Weka Tool for Machine Learning Course Guide

Weka Tool for Machine Learning Course Guide

الاداة ويكا ودليل كورس لتعلم اداة التعلم الالي

بدون أستخدام اي كود برمجي

بامكانك تنزيل الدليل من هنا machine_learning_mastery_with_weka_mini_course

حيث يتم في الدليل البسيط عرض 14 درس بسيط لاعداد والتدريب على هذه الاداة ..وهي اداة مفتوحة المصدر مجانية تمت برمجتها بلغة الجافا ..

بامكانك تنزيلها من هنا

تحتوي على بعض خوازميات التعلم الالي المألوفة وبعض نماذج التدريب لاهم البيانات مثل مرض السكري وغيرها والانتخابات الرأسية للولايات المتحدة الامريكية … واستخدام الإحصائيات لاختيار أفضل نموذج أداء للنمذجة التنبؤية الخاصة بك

 طبعا لاتحتاج الى كتابة الكود الرمجي بلغة البايثون او الماتلاب او غيرها من لغات البرمجة

اداة متكاملة ذات واجهات رسومية رائعة وبسيطة للباحثين والمبتدأين والدارسين وطلبة الدراسات العليا ….

نظرة عامة على الدورة التدريبية المصغرة (ما يمكن توقعه)

تنقسم هذه الدورة المصغرة إلى 14 جزءًا. تم تصميم كل درس ليأخذك حوالي 30 دقيقة قد تنتهي بعض الشيء في وقت أقرب ولآخرين قد تختار الذهاب إلى أعمق وأنفاق المزيد من الوقت . يمكنك إكمال كل جزء بالسرعة أو ببطء كما تريد. جدول مريح

قد يكون إكمال درس واحد يوميًا على مدار أسبوعين. ينصح به بشده.

 الموضوعات التي ستغطيها خلال الدروس الـ14 التالية هي كما يلي :

 

ˆ Lesson 01: Download and Install Weka.

 ˆ Lesson 02: Load Standard Machine Learning Datasets.

ˆ Lesson 03: Descriptive Stats and Visualization.

 ˆ Lesson 04: Rescale Your Data.

ˆ Lesson 05: Perform Feature Selection on Your Data.

 ˆ Lesson 06: Machine Learning Algorithms in Weka.

 ˆ Lesson 07: Estimate Model Performance.

ˆ Lesson 08: Baseline Performance On Your Data.

ˆ Lesson 09: Classification Algorithms.

ˆ Lesson 10: Regression Algorithms.

ˆ Lesson 11: Ensemble Algorithms.

 ˆ Lesson 12: Compare the Performance of Algorithms.

ˆ Lesson 13: Tune Algorithm Parameters.

ˆ Lesson 14: Save Your Model.

 

 

 

 

 

 

Advertisements

building machine learning system with python

كتاب بعنوان 

بناء أنظمة التعلم الالي مع لغة البايثون 

(Building Machine Learning Systems with Python )

الكتاب من هنا 

بناء أنظمة التعلم الالي بأستخدام لغة البرمجة البايثون

إتقان فن التعلم الالي  مع بايثون و بناء نظم التعلم الآلي الفعال مع هذا دليل عملي مكثف

ما يغطي هذا الكتاب……؟

الفصل الأول : البدء في تعلم آلة بلغة البرمجة البايثون ويقدم الفكرة الأساسية من التعلم الآلي مع مثال بسيط للغاية. الفصل الثاني : تعلم كيفية التصنيف مع أمثلة في العالم الحقيقي  ويوضح استخدام البيانات الحقيقية لمعرفة التصنيف ، حيث نقوم بتدريب جهاز كمبيوتر لتكون قادرة على التمييز بين فئات مختلفة من الزهور.

الفصل الثالث : تجميع – العثور على الوظائف ذات الصلة، يشرح مدى قوة نهج حقيبة الكلمات هو عندما نطبقها على العثور على وظائف مماثلة دون حقا فهمهم

 

الفصل الرابع : نمذجة الموضوع ، يأخذنا إلى ما بعد تعيين كل وظيفة إلى مجموعة واحدة

ويوضح لنا كيفية تعيينهم لعدة مواضيع كما يمكن أن يتعامل معها النص الحقيقي ضمن موضوعات متعددة.

الفصل الخامس : التصنيف – كشف الأجوبة الفقيرة ، يوضح كيفية استخدام الانحدار لمعرفة ما إذا كان إجابة المستخدم على سؤال جيد أم سيء. خلف المشاهد ، سوف نتعلم كيفية استخدام المفاضلة بين التباين والتحول إلى آلة التصحيح ضمن نماذج التعلم.

الفصل السادس : التصنيف الثاني – تحليل المشاعر ، يقدم كيف ناييف بايز يعمل ، وكيفية استخدامها لتصنيف التغريدات لمعرفة ما إذا كانت كذلك إيجابية أو سلبية.

الفصل السابع : الانحدار – التوصيات ، يناقش موضوعًا كلاسيكيًا في معالجة البيانات ، لكنها لا تزال ذات صلة اليوم. سوف نستخدمها لبناء توصية الأنظمة ، التي يمكن أن تأخذ مدخلات المستخدم حول ما يعجبه ويكره ويوصي منتجات جديدة.

الفصل الثامن : الانحدار – التوصيات تحسن ، ويحسن توصياتنا باستخدام طرق متعددة في وقت واحد. سنرى أيضًا كيفية بناء التوصيات فقط من بيانات التسوق دون الحاجة إلى بيانات التصنيف التي لا يفعلها المستخدمون تقدم دائما

الفصل التاسع : التصنيف الثالث – تصنيف الموسيقى ، يوضح كيف أن شخص ما لديه

جمعت مجموعتنا الموسيقية الضخمة ، ثم أملنا الوحيد لإنشاء أمر هو السماح

متعلم آلة تصنف أغانينا. سيظهر أنه من الأفضل في بعض الأحيان تثق في خبرة شخص آخر من خلق ميزات أنفسنا

الفصل العاشر : رؤية الكمبيوتر – التعرف على الأنماط ، يشرح كيفية تطبيق التصنيفات

في السياق المحدد للتعامل مع الصور ، وهو حقل يعرف باسم التعرف على الأنماط

 

الفصل 11 : تقليل الأبعاد ، يعلمنا ما هي الطرق الأخرى الموجودة التي يمكن أن تساعدنا في تقليل حجم البيانات بحيث تكون قابلة للمضخ  من خلال خوازميات التعلم الالي ..

 

يشرح الفصل 12 : بيانات كيف أن أحجام البيانات تزداد وأكبر هذا غالبا ما يصبح مشكلة للتحليل. في هذا الفصل ، نستكشف البعض النهج للتعامل مع أكبر من البيانات عن طريق الاستفادة من النواة المتعددة أومجموعات الحوسبة. لدينا أيضًا مقدمة لاستخدام الحوسبة السحابية

(باستخدام خدمات الويب في أمازون كموفر السحابة لدينا)

Building Machine Learning Systems with Python – Richert, Coelho

نظام تسجيل عدد كشف الاوجة مع الخادم السحابي ThingSpeak بأستخدام البايثون

نظام تسجيل عدد كشف الاوجة مع الخادم السحابي ThingSpeak بأستخدام البايثون

 

The Counter System For Faces Detection

with the Cloud Server ThingSpeak

Using Python

نظام كشف الاوجة وتسجيل عدد الاوجة في الخادم السحابي

لغرض معرفة عدد الاشخاص الذين مروا من نقطة المراقبة

او من خلال الكاميرا لمؤسسة ما .

وتحويل البيانات الى ملف اكسيل لغرض الدراسة والتحليل

والذي يحتوي على تاريخ ووقت وعدد الاوجة التي تم الكشف عنها ضمن النظام …

هنا تم استخدام الحاسبة الشخصية مع تطبيق بلغة البايثون

بامكاننا تحويل هذا المشروع الى المتحكم الالكتروني

الراسبيوري باي 3 لسرعته وتوافقه مع لغة البايثون واختزاله لبعض مكونات الحاسبة الشخصية برمجيا وماديا ..

 

Introduction to TensorFlow

Introduction to TensorFlow

مقدمة بسيطة يشرح فيها عن مكتبة الموتر tensorflow لشركة كوكلوماهي استخداماتها في حياتنا التعلم العميق مع TensorFlow غالبية البيانات في العالم هي غير مسجلة وغير منظمة. لا تستطيع الشبكات العصبية الضحلة بسهولة التقاط البنية ذات الصلة على سبيل المثال لصور والصوت والبيانات النصية. الشبكات العميقة قادرة على اكتشاف الهياكل المخفية في هذا النوع من البيانات.

في هذه سلسلة الفديو المترجمة الى اللغة العربية البسيطة وللمبتدأين والذين ليس لهم معرفة في TensorFlow ، وهي دورة قدمتها جامعة Big Data University ستستخدم مكتبة Google لتطبيق التعلم العميق لأنواع البيانات المختلفة لحل مشكلات العالم الحقيقي. وتتضمن هذه الدروس كالاتي :- Introduction to TensorFlow • HelloWorld with TensorFlow • Linear Regression • Nonlinear Regression • Logistic Regression • Activation Functions Convolutional Neural Networks (CNN) • CNN History • Understanding CNNs • CNN Application

%d مدونون معجبون بهذه: