100 Days Of ML Code
1.0.0
100 يوم من برمجة التعلم الآلي كما اقترحها سراج رافال
احصل على مجموعات البيانات من هنا
تحقق من الكود من هنا.
تحقق من الكود من هنا.
تحقق من الكود من هنا.
وبالانتقال إلى #100DaysOfMLCode اليوم، تعمقت في العمق الأعمق لما هو الانحدار اللوجستي في الواقع وما هي الرياضيات التي تكمن وراءه. تعلمت كيفية حساب دالة التكلفة ثم كيفية تطبيق خوارزمية النسب المتدرج على دالة التكلفة لتقليل الخطأ في التنبؤ.
نظرًا لقلة الوقت، سأقوم الآن بنشر مخطط معلوماتي في أيام بديلة. أيضًا إذا أراد شخص ما مساعدتي في توثيق التعليمات البرمجية ولديه بالفعل بعض الخبرة في هذا المجال ويعرف Markdown for github، فيرجى الاتصال بي على LinkedIn :).
تحقق من الكود هنا
#100DaysOfMLCode لمسح رؤيتي حول الانحدار اللوجستي، كنت أبحث على الإنترنت عن بعض الموارد أو المقالات وعثرت على هذه المقالة (https://towardsdatascience.com/logging-regression-detailed-overview-46c4da4303bc) بقلم Saishruthi Swaminathan.
ويعطي وصفا تفصيليا للانحدار اللوجستي. هل التحقق من ذلك.
حصلت على فكرة عن ماهية SVM وكيفية استخدامها لحل مشكلة التصنيف.
تعرف على المزيد حول كيفية عمل SVM وتنفيذ خوارزمية K-NN.
تم تنفيذ خوارزمية K-NN للتصنيف. #100DaysOfMLCode Support Vector Infographic اكتمل نصف الطريق. سيتم تحديثه غدا.
استمرارًا لـ #100DaysOfMLCode اليوم، مررت بمصنف Naive Bayes. أقوم أيضًا بتنفيذ SVM في بيثون باستخدام scikit-learn. سيتم تحديث الكود قريبا.
لقد قمت اليوم بتطبيق SVM على البيانات ذات الصلة خطيًا. مكتبة Scikit-Learn المستخدمة. في Scikit-Learn لدينا مصنف SVC الذي نستخدمه لتحقيق هذه المهمة. سيتم استخدام خدعة kernel في التنفيذ التالي. تحقق من الرمز هنا.
تعرفت على أنواع مختلفة من مصنفات ساذجة بايز. كما بدأت محاضرات بلومبرج. أول واحد في قائمة التشغيل كان Black Box Machine Learning. إنه يعطي نظرة عامة كاملة حول وظائف التنبؤ، واستخراج الميزات، وخوارزميات التعلم، وتقييم الأداء، والتحقق من الصحة، وانحياز العينة، وعدم الاستقرار، والتركيب الزائد، وضبط المعلمات الفائقة.
باستخدام مكتبة Scikit-Learn، تم تنفيذ خوارزمية SVM جنبًا إلى جنب مع وظيفة kernel التي تقوم بتعيين نقاط البيانات الخاصة بنا إلى بُعد أعلى للعثور على المستوى الفائق الأمثل.
أكمل الأسبوع الأول والأسبوع الثاني بأكمله في يوم واحد. تعلم الانحدار اللوجستي كشبكة عصبية.
أكمل الدورة الأولى من تخصص التعلم العميق. تم تنفيذ شبكة عصبية في بايثون.
بدأت المحاضرة 1 من 18 من دورة التعلم الآلي بمعهد كاليفورنيا للتكنولوجيا - CS 156 للأستاذ ياسر أبو مصطفى. لقد كانت في الأساس مقدمة للمحاضرات القادمة. كما شرح خوارزمية بيرسبترون.
أكملت الأسبوع الأول من تحسين الشبكات العصبية العميقة: ضبط المعلمات الفائقة والتنظيم والتحسين.
شاهدت بعض البرامج التعليمية حول كيفية إجراء تجريف الويب باستخدام Beautiful Soup من أجل جمع البيانات لبناء نموذج.
المحاضرة 2 من 18 من دورة التعلم الآلي في معهد كاليفورنيا للتكنولوجيا - CS 156 للأستاذ ياسر أبو مصطفى. تعلمت عن عدم المساواة Hoeffding.
قدم الفصل 3 من دورة Bloomberg ML بعض المفاهيم الأساسية مثل مساحة الإدخال، ومساحة العمل، ومساحة النتائج، ووظائف التنبؤ، ووظائف الخسارة، ومساحات الفرضيات.
تحقق من الرمز هنا.
وجدت قناة رائعة على اليوتيوب 3Blue1Brown. يحتوي على قائمة تشغيل تسمى جوهر الجبر الخطي. بدأت بإكمال 4 مقاطع فيديو قدمت نظرة عامة كاملة عن المتجهات، والتركيبات الخطية، والامتدادات، والمتجهات الأساسية، والتحويلات الخطية، وضرب المصفوفات.
رابط إلى قائمة التشغيل هنا.
الاستمرار في قائمة التشغيل المكتملة لمقاطع الفيديو الأربعة التالية التي تناقش موضوعات التحولات ثلاثية الأبعاد، والمحددات، والمصفوفة العكسية، ومساحة العمود، والمساحة الخالية، والمصفوفات غير المربعة.
رابط إلى قائمة التشغيل هنا.
في قائمة التشغيل الخاصة بـ 3Blue1Brown، أكملت 3 مقاطع فيديو أخرى عن جوهر الجبر الخطي. المواضيع التي تم تناولها كانت Dot Product و Cross Product.
رابط إلى قائمة التشغيل هنا.
أكملت قائمة التشغيل بأكملها اليوم، مقاطع الفيديو 12-14. إنها حقًا قائمة تشغيل مذهلة لتحديث مفاهيم الجبر الخطي. المواضيع التي تم تناولها كانت تغيير الأساس، والمتجهات الذاتية والقيم الذاتية، ومساحات المتجهات المجردة.
رابط إلى قائمة التشغيل هنا.
إكمال قائمة التشغيل - Essence of Linear Algebra بواسطة 3blue1brown، وهو اقتراح ظهر على اليوتيوب بخصوص سلسلة من مقاطع الفيديو مرة أخرى على نفس القناة 3Blue1Brown. نظرًا لأنني معجب بالفعل بالسلسلة السابقة حول الجبر الخطي، فقد انغمست فيها مباشرة. أكملت حوالي 5 مقاطع فيديو حول مواضيع مثل المشتقات وقاعدة السلسلة وقاعدة المنتج ومشتقات الأسية.
رابط إلى قائمة التشغيل هنا.
شاهدت مقطعي فيديو حول موضوع التمايز الضمني والحدود من قائمة التشغيل Essence of Calculus.
رابط إلى قائمة التشغيل هنا.
شاهدت مقاطع الفيديو الأربعة المتبقية التي تتناول موضوعات مثل التكامل والمشتقات ذات الترتيب العالي.
رابط إلى قائمة التشغيل هنا.
تحقق من الرمز هنا.
فيديو مذهل عن الشبكات العصبية بواسطة قناة 3Blue1Brown على اليوتيوب. يقدم هذا الفيديو فهمًا جيدًا للشبكات العصبية ويستخدم مجموعة بيانات رقمية مكتوبة بخط اليد لشرح المفهوم. رابط إلى الفيديو.
الجزء الثاني من الشبكات العصبية بواسطة قناة 3Blue1Brown على اليوتيوب. يشرح هذا الفيديو مفاهيم النزول المتدرج بطريقة مثيرة للاهتمام. 169 يجب مشاهدته وموصى به للغاية. رابط إلى الفيديو.
الجزء الثالث من الشبكات العصبية بواسطة قناة 3Blue1Brown على اليوتيوب. يناقش هذا الفيديو في الغالب المشتقات الجزئية والانتشار العكسي. رابط إلى الفيديو.
الجزء الرابع من الشبكات العصبية بواسطة قناة 3Blue1Brown على اليوتيوب. الهدف هنا هو تمثيل، بعبارات أكثر رسمية إلى حد ما، الحدس حول كيفية عمل الانتشار العكسي ويناقش الفيديو بشكل رئيسي المشتقات الجزئية والانتشار العكسي. رابط إلى الفيديو.
رابط إلى الفيديو.
رابط إلى الفيديو.
رابط إلى الفيديو.
رابط إلى الفيديو.
انتقل إلى التعلم غير الخاضع للرقابة ودرس حول التجميع. أثناء العمل على موقع الويب الخاص بي، تحقق من ذلك avikjain.me عثرت أيضًا على رسم متحرك رائع يمكن أن يساعد في فهم K بسهولة - يعني رابط التجميع
تم تنفيذ K يعني التجميع. تحقق من الرمز هنا.
حصلت على كتاب جديد "Python Data Science Handbook" من تأليف JK VanderPlas تحقق من دفاتر ملاحظات Jupyter هنا.
بدأت بالفصل 2: مقدمة إلى Numpy. موضوعات مغطاة مثل أنواع البيانات ومصفوفات Numpy والحسابات على صفائف Numpy.
تحقق من الرمز -
مقدمة إلى NumPy
فهم أنواع البيانات في بايثون
أساسيات مصفوفات NumPy
الحساب على صفائف NumPy: وظائف عالمية
الفصل الثاني: التجميعات والمقارنات والإذاعة
رابط للمفكرة:
التجميعات: الحد الأدنى والحد الأقصى وكل شيء بينهما
الحساب على المصفوفات: البث
المقارنات والأقنعة والمنطق المنطقي
الفصل الثاني: الفهرسة الفاخرة، فرز المصفوفات، البيانات المهيكلة
رابط للمفكرة:
الفهرسة الهوى
فرز المصفوفات
البيانات المنظمة: مصفوفات NumPy المنظمة
الفصل الثالث: معالجة البيانات باستخدام الباندا
غطى موضوعات مختلفة مثل كائنات الباندا، وفهرسة البيانات واختيارها، والعمل على البيانات، والتعامل مع البيانات المفقودة، والفهرسة الهرمية، وConCat، والإلحاق.
رابط الدفاتر:
معالجة البيانات باستخدام الباندا
إدخال كائنات الباندا
فهرسة البيانات واختيارها
تعمل على البيانات في الباندا
التعامل مع البيانات المفقودة
الفهرسة الهرمية
الجمع بين مجموعات البيانات: Concat وAppend
الفصل 3: أكمل المواضيع التالية - الدمج والانضمام والتجميع والتجمع والجداول المحورية.
الجمع بين مجموعات البيانات: الدمج والانضمام
التجميع والتجمع
الجداول المحورية
الفصل الثالث: عمليات السلاسل المتجهة، العمل مع السلاسل الزمنية
روابط إلى دفاتر الملاحظات:
عمليات سلسلة المتجهات
العمل مع السلاسل الزمنية
الباندا عالية الأداء: eval() و query()
الفصل الرابع: التصور باستخدام Matplotlib التعرف على المخططات الخطية البسيطة، والمخططات المبعثرة البسيطة، والكثافة والمخططات الكنتورية.
روابط إلى دفاتر الملاحظات:
التصور مع Matplotlib
مؤامرات خط بسيط
مؤامرات مبعثرة بسيطة
تصور الأخطاء
الكثافة والمؤامرات الكنتورية
الفصل الرابع: التصور باستخدام Matplotlib تعرف على الرسوم البيانية، وكيفية تخصيص أساطير الحبكة، وأشرطة الألوان، وبناء مخططات فرعية متعددة.
روابط إلى دفاتر الملاحظات:
الرسوم البيانية، Binnings، والكثافة
تخصيص أساطير المؤامرة
تخصيص أشرطة الألوان
حبكات فرعية متعددة
النص والتعليق
الفصل الرابع: تغطية التخطيط ثلاثي الأبعاد في Mathplotlib.
روابط إلى دفاتر الملاحظات:
التخطيط ثلاثي الأبعاد في Matplotlib
درس حول التجميع الهرمي. شاهد هذا التصور المذهل.
