The World Of Programming: post #1693 — TG.ME

|
|-- الأساسيات
|   |-- الرياضيات
|   |   |-- الجبر الخطي (Linear Algebra)
|   |   |-- التفاضل والتكامل (Calculus)
|   |   |-- الاحتمالات (Probability)
|   |   |-- الإحصاء (Statistics)
|   |
|   |-- البرمجة
|   |   |-- بايثون (Python)
|   |   |   |-- NumPy
|   |   |   |-- Pandas
|   |   |   |-- Matplotlib
|   |   |-- R
|
|-- التعامل مع البيانات
|   |-- جمع البيانات
|   |   |-- واجهات برمجة التطبيقات (APIs)
|   |   |-- استخراج بيانات الويب (Web Scraping)
|   |   |-- قواعد بيانات SQL
|   |
|   |-- إعداد البيانات
|   |   |-- التنظيف (Cleaning)
|   |   |-- هندسة الخصائص (Feature Engineering)
|   |   |-- الترميز (Encoding)
|   |   |-- القياس (Scaling)
|
|-- التحليل الاستكشافي للبيانات (EDA)
|   |-- التحليل البصري
|   |   |-- Matplotlib
|   |   |-- Seaborn
|   |   |-- Plotly
|   |
|   |-- التحليل الإحصائي
|   |   |-- الارتباط (Correlation)
|   |   |-- اختبار الفرضيات (Hypothesis Testing)
|
|-- تعلم الآلة الأساسي
|   |-- التعلم الموجه (Supervised Learning)
|   |   |-- الانحدار (Regression)
|   |   |-- التصنيف (Classification)
|   |   |-- السلاسل الزمنية (Time Series)
|   |
|   |-- التعلم غير الموجه (Unsupervised Learning)
|   |   |-- التجميع (Clustering)
|   |   |-- تقليل الأبعاد (Dimensionality Reduction)
|   |
|   |-- تقييم النموذج
|   |   |-- التحقق المتقاطع (Cross Validation)
|   |   |-- مقاييس (الدقة، F1، RMSE)
|
|-- تعلم الآلة المتقدم
|   |-- النماذج التجميعية (Ensemble Models)
|   |   |-- الغابة العشوائية (Random Forest)
|   |   |-- XGBoost
|   |
|   |-- التعلم العميق (Deep Learning)
|   |   |-- الشبكات العصبية (Neural Networks)
|   |   |-- CNN
|   |   |-- RNN
|   |   |-- LSTM
|   |   |-- المحولات (Transformers)
|   |
|   |-- معالجة اللغة الطبيعية (NLP)
|   |   |-- المعالجة المسبقة للنص
|   |   |-- التضمينات (Embeddings)
|   |   |-- تحليل المشاعر (Sentiment Analysis)
|   |   |-- النماذج اللغوية الكبيرة (LLMs)
|
|-- نشر النماذج (Model Deployment)
|   |-- Flask
|   |-- FastAPI
|   |-- Streamlit
|   |-- Docker
|   |-- CI/CD
|
|-- MLOps
|   |-- تتبع التجارب (MLflow)
|   |-- مراقبة النماذج
|   |-- خطوط أنابيب البيانات (Data Pipelines)
|
|-- البيانات الضخمة لتعلم الآلة
|   |-- Spark ML
|   |-- Hadoop
|
|-- المعرفة المجالية (Domain Knowledge)
|   |-- التمويل (Finance)
|   |-- الرعاية الصحية (Healthcare)
|   |-- البيع بالتجزئة (Retail)
|
|-- الذكاء الاصطناعي المسؤول (Responsible AI)
|   |-- اكتشاف التحيز (Bias Detection)
|   |-- قابلية التفسير (SHAP, LIME)
|   |-- الخصوصية والعدالة