أرشيف المدونة

Malaria Disease Classification Prediction by Deep Learning

Malaria Disease Classification Prediction

by Deep Learning

Using Convolutional Neural Networks in Keras

and Tensorflow API

تطبيق ويب لتصنيف مرض الملاريا والتنبؤ بواسطة التعلم العميق

( الشبكات العصبية الالتفافية )

 

تم استخدام الصور الطبية  (medical images)في الكشف عن نوع مرض الملاريا ان كان الشخص مصابا به   ( Parasitized)او غير مصابا به   ( Uninfected)

 بأ ستخدام الذكاء الاصطناعي بتقية التعلم العميق ضمن مكتبة وواجهة Keras API بأستخدام خوازمية الشبكة العصبية الالتفاتية

 ( Convolutional Neural Networks  )

حيث تم استخدام   (dataset) من صور مرض الملاريا حيث تتكون مجموعة  البيانات من 27،588 صورة تنتمي إلى فئتين منفصلتين:

1. مصابة ( Parasitized ): مما يعني أن المنطقة تحتوي على الملاريا.

2. غير مصاب(Uninfected ): بمعنى أنه لا يوجد دليل على وجود الملاريا في المنطقة.

إن مجموعة بيانات الملاريا التي تم التدريب ضمن خوازميات التعلم العميق

لكيراس  ضمن الرابط هذا

بامكانك تنزيل ملف التدريب مع الموديل من هنا

 قناة اليوتيوب من هنا   

Car valuation Prediction System  by Machine Learning

Car valuation Prediction System

 by Machine Learning

نظام توقع تقييم السيارة بأستخدام التعلم الالي

يقوم هذا النظام وتطبيق الويب بمعرفة توقع وتقييم السيارة معتمدة على بعض المميزات لها لغرض تقييمها في الشراء على أساس تقييمها ضمن الدرجات التالية

( مقبولة او غير مقبولة او جيدة او جيدة جدا )

رابط التطبيق الويب من هنا

 

يمكن تنزيل الداتا سيت (DataSet)

وخصائص المميزات والتصنيف(Features & Class) من هنا

أو من هنا

بعد استخدام احد خوازميات التدريب من قبل مكتبة (sklearn) موديل

بتطبيق خوازمية شجرة القرار  DecisionTreeClassifier

رابط الموديل من هنا

خصائص المميزات كالاتي :-

Attribute Information:

Class Values: Target: unacc, acc, good, vgood

Attributes:

buying: vhigh, high, med, low.

 maint: vhigh, high, med, low.

doors: 2, 3, 4, 5more.

persons: 2, 4, more.

 lug_boot: small, med, big.

safety: low, med, high.

رابط الموديل من هنا

رابط ملف التدريب من هنا

 

 Identification of Iris Flower Species  Using Machine Learning

التعرف على أنواع أزهار  القزحية  بأستخدام التعلم الالي

 Identification of Iris Flower Species

 Using Machine Learning

رابط الموقع من هنا  

تطبيق ويب للتعرف على أنواع أزهار القزحية الايرس باستخدام التتعلم الالي … بعد تم تدريب بيانات لعدة انواع من زهرة الايرس  من حيث

  • sepal length

  • sepal width

  • petal length

  •  petal width

بامكانك الحصول على  الداتاسيت من هنا

https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv

لثلاثة انواع وهي :-

1-setosa  2-versicolor  3- virginica 

وباستخدام احد خوارزميات التعلم الالي وهي (DecisionTreeClassifier) بامكانك الاطلاع عليها من هنا ..

http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

 

تم تكوين نموذج بدقة لربط المميزات مع اسم الصنف لغرض التنبأ والتوقع عن ونوع الزهرة بعد معرفة المميزات اعلاه

وتكوين الموديل (model) باستخدام مكتبة pickle

من هنا … https://docs.python.org/3/library/pickle.html

ورابط الموديل من هنا

https://drive.google.com/open?id=10vEPJ6YPmEX1zFjxJMAzzxyT4KybQ-p0

 ورابط التدريب والتوقع والاختبار من هنا

 https://drive.google.com/open?id=1TfsgbOp8rp0KF5I6LZAsCj-Ps03sNufU

 

 

 

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.

 

 

 

 

 

 

%d مدونون معجبون بهذه: