صُمم هذا المسار المتقدم الممتد على مدار سبعة أسابيع للمهندسين والمتخصصين في البيانات الراغبين في تجاوز مجرد استخدام النماذج الجاهزة وفهم هندسة تعلم الآلة من جذورها. من المعالجة الدقيقة للبيانات إلى تدريب الخوارزميات وتقييمها وتحسين أدائها، ستبنون نماذج تنبؤية متينة وقابلة للاعتماد المؤسسي.
ما الذي ستستفيده
- الخوارزميات الخاضعة وغير الخاضعة للإشراف
- تقييم النماذج وتفادي فرط التخصيص والتحسين
- مشروع تطبيقي متكامل مع شهادة تخرج معتمدة
النتائج المستهدفة
- فهم العائلات الخوارزمية الكبرى للتعلم الآلي
- تدريب وتقييم وتحسين دقة النماذج التنبؤية
- اختيار المنهجية الخوارزمية المثلى حسب طبيعة المشكلة
- إنجاز مشروع تعلم آلي متكامل من البيانات إلى النتائج
المتطلبات المسبقة
- أساسيات البرمجة والرياضيات. معرفة بايثون ميزة مستحسنة.
البرنامج المفصل
مسار أكاديمي وتطبيقي معمق على مدار 7 أسابيع في التعلم الآلي:
- الأسبوع 1 — الرياضيات والإحصاء وأسس معالجة البيانات.
- الأسبوع 2 — مدخل إلى التعلم الآلي وصياغة الإشكاليات البرمجية.
- الأسبوع 3 — التعلم الموجّه: نماذج الانحدار والتوقع الرياضي.
- الأسبوع 4 — التعلم الموجّه: خوارزميات التصنيف وتقييم النماذج.
- الأسبوع 5 — التعلم غير الموجّه: التجميع (Clustering) وخفض الأبعاد.
- الأسبوع 6 — قواعد الارتباط واستكشاف الأنماط.
- الأسبوع 7 — أسبوع التقييم والمناقشة ومراجعة المشروع.
حالات الاستخدام الهندسية
مشاريع تطبيقية متكاملة:
- نموذج توقع أعمال تنبؤي مدرب على بيانات حقيقية
- محرك تقسيم الزبائن والتنبؤ بمغادرة العملاء (Churn Prediction)
- مشروع تعلم آلي متكامل تم إنجازه وعرضه أمام لجنة الخبراء
المخرجات والوحدات الموازية
المخرج العملي: شهادة معتمدة من AI HUB + مشروع تعلم آلي متكامل.
الوحدات الموازية: الأخلاقيات الخوارزمية وقانون الذكاء الاصطناعي.
AE
المؤطر
Abdelamine Elouafi
Machine Learning & Deep Learning Specialist
صُمم هذا التكوين لتحويل الفهم بسرعة إلى قدرة على التنفيذ، بصيغة واضحة وعملية وقابلة للتطبيق مباشرة.
ON
مؤطر الدعم
Otman Nouri
Data Science & MLOps Lead
يشارك هذا المؤطر في تقديم ومواكبة الحصص لضمان المتابعة الفردية لكل مشارك.
