Maloook's Neural Insights

 ال data preprocessing بتتضمن : 1. Handling missing data وده بيتم بطريقتين اما انك تعوض عن ال missing values دي بال mean او ال median او ال mode يا اما ت drop ال row كله    2. Encoding categorical variables ودي بتيم فيها تحويل ال catigories ل numerical values عن طريق ال label encoding او ال one hot encoding 3. Scaling/ Normalization ودي بيتم فيها توحيد المدى بتاع كل ال features عشان الموديل ميهتمش ب Feature على حساب التانية 4. Outlier Detection ودي بيتم فيها تحديد ال outliers وازالتها سواء بال Z scores او ال IQR method 5. Data Splitting وهنا بتقسم الداتا ل training set و testing set 6. Feature Engineering  ودي بتعمل فيها features جديدة او بت select important features من ال features اللي already موجودة  7. Handling Imbalanced Data  لو الداتا عندك غير متوازنة بتستخدم SMOTE عشان تعيد توازن الداتا  من خلال ال steps اللي قولنا عليهم دول هتضمن ان عندك clean data جاهزة عشان ت train عليها ال model

ال transfer learning هو طريقة بيتم فيها تكييف pre trained model متدرب على Task ل Task تاني جديد بس بيكون ذو صلة بالتاسك الاولاني بدل ما تبدأ training تاني من الصفر هو بيستخدم المعلومات اللي اتعلمها قبل كده عشان يحسن ال performance وكمان يقلل وقت ال training وفيه منه طريقتين : Feature extraction ودي بيتم فيها اعادة استخدام ال layers القديمة لل pre trained model وبتعمل training بس لل final layer على التاسك الجديدة Fine tune وده بتعمل فيه update لكل ال layers بس ب learning rate اقل

 ال Machine Learning، ال Hyperparameters  تقدر تعتبرها كده شبه زراير الضبط اللي بتظبط بيها اي جهاز مثلاً.  فهي تعتبر إعدادات ممكن تظبطها عشان تاخد افضل performance من ال model. فإنك تلاقي ال Hyperparameters الصح ممكن يعمل فرق كبير جداً في مدى جودة اداء ال model بتاعك. What Are Hyperparameters? ال Hyperparameters هي parameters عملية التعلم نفسها، مش ال parameters الداخلية لل model اللي بيتم تعلمها من الداتا. إنها إعدادات انت بتحددها قبل بداية الtraining، وهي كمان بتتحكم في كيفية تعلم الmodel. Some common hyperparameters include: 1. Learning Rate : مدى سرعة تحديث ال model للحاجات اللي اتعلمها 2. Number of Layers/Neurons : مدى تعقيد ال model. 3. Batch Size : مقدار الداتا اللي بتدخل للmodel في كل مره أثناء ال training 4. Epochs : عدد المرات اللي ال model بيكون محتاجها عشان يعمل training للداتا كلها  Example 1: Learning Rate as Tuning Speed يعتبر ال learning rate  واحد من أهم ال Hyperparameters. فهو بيتحكم في مدى سرعة أو بطء تعلم الmodel. لو ال learning rate عالي: ا...

ال Neural Networks هي جوهر كتير من أنظمة ال AI الحديثة، من ال face recognition في الصور لل languages translation. ولكن يا ترى عمرك فكرت ايه سبب قوتها دي؟🤔 عشان تفهم ده، تعالى نرجع شوية لورا ==> ونشوف ايه السر ورا ال Neural networks الإجابة هي الدماغ البشرية . How the Human Brain Processes Information?🤔 أدمغتنا معقدة بشكل كبير جداً، بتعمل من خلال شبكة من مليارات الخلايا العصبية. من الاخر كده الخلايا العصبية هي اللبنات الأساسية للدماغ، وبتتواصل مع بعضها من خلال اتصالات اسمها synapses .  ال process اللي بتحصل دي هي اللي بتدينا القدرة على التفكير والمشي واي حاجة احنا عايزين نعملها عموماً. ولما بنتعلم حاجة جديدة، زي مثلاً ركوب العجل، خلايانا العصبية بتنشئ اتصالات جديدة، وبتتعزز بمرور الوقت بالممارسة. Neural Networks: A Digital Brain تم تصميم ال neural network في ال AI لمحاكاة العملية دي، وإن كان بطريقة أبسط بكتير.  فبدل الخلايا العصبية البيولوجية، بتتكون الشبكة ال neural network من خلايا عصبية اصطناعية. وبيتم تنظيمها في layers: 1. An Input layer: ودي اللي بتتلقى الداتا. 2. One...

تخيل أنك واقف أمام كومة كبيرة من الفاكهة المختلفة - التفاح والبرتقال والموز وغيرهم. وعندك مهمتين: في الأولى ، فيه شخص ما هيقولك اسم كل فاكهة، وهتقوم بتصنيفها في مجموعات بناءً على المعلومات دي. وفي المهمة الثانية ، مفيش حد هيقولك اسم الفاكهة؛ مطلوب منك بس تبص ليها وتعرف ازاي تجمعها بناءً على أوجه التشابه بينها. المهمتين دول بالظبط شبه النوعين الرئيسيين من ال Machine Learning:  supervised learning and unsupervised learning . ودلوقتي تعالوا نتعمق اكتر في الي بيخليهم مختلفين عن بعض. Supervised Learning: Sorting with Labels في ال Supervised learning، بيتم تزويدك بمجموعة من الداتا أو البيانات المصنفة. وده معناه أنه بالنسبة لكل جزء من البيانات، أنت تعرف بالفعل الإجابة الصح أو العلامة. الموضوع ده زي ما يكون بالظبط فيه شخص جنبك، بيقولك، "دي تفاحة"، "دي برتقالة"، وهكذا. وظيفتك هي التعلم من البيانات المصنف دي بحيث تقدر تتعرف عليها بشكل صحيح لما تشوف بيانات جديدة (زي مثلاً فاكهة جديدة). Example 1: Classifying Emails مثال شائع لل Supervised learning هو اكتشاف ال Email Spam filt...

عمرك سألت نفسك قبل كده ازاي أنت ممكن تبقي لسه بتفكر في الحاجة او بتتناقش فيها مع حد وفجأة تفتح أي موقع من مواقع السوشيال ميديا وتلاقي الحاجة دي قدامك من غير حتى ما تكون فكرت تسيرش عنها قبل كده!!  أكيد ده مش سحر - ده ال Machine Learning !!  في البوست ده، هنعرض رحلة ال Machine Learning Model، من أول جمع البيانات الخام لحد إجراء تنبؤات تقود نظام ال recommendations على مواقع التجارة الإلكترونية. Step 1: Collecting Data كل حاجة بتبدأ بالداتا او البيانات. فكر في الداتا باعتبارها المادة الخام لل Machine Learning Model الخاص بيك، تمامًا زي المكونات لأي اكلة مثلاً. في بيئة التجارة الإلكترونية، ممكن الداتا دي تتضمن معلومات حول مشتريات العملاء السابقة، والمنتجات اللي تصفحوها، وحتى تقييماتهم أو مراجعاتهم. على سبيل المثال، لنفترض أنك تُدير متجر كتب أونلاين من خلال الإنترنت. وبتجمع الداتا حول الكتب اللي بيشتريها الأشخاص، والأنواع الي بيفضلونها، ومدى تكرار تسوقهم، والكتب اللي بيضيفونها لل shop later list. البيانات دي هي أساس ال recommendation system بتاعك.   Step 2: Preparing the Data ا...