عن المشروع

يوفر هذا المستودع دليلاً شاملاً للتعلم الآلي الخاضع للإشراف، بدءاً من الرياضيات التأسيسية مثل المشتقات والاحتمالات واللوغاريتمات. وهو يتبع نهجاً تدريجياً لاشتقاق المفاهيم الرياضية قبل الانتقال إلى الأدوات الحديثة. تشمل المكونات التعليمية الرئيسية ما يلي: - Logistic Regression: النظرية والتنفيذ من الصفر باستخدام مجموعة بيانات Wisconsin Breast Cancer، إلى جانب تنفيذ بمستوى إنتاجي باستخدام PyTorch. - Decision Trees: تعمق نظري مع تنفيذ من الصفر، وتطبيقات عملية للتنبؤ بأسعار المساكن في لندن باستخدام Scikit-learn و Random Forests و XGBoost. - ATLAS (Automated Tree Learning Analysis System): نظام لهندسة الميزات ومقارنة النماذج. - Datasets: دمج مجموعات بيانات Wisconsin Breast Cancer و London Housing Prices لمهام التصنيف والانحدار. يتم تقديم المواد عبر دفاتر Jupyter المتوافقة مع Google Colab للتنفيذ عبر المتصفح.