في الأسبوع الماضي حصلت علي شهادة و كورس مجاني متخصص في علوم البيانات و تقنيات الذكاء الاصطناعي Data science and artificial intelligence techniques .مقدم من مبادرة الملكة رانيا إدراك للتعليم الإلكتروني المفتوح بالشراكة مع برنامج developer circles العبقري المقدم من شركة فيسبوك ..أنصح كل من هو مهتم بعلوم الحاسب عدم تفويته لأنه باختصار يضعك على بوابة علم المستقبل علم البيانات و تكنولوجيات الذكاء الاصطناعي Data science and artificial intelligence techniques
أهم ما في الكورس أنه يقدم بلغة عربية سهلة و سلسة تقرب مفاهيم هذا العلم الجديد بلغة بسيطة للمهتمين في مجتماعتنا العربية .
كما أن من أهم ما يميز الكورس أن من يقدمه هي الدكتورة غيدا ابراهيم – عالمة البيانات بفيسبوك – وهي عالمة بيانات عربية من أصل لبناني لها خبرة طويلة في علوم البيانات تشرح جوانب و ملخصات و أحدث ما توصلت له تكنولوجيا الذكاء الاصطناعي ببساطة و سهولة و تقربها بلغة سهلة رغم تعقيد هذا العلم و تشعبه
حقيقة الكورس يحتوي على معلومات هامة و دسمة عن مجال الذكاء الاصطناعي و لا شك أن أي شخص مهتم بمجال تقنيات المعلومات يجب عليه أن يحصل على هذا الكورس خاصة إن كان يخطط للعمل في مجال البرمجيات أو معالجة البيانات أو تكنولوجيات الذكاء الاصطناعي التي باتت جزء أساسي من جميع أنشطة البشر .
ستخرج من هذا الكورس و قد فهمت بدقة معنى علم البيانات و التعلم الآلي و التعلم الآلي العميق و أشهر تقنيات الذكاء الاصطناعي و أشهر المصطلحات المستخدمة في المجال مع شرح جيد لتطبيقات عملية باستخدام لغة البايثون و مكتباتها العبقرية في تنظيم و تنظيم و تحليل و التنبؤ بالبيانات و شرح مجمل لاهم التقنيات و المكتبات التي تستخدم في بناء تطبيقات الذكاء الاصناعي
ستدرس في الكورس ( كيف تصنع نموذج تعلم آلي Machine learning model – لعمل برنامج قادر على إعطاء نتائج تنبؤية دقيقة لأي في مجال ما ..كالتنبؤ بتحليل صور الأورام و تقسيمها إلى الخبيثة و الحميدة بناء على صفاتها . التنبؤ بحركة أسعار اسهم البورصة – درجات الحرارة المتوقعة – التنبؤ باسعار العقارات بناء على مواصفاتها ..إلخ )
ستتعلم أهم المعادلات الإحصائية و التحليلية لبناء نماذج التعلم الألي و معالجات البيانات الوصفية و التنبؤية مثل ( مكتبات لتحويل البيانات الغير منظمة إلى بيانات منظمة مثل تقنية On Hot coding – مكتبات لتنظيف البيانات و التخلص من البيانات الشاذة و الغير مفيدة – مكتبات و API Data Service للحصول على حجم بيانات ضخم لتجربة إجراء التحليلات و الإحصاءات عليها )
سيتم تعليمك أسس Gradient descent الإحصائية لتنبؤ بأوزان الميزات النسبية في أي معادلة ذكاء اصطناعي
يعني التنبوء مثلا بقيمة المعامل المؤثر بين مساحة الشقة و سعرها بناء على تحليل آلاف من البيانات الفعلية للبيع و الشراء في مدينة معينة
و تعتبر طريقة Gradient descent هي أبسط و أهم طرق تقنيات الذكاء الاصناعي و المعادلات الإحصائية التنبؤية الأساسية للوصول على معامل متوقع منطقي في بناء برمجيات الذكاء الاصطناعي التنبؤية .و سيتم شرح فكرتها ببساطة مع عرض المكتبات الجاهزة في لغة بايثون Python التي تقوم بتطبيق هذه المعادلة و لكن بطريقة أكثر تعقيدا على حجم بيانات ضخمة
ستتعرف أنواع ال Gradient descent مثل batch gradient descent و mini-batch gradient descent و
Stochastic gradient descent و ما هي أفضل طريقة و أمثلها لاستخراج أوزان المعاملات مع استغلال أمثل للموارد الحاسوبية المستخدمة في عملية التحليل.
ستتعلم كذلك تقنيات هامة مستخدمة في علم الذكاء الاصطناعي مثل تقنية logistic regression وهي من أهم أدوات التحليل التنبؤي predictive analysis لعلاج مشكلة التصنيف لمجموعة من البيانات و معرفة الأوزان المثلى لعوامل معينة تؤثر على النتيجة مثل
كيف يتغير احتمال الإصابة بسرطان الرئة (نعم مقابل لا) لكل كيلو إضافي في زيادة وزن الشخص ولكل علبة سجائر يتم تدخينها يوميًا؟
هل يؤثر وزن الجسم وتناول السعرات الحرارية وتناول الدهون والعمر على احتمال الإصابة بنوبة قلبية (نعم مقابل لا)؟
بهذة التقنية العبقرية يمكن الإجابة على هذه الأسئلة بسهولة بناء على بيانات تدريب ضخمة يمكن أن نغذيها لبرنامج يستعمل هذه المعادلة الهامة .
ستفهم تقنية مثل تقنية Decision tree و Random Forest شجرة القرارات أو غابة القرارات وهي أحد تقنيات التعلم الآلي لتنبؤ بنتائج شيء معين يتم دراسته …مثلا في علم الفلك ما هي أقرب الكواكب حولنا قد تحتوي على حياة …يمكن عرض نظام شجرة القرارت على بيانات مستهلكين من حيث ( العمر – المستوى الدراسي – المستوى المادي ) و بناء شجرة قرارات لمعرفة أي الفئات يمكنها شراء منتج معين .إلخ فيمكن التنبؤ بكل ميزة نسبية و بالتالي الوصول لفئات أرجح لشراء المنتج .
ستفهم أن هناك طرق كثيرة لتقنيات الذكاء الاصطناعي كل تقنية تكون الأمثل في الاستخدام في حالة حجم بيانات معينة و طبيعة مشكلة معينة نواجها فالتنبؤ بسعر سهم في البورصة أو بدرجة الحرارة اليوم مشكلة Regression – و ليست مشكلة Classification يعني تحتاج لتنبوء رقمي نحتاج لاستخدام طريقة Regression
ربما المصطلحة صعبة و لكن حين تقوم بالاطلاع على الكورس و فهمها ستجدها بسيطة جدا
ستفهم مشكلة Overfitting – Underfitting و هي طريقة للوصول لعدد الميزات الأمثل للتنبؤ بقيمة متغير معين
مثلا سعر الشقة يؤثر فيه ( المساحة – عدد الغرف – الموقع – ارتفاع الدور – عمر المبني ) إلخ لكن لا يؤثر فيه مثلا عمر المالك فتلك الميزة يجب حذفها و كذلك لا يجب اغفال ميزة مثل ( نوع التشطيب )
ستستخدم مثلا طريقة تسمى regularization للتغلب على مشكلة Overfitting و هي كثرة الميزات غير المؤثرة و ما هي أفضل المكتبات البرمجية المستخدمة في عملية regularization للبيانات
