×

إنشاء حساب

تسجيل دخول

المدونة

فيديوهات

محرك البحث
×

دخول

إنشاء حساب

الصفحة
الرئيسية
مقدمي
الدورات
اقسام
الدورات

شرح CMPS 460 | Machine Learning | S22 | Session 7 d | Linear Models Gradient Descent II

كورس الكشف عن إمكانات الذكاء الاصطناعي رحلة إلى المستقبل

الدرس السابق الدرس القادم
سجل الان للحصول على دورات تدريبية معتمدة مع إمكانية إستخراج شهادة إتمام الدورة مجانا
سجل الآن
قائمة الدروس | 40 درس
CMPS 460 | Machine Learning | S22 | Session 1 a | Welcome to ML
00:50:33

CMPS 460 | Machine Learning | S22 | Session 1 a | Welcome to ML
CMPS 460 | Machine Learning | S22 | Session 1 b | Course outline Learning Types of ML
00:39:47

CMPS 460 | Machine Learning | S22 | Session 1 b | Course outline Learning Types of ML
CMPS 460 | Machine Learning | S22 | Session 1 c | Decision Trees I
00:41:50

CMPS 460 | Machine Learning | S22 | Session 1 c | Decision Trees I
CMPS 460 | Machine Learning | S22 | Session 1 d | Decision Trees II
00:39:59

CMPS 460 | Machine Learning | S22 | Session 1 d | Decision Trees II
CMPS 460 | Machine Learning | S22 | Session 1 e | Formalizing the Learning Problem
00:39:44

CMPS 460 | Machine Learning | S22 | Session 1 e | Formalizing the Learning Problem
CMPS 460 | Machine Learning | S22 | Session 2 a | Limits of Learning I
00:46:28

CMPS 460 | Machine Learning | S22 | Session 2 a | Limits of Learning I
CMPS 460 | Machine Learning | S22 | Session 2 b | Limits of Learning II
00:36:07

CMPS 460 | Machine Learning | S22 | Session 2 b | Limits of Learning II
CMPS 460 | Machine Learning | S22 | Session 3 a | kNN I
00:42:33

CMPS 460 | Machine Learning | S22 | Session 3 a | kNN I
CMPS 460 | Machine Learning | S22 | Session 3 b | kNN II
00:47:29

CMPS 460 | Machine Learning | S22 | Session 3 b | kNN II
CMPS 460 | Machine Learning | S22 | Session 3 c | K means Clustering I
00:36:43

CMPS 460 | Machine Learning | S22 | Session 3 c | K means Clustering I
CMPS 460 | Machine Learning | S22 | Session 3 d | K means Clustering II
00:28:25

CMPS 460 | Machine Learning | S22 | Session 3 d | K means Clustering II
CMPS 460 | Machine Learning | S22 | Session 4 a | Perceptron I
00:42:28

CMPS 460 | Machine Learning | S22 | Session 4 a | Perceptron I
CMPS 460 | Machine Learning | S22 | Session 4 b | Perceptron II
00:36:00

CMPS 460 | Machine Learning | S22 | Session 4 b | Perceptron II
CMPS 460 | Machine Learning | S22 | Session 4 c | Perceptron III
00:46:48

CMPS 460 | Machine Learning | S22 | Session 4 c | Perceptron III
CMPS 460 | Machine Learning | S22 | Session 4 d | Perceptron IV
00:41:30

CMPS 460 | Machine Learning | S22 | Session 4 d | Perceptron IV
CMPS 460 | Machine Learning | S22 | Session 5 a | Practical Issues Dealing with Features I
00:39:59

CMPS 460 | Machine Learning | S22 | Session 5 a | Practical Issues Dealing with Features I
CMPS 460 | Machine Learning | S22 | Session 5 b | Practical Issues Dealing with Features II
00:39:26

CMPS 460 | Machine Learning | S22 | Session 5 b | Practical Issues Dealing with Features II
CMPS 460 | Machine Learning | S22 | Session 5 c | Practical Issues Evaluation I
00:41:48

CMPS 460 | Machine Learning | S22 | Session 5 c | Practical Issues Evaluation I
CMPS 460 | Machine Learning | S22 | Session 5 d | Practical Issues Evaluation II
00:44:12

CMPS 460 | Machine Learning | S22 | Session 5 d | Practical Issues Evaluation II
CMPS 460 | Machine Learning | S22 | Session 5 e | Practical Issues Cross Validation
00:27:32

CMPS 460 | Machine Learning | S22 | Session 5 e | Practical Issues Cross Validation
CMPS 460 | Machine Learning | S22 | Session 5 f | Practical Issues Debugging Learning Algorithms
00:42:50

CMPS 460 | Machine Learning | S22 | Session 5 f | Practical Issues Debugging Learning Algorithms
CMPS 460 | Machine Learning | S22 | Session 6 a | Learning from Imbalanced Data
00:35:25

CMPS 460 | Machine Learning | S22 | Session 6 a | Learning from Imbalanced Data
CMPS 460 | Machine Learning | S22 | Session 6 b | Multi class Classification
00:45:19

CMPS 460 | Machine Learning | S22 | Session 6 b | Multi class Classification
CMPS 460 | Machine Learning | S22 | Session 7 a | Linear Models Surrogate Loss Functions
00:50:33

CMPS 460 | Machine Learning | S22 | Session 7 a | Linear Models Surrogate Loss Functions
مشاهدة المزيد من الدروس

التعليقات

يجب ان يكون لديك حساب داخل المنصة حتى تستطيع المشاركة في المناقشة و التعليق, سجل الآن مجانا أضغط هنا

أفضل قنوات التليجرام لمختلف المجالات
قنوات تساعدك بكل سهولة على الوصول للمصادر التعليمية و الوظائف و النصائح المهنية و المنح الدراسية

اشترك الآن مجانا

نحن نهتم بتقيمك لهذه الدورة

كن اول شخص يقوم بتقيم هذه الدورة

ممتاز
0 تقيمات
جيد
0 تقيمات
متوسط
0 تقيمات
مقبول
0 تقيمات
سئ
0 تقيمات
0
0 تقيمات


دورات ذات صلة
1 درس

معرفه جوجل هووم

46 درس

أردوينو من الصفر حتى الأحتراف

1 درس

أردوينو - التحكم في سيارة روبوت في شكل خنفساء

7 درس

علم البيانات والتعل م الآلي

7 درس

صناعة الروبوتات

7 درس

الذكاء الإصطناعي مكونات الانظمة الخبيرة

69 درس

Orange Datamining for AI Data Science

37 درس

علم البيانات والذكاء الاصطناعي مع KNIME

كورس معتمد في هذا الكورس الممتع، سنستكشف عالم الذكاء الاصطناعي. سنقدم شرحًا مبسطًا لمفهومه وكيفية عمله، ونستعرض أهم التطبيقات التي يستخدم فيها، مثل التكنولوجيا والطب والتجارة. سنناقش أيضًا التحديات والفرص التي يواجهها الذكاء الاصطناعي في المستقبل. انضم إلينا للتعرف على هذه التكنولوجيا المثيرة ودورها في تغيير حياتنا ومستقبلنا. Tamer Elsayed "Unraveling the Potential of Artificial Intelligence: A Journey into the Future"
سيرتك الذاتية " CV " هي أول مستند وأول دليل على كفاءتك في العمل
وتقوم الورشه بمساعدتك لإنشاء سيرتك الذاتية بإحترافية
انشئ سيرتك الذاتية مجانا الآن
أحدث الدورات