AI216

الماشين ليرنينج شروحات ومراجعات

14 موضوع في الماشين ليرنينج (AI216) بشرح مبسط وأسئلة تدريب. مجاني على بصمجلي.

الماشين ليرنينج (AI216)

Lecture 1: Introduction

Lecture 3: Classification

  • الـ Confusion Matrix والـ Precision والـ Recall والـ F1 Score
    الـ confusion matrix بتعد التوقعات الصح والغلط لكل class، والـ precision والـ recall والـ F1 بيتحسبوا من الـ true/false positives وnegatives.
  • شرح الـ ROC Curve والـ AUC
    الـ ROC curve بترسم الـ true positive rate (recall) ضد الـ false positive rate عند كل threshold، والمساحة تحتها (AUC) بتلخص جودة الـ classifier في رقم واحد.
  • الـ K-Fold والـ Stratified K-Fold Cross-Validation
    الـ K-fold cross-validation بيقسم الـ training set لـ K فولدز، بيدرّب على K-1 ويقيّم على الفولد الباقي، ويكرر K مرة عشان كل فولد يتقيّم مرة.
  • الـ Multiclass Classification: One-versus-One و One-versus-Rest
    الـ multiclass classification بيحط الـ instance في واحد من أكتر من فئتين، وبنقدر نستخدم binary classifiers بأسلوب one-versus-rest (OvR/OvA) أو one-versus-one (OvO).
  • شرح داتا MNIST والـ SGDClassifier
    الـ MNIST مجموعة 70,000 صورة صغيرة لأرقام مكتوبة بخط اليد، كل صورة 28 × 28 بكسل (784 feature)، وهي داتا قياسية أولى للـ classification. والـ SGDClassifier هو binary classifier بسيط بيتدرب بالـ stochastic gradient descent.

Lecture 4: Training Models

Lecture 2: End-to-End Project

وضع المذاكرة اختبار بمؤقّت

بصمجلي مشروع طلابي مستقل، مش موقع رسمي لجامعة الدلتا. ارجع لمحاضراتك ودكتورك دايمًا.