دورة التعلم الآلي التطبيقي بالرياض | مشاريع عملية في Machine Learning

التسويق

دورات السياحة و الفندقة

دورة Machine Learning بالرياض | التعلم الآلي التطبيقي بالمشاريع

هل تعرف أسماء الخوارزميات لكنك تتوقف عند أول Dataset حقيقية؟ هذه الدورة ترتب لك المسار من تنظيف البيانات واختيار نوع المشكلة إلى تدريب النموذج وقياس أدائه وتحويل النتيجة إلى مشروع تستطيع شرحه وعرضه.

التسجيل في دورة Machine Learning

الدورة متاحة أونلاين مباشر أو حضوريًا بالرياض بحسب الدفعات. الموعد يحدد بحسب الدفعات المتاحة، ويجب تأكيد الجدول قبل التسجيل.

أونلاين مباشر

جلسات حية بحسب جدول الدفعة

1,150ريال سعودي

مدة البرنامج: 5 أيام.
تطبيق مباشر وتمارين عملية.
السعر مستخدم وفق السعر الافتراضي المعتمد لعدم ظهور سعر مستقل للأونلاين في الصفحة الحالية.

استفسر عن الأونلاين

حضوري بالرياض

داخل مقر التدريب بحسب الدفعة المتاحة

1,265ريال سعودي

مدة البرنامج: 5 أيام.
تطبيق بإشراف المدرب حسب تجهيزات المختبر.
الرسوم الظاهرة وقت الفحص مع ظهور خيار «حضوري» أولًا.

استفسر عن الحضور

تنبيه قبل الدفع: صفحة الدورة لا تعرض موعدًا مؤكدًا ولا سعرًا منفصلًا للأونلاين داخل النص المتاح. أكد مع فريق التسجيل طريقة الحضور، عدد الساعات اليومية، السعر النهائي، وتجهيزات المختبر. الدورة تمنح شهادة حضور من المعهد وفق سياسته، وليست اختبار اعتماد دولي مستقل.

وصف الدورة

دورة Machine Learning تطبيقية لمن يريد تحويل البيانات إلى نموذج يمكن اختباره وشرح نتائجه، وليس مجرد حفظ أسماء الخوارزميات.

تبدأ من صياغة المشكلة وتحديد ما إذا كانت Regression أو Classification أو Clustering، ثم تنتقل إلى قراءة البيانات وتنظيفها وتحليلها، اختيار الخصائص، تقسيم البيانات، تدريب النموذج، تقييم الأداء، تحسينه، وتوثيق المشروع.

الأدوات الأساسية هي Python وJupyter Notebook وPandas وNumPy وMatplotlib وScikit-learn. لا ترتبط الدورة برمز اختبار أو شهادة مهنية خارجية محددة؛ قيمتها الأساسية في المهارة والمشروعات التي تنفذها، مع شهادة حضور من معهد مسارتك وفق سياسة المعهد.

تعريف المشكلةما القرار أو التوقع المطلوب؟

تجهيز البياناتتنظيف وفهم وتحويل المتغيرات

التدريباختيار Baseline ونموذج مناسب

التقييممقاييس تناسب هدف المشروع

العرضنتائج وحدود وتوصيات واضحة

الإجابة المباشرة: الدورة مناسبة لمن لديه أساس Python ويريد مشروعًا متكاملًا. لا تعدك بأن تصبح Machine Learning Engineer خلال خمسة أيام، لكنها تمنحك إطار عمل صحيحًا وممارسة عملية يمكن البناء عليها.

ما هو ML؟

التعلم الآلي Machine Learning هو فرع من الذكاء الاصطناعي يستخدم البيانات لبناء نموذج يتعلم أنماطًا تساعده على التنبؤ أو التصنيف أو اكتشاف مجموعات متشابهة. الفرق العملي عن البرمجة التقليدية أن المبرمج لا يكتب قاعدة منفصلة لكل حالة، بل يحدد البيانات والهدف وطريقة التقييم ثم يختبر قدرة النموذج على التعميم على بيانات جديدة.

نوع المشكلة	السؤال الذي يجيب عنه	مثال عملي	مقياس محتمل
Regression	ما القيمة الرقمية المتوقعة؟	توقع سعر أو مبيعات أو مدة.	MAE أو RMSE.
Classification	إلى أي فئة تنتمي الحالة؟	رسالة مزعجة أم سليمة، أو عميل سيستجيب أم لا.	Precision وRecall وF1.
Clustering	ما السجلات المتشابهة من دون Label جاهز؟	تقسيم العملاء إلى شرائح سلوكية.	Silhouette Score مع تفسير تجاري.

بياناتالبيانات أهم من اسم الخوارزمية

المدخلات الرديئة أو المتحيزة تنتج نموذجًا محدودًا حتى لو كانت الخوارزمية قوية.

اختبارالتعميم هو الهدف

نجاح النموذج على بيانات التدريب وحدها لا يكفي؛ يجب قياس أدائه على بيانات لم يرها.

سياقالمقياس يتبع المشكلة

Accuracy قد تكون مضللة في البيانات غير المتوازنة، لذلك يختار المقياس حسب تكلفة الخطأ.

إجابة سؤال الهوك: تبدأ باختيار نوع المشكلة، ثم Baseline بسيط، وبعدها تقارن النماذج بمقياس مناسب. لا تختار Random Forest أو أي خوارزمية لمجرد شهرتها.

الفوائد

01مسار واضح للمشروع

تعرف الخطوات من السؤال التجاري إلى Dataset ونموذج ونتيجة قابلة للشرح.

02اختيار النموذج بوعي

تميز بين التنبؤ والتصنيف والتجميع وتربط كل نوع بمقاييسه.

03تجهيز البيانات

تتعامل مع القيم الناقصة والتكرار والأنواع والقيم الشاذة والترميز.

04تقييم أكثر واقعية

تستخدم Train وValidation وTest أو Cross-validation وتنتبه إلى Data Leakage.

05تحسين منظم

تبني Baseline ثم تحسن الخصائص والإعدادات بدل تجربة عشوائية بلا معيار.

06مشروع Portfolio

توثق المشكلة والبيانات والمنهج والنتائج والقيود بدل رفع Notebook غير مشروح.

لماذا مسارتك؟

تعلم Machine Learning يحتاج إلى ممارسة وقراءة أخطاء ونتائج، لا إلى شرائح نظرية فقط. لذلك يركز البرنامج على خطوات المشروع والقرارات التي يتخذها المتدرب في كل مرحلة.

تدريب مرخصاعتماد TVTC رقم 224111315311812.

تعليم إلكتروني مرخصترخيص المركز الوطني رقم 2000341831046877.

أونلاين أو بالرياضطريقة الحضور بحسب الدفعات المتاحة.

شرح عربي مع الحفاظ على المصطلحات البرمجية والإنجليزية المستخدمة في المجال.
تطبيق باستخدام أدوات فعلية بدل الاكتفاء بوصف الخوارزمية.
ربط المقاييس بالهدف التجاري وتكلفة الخطأ، وليس عرض Accuracy فقط.
توضيح الفرق بين تدريب النموذج وبين نشره ومراقبته في Production.
مشروعات قابلة للتوثيق مع تنبيه إلى أن الـDataset والمشروع النهائي قد يختلفان حسب الدفعة.

المحتوى

المحور	ما الذي ستتعلمه؟	الناتج العملي
فهم المشكلة	تحويل الاحتياج إلى Target واضح وتحديد نوع ML المناسب وحدود الاستخدام.	Problem statement ومعيار نجاح أولي.
بيئة Python	Jupyter Notebook وNumPy وPandas وMatplotlib وScikit-learn.	Notebook منظم وقابل لإعادة التشغيل.
استكشاف البيانات EDA	فهم الأعمدة والتوزيعات والعلاقات والقيم غير الطبيعية.	ملخص جودة البيانات وأسئلة التحليل.
تنظيف البيانات	Missing values والتكرار والأنواع والقيم الشاذة.	Dataset صالحة للمعالجة والنمذجة.
Feature Engineering	Encoding وScaling وإنشاء خصائص تساعد النموذج.	مجموعة Features أوضح وأكثر اتساقًا.
تقسيم البيانات	Train وValidation وTest وCross-validation ومنع Data Leakage.	تقييم لا يخلط التدريب بالاختبار.
Regression	Linear Regression وDecision Tree وRandom Forest للتنبؤ الرقمي.	Baseline ومقارنة MAE وRMSE.
Classification	Logistic Regression وKNN وDecision Tree وRandom Forest.	Confusion Matrix وPrecision وRecall وF1.
Clustering	K-Means وتجهيز البيانات وتفسير المجموعات.	شرائح قابلة للوصف بدل أرقام Cluster فقط.
Text Classification	مدخل مبسط لتمثيل النص وبناء مصنف أولي عند توافره ضمن المختبر.	نموذج نصي تجريبي مع حدود واضحة.
Overfitting	الفرق بين أداء التدريب والتعميم وطرق التشخيص والتحسين.	قراءة Learning behavior واتخاذ إجراء مناسب.
Hyperparameter Tuning	Grid Search أو بحث منظم ومقارنة النتائج على Validation.	إعدادات محسنة دون لمس بيانات الاختبار مرارًا.
Pipeline	جمع خطوات التحضير والنموذج في مسار متكرر وآمن.	Pipeline تقلل اختلاف المعالجة بين التدريب والتنبؤ.
التفسير والمسؤولية	فحص الأخطاء والتحيز والقيود وشرح ما يستطيع النموذج فعله وما لا يستطيع.	تقرير أكثر أمانًا ووضوحًا لصاحب القرار.
المشروع النهائي	تنفيذ مشروع متكامل وتوثيق المنهج والنتائج والتوصيات.	مشروع Portfolio قابل للمراجعة والتطوير.

حدود النطاق: الدورة تركز على Machine Learning التقليدي وبناء المشاريع. Deep Learning وMLOps ونشر النماذج ومراقبتها مسارات تالية، ولا تُعد ضمن المحتوى إلا إذا أكد جدول الدفعة ذلك صراحة.

المشاريع العملية

المشروع الجيد لا ينتهي عند تشغيل الكود؛ يجب أن يوضح المشكلة، جودة البيانات، سبب اختيار المقياس، النتائج، الأخطاء، والقيود.

سعرتوقع قيمة رقمية

Regression لتوقع سعر أو طلب أو تكلفة، مع Baseline وMAE وRMSE وتحليل الأخطاء.

فئةتصنيف العملاء

Classification لتوقع استجابة أو احتفاظ، مع Confusion Matrix واختيار Threshold مناسب.

نصتصنيف رسائل أو مراجعات

مشروع نصي مبسط عند توافره ضمن المختبر، مع توضيح حدود البيانات واللغة.

شرائحتقسيم العملاء

Clustering لاكتشاف مجموعات متشابهة ثم وصفها من منظور سلوكي أو تجاري.

تقريرتقرير قرار

تحويل المقاييس والرسوم إلى نتائج مفهومة وتوصيات لا تتجاوز ما تثبته البيانات.

ملفمشروع Portfolio نهائي

Notebook منظم وREADME يشرح البيانات والمنهج والنتائج والقيود والخطوات التالية.

الإجابة عن سؤال الهوك: نعم، الصفحة الحالية تقدم الدورة باعتبارها تطبيقية بالمشروعات. لكن أسماء الـDatasets وعدد المشاريع المنفذة بالكامل يجب تأكيدهما مع الدفعة؛ لا تفترض أن كل مثال سيكون مشروعًا منفصلًا مكتملًا.

الفئة المستهدفة

الدورة مناسبة لـ

دارسي Python الذين يريدون أول مسار عملي في Machine Learning.
محللي البيانات الراغبين في الانتقال من الوصف إلى التنبؤ والتصنيف.
طلاب الحاسب والهندسة والتخصصات الكمية الذين يريدون مشاريع قابلة للعرض.
محللي الأعمال والتسويق الذين يعملون مع بيانات العملاء والطلب.
فرق الشركات التي تريد فهم إمكانات ML وحدوده قبل تنفيذ مشروع.
رواد المنتجات الرقمية الذين يحتاجون إلى تقييم فكرة تعتمد على نموذج تنبؤي.

المتطلبات الموصى بها

أساس Python: المتغيرات والشروط والحلقات والدوال وقراءة الملفات.
راحة مبدئية مع الجداول والصفوف والأعمدة والبيانات الرقمية.
فهم مبسط للمتوسطات والنسب والرسوم البيانية والجبر الأساسي.
جهاز مناسب لتشغيل Jupyter ومكتبات Python بحسب تعليمات المختبر.
الاستعداد لتجربة الكود وقراءة الأخطاء بدل الاكتفاء بالمشاهدة.

هل تناسب المبتدئ؟ تناسب المبتدئ في ML، لا المبتدئ تمامًا في البرمجة. إذا لم تستخدم Python من قبل، ابدأ بدورة Python أو مقدمة الذكاء الاصطناعي ثم عد إلى هذه الدورة.

المهارات والوظائف

المهارات التي تبنيها

Dataتجهيز البيانات

تنظيف وفحص وتحويل البيانات قبل التدريب.

Modelبناء Baseline

اختيار نموذج أولي ومقارنته بدل القفز مباشرة إلى حل معقد.

Metricاختيار المقاييس

ربط MAE أو Recall أو F1 بطبيعة الخطأ وأثره.

Tuneتحسين النموذج

Cross-validation وFeature Engineering وضبط الإعدادات.

Explainشرح النتائج

عرض ما تعلمه النموذج وحدوده وأمثلة الأخطاء.

Gitتوثيق المشروع

تنظيم Notebook وREADME ليصبح العمل قابلًا للمراجعة.

وظائف ومجالات تستفيد من الدورة

الدور أو المجال	كيف تفيده الدورة؟	ما الذي يحتاجه بجانبها؟
Data Analyst	الانتقال من التحليل الوصفي إلى نماذج تنبؤية وتصنيفية أولية.	SQL وExcel أو Power BI وإحصاء وتواصل مع أصحاب القرار.
Junior Data Scientist	بناء تجارب ML وقياسها وتوثيقها ضمن مشروع Data Science.	إحصاء أعمق وSQL وتجارب متعددة وPortfolio قوي.
Junior ML Engineer	فهم التدريب والتقييم وPipelines قبل الانتقال إلى النشر.	برمجة أقوى وAPIs وGit وDocker وCloud وMLOps.
Business Analyst	فهم حالات الاستخدام والمقاييس وترجمة النتائج إلى قرار.	تحليل المتطلبات وعمليات الأعمال وتصور البيانات.
Marketing Analyst	تصنيف العملاء والتنبؤ بالاستجابة وبناء شرائح سلوكية.	قياس الحملات وCRM وتجارب A/B ومعرفة تسويقية.
AI Product Analyst	تقييم جدوى ميزة تعتمد على ML وتحديد البيانات والمخاطر.	Product discovery وUX ومقاييس المنتج وحوكمة البيانات.

النتيجة الواقعية: الدورة تقوي ملفك وتمنحك أساسًا للمشروعات، لكنها لا تضمن وظيفة ولا تجعل المتدرب مهندس ML جاهزًا للإنتاج من دون برمجة أعمق ومشروعات ونشر ومراقبة للنماذج.

الأسئلة الشائعة

ما هي دورة Machine Learning؟

برنامج تدريبي تطبيقي يشرح دورة حياة مشروع التعلم الآلي من فهم المشكلة وتجهيز البيانات إلى تدريب النموذج وتقييمه وتحسينه وعرض نتائجه باستخدام Python وأدواتها.

هل دورة Machine Learning مناسبة للمبتدئين؟

تناسب المبتدئ في التعلم الآلي إذا كان لديه أساس بسيط في Python والتعامل مع البيانات. أما من يبدأ البرمجة من الصفر فيُفضّل أن يدرس Python أولًا.

هل أحتاج إلى معرفة Python قبل الدورة؟

نعم، تحتاج إلى أساس بسيط يشمل المتغيرات والشروط والحلقات والدوال وقراءة الملفات. لا يشترط أن تكون مطورًا محترفًا، لكن الدورة ليست بديلًا عن أساسيات البرمجة.

هل أحتاج إلى رياضيات متقدمة؟

لا تحتاج إلى رياضيات متقدمة للبدء. يفيدك فهم المتوسطات والنسب والرسوم البيانية والجبر الأساسي، وتُشرح المقاييس المطلوبة في سياق التطبيق.

هل الدورة عملية أم نظرية؟

الدورة تطبيقية وتربط كل مفهوم بتمرين أو مشروع، مع شرح النظرية اللازمة لفهم سبب اختيار الخوارزمية وقراءة النتائج بدل تنفيذ أوامر دون فهم.

ما الأدوات المستخدمة في الدورة؟

يتم التطبيق باستخدام Python وJupyter Notebook ومكتبات مثل NumPy وPandas وMatplotlib وScikit-learn، وفق بيئة المختبر المتاحة للدفعة.

ما الفرق بين Regression وClassification وClustering؟

Regression يتنبأ بقيمة رقمية، وClassification يختار فئة أو تصنيفًا، بينما Clustering يجمع السجلات المتشابهة من دون نتيجة مصنفة مسبقًا.

كيف يتم تقييم نموذج Machine Learning؟

يُختار المقياس حسب نوع المشكلة؛ مثل MAE وRMSE للتنبؤ الرقمي، وPrecision وRecall وF1 وConfusion Matrix للتصنيف، مع فصل بيانات التدريب عن التقييم.

هل تشمل الدورة التعامل مع Overfitting؟

نعم، تتناول الفرق بين أداء التدريب وأداء البيانات الجديدة، وتقسيم البيانات وCross-validation وضبط الإعدادات وتحسين الخصائص لتقليل Overfitting.

هل تشمل الدورة Deep Learning؟

تركز الدورة على Machine Learning التقليدي باستخدام Scikit-learn. قد توضح الفرق مع Deep Learning، لكن الشبكات العصبية العميقة تحتاج إلى مسار مستقل بعد إتقان الأساسيات.

هل تشمل الدورة نشر النموذج في تطبيق Production؟

التركيز الأساسي هو بناء النموذج وتقييمه وتوثيق المشروع. نشر النموذج كخدمة أو دمجه في تطبيق ليس مضمونًا ضمن النطاق، ويجب تأكيد ذلك مع فريق التسجيل قبل اختيار الدفعة.

ما مدة الدورة؟

المدة الظاهرة في صفحة الدورة الحالية هي 5 أيام. عدد الساعات اليومية والجدول يحددان بحسب الدفعة المتاحة ويجب تأكيدهما قبل التسجيل.

كم سعر الدورة وما طرق الحضور؟

السعر الظاهر وقت الفحص في 21 يوليو 2026 هو 1,265 ريال مع ظهور خيار الحضور أولًا. سعر الأونلاين المستخدم في الصفحة هو السعر الافتراضي المعتمد 1,150 ريال لعدم ظهور سعر مستقل له، ويجب تأكيد الإجمالي النهائي قبل الدفع.

هل رسوم الدورة تشمل اختبارًا أو قسيمة اختبار؟

لا يوجد اختبار مهني محدد مرتبط بهذه الدورة، ولا تفترض أن أي اختبار أو قسيمة مشمولة ما لم يذكر عرض التسجيل ذلك صراحة.

هل أحصل على اعتماد دولي بعد الحضور؟

الدورة برنامج تدريبي من معهد مسارتك وشهادتها شهادة حضور وفق سياسة المعهد. لا تُقدَّم باعتبارها شهادة مهنية دولية مستقلة أو اعتمادًا من شركة تقنية خارجية.

ما المسار المناسب بعد الدورة؟

بعد إتقان Machine Learning يمكنك التوسع في Deep Learning، أو تحسين عرض النتائج باستخدام Power BI، أو دراسة MLOps ونشر النماذج إذا كان هدفك العمل الهندسي.

ما الوظائف التي تستفيد من الدورة؟

تفيد محللي البيانات وJunior Data Scientists وJunior Machine Learning Engineers ومحللي الأعمال والتسويق وفرق المنتجات الذكية، لكنها لا تضمن وظيفة بمفردها وتحتاج إلى مشاريع ومهارات إضافية.

كيف أسجل في دورة Machine Learning؟

تواصل عبر واتساب على 966532365192 أو اتصل على 920014582، وحدد مستوى Python وطريقة الحضور المطلوبة، ثم أكد الموعد والساعات والسعر النهائي ومحتوى المختبر قبل الدفع.

لا تبدأ بالخوارزمية؛ ابدأ بالمشكلة والبيانات

أخبر فريق مسارتك بمستواك في Python والهدف الذي تريد الوصول إليه، ثم اسأل عن مشاريع الدفعة، بيئة المختبر، عدد الساعات، وطريقة الحضور قبل التسجيل.

تواصل عبر واتساب اتصل على 920014582

Machine Learningدورة تعلم آلي بالرياضApplied Machine LearningPythonScikit-learnRegressionClassificationClusteringModel EvaluationData Scienceمشاريع عمليةالرياض

جميع الدورات

دورة Machine Learning بالرياض | التعلم الآلي التطبيقي بالمشاريع

التسجيل في دورة Machine Learning

أونلاين مباشر

حضوري بالرياض

وصف الدورة

ما هو ML؟

الفوائد

لماذا مسارتك؟

المحتوى

المشاريع العملية

الفئة المستهدفة

الدورة مناسبة لـ

المتطلبات الموصى بها

المهارات والوظائف

المهارات التي تبنيها

وظائف ومجالات تستفيد من الدورة

الأسئلة الشائعة

لا تبدأ بالخوارزمية؛ ابدأ بالمشكلة والبيانات

التقييمات

التسجيل في دورة Machine Learning

أونلاين مباشر

حضوري بالرياض

وصف الدورة

ما هو ML؟

الفوائد

لماذا مسارتك؟

المحتوى

المشاريع العملية

الفئة المستهدفة

الدورة مناسبة لـ

المتطلبات الموصى بها

المهارات والوظائف

المهارات التي تبنيها

وظائف ومجالات تستفيد من الدورة

الأسئلة الشائعة

دورات تكمل مسارك

لا تبدأ بالخوارزمية؛ ابدأ بالمشكلة والبيانات

التقييمات