مقدمة مشروع ملاحظات دورة تعلم الآلة لأندرو نج

نظرة عامة على المشروع

هذا مشروع على GitHub أنشأه (fengdu78)، وهو مخصص لجمع وتنظيم الملاحظات الصينية لدورة تعلم الآلة التي قدمها الأستاذ أندرو نج في جامعة ستانفورد عام 2014. يهدف هذا المشروع إلى مساعدة المتعلمين الناطقين بالصينية على فهم واستيعاب أساسيات تعلم الآلة بشكل أفضل.

خلفية المشروع

• مصدر الدورة: دورة تعلم الآلة لأندرو نج بجامعة ستانفورد 2014
• عنوان الدورة: https://www.coursera.org/course/ml
• تاريخ الإنشاء: بدأت الترجمة في النصف الثاني من عام 2014، وتم الانتهاء منها في 26 مارس 2018
• هدف المشروع: توفير مواد تعليمية عالية الجودة لتعلم الآلة للمتعلمين الناطقين بالصينية

هيكل محتوى المشروع

وصف المجلدات

• docx: نسخة Word من الملاحظات
• markdown: نسخة Markdown من الملاحظات
• html: نسخة HTML من الملاحظات
• images: مواد الصور للملاحظات
• ppt: شرائح العرض التقديمي (PPT) الأصلية للدورة
• srt: ترجمات الدورة باللغتين الصينية والإنجليزية
• code: تطبيقات كود بايثون للدورة

مخطط محتوى الدورة

الجزء الأول: المفاهيم الأساسية

1. مقدمة (Introduction)

   • ما هو تعلم الآلة؟
   • التعلم الخاضع للإشراف
   • التعلم غير الخاضع للإشراف

2. الانحدار الخطي بمتغير واحد (Linear Regression with One Variable)

   • تمثيل النموذج
   • دالة التكلفة
   • الانحدار التدرجي

3. مراجعة الجبر الخطي (Linear Algebra Review)

   • المصفوفات والمتجهات
   • عمليات المصفوفات
   • المعكوس، المنقول

الجزء الثاني: الخوارزميات الكلاسيكية

4. الانحدار الخطي بمتغيرات متعددة (Linear Regression with Multiple Variables)

   • ميزات متعددة الأبعاد
   • الانحدار التدرجي متعدد المتغيرات
   • المعادلة العادية

5. دليل Octave (Octave Tutorial)

   • العمليات الأساسية
   • معالجة البيانات
   • التحويل إلى متجهات

6. الانحدار اللوجستي (Logistic Regression)

   • مشاكل التصنيف
   • تمثيل الفرضية
   • التحسين المتقدم

الجزء الثالث: التقنيات المتقدمة

7. التنظيم (Regularization)

   • مشكلة التجاوز (Overfitting)
   • الانحدار الخطي المنظم
   • الانحدار اللوجستي المنظم

8. الشبكات العصبية: التمثيل (Neural Networks: Representation)

   • الفرضيات غير الخطية
   • نموذج العصبون
   • تصنيف الفئات المتعددة

9. تعلم الشبكات العصبية (Neural Networks: Learning)

   • خوارزمية الانتشار العكسي
   • فحص التدرج
   • التهيئة العشوائية

الجزء الرابع: التطبيق العملي

10. نصائح لتطبيق تعلم الآلة (Advice for Applying Machine Learning)

    • تقييم النموذج
    • التحقق المتقاطع
    • التحيز والتباين

11. تصميم أنظمة تعلم الآلة (Machine Learning System Design)

    • تحليل الأخطاء
    • الدقة والاستدعاء (Precision and Recall)
    • بيانات تعلم الآلة

12. آلات المتجهات الداعمة (Support Vector Machines)

    • هدف التحسين
    • دالة النواة
    • استخدام آلات المتجهات الداعمة

الجزء الخامس: التعلم غير الخاضع للإشراف

13. التجميع (Clustering)

    • خوارزمية K-Means
    • هدف التحسين
    • اختيار عدد المجموعات

14. تقليل الأبعاد (Dimensionality Reduction)

    • تحليل المكونات الرئيسية (PCA)
    • ضغط البيانات
    • تصور البيانات

15. اكتشاف الشذوذ (Anomaly Detection)

    • التوزيع الغاوسي
    • خوارزمية اكتشاف الشذوذ
    • التوزيع الغاوسي متعدد المتغيرات

الجزء السادس: التطبيقات العملية

16. أنظمة التوصية (Recommender Systems)

    • التوصية القائمة على المحتوى
    • التصفية التعاونية
    • تحليل المصفوفات

17. تعلم الآلة على نطاق واسع (Large Scale Machine Learning)

    • الانحدار التدرجي العشوائي
    • التعلم عبر الإنترنت
    • MapReduce (الخريطة والتقليل)

18. مثال تطبيقي: التعرف الضوئي على الحروف في الصور (Application Example: Photo OCR)

    • النافذة المنزلقة
    • الحصول على كميات كبيرة من البيانات
    • تحليل الحد الأعلى

مميزات المشروع

1. الشمولية

• يغطي نظريات تعلم الآلة الأساسية وصولاً إلى التطبيقات العملية
• يتضمن 18 فصلاً، من المبتدئين إلى المتقدمين
• يوفر مقاطع فيديو كاملة للدورة، وشرائح PPT، وأكواد برمجية

2. دعم صيغ متعددة

• يوفر صيغًا متعددة مثل Word و Markdown و HTML
• يدعم العرض عبر الإنترنت والتعلم دون اتصال بالإنترنت
• معالجة الصيغ الرياضية كصور لتسهيل عرضها عبر الإنترنت

3. التوطين للغة الصينية

• مترجم ومنظم خصيصًا للمتعلمين الناطقين بالصينية
• يجمع بين عادات التعلم الصينية وطرق التفكير
• يوفر ترجمات صينية وإنجليزية للمقارنة

مصادر التعلم

المصادر عبر الإنترنت

• مستودع GitHub: https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
• مقاطع فيديو الدورة: https://www.bilibili.com/video/BV1W34y1i7xK
• موارد Baidu Cloud: توفر مقاطع فيديو ومواد الدورة للتحميل

الجمهور المستهدف

• المبتدئون في تعلم الآلة
• طلاب علوم الحاسوب
• ممارسو علم البيانات
• عشاق الذكاء الاصطناعي
• المتعلمون الذين يحتاجون إلى مواد تعليمية باللغة الصينية

قيمة المشروع

1. القيمة التعليمية: يوفر مواد تعليمية عالية الجودة للمبتدئين في تعلم الآلة للمتعلمين الناطقين بالصينية
2. القيمة العملية: يتضمن معرفة نظرية كاملة وأكواد برمجية عملية
3. القيمة الاجتماعية: يخفض حاجز تعلم الآلة، ويعزز نشر المعرفة
4. قيمة المصدر المفتوح: يجسد روح المصدر المفتوح، ويشجع على مشاركة المعرفة والتعاون

الخلاصة

يُعد هذا المشروع موردًا هامًا في مجال تعليم تعلم الآلة باللغة الصينية، حيث يوفر، من خلال الترجمة والتنظيم المنهجي، مواد عالية الجودة لتعلم الآلة لعدد كبير من المتعلمين الناطقين بالصينية. لا يقتصر المشروع على كونه شاملاً في محتواه ومتنوعًا في صيغه، بل قام أيضًا بإنشاء مجتمع تعليمي، مجسدًا روح المصدر المفتوح التي تقول "من يهدي وردة، تفوح يده بعطرها".