AI & Data Scikit-learn
إتقان مكتبة scikit-learn: واجهة المقدِّرات، خطوط المعالجة و ColumnTransformer، اختيار النموذج بالتحقق المتقاطع والبحث عن المعاملات، النماذج المجمعة والتعزيز، الهندسة واختيار السمات…
Eng. Abdelmaksoud
أساسيات الذكاء الاصطناعي
AI Fundamentals
افهم الذكاء الاصطناعي فهمًا صحيحًا: كيف تتعلم الآلة من البيانات، وما الذي تستطيعه النماذج اللغوية وما لا تستطيعه، وكيف نستخدم الذكاء الاصطناعي بمسؤولية.
Build a correct mental model of AI: how machines learn from data, what language models can and cannot do, and how to use AI responsibly.
- Eng. Abdelmaksoud Badr
- No reviews yet
- BeginnerNo prior experience needed
- 24 hTotal content time
- In ArabicWith technical terms in English
About this course
دورة تأسيسية بلا برمجة تشرح المفاهيم بأمثلة من الحياة اليومية والمدرسة والعمل، وتتضمن تجارب عملية بأدوات مجانية لتدريب نموذج بسيط، وتنتهي بمشروع «اقتراح حل بالذكاء الاصطناعي لمشكلة محلية» مع تقييم لمخاطره.
Academy-authored content.
Course highlights
- Define AI, machine learning, deep learning and generative AI and place them in relation to each other
- Explain how a model learns from data (features, labels, training/test split) and name the main learning types
- Interpret simple evaluation results (accuracy, false positives/negatives) and recognise overfitting
- Describe intuitively how decision trees, nearest neighbours and neural networks make predictions, and what computer vision and NLP systems do
- Explain what a large language model does, its typical failure modes, and write clear prompts that reduce them
- Outline the lifecycle of an AI project and train a simple no-code classifier
- Identify bias, privacy, transparency and safety risks and apply responsible-use practices (incl. academic integrity and Egypt's data-protection law)
The practical result
What you’ll build
Outline the lifecycle of an AI project and train a simple no-code classifier
Is this course for you?
Who it’s for
- secondary and university learners, graduates and professionals who want a correct mental model of AI before specialising
Requirements
- none; comfortable with percentages and reading simple charts
Course content
The whole outline is shown here with the length of each session; sessions open once you have the course and it is activated in your account.
- 8units
- 23sessions
- 8quizzes
M1 – ما الذكاء الاصطناعي؟3 sessions
- 1.1 التعريفات Introduction video coming soon
- 1.2 ذكاء ضيق وعام
- 1.3 من القواعد إلى البيانات
M2 – كيف تتعلم الآلة4 sessions
- 2.1 البيانات والخصائص والتسميات
- 2.2 أنواع التعلم
- 2.3 التدريب والاختبار والإفراط في التخصيص
- 2.4 التقييم
M3 – تقنيات أساسية بالحدس4 sessions
- 3.1 شجرة القرار وأقرب الجيران
- 3.2 الشبكات العصبية بالحدس
- 3.3 الرؤية الحاسوبية
- 3.4 معالجة اللغة الطبيعية
M4 – الذكاء الاصطناعي التوليدي والنماذج اللغوية4 sessions
- 4.1 كيف يعمل النموذج اللغوي الكبير
- 4.2 القوة والفشل
- 4.3 كتابة أوامر واضحة
- 4.4 الوكلاء والأدوات
M5 – الذكاء الاصطناعي في الواقع4 sessions
- 5.1 دورة حياة المشروع
- 5.2 تجربة بلا برمجة
- 5.3 تقييم المخرجات بعين ناقدة
- 5.4 الذكاء الاصطناعي في مصر والوظائف
M6 – الذكاء الاصطناعي المسؤول4 sessions
- 6.1 التحيز والعدالة
- 6.2 الخصوصية وحماية البيانات
- 6.3 الشفافية وخصائص الجدارة بالثقة
- 6.4 الاستخدام الآمن والنزاهة الأكاديمية
Quizzes0 sessions · 8 quizzes
- Learning outcome 1
- Learning outcome 2
- Learning outcome 3
- Learning outcome 4
- Learning outcome 5
- Learning outcome 6
- Learning outcome 7
- Final exam
Projects and assignments0 sessions
- A1 – «تقرير التجربة»
- المشروع – «حل محلي بالذكاء الاصطناعي»
The lecturer
Ratings and reviews
No written reviews yet
Written reviews come from enrolled students after studying. We don’t display reviews that real students didn’t write.
Discussion (0)
Commenting is for signed-in members. Comments from people not enrolled in the course are reviewed by the lecturer or the academy before they appear.
No comments yet – be the first to join in.
Your next step
This course is part of the trackAI & DataLanguage models, AI agents, and data analysis and science, hands-on. 10 coursesCourses close to this one
AI & Data Eng. Abdelmaksoud
AI & Data الانحدار والتصنيف
Regression & Classification
تعمق في المهمتين الأساسيتين للتعلم الإشرافي: الانحدار الخطي المتعدد وافتراضاته وتشخيصه، التحويلات والحدود متعددة الحدود والتنظيم Ridge و Lasso، الانحدار اللوجستي والاحتمالات…
Eng. Abdelmaksoud
AI & Data أساسيات تعلم الآلة
Machine Learning Fundamentals
ما تعلم الآلة وكيف يتعلم النموذج من البيانات: أنواع التعلم، تجهيز البيانات، الانحدار والتصنيف، التقييم والتحقق المتقاطع والإفراط في التكيف، النزول بالتدرج،…
Eng. Abdelmaksoud
AI & Data معالجة اللغات الطبيعية
Natural Language Processing
تعليم الحاسوب فهم اللغة: النص كبيانات وخصوصيات العربية (التطبيع، التشكيل، الصرف، اللهجات)، التمثيلات الكلاسيكية و TF-IDF والتشابه، التصنيف واستخراج الكيانات، التضمينات والشبكات،…
Eng. Abdelmaksoud
AI & Data مشروعات تعلم الآلة التطبيقية
Applied Machine Learning Projects
تحويل المعرفة إلى مشروعات حقيقية: صياغة المشكلة ومقاييس النجاح والكلفة، جمع البيانات ووسمها وتوثيقها، استراتيجية التحقق وخط الأساس وتحليل الأخطاء، تتبع التجارب…
Eng. Abdelmaksoud
AI & Data أساسيات التعلم العميق
Deep Learning Foundations
من العصبون إلى الشبكات العميقة: الدوال التنشيطية والشبكات متعددة الطبقات، الانتشار العكسي والتدرجات التلقائية في PyTorch، حلقات التدريب والمحسِّنات ومعدل التعلم، التنظيم…
Eng. Abdelmaksoud
AI & Data الرؤية الحاسوبية
Computer Vision
تعليم الحاسوب أن «يرى»: الصور كبيانات وألوانها، المعالجة الكلاسيكية بالمرشحات والحواف والكنتورات، الشبكات الالتفافية وتدريبها في PyTorch، التعلم بالنقل والتقييم، اكتشاف الأجسام…
Eng. Abdelmaksoud
AI & Data هندسة الأوامر (Prompt Engineering)
Prompt Engineering
اكتب أوامر واضحة تعطيك نتائج موثوقة: تشريح الأمر، الأمثلة، التفكير خطوة بخطوة، الهيكلة والمخرجات المنظمة، سلاسل الأوامر والمستندات الطويلة، الأوامر للتعلم والكتابة…
Eng. Abdelmaksoud