AudioVideo
EP31 - Ask Developer Hangout - Week 38 - Machine Learning With Tarek Amr
About this episode
في اللقاء الأسبوعي الثامن والثلاثين من AskDeveloper، يقدّم المهندس طارق عمرو مدخلاً عملياً إلى تعلّم الآلة وتنقيب البيانات، موضحاً كيف تتحول بيانات العملاء والسجلات والنصوص إلى تنبؤات وتوصيات قابلة للاستخدام. يناقش اللقاء أمثلة من أنظمة توصية الأفلام والمنتجات، وتحليل سلوك الشراء، والتصنيف، والتجميع، والانحدار، وقواعد الارتباط. كما يشرح الفرق بين التعلّم المُراقَب وغير المُراقَب، وأهمية اختيار الخصائص وتنظيف البيانات وتقسيمها إلى بيانات تدريب واختبار لتقييم النماذج. وتمتد المناقشة إلى معالجة اللغة الطبيعية، مثل وسم أجزاء الكلام وتحليل المشاعر والترجمة الآلية، مع استعراض أدوات عملية منها Weka وscikit-learn وNLTK وOrange وMahout.
Episode notes
• دور تنقيب البيانات وتعلّم الآلة في استخراج الأنماط من البيانات المتزايدة
• أمثلة على التوصيات وتخصيص المحتوى والإعلانات اعتماداً على سلوك المستخدم
• التصنيف: الخصائص، ووسم الفئة، وبناء نماذج لتوقع قرارات مثل الشراء
• خوارزميات التصنيف: أشجار القرار، والانحدار اللوجستي، وآلات المتجهات الداعمة، وKNN
• اختيار الخصائص وأوزانها وتأثير القيم الشاذة ومقياس المسافة
• الفرق بين التعلّم المُراقَب وغير المُراقَب، والتجميع باستخدام K-means والتجميع الهرمي
• الانحدار لتوقع القيم المستقبلية وقواعد الارتباط لاكتشاف العناصر التي تظهر معاً
• معالجة النصوص: التقسيم إلى كلمات، ووسم أجزاء الكلام، والتجذير، وتحليل المشاعر
• مراحل العمل على البيانات: الجمع والتنظيف واستخراج الخصائص والتقييم وتهيئة النشر
• أدوات ومكتبات للتطبيق العملي، منها Weka وscikit-learn وNLTK وOrange وMahout
http://tarekamr.com/slides/datascience