وسم

#model-evaluation

٧ مقالات

الذكاء الاصطناعي والتعلم الآلي١٦ أبريل ٢٠٢٦٢٦ دقيقة
Machine Learning: دليل عملي لعام
تعلم تعلم الآلة باستخدام Python في ٢٠٢٦. يغطي الخوارزميات، والمعالجة المسبقة، وتقييم النماذج، والأخلاقيات، ومشاريع واقعية مع كود scikit-learn.
الذكاء الاصطناعي والتعلم الآلي٩ مارس ٢٠٢٦١٠ دقائق
إتقان تقنيات Cross-Validation في عام
تعمق في تقنيات cross-validation الحديثة باستخدام scikit-learn 1.9.0 — بما في ذلك KFold و StratifiedKFold، ودراسات حالة واقعية من مجالات التجارة الإلكترونية، والتصنيع، والذكاء الاصطناعي الطبي.
الذكاء الاصطناعي والتعلم الآلي٢٠ فبراير ٢٠٢٦٨ دقائق
إتقان Scikit-learn: دليل شامل لعام ٢٠٢٦ لـ Machine Learning
دليل شامل وعملي لإتقان scikit-learn — من الإعداد إلى مسارات عمل تعلم الآلة الجاهزة للإنتاج، مع أمثلة واقعية، وعيوب شائعة، وأفضل الممارسات.
الذكاء الاصطناعي والتعلم الآلي١٦ فبراير ٢٠٢٦٩ دقائق
إتقان مقاييس تقييم النماذج: من Accuracy إلى AUC
تعمق في model evaluation metrics — كيفية اختيارها، وتنفيذها، وتفسيرها لأنظمة machine learning في العالم الحقيقي.
الذكاء الاصطناعي والتعلم الآلي٧ فبراير ٢٠٢٦١٠ دقائق
كشف تحيز الذكاء الاصطناعي: تقنيات، أدوات، ودروس من الواقع
غوص عميق في اكتشاف والتخفيف من التحيز في أنظمة الذكاء الاصطناعي — من فهم مقاييس العدالة إلى تنفيذ تدقيقات التحيز باستخدام Python. تعلّم كيف تتعامل الشركات مع تحديات الذكاء الاصطناعي الأخلاقي على نطاق واسع.
الذكاء الاصطناعي والتعلم الآلي١ فبراير ٢٠٢٦٩ دقائق
إتقان Cross-Validation: المفتاح إلى نماذج Machine Learning الموثوقة
غوص عميق في تقنيات cross-validation — من k-fold إلى stratified و time-series CV — مع أمثلة عملية، الأخطاء الشائعة، ورؤى إنتاجية
نماذج اللغة والتكامل١٨ نوفمبر ٢٠٢٥٩ دقائق
الحفاظ على مخرجات النماذج اللغوية الكبيرة قابلة للتوقع: هندسة الاستقرار في استجابات الذكاء الاصطناعي
تعلم كيفية جعل مخرجات النماذج اللغوية الكبيرة متسقة وموثوقة باستخدام الأوامر المنظمة، والتحكم في درجة الحرارة، والتحقق باستخدام Pydantic.

كل المقالات في #model-evaluation (٧)

Machine Learning: دليل عملي لعام

إتقان تقنيات Cross-Validation في عام

إتقان Scikit-learn: دليل شامل لعام ٢٠٢٦ لـ Machine Learning

إتقان مقاييس تقييم النماذج: من Accuracy إلى AUC

كشف تحيز الذكاء الاصطناعي: تقنيات، أدوات، ودروس من الواقع

إتقان Cross-Validation: المفتاح إلى نماذج Machine Learning الموثوقة

الحفاظ على مخرجات النماذج اللغوية الكبيرة قابلة للتوقع: هندسة الاستقرار في استجابات الذكاء الاصطناعي