![ElhosseiniAcademy](/img/default-banner.jpg)
- Видео 669
- Просмотров 1 423 654
ElhosseiniAcademy
Саудовская Аравия
Добавлен 3 окт 2011
مرحبًا بكم في قناة البروفيسور مصطفى الحسيني، أستاذ هندسة الأنظمة الذكية بجامعة المنصورة. هذه القناة هي منصتكم الأولى للغوص في أعماق الذكاء الصناعي (AI)، تعلم الآلة (ML)، التعلم العميق (DL)، برمجة الحاسوب، الإحصاء، تصميم الحاسوب، تنظيم وهيكلة الحاسوب، الشبكات العصبية، وأساليب التحسين، كل ما هو جديد في علوم وهندسة الحاسب .
كمحتوى فريد وغني بالمعلومات، يقدم البروفيسور الحسيني:
محاضرات تعليمية تغطي أساسيات ومتقدمات الذكاء الصناعي، تعلم الآلة، والتعلم العميق.
شروحات تفصيلية حول أساسيات البرمجة والإحصاء، وكذلك تصميم وتنظيم الحاسوب.
دروسًا متعمقة في الشبكات العصبية وأساليب التحسين، مستفيدًا من خبرته الواسعة في هذا المجال.
بصفته مبدع محتوى متميز ومدربًا على منصة Udemy، يقدم البروفيسور الحسيني خمس دورات تعليمية جذبت أكثر من 10,000 طالب، مما يعكس تأثيره الكبير في مجال التعليم الإلكتروني. كمؤلف غزير لحوالي 70 مقالًا في مجلات علمية مرموقة، وعضو فعال في الجمعية العالمية للهندسة الكهربائية والإلكترونية (IEEE)، تمتد إسهاماته العلمية عبر مختلف أوجه التكنولوجيا والابتكار.
كمحتوى فريد وغني بالمعلومات، يقدم البروفيسور الحسيني:
محاضرات تعليمية تغطي أساسيات ومتقدمات الذكاء الصناعي، تعلم الآلة، والتعلم العميق.
شروحات تفصيلية حول أساسيات البرمجة والإحصاء، وكذلك تصميم وتنظيم الحاسوب.
دروسًا متعمقة في الشبكات العصبية وأساليب التحسين، مستفيدًا من خبرته الواسعة في هذا المجال.
بصفته مبدع محتوى متميز ومدربًا على منصة Udemy، يقدم البروفيسور الحسيني خمس دورات تعليمية جذبت أكثر من 10,000 طالب، مما يعكس تأثيره الكبير في مجال التعليم الإلكتروني. كمؤلف غزير لحوالي 70 مقالًا في مجلات علمية مرموقة، وعضو فعال في الجمعية العالمية للهندسة الكهربائية والإلكترونية (IEEE)، تمتد إسهاماته العلمية عبر مختلف أوجه التكنولوجيا والابتكار.
Lecture 62: Logistic Regression Applications [Iris - Diabetes]
Explore the powerful applications of logistic regression in this detailed lecture, where Prof. Mostafa A. Elhosseini guides you through two significant case studies: the Iris dataset 🌸 and the Pima Indian Diabetes dataset 🩺. This lecture is designed for both beginners and seasoned professionals interested in enhancing their understanding of logistic regression in diverse scenarios.
What You'll Learn:
Model Fundamentals: Begin with a solid foundation in the logistic regression model, focusing on the formulation of the model equation and the crucial role of the log loss function in model optimization.
Dataset Analysis: Delve into the specifics of each dataset-the Iris dataset known for its rol...
What You'll Learn:
Model Fundamentals: Begin with a solid foundation in the logistic regression model, focusing on the formulation of the model equation and the crucial role of the log loss function in model optimization.
Dataset Analysis: Delve into the specifics of each dataset-the Iris dataset known for its rol...
Просмотров: 47
Видео
Lecture 61: Logistic Regression
Просмотров 1239 часов назад
Dive into the fundamentals of logistic regression in this comprehensive lecture, perfect for students and professionals eager to enhance their machine learning skills. Join Prof. Mostafa A. Elhosseini as he explores the intricacies of logistic regression, starting with the sigmoid function and moving through model equations, cost functions, and the critical log loss component. In this session, ...
Lecture 60: Perceptron Applications - Spam Email Filter
Просмотров 6419 часов назад
Join Prof. Dr. Mostafa Elhosseini in his latest video lecture where he delves into the practical applications of the Perceptron algorithm, focusing on creating efficient spam email filters. 🛡️📧 Agenda: Applications of the Perceptron Algorithm Understanding Spam Email Filters How Spam Filters Work Key Features and Their Correlations Benefits of Spam Filters 🔍 Key Highlights: Applications: Discov...
Lecture 59: Perceptron Algorithm Implementation
Просмотров 107День назад
In this video, we delve into the Perceptron Algorithm, a foundational concept in machine learning. We explore the Perceptron Trick, a method where the decision boundary is moved slightly (a baby step) towards each misclassified point. This is achieved by updating the weights by an amount equal to the learning rate times the feature values. What You'll Learn: Perceptron Algorithm: Understand the...
Lecture 58: Error Functions and the Perceptron Trick
Просмотров 12614 дней назад
This lecture focuses on the critical evaluation and optimization of perceptrons through the lens of error functions. We will cover three principal error functions that help assess the performance of a perceptron classifier, each with its unique approach to measuring classification errors: Count of Misclassified Points: This function quantifies errors by simply counting how many points are miscl...
Lecture 57: Perceptron Basics: Understanding Linear Classifiers
Просмотров 13214 дней назад
🌟 Dive into the foundational concepts of machine learning with our latest video lecture on Perceptrons! 🚀 Whether you're a beginner or looking to refresh your knowledge, this video is tailor-made for you. In this lecture, we break down complex ideas into clear, manageable insights: 📏 Using Lines to Split Points: Learn how simple lines can categorize complex data points. 💬 Sentiment Analysis: Di...
Lecture 56: Early Stopping
Просмотров 9421 день назад
Welcome to another insightful lecture where we dive deep into the concept of Early Stopping in Machine Learning. Early stopping is a form of regularization used to avoid overfitting when training a learner with an iterative method, such as gradient descent. This video will cover everything from the basics to more advanced aspects, providing you with a thorough understanding of how to implement ...
Lecture 55: Lasso & Elastic Net Regularization
Просмотров 8421 день назад
Join us as we delve into two critical regularization methods in predictive modeling: Lasso and Elastic Net. These techniques are invaluable for improving model performance and avoiding overfitting. What you'll learn: Lasso Regularization: Uncover how Lasso encourages a sparse model by setting less important feature coefficients to zero. Measuring Complexity: Learn to assess model complexity usi...
Lecture 54: Ridge Regularization
Просмотров 10028 дней назад
Join Dr. Mostafa A. Elhosseini for a comprehensive lecture on Ridge Regression, an essential technique in the field of machine learning for dealing with multicollinearity and preventing overfitting. This lecture delves into the core concepts of Ridge Regularization, exploring the L2 norm as a measure of model complexity. Participants will gain an understanding of how regularization modifies the...
Lecture 53: Introduction to Regularization
Просмотров 124Месяц назад
Embark on your journey into the fundamentals of regularization with our engaging RUclips lecture. This session serves as an introductory guide, setting the stage for our upcoming detailed discussions on Ridge and Lasso regularization techniques. Perfect for beginners and those looking to refresh their understanding of key machine learning strategies. 🎓📊 #Regularization #MachineLearning What You...
Lecture 52: Cross Validation - Learning Curves
Просмотров 140Месяц назад
Unlock the secrets to optimal model complexity with our in-depth video lecture on Cross Validation and Learning Curves. This tutorial is designed for data scientists and machine learning practitioners who want to enhance their models' accuracy and prevent common pitfalls like overfitting and underfitting. 🎯📊 #MachineLearning #DataScience What You Will Learn: Optimal Model Complexity: Understand...
Lecture 51: Polynomial Regression
Просмотров 128Месяц назад
Dive into the fascinating world of Polynomial Regression with our comprehensive lecture designed for data scientists and enthusiasts! This session explores the versatile applications of polynomial models in scenarios where data complexity exceeds simple linear relationships. 📈🔍 #DataScience #MachineLearning What You Will Learn: Understanding Polynomial Models: What exactly is a polynomial, and ...
Lecture 50: Gradient Descent (Batch - Stochastic - MiniBatch) | Linear Regression
Просмотров 152Месяц назад
Unlock the complexities of Gradient Descent and its variants in our comprehensive lecture on Linear Regression. This session dives deep into the different types of Gradient Descent-Batch, Stochastic, and MiniBatch-detailing their applications, benefits, and how they impact the efficiency of model training. 📉🧠 #MachineLearning #DataScience #GradientDescent What You Will Learn: Core Concepts: Und...
Lecture 49: Error Functions - Healthcare Application | Linear Regression
Просмотров 125Месяц назад
Welcome to our detailed session where we explore two important topics: Error Functions and the application of Linear Regression in healthcare. This lecture addresses each topic individually, offering a thorough understanding of their importance and utility in different contexts. 📊🏥 #HealthcareDataScience #MachineLearning Part One: Error Functions Introduction to Error Metrics: Delve into essent...
Lecture 48: Square - Absolute Trick | Linear Regression
Просмотров 91Месяц назад
Welcome to another engaging session in our playlist "Hands-on Machine Learning with Scikit-Learn and TensorFlow"! 🚀 This video, titled "Simple Trick," dives deep into the basics of linear regression, providing you with practical Python coding insights to enhance your predictive modeling skills. 🐍📈 What You Will Learn: Terminology Mastery: Get a clear understanding of essential terms like Featur...
Lecture 47: Simple Trick | Linear Regression
Просмотров 139Месяц назад
Lecture 47: Simple Trick | Linear Regression
Lecture 46: Normal Equation | Linear Regression
Просмотров 157Месяц назад
Lecture 46: Normal Equation | Linear Regression
Lecture 45: Multioutput Classification
Просмотров 932 месяца назад
Lecture 45: Multioutput Classification
Lecture 44: MultiLabel Classification
Просмотров 692 месяца назад
Lecture 44: MultiLabel Classification
Lecture 42: Multiclass (Multinomial) Classification
Просмотров 902 месяца назад
Lecture 42: Multiclass (Multinomial) Classification
Lecture 41: Receiver Operating Characteristic (ROC) curve
Просмотров 942 месяца назад
Lecture 41: Receiver Operating Characteristic (ROC) curve
Lecture 40: 📈 Precision/Recall Curves Decoded: Visualizing the Impact of Threshold Adjustments 📊
Просмотров 1242 месяца назад
Lecture 40: 📈 Precision/Recall Curves Decoded: Visualizing the Impact of Threshold Adjustments 📊
Lecture 39: Precision vs. Recall: Finding the Perfect Balance 📊
Просмотров 1432 месяца назад
Lecture 39: Precision vs. Recall: Finding the Perfect Balance 📊
Lecture 37: 🎯 Unveiling the Truth: The Limits of Accuracy in Model Evaluation 🔄
Просмотров 1043 месяца назад
Lecture 37: 🎯 Unveiling the Truth: The Limits of Accuracy in Model Evaluation 🔄
Lecture 36: Binary Classification through MNIST Dataset
Просмотров 1633 месяца назад
Lecture 36: Binary Classification through MNIST Dataset
Lecture 35: From Code to Cloud: Mastering System Deployment and Monitoring
Просмотров 1003 месяца назад
Lecture 35: From Code to Cloud: Mastering System Deployment and Monitoring
Lecture 34: Confidence Intervals & the Empirical Rule, and Your Pre-Deployment Checklist
Просмотров 843 месяца назад
Lecture 34: Confidence Intervals & the Empirical Rule, and Your Pre-Deployment Checklist
Lecture 33: Beyond the Black Box: Feature Importance & Error Analysis
Просмотров 753 месяца назад
Lecture 33: Beyond the Black Box: Feature Importance & Error Analysis
ربنا يوفقك ويسعدك يارب العالمين تحياتي لشخصكم المحترم ❤
جزاكم الله خيرا لكلماتكم الرقيقة ....اهلا وسهلا بكم على الدوام
مساء الخير يا دكتور هل البلاي ليست بتاعت حضرتك دي هتكون كويسة لحد لسه هيبدء في تعلم الماشين ولا عاوزه حد هوا بالفعل فاهم ماشين ؟
للمبتدئين ...موش محتاجة متطلبات سابقة ...وايضا للناس اللي حابه تعمل Refreshment لمعلوماتها وتضيف جديد ...اهلا وسهلا بكم
ما الاختلاف بينو وبين النسخة 8th اتمنى ترد
واخيرا والحمدلله حد شرحها
كتب الله أجررررررك .
ربي يحفظك و يوفقك
عاش وجامد والله بس اتمني انك تشرح شويه متكونش بتقرا بس
شكرا جزيلا لكم وجزاكم الله كل خير, الحقيقة كمبتدء لم استطع المواكبة وفهم كل التفاصيل, وماهي اهمية قطع الكود الموجودة في المحاضرة وهل ستفيد في اي مشروع مستقبلي. وهل ضروري انه افهم كل هذا الكورد خاصة وانه لم تتضمن المحاضرات السابقة شئ عن موضوع cluster وبرمجته. مع الود
ربنا يكرمك
شكرا دكتور بارك الله فيك بعد اذنك ممكن ملف المحاضرة
شكرا جزيلا بروف هل ممكن تزيد بنسخه pdf وربنا يباركلك
بارك الله فيك يا دكتور الفهم نعمة و الله✨..
وفيكم ...اهلا وسهلا بكم ...شاركونا الأجر وادعمونا بالنشر
ما شاء الله، ربي يفوقك استاذ. طريقة شرح واضحة للغاية تعلمت منك كثير ............ استاذ فقط لو تعمل و تصمم كورس حول RNN و CNN و تركز على الشرح الرياضي والخلفية الرياضية لكل مدعمة بامثلة عددية جزاك الله كل خير
جزاكم الله خيرا لظنكم فينا...سعيد ان الكورس عجبك....حاليا في كورس اكثر تنظيما شغالين عليه بالمحاضرة 52. إن شاء الله نوصل للمطلوب ...دعواتكم ربنا يبارك بعمرنا واهلنا...من عنيا حاضر
@@ElhosseiniAcademy وفقك الله ، انا في الوقت الحالي طالب دكتوراه من الجزائر، الجزء التطبيقي في الأطروحة كله تعلمته من هده القناة الرائعة ، ان شاء الله ربي يجعلها في ميزان حسناتك. بارك الله فيك بروفيسور
اهل الجزائر نحبهم ونعشقهم اهل وحبايب طول العمر...بالتوفيق دكتور ان شاء الله
@@ElhosseiniAcademy شكرا ربي يحفظك 🤍🤍🤎بارك الله فيك
عالمي
دا من ذوقك
اخي أين يوجد موقع المعرض ؟
كان موجود بنفس التاريخ داخل الحرم المكي
هو حضرتك ليش مابتحلش الأسئلة
الف شكر يا دكتور 🌹🌹
اهلا وسهلا بكم علي الدوام
ربنا يرحمها و يجعل مثواها الجنه
جزاكم الله خيرا. ويرحم اموات المسلمين
فين لينك المحاضره حساب IQR
موفق 🎉
شاكر لكم
شكرا
شكرا لكم دكتور
واضح جدا
❤❤❤
اهلا وسهلا بكم علي الدوام
❤❤❤❤❤❤
using multiple buses does not solve the single bus problems. Select one: True False
شكرا
ممتاز جدا شكرا ليك
شكرا جدا
Let X1, X2 ,....,, be random variables of Poisson distribution then show that the mean of X, is an unbiased estimator of 0 with less variance. ممكن حل السؤال
س3: اجعل X1, X2 ,....,, متغيرات عشوائية لتوزيع بواسون ثم بين أن متوسط X هو مقدر غير متحيز للصفر مع تباين أقل.
جزاك الله خيرا سيدي الله يكثر منك الناس 💝💖💖💗
الف شكر يادكترة ربنا يبارك فيك ويباركلك في حياتك ووقتك
جزاكم الله خيرا 🌹🌹🌹
جزاك الله خيرا يا دكتور
الله يبارك فيك ويجزيك الخير ويبارك بالست الوالدة
اللهم امين...اهلا وسهلا بكم
جزاك الله خير
جزاكم الله خير ❤
جزاك الله خير
وجزاكم مثله...اهلا وسهلا بكم علي الدوام
❤❤❤
اللهم امين
دكتور بعد اذنك لو تعطينا خارطة طريق لتعلم machine learning انا طالب هندسة حاسبات وخلفيتي الرياضية جيدة
نبدأ بايه وكده
t.me/+3kNEJnNDGbw3OGY0
t.me/+3kNEJnNDGbw3OGY0
هناك نتكلم
شكرا لك يادكتور و اكيد طلابك مهتمين
دكتوري وأفتخر... ❤❤
جزاكم الله خيرا دكتور مصطفي
سعادة العميد واخي الغالي
ايوة بس كدة ممكن يحصل مشكلة لو صنفت مريض سليم انه كانسر و اخد علاج او ايميل مهم اتصنف سبام او صنفت شخص برئ انه مجرم
طبعا...كلامك مضبوط
Best of luck
ممكن اتواصل مع حضرتك يا دكتور
في شرح لل levy flight؟
بارك الله في علمك وعملك يادكتور
شرفتينا اختي الدكتورة وسام
تحياتي من 🇩🇿
اهلا وسهلا باهلنا بالجزائر