دبلومة تعلم الآلة مع بايثون Python

المحاضرة 2.1

Descriptive Statistics: Population vs samples

المحاضرة 2.2

Descriptive Statistics : Measures of Central Tendency

المحاضرة 2.3

Descriptive Statistics : Measures of Variability

المحاضرة 2.4

Descriptive Statistics : Detection of Outliers

المحاضرة 2.5

Probability : Probability Laws

المحاضرة 2.6

Probability : Probability Distribution

المحاضرة 2.7

Probability : Bayesian Theorem

المحاضرة 2.8

Probability : Central Limit Theorem

المحاضرة 2.9

Probability : Confidence Interval

المحاضرة 2.10

Inferential Statistics : ANOVA

المحاضرة 2.11

Inferential Statistics : Pearson Correlation Coefficient

المحاضرة 2.12

Inferential Statistics : Spearman Correlation Coefficient

المحاضرة 2.13

Inferential Statistics : Regression Analysis

المحاضرة 2.14

Inferential Statistics : Hypothesis Testing

المحاضرة 2.15

Linear Algebra : Matrix Operations, Inverse and Decomposition

المحاضرة 2.16

Linear Algebra : Vectors

المحاضرة 3.1

Basic Syntax

المحاضرة 3.2

Data Types

المحاضرة 3.3

Operators

المحاضرة 3.4

Control flow statements

المحاضرة 3.5

Decisions

المحاضرة 3.6

Loops

المحاضرة 3.7

Functions

المحاضرة 4.1

Classes

المحاضرة 4.2

Objects

المحاضرة 4.3

Data members

المحاضرة 4.4

Overloading

المحاضرة 4.5

Inheritance

المحاضرة 5.1

List and tuples

المحاضرة 5.2

Sets

المحاضرة 5.3

Dictionaries

المحاضرة 5.4

Strings

المحاضرة 6.1

Reading from Files

المحاضرة 6.2

Writing into files

المحاضرة 6.3

Database connections

المحاضرة 6.4

pandas

المحاضرة 7.1

Numpy

المحاضرة 7.2

Matplotlib

المحاضرة 7.3

Plotly

المحاضرة 7.4

Seaborn

المحاضرة 7.5

Pandas

المحاضرة 7.6

Sklearn

المحاضرة 8.1

Machine Learning & Data Science Overview :Machine Learning vs. Deep Learning vs. Data Science

المحاضرة 8.2

Machine Learning & Data Science Overview : Supervised Learning vs. Unsupervised Learning vs. Reinforcement Learning

المحاضرة 8.3

Supervised Learning :Multiple Linear Regression in Python

المحاضرة 8.4

Supervised Learning :Simple Linear Regression in Python

المحاضرة 8.5

Supervised Learning :Logistic Regression in Python

المحاضرة 8.6

Supervised Learning : Nearest neighbor

المحاضرة 8.7

Unsupervised Learning : Kmeans clustering

المحاضرة 9.1

Big data

المحاضرة 9.2

NLP

المحاضرة 9.3

Cloud computing

المحاضرة 9.4

Deep Learning

المحاضرة 9.5

Neural Network Architecture and How it works

المحاضرة 9.6

Tensor Flow & keras

المحاضرة 9.7

Recommender System

المحاضرة 10.1

Statistics refreshment

المحاضرة 10.2

Linear Algebra refreshment

المحاضرة 11.1

Linear Regression Review

المحاضرة 11.2

Logistics Regression Review

المحاضرة 11.3

SVM Review

المحاضرة 11.4

K-Nearest Neighbor (K-NN) classification

المحاضرة 11.5

Decision Tree Classification

المحاضرة 11.6

Naive Bayes

المحاضرة 11.7

Random Forest Classification

المحاضرة 12.1

K Means clustering : K-Means Random Initialization Trap

المحاضرة 12.2

K Means clustering : K-Means Selecting The Number Of Clusters

المحاضرة 12.3

Hierarchical clustering : Hierarchical Clustering How Dendrograms Work

المحاضرة 12.4

Hierarchical clustering : Hierarchical Clustering Using Dendrograms

المحاضرة 12.5

Principal Component Analysis (PCA)

المحاضرة 12.6

DB scan

المحاضرة 13.1

Upper Confidence Bound

المحاضرة 13.2

Thompson Sampling

المحاضرة 14.1

Neural Network Architecture and How it works

المحاضرة 14.2

Neural Network : Artificial Neural Network

المحاضرة 14.3

Neural Network : Convolutional Neural Networks

المحاضرة 14.4

Neural Network : Recurrent neural network

المحاضرة 14.5

Natural Language Processing (NLP)

المحاضرة 14.6

Tensor Flow

المحاضرة 14.7

Recommender System