30 KiB
🌐 دعم متعدد اللغات
مدعوم عبر GitHub Action (تلقائي ومحدث دائمًا)
French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)
انضم إلى المجتمع
تعلم الآلة للمبتدئين - منهج دراسي
🌍 سافر حول العالم بينما نستكشف تعلم الآلة من خلال ثقافات العالم 🌍
يسر دعاة السحابة في Microsoft تقديم منهج دراسي لمدة 12 أسبوعًا و26 درسًا حول تعلم الآلة. في هذا المنهج، ستتعلم ما يُطلق عليه أحيانًا تعلم الآلة الكلاسيكي، باستخدام مكتبة Scikit-learn بشكل أساسي وتجنب التعلم العميق، الذي يتم تغطيته في منهج الذكاء الاصطناعي للمبتدئين. قم بإقران هذه الدروس مع منهج علم البيانات للمبتدئين أيضًا!
سافر معنا حول العالم بينما نطبق هذه التقنيات الكلاسيكية على بيانات من مناطق مختلفة من العالم. يتضمن كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، حل، مهمة، والمزيد. تسمح لك منهجيتنا القائمة على المشاريع بالتعلم أثناء البناء، وهي طريقة مثبتة لجعل المهارات الجديدة "تلتصق".
✍️ شكر جزيل لمؤلفينا Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu و Amy Boyd
🎨 شكر أيضًا لرسامينا Tomomi Imura, Dasani Madipalli, و Jen Looper
🙏 شكر خاص 🙏 لمؤلفي ومراجعي ومساهمي المحتوى من سفراء الطلاب في Microsoft، وخاصة Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila، و Snigdha Agarwal
🤩 شكر إضافي لسفراء الطلاب في Microsoft Eric Wanjau, Jasleen Sondhi، و Vidushi Gupta لدروس R الخاصة بنا!
البدء
اتبع هذه الخطوات:
- قم بعمل Fork للمستودع: انقر على زر "Fork" في الزاوية العلوية اليمنى من هذه الصفحة.
- قم باستنساخ المستودع:
git clone https://github.com/microsoft/ML-For-Beginners.git
اعثر على جميع الموارد الإضافية لهذا الدورة في مجموعة Microsoft Learn الخاصة بنا
الطلاب، لاستخدام هذا المنهج، قم بعمل Fork للمستودع بالكامل إلى حساب GitHub الخاص بك وأكمل التمارين بمفردك أو مع مجموعة:
- ابدأ باختبار ما قبل المحاضرة.
- اقرأ المحاضرة وأكمل الأنشطة، مع التوقف والتفكير عند كل نقطة تحقق من المعرفة.
- حاول إنشاء المشاريع من خلال فهم الدروس بدلاً من تشغيل كود الحل؛ ومع ذلك، يتوفر هذا الكود في مجلدات
/solutionفي كل درس قائم على المشروع. - قم بإجراء اختبار ما بعد المحاضرة.
- أكمل التحدي.
- أكمل المهمة.
- بعد إكمال مجموعة الدروس، قم بزيارة لوحة المناقشة و"تعلم بصوت عالٍ" من خلال ملء نموذج PAT المناسب. PAT هو أداة تقييم تقدم وهي نموذج تقوم بملئه لتعزيز تعلمك. يمكنك أيضًا التفاعل مع نماذج PAT الأخرى حتى نتعلم معًا.
لمزيد من الدراسة، نوصي باتباع هذه وحدات ومسارات التعلم من Microsoft Learn.
المعلمون، لقد قمنا بتضمين بعض الاقتراحات حول كيفية استخدام هذا المنهج.
فيديوهات توضيحية
بعض الدروس متوفرة كفيديوهات قصيرة. يمكنك العثور على جميع هذه الفيديوهات داخل الدروس، أو على قائمة تشغيل تعلم الآلة للمبتدئين على قناة Microsoft Developer على YouTube بالنقر على الصورة أدناه.
تعرف على الفريق
Gif بواسطة Mohit Jaisal
🎥 انقر على الصورة أعلاه لمشاهدة فيديو عن المشروع والأشخاص الذين أنشأوه!
منهجية التعليم
لقد اخترنا مبدأين تعليميين أثناء بناء هذا المنهج: التأكد من أنه عملي قائم على المشاريع وأنه يتضمن اختبارات متكررة. بالإضافة إلى ذلك، يحتوي هذا المنهج على موضوع مشترك يمنحه التماسك.
من خلال ضمان توافق المحتوى مع المشاريع، تصبح العملية أكثر جاذبية للطلاب ويتم تعزيز الاحتفاظ بالمفاهيم. بالإضافة إلى ذلك، يحدد الاختبار منخفض المخاطر قبل الفصل نية الطالب نحو تعلم موضوع معين، بينما يضمن الاختبار الثاني بعد الفصل تعزيز الاحتفاظ. تم تصميم هذا المنهج ليكون مرنًا وممتعًا ويمكن أخذه بالكامل أو جزئيًا. تبدأ المشاريع صغيرة وتصبح أكثر تعقيدًا بحلول نهاية الدورة التي تستغرق 12 أسبوعًا. يتضمن هذا المنهج أيضًا ملحقًا حول التطبيقات الواقعية لتعلم الآلة، والذي يمكن استخدامه كائتمان إضافي أو كأساس للنقاش.
اعثر على مدونة قواعد السلوك، المساهمة، وإرشادات الترجمة. نرحب بملاحظاتك البناءة!
يتضمن كل درس
- رسم تخطيطي اختياري
- فيديو إضافي اختياري
- فيديو توضيحي (بعض الدروس فقط)
- اختبار تمهيدي قبل المحاضرة
- درس مكتوب
- بالنسبة للدروس القائمة على المشاريع، إرشادات خطوة بخطوة حول كيفية بناء المشروع
- نقاط تحقق من المعرفة
- تحدي
- قراءة إضافية
- مهمة
- اختبار بعد المحاضرة
ملاحظة حول اللغات: هذه الدروس مكتوبة بشكل أساسي بلغة Python، ولكن العديد منها متوفر أيضًا بلغة R. لإكمال درس بلغة R، انتقل إلى مجلد
/solutionوابحث عن دروس R. تتضمن امتداد .rmd الذي يمثل ملف R Markdown والذي يمكن تعريفه ببساطة على أنه تضمين لـكتل الكود(بلغة R أو لغات أخرى) ورأس YAML(الذي يوجه كيفية تنسيق المخرجات مثل PDF) في مستندMarkdown. وبالتالي، فإنه يعمل كإطار عمل تأليفي مثالي لعلم البيانات لأنه يسمح لك بدمج الكود الخاص بك، ومخرجاته، وأفكارك من خلال السماح لك بكتابتها في Markdown. علاوة على ذلك، يمكن عرض مستندات R Markdown بتنسيقات إخراج مثل PDF أو HTML أو Word.
ملاحظة حول الاختبارات: جميع الاختبارات موجودة في مجلد تطبيق الاختبار، بإجمالي 52 اختبارًا يحتوي كل منها على ثلاثة أسئلة. يتم ربطها من داخل الدروس ولكن يمكن تشغيل تطبيق الاختبار محليًا؛ اتبع التعليمات في مجلد
quiz-appلاستضافة التطبيق محليًا أو نشره على Azure.
| رقم الدرس | الموضوع | مجموعة الدروس | أهداف التعلم | الدرس المرتبط | المؤلف |
|---|---|---|---|---|---|
| 01 | مقدمة في تعلم الآلة | المقدمة | تعلم المفاهيم الأساسية وراء تعلم الآلة | الدرس | محمد |
| 02 | تاريخ تعلم الآلة | المقدمة | تعلم التاريخ الذي يقوم عليه هذا المجال | الدرس | جين وأيمي |
| 03 | الإنصاف وتعلم الآلة | المقدمة | ما هي القضايا الفلسفية المهمة حول الإنصاف التي يجب أن يأخذها الطلاب في الاعتبار عند بناء وتطبيق نماذج تعلم الآلة؟ | الدرس | تومومي |
| 04 | تقنيات تعلم الآلة | المقدمة | ما هي التقنيات التي يستخدمها الباحثون في تعلم الآلة لبناء نماذج تعلم الآلة؟ | الدرس | كريس وجين |
| 05 | مقدمة في الانحدار | Regression | ابدأ باستخدام Python و Scikit-learn لنماذج الانحدار |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- جين
- إريك وانجاو
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- جين
- إريك وانجاو
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- جين وديمتري
- إريك وانجاو
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- جين
- إريك وانجاو
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- جين وكاسي
- إريك وانجاو
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- جين وكاسي
- إريك وانجاو
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- جين وكاسي
- إريك وانجاو
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- جين
- إريك وانجاو
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- جين
- إريك وانجاو
اعثر على جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا
الوصول دون اتصال
يمكنك تشغيل هذا التوثيق دون اتصال باستخدام Docsify. قم بعمل Fork لهذا المستودع، قم بتثبيت Docsify على جهازك المحلي، ثم في المجلد الجذري لهذا المستودع، اكتب
docsify serve. سيتم تشغيل الموقع على المنفذ 3000 على localhost الخاص بك:localhost:3000.ملفات PDF
اعثر على ملف PDF للمناهج مع الروابط هنا.
🎒 دورات أخرى
فريقنا يقدم دورات أخرى! تحقق من:
- الذكاء الاصطناعي التوليدي للمبتدئين
- الذكاء الاصطناعي التوليدي للمبتدئين .NET
- الذكاء الاصطناعي التوليدي باستخدام JavaScript
- الذكاء الاصطناعي التوليدي باستخدام Java
- الذكاء الاصطناعي للمبتدئين
- علم البيانات للمبتدئين
- تعلم الآلة للمبتدئين
- الأمن السيبراني للمبتدئين
- تطوير الويب للمبتدئين
- إنترنت الأشياء للمبتدئين
- تطوير الواقع الممتد للمبتدئين
- إتقان GitHub Copilot للبرمجة الزوجية
- إتقان GitHub Copilot لمطوري C#/.NET
- اختر مغامرتك الخاصة مع Copilot
إخلاء المسؤولية:
تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي Co-op Translator. بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.