة في مخطط واحد
  • انحدار سهل
  • الانحدار مقابل الارتباط
  • تقييم حساسية المتغيرات العددية

 

  • مقدمة التعلم الآلي
  • منطق النسب المتدرجة
  • مقارنة الانحدار: متعدد مقابل بسيط
  • تقدير تحليل التباين
  • متغيرات وهمية
  • الانحدار اللوجستي والمتعدد: أوجه التشابه والتفاوت
  • تقليل تعقيد النماذج
  • الانحدار بخطوات

 

  • التنميط المحسن
  • الوظيفة التمييزية لمجموعتين
  • احالة القضايا
  • تقييم النموذج
  • وظائف التصنيف
  • مسافات ماهالانوبيس المربعة
  • نهج احتمالي
  • تخفيض النموذج
  • تحليل التمييز المشترك

 

  • كيف تعمل أشجار القرار؟
  • أشجار بورلاند
  • صفات شجرة القرار
  • إرشادات الحكمة
  • شجرة التصنيف (CART)
  • شجرة الانحدار CART
  • شجرة CHAID
  • شجرة غابة غير متوقعة

  • شروط الاحتمالات
  • التنبؤ الاحتمالي
  • المسافة بين الجيران
  • K- مسافات الجيران الأقرب منك
  • الأوزان في نموذج الشبكة العصبية
  • تلعب الطبقات المخفية دورًا
  • مزايا وعيوب الشبكات العصبية
  • تعلم عميق
  • مقدمة في البيانات الضخمة

 

الدورات ذات الصلة