تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
مقدمة
تبدأ هذه الوحدة بسؤال توجيهي.
اختَر إحدى الإجابات التالية:
إذا كان عليك إعطاء الأولوية لتحسين أحد المجالات التالية
في مشروع التعلم الآلي لديك، والتي من شأنها أن تضم أكثر
التأثير؟
تحسين جودة مجموعة البيانات
البيانات أهم من الكل.
إن جودة وحجم مجموعة البيانات مهمة أكثر بكثير
الخاصة بك التي تستخدمها لبناء نموذجك.
تطبيق دالة الخسارة بشكل أكثر ذكاءً لتدريب نموذجك
صحيح، يمكن لدالة الخسارة الأفضل أن تساعد في تطبيق النموذج بشكل أسرع، إلا أنه
لا يزال يفصلك عن عنصر آخر في هذه القائمة.
إليك سؤال توجيهي أكثر:
تخمن: كم من الوقت في مشروع التعلم الآلي لديك
هل تقضي عادةً على إعداد البيانات وتحويلها؟
أكثر من نصف وقت المشروع
نعم، يقضي ممارسو تعلُّم الآلة معظم وقتهم
وإنشاء مجموعات البيانات والقيام بهندسة الخصائص.
أقل من نصف وقت المشروع
التخطيط لمزيد من المهام فعادةً ما يستخدم التعلم الآلي 80% من الوقت
المشروع في إنشاء مجموعات البيانات وتحويل البيانات.
في هذه الوحدة، ستتعرف على المزيد من المعلومات عن خصائص التعلم الآلي
مجموعات البيانات وكيفية إعداد بياناتك لضمان الحصول على نتائج عالية الجودة عند
لتطبيق نموذجك وتقييمه.
تاريخ التعديل الأخير: 2024-08-13 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2024-08-13 (حسب التوقيت العالمي المتفَّق عليه)"],[[["This module emphasizes the critical role of data quality in machine learning projects, highlighting that it significantly impacts model performance more than algorithm choice."],["Machine learning practitioners typically dedicate a substantial portion of their project time (around 80%) to data preparation and transformation, including tasks like dataset construction and feature engineering."],["The module covers key concepts in data preparation, such as identifying data characteristics, handling unreliable data, understanding data labels, and splitting datasets for training and evaluation."],["Learners will gain insights into techniques for improving data quality, mitigating issues like overfitting, and interpreting loss curves to assess model performance."],["This module builds upon foundational machine learning concepts, assuming familiarity with topics like linear regression, numerical and categorical data handling, and basic machine learning principles."]]],[]]
