YoVDO

تعلم الآلة باستخدام Python: انشئ نموذج توقع مغادرة العملاء

Offered By: Coursera Project Network via Coursera

Tags

Machine Learning Courses Data Analysis Courses Data Visualization Courses Python Courses Seaborn Courses Matplotlib Courses pandas Courses Logistic Regression Courses

Course Description

Overview

Save Big on Coursera Plus. 7,000+ courses at $160 off. Limited Time Only!
يهدف ذلك المشروع الإرشادي إلى أن يجعلك تفهم وتطبق عملية بناء نموذج تعلم الآلة لتنبؤ مغادرة العملاء لدى بنك باستخدام لغة البرمجة Python. بدءًا باستكشاف البيانات التاريخية للعملاء وتنقيتها وتحليلها باستخدام مكتبة Pandas ثم عرضها في هيئة رسومات بيانية باستخدام المكتبات Matplotlib و Seaborn لمساعدة إدارة البنك على فهم عملاءهم بشكل أفضل وأخيرًا إنشاء 3 خوارزميات تعلم الآلة مختلفة وهم: ال Logistic regression, KNN, Decision tree باستخدام مكتبة Scikit-learn وتقييم أدائهم واختيار الخوارزمية الأعلى دقة والأنسب لحالة عملاء البنك. ذلك المشروع العملي سيجعلك قادرا على تحليل بيانات العملاء للإجابة على تساؤلات إدارة البنك وعرض النتائج في هيئة تقرير باستخدام Jupyter notebook ومن ثم، اختيار السمات الأكثر أهمية التي ستساعد في بناء نموذج تعلم الآلة لتنبؤ مغادرة العملاء وستكون قادرا على فهم كيف تعمل كل خوارزمية وكيفية تطبيقها وتقييمها وتحديد الخوارزمية الأفضل لهذا المشروع. يتطلب هذا المشروع معرفة أساسيات لغة ال Python مثل أنواع وهياكل البيانات والدوال وأساسيات البرمجة الكائنية (OOP) وتحديدا مكونات البرمجة الكائنية وكيفية إنشاء الفصول والكائنات (Classes, Objects) وكيفية تحليل وتصور البيانات بشكل بسيط باستخدام المكتبات Pandas و Matplotlib و Seaborn. ودراية بسيطة عن مفهوم تعلم الآلة وأنواعه وتحديدا التعلم الآلي الخاضع للإشراف (Supervised Learning).

Syllabus

  • ملخص المشروع
    • يهدف ذلك المشروع الإرشادي إلى أن يجعلك تفهم وتطبق عملية بناء نموذج تعلم الآلة لتنبؤ مغادرة العملاء لدى بنك باستخدام لغة البرمجة Python. بدءًا باستكشاف البيانات التاريخية للعملاء وتنقيتها وتحليلها باستخدام مكتبة Pandas ثم عرضها في هيئة رسومات بيانية باستخدام المكتبات Matplotlib و Seaborn لمساعدة إدارة البنك على فهم عملاءهم بشكل أفضل وأخيرًا إنشاء 3 خوارزميات تعلم الآلة مختلفة وهم: ال Logistic regression, KNN, Decision tree باستخدام مكتبة Scikit-learn وتقييم أدائهم واختيار الخوارزمية الأعلى دقة والأنسب لحالة عملاء البنك. ذلك المشروع العملي سيجعلك قادرا على تحليل بيانات العملاء للإجابة على تساؤلات إدارة البنك وعرض النتائج في هيئة تقرير باستخدام Jupyter notebook ومن ثم، اختيار السمات الأكثر أهمية التي ستساعد في بناء نموذج تعلم الآلة لتنبؤ مغادرة العملاء وستكون قادرا على فهم كيف تعمل كل خوارزمية وكيفية تطبيقها وتقييمها وتحديد الخوارزمية الأفضل لهذا المشروع. يتطلب هذا المشروع معرفة أساسيات لغة ال Python مثل أنواع وهياكل البيانات والدوال وأساسيات البرمجة الكائنية (OOP) وتحديدا مكونات البرمجة الكائنية وكيفية إنشاء الفصول والكائنات (Classes, Objects) وكيفية تحليل وتصور البيانات بشكل بسيط باستخدام المكتبات Pandas و Matplotlib و Seaborn. ودراية بسيطة عن مفهوم تعلم الآلة وأنواعه وتحديدا التعلم الآلي الخاضع للإشراف (Supervised Learning).

Taught by

Hazem Mohamed

Related Courses

Inferential Statistical Analysis with Python
University of Michigan via Coursera
Data Analyst
Udacity
Exploratory Data Analysis with Seaborn
Coursera Project Network via Coursera
Analyze Box Office Data with Seaborn and Python
Coursera Project Network via Coursera
Statistical Data Visualization with Seaborn
Coursera Project Network via Coursera