تعلم الآلة

📚 محتوى الدورة – Machine Learning & Deep Learning

🔹 Machine Learning

•  أساسيات ومفاهيم Machine Learning

• Supervised Learning وتطبيقات Regression & Classification 

•  خوارزميات: Logistic Regression – Decision Trees – Random Forest – KNN – SVM

• Unsupervised Learning: K-Means – DBSCAN – PCA 
• Feature Engineering: Encoding – Scaling – Missing Values 

•  تقييم النماذج: Accuracy – Precision – Recall – F1 – ROC-AUC

• Overfitting & Underfitting – Cross Validation – Regularization

•  بناء Scikit-learn Pipelines
•  مشروع تطبيقي في Machine Learning 

🔹 Neural Networks & Deep Learning

•  أساسيات Neural Networks & Perceptron

• Activation Functions: ReLU – Sigmoid – Softmax – Tanh 
• Forward & Backpropagation – Gradient Descent

•  خوارزميات التحسين: SGD – Adam – RMSProp
•  بناء النماذج باستخدام TensorFlow / Keras

• Batch Size – Epochs – Learning Rate – Dropout – Batch Normalization

🔹 Computer Vision

• CNNs ومفاهيم Convolution & Pooling 

•  معماريات VGG & ResNet

• Transfer Learning & Fine-tuning
• YOLO وReal-Time Object Detection 

•  مشروع Image Classification

🔹 NLP & Advanced AI

•  أساسيات NLP – Tokenization – Embeddings

• RNNs & LSTMs والتعامل مع البيانات المتسلسلة 

•  مقدمة في Reinforcement Learning – Q-Learning – OpenAI Gym
•  مقدمة في Genetic Algorithms

🔹 Final Project

• Capstone Project لبناء ونشر نموذج Machine Learning أو Deep Learning.