توقع فقدان العملاء باستخدام تعلم الآلة

شرح عربي | المصدر: Zero Grad

توقع فقدان العملاء باستخدام تعلم الآلة بشرح عربي من Zero Grad. تابع 10 درسًا متاحًا بترتيب المصدر، وطبّق الأفكار على تمرين مستقل يناسب مستواك.

  • 0 متعلّمين
  • 1 س 52 د
  • كل المستويات
  • elposla

عن هذه الدورة

توقع فقدان العملاء باستخدام تعلم الآلة

توقع فقدان العملاء باستخدام تعلم الآلة بشرح عربي من Zero Grad. تابع 10 درسًا متاحًا بترتيب المصدر، وطبّق الأفكار على تمرين مستقل يناسب مستواك.

وللتوسع في الذكاء الاصطناعي، يمكنك مراجعة قرارات عملية لتحسين مشروعات تعلم الآلة واختيار الدروس المناسبة لما تريد تطبيقه.

ماذا ستجد داخل المحتوى؟

  • 201- Churn Prediction: Data Understanding
  • 206- Churn Prediction: Data Preprocessing 2
  • 210- Churn Prediction: Model Inference

طريقة دراسة هذه الدورة

ابدأ بمراجعة متطلبات «201- Churn Prediction: Data Understanding». عند الوصول إلى «206- Churn Prediction: Data Preprocessing 2»، أعد شرح الفكرة بكلماتك وسجل سؤالًا أو تجربة عملية عليها. اختتم بمراجعة «210- Churn Prediction: Model Inference» ومقارنة ما أنجزته بنقطة البداية.

تطبيق يثبت التعلم

ابنِ نموذجًا صغيرًا يوضح إحدى وظائف الدورة، واختبره على بيانات تجريبية. سجل الحالات التي نجح فيها والحالات التي احتاجت تدخلًا بشريًا، مع تقدير حدود الدقة والتكلفة.

المصدر ولغة الشرح

المحتوى الأصلي من Zero Grad. افتح قائمة المصدر على يوتيوب. بوصلة تنظم الوصول إلى الدروس ولا تنسب إنتاجها لنفسها. فُحصت بيانات القائمة وعينات بيانات الدروس بتاريخ 18 أكتوبر 2026. اللغة العربية مُعلنة في بيانات صاحب المصدر؛ اعتمد التحقق اللغوي على هذا التصريح، لا على الاستماع الكامل للدروس. لم تتم مشاهدة جميع الدروس بالكامل. عدد الدروس هنا هو المتاح للعامة وقت الفحص، وقد تختلف الإتاحة لاحقًا. لا تشمل الدورة شهادة من صاحب المحتوى.

لتنظيم دراسة هذا المجال واختيار مصادره حسب المرحلة، راجع تعلم الذكاء الاصطناعي بفهم النماذج وبناء تطبيقات مسؤولة.

محتوى الدورة

1 وحدة · 10 درس · 1 س 52 د

  1. دروس الدورة بترتيب المصدر 10 دروس 1 س 52 د

    الشرح: Zero Grad

    • 201- Churn Prediction: Data Understanding مقفل 13 د
    • 202- Churn Prediction: Data Reading and Cleaning مقفل 15 د
    • 203- Churn Prediction: Feature Importance 1 مقفل 20 د
    • 204- Churn Prediction: Feature Importance 2 مقفل 8 د
    • 205- Churn Prediction: Data Preprocessing مقفل 14 د
    • 206- Churn Prediction: Data Preprocessing 2 مقفل 5 د
    • 207- Churn Prediction: Logistic Regression مقفل 9 د
    • 208- Churn Prediction: Logistic Regression 2 مقفل 9 د
    • 209- Churn Prediction: Model Saving and Loading مقفل 11 د
    • 210- Churn Prediction: Model Inference مقفل 4 د

مدرّبك

elposla

تقييمات المتعلّمين

لا تقييمات بعد.