Add files using upload-large-folder tool

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/0qyAh66hZ2s.srt

@@ -0,0 +1,1071 @@
+1
+00:00:01,180 --> 00:00:03,500
+بسم الله الرحمن الرحيم الصلاة والسلام على رسول
+
+2
+00:00:03,500 --> 00:00:09,210
+اللهِ أهلاً وسهلاً بكم في محاضرة جديدة من وثائق تقييم
+
+3
+00:00:09,210 --> 00:00:12,350
+البيانات. اليوم، إن شاء الله، هنتكلم على الـ second
+
+4
+00:00:12,350 --> 00:00:16,890
+mining task أو الـ third mining task اللي هي الـ
+
+5
+00:00:16,890 --> 00:00:20,750
+clustering. طبعاً، إحنا كنا بنتكلم سابقاً أن الـ
+
+6
+00:00:20,750 --> 00:00:24,490
+mining task تنقسم من الـ predictive أو الـ
+
+7
+00:00:24,490 --> 00:00:26,870
+descriptive، و الـ predictive اتكلمنا عن الـ
+
+8
+00:00:26,870 --> 00:00:28,990
+classification و الـ regression و الـ recommendation.
+
+9
+00:00:28,990 --> 00:00:31,470
+اليوم، طبعاً، الـ recommendation ما شرحناها عشان
+
+10
+00:00:31,470 --> 00:00:34,170
+اتكلمنا عن classification و regression. واليوم، إن
+
+11
+00:00:34,170 --> 00:00:36,710
+شاء الله تعالى، هنتكلم.. نبدأ في الـ descriptive
+
+12
+00:00:36,710 --> 00:00:41,370
+task. هنتكلم على الـ clustering. طب لما إحنا بنتكلم
+
+13
+00:00:41,370 --> 00:00:43,910
+على الـ clustering، بنتكلم على unsupervised learning.
+
+14
+00:00:43,910 --> 00:00:46,750
+و هذا نوع من الـ machine learning اللي بتعلم من الـ
+
+15
+00:00:46,750 --> 00:00:51,650
+test data. يعني أنا بهمني إنه البيانات تبعتي مايكونش
+
+16
+00:00:51,650 --> 00:00:55,030
+لها label. هذا مفهوم الـ test data، إن الـ test data
+
+17
+00:00:55,030 --> 00:00:59,090
+إنه الـ label مش موجود، that has not been labeled.
+
+18
+00:00:59,090 --> 00:01:04,580
+مالهاش label classified or categorized، ما تمش
+
+19
+00:01:04,580 --> 00:01:09,020
+تصنيفها أو تقسيمها قبل هيك. بالـ unsupervised
+
+20
+00:01:09,020 --> 00:01:14,400
+learning، على خلاف كل الـ machine learning، مافيش
+
+21
+00:01:14,400 --> 00:01:19,420
+عندي output معروف مسبقاً، وبالتالي مافيش عندي
+
+22
+00:01:19,420 --> 00:01:22,320
+teacher أو instruction، مافيش عندي أي structure للـ
+
+23
+00:01:22,320 --> 00:01:25,700
+learning algorithm. ف حين إنه في الـ supervised
+
+24
+00:01:25,700 --> 00:01:28,020
+learning، سواء كان في الـ regression أو كان في الـ
+
+25
+00:01:28,020 --> 00:01:32,840
+classification، كان عندي واضح الـ label، هو الـ
+
+26
+00:01:32,840 --> 00:01:36,180
+guidance تبعي، أو هو المعلم تبعي. إيه الشغلات اللي
+
+27
+00:01:36,180 --> 00:01:39,260
+أنا بدي إياها، وإيه الـ role اللي أنا كنت بحاول أحصل
+
+28
+00:01:39,260 --> 00:01:41,920
+عليها. الـ unsupervised learning، الـ learning
+
+29
+00:01:41,920 --> 00:01:47,880
+algorithm فقط بأعرض عليه البيانات، وبطلب يعمل
+
+30
+00:01:47,880 --> 00:01:50,840
+extract للـ knowledge. طبعاً، extract للـ knowledge، هان
+
+31
+00:01:50,840 --> 00:01:54,500
+إما بتقسيمهم لمجموعات، أو يقول لي إيش الـ frequent
+
+32
+00:01:54,500 --> 00:01:57,720
+pattern فيهم. زي ما في الـ association rules، إلى
+
+33
+00:01:57,720 --> 00:02:02,710
+آخرين. طبعاً، لما اتكلم في الـ unsupervised learning،
+
+34
+00:02:02,710 --> 00:02:06,530
+بدل
+
+35
+00:02:06,530 --> 00:02:11,390
+ما أنا آخذ feedback و
+
+36
+00:02:11,390 --> 00:02:15,070
+أقارب الـ unsupervised learning، بعرف الـ
+
+37
+00:02:15,070 --> 00:02:19,510
+communities، أو الشغلات المشتركة في الـ data، الشغلات
+
+38
+00:02:19,510 --> 00:02:23,230
+الـ common اللي موجودة، اللي بتتشارك فيها معظم
+
+39
+00:02:23,230 --> 00:02:28,960
+الـ instances اللي موجودة عندي. وبتقرر.. وبت.. اللي
+
+40
+00:02:28,960 --> 00:02:32,640
+بعرف.. بعد ما بتقرر على الشغلات الـ common هاي، أو
+
+41
+00:02:32,640 --> 00:02:36,760
+الشغلات المشتركة هاي، بناءً عليها بتتصرف. إما بتقرر
+
+42
+00:02:36,760 --> 00:02:41,420
+.. يعني بتتصرف، وبصير الـ algorithm بناءً على وجود أو
+
+43
+00:02:41,420 --> 00:02:45,940
+عدم وجود الـ properties أو الـ common properties
+
+44
+00:02:45,940 --> 00:02:49,440
+اللي موجودة عنده. يعني، يعني تخيل أنا لو أنا في عندي
+
+45
+00:02:49,440 --> 00:02:53,910
+مجموعة من الصور، وقلنا بدنا نصنفهم، مجموعة من الصور،
+
+46
+00:02:53,910 --> 00:02:56,290
+و أنا بدي أصنفهم، معناته حتى اللي ��رف المحتوى الصور،
+
+47
+00:02:56,290 --> 00:03:01,830
+وأصير أقول لك والله إن التصنيف هذا بيتبع كده، أو يتبع كده.
+
+48
+00:03:01,830 --> 00:03:05,230
+الـ unsupervised learning، زي ما قلنا، عبارة عن
+
+49
+00:03:05,230 --> 00:03:09,330
+descriptive model. في أكتر من نوع في الـ
+
+50
+00:03:09,330 --> 00:03:11,590
+unsupervised learning، زي ما بنعرف سابقاً، لـ
+
+51
+00:03:11,590 --> 00:03:14,630
+clustering. طبعاً، شفناها في المقدمة، تابعة للمساق، لـ
+
+52
+00:03:14,630 --> 00:03:18,930
+clustering. معناته أنا بدي أجسم الـ data instances
+
+53
+00:03:18,930 --> 00:03:27,350
+اللي موجودة عندي، لمجموعة من الـ groups. طبعاً، مجموع
+
+54
+00:03:27,350 --> 00:03:32,050
+الـ groups هذه، عددها معروف مسبقاً. طب من هنا، علشان
+
+55
+00:03:32,050 --> 00:03:35,870
+نتم تجميعهم، بدنا ندرس صفات الـ properties هاي،
+
+56
+00:03:35,870 --> 00:03:38,970
+و تجميعهم مع بعضهم. الـ anomaly detection أو الـ
+
+57
+00:03:38,970 --> 00:03:42,030
+outlier detection، أروح أدور على الـ unusual، أو
+
+58
+00:03:42,030 --> 00:03:48,270
+الشغلات النادرة في الـ data set اللي موجودة عندها، و
+
+59
+00:03:48,270 --> 00:03:53,390
+أظهرها. الـ association rules، لما أنا بتكلم على الـ
+
+60
+00:03:53,390 --> 00:03:58,570
+patterns، و بدور على الـ frequent pattern اللي ممكن
+
+61
+00:03:58,570 --> 00:04:02,410
+تكون موجودة عندي، و ارتباط العناصر، وأشوف ارتباط
+
+62
+00:04:02,410 --> 00:04:06,660
+القوانين، أو ارتباط الـ data مع بعضها، عشان أقدر أبني
+
+63
+00:04:06,660 --> 00:04:10,060
+decision. وفي عندي transformation، اللي هي فعلياً أنا
+
+64
+00:04:10,060 --> 00:04:13,760
+أقدر أحول الـ data لـ data set مختلفة، عشان أقدر
+
+65
+00:04:13,760 --> 00:04:18,480
+أرسمها، أو أقدر أتعامل معاها بشكل أبسط. إحنا طبعاً،
+
+66
+00:04:18,480 --> 00:04:22,980
+هنتكلم على الـ course هذا، الـ clustering و الـ
+
+67
+00:04:22,980 --> 00:04:27,600
+association rules. طبعاً، لما نتكلم فعلياً، الـ
+
+68
+00:04:27,600 --> 00:04:31,380
+clustering، معناته الـ clustering algorithm بده يروح
+
+69
+00:04:31,380 --> 00:04:36,680
+يجسم الـ data set اللي عندي، لـ distinct groups. الجروب
+
+70
+00:04:36,680 --> 00:04:42,780
+هذه، معروفة مسبقاً. تخيل
+
+71
+00:04:42,780 --> 00:04:48,320
+إن الـ raw data تبعتي، هي عبارة عن سلة الفواكه رمضان
+
+72
+00:04:48,320 --> 00:04:51,600
+كريم، إن شاء الله، كل عام وأنتم طيبين، إن شاء الله، سلة
+
+73
+00:04:51,600 --> 00:04:54,580
+الفواكه، هي عبارة عن الـ input data، الـ raw data
+
+74
+00:04:54,580 --> 00:05:00,580
+تبعتي، وأنا قلت بدي أجسمها لثلاث مجموعات. طبيعى الـ
+
+75
+00:05:00,580 --> 00:05:05,060
+algorithm هيدرس خصائص العناصر كلياتها، يعرف العناصر
+
+76
+00:05:05,060 --> 00:05:08,260
+المشتركة، ويحدد العناصر المشتركة، وبالتالي هيقول لي
+
+77
+00:05:08,260 --> 00:05:12,700
+في عندك مجموعة التفاح، ومجموعة الموز، ومجموعة
+
+78
+00:05:12,700 --> 00:05:17,360
+المانجو. هذا لما قلت له جسم ليها لثلاث مجموعات.
+
+79
+00:05:17,360 --> 00:05:19,940
+متذكرين الـ definition السابق؟ أنا قلت لها
+
+80
+00:05:19,940 --> 00:05:25,040
+predefined أو predetermined number of groups، لازم
+
+81
+00:05:25,040 --> 00:05:30,110
+أحدده مسبقاً. تمام. طيب، لو أنا روحت قلت له لمجموعتين،
+
+82
+00:05:30,110 --> 00:05:35,970
+روحت قلت له جسم ليّ إياها لمجموعتين، مش ثلاث مجموعات،
+
+83
+00:05:35,970 --> 00:05:42,070
+دراسة العناصر هاي، وهيروح وكأنه هيقول لي إنه هذه
+
+84
+00:05:42,070 --> 00:05:45,990
+أنا بتوقع إنه يكون هذه التفاح والمانجو في مجموعة، و
+
+85
+00:05:45,990 --> 00:05:49,690
+الموز في مجموعة ثانية، لأن الشكل واللون مختلف، بعاد
+
+86
+00:05:49,690 --> 00:05:54,430
+كتير عن بعضهم. وبالتالي، عدد المجموعات هو اللي بيلعب
+
+87
+00:05:54,430 --> 00:05:57,370
+دوراً. طبعاً يا جماعة الخير، كل ما كان عندي عدد
+
+88
+00:05:57,370 --> 00:06:00,950
+المجموعات اللي أنا بديّ إياها، تبعتي، هو الصح، معناته أنا
+
+89
+00:06:00,950 --> 00:06:04,370
+بشتغل عليها بشكل كويس، أو بكون عندي النتيجة تبعتي
+
+90
+00:06:04,370 --> 00:06:09,310
+صح. لما بتكلم في الـ clustering، معناته أنا بتكلم إن
+
+91
+00:06:09,310 --> 00:06:13,250
+الـ method تبعتي، هي الـ.. الـ.. أو الـ clustering هي
+
+92
+00:06:13,250 --> 00:06:17,470
+عبارة عن method بتجسم البيانات اللي بتشارك
+
+93
+00:06:19,620 --> 00:06:26,360
+الصفات المشتركة، أو الـ similar trend and better.
+
+94
+00:06:26,360 --> 00:06:32,520
+يعني إن الـ instances هتتوزع بناءً على محتوى، على
+
+95
+00:06:32,520 --> 00:06:36,820
+احتوائها على مجموعة من الشغلات المشتركة. يعني هيكون
+
+96
+00:06:36,820 --> 00:06:40,140
+في عندي تشابه كبير جداً ما بين العناصر اللي في
+
+97
+00:06:40,140 --> 00:06:45,200
+المجموعة الواحدة. الهدف الأساسي فعلياً من الـ
+
+98
+00:06:45,200 --> 00:06:48,660
+clustering، معناته هو عبارة عن split up، تقسيم الـ
+
+99
+00:06:48,660 --> 00:06:56,200
+data، بطريقة، طبعاً، بتقسمها لـ groups، بطريقة إن النقاط
+
+100
+00:06:56,200 --> 00:06:59,220
+اللي في الـ cluster الواحد، أو في المجموعة الواحدة
+
+101
+00:06:59,220 --> 00:07:03,820
+are very similar، متشابهة جداً. عشان هيك كانت في
+
+102
+00:07:03,820 --> 00:07:08,920
+الرسم السابق، هان لما اتكلمنا، كان التفاح لحال،
+
+103
+00:07:08,920 --> 00:07:12,400
+المانجو لحال، والموز لحال. ولما قلت لك أنا بقسمهم
+
+104
+00:07:12,400 --> 00:07:16,460
+لمجموعتين، مش لثلاث مجموعات، معناته تقول إحنا هنا
+
+105
+00:07:16,460 --> 00:07:21,980
+نضيفهم على بعضهم. لكن الآن، إيش الشغلات المشتركة
+
+106
+00:07:21,980 --> 00:07:25,280
+اللي أنت اعتمدت عليها؟ الحجم مثلاً، واللون. لكن لو
+
+107
+00:07:25,280 --> 00:07:27,640
+واحد يجي يقول لي والله أنا بقسمهم هالنا مجموعتين،
+
+108
+00:07:27,640 --> 00:07:32,400
+بناءً على طبيعة الفاكهة اللي موجودة هاي، وبالتالي،
+
+109
+00:07:32,400 --> 00:07:35,660
+إحنا نتكلم، في عندي فواكه استوائية، الـ mango و الموز،
+
+110
+00:07:35,660 --> 00:07:42,040
+فاكهة استوائية ولا لأ. وبالتالي، ممكن يكون تصنيف في
+
+111
+00:07:42,040 --> 00:07:46,540
+الآخر. ما فيش عندي قرار صحيح مئة في المئة، أن
+
+112
+00:07:46,540 --> 00:07:50,520
+التقسيمة تبعتي هذه صح، أو.. لكن بقدر أقول والله
+
+113
+00:07:50,520 --> 00:07:53,820
+التقسيمة هذه أصح من هذه التقسيمة، بناءً على معرفتي
+
+114
+00:07:53,820 --> 00:07:56,640
+بالبيانات اللي موجودة عندها. طبعاً، الـ similarity،
+
+115
+00:07:56,640 --> 00:08:01,640
+طبعاً، التشابه ما بين الـ algorithm for the
+
+116
+00:08:01,640 --> 00:08:03,600
+unsupervised learning و الـ classification
+
+117
+00:08:03,600 --> 00:08:08,820
+algorithm، إنه الـ cluster algorithm بيخصص، أو بِتنبأ
+
+118
+00:08:08,820 --> 00:08:11,780
+رقم المجموعة
+
+119
+00:08:14,590 --> 00:08:16,970
+للـ point. يعني أنا روحت قلت له والله أنا بدي ثلاث
+
+120
+00:08:16,970 --> 00:08:19,850
+مجموعات، بروح بقول له هذه الـ point في المجموعة رقم
+
+121
+00:08:19,850 --> 00:08:22,830
+واحد، هذه الـ point في المجموعة رقم اثنين، هذه الـ
+
+122
+00:08:22,830 --> 00:08:25,090
+point في المجموعة رقم ثلاثة، هذه الـ point في
+
+123
+00:08:25,090 --> 00:08:29,550
+المجموعة رقم ثلاثة. وبالتالي، هو بيعمل predict لرقم
+
+124
+00:08:29,550 --> 00:08:32,370
+المجموعة اللي أنا قلته من البداية، عشان أنا قلت له
+
+125
+00:08:32,370 --> 00:08:37,550
+بدي ثلاث مجموعات، فهو هيجسم ليّ إياها لثلاث مجموعات. طبعاً، و
+
+126
+00:08:37,550 --> 00:08:39,950
+هذه هي المفهوم، التشابه اللي أنا بتكلم عليه، إنهم
+
+127
+00:08:39,950 --> 00:08:45,040
+بنعمل prediction للـ number، بحيث إنه فعلياً، كما زي
+
+128
+00:08:45,040 --> 00:08:48,480
+ما قلنا، إن هذا الـ number هي عبارة عن رقم المجموعة
+
+129
+00:08:48,480 --> 00:08:51,620
+أو رقم الـ cluster اللي بيحتوي الـ point اللي موجودة
+
+130
+00:08:51,620 --> 00:08:57,000
+عندها. طبعاً،
+
+131
+00:08:57,000 --> 00:08:59,820
+لما بتكلم على الـ clustering، معناته إن أنا بدي آخذ
+
+132
+00:08:59,820 --> 00:09:07,020
+بيانات كلها في نفس الـ space. بتكلم على بيانات كلها
+
+133
+00:09:07,020 --> 00:09:13,040
+في نفس الـ space، في مجموعات معينة. يعني هذا الـ space
+
+134
+00:09:13,040 --> 00:09:17,240
+هو عبارة عن high dimensional، ممكن يكون 2D, 3D, 4D.
+
+135
+00:09:17,240 --> 00:09:23,080
+طبعاً،  أتكلم دي اللي هي عدد الـ attribute، و بروح اللي
+
+136
+00:09:23,080 --> 00:09:28,300
+بجسم ليّ إياها لمجموعات. بجسم الـ rows، الـ instances أو الـ
+
+137
+00:09:28,300 --> 00:09:33,860
+points هاي، بجسم ليّ إياها لمجموعات، عبارة عن مجموعات، أو
+
+138
+00:09:33,860 --> 00:09:46,740
+طبعاً، اللي بـ guess الـ point هذه لمجموعات أصغر، بـ
+
+139
+00:09:46,740 --> 00:09:51,060
+guess similarly. عفواً، اللي قلنا إحنا كمان مرة، إن
+
+140
+00:09:51,060 --> 00:09:56,440
+فكرة الـ algorithm بياخد الـ points اللي موجودة
+
+141
+00:09:56,440 --> 00:10:00,220
+عندها، بغض النظر عن الـ space أو الـ dimensionality
+
+142
+00:10:00,220 --> 00:10:05,440
+تبعتها. لكن كل الـ points أو الـ data set تبعتي على
+
+143
+00:10:05,440 --> 00:10:09,560
+نفس العدد من الـ attributes، ثابتة. بروح بجسم ليّ إياها
+
+144
+00:10:09,560 --> 00:10:12,760
+لمجموعات أصغر. يعني،  بجوز يكون كانت والله عندي الـ
+
+145
+00:10:12,760 --> 00:10:15,780
+data set فيها مئة ألف record، وقلت له جسم ليّ إياها لثلاث
+
+146
+00:10:15,780 --> 00:10:18,980
+مجموعات، المئة ألف هدول بيتجسموا على ثلاث مجموعات،
+
+147
+00:10:18,980 --> 00:10:25,500
+حتماً. Each cluster consists of a point that are near
+
+148
+00:10:25,500 --> 00:10:31,080
+to some in some sense. وهذه النقاط في كل مجموعة
+
+149
+00:10:31,080 --> 00:10:36,460
+متشابهة بشكل أو بآخر. طبعاً، لما نتكلم على الـ similar،
+
+150
+00:10:36,460 --> 00:10:41,660
+أو العلاقة related، similar to another، في نفس
+
+151
+00:10:41,660 --> 00:10:46,640
+المجموعة. عناصر المجموعة الواحدة متشابهة، وعناصر
+
+152
+00:10:46,640 --> 00:10:49,860
+المجموعات المختلفة غير متشابهة.
+
+153
+00:10:52,050 --> 00:10:58,450
+هذا المصطلح أهم، و more professional، أن الـ intra
+
+154
+00:10:58,450 --> 00:11:03,050
+distance أو الـ cluster distance يجب أن يكون قليل،
+
+155
+00:11:06,170 --> 00:11:10,330
+كان المسافة ما بين عناصر الـ in instance أو الـ
+
+156
+00:11:10,330 --> 00:11:14,550
+cluster الواحدة تكون قصيرة جداً، ليس منها in
+
+157
+00:11:14,550 --> 00:11:20,110
+instance، أو الـ distance. لما بتكلم على distance يا
+
+158
+00:11:20,110 --> 00:11:24,310
+جماعة الخير، لو تخيل إن في اثنين متطابقين، أو
+
+159
+00:11:24,310 --> 00:11:30,150
+متشابهين، المسافة بينهم قد ايش؟ صفر. أصبح لكن لما يكون
+
+160
+00:11:30,150 --> 00:11:34,690
+المختلفين، المسافة بينهم أبعد ما يمكن. وبالتالي، أنا
+
+161
+00:11:34,690 --> 00:11:37,670
+بقى اتكلم إنه لازم يكون في عند الـ Inter distance
+
+162
+00:11:37,670 --> 00:11:42,270
+أبعد ما يمكن، والـ intra distance أصغر ما يمكن.
+
+163
+00:11:42,270 --> 00:11:46,830
+وبهيك أنا بكون نجحت في تقسيم المجموعات اللي موجودة
+
+164
+00:11:46,830 --> 00:11:51,940
+عندها. طبعاً، لو أنا بدي أعمل مقارنة فعلياً ما بين الـ
+
+165
+00:11:51,940 --> 00:11:55,440
+Clustering و الـ Classification، بناءً على الـ data
+
+166
+00:11:55,440 --> 00:11:59,220
+اللي موجودة عندي. طبعاً، الرسمة الأولى اللي فوق بتمثل
+
+167
+00:11:59,220 --> 00:12:03,700
+classification، والرسمة اللي تحت بتمثل الـ
+
+168
+00:12:03,700 --> 00:12:05,820
+clustering. طبعاً، اللي بتكلم عن الـ classification،
+
+169
+00:12:05,820 --> 00:12:09,520
+يعني إن في عندي label، لازم يكون label، هي الـ label
+
+170
+00:12:09,520 --> 00:12:13,960
+النقاط اللي باللون الأخضر proteins، واللي باللون
+
+171
+00:12:13,960 --> 00:12:18,120
+البني الغامق هذا، أو البني الداكن، هي عبارة عن الـ
+
+172
+00:12:18,120 --> 00:12:22,870
+genes. ومعناته إن لازم يكون في عندي rule يخصص كل
+
+173
+00:12:22,870 --> 00:12:26,950
+point لـ label واضح. طبعاً، الـ rule هذا، زي ما بنعرف
+
+223
+00:16:22,060 --> 00:16:22,880
+ordered
+
+224
+00:16:25,670 --> 00:16:30,370
+طيب الـ cluster الثاني عبارة عن money prices أو
+
+225
+00:16:30,370 --> 00:16:34,610
+purchase money فهي عندي مجموعة عالية من الـ items
+
+226
+00:16:34,610 --> 00:16:39,530
+عالية، والـ purchases تبعتي high prices كذلك، وهذه
+
+227
+00:16:39,530 --> 00:16:42,370
+اللي باللون الأزرق، كذلك باللون الأخضر لما أنا
+
+228
+00:16:42,370 --> 00:16:47,470
+أتكلم أن الـ customer بيشتري مجموعة قليلة من
+
+229
+00:16:47,470 --> 00:16:52,510
+العناصر بأسعار قليلة أو بأسعار زهيدة نوعاً ما، تمام.
+
+230
+00:16:54,270 --> 00:16:57,630
+طبعاً، أين المجالات أو أين التطبيقات اللي ممكن أنا
+
+231
+00:16:57,630 --> 00:17:01,750
+أشغل فيها، عفواً، أشغل فيها أو أطبق فيها الـ
+
+232
+00:17:01,750 --> 00:17:05,590
+clustering؟ العديد من المجالات في الـ target
+
+233
+00:17:05,590 --> 00:17:11,230
+marketing، في التسويق الموجه، لما أنا حابب أستكشف من
+
+234
+00:17:11,230 --> 00:17:15,950
+الناس اللي ممكن يشتريه الإبداع تبعتي، وأروح أوجه
+
+235
+00:17:15,950 --> 00:17:20,910
+لهم الإعلانات أو أعرض عليهم المنتج تبعي، مثلاً أنا
+
+236
+00:17:20,910 --> 00:17:27,750
+والله لو جئنا سألنا، أنا عمال بعمل تطبيق IOS عشان
+
+237
+00:17:27,750 --> 00:17:32,670
+يتكلم أو بعملي high prediction لضغط الدم وعدد
+
+238
+00:17:32,670 --> 00:17:37,450
+ضربات القلب والأخره، من المعنيين لو أنا بدي أروح
+
+239
+00:17:37,450 --> 00:17:42,950
+أدور في الـ data أو بدي أحاول أستكشف، عندي data set
+
+240
+00:17:42,950 --> 00:17:45,830
+لـ customers اللي بيشتغلوا applications، ممكن أنا
+
+241
+00:17:45,830 --> 00:17:48,430
+أروح أبحث عن فئة الناس اللي ممكن تشتري الـ
+
+242
+00:17:48,430 --> 00:17:51,230
+application هذا، من خلال، إما من خلال الـ similarity
+
+243
+00:17:51,230 --> 00:17:55,390
+أو من خلال الاهتمامات
+
+244
+00:17:55,390 --> 00:17:59,510
+تبعتهم، في الآخر لازم ألاقي بين العناصر هدول شغلات
+
+245
+00:17:59,510 --> 00:18:02,670
+مشتركة، وممكن أنا أتوجه لهم، لأن ممكن أتوجه لهم لكل
+
+246
+00:18:02,670 --> 00:18:05,950
+المجموعات، فلما أنا بروح وأجسمهم لمجموعات ألاقي
+
+247
+00:18:05,950 --> 00:18:13,310
+حتماً مجموعة فيها هذه العناصر، في الـ genomics أو في
+
+248
+00:18:13,310 --> 00:18:17,730
+علم الجينات، ممكن أنا أروح أصنف الجينات كذلك، أو
+
+249
+00:18:17,730 --> 00:18:21,310
+عفواً، أقسم الجينات لمجموعات، في الـ astronomy أو في
+
+250
+00:18:21,310 --> 00:18:26,670
+علم الفضاء، عشان أصنف أو أجسم المجموعات أو أوجد
+
+251
+00:18:26,670 --> 00:18:30,470
+مجموعات لـ similar stars والـ galaxies والمجرات
+
+252
+00:18:30,470 --> 00:18:33,660
+اللي موجودة عندي، في الـ insurance أو في التأمين، عشان
+
+253
+00:18:33,660 --> 00:18:37,460
+أعرف في المجموعات اللي أنا فعلياً كيف ممكن أعرف
+
+254
+00:18:37,460 --> 00:18:44,420
+فيها الـ vehicles أو أن اصدر أو اقسم بوليصات التأمين
+
+255
+00:18:44,420 --> 00:18:48,240
+حسب الـ holder اللي موجود عندها، لو جديش قيمة الـ
+
+256
+00:18:48,240 --> 00:18:51,200
+insurance، في الـ city planning كذلك، في التخطيط
+
+257
+00:18:51,200 --> 00:18:56,200
+الحضري للمدن، كيف يتم جسمها لمجموعة من الـ houses
+
+258
+00:18:56,200 --> 00:19:03,220
+بناءً على أنواعهم وأنواع سفرتهم والـ location أو الـ
+
+259
+00:19:03,220 --> 00:19:07,260
+geographical location تبعتهم، لكن أنا فعلياً جامعة
+
+260
+00:19:07,260 --> 00:19:11,300
+الخير، كل الكلام الجميل عن الـ clustering، في عندي من
+
+261
+00:19:11,300 --> 00:19:13,860
+ضمن الكلام كان في عندي مشكلة واضحة، أو هي الـ
+
+262
+00:19:13,860 --> 00:19:19,560
+challenge الأساسي في موضوع الـ clustering، فعلياً إذا
+
+263
+00:19:19,560 --> 00:19:23,240
+الـ data unlabeled، ما أعطاني عدد الـ clusters الحقيقية
+
+264
+00:19:23,240 --> 00:19:28,380
+اللي موجودة عندي، لو أنا عرضت عليك الـ data هاي كم
+
+265
+00:19:28,380 --> 00:19:34,600
+clusters؟ هذه الـ data set unlabeled data، ما فيش
+
+266
+00:19:34,600 --> 00:19:38,000
+عليها أي علامات مميزة، وسألتك هذه كم مجموعة؟
+
+267
+00:19:47,800 --> 00:19:55,400
+ممكن أكثر؟ اه ممكن، هذه أربعة clusters، هدول مع بعض،
+
+268
+00:19:55,400 --> 00:20:06,910
+هدول لحال، هدول لحال، هذا لحال، أو هذا لحال، ممكن ستة
+
+269
+00:20:06,910 --> 00:20:10,630
+كذلك، طيب أي عدد فيهم الصح؟ طيب الثلاثة ليش مش ثلاثة؟
+
+270
+00:20:10,630 --> 00:20:14,130
+لو أنا قلت له ثلاثة، حاجة اسمهم على ثلاثة، من الصح
+
+271
+00:20:14,130 --> 00:20:19,030
+فيهم؟ اثنين ولا ثلاثة ولا أربعة ولا ستة ولا خمسة؟
+
+272
+00:20:19,030 --> 00:20:23,850
+مين؟ لأن الـ label غايب عندي، معناته أنا في عندي
+
+273
+00:20:23,850 --> 00:20:26,810
+مشكلة، أو إحنا بنقول في عندي challenge حقيقية، لأن
+
+274
+00:20:26,810 --> 00:20:32,480
+أقدر أقيّم الـ Cluster Algorithm أو الـ Behavior تبع
+
+275
+00:20:32,480 --> 00:20:34,340
+الـ Cluster Algorithm، علشان هي بتقول الـ
+
+276
+00:20:34,340 --> 00:20:39,120
+Clustering can be ambiguous، ممكن يكون مضلل، مضلل
+
+277
+00:20:39,120 --> 00:20:42,600
+يعني مش واضح أو ضبابي في التعامل اللي موجود عندها.
+
+278
+00:20:43,850 --> 00:20:46,950
+الـ Clustering Types، لما أتكلم على الـ Clustering
+
+279
+00:20:46,950 --> 00:20:51,630
+Types، المعنى هو .. الـ .. الـ Clustering هي عبارة عن
+
+280
+00:20:51,630 --> 00:20:56,110
+مجموعة من الست في الـ clusters، وهذه تراوح مجموعات
+
+281
+00:20:56,110 --> 00:20:59,010
+الـ clusters هذه إما ما بين الـ hierarchical أو الـ
+
+282
+00:20:59,010 --> 00:21:03,830
+partitional، الـ cluster إما بتكون هرمي أو تجزيئي أو
+
+283
+00:21:03,830 --> 00:21:06,810
+تقطيعي، الـ clusters اللي موجودة، لما أتكلم على
+
+284
+00:21:06,810 --> 00:21:09,250
+partitional الـ clustering، معناته أنا بتكلم على
+
+285
+00:21:09,250 --> 00:21:15,790
+division للـ data على مجموعات غير متقاطعة، أنا بأجسم
+
+286
+00:21:15,790 --> 00:21:20,310
+الـ data objects أو الـ instances اللي موجودة على
+
+287
+00:21:20,310 --> 00:21:25,870
+مجموعات غير متقاطعة، وهذا ما نسميه non overlapping
+
+288
+00:21:25,870 --> 00:21:29,330
+clusters أو non overlapping subsets، أو نسميها إحنا
+
+289
+00:21:29,330 --> 00:21:36,230
+cluster، وبالتالي كل element بيكون موجود فقط في one
+
+290
+00:21:36,230 --> 00:21:40,140
+subset، بينما في الـ Hierarchical Clustering، معناته
+
+291
+00:21:40,140 --> 00:21:45,860
+أنا بتكلم على set of nested clusters organized as
+
+292
+00:21:45,860 --> 00:21:49,720
+hierarchical tree، وبالتالي لأ، أنا في عندي تقاطع ما
+
+293
+00:21:49,720 --> 00:21:53,060
+بين كل cluster والتاني، لما إن في عندي هيكلية أو
+
+294
+00:21:53,060 --> 00:21:56,660
+hierarchy هرمية أو في عندي tree، معناته أنا قاعد
+
+295
+00:21:56,660 --> 00:22:00,420
+في عندي عناصر اللي حتكون عندي ماخدة أشكال مختلفة.
+
+296
+00:22:00,420 --> 00:22:03,660
+لو أنا قلت هذه الـ data اللي عندي هان وبدأت أطبق
+
+297
+00:22:03,660 --> 00:22:07,660
+عليها partitional clustering، معناته ممكن حيكون
+
+298
+00:22:07,660 --> 00:22:10,860
+عبارة عن الـ Partition، Different Partitional
+
+299
+00:22:10,860 --> 00:22:15,140
+Clustering، لو أنا افترضت أنه بالـ Hierarchical
+
+300
+00:22:15,140 --> 00:22:17,660
+data، معناته أنا ممكن أحكي الـ Hierarchical فكرة
+
+301
+00:22:17,660 --> 00:22:24,370
+أنه اثنين وثلاثة هان في one cluster، والـ cluster
+
+302
+00:22:24,370 --> 00:22:27,870
+هذا مع أربعة كونوا cluster جديد، مع واحد كونوا
+
+303
+00:22:27,870 --> 00:22:30,830
+cluster جديد، وهذه طبعاً بسميها traditional
+
+304
+00:22:30,830 --> 00:22:33,710
+hierarchical clustering، بينما هذه بسميها
+
+305
+00:22:33,710 --> 00:22:37,850
+dendrogram، وطبعاً الـ dendrogram بيبين بشكل واضح
+
+306
+00:22:37,850 --> 00:22:41,290
+علاقة الـ instances مع بعض، يعني أنا واضح أن عندي
+
+307
+00:22:41,290 --> 00:22:47,950
+اثنين وثلاثة انجمعوا، بعدين انجمع لهم أربعة، و
+
+308
+00:22:47,950 --> 00:22:54,500
+بعدين انجمع لكل اللي هي واحدة، كذلك هنا، هنا الـ non
+
+309
+00:22:54,500 --> 00:22:56,940
+-traditional الهراريكال .. الهراريكال طبعاً ا��ـ
+
+310
+00:22:56,940 --> 00:22:59,740
+traditional في كل مرة أنا عمالي بضيف point، لكن في
+
+311
+00:22:59,740 --> 00:23:02,220
+الـ non-traditional، لأ، ممكن تكون الأمور شوية مختلفة.
+
+312
+00:23:02,220 --> 00:23:05,500
+ممكن بي واحد وبي اثنين مع بعض، بي اثنين وبي ثلاثة
+
+313
+00:23:05,500 --> 00:23:08,840
+مع بعض، بي ثلاثة وبي أربعة، وهدول كلهم موجودين مع
+
+314
+00:23:08,840 --> 00:23:13,200
+بعض، وهذه هي في الـ dendogram اللي بتظهر عندنا إن
+
+315
+00:23:13,200 --> 00:23:16,840
+شاء الله تعالى، في التسجيل الجاي حأروح باتجاه الـ
+
+316
+00:23:16,840 --> 00:23:20,300
+partitional clustering، أشوفكم على خير إن شاء الله.
+
+317
+00:23:20,300 --> 00:23:21,640
+والسلام عليكم ورحمة الله.

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/3PercFMmDro.srt

@@ -0,0 +1,2598 @@
+1
+00:00:05,250 --> 00:00:07,430
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:07,430 --> 00:00:11,930
+اليوم إن شاء الله شباب، هنبدأ بـ Chapter جديد في الـ
+
+3
+00:00:11,930 --> 00:00:15,070
+data mining، وهنتكلم على أولى الـ data mining tasks
+
+4
+00:00:15,070 --> 00:00:20,630
+وهي الـ classification. الـ classification لكن قبل
+
+5
+00:00:20,630 --> 00:00:24,150
+ما أبدأ بالمحاضرة فعلياً، وبالـ slides، بدي أسأل أنا
+
+6
+00:00:24,150 --> 00:00:26,270
+إيش احنا بنقصد بالـ classification؟
+
+7
+00:00:44,700 --> 00:00:53,400
+أه محمد، شو يعني classification؟
+
+8
+00:00:53,400 --> 00:00:56,580
+بدي
+
+9
+00:00:56,580 --> 00:00:59,060
+أصنف.. شو يعني بدي أصنف؟ أيوة، أنا بدي أقول..
+
+10
+00:00:59,060 --> 00:01:04,700
+بينهم شغلات مشتركة.
+
+11
+00:01:04,700 --> 00:01:09,520
+شو رايك؟ مشتركة؟  مرتّب، عفواً، بجسم الـ data على شكل
+
+12
+00:01:09,520 --> 00:01:14,720
+categories. بجسم الـ data على شكل categories، كريم.
+
+13
+00:01:14,720 --> 00:01:20,040
+بناءً على ترميز معيّنة، بعمل زي لِبْط بمثل الصدر أو كذا.
+
+14
+00:01:20,040 --> 00:01:24,340
+طيب، أنا قاعد بسأل شو يعني تصنيف بالعربي؟ شو يعني
+
+15
+00:01:24,340 --> 00:01:30,220
+تصنيف شغلات بينها أو في عناصر، فيها عناصر مشتركة.
+
+16
+00:01:30,220 --> 00:01:38,040
+عمار، شو يعني تصنيف؟ تقسيم العناصر إلى مجموعات. طيب.
+
+17
+00:01:38,040 --> 00:01:42,200
+شو يعني تصنيف يا راني؟ تصنيف شو يعني؟
+
+18
+00:01:47,010 --> 00:01:54,950
+طيب، لو أنا جيت قلت لك، أه أحمد، تفضل. اعمل sub-class
+
+19
+00:01:54,950 --> 00:02:00,410
+بناءً على role معيّن، أو subset. طيب لو.. لو أنا جيت
+
+20
+00:02:00,410 --> 00:02:09,330
+قلت لكم عندي الآن قرصة كتب، مجموعة كتب، وبدنا نصنّفها.
+
+21
+00:02:15,120 --> 00:02:19,440
+إيش اسمك؟ إبراهيم. إبراهيم، أنا عارف، بعمل تساؤل لك.
+
+22
+00:02:19,440 --> 00:02:26,500
+سنّوار، حسب إيش بدي أصنّفها؟ ليش يا إبراهيم سألتني
+
+23
+00:02:26,500 --> 00:02:32,420
+السؤال هذا؟ عشان أنا أقدر.. طب إيش اللي بدك إياه مني
+
+24
+00:02:32,420 --> 00:02:36,480
+يا إبراهيم، عشان تقدر تصنّفها؟
+
+25
+00:02:36,480 --> 00:02:39,660
+هو هو أنت صرت إبراهيم الآن؟ أيوة، إيش اللي بدك
+
+26
+00:02:39,660 --> 00:02:42,960
+يامني، عشان تقدر تصنّفها؟  حتى تقدر تحصر لي شغلات؟
+
+27
+00:02:45,760 --> 00:02:50,560
+معلومات.. معلومات.. معلومات عن إيش؟ معلومات عن
+
+28
+00:02:50,560 --> 00:02:54,680
+أستراليا.. معلومات عن أستراليا.. معلومات عن
+
+29
+00:02:54,680 --> 00:02:55,440
+أستراليا.. معلومات عن أستراليا.. معلومات عن
+
+30
+00:02:55,440 --> 00:02:56,680
+أستراليا.. معلومات عن أستراليا.. معلومات عن
+
+31
+00:02:56,680 --> 00:02:56,920
+أستراليا.. معلومات عن أستراليا.. معلومات عن
+
+32
+00:02:56,920 --> 00:02:58,800
+أستراليا.. معلومات عن أستراليا.. معلومات عن
+
+33
+00:02:58,800 --> 00:03:00,320
+أستراليا.. معلومات عن أستراليا.. معلومات عن
+
+34
+00:03:00,320 --> 00:03:02,840
+أستراليا.. معلومات عن أستراليا.. معلومات عن
+
+35
+00:03:02,840 --> 00:03:07,340
+أستراليا.. معلومات عن أستراليا.. معلومات عن
+
+36
+00:03:07,340 --> 00:03:10,880
+أستراليا.. معلومات عن أستراليا.. معلومات عن أست
+
+37
+00:03:12,100 --> 00:03:16,820
+تمام؟ كان كله بيتكلم على clustering أو grouping.
+
+38
+00:03:16,820 --> 00:03:21,720
+لأن كلكم بتتكلموا، لمجموعات. أصنفهم لمجموعات، أصنفهم
+
+39
+00:03:21,720 --> 00:03:27,360
+لمجموعات. مش هيك أصنفهم. يعني في عندي predefined
+
+40
+00:03:27,360 --> 00:03:32,220
+sets. في عندي مجموعات معروفة مسبقاً، والمجموعات هذه
+
+41
+00:03:32,220 --> 00:03:38,060
+إلها عناوين، وأنت دورك تشوف هل العنصر هذا بيتوافق مع
+
+42
+00:03:38,060 --> 00:03:41,440
+المجموعة هذه ولا لأ، عشان تحطه تحتها. بينما اللي
+
+43
+00:03:41,440 --> 00:03:44,840
+كنتوا أنتم بتطرحوه، بتقول أنا بدي أدرس الخصائص
+
+44
+00:03:44,840 --> 00:03:50,630
+المشتركة بي�� الكتب، وأجسّمهم لمجموعات. هذا بيسمّيه
+
+45
+00:03:50,630 --> 00:03:52,510
+احنا في الـ data science أو في الـ data mining
+
+46
+00:03:52,510 --> 00:03:57,230
+clustering. يا تامر، بيسمّيه clustering أو grouping.
+
+47
+00:03:57,230 --> 00:04:04,370
+بينما للتصنيف، أنا بقعد فيه عندي مجموعات معرفة
+
+48
+00:04:04,370 --> 00:04:08,350
+مسبقاً، predefined
+
+49
+00:04:08,350 --> 00:04:14,870
+groups. ممكن
+
+50
+00:04:14,870 --> 00:04:18,680
+يكونوا أقل شيء، لازم يكونوا اثنتين. أجل، لازم يكونوا
+
+51
+00:04:18,680 --> 00:04:23,600
+مجموعتين، وبعدين هي بيجي دوري أنا، بشوف كل object
+
+52
+00:04:23,600 --> 00:04:26,780
+في الـ data set اللي عندي، أو كل object في الكتب
+
+53
+00:04:26,780 --> 00:04:33,440
+اللي عندي، بيندرج تحت أي مصنّف؟ تحت أي عنوان من
+
+54
+00:04:33,440 --> 00:04:37,020
+المجموعات هذه. لو أنا أجيت قلت لك يا همام، الكتب اللي
+
+55
+00:04:37,020 --> 00:04:43,400
+عندي أنا إما science أو politics أو financial أو
+
+56
+00:04:43,400 --> 00:04:45,020
+literature، أدب.
+
+57
+00:04:47,290 --> 00:04:54,550
+اقتصاد، سياسة، علوم، شوف كيف تساوي وعندك مجموعة
+
+58
+00:04:54,550 --> 00:04:59,950
+الكتب مثل ما هي مكدسة قدامي، شو هتعمل؟ كيف؟ ماشي،
+
+59
+00:04:59,950 --> 00:05:09,560
+هتفرزهم الآن، شو هتسوي؟ هتمسك كل كتاب..  كمل، على
+
+60
+00:05:09,560 --> 00:05:12,820
+الأقل أعرف الموضوع اللي بيتكلم فيه الكتاب، يعني
+
+61
+00:05:12,820 --> 00:05:18,400
+مثلاً كتاب بتكلم عن الاحتلال الإنجليزي لشرق آسيا،
+
+62
+00:05:18,400 --> 00:05:26,760
+مثلاً بتصنّفه سياسة ولا تاريخ، literature حسب الكتاب
+
+63
+00:05:26,760 --> 00:05:30,500
+عن إيش بتكلم؟ هل بتكلم مثلاً رؤية سياسية ولا
+
+64
+00:05:30,500 --> 00:05:34,480
+بتكلم مجرد سرد تاريخي للموضوع، الاحتلال على
+
+65
+00:05:34,480 --> 00:05:37,620
+التاريخ. جيت وجيت والله، كتاب بتكلم على الـ second
+
+66
+00:05:37,620 --> 00:05:38,240
+derivative.
+
+67
+00:05:41,020 --> 00:05:45,180
+Science. لجيت كتاب بتكلم عن الـ poems أو الشعر،
+
+68
+00:05:45,180 --> 00:05:48,800
+literature. مظبوط؟ هيك صار في عندي أنا الآن
+
+69
+00:05:48,800 --> 00:05:52,860
+باستخدام الـ knowledge تبعتي، تمام؟ ومعرفتي
+
+70
+00:05:52,860 --> 00:05:58,370
+بالمجموعات السابقة، بالمجموعات السابقة اللي موجودة
+
+71
+00:05:58,370 --> 00:06:02,010
+عندي، وبروح إيش بصير؟ آخذ كل كتاب أو كل object
+
+72
+00:06:02,010 --> 00:06:06,230
+بقرّن الخصائص تبعته، أو بحاول أطلع، أعرف عن إيش بتكلم
+
+73
+00:06:06,230 --> 00:06:10,910
+الكتاب هذا، وبروح بصنّفه لحاله، بحطه تحت مجموعة أو
+
+74
+00:06:10,910 --> 00:06:16,170
+تحت أي مجموعة من العناصر اللي موجودة. عامّة، تمام؟
+
+75
+00:06:16,170 --> 00:06:22,010
+فمعناته الـ classification هي عضوية المجموعات
+
+76
+00:06:22,010 --> 00:06:25,950
+predefined groups، مجموعات معروفة مسبقاً، وبدي أحدّد
+
+77
+00:06:25,950 --> 00:06:31,030
+مين العناصر، تمام، اللي ممكن يكونوا تحت المجموعة
+
+78
+00:06:31,030 --> 00:06:36,970
+اللي عندي الآن. بيفرق عن التقسيم أو الـ clustering.
+
+79
+00:06:36,970 --> 00:06:42,840
+لو قلت للشباب، أنا بدي أجسّمكم لمجموعات، تمام؟ شغلات
+
+80
+00:06:42,840 --> 00:06:45,480
+كتيرة ممكن تكون مشتركة، أو شغلات كتيرة ممكن تكون
+
+81
+00:06:45,480 --> 00:06:49,840
+مختلفة بينكم. عشان لو رحت أنا قلت، بجسّمكم تبع الـ
+
+82
+00:06:49,840 --> 00:06:56,300
+.. سنة الميلاد، تمام؟ لاحظ أنا في كل الكلام اللي
+
+83
+00:06:56,300 --> 00:07:02,620
+أنا بقوله، ما لي أي control على.. على عدد
+
+84
+00:07:02,620 --> 00:07:05,760
+المجموعات. بينما في الـ cluster.. في الـ
+
+85
+00:07:05,760 --> 00:07:11,400
+classification، عدد المجموعات. طبعاً، بدي أجسّمكم تبعاً
+
+86
+00:07:11,400 --> 00:07:16,100
+لتاريخ ميلادكم، لسنة الميلاد. كل ناس مولودين في سنة
+
+87
+00:07:16,100 --> 00:07:20,840
+هذول بيكونوا مجموعة لحالهم. طب لجيت واحد لحاله، أه
+
+88
+00:07:20,840 --> 00:07:28,040
+هذا، بدوني أعم�� مجموعة، ما عنديش مشكلة في الموضوع، لأ.
+
+89
+00:07:28,040 --> 00:07:34,940
+ممكن أسخّر الـ clustering لخدمة الـ classification. ممكن
+
+90
+00:07:34,940 --> 00:07:39,240
+أسخّر الـ clustering لخدمة الـ classification، وهذا
+
+91
+00:07:39,240 --> 00:07:43,240
+بنسميه عادةً semi-supervised learning. إن أنا فعلياً
+
+92
+00:07:43,240 --> 00:07:47,480
+عندي بعض الـ data، بعض الـ data labeled، وبعض الـ
+
+93
+00:07:47,480 --> 00:07:51,560
+data.. وكمّ كبير من الـ data unlabeled. فبروح
+
+94
+00:07:51,560 --> 00:07:56,580
+بجسّمهم لأربع مجموعات حسب معرفتي من هنا، وبطلع في كل
+
+95
+00:07:56,580 --> 00:08:00,560
+cluster، كل مجموعة، إيش الأكثر عناصر من الـ الـ هم
+
+96
+00:08:00,560 --> 00:08:03,600
+label، وبسمّيه، بطلق عليه، وبخلي الـ bag كله، ماشي؟
+
+97
+00:08:03,600 --> 00:08:08,260
+يحملوا نفس الصفة. أجيت أقول بدي أصنفكم تبعاً
+
+98
+00:08:08,260 --> 00:08:09,560
+لمعدلاتكم.
+
+99
+00:08:12,460 --> 00:08:15,200
+واحد يقول يا دكتور، ما هو معروف، المعدلات تسعين وفوق
+
+100
+00:08:15,200 --> 00:08:22,200
+من ثمانين لتسعين، okay. بس لاحظ أنا ما اتكلمت على كل
+
+101
+00:08:22,200 --> 00:08:26,000
+اسم مجموعة. المجموعات هذه ما لها أسامي، مش معرفة
+
+102
+00:08:26,000 --> 00:08:31,280
+بالنسبة لي مسبقاً. تبع أوزانكم، أطوالكم، تمام؟ كل
+
+103
+00:08:31,280 --> 00:08:34,740
+الشغلات هذه، عاملة جماعة. بتتكلم على مجموعات، على
+
+104
+00:08:34,740 --> 00:08:38,720
+مجموعات، وبعدين هيك بنصير إما بحدّد الخاصية وبشغل، أو
+
+105
+00:08:38,720 --> 00:08:42,440
+بروح بقول لشبابنا، نجسّم لمجموعتين، لثلاث مجموعات، و
+
+106
+00:08:42,440 --> 00:08:45,860
+بصير أدوّر على الـ common properties اللي تجمعكم مع
+
+107
+00:08:45,860 --> 00:08:51,860
+بعض. لكن إيش الصفة السائدة لكل مجموعة؟ ما نعرفش
+
+108
+00:08:51,860 --> 00:08:55,580
+لاحقاً. بدنا نصير نفكّر، ندوّر بعنوان. بينما بالـ
+
+109
+00:08:55,580 --> 00:08:59,340
+classification، أنا عندي التصنيفات موجودة عندي
+
+110
+00:08:59,340 --> 00:09:05,320
+مستويات الطلاب موجودة: ممتاز، جيد جداً، جيد، مقبول؟ هذه
+
+111
+00:09:05,320 --> 00:09:08,920
+التصنيفات اللي موجودة عندي الآن. درجة الرطوبة إما
+
+112
+00:09:08,920 --> 00:09:13,960
+هتكون عالية أو متوسطة أو منخفضة. الجو إما هيكون
+
+113
+00:09:13,960 --> 00:09:18,860
+غائم أو غائم جزئياً أو صافي، تمام؟ اليوم إما هيكون
+
+114
+00:09:18,860 --> 00:09:22,420
+ماطر أو هيكون غير ماطر. هذه المعلومات أو هذه الـ
+
+115
+00:09:22,420 --> 00:09:22,860
+categories.
+
+116
+00:09:29,580 --> 00:09:33,860
+بتكلم على category كمجموعات إلها صفات مشتركة محددة
+
+117
+00:09:33,860 --> 00:09:38,040
+وواضحة، وإلها اسم. فهنا احنا بنتكلم على تصنيف
+
+118
+00:09:38,040 --> 00:09:43,860
+classification. إيش اللي احنا بنتعلمه في الـ chapter
+
+119
+00:09:43,860 --> 00:09:44,380
+هذا؟
+
+120
+00:10:02,660 --> 00:10:06,840
+إيش بتتوقع إن احنا نتعلم في الـ chapter هذا الآن؟
+
+121
+00:10:06,840 --> 00:10:18,980
+كيف أقدر أعرف المجموعات؟ مش صحيح، أيوة، أتعرف
+
+122
+00:10:18,980 --> 00:10:24,340
+على التقنيات اللي بتستخدم في التصنيف، غيره. طبعاً هذا
+
+123
+00:10:24,340 --> 00:10:29,700
+حتكلم، شغل مكتبات أو شغل ناس شغّالة في المجال. غير،
+
+124
+00:10:29,700 --> 00:10:34,050
+أه حسن، إيش بتتوقع أن أبدأ أتعلم الفصل هذا، أو
+
+125
+00:10:34,050 --> 00:10:38,450
+الشابتر هذا؟
+
+126
+00:10:38,450 --> 00:10:44,170
+كيف المكتبات بتعمل؟ إيش المبدأ اللي بتشتغل عليه؟
+
+127
+00:10:44,170 --> 00:10:48,470
+أه أحمد، إيش ممكن أتوقع أن أتعلم الفصل هذا، الشابتر
+
+128
+00:10:48,470 --> 00:10:52,430
+هذا؟ على أي أساس أصنف؟
+
+129
+00:10:56,620 --> 00:11:00,240
+أديب، الشغلات المشتركة بين الـ instances أو الـ
+
+130
+00:11:00,240 --> 00:11:07,980
+objects، عشان أقدر أصنفها. أقدر أفرّق بين إيش؟ بين الـ
+
+131
+00:11:07,980 --> 00:11:13,180
+objects أو بين جُثتين. أتعرف على الخصائص تبع ك��
+
+132
+00:11:13,180 --> 00:11:19,480
+مجموعة، عشان أقدر أحدد لـ new objects أو الـ unseen
+
+133
+00:11:19,480 --> 00:11:23,900
+samples بتنتمي لأي مجموعة. بس فعلياً، مش أنا اللي
+
+134
+00:11:23,900 --> 00:11:29,680
+هشتغل. الـ Machine، الفكرة الآن لما نتكلم على
+
+135
+00:11:29,680 --> 00:11:32,560
+Classification، هنبدأ نتكلم على Machine Learning
+
+136
+00:11:32,560 --> 00:11:37,160
+Algorithm. هنبدأ نتكلم على تعلم الآلة، أو تعلم..
+
+137
+00:11:37,160 --> 00:11:40,840
+تعلم الآلة. كيف الآلة بتدور على الـ characteristics
+
+138
+00:11:40,840 --> 00:11:45,320
+المشتركة لكل مجموعة. الآن بما أن الـ classification
+
+139
+00:11:45,320 --> 00:11:50,380
+هي واحدة من supervised learning methods. احنا كنا
+
+140
+00:11:50,380 --> 00:11:54,300
+حكينا المرة الماضية، الـ data mining tasks نوعين:
+
+141
+00:11:55,310 --> 00:11:59,690
+Predictive و Descriptive. في الـ Predictive، قلت أنا
+
+142
+00:11:59,690 --> 00:12:03,430
+فيه Classification، وبدي أتنبأ بـ category، بدي أتنبأ
+
+143
+00:12:03,430 --> 00:12:07,310
+بالـ target label تبع المجموعة. وفي عندي Regression،
+
+144
+00:12:07,310 --> 00:12:11,490
+بدي أتنبأ بـ continuous value، بـ قيمة، وقلنا في الـ
+
+145
+00:12:11,490 --> 00:12:15,670
+Descriptive، في الوصفية، إما بتكلم على Clustering،
+
+146
+00:12:15,670 --> 00:12:20,770
+تقسيم لمجموعات، أو Outlier Detection، تحديد الشوائب،
+
+147
+00:12:20,770 --> 00:12:27,070
+أو الـ Association Rules، تحديد العلاقات ما بين
+
+148
+00:12:27,070 --> 00:12:34,350
+العناصر اللي موجودة. الآن، ضمن الكلام هذا، أنا هتعرف
+
+149
+00:12:34,350 --> 00:12:37,630
+على مجموعة من الـ algorithms، والخوارزميات اللي
+
+150
+00:12:37,630 --> 00:12:45,450
+بتستخدمها من أجل استنباط خصائص المجموعات المعرفة
+
+151
+00:12:45,450 --> 00:12:51,390
+مسبقاً، اللي موجودة عندي في الـ data. ومن ثم، لما بدي
+
+152
+00:12:51,390 --> 00:12:55,000
+أجي أعمل prediction، بدي تديني الـ prediction، أو بدي
+
+153
+00:12:55,000 --> 00:12:58,740
+تديني الـ category أو الـ group، أو اسم المجموعة اللي
+
+154
+00:12:58,740 --> 00:13:01,540
+بينتمي إليها الـ object الجديد هذا، اللي هو الـ
+
+155
+00:13:01,540 --> 00:13:06,640
+unseen object أو unseen instance. يعني فعلياً أنا
+
+156
+00:13:06,640 --> 00:13:09,840
+بدي أشوف الآلة كيف اللي بتتعلم. طب أنا وين في
+
+157
+00:13:09,840 --> 00:13:14,400
+الموضوع؟ أنت دورك، جهّزت البيانات، بدك تختار algorithm
+
+158
+00:13:14,400 --> 00:13:18,100
+كويس، وتقول للـ algorithm، اقرأ البيانات، وتعلّم منها.
+
+159
+00:13:18,100 --> 00:13:23,160
+تعمل evaluation، قبل ما تقول أنا صار فيه عندي model
+
+160
+00:13:23,160 --> 00:13:26,280
+بيقدر يعمل prediction للـ category أو للـ class اللي
+
+161
+00:13:26,280 --> 00:13:34,320
+موجود عندها. الـ classification
+
+162
+00:13:34,320 --> 00:13:39,020
+هي
+
+163
+00:13:39,020 --> 00:13:41,840
+واحدة من الـ mining tasks أو الـ data mining tasks
+
+164
+00:13:41,840 --> 00:13:46,140
+التقليدية. الـ task يعني من أهم أو من أكثر الـ tasks
+
+165
+00:13:46,140 --> 00:13:52,520
+شهرةً.  لـ classification، وطبعاً ممتدّة أساساً بالـ
+
+166
+00:13:52,520 --> 00:13:55,060
+Machine Learning. عادة الـ Machine Learning
+
+167
+00:13:55,060 --> 00:13:58,880
+Algorithms، الشباب، بشكل عام، أو التقنيات بتشتغل ضمن
+
+168
+00:13:58,880 --> 00:14:04,860
+منهجيات معيّنة. الأولى، أنه فعلياً، هل الـ Machine
+
+169
+00:14:04,860 --> 00:14:08,940
+Learning هذه بتتدرّب أو بتتعلم من خلال الـ Human
+
+170
+00:14:08,940 --> 00:14:15,200
+Supervision، من خلال مراقبة الإنسان، أو إشراف الإنسان.
+
+171
+00:14:15,200 --> 00:14:19,280
+الفكرة كالتالي: ما ينفعش أنا أروح أقول للطلاب في
+
+172
+00:14:19,280 --> 00:14:23,900
+المدرسة هذه، مجموعة الكتب، أروح أدخّلهم في الصف الآن
+
+173
+00:14:23,900 --> 00:14:27,660
+من العاشرة للحادية عشرة، عليكم عربي، ادرسوا كتاب العربي
+
+174
+00:14:27,660 --> 00:14:35,260
+بدون ما يكون عندهم
+
+223
+00:18:05,560 --> 00:18:10,260
+batch learning كذلك في عندي الـ trend في الـ machine
+
+224
+00:18:10,260 --> 00:18:14,240
+learning هل هي model-based ولا instance-based
+
+225
+00:18:14,240 --> 00:18:19,860
+model-based يعني هيروح يبني model، هيروح يبني موديل
+
+226
+00:18:19,860 --> 00:18:24,680
+هو اللي بديه يعمل prediction لاحقاً، بينما بالـ
+
+227
+00:18:24,680 --> 00:18:28,700
+instance-based في كل مرة بديه يعمل prediction بديه
+
+228
+00:18:28,700 --> 00:18:34,620
+يرجع للـ data الأصلية، وطبعاً هدول الشغلتين لكل
+
+229
+00:18:34,620 --> 00:18:39,480
+واحدة فيه إيجابياتها وإليها سلبياتها، كذلك في
+
+230
+00:18:39,480 --> 00:18:43,040
+trend آخر فيه deterministic وفيه probabilistic
+
+231
+00:18:43,040 --> 00:18:47,390
+approach في الـ learning، في الـ deterministic اللي
+
+232
+00:18:47,390 --> 00:18:51,610
+هو الدقيق أو الموحد، أن الـ algorithm هذا مع الـ
+
+233
+00:18:51,610 --> 00:18:56,370
+input هذا لو عدته خمسة آلاف مرة، لو عدته مليون مرة
+
+234
+00:18:56,370 --> 00:19:01,070
+هيديني نفس النتيجة، محدد، بينما في الـ probabilistic
+
+235
+00:19:01,070 --> 00:19:04,310
+طبعاً في الـ deterministic مافيش عندي مجالة
+
+236
+00:19:04,310 --> 00:19:09,240
+randomness، مافيش مجالة عشوائية، كله شغال ضمن قيم
+
+237
+00:19:09,240 --> 00:19:12,580
+حقيقية موجودة بين إيدينا، بينما في الـ
+
+238
+00:19:12,580 --> 00:19:15,720
+probabilistic approach بيعتمد على الـ randomness
+
+239
+00:19:15,720 --> 00:19:18,660
+لأنه بياخد sample من الـ population وبيصير.. ممكن
+
+240
+00:19:18,660 --> 00:19:23,180
+تتغير.. عفواً، النتيجة تتغير ما بين مرة والتانية
+
+241
+00:19:23,180 --> 00:19:26,200
+بشكل
+
+242
+00:19:26,200 --> 00:19:28,880
+عام، احنا بنتكلم على الـ supervised learning و
+
+243
+00:19:28,880 --> 00:19:34,050
+بالتحديد الـ classification، الآن supervision زي ما
+
+244
+00:19:34,050 --> 00:19:37,870
+قلنا سابقاً، training data، الـ data set اللي أنا
+
+245
+00:19:37,870 --> 00:19:49,150
+اخترتها بتتكلم عن الـ heart disease، الـ
+
+246
+00:19:49,150 --> 00:19:55,090
+body mass index، الـ blocked artery، تصلب الشرايين،
+
+247
+00:19:55,090 --> 00:20:04,810
+قلم في الصدر، وفي الآخر التصنيف التبعي، هل هذا heart
+
+248
+00:20:04,810 --> 00:20:11,790
+disease؟ هل هذا مرض قلب؟ مرض قلب ولا لأ؟ yes و no، الـ
+
+249
+00:20:11,790 --> 00:20:18,030
+data set في جو زي اليوم، بتكلم الجو غائم، الـ outlook
+
+250
+00:20:18,030 --> 00:20:24,790
+cloudy، الـ temperature عشرة مثلاً أو اثنا عشر، الـ
+
+251
+00:20:24,790 --> 00:20:32,600
+humidity intermediate، متوسطة، الـ Windy، فيه رياح، بدي
+
+252
+00:20:32,600 --> 00:20:38,720
+أعمل، هل اليوم ماطر أو لأ؟ كـ category، كفئة، لاحظ أنا
+
+253
+00:20:38,720 --> 00:20:43,400
+الآن بتكلم هذه الـ label تبعتي، هي الـ target، هي الـ
+
+254
+00:20:43,400 --> 00:20:47,140
+group، الـ predefined group، إما هدول الـ instances
+
+255
+00:20:47,140 --> 00:20:52,320
+الـ data set مقسمين لمجموعتين، ناس مصابين بأمراض
+
+256
+00:20:52,320 --> 00:20:58,190
+القلب وناس غير مصابة، الجو أيام ماطرة وأيام غير
+
+257
+00:20:58,190 --> 00:21:03,210
+ماطرة، تصنيفات الطلاب جيد جداً أو ممتاز، جيد جداً، جيد،
+
+258
+00:21:03,210 --> 00:21:07,210
+مقبول، هذه التصنيفات الموجودة معروفة مسبقاً، وهذه
+
+259
+00:21:07,210 --> 00:21:11,770
+هتكون موجودة عندنا في الـ training set، هذه لازم تكون
+
+260
+00:21:11,770 --> 00:21:16,530
+عاملة combination ما بين الـ attributes اللي عندي
+
+261
+00:21:16,530 --> 00:21:20,310
+بالإضافة
+
+262
+00:21:21,330 --> 00:21:25,310
+الـ groups أو الـ predefined groups، يعني بين جثتين
+
+263
+00:21:25,310 --> 00:21:34,190
+محدد له بشكل دقيق، كل raw بيتبع أي مجموعة، تمام؟ كل
+
+264
+00:21:34,190 --> 00:21:39,870
+raw بيتبع أي مجموعة، وعادة هذه بنسميها احنا
+
+265
+00:21:39,870 --> 00:21:45,990
+training data، training data، فالـ classification هي
+
+266
+00:21:45,990 --> 00:21:53,400
+مهمتها تعمل predict categorial class label، تتنبأ
+
+267
+00:21:53,400 --> 00:21:59,360
+بالفئة، باسم الفئة تبعتها، تبعت المجموعات، للـ
+
+268
+00:21:59,360 --> 00:22:03,160
+unseen data، طبعاً الـ class label هذا إما بيكون
+
+269
+00:22:03,160 --> 00:22:10,460
+discrete أو ب��كون nominal، شو يعني nominal data؟
+
+270
+00:22:10,460 --> 00:22:15,620
+text.. text.. text.. تمام؟ طب شو يعني discrete
+
+271
+00:22:15,620 --> 00:22:20,450
+data؟ قيم منفصلة عن بعضها، هي فعلياً ظاهرها
+
+272
+00:22:20,450 --> 00:22:24,690
+continuous، عشر، عشرين، ثلاثين، تمام؟ ولما بتروح
+
+273
+00:22:24,690 --> 00:22:27,630
+يعمل الـ prediction هو بتقول أما عشرة أو عشرين أو
+
+274
+00:22:27,630 --> 00:22:30,570
+ثلاثين، مالهاش علاقة بالأرقام أو العلاقة بالحساب
+
+275
+00:22:30,570 --> 00:22:36,670
+مطلقاً، الآن في
+
+276
+00:22:36,670 --> 00:22:39,570
+الـ classification هيبني prediction model عشان
+
+277
+00:22:39,570 --> 00:22:43,410
+يتنبأ بالـ discrete values اللي موجودة عندها، تعالى
+
+278
+00:22:43,410 --> 00:22:49,530
+نشوف الصورة هاي، أو بلاش، قبل ما نروح على الصورة هاي
+
+279
+00:22:49,530 --> 00:22:53,010
+عشان أنا بقى أظل أقول Model Model Model Model شو
+
+280
+00:22:53,010 --> 00:23:06,790
+يعني Model؟ نموذج، نموذج، تمام، وشو
+
+281
+00:23:06,790 --> 00:23:11,250
+يعني نموذج؟ تصور، تصور، تصور، تصور، تصور، تصور،
+
+282
+00:23:11,250 --> 00:23:13,250
+تصور، تصور، تصور، تصور، تصور، تصور، تصور، تصور،
+
+283
+00:23:13,250 --> 00:23:13,750
+تصور، تصور، تصور، تصور، تصور، تصور، تصور، تصور،
+
+284
+00:23:13,750 --> 00:23:16,030
+تصور، تصور
+
+285
+00:23:18,130 --> 00:23:22,990
+صورة مصغرة، شوف أحمد من غاد بيقول لك photo
+
+286
+00:23:22,990 --> 00:23:26,770
+description، بس سيبك من الـ photo واتكلم عن الـ
+
+287
+00:23:26,770 --> 00:23:31,290
+description، أنا بقول لك صح، صورة مصغرة أو نموذج، بلاش
+
+288
+00:23:31,290 --> 00:23:38,410
+نقول مصغر، صورة تصف النموذج أو الشكل أو الـ object
+
+289
+00:23:38,410 --> 00:23:41,730
+اللي جاي عندي، الآن بتروح شركة Apple على سبيل.. لأ
+
+290
+00:23:41,730 --> 00:23:43,410
+انتوا أقول لكوا علاقة بما في ناس بتكون interested
+
+291
+00:23:43,410 --> 00:23:48,310
+بالسيارات، تروح شركة BMW بتقول لك والله إحنا في عندنا
+
+292
+00:23:48,310 --> 00:23:53,470
+الـ model تبع 2030 من السيارة جاهز، شو
+
+293
+00:23:53,470 --> 00:23:59,130
+يعني؟ مش.. لأ لأ ما تكلم ال.. ما تكلم على الـ model
+
+294
+00:23:59,130 --> 00:24:05,770
+يعني أن هو في عنده تصور أو وصف دقيق لشكل السيارة،
+
+295
+00:24:05,770 --> 00:24:08,470
+إيش السيارة بدها تكون، اللي في الـ 2030 يا همام،
+
+296
+00:24:08,470 --> 00:24:12,150
+ممكن prototype أو ممكن يكون عاملة prototype، بس في
+
+297
+00:24:12,150 --> 00:24:17,710
+الآخر أهم في الـ prototype هذا مثلاً، معارض
+
+298
+00:24:17,710 --> 00:24:20,990
+السيارات، لما بروح بيعرض في المعارض، إيش بقول لك؟
+
+299
+00:24:20,990 --> 00:24:25,910
+بقول لك، هي model، تمام؟ عن السيارة، هي model عن
+
+300
+00:24:25,910 --> 00:24:26,450
+الجوال
+
+301
+00:24:29,520 --> 00:24:34,720
+sample، إيش بستفيد من الـ sample هاي؟ فعلياً بشوف الـ
+
+302
+00:24:34,720 --> 00:24:39,000
+real description، بشوف وصفه دقيق كيف بيكون، لأ لما
+
+303
+00:24:39,000 --> 00:24:42,700
+بروح بقول لك في عندي الـ model تبعت الجوال مكونة من أو
+
+304
+00:24:42,700 --> 00:24:47,500
+هيك كده، فبديك وصفه، جدش حجمه، جدش الكاميرا، جدش وزنه،
+
+305
+00:24:47,500 --> 00:24:50,020
+جدش الـ processor، جدش الـ memory، جدش الـ storage
+
+306
+00:24:50,020 --> 00:24:53,760
+تبعته، إيش هو التقنية المستخدمة، مع الـ bluetooth، مع
+
+307
+00:24:53,760 --> 00:24:57,300
+الـ land، مع الـ wireless، عفواً، كل الشغلات هذه بتكون
+
+308
+00:24:57,300 --> 00:25:04,310
+موصوفة، وبالتالي الـ model هي عبارة عن طريقة لوصف شيء
+
+309
+00:25:04,310 --> 00:25:07,150
+معين، objects معين، مرة عليكوا تشغلوا اسمها data
+
+310
+00:25:07,150 --> 00:25:11,930
+model في الـ database زمان؟ الفصل الماضي يا إيهاب،
+
+311
+00:25:11,930 --> 00:25:16,970
+لما اتكلمنا على الـ data model وقبلها أنت بتعرف
+
+312
+00:25:16,970 --> 00:25:21,750
+شوية عن الـ relational model، تمام؟ مصبوط؟ ففعلياً
+
+313
+00:25:21,750 --> 00:25:25,450
+ليش بسميها model؟ لأنّه بوصف البيانات، وبالتالي
+
+314
+00:25:25,450 --> 00:25:31,710
+أنا الآن الـ model اللي هتكلم عليه هي عبارة عن آلية
+
+315
+00:25:31,710 --> 00:25:37,370
+لِوصف الـ knowledge، ما تنساش الـ data mining هدفها
+
+316
+00:25:37,370 --> 00:25:42,450
+knowledge
+
+317
+00:25:42,450 --> 00:25:45,870
+extraction
+
+318
+00:25:45,870 --> 00:25:53,930
+ولا لأ؟ هدف الـ mining task استخراج knowledge من الـ
+
+319
+00:25:53,930 --> 00:25:56,970
+data set اللي موجودة، طب الـ knowledge اللي طلعت هاي
+
+320
+00:25:58,780 --> 00:26:04,060
+كيف بدي أوصفها؟ كيف بدي أستخدمها؟ لازم تكون ضمن
+
+321
+00:26:04,060 --> 00:26:10,040
+model معين، عشان نقدر نستخدمها، الآن بالمثال
+
+322
+00:26:10,040 --> 00:26:14,300
+اللي موجود عندي هان في
+
+323
+00:26:14,300 --> 00:26:18,800
+عندي input raw data، مجموعة من التفاح حسب الصورة
+
+324
+00:26:18,800 --> 00:26:26,140
+اللي موجودة عندي هان، ثمان تفاحات، أحجامهم، ألوانهم،
+
+325
+00:26:27,010 --> 00:26:30,190
+الأوراق اللي موجودة عليهم، بالإضافة للريحة والطعم،
+
+326
+00:26:30,190 --> 00:26:33,610
+ريحة
+
+327
+00:26:33,610 --> 00:26:38,890
+تفاح، اللي هو ريحة ولا ما له؟ مش ريحة، ممتاز، لو ضليتكم
+
+328
+00:26:38,890 --> 00:26:41,630
+ساكتين، بقول لكم كيف بندخلها بس، وما أنك أنت سألتني،
+
+329
+00:26:41,630 --> 00:26:46,810
+خلصنا، فالآن هذه الـ characteristics الوصفية تبعت الـ
+
+330
+00:26:46,810 --> 00:26:51,750
+data هي، هم، هروح نديها للـ algorithm، أو أختار
+
+331
+00:26:51,750 --> 00:26:55,290
+algorithm، machine learning algorithm يقرأ الـ data
+
+332
+00:26:55,290 --> 00:27:03,870
+set كلّها، يعملها تحليل، يِوجد علاقة ما بين الحجم و
+
+333
+00:27:03,870 --> 00:27:10,110
+اللون والرائحة والطعم، كل الشغلات هذه، لما تديله
+
+334
+00:27:10,110 --> 00:27:14,570
+الـ data set أو العناصر هذه، يكون قادر على أن يقول
+
+335
+00:27:14,570 --> 00:27:20,590
+لي أن هذه تفاحة، الآن الـ model هذا أنا روحت اختبرته
+
+336
+00:27:20,590 --> 00:27:27,690
+بتفاحة خضراء، تفاحة ولا لأ؟ تمام؟ اللون واحدة من الـ
+
+337
+00:27:27,690 --> 00:27:32,010
+characteristics اللي كانت موجودة، بس مش كل شيء، الآن
+
+338
+00:27:32,010 --> 00:27:37,070
+الـ model تبعي الأصل يقول إنه هذا تفاحة، لو أنا روحت
+
+339
+00:27:37,070 --> 00:27:45,770
+أضفت هان مجموعة
+
+340
+00:27:45,770 --> 00:27:50,750
+من الـ mango أو البرتقال، تمام؟ مجموعة من البرتقال،
+
+341
+00:27:50,750 --> 00:27:57,670
+وصار في عندي two groups، في عندي هذه apple
+
+342
+00:27:57,670 --> 00:28:04,870
+وهذه orange، الـ system اللي يتعرف على خصائص الـ
+
+343
+00:28:04,870 --> 00:28:08,890
+apple هي المفهوم، التصنيف، أن أنا خلاص okay، هدول
+
+344
+00:28:08,890 --> 00:28:13,550
+هي المصنف تبعي apple أو orange، فالـ system هيتعرف
+
+345
+00:28:13,550 --> 00:28:22,190
+على خصائص الـ apple وخصائص التفاح ويبني model قادر
+
+346
+00:28:22,190 --> 00:28:28,050
+على التفريق ما بين التنتين، فلما أنا بديّه تفاحة،
+
+347
+00:28:28,050 --> 00:28:30,750
+هيقول لي تفاحة، أدّيته برتقالة، الأصل يقول لي
+
+348
+00:28:30,750 --> 00:28:37,430
+برتقالة، طب لو أدّيته حبة مانجو، مش هيعرف، غلط، في
+
+349
+00:28:37,430 --> 00:28:41,490
+الـ classification هان لأنه آلة، وما فيش مجال يا
+
+350
+00:28:41,490 --> 00:28:45,270
+هذه يا هذه، ما فيش مجال، ما فيش خيار ثالث، أنت
+
+351
+00:28:45,270 --> 00:28:48,290
+ما تركت له، في موضوع التصنيف، هي اللي أنا بوصلك
+
+352
+00:28:48,290 --> 00:28:53,020
+إياها، في موضوع التصنيف، ما فيش مجال، عندك أربع فئات
+
+353
+00:28:53,020 --> 00:28:55,920
+بدك تحط تحت واحدة من الأربع فئات، عندك two
+
+354
+00:28:55,920 --> 00:29:00,020
+categories، بدك تضيفها لواحدة من الـ categories بس
+
+355
+00:29:00,020 --> 00:29:04,760
+غالباً هيضيفها للأقرب، يعني تخيّل أنّه والله كان في الـ
+
+356
+00:29:04,760 --> 00:29:08,800
+mango اللي بنتكلم عليها هي لونها أحمر مثلاً وما أخذة
+
+357
+00:29:08,800 --> 00:29:16,910
+شكل كروي أكثر، تمام؟ فهتروح باتجاه التفاح، في الآخر
+
+358
+00:29:16,910 --> 00:29:21,570
+هو صح صنّفها غلط في كل الأحوال، بس هو اجتهد.. اجتهد
+
+359
+00:29:21,570 --> 00:29:27,390
+وراح ضافها للأقرب حسب الـ object اللي موجود، لكن في
+
+360
+00:29:27,390 --> 00:29:32,190
+المقابل كان في حبة مانجو أخرى أكبر حجماً ولونها
+
+361
+00:29:32,190 --> 00:29:37,430
+برتقالي، تمام؟ فمش ضروري أروح أصنّف لك إياها تفاح،
+
+362
+00:29:37,430 --> 00:29:42,030
+بروح أصنّف لك إياها إيش؟ Orange، لأنّه فعلياً الـ
+
+363
+00:29:42,030 --> 00:29:49,070
+characteristic تبعتها متشابهة، نعمل، مش ممكن عمرك
+
+364
+00:29:49,070 --> 00:29:54,310
+مرة عليك برنامج أنّه بيبني فئة لوحده، ممكن يتعلّم
+
+365
+00:29:54,310 --> 00:29:57,650
+يبني.. يبني الحالة، يبني الحالة، ده حالة يعني إذا
+
+366
+00:29:57,650 --> 00:30:01,890
+تجي ده أول مرة، أول مرة تصنّفها لحالة، وممكن الـ human
+
+367
+00:30:01,890 --> 00:30:06,970
+يقول لك شوف رجع لوين، بعدين الـ human يقول، الـ human هو
+
+368
+00:30:06,970 --> 00:30:12,520
+صاحب القرار، عمرها ما قال غيرت حال تمام أو أخدت
+
+369
+00:30:12,520 --> 00:30:15,980
+decision لوحدها، حتى كل اللي بنشوفه في الذكاء
+
+370
+00:30:15,980 --> 00:30:23,100
+الاصطناعي مردّه لتخطيط صحيح من الـ human، وتصرف الآلة
+
+371
+00:30:23,100 --> 00:30:27,020
+ما هو إلا من تصرف الـ human ضمن المسار اللي رسمه
+
+372
+00:30:27,020 --> 00:30:30,540
+الآن سيبك من الأفلام اللي احنا بنشوفها أن الـ.. الـ
+
+373
+00:30:30,540 --> 00:30:34,620
+.. اتطورت حتى تقطع.. تقطع.. تجيب البشر وتحتل
+
+374
+00:30:34,620 --> 00:30:39,060
+الكون، ده ما فيش منه، تمام؟
+
+375
+00:30:40,540 --> 00:30:45,060
+طيب، الآن فبالتالي يا محمد احنا بنتكلم، ما فيش مجال، ما فيش
+
+376
+00:30:45,060 --> 00:30:48,280
+مجال أن أروح فئة، أضيف فئة جديدة، لأ، الفئات موجودة
+
+377
+00:30:48,280 --> 00:30:52,340
+مسبقاً، وبناء عليه أنا هشتغل مع الفئات اللي موجودة
+
+378
+00:30:52,340 --> 00:30:56,060
+عندي، فضل
+
+379
+00:30:59,640 --> 00:31:02,160
+مية بالمئة، الفرق بين الـ regression والـ
+
+380
+00:31:02,160 --> 00:31:06,300
+classification أن الـ classification categorical
+
+381
+00:31:06,300 --> 00:31:10,940
+value، discrete values، واحدة من التنتين هدول، بينما
+
+382
+00:31:10,940 --> 00:31:15,960
+بالـ regression بدّه يديني قيمة continuous value،
+
+383
+00:31:15,960 --> 00:31:26,380
+number، بدها تكون موجودة عندي، طيب الآن الـ
+
+384
+00:31:26,380 --> 00:31:32,500
+classification هي عبارة عن تكنيك أو خوارزمية أو تقنية
+
+385
+00:31:32,500 --> 00:31:36,440
+من أجل التنبؤ
+
+386
+00:31:36,440 --> 00:31:43,340
+to predict group membership، شو يعني group
+
+387
+00:31:43,340 --> 00:31:50,640
+membership؟ عضوية المجموعات، هل هذا ملائم لعضوية
+
+388
+00:31:50,640 --> 00:31:54,240
+المجموعة الفلانية ولا لأ؟ في عندي مجموعة اسمها الـ
+
+389
+00:31:54,240 --> 00:32:00,440
+Smart Students في الـ IT، أنت ملائم إلها ولا غير
+
+390
+00:32:00,440 --> 00:32:05,860
+ملائم؟ مش أنت اللي بتقرر، تمام؟ في لجنة هتروح
+
+391
+00:32:05,860 --> 00:32:11,460
+تختبرك وبناء عليها تقول أنت تنصلح ولا ما تصلحش،
+
+392
+00:32:11,460 --> 00:32:14,380
+ليش؟ لأنّه كمان مرة الـ prediction مش أنت صاحب
+
+393
+00:32:14,380 --> 00:32:19,160
+قراره، عفواً، الـ classification أو التصنيف مش أنت
+
+394
+00:32:19,160 --> 00:32:23,980
+صاحب قراره، في عندنا كل صنف إله rule أو خصائص
+
+395
+00:32:23,980 --> 0
+
+445
+00:36:27,350 --> 00:36:32,570
+negative orange, not orange.  ما بنقولش تفاح لأن لو حط
+
+446
+00:36:32,570 --> 00:36:35,410
+المانجا وحط الموز تحت التفاح،  في عندنا خطأ
+
+447
+00:36:35,410 --> 00:36:40,190
+فبنقول إحنا orange و not orange، وهكذا الآن في
+
+448
+00:36:40,190 --> 00:36:46,670
+مرحلة training زي ما قلنا إنه هيأخد كل ال data
+
+449
+00:36:46,670 --> 00:36:51,450
+points اللي موجودة عندها، اللي هي ال samples، مع ال
+
+450
+00:36:51,450 --> 00:36:58,820
+correct label المرتبط فيها، ويحاول يتعلم يصل لـ
+
+451
+00:36:58,820 --> 00:37:03,280
+pattern معين، كيف ال label هذا مرتبط بالـ point، زي
+
+452
+00:37:03,280 --> 00:37:09,020
+ما حكينا قبل لحظات، بمجرد إن ال system هذا تعلم، بدي
+
+453
+00:37:09,020 --> 00:37:13,300
+يبدأ يتصرف الآن، فتصرفه هيكون عبارة عن function
+
+454
+00:37:13,300 --> 00:37:18,900
+prediction function، هتأخد ال input تبع ال sample
+
+455
+00:37:18,900 --> 00:37:23,480
+تبع ال data point بدون ال label، عشان تعمل هي
+
+456
+00:37:23,480 --> 00:37:27,500
+prediction للـ label أو لل category اللي موجودة
+
+457
+00:37:27,500 --> 00:37:33,980
+عندها. فال
+
+458
+00:37:33,980 --> 00:37:37,240
+step الأولى بنسميها إحنا ال model construction
+
+459
+00:37:37,240 --> 00:37:43,040
+بناء ال model في ال regression يا جماعة الخير، وحتى
+
+460
+00:37:43,040 --> 00:37:45,960
+في ال classification، ممكن ال model تبعي يكون عبارة
+
+461
+00:37:45,960 --> 00:37:48,620
+عن  binary classification، يكون عبارة عن linear
+
+462
+00:37:48,620 --> 00:37:53,740
+line، linear equation، ال Y equal M
+
+463
+00:38:07,350 --> 00:38:13,660
+معادلة خط مستقيم. ماهي الخط المستقيم مهمته؟ بيفصل
+
+464
+00:38:13,660 --> 00:38:17,020
+بين شغلتين، اللي فوق الخط category، واللي تحت الخط
+
+465
+00:38:17,020 --> 00:38:20,800
+category تانية. ففي لحظة ال binary classification،
+
+466
+00:38:20,800 --> 00:38:25,840
+إذا قدرت أنا أصل لمعادلة الخط المستقيم اللي بيفصل
+
+467
+00:38:25,840 --> 00:38:31,160
+ما بين ال two categories، خلاص هي ال model تبعي
+
+468
+00:38:31,160 --> 00:38:37,700
+بصير باخد ال instances، تمام؟ وبقارنها، إذا كانت
+
+469
+00:38:37,700 --> 00:38:41,080
+أكبر من كده فهي positive، أقل من كده فهي negative،
+
+470
+00:38:41,080 --> 00:38:44,860
+true أو false، orange أو not orange، فهي ال model
+
+471
+00:38:44,860 --> 00:38:49,480
+اللي أنا بدور عليه. في ال model construction، إحنا
+
+472
+00:38:49,480 --> 00:38:53,500
+عادة بنفترض إن ال data set، كل sample في ال data
+
+473
+00:38:53,500 --> 00:39:00,070
+set بتنتمي ل only one category، لأن لو نفس ال data
+
+474
+00:39:00,070 --> 00:39:03,030
+set، أو عفوا نفس ال instance هذه تكررت مع different
+
+475
+00:39:03,030 --> 00:39:07,250
+category، هيكون في عندي مشكلة. الشغل اللي بتعلمه قبل
+
+476
+00:39:07,250 --> 00:39:10,390
+شوية، بدي أحاول أنفيها أو بدي أراجع عنها وأحط
+
+477
+00:39:10,390 --> 00:39:13,970
+واحدة مضادة لها، وهذا الكلام ما بيصير تماما
+
+478
+00:39:13,970 --> 00:39:18,070
+تماماً، مثل ما آجي أقول، أعلم الولد الصغير، أقول له 2
+
+479
+00:39:18,070 --> 00:39:23,850
+ضرب 3 يساوي 6، وفي نفس الوقت أروح أقول له بعد فترة
+
+480
+00:39:23,850 --> 00:39:26,090
+2 ضرب 3 يساوي 16.
+
+481
+00:39:29,010 --> 00:39:34,810
+يحفظ مين فيهم؟ مين فيهم الصح؟ الأخيرة صح، اه؟
+
+482
+00:39:34,810 --> 00:39:37,850
+ما بيعرفش ال system، ال computer ما بيعرفش، أنت في
+
+483
+00:39:37,850 --> 00:39:42,370
+مرحلة التلقين، الإثنين صح، ولما يصير في عنده معلومة
+
+484
+00:39:42,370 --> 00:39:47,870
+متضاربة، فعلياً مش هيقدر يأخذ decision في أي حالة
+
+485
+00:39:47,870 --> 00:39:52,140
+فيها. اتنين ضرب تلاتة، هذا اللي بيصير، عشان هيك
+
+486
+00:39:52,140 --> 00:39:55,820
+بنفترض إنه في موضوع ال learning، أو في مرحلة
+
+487
+00:39:55,820 --> 00:39:58,180
+training أو ال learning في ال model construction،
+
+488
+00:39:58,180 --> 00:40:04,680
+إن كل instance بتنتمي فقط ل only one category، one
+
+489
+00:40:04,680 --> 00:40:10,620
+label. مجموعة ال data، ال 6 اللي أنا بدي أدرب عليها
+
+490
+00:40:10,620 --> 00:40:14,640
+النظام، أو اللي بدي أحللها النظام، بحيث إنه يأخذ منها
+
+491
+00:40:14,640 --> 00:40:19,910
+يستخلص ال model منها، بسميها ال training set، بسميها
+
+492
+00:40:19,910 --> 00:40:26,410
+ال training set. دكتور، نعم. ال training set، كلمة
+
+493
+00:40:26,410 --> 00:40:30,110
+بتعمل ال model، بنقل عليها، لأن كل واحد مثلاً في واجب
+
+494
+00:40:30,110 --> 00:40:33,350
+مخل، تلقى ال training set من خمسين ألف دورة، مش
+
+495
+00:40:33,350 --> 00:40:36,170
+هتبقى ال model مثلاً زي ما سيكت في سبوك أو أمازون،
+
+496
+00:40:36,170 --> 00:40:38,530
+بتبني، أو ال training set دي ال model. طب ما إحنا
+
+497
+00:40:38,530 --> 00:40:40,970
+قلنا، مين جابلنا هيك، هيقولنا، كل ما كبرت ال
+
+498
+00:40:40,970 --> 00:40:44,610
+training data set تبعتي، بكون فرصة ال prediction
+
+499
+00:40:44,610 --> 00:40:48,570
+تبعتي إنها تكون أدق، أعلى. كيف الاسم يعني؟ مثلاً خمسين
+
+500
+00:40:48,570 --> 00:40:53,690
+ألف raw data. شوف لأ، لأ، شوية. أنت عندك ال data set كلها
+
+501
+00:40:53,690 --> 00:40:57,410
+خمسين ألف raw data، وبدك تعمل training على تلاتين ألف raw data،
+
+502
+00:40:57,410 --> 00:41:01,370
+مثلاً، مش كافي، لأن عادة جماعة الخبرة، ال rows
+
+503
+00:41:01,370 --> 00:41:04,990
+المستخدمة، أو الحجم لل training set بيكون أكبر من
+
+504
+00:41:04,990 --> 00:41:08,320
+ال testing set. يعني الآن، إذا بتقدر تعمل training
+
+505
+00:41:08,320 --> 00:41:11,160
+على كل ال data، وتختبره في data مختلفة، بيكون ممتاز.
+
+506
+00:41:11,160 --> 00:41:15,060
+عشان هيك كنا في ال data preparation، نأكد هل في
+
+507
+00:41:15,060 --> 00:41:19,160
+مصادر أخرى للبيانات عندك، ولا مافيش؟ وجديش حجمها،
+
+508
+00:41:19,160 --> 00:41:22,540
+طبعاً؟ الآن، إذا أنت لاحظت في أخر assignment، أو في
+
+509
+00:41:22,540 --> 00:41:25,720
+ال assignment الأخير، مطلوب منك، آخر بند، اجسم ال
+
+510
+00:41:25,720 --> 00:41:31,500
+data set اللي عندك، 70% لل training set، و 30% لل
+
+511
+00:41:31,500 --> 00:41:35,380
+test set. مصبوط؟ وهذه التسأل ليش؟ لأنه ما بديش إياك
+
+512
+00:41:35,380 --> 00:41:38,980
+تدرب كل... تدربه على نفس... يعني على نفس ال data، و
+
+513
+00:41:38,980 --> 00:41:42,820
+بعدين آجي أحترمه، لأن كيف بدي أختبره أو بدي أفحص
+
+514
+00:41:42,820 --> 00:41:48,280
+مدى دقة العنصر. كمان مرة يا جماعة الخير، بنأكد، كل ما
+
+515
+00:41:48,280 --> 00:41:53,800
+كانت ال data set أكبر، ال training set أكبر، المفروض
+
+516
+00:41:53,800 --> 00:41:56,860
+إن كل ما تكون ال data، أو خلّنا نقول ال knowledge
+
+517
+00:41:56,860 --> 00:42:02,120
+تبعتي أدق، ال classification تبعتي بتصير أدق، لكن
+
+518
+00:42:02,120 --> 00:42:05,220
+برضه مش منطق إن يكون أنا في عندي اتنين مليار
+
+519
+00:42:05,220 --> 00:42:10,800
+record، تمام؟ وأنا بروح بتقبج عليهم كلهم، عملية ال
+
+520
+00:42:10,800 --> 00:42:13,940
+training بحد ذاتها هذه، هتصير تأخذ مني أشهر لما
+
+521
+00:42:13,940 --> 00:42:17,360
+تنتهي. فبتصير ممكن ال task اللي أنا بأشتغل عليها
+
+522
+00:42:17,360 --> 00:42:24,370
+أساساً خلصت، بطلتلها قيمة. فأنت برضه بتوازن ما بين ال
+
+523
+00:42:24,370 --> 00:42:28,310
+accuracy تبع النظام، وعامل الوقت أو ال performance
+
+524
+00:42:28,310 --> 00:42:34,610
+تبع ال training، جديش بيحقق نتائج في
+
+525
+00:42:34,610 --> 00:42:40,110
+ال data set اللي موجود عندنا. هان الآن، هاي عندي ال
+
+526
+00:42:40,110 --> 00:42:44,610
+data set، ال name، ال rank، ال years، نرجع ولا
+
+527
+00:42:44,610 --> 00:42:48,830
+ما نرجعش، نقعد
+
+528
+00:42:48,830 --> 00:42:54,450
+ولا ما نقعدش، نريح ولا ما نريحش، لأن هاي ال class
+
+529
+00:42:54,450 --> 00:42:58,890
+اللي عندي yes و no. فاروح أعمل التحليل لل data set
+
+530
+00:42:58,890 --> 00:43:04,410
+اللي موجودة، وكان مفاده إنه ال algorithm راح أعطاني
+
+531
+00:43:04,410 --> 00:43:09,590
+classifier model، prediction model لل class، لمية
+
+532
+00:43:09,590 --> 00:43:13,910
+ممكن أختار؟ ل yes و no، بحيث إنه أنا لو زدت بال
+
+533
+00:43:13,910 --> 00:43:20,750
+rank وعدد سنوات الخبرة، يدّيني ال label اللي موجود
+
+534
+00:43:20,750 --> 00:43:27,890
+فقال ال model تبعي هو عبارة عن if then rule، لو كان
+
+535
+00:43:27,890 --> 00:43:31,890
+ال rank professor، وال years أكبر أو يساوي 6، أكبر من
+
+536
+00:43:31,890 --> 00:43:42,910
+6، معناته نرجع. تمام. المرحلة الثانية، ال model usage،
+
+537
+00:43:42,910 --> 00:43:48,060
+بالملاحظة يا شباب، ال classification algorithm، أنا
+
+538
+00:43:48,060 --> 00:43:55,280
+هان غالباً... غالباً بيشتغل فعلياً as a black box، يعني
+
+539
+00:43:55,280 --> 00:43:58,980
+بدي ال input، وأخذ منه ال output، اللي هو ال model
+
+540
+00:43:58,980 --> 00:44:03,300
+إيش اللي بيصير... إيش اللي بيصير؟ غالباً مش كل
+
+541
+00:44:03,300 --> 00:44:06,820
+الناس المعنية فيه، بس أنا بالمساق هذا، هدخل بتفاصيل
+
+542
+00:44:06,820 --> 00:44:11,240
+عشان أعرف فعلياً ال classifier كيف اشتغل، تمام؟ لكن
+
+543
+00:44:11,240 --> 00:44:15,730
+في بعض ال classifiers، مش هنكون، أو مش هنتطرق لها
+
+544
+00:44:15,730 --> 00:44:22,230
+بالشغل تبعتها. بمجرد إن ال classifier انبنى، بدّه
+
+545
+00:44:22,230 --> 00:44:25,630
+أروح أطبقه، أو بدّه أروح أستخدمه، ال model هذا الآن
+
+546
+00:44:25,630 --> 00:44:32,150
+بيصير قابل للاستخدام. فيش
+
+547
+00:44:32,150 --> 00:44:38,150
+بدّه أستخدمه؟ يعمل classifying لمين؟ لل feature، لل
+
+548
+00:44:38,150 --> 00:44:41,810
+future، أو ال unknown objects.
+
+549
+00:44:43,140 --> 00:44:46,840
+بالمثال السابق هذا، أنا صار في عندي Jeff
+
+550
+00:44:46,840 --> 00:44:53,200
+professor، و 4 سنوات. الاسم neglected، مش هعتبره، لأن
+
+551
+00:44:53,200 --> 00:44:58,660
+ال role تبعي مبني على ال rank وال years، وبناءً
+
+552
+00:44:58,660 --> 00:45:03,480
+عليه أنا بدي آخذ القرار. كان بيقول لي، if ال rank
+
+553
+00:45:03,480 --> 00:45:07,280
+equal
+
+554
+00:45:07,280 --> 00:45:17,370
+professor، or ال years أكبر من 6، then yes. مظبوط، هاي ال rule
+
+555
+00:45:17,370 --> 00:45:23,110
+تبعي، هاي ال model تبعي. الآن، هاي ال data اللي عندي
+
+556
+00:45:23,110 --> 00:45:26,710
+حققت عليها، بطبقها مباشرة، باخد ال instances وبطبق
+
+557
+00:45:26,710 --> 00:45:30,250
+ال instance value، وبطبق عليها هان، وباخد القرار
+
+558
+00:45:30,250 --> 00:45:37,070
+تبع لل rule اللي موجود عندي. طيب،
+
+559
+00:45:37,070 --> 00:45:40,690
+لو ما كانش professor، كان assistant professor،
+
+560
+00:45:40,690 --> 00:45:47,550
+و 5 سنوات، no، مع ال else مباشرة، مع ال else مباشرة،
+
+561
+00:45:47,550 --> 00:45:54,150
+الارجل مع الخير. معناته أنا بحاجة في مرحلتين عشان
+
+562
+00:45:54,150 --> 00:45:56,690
+أشتغل مع ال classifier، بحاجة أشتغل على مرحلتين،
+
+563
+00:45:56,690 --> 00:46:00,550
+المرحلة الأولى اللي هي ال model construction،
+
+564
+00:46:00,550 --> 00:46:05,770
+وبيلزمني data عشان أدرب ال model عليها، بين جثين
+
+565
+00:46:05,770 --> 00:46:08,710
+بيلزمني data عشان ال system أو ال learning
+
+566
+00:46:08,710 --> 00:46:14,230
+algorithm يحللها ويبني model بناءً عليها. الشغلة
+
+567
+00:46:14,230 --> 00:46:19,450
+الثانية، إنه أنا بدي أفحص ال model، أو بدي أستخدم ال
+
+568
+00:46:19,450 --> 00:46:22,830
+model في ال prediction، وهي بنسميها إحنا المرحلة
+
+569
+00:46:22,830 --> 00:46:26,630
+مرحلة ال testing أو ال test. فأنا بدي اجسم ال data
+
+570
+00:46:26,630 --> 00:46:33,130
+set تبعتي، ل training set، و
+
+571
+00:46:33,130 --> 00:46:40,340
+test set. ليش؟ عشان لما أنا أحصل على model، عشان لما
+
+572
+00:46:40,340 --> 00:46:43,460
+أحصل على model، كيف بدي أتعرف إن ال model هذا شغال
+
+573
+00:46:43,460 --> 00:46:48,200
+كويس ولا لأ؟ بدي إنه النتيجة المطلوبة، ولا بشتغل من
+
+574
+00:46:48,200 --> 00:46:54,880
+رأسه؟ فبدي أعمله evaluation. طيب، evaluation، how did
+
+575
+00:46:54,880 --> 00:47:00,380
+we test that test set؟ هو الأصل هي unseen data، مصبوط؟
+
+576
+00:47:00,380 --> 00:47:05,760
+فعلياً unseen، ما شفهاش، بس دي فيها label، بخبي ال
+
+577
+00:47:05,760 --> 00:47:10,620
+label عنها، عشان أقدر إيش؟ أقارن بين النتيجة اللي هو
+
+578
+00:47:10,620 --> 00:47:16,080
+هيعطيني إياها، والنتيجة اللي هحصل عليها، وأنا بدي أسأل
+
+579
+00:47:16,080 --> 00:47:25,980
+سؤال: هل ال test set labelled set؟ في مرحلة ال
+
+580
+00:47:25,980 --> 00:47:33,160
+evaluation، هل ال test set labelled set؟ طيب، الآن
+
+581
+00:47:33,160 --> 00:47:34,100
+أنا جديد، كتبت
+
+582
+00:47:36,780 --> 00:47:43,060
+الـ body mass index، point تلاتة سبعة، والـ chest
+
+583
+00:47:43,060 --> 00:47:52,020
+pain yes، تصلب شرايين، Blocked Artery yes، قال لي هذا
+
+584
+00:47:52,020 --> 00:47:57,720
+heart disease. هذا الأصل اللي نعملها prediction، صح؟
+
+585
+00:47:57,720 --> 00:48:06,090
+أنا أخدتها على عليتها، هيك قال لي no. بتقدر تقول عن
+
+586
+00:48:06,090 --> 00:48:09,430
+ال prediction بتاعته صح ولا غلط؟ بتقدر تعمل
+
+587
+00:48:09,430 --> 00:48:16,590
+evaluation لإلها؟ بتقارنها بإيش؟ بال label الأصلي.
+
+588
+00:48:16,590 --> 00:48:21,930
+فعشان هيك ال test set must be labelled. عشان هيك، بعد
+
+589
+00:48:21,930 --> 00:48:24,470
+ما أنت خلصت، عملت processing في ال assignment،
+
+590
+00:48:24,470 --> 00:48:29,890
+وقلت لك اجسم، اجسم ال data set لجزئين، جزء ال
+
+591
+00:48:29,890 --> 00:48:35,340
+training، وجزء testing. بس اللي هيصير فعلياً، لما أصل
+
+592
+00:48:35,340 --> 00:48:40,820
+لمرحلة ال evaluation، هخبّي ال test، أو هخبّي ال label
+
+593
+00:48:40,820 --> 00:48:45,780
+تبعت مين؟ تبعت ال test set، عشان أقول، اتفضل، هاي
+
+594
+00:48:45,780 --> 00:48:49,640
+unseen data، اعمل لهم prediction، فبيديني مجموعة ال
+
+595
+00:48:49,640 --> 00:48:53,160
+labels اللي predicted، وعندي ال original أو ال true
+
+596
+00:48:53,160 --> 00:48:58,320
+labelled، بصير أقارن، وبقدر أتكلم إنه جديش هذا ال
+
+597
+00:48:58,320 --> 00:48:59,180
+model تبعي accurate.
+
+598
+00:49:03,990 --> 00:49:08,470
+أه، الآن أحمد بيسأل، بيقول: هل بقدر أروح أرجع ال
+
+599
+00:49:08,470 --> 00:49:11,830
+data test set هذه، وأوديها على ال training، عشان
+
+600
+00:49:11,830 --> 00:49:17,350
+يتعلم من أخطائه؟ أنت already علمته، وكمان لو أنت
+
+601
+00:49:17,350 --> 00:49:21,270
+روحت أخدته، يعني هيك، من وين بدك تختبره بعد هيك؟
+
+602
+00:49:21,270 --> 00:49:25,130
+بدك تجيب له data set جديدة، طب ليش مش من نفس ال
+
+603
+00:49:25,130 --> 00:49:30,450
+data set؟ لأن already هو شافها، تمام. من الشباب،
+
+604
+00:49:30,450 --> 00:49:37,330
+بينفعش أنا آجي أديك الامتحان وأقول لك اتفضل، حلّ، تمام،
+
+605
+00:49:37,330 --> 00:49:42,530
+وبكرا بدي أختبرك فيه، في الأسئلة هاي، ما أصبحش
+
+606
+00:49:42,530 --> 00:49:50,370
+امتحان، ولا أصبح امتحان امتحان مسرّب، اه، فش يعني، عفواً،
+
+607
+00:49:50,370 --> 00:49:53,550
+كلّكم هتنجحوا، مصبوط؟ الأصل كده، واللي ما بدهوش ينجح
+
+608
+00:49:53,550 --> 00:49:58,570
+يتطخّد الساعة بيكون، بس فعلياً، هل النجاح هذا حقيقي؟
+
+609
+00:49:58,570 --> 00:50:04,890
+لأ، الحاجات هذا fake، النجاح هذا fake. أما إحنا قلنا
+
+610
+00:50:04,890 --> 00:50:09,390
+الفكرة وين؟ إن بعد ما أنا جسمت هان، في مرحلة ال
+
+611
+00:50:09,390 --> 00:50:14,890
+evaluation، مش بدّه يشوف... بدّه يشوف ال... بيشوف هو
+
+612
+00:50:14,890 --> 00:50:19,370
+اجتيش... لأ، بدّه يشوف ال... ال... ال... ال... ال
+
+613
+00:50:19,370 --> 00:50:24,670
+result، دي، يقارن فوق، هيو... هذه... هذه... بدّه يقارن
+
+614
+00:50:24,670 --> 00:50:30,690
+هذه. لأ، ومش قارنها مع اللي فوق، هو على ال model بناءً
+
+615
+00:50:30,690 --> 00:50:33,950
+على ال equation اللي ان
+
+667
+00:55:02,060 --> 00:55:06,660
+computational جديش أنا مهتم بسرعة النظام، يعني الآن
+
+668
+00:55:06,660 --> 00:55:12,010
+مثلًا، بدنا نظام الآن.. محتاجين نظام سريع يحاول
+
+669
+00:55:12,010 --> 00:55:15,610
+يتنبأ أن المريض هذا اللي مش.. منضيق في الصدر أو
+
+670
+00:55:15,610 --> 00:55:19,530
+في صعوبة في التنفس، مصاب بـ Corona ولا لأ؟ أنت..
+
+671
+00:55:19,530 --> 00:55:22,550
+أنت.. أنت خبير.. خبير الصين أصلًا.. أنت عشان إيه
+
+672
+00:55:22,550 --> 00:55:27,730
+قلت Corona مباشرة، تمام؟ الآن الفكرة وين؟ أن أنا
+
+673
+00:55:27,730 --> 00:55:31,710
+جديش بأقدر أعمل training لـ model.. a curated
+
+674
+00:55:31,710 --> 00:55:37,450
+model بشكل سريع، بكون كويس إليّ، ليش؟ لأن أنا
+
+675
+00:55:37,450 --> 00:55:42,050
+فعليًا.. الآن أنا محتاجه، يمكن بكرا ما محتاجوش، فالآن
+
+676
+00:55:42,050 --> 00:55:46,410
+هذه بتفرج معايا الـ performance في مرحلة الـ
+
+677
+00:55:46,410 --> 00:55:52,490
+generation، الـ using في الـ prediction، أن لما أزوده
+
+678
+00:55:52,490 --> 00:55:56,230
+بالعينة اللي المفروض يعمل عليها prediction أو يقيم
+
+679
+00:55:56,230 --> 00:56:01,150
+يعملها evaluation، جديش بده وقت؟ بده ثانية،
+
+680
+00:56:01,150 --> 00:56:06,630
+ثنتين، ثلاث، عشر، كل ما كان أسرع يكون أحسن في الـ
+
+681
+00:56:06,630 --> 00:56:10,670
+real-time system، الآن في عندنا جسم بيتحرك في الجو
+
+682
+00:56:10,670 --> 00:56:16,350
+بسرعة 100 كيلومتر في الساعة، طيارة،
+
+683
+00:56:16,350 --> 00:56:23,350
+صاروخ، قذيفة، غراب، مش عارفين، في الأنظمة الدفاعية
+
+684
+00:56:23,350 --> 00:56:26,710
+بتفرج الآن هذا الجسم اللي بيتحرك في الـ real-time
+
+685
+00:56:26,710 --> 00:56:31,630
+system، تمام؟ بناءً على سرعته وحجمه،
+
+686
+00:56:33,360 --> 00:56:36,620
+بدهم ياخدوا قرار، اللي غالبًا ما بيبينش، بدهم ياخدوا
+
+687
+00:56:36,620 --> 00:56:41,160
+قرار، شو هذا؟ بيكون إفعل صفرات الإنذار ولا لأ، الإنذار
+
+688
+00:56:41,160 --> 00:56:51,780
+ولا لأ، إحنا
+
+689
+00:56:51,780 --> 00:56:57,200
+قلنا حمامة، شكله زاد مع البس، خلاص وهي طايرة
+
+690
+00:56:58,620 --> 00:57:02,060
+الفكرة يا جماعة الخير اللي أنا بدي أوصلك إياها هي إذا
+
+691
+00:57:02,060 --> 00:57:06,940
+ما كانتش مرحلة الـ prediction سريعة، تفقدت الأهمية،
+
+692
+00:57:06,940 --> 00:57:11,060
+تبعتها، فضل يا دكتور قبل لما راحيت على المرض، أكيد
+
+693
+00:57:11,060 --> 00:57:16,080
+فعلاً مش هيكون مثلًا، بدنا نتنبأ أن فيه مثلًا.. لو
+
+694
+00:57:16,080 --> 00:57:19,800
+مثلًا افتراض مثلًا، علشان هنا يعني محتمل يكون فيه
+
+695
+00:57:19,800 --> 00:57:23,100
+نسبة خطأ، فإحنا على وجه السرعة مش هيكون بدنا نتنبأ،
+
+696
+00:57:23,100 --> 00:57:28,190
+بدنا يعني.. طب أنت عملك بتقول أنا المرض هذا فعليًا
+
+697
+00:57:28,190 --> 00:57:34,070
+مش قادر أشخصه أو في عندهم صعوبة في تشخيصه فقط،
+
+698
+00:57:34,070 --> 00:57:37,930
+طب المريض العادي أو اللي عنده احتقان في زوره،
+
+699
+00:57:37,930 --> 00:57:41,890
+ابرت في حرارته واحد زي حالتي بيكون قاعد،
+
+700
+00:57:41,890 --> 00:57:44,950
+بيشرح وبيطلع واحد غبي بيقوله، بس طايرة، ابرِتْ فيه
+
+701
+00:57:44,950 --> 00:57:45,450
+حرارته،
+
+702
+00:57:49,260 --> 00:57:53,380
+تمام؟ بالفكرة يا جماعة، okay، أنا بدي.. بدي system
+
+703
+00:57:53,380 --> 00:57:57,500
+يكون سريع، عفواً بدي أصل لـ model بشكل سريع، بعض الـ
+
+704
+00:57:57,500 --> 00:58:02,240
+models بتاخد أيام وأشهر هي بتعمل الـ training، صح؟
+
+705
+00:58:02,240 --> 00:58:06,460
+بيكون هذا دقيق الشغل، صحيح، لكن أنا برضه حسب الحالة
+
+706
+00:58:06,460 --> 00:58:11,480
+اللي أنا بدي أشتغل عليها، نعم لأ،
+
+707
+00:58:11,480 --> 00:58:16,460
+للأسف data preparation، هل تحسب ضمن الـ time cost؟ لأ،
+
+708
+00:58:17,850 --> 00:58:21,290
+لأن هنا بنتكلم إحنا على الـ computational cost، كل
+
+709
+00:58:21,290 --> 00:58:27,670
+اللي أنت سويتّه قبل، مجرد تجهيز لعملية الـ mining،
+
+710
+00:58:27,670 --> 00:58:33,330
+أكيد كل ما زاد حجم الـ data زاد حجم الـ computation،
+
+711
+00:58:33,330 --> 00:58:37,790
+بالـ training والـ testing، الآن الـ data set تبعتي
+
+712
+00:58:37,790 --> 00:58:42,870
+مكونة من عشرة attributes، هل الـ computation تبعتها،
+
+713
+00:58:42,870 --> 00:58:49,260
+زي ما يكون عندي 100 attributes؟ حتماً لأ، يعني عشر،
+
+714
+00:58:49,260 --> 00:58:54,620
+متغيرات، زي مين؟ متغير، أكيد لأ، جديش الـ robustness أو
+
+715
+00:58:54,620 --> 00:58:58,200
+الموثوقية، جديش الـ system هذا بيديني accurate
+
+716
+00:58:58,200 --> 00:59:03,680
+result في حالة الـ noise data، الـ noise instance أو
+
+717
+00:59:03,680 --> 00:59:06,960
+في حالة وجود الـ missing values، الآن إحنا قبل شوية،
+
+718
+00:59:06,960 --> 00:59:10,740
+اتكلمت على ثلاث عناصر عشان الـ heart disease، الـ body
+
+719
+00:59:10,740 --> 00:59:16,000
+mass index، والـ chest pain، وتصلب الشرايين، الآن لو
+
+720
+00:59:16,000 --> 00:59:18,880
+عندي اثنتين منهم فقط، بيقدر الـ system يديني
+
+721
+00:59:18,880 --> 00:59:23,360
+prediction؟ لأ، ما تقوليش لأ، أنت ما تشكشكش، لأ، الـ
+
+722
+00:59:23,360 --> 00:59:26,380
+system هي��يكي prediction، هيديكي prediction، بس اللي
+
+723
+00:59:26,380 --> 00:59:29,900
+أنا بدور عليه، هل بيقدر يديني prediction صحيح؟ إذا
+
+724
+00:59:29,900 --> 00:59:33,360
+بيديني prediction صحيح، معناته هذا more robust، أكثر
+
+725
+00:59:33,360 --> 00:59:38,300
+موثوقية، ليش؟ لأن في حالة أن أنا فقدت واحد من الـ
+
+726
+00:59:38,300 --> 00:59:41,440
+attributes اللي موجودة، بضل قادر أعتمد عليه عشان
+
+727
+00:59:41,440 --> 00:59:46,050
+يعمل prediction، تمام؟ الآن في حالة كان في عندي
+
+728
+00:59:46,050 --> 00:59:49,710
+noise data، نفس النظام، بالمناسبة يا حسن، إحنا عادةً
+
+729
+00:59:49,710 --> 00:59:53,490
+اللي بنتكلم فعليًا، هذا المثال اللي ذكرته ثلاث، عشان
+
+730
+00:59:53,490 --> 00:59:57,870
+بس نستوعب الشيء اللي بيصير، ونفهم فعليًا كل الـ
+
+731
+00:59:57,870 --> 01:00:02,730
+concept بشكل واضح، لكن فعليًا لو أنا سألتك، أبسط
+
+732
+01:00:02,730 --> 01:00:05,710
+اختبار ممكن يجريه الإنسان اللي له علاقة بصحته، الـ
+
+733
+01:00:05,710 --> 01:00:13,270
+CBC، كم factor فيه؟ 15 أعتقد أو 14، يعني بتكلم
+
+734
+01:00:13,270 --> 01:00:16,450
+على الأقل 14 attributes، اللي هو الـ test الـ
+
+735
+01:00:16,450 --> 01:00:21,870
+complete blood test، تمام؟ فبتكلم على 14 attributes
+
+736
+01:00:21,870 --> 01:00:25,730
+لكل عينة، الآن لو في واحدة عينة فيها مشكلة في الـ
+
+737
+01:00:25,730 --> 01:00:30,750
+noise أو value معينة، لأ لأ، مش ضروري، فالآن لو جديش
+
+738
+01:00:30,750 --> 01:00:34,630
+الآن الطبيب الحاذق ممكن بيقدر يقارن شغلات مع بعضها،
+
+739
+01:00:34,630 --> 01:00:38,210
+ويقول لك لأ، في مشكلة، يعني واضح من الجهاز أن في مشكلة، هذه
+
+740
+01:00:38,210 --> 01:00:42,450
+الفكرة وين؟ أن الـ system لو غاب في عندي value أو
+
+741
+01:00:42,450 --> 01:00:46,170
+تشوشت value من الأربع عشر، يكون عنده القدرة على
+
+742
+01:00:46,170 --> 01:00:50,410
+التنبؤ الصحيح، أي واحدة من الأربع عشر هذه ما بتعنّاش
+
+743
+01:00:50,410 --> 01:00:54,870
+بس، في اللحظة اللي بيجيني الـ attribute، عفواً بيجيني
+
+744
+01:00:54,870 --> 01:00:58,610
+الـ rows، الـ raw with missing value أو with noisy
+
+745
+01:00:58,610 --> 01:01:02,350
+data، الأصل يعمل prediction، هيعمل prediction في كل
+
+746
+01:01:02,350 --> 01:01:07,320
+الأحوال، كل مكان بيديني accurate الـ prediction في
+
+747
+01:01:07,320 --> 01:01:11,300
+الـ such case هذه، معناته هذا مرة  أقدر أثق فيه
+
+748
+01:01:11,300 --> 01:01:18,880
+أكثر، تمام، الـ scalability، الـ scalability طبعًا دائمًا
+
+749
+01:01:18,880 --> 01:01:23,740
+إحنا مفهوم الـ scalability، بنتكلم على الـ large
+
+750
+01:01:23,740 --> 01:01:29,560
+amount of data، فعليًا هل الـ algorithm هذا تبعه ممكن
+
+751
+01:01:29,560 --> 01:01:35,000
+من السهل أن يتعامل معه مع large data، الـ data set
+
+752
+01:01:35,000 --> 01:01:37,760
+اللي عندي مليون instances، هل الـ algorithm قادر على
+
+753
+01:01:37,760 --> 01:01:40,960
+تحليل مليون instances مع عشر.. مع عشر attributes،
+
+754
+01:01:40,960 --> 01:01:44,100
+أو مع مئة attributes، فهذا أنا بدي أسأله، كل ما كان
+
+755
+01:01:44,100 --> 01:01:48,780
+الـ algorithm اللي هستخدمه more scalable، معناته
+
+756
+01:01:48,780 --> 01:01:54,420
+بكون أفضل، interpretability، تفسير والـ
+
+757
+01:01:54,420 --> 01:02:01,500
+understanding، وفهم محتوى أو ما وراء الـ Model أو
+
+758
+01:02:01,500 --> 01:02:04,840
+الـ Algorithm اللي عندي، The level of understanding
+
+759
+01:02:04,840 --> 01:02:10,000
+and insight، والمفهوم أو التوضيح أو المعنى الخفي من
+
+760
+01:02:10,000 --> 01:02:14,200
+Provided by the classifier، إحنا قبل شوية لما شفنا
+
+761
+01:02:14,200 --> 01:02:18,000
+الـ if then، كان بسهولة أن أفهم عليه، بدور إيش الـ
+
+762
+01:02:18,000 --> 01:02:21,720
+factors الأساسية اللي كانت موجودة؟ لو هذا الـ if
+
+763
+01:02:21,720 --> 01:02:25,040
+then ما كانتش موجودة، بقدر أستوعب ليش هو جداني yes وجداني no؟ أكيد لأ، لكن لما بيكون الـ algorithm قدامي
+
+764
+01:02:25,040 --> 01:02:29,140
+قادر أو بقدر أو قادر على تفسيره، بكون أفضل، لكن
+
+765
+01:02:29,140 --> 01:02:34,820
+الصحيح الموضوع برضه تفسيره هذا subjective للإنسان
+
+766
+01:02:34,820 --> 01:02:39,980
+أو للشخص اللي بيشتغل عليه، لما أنا كتبنا، كتبنا
+
+767
+01:02:39,980 --> 01:02:42,780
+المعادلة الرياضية، Y تساوي M1 في A1 زائد M2 في A2
+
+768
+01:02:42,780 --> 01:02:50,140
+زائد B،
+
+769
+01:02:50,140 --> 01:02:51,440
+زائد B،
+
+770
+01:02:55,220 --> 01:02:59,920
+إيش رتبة.. إيش درجة المعادلة هي يا شباب؟ إيش رتبة
+
+771
+01:02:59,920 --> 01:03:07,980
+المعادلة هي يا شباب؟ معادلة خطية، لأن الدرجة تقاس بأعلى
+
+772
+01:03:07,980 --> 01:03:12,840
+أُس، الدرجة أو رتبة المعادلة تقاس بأعلى أُس،
+
+773
+01:03:12,840 --> 01:03:18,000
+فالمعادلة هي خطية، بس فعليًا هذه multiple variable،
+
+774
+01:03:18,000 --> 01:03:25,480
+متغيرات، اثنين مع الـ Y، يعني بين قوسين الـ 3D equation، مصبوط؟ هي.. هي الفكرة، الآن مش كل الناس
+
+775
+01:03:25,480 --> 01:03:30,840
+قادرة على تفسير.. هذه، أعرضها على واحد خبير رياضيات
+
+776
+01:03:30,840 --> 01:03:35,740
+مباشرة، بيقول لك هذه بتعني كذا، وواحد كذا، بيجي و
+
+777
+01:03:35,740 --> 01:03:38,580
+بيقول لك أن هذا plane مائل، plane، مسطح مائل، الميل
+
+778
+01:03:38,580 --> 01:03:43,860
+تبعه باتجاه X، ومثلًا X و Y كذا، X و Z كذا، هي الأبعاد
+
+779
+01:03:43,860 --> 01:03:51,450
+تبعته، وهذه ارتفاعه أو التقاطع تبعته مع الـ Y axis،
+
+780
+01:03:51,450 --> 01:03:56,990
+لكن أنا مش عارفني بالكلام هذا، فالموضوع الـ
+
+781
+01:04:02,270 --> 01:04:07,130
+interpretability، أو موضوع تفسير الـ algorithm، و
+
+782
+01:04:07,130 --> 01:04:12,550
+فهمه بيختلف من شخص لشخص، من
+
+783
+01:04:12,550 --> 01:04:17,410
+الـ algorithms اللي هنتعرف عليها، K-nearest
+
+784
+01:04:17,410 --> 01:04:21,490
+neighbor algorithm، وهذا البرنامج يعتمد على
+
+785
+01:04:21,490 --> 01:04:22,550
+البرنامج، الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة
+
+786
+01:04:22,550 --> 01:04:30,530
+الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة،
+
+787
+01:04:30,530 --> 01:04:35,310
+الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة،
+
+788
+01:04:35,310 --> 01:04:35,330
+الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة،
+
+789
+01:04:35,330 --> 01:04:41,850
+الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة،
+
+790
+01:04:41,850 --> 01:04:47,070
+وفي عند الـ rule based induction، وفي عند الـ
+
+791
+01:04:47,070 --> 01:04:49,430
+support vector machine، وفي عند الـ logistic
+
+792
+01:04:49,430 --> 01:04:53,610
+regression، كل هذه الـ algorithms تستخدم في الـ
+
+793
+01:04:53,610 --> 01:04:55,990
+classification، وفي عند الـ back propagation، الـ
+
+794
+01:04:55,990 --> 01:04:59,310
+neural network، في الفصل هذا، في الشابتر هذا إن شاء
+
+795
+01:04:59,310 --> 01:05:02,350
+الله تعالى، هشرح لك الـ k-nearest neighbor، والـ naive
+
+796
+01:05:02,350 --> 01:05:05,170
+bayes، والـ decision tree، والـ back propagation، والـ
+
+797
+01:05:05,170 --> 01:05:09,650
+propagation neural network، كـ classifiers خلال الفصل
+
+798
+01:05:09,650 --> 01:05:14,360
+هذا، أنا محاضرة اليوم هي كاد أن تنتهي.

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/3PercFMmDro_raw.srt

@@ -0,0 +1,3212 @@
+1
+00:00:05,250 --> 00:00:07,430
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:07,430 --> 00:00:11,930
+اليوم ان شاء الله شباب هنبدأ ب chapter جديد في ال
+
+3
+00:00:11,930 --> 00:00:15,070
+data mining و هنتكلم على أولى ال data mining tasks
+
+4
+00:00:15,070 --> 00:00:20,630
+و هي ال classification ال classification لكن قبل
+
+5
+00:00:20,630 --> 00:00:24,150
+ما أبدأ بالمحاضرة فعليا و بال slides بدي أسأل انا
+
+6
+00:00:24,150 --> 00:00:26,270
+ايش احنا بنيعني بال classification
+
+7
+00:00:44,700 --> 00:00:53,400
+أه محمد شو يعني classification؟
+
+8
+00:00:53,400 --> 00:00:56,580
+بدي
+
+9
+00:00:56,580 --> 00:00:59,060
+أصنف .. شو يعني بدي أصنف؟ أيوة أنا بدي أقول ..
+
+10
+00:00:59,060 --> 00:01:04,700
+بينهم شغلات مشتركة
+
+11
+00:01:04,700 --> 00:01:09,520
+شو رايك مشتركة؟ مرتجع عفوا بجسم ال data على شكل
+
+12
+00:01:09,520 --> 00:01:14,720
+categories بجسم ال data على شكل categoriesكريم
+
+13
+00:01:14,720 --> 00:01:20,040
+بناء على ترميز معينة بعمل زي لبط بمثل الصدر او كذا
+
+14
+00:01:20,040 --> 00:01:24,340
+طيب انا قاعد باسأل شو يعني تصنيف بالعربي شو يعني
+
+15
+00:01:24,340 --> 00:01:30,220
+تصنيف شغلات بينها او في عناصر مش علها عناصر مشتركة
+
+16
+00:01:30,220 --> 00:01:38,040
+اعمر شو يعني تصنيف تقسيم العناصر الى مجموعات طيب
+
+17
+00:01:38,040 --> 00:01:42,200
+شو يعني تصنيف يا راني تصنيف شو يعني
+
+18
+00:01:47,010 --> 00:01:54,950
+طيب لو انا جيت قلتلك اه احمد تفضل اعمل subclass
+
+19
+00:01:54,950 --> 00:02:00,410
+بناء على role معين او subset طيب لو .. لو انا جيت
+
+20
+00:02:00,410 --> 00:02:09,330
+قلتلكوا عند الان قرصة كتب مجموعة كتب و بدنا نصنفها
+
+21
+00:02:15,120 --> 00:02:19,440
+إيش اسمك؟ إبراهيم إبراهيم أنا عارف تعمل تسألك
+
+22
+00:02:19,440 --> 00:02:26,500
+سنوار حسب إيش بدي أصنفها؟ ليش يا إبراهيم سألتي
+
+23
+00:02:26,500 --> 00:02:32,420
+السؤال هذا؟ عشان أنا أقدر؟ طب إيش اللي بدك يامني
+
+24
+00:02:32,420 --> 00:02:36,480
+يا إبراهيم عشان تقدر تصنفها؟
+
+25
+00:02:36,480 --> 00:02:39,660
+هو هو إنت صرت إبراهيم الآن؟ أيوة إيش اللي بدك
+
+26
+00:02:39,660 --> 00:02:42,960
+يامني عشان تقدر تصنفها؟ حق تقدر تحصرلي شغلات؟
+
+27
+00:02:45,760 --> 00:02:50,560
+معلومات .. معلومات .. معلومات عن إيش؟ معلومات عن
+
+28
+00:02:50,560 --> 00:02:54,680
+أستراليا .. معلومات عن أستراليا .. معلومات عن
+
+29
+00:02:54,680 --> 00:02:55,440
+أستراليا .. معلومات عن أستراليا .. معلومات عن
+
+30
+00:02:55,440 --> 00:02:56,680
+أستراليا .. معلومات عن أستراليا .. معلومات عن
+
+31
+00:02:56,680 --> 00:02:56,920
+أستراليا .. معلومات عن أستراليا .. معلومات عن
+
+32
+00:02:56,920 --> 00:02:58,800
+أستراليا .. معلومات عن أستراليا .. معلومات عن
+
+33
+00:02:58,800 --> 00:03:00,320
+أستراليا .. معلومات عن أستراليا .. معلومات عن
+
+34
+00:03:00,320 --> 00:03:02,840
+أستراليا .. معلومات عن أستراليا .. معلومات عن
+
+35
+00:03:02,840 --> 00:03:07,340
+أستراليا .. معلومات عن أستراليا .. معلومات عن
+
+36
+00:03:07,340 --> 00:03:10,880
+أستراليا .. معلومات عن أستراليا .. معلومات عن أست
+
+37
+00:03:12,100 --> 00:03:16,820
+تمام؟ كان كله بيتكلم على clustering أو grouping
+
+38
+00:03:16,820 --> 00:03:21,720
+لأن كلكوا بتتكلموا لمجموعات أصنفهم لمجموعات أصنفهم
+
+39
+00:03:21,720 --> 00:03:27,360
+لمجموعات مش هيك اصنفهم يعني في عندي predefined
+
+40
+00:03:27,360 --> 00:03:32,220
+setsفي عندي مجموعات معروفة مسبقًا والمجموعات هذه
+
+41
+00:03:32,220 --> 00:03:38,060
+إلها عنوين وانت دورك تشوف هل العنصر هذا بيتواءم مع
+
+42
+00:03:38,060 --> 00:03:41,440
+المجموعة هذه ولا لأ عشان تحطه تحتها بينما اللي
+
+43
+00:03:41,440 --> 00:03:44,840
+كنتوا أنتوا بتطرحوا بتقول أنا بدي أدرس الخصائص
+
+44
+00:03:44,840 --> 00:03:50,630
+المشتركة بين الكتب و أجسمهم لمجموعاتهذا بيسميه
+
+45
+00:03:50,630 --> 00:03:52,510
+احنا في ال data science أو في ال data mining
+
+46
+00:03:52,510 --> 00:03:57,230
+clustering يا تامر بيسميه clustering أو grouping
+
+47
+00:03:57,230 --> 00:04:04,370
+بينما للتصنيف انا بقاعد فيه عندي مجموعات معرفة
+
+48
+00:04:04,370 --> 00:04:08,350
+مسبقا predefined
+
+49
+00:04:08,350 --> 00:04:14,870
+groups ممكن
+
+50
+00:04:14,870 --> 00:04:18,680
+يكونوا أقل شيء لازم يكونوا تنتينأجلش لازم يكونوا
+
+51
+00:04:18,680 --> 00:04:23,600
+مجموعتين و بعد هي كان بيجي دوري أنا بشوف كل object
+
+52
+00:04:23,600 --> 00:04:26,780
+في ال data set اللي عندي أو كل object في الكتب
+
+53
+00:04:26,780 --> 00:04:33,440
+اللي عندي بيندرج تحت أي مصنف تحت أي عنوان من
+
+54
+00:04:33,440 --> 00:04:37,020
+المجموعات هذه لو أنا اجيت قلتلك يا همام الكتب اللي
+
+55
+00:04:37,020 --> 00:04:43,400
+عندي انا اما science او politics او financial او
+
+56
+00:04:43,400 --> 00:04:45,020
+literature أدب
+
+57
+00:04:47,290 --> 00:04:54,550
+اقتصاد، سياسة، علوم، شوبك تساوي وعندك مزالة مجموعة
+
+58
+00:04:54,550 --> 00:04:59,950
+الكتب مثل ما هي مكدسة قدامي، شو هتعمل؟ كيف؟ ماشي،
+
+59
+00:04:59,950 --> 00:05:09,560
+هتفرزهم الآن، شو هتساوي؟ هتمسك كل كتاب؟ كملعلى
+
+60
+00:05:09,560 --> 00:05:12,820
+الأقل أعرف الموضوع اللي بيتكلم فيه الكتاب يعني
+
+61
+00:05:12,820 --> 00:05:18,400
+مثلا كتاب بتتكلم عن الاحتلال الانجليزي لشرق آسيا
+
+62
+00:05:18,400 --> 00:05:26,760
+مثلا بتصنف سياسة ولا تاريخ literature حسب الكتاب
+
+63
+00:05:26,760 --> 00:05:30,500
+عن إيش بتتكلم هل بتتكلم مثلا رؤية سياسية ولا
+
+64
+00:05:30,500 --> 00:05:34,480
+بتتكلم مجرد سرد تاريخي للموضوع الاحتلال على
+
+65
+00:05:34,480 --> 00:05:37,620
+التاريخ جيت وجيت والله كتاب بتتكلم على ال second
+
+66
+00:05:37,620 --> 00:05:38,240
+derivative
+
+67
+00:05:41,020 --> 00:05:45,180
+Science، لجيت كتاب بتتكلم عن الـ poems أو الشعر،
+
+68
+00:05:45,180 --> 00:05:48,800
+literature، مظبوط؟ هيك صار في عندي أنا الآن
+
+69
+00:05:48,800 --> 00:05:52,860
+باستخدم الـ knowledge تبعتي، تمام؟ و معرفتي
+
+70
+00:05:52,860 --> 00:05:58,370
+بالمجموعات السابقةبالمجموعات السابقة اللى موجودة
+
+71
+00:05:58,370 --> 00:06:02,010
+عندى و بروح ايش بصير اخد كل كتاب او كل object
+
+72
+00:06:02,010 --> 00:06:06,230
+بقارن الخصائص طبعته او بحاول اطلع اعرف عناش بتكلم
+
+73
+00:06:06,230 --> 00:06:10,910
+الكتاب هذا و بروح بصنفه لوحده بحطه تحت مجموعة او
+
+74
+00:06:10,910 --> 00:06:16,170
+تحت اي مجموعة من العناصر اللى موجودةعامة تمام
+
+75
+00:06:16,170 --> 00:06:22,010
+فمعناته ال classification هي عضوية المجموعات
+
+76
+00:06:22,010 --> 00:06:25,950
+predefined group مجموعات معروفة مسبقا و بدي احدد
+
+77
+00:06:25,950 --> 00:06:31,030
+مين العناصر تمام اللي ممكن يكونوا تحت المجموعة
+
+78
+00:06:31,030 --> 00:06:36,970
+اللي عندها الان بيفرج عن التقسيم او ال clustering
+
+79
+00:06:36,970 --> 00:06:42,840
+لو قلت الشباب انا بدي اجسمكوا لمجموعات تمامشغلات
+
+80
+00:06:42,840 --> 00:06:45,480
+كتيرة ممكن تكون مشتركة أو شغلات كتيرة ممكن تكون
+
+81
+00:06:45,480 --> 00:06:49,840
+مختلفة بينكوا عشان لو روحت أنا قلت بتجسمكوا تبع ال
+
+82
+00:06:49,840 --> 00:06:56,300
+.. سنة الميلاد تمام؟ لاحظ أنا في كل الكلام اللي
+
+83
+00:06:56,300 --> 00:07:02,620
+أنا بقوله ماليش أي control على .. على عدد
+
+84
+00:07:02,620 --> 00:07:05,760
+المجموعات بينما في ال cluster .. في ال
+
+85
+00:07:05,760 --> 00:07:11,400
+classification عدد المجموعاتطبعا بدي أجسمكوا تبعا
+
+86
+00:07:11,400 --> 00:07:16,100
+لتاريخ ميلادكوا لسنة الميلاد كل ناس مولودين في سنة
+
+87
+00:07:16,100 --> 00:07:20,840
+هدولة بيكونوا مجموعة لحالهم طب لجيت واحد بحاله أه
+
+88
+00:07:20,840 --> 00:07:28,040
+هدا بدوني أعمل مجموعة ماعنديش مشكلة في الموضوع لأ
+
+89
+00:07:28,040 --> 00:07:34,940
+ممكن أسخر ال cluster لخدمة ال classificationممكن
+
+90
+00:07:34,940 --> 00:07:39,240
+أسخر ال clustering لخدمة ال classification وهذا
+
+91
+00:07:39,240 --> 00:07:43,240
+نسميه عادة semi supervised learning ان انا فعليا
+
+92
+00:07:43,240 --> 00:07:47,480
+عندي بعض ال data بعض ال data labelled و بعض ال
+
+93
+00:07:47,480 --> 00:07:51,560
+data .. و كم كبير من ال data unlabeled فبروح
+
+94
+00:07:51,560 --> 00:07:56,580
+بجسمهم لاربع مجموعات حسب معرفتي من هناو بطلع في كل
+
+95
+00:07:56,580 --> 00:08:00,560
+cluster كل مجموعة ايش الاكثر عناصر من ال الهم
+
+96
+00:08:00,560 --> 00:08:03,600
+label و بسميه بطلق عليه و بخلي ال bag كله ماشي
+
+97
+00:08:03,600 --> 00:08:08,260
+يحملوا نفس الصفة اجيت اقول بدي اصنفكوا تبعا
+
+98
+00:08:08,260 --> 00:08:09,560
+لمعدلاتكوا
+
+99
+00:08:12,460 --> 00:08:15,200
+واحد يقول يا دكتور ما هو معروف المعدلات تسعين وفوق
+
+100
+00:08:15,200 --> 00:08:22,200
+من تمانين لتسعين okay بس لاحظ أنا ما اتكلمت على كل
+
+101
+00:08:22,200 --> 00:08:26,000
+اسم مجموعة المجموعات هذه مالهاش أسامي مش معرفة
+
+102
+00:08:26,000 --> 00:08:31,280
+بالنسبة لي مسبقا تبع الأوزانكوا الأطوالكوا تمام كل
+
+103
+00:08:31,280 --> 00:08:34,740
+الشغلات هذه عاملا جاعة بتتكلم على مجموعاتعلى
+
+104
+00:08:34,740 --> 00:08:38,720
+مجموعات و بعد هيك بنصير اما بحدد الخاصية و بشغل او
+
+105
+00:08:38,720 --> 00:08:42,440
+بروح بقول لشبابنا نجسم لمجموعتين لتلت مجموعات و
+
+106
+00:08:42,440 --> 00:08:45,860
+بصير ادور على ال common properties اللي تجمعكم مع
+
+107
+00:08:45,860 --> 00:08:51,860
+بعض لكن ايش الصفر السمة السائدة لكل مجموعة نعرفش
+
+108
+00:08:51,860 --> 00:08:55,580
+لاحقا بدنا نصير نفكر ندور بعنوان بينما بال
+
+109
+00:08:55,580 --> 00:08:59,340
+classification انا عندى التصنيفات موجودة عندى
+
+110
+00:08:59,340 --> 00:09:05,320
+مستويات الطلاب موجودة ممتاز جيد جدا جيدمقبول؟ هذه
+
+111
+00:09:05,320 --> 00:09:08,920
+التصنيفات اللي موجودة في عند الآن درجة الرطوبة إما
+
+112
+00:09:08,920 --> 00:09:13,960
+هتكون عالية أو متوسطة أو منخفضة الجو إما هيكون
+
+113
+00:09:13,960 --> 00:09:18,860
+غائم أو غائم جزئيا أو صافي تمام؟ اليوم إما هيكون
+
+114
+00:09:18,860 --> 00:09:22,420
+ماطر أو هيكون غير ماطر هذه المعلومات أو هذه ال
+
+115
+00:09:22,420 --> 00:09:22,860
+categories
+
+116
+00:09:29,580 --> 00:09:33,860
+بتكلم على category كمجموعات إلها صفات مشتركة محددة
+
+117
+00:09:33,860 --> 00:09:38,040
+وواضحة وإلها اسم فهنا احنا بنتكلم على تصنيف
+
+118
+00:09:38,040 --> 00:09:43,860
+classification إيش اللي احنا بنتعلمه في ال chapter
+
+119
+00:09:43,860 --> 00:09:44,380
+هذا؟
+
+120
+00:10:02,660 --> 00:10:06,840
+إيش بتتوجه إن احنا نتعلم في ال chapter هذا الآن؟
+
+121
+00:10:06,840 --> 00:10:18,980
+كيف أقدر أعرف المجموعات؟ مش صحيح، أيوة أتعرف
+
+122
+00:10:18,980 --> 00:10:24,340
+على التقنيات اللي تستخدم في التصنيف غيره، طبعا هذا
+
+123
+00:10:24,340 --> 00:10:29,700
+حتكلم شغل مكتبات أو شغل ناس شغالة في المجال، غير،
+
+124
+00:10:29,700 --> 00:10:34,050
+أه حسنأيش بتتوقع أن ابدا أتعلم الفصل هذا أو
+
+125
+00:10:34,050 --> 00:10:38,450
+الشابتر هذا؟
+
+126
+00:10:38,450 --> 00:10:44,170
+كيف المكتبات بتعمل؟ ايش المبدأ اللي بتشتغل عليه؟
+
+127
+00:10:44,170 --> 00:10:48,470
+اه أحمد ايش ممكن أتوقع أن أتعلم الفصل هذا الشابتر
+
+128
+00:10:48,470 --> 00:10:52,430
+هذا؟ على أي أساس أصنف؟
+
+129
+00:10:56,620 --> 00:11:00,240
+أديب الشغلات المشتركة بين الـ instances أو الـ
+
+130
+00:11:00,240 --> 00:11:07,980
+object عشان أقدر أصنفها أقدر أفرج بين إيش؟ بين ال
+
+131
+00:11:07,980 --> 00:11:13,180
+objects أو بين جثين أتعرف على الخصائص تبعت كل
+
+132
+00:11:13,180 --> 00:11:19,480
+مجموعة عشان أقدر أحدد لـ new objects أو الـ unseen
+
+133
+00:11:19,480 --> 00:11:23,900
+samples بتنتمي لأي مجموعة بس فعليا مش أنا اللي
+
+134
+00:11:23,900 --> 00:11:29,680
+هشتغلالـ Machine الفكرة الآن لما نتكلم على
+
+135
+00:11:29,680 --> 00:11:32,560
+Classification هنبدأ نتك��م على Machine Learning
+
+136
+00:11:32,560 --> 00:11:37,160
+Algorithm هنبدأ نتكلم على تعلم الآلة أو تعلم ..
+
+137
+00:11:37,160 --> 00:11:40,840
+تعلم الآلة كيف الآلة بتدور على ال characteristics
+
+138
+00:11:40,840 --> 00:11:45,320
+المشتركة لكل مجموعة الآن بما أن ال classification
+
+139
+00:11:45,320 --> 00:11:50,380
+هي واحدة من supervised learning method احنا كنا
+
+140
+00:11:50,380 --> 00:11:54,300
+حكينا المرة الماضية ال data mining tasks نوعين
+
+141
+00:11:55,310 --> 00:11:59,690
+Predictive وDescriptive في الـ Predictive قلت أنا
+
+142
+00:11:59,690 --> 00:12:03,430
+فيه Classification وبدى اتنبأ بكاتجورى بدى اتنبأ
+
+143
+00:12:03,430 --> 00:12:07,310
+بال Target Label تبع المجموعة وفي عند Regression
+
+144
+00:12:07,310 --> 00:12:11,490
+بدى اتنبأ بcontinuous value بصبح وقلنا في ال
+
+145
+00:12:11,490 --> 00:12:15,670
+Descriptive في الوصفية اما بتكلم على Clustering
+
+146
+00:12:15,670 --> 00:12:20,770
+تقسيم لمجموعات او Outlayer Detection تحديد الشوان
+
+147
+00:12:20,770 --> 00:12:27,070
+او ال Association Rulesتحديد الإطباع ما بين
+
+148
+00:12:27,070 --> 00:12:34,350
+العناصر اللي موجودة الآن ضمن الكلام هذا أنا هتعرف
+
+149
+00:12:34,350 --> 00:12:37,630
+على مجموعة من الـ algorithms والقاليات اللي
+
+150
+00:12:37,630 --> 00:12:45,450
+بتستخدمها من أجل استنباط خصائص المجموعات المعرفة
+
+151
+00:12:45,450 --> 00:12:51,390
+مسبقا اللي موجودة عندى في ال data ومن ثم لما بدي
+
+152
+00:12:51,390 --> 00:12:55,000
+أجي أعمل predictionبدي تديني ال prediction أو بدي
+
+153
+00:12:55,000 --> 00:12:58,740
+تديني ال category أو ال group أو اسم المجموعة اللي
+
+154
+00:12:58,740 --> 00:13:01,540
+بينتمي إليها ال object الجديد هذا اللي هو ال
+
+155
+00:13:01,540 --> 00:13:06,640
+unseen object أو unseen instance يعني فعليا أنا
+
+156
+00:13:06,640 --> 00:13:09,840
+بدي أشوف الآلة كيف اللي بتتعلم طب أنا وين في
+
+157
+00:13:09,840 --> 00:13:14,400
+الموضوع انت دورك جهزت البيانات بدك تختار algorithm
+
+158
+00:13:14,400 --> 00:13:18,100
+كويس وتقول لل algorithm اقرأ البيانات وتعلم منها
+
+159
+00:13:18,100 --> 00:13:23,160
+تعمله evaluation قبل ما تقول أنا صار فيه عندىموديل
+
+160
+00:13:23,160 --> 00:13:26,280
+بيقدر يعمل prediction لل category أو لل class اللي
+
+161
+00:13:26,280 --> 00:13:34,320
+موجود عندها ال classification
+
+162
+00:13:34,320 --> 00:13:39,020
+هي
+
+163
+00:13:39,020 --> 00:13:41,840
+واحدة من ال mining task او ال data mining task
+
+164
+00:13:41,840 --> 00:13:46,140
+التقليدية ال task يعني من اهم او من اكثر ال task
+
+165
+00:13:46,140 --> 00:13:52,520
+شهرة ل classification وطبعاممتدة أساسا بالـ
+
+166
+00:13:52,520 --> 00:13:55,060
+Machine Learning عادة الـ Machine Learning
+
+167
+00:13:55,060 --> 00:13:58,880
+Algorithm الشباب بشكل عام أو التقنيات بتشتغل ضمن
+
+168
+00:13:58,880 --> 00:14:04,860
+منهجيات معينة الأولى أنه فعليا هل الـ Machine
+
+169
+00:14:04,860 --> 00:14:08,940
+Learning هذه تتدرب أو تعلم من خلال الـ Human
+
+170
+00:14:08,940 --> 00:14:15,200
+Supervision من خلال مراقبة الإنسانأو إشراف الإنسان
+
+171
+00:14:15,200 --> 00:14:19,280
+الفكرة كالتالي بينفعش أنا أروح أقول للطلاب في
+
+172
+00:14:19,280 --> 00:14:23,900
+المدرسة هذه مجموعة الكتب بروح أدخله في الصف الآن
+
+173
+00:14:23,900 --> 00:14:27,660
+من العشرة للاحد عشر عليكوا عربي أدرس كتاب العربي
+
+174
+00:14:27,660 --> 00:14:35,260
+بدون ما يكون عندهم مدرس، بينفع؟ ليش؟ طبيعي الإنسان
+
+175
+00:14:35,260 --> 00:14:38,140
+إنه هيميل إنه إيش؟ مدونش يدرس، هيقعد يلعب يتحدث
+
+176
+00:14:38,140 --> 00:14:41,080
+ويجار وكذا أثناء إحتياجات بيكون المدرس موجود
+
+177
+00:14:41,080 --> 00:14:45,750
+والتاني يحطي الرسم في بعض ويتحدثوافالآن المراقبة
+
+178
+00:14:45,750 --> 00:14:49,370
+هي ضرورية من أجل ضبط عملية التعلم بس الآلة ما
+
+179
+00:14:49,370 --> 00:14:54,270
+عندهاش شعور وبتملش يعني مش شغلة وبالتالي هتدرس لأ
+
+180
+00:14:54,270 --> 00:14:58,450
+المفهوم الـ Supervision هان شو علاقة الإنسان في
+
+181
+00:14:58,450 --> 00:15:02,350
+تحديد البيانات اللي موجودة إذا أنا كانت ال data
+
+182
+00:15:02,350 --> 00:15:07,410
+اللي موجودة عندى عبق .. حطيتلها target وحطيتلها
+
+183
+00:15:07,410 --> 00:15:13,430
+label حددت الفئات تبع كل instance معاه شو بتكلم
+
+184
+00:15:13,430 --> 00:15:19,480
+عليه؟supervised learning في عندي الـ unsupervised
+
+185
+00:15:19,480 --> 00:15:22,900
+غير مراقب و أنا بقوله جسم لمجموعات تلاتة اربعة
+
+186
+00:15:22,900 --> 00:15:26,780
+خمسة عشرة عشرين بس ال system لحاله بيشتغل semi
+
+187
+00:15:26,780 --> 00:15:29,780
+supervised و هو عبارة عن combination بين التنين
+
+188
+00:15:29,780 --> 00:15:35,400
+هدول reinforcement learning اللي هو إعادة التعلم
+
+189
+00:15:35,400 --> 00:15:41,000
+بالضغط أو بالقوة و هنا بيقبل زي مبدأ الثواب و
+
+190
+00:15:41,000 --> 00:15:45,610
+العقابعلى ال algorithm اللي شغال في حد فيكوا لعب
+
+191
+00:15:45,610 --> 00:15:51,450
+سوبر ماريو كلكوا لعبتوها كويس عمرك اتفرجت على ال
+
+192
+00:15:51,450 --> 00:15:55,930
+system هو بيلعب يعني تخليه تفتح ال super mario
+
+193
+00:15:55,930 --> 00:15:58,470
+تقوله tutorial و تخلي ال system هو اللي يلعب مش
+
+194
+00:15:58,470 --> 00:16:03,550
+video نفس النفس حكاية لعبك بس ممكن هو يشتغلك تشطر
+
+195
+00:16:03,550 --> 00:16:07,550
+منكالفكرة وين؟ كانت في ال .. ليش جبتيلك ال super
+
+196
+00:16:07,550 --> 00:16:10,150
+mario بالتحديد يا جماعة الخير؟ لأن ال concept بسيط
+
+197
+00:16:10,150 --> 00:16:12,930
+جدا ممكن تستوعبهان، الآن لما كانوا في لعبة ال
+
+198
+00:16:12,930 --> 00:16:16,410
+super mario بياكلوا الفطر، إيش بيصير في ال
+
+199
+00:16:16,410 --> 00:16:21,150
+character تبعك؟بتطور، بيكبر، بيتضخم، مظبوط؟ وكل
+
+200
+00:16:21,150 --> 00:16:25,890
+تطور أو كل مشروم أو كل فطر بياكله تمام؟ كان بنجيه
+
+201
+00:16:25,890 --> 00:16:30,290
+من موت محقق عند وين؟ عندما .. لما بدرب في .. في
+
+202
+00:16:30,290 --> 00:16:34,510
+سلحفة أو بجع في جورة أو بدرب في صبار، مظبوط؟ الآن
+
+203
+00:16:34,510 --> 00:16:38,170
+هذه الحالات، كل هذه الحالات مميتةفكان كل ما هو
+
+204
+00:16:38,170 --> 00:16:42,470
+بيحصل فطر أكبر كان بيحصل عدد مرات من النجاة أكبر
+
+205
+00:16:42,470 --> 00:16:47,150
+وكل ما بيصطدم في سلحفا أو بيقعد .. بيسقط في جورة
+
+206
+00:16:47,150 --> 00:16:56,570
+أو بخبط في صبار بغلت وبالتالي إذا أنت اشتغلت بزيد
+
+207
+00:16:56,570 --> 00:17:01,470
+ال rank بزيد الفرصة تبعتك وإذا أنت اشتغلت بالعكس
+
+208
+00:17:01,470 --> 00:17:06,590
+وماتصرفتش بلباقة أو بطريقة جيدةهتصل لمرحلة نقول لك
+
+209
+00:17:06,590 --> 00:17:11,150
+خلاص مضال الكاش فرصة عيد اللعبة من تاني، مظبوط؟
+
+210
+00:17:11,150 --> 00:17:14,090
+هذا مبدأ ال reinforcement learning اللي فعليا احنا
+
+211
+00:17:14,090 --> 00:17:18,590
+ممكن نطبقه بس مش اختصاصنا احنا فعليا الفصل هذا في
+
+212
+00:17:18,590 --> 00:17:23,410
+ال data mining بس شغالين شويهان و شويهان كذلك ال
+
+213
+00:17:23,410 --> 00:17:28,590
+machine learning تقسمالـ Algorithm تبعتها هل عملية
+
+214
+00:17:28,590 --> 00:17:32,550
+التعليم هتصير incrementally on a fly؟ يعني بين
+
+215
+00:17:32,550 --> 00:17:37,330
+قصين وانا قاعد بأتمرن أو عفوا وانا قاعد بأشتغل
+
+216
+00:17:37,330 --> 00:17:41,450
+فعليا هل هكتسب تجارب جديدة أضيفها لل knowledge
+
+217
+00:17:41,450 --> 00:17:45,770
+تبعتي؟ إذا هذا الكلام كان يطبق في موضوع ال machine
+
+218
+00:17:45,770 --> 00:17:51,080
+learning فاحنا بنتكلم على online learningبينما اذا
+
+219
+00:17:51,080 --> 00:17:53,520
+كنت انا و هذا اللي احنا هنشتغل عليه عنhand في ال
+
+220
+00:17:53,520 --> 00:17:58,360
+batch ال data set انا قرأتها لمرة واحدة و بنيت
+
+221
+00:17:58,360 --> 00:18:02,180
+عليها model و ال model هذا وضلت اطبق فيه بدون
+
+222
+00:18:02,180 --> 00:18:05,560
+الاستفادة من ال prediction الجديدة فده بنسمي احنا
+
+223
+00:18:05,560 --> 00:18:10,260
+batch learning كذلك في عندي ال trend في ال machine
+
+224
+00:18:10,260 --> 00:18:14,240
+learning هل هي model based ولا instance based
+
+225
+00:18:14,240 --> 00:18:19,860
+model based يعني هيروح يبني model هيروح يبنيموديل
+
+226
+00:18:19,860 --> 00:18:24,680
+هو اللي بديه يعمل prediction لاحقا بينما بال
+
+227
+00:18:24,680 --> 00:18:28,700
+instance based في كل مرة بديه يعمل prediction بديه
+
+228
+00:18:28,700 --> 00:18:34,620
+يرجع لل data 6 الأصلية و طبعا هدول الشغلتين لكل
+
+229
+00:18:34,620 --> 00:18:39,480
+واحدة فيه إيجابياتها و إليها سليبياتها كذلك في
+
+230
+00:18:39,480 --> 00:18:43,040
+trend آخر فيه deterministic و فيه probabilistic
+
+231
+00:18:43,040 --> 00:18:47,390
+approachفي الـ learning في الـ deterministic اللي
+
+232
+00:18:47,390 --> 00:18:51,610
+هو الدقيق أو الموحد انه ال algorithm هذا مع ال
+
+233
+00:18:51,610 --> 00:18:56,370
+input هذا لو عدته خمس تلاف مرة لو عدته مليون مرة
+
+234
+00:18:56,370 --> 00:19:01,070
+هيديني نفس النتيجة محدد بينما في ال probabilistic
+
+235
+00:19:01,070 --> 00:19:04,310
+طبعا في ال deterministic مافيش عندي مجلة
+
+236
+00:19:04,310 --> 00:19:09,240
+randomness مافيش مجلة عشوائية كله شغال ضمنقيم
+
+237
+00:19:09,240 --> 00:19:12,580
+حقيقية موجودة بين إيدينا بينما في الـ
+
+238
+00:19:12,580 --> 00:19:15,720
+Probabilistic Approach بيعتمد على الـ Randomness
+
+239
+00:19:15,720 --> 00:19:18,660
+لأنه بياخد Sample من ال population و بيصير .. ممكن
+
+240
+00:19:18,660 --> 00:19:23,180
+نزقر .. عفوا النتيجة تتغير ما بين كرن و التاني
+
+241
+00:19:23,180 --> 00:19:26,200
+بشكل
+
+242
+00:19:26,200 --> 00:19:28,880
+عام احنا بنتكلم على ال supervised learning و
+
+243
+00:19:28,880 --> 00:19:34,050
+بالتحديد ال classificationالان super vision زي ما
+
+244
+00:19:34,050 --> 00:19:37,870
+قلنا سابقا training data ال data set اللي انا
+
+245
+00:19:37,870 --> 00:19:49,150
+اخترتها بتتكلم عن ال heart disease ال
+
+246
+00:19:49,150 --> 00:19:55,090
+body mass index ال blocked artery تصلب الشرايين
+
+247
+00:19:55,090 --> 00:20:04,810
+قلم في الصدر و في الآخرالتصنيع التبعي هل هذا heart
+
+248
+00:20:04,810 --> 00:20:11,790
+disease هل هذا مرض قلب مرض قلب ولا لأ yes و no ال
+
+249
+00:20:11,790 --> 00:20:18,030
+data set في جو زي اليوم بتكلم الجو غائم ال outlook
+
+250
+00:20:18,030 --> 00:20:24,790
+cloudy ال temperature عشرة مثلا او اتناشر ال
+
+251
+00:20:24,790 --> 00:20:32,600
+humidityIntermediate متوسطة الـ Windy فيه رياح بدي
+
+252
+00:20:32,600 --> 00:20:38,720
+أعمل هل اليوم ماطر أو لأ ك category كفئة لاحظ أنا
+
+253
+00:20:38,720 --> 00:20:43,400
+الآن بتكلم هذه ال label تبعتي هي ال target هي ال
+
+254
+00:20:43,400 --> 00:20:47,140
+group الـ predefined group إما هدول ال instances
+
+255
+00:20:47,140 --> 00:20:52,320
+ال data set مقسمين لمجموعتين ناس مصابين أمراض
+
+256
+00:20:52,320 --> 00:20:58,190
+القلب و ناس غير مصابةالجو أيام ماطرة و أيام غير
+
+257
+00:20:58,190 --> 00:21:03,210
+ماطرة تصنيفات الطلاب جيد جدا او ممتاز جيد جدا جيد
+
+258
+00:21:03,210 --> 00:21:07,210
+مقبولة هذه التصنيفات الموجودة معروفة مسبقا وهذه
+
+259
+00:21:07,210 --> 00:21:11,770
+هتكون موجودة عندهان فلل training set هذه لازم تكون
+
+260
+00:21:11,770 --> 00:21:16,530
+عاملة combination ما بين ال attributes اللي عندي
+
+261
+00:21:16,530 --> 00:21:20,310
+بالاضافة
+
+262
+00:21:21,330 --> 00:21:25,310
+الـ groups او الـ predefined groups يعني بين جثين
+
+263
+00:21:25,310 --> 00:21:34,190
+محددله بشكل دقيق كل raw بيتبع اي مجموعة تمام؟ كل
+
+264
+00:21:34,190 --> 00:21:39,870
+raw بيتبع اي مجموعة و عادة هذه بنسميها احنا
+
+265
+00:21:39,870 --> 00:21:45,990
+training data training data فال classification هي
+
+266
+00:21:45,990 --> 00:21:53,400
+مهمتها تعمل predict categorialclass label تتنبأ
+
+267
+00:21:53,400 --> 00:21:59,360
+بالفئة باسم الفئة تبعتنين؟ تبعت المجموعات لل
+
+268
+00:21:59,360 --> 00:22:03,160
+unseen data طبعا ال class label هذا إما بيكون
+
+269
+00:22:03,160 --> 00:22:10,460
+discrete أو بيكون nominal شو يعني nominal data؟
+
+270
+00:22:10,460 --> 00:22:15,620
+text .. text .. text .. تمام؟ طب شو يعني discrete
+
+271
+00:22:15,620 --> 00:22:20,450
+data؟قيم منفصل عن بعضها هي فعلياً وظاهرها
+
+272
+00:22:20,450 --> 00:22:24,690
+continuous عشر، عشرين، تلاتين تمام؟ ولمّا بتروح
+
+273
+00:22:24,690 --> 00:22:27,630
+يعمل ال prediction هو بتقول أما عشرة أو عشرين أو
+
+274
+00:22:27,630 --> 00:22:30,570
+تلاتين مالهاش علاقة بالأرقام أو العلاقة بالحساب
+
+275
+00:22:30,570 --> 00:22:36,670
+مطلقاً الآن ففي
+
+276
+00:22:36,670 --> 00:22:39,570
+ال classification هيبني prediction model عشان
+
+277
+00:22:39,570 --> 00:22:43,410
+يتنبأ بال discrete values اللي موجودة عندها تعالى
+
+278
+00:22:43,410 --> 00:22:49,530
+نشوف الصورة هايأو بلاش، قبل ما نروح على الصورة هاي
+
+279
+00:22:49,530 --> 00:22:53,010
+عشان انا بقى أظل أقول Model Model Model Model شو
+
+280
+00:22:53,010 --> 00:23:06,790
+يعني Model؟ نموذج نموذج، تمام وشو
+
+281
+00:23:06,790 --> 00:23:11,250
+يعني نموذج؟ تصور، تصور، تصور، تصور، تصور، تصور،
+
+282
+00:23:11,250 --> 00:23:13,250
+تصور، تصور، تصور، تصور، تصور، تصور، تصور، تصور،
+
+283
+00:23:13,250 --> 00:23:13,250
+تصور، تصور، تصور، تصور، تصور، تصور، تصور، تصور،
+
+284
+00:23:13,250 --> 00:23:13,250
+تصور، تصور، تصور، تصور، تصور، تصور، تصور، تصور،
+
+285
+00:23:13,250 --> 00:23:13,750
+تصور، تصور، تصور، تصور، تصور، تصور، تصور، تصور،
+
+286
+00:23:13,750 --> 00:23:16,030
+تصور، تصور
+
+287
+00:23:18,130 --> 00:23:22,990
+صورة مصغرة شوف أحمد من غاد بيقولك photo
+
+288
+00:23:22,990 --> 00:23:26,770
+description بس سيبك من ال photo و اتكلم عن ال
+
+289
+00:23:26,770 --> 00:23:31,290
+description انا بقولك صح صورة مصغرة او نموذج بلاش
+
+290
+00:23:31,290 --> 00:23:38,410
+نقول مصغر صورة توصفالنموذج أو الشكل أو ال object
+
+291
+00:23:38,410 --> 00:23:41,730
+اللي جاي عندي الآن بتروح شركة Apple على سبيل .. لأ
+
+292
+00:23:41,730 --> 00:23:43,410
+انتوا أقولكوا علاقة بما في ناس بتكون interested
+
+293
+00:23:43,410 --> 00:23:48,310
+بالسيارات تروح شركة BMW بتقولك والله إحنا في عندنا
+
+294
+00:23:48,310 --> 00:23:53,470
+ال model تبع ألفين و تلاتين من السيارة جاهز شو
+
+295
+00:23:53,470 --> 00:23:59,130
+يعني؟ مش .. لأ لأ ماتكلم ال .. ماتكلم على ال model
+
+296
+00:23:59,130 --> 00:24:05,770
+يعني ان هو في عنده تصور أو وصف دقيقلشكل السيارة،
+
+297
+00:24:05,770 --> 00:24:08,470
+إيش السيارة بديها تكون، اللي في الـ 2030 يا همام
+
+298
+00:24:08,470 --> 00:24:12,150
+ممكن prototype أو ممكن يكون عاملة prototype، بس في
+
+299
+00:24:12,150 --> 00:24:17,710
+الآخر أهم في ال prototype هذا مثلا، معارض
+
+300
+00:24:17,710 --> 00:24:20,990
+السيارات، لما بروح بيعرض في المعارض، إيش بقولك؟
+
+301
+00:24:20,990 --> 00:24:25,910
+بقولك، هي model، تمام؟ عن السيارة، هي model عن
+
+302
+00:24:25,910 --> 00:24:26,450
+الجوال
+
+303
+00:24:29,520 --> 00:24:34,720
+sample ايش بستفيد من الـ sample هاي فعليا بشوف الـ
+
+304
+00:24:34,720 --> 00:24:39,000
+real description بشوف وصفه دقيق كيف بيكون لأ لما
+
+305
+00:24:39,000 --> 00:24:42,700
+بروح بقولك في عند ال model تبعت الجوال مكونا من او
+
+306
+00:24:42,700 --> 00:24:47,500
+هيو كده فبديك وصفه جدش حجمه جدش الكاميرا جدش وزنه
+
+307
+00:24:47,500 --> 00:24:50,020
+جدش ال processor جدش ال memory جدش ال storage
+
+308
+00:24:50,020 --> 00:24:53,760
+تبعته ايش هو التقنية المستخدمة مع ال bluetooth مع
+
+309
+00:24:53,760 --> 00:24:57,300
+ال land مع ال wireless عفوا كل الشغلات هذه بتكون
+
+310
+00:24:57,300 --> 00:25:04,310
+موصوفة وبالتالي ال modelهي عبارة عن طريقة لوصف شيء
+
+311
+00:25:04,310 --> 00:25:07,150
+معين، objects معين مرة عليكوا تشغلوا اسمها data
+
+312
+00:25:07,150 --> 00:25:11,930
+model في ال database زمان؟ الفصل الماضي يا إيهاب
+
+313
+00:25:11,930 --> 00:25:16,970
+لما اتكلمنا على ال data model و قبلها انت بتعرف
+
+314
+00:25:16,970 --> 00:25:21,750
+شوية عن ال relational model تمام؟ مصبوط؟ ففعليا
+
+315
+00:25:21,750 --> 00:25:25,450
+ليش بسميها model؟ لأنه بوصف البيانات كنت وبالتالي
+
+316
+00:25:25,450 --> 00:25:31,710
+أنا الآن ال model اللي هتكلم عليههي عبارة عن آلية
+
+317
+00:25:31,710 --> 00:25:37,370
+لوصف الـ knowledge ما تنساش ال data mining هدفها
+
+318
+00:25:37,370 --> 00:25:42,450
+knowledge
+
+319
+00:25:42,450 --> 00:25:45,870
+extraction
+
+320
+00:25:45,870 --> 00:25:53,930
+ولا لأ؟ هدف ال mining task استخراج knowledge من ال
+
+321
+00:25:53,930 --> 00:25:56,970
+data set اللي موجودة طب ال knowledge اللي طلعت هاي
+
+322
+00:25:58,780 --> 00:26:04,060
+كيف بدي أوصفها؟ كيف بدي استخدمها؟ لازم تكون ضمن
+
+323
+00:26:04,060 --> 00:26:10,040
+model معين عشان نقدراش نتكلم عليه الآن بالمثال
+
+324
+00:26:10,040 --> 00:26:14,300
+اللي موجود عندي هان في
+
+325
+00:26:14,300 --> 00:26:18,800
+عندي input raw data مجموعة من التفاح حسب الصورة
+
+326
+00:26:18,800 --> 00:26:26,140
+اللي موجودة عندي هان تمان تفاحات أحجامهم ألوانهم
+
+327
+00:26:27,010 --> 00:26:30,190
+الأوراق اللي موجودة عليهم بالإضافة للريحة والطعم
+
+328
+00:26:30,190 --> 00:26:33,610
+ريحة
+
+329
+00:26:33,610 --> 00:26:38,890
+طفاح اللي هو ريحة ولا ماله مش ريحة ممتاز لو ضليتك
+
+330
+00:26:38,890 --> 00:26:41,630
+ساكتكم بقولك كيف بندخلها بس وما أنك انت سألني
+
+331
+00:26:41,630 --> 00:26:46,810
+خلصنا فالآن هذه ال characteristics الوصفية تبعت ال
+
+332
+00:26:46,810 --> 00:26:51,750
+data هي هم هروح نديها لل algorithm او اختار
+
+333
+00:26:51,750 --> 00:26:55,290
+algorithm machine learning algorithmيقرأ ال data
+
+334
+00:26:55,290 --> 00:27:03,870
+set كلتها يعملها تحليل يوجد علاقة ما بين الحجم و
+
+335
+00:27:03,870 --> 00:27:10,110
+اللون و الرائحة و الطعم كل الشغلات هذه لما تديله
+
+336
+00:27:10,110 --> 00:27:14,570
+ال data set او العناصر هذه يكون قادر على ان يقول
+
+337
+00:27:14,570 --> 00:27:20,590
+لي ان هذه تفاحة الان ال model هذا انا روحت اختبرته
+
+338
+00:27:20,590 --> 00:27:27,690
+بتفاحة خضرةتفاحة ولا لأ؟ تمام؟ اللون واحدة من ال
+
+339
+00:27:27,690 --> 00:27:32,010
+characteristics اللي كانت موجودة بس مش كل شيء الان
+
+340
+00:27:32,010 --> 00:27:37,070
+ال model تبعي الأصل يقول إنه هذا تفاحة لو أنا روحت
+
+341
+00:27:37,070 --> 00:27:45,770
+أضف تهان مجموعة
+
+342
+00:27:45,770 --> 00:27:50,750
+من ال manga أو البرتقال تمام؟ مجموعة من البرتقال
+
+343
+00:27:50,750 --> 00:27:57,670
+وصار في اندي two groupsفي عندي هذه apple
+
+344
+00:27:57,670 --> 00:28:04,870
+و هذه orange ال system اللي يتعرف على خصائص ال
+
+345
+00:28:04,870 --> 00:28:08,890
+apple هي المفهوم التصنيف انه انا خلاص okay هدولة
+
+346
+00:28:08,890 --> 00:28:13,550
+هي المصنف تبعي apple او orange فال system هيتعرف
+
+347
+00:28:13,550 --> 00:28:22,190
+على خصائص ال apple و خصائص التفاح و يبني modelقادر
+
+348
+00:28:22,190 --> 00:28:28,050
+على التفريق ما بين التنتين فلما أنا بديه تفاحة،
+
+349
+00:28:28,050 --> 00:28:30,750
+هيقوللي تفاحة، اديته برتقالة، الاصلي يقوللي
+
+350
+00:28:30,750 --> 00:28:37,430
+برتقالة، طب لو اديته حبة مانجا، مش هيعرف، غلط، في
+
+351
+00:28:37,430 --> 00:28:41,490
+ال classification هان، لأنه آلة، وفيش مجال، يا
+
+352
+00:28:41,490 --> 00:28:45,270
+هذه، يا هذه، فيش مجال، مافيش خيار تالت، انت
+
+353
+00:28:45,270 --> 00:28:48,290
+ماتركتلهوش، في موضوع التصنيف، هي اللي أنا بوصلك
+
+354
+00:28:48,290 --> 00:28:53,020
+إياها، في موضوع التصنيف، فيش مجال،عندك أربع فئات
+
+355
+00:28:53,020 --> 00:28:55,920
+بدك تحط تحت واحدة من الأربع فئات عندك two
+
+356
+00:28:55,920 --> 00:29:00,020
+categories بدك تضيفه لواحدة من ال categories بس
+
+357
+00:29:00,020 --> 00:29:04,760
+غالبا هيضيفه للأقرب يعني تخيل أنه والله كان في ال
+
+358
+00:29:04,760 --> 00:29:08,800
+manga اللي بنتكلم عليها هي لونها أحمر مثلا وماخدة
+
+359
+00:29:08,800 --> 00:29:16,910
+شكل كراوي أكثر تمام فهتروح باتجاه الطفاحففي الآخر
+
+360
+00:29:16,910 --> 00:29:21,570
+هو صح صنفها غلط في كل الأحوال بس هو اجتهد .. اجتهد
+
+361
+00:29:21,570 --> 00:29:27,390
+و راح ض��فها للأقرب حسب ال object اللي موجود لكن في
+
+362
+00:29:27,390 --> 00:29:32,190
+المقابل كان في حبة manga أخرى أكبر حجما و لونها
+
+363
+00:29:32,190 --> 00:29:37,430
+برتقالي تمام؟ فمش ضروري أروح أصنفلك إياها تفاح
+
+364
+00:29:37,430 --> 00:29:42,030
+بروح أصنفلك إياها إيش؟ Orange لأنه فعليا ال
+
+365
+00:29:42,030 --> 00:29:49,070
+characteristic تبعتها متشابهة نعملأ مش ممكن عمرك
+
+366
+00:29:49,070 --> 00:29:54,310
+مرة عليك برنامج انه بيبني فئة لوحده ممكن اتعلم
+
+367
+00:29:54,310 --> 00:29:57,650
+تبني .. تبني الحالة تبني الحالة ده حالة يعني اذا
+
+368
+00:29:57,650 --> 00:30:01,890
+تيجي ده اولشه اول مرة تصنفها لحالة و ممكن ال human
+
+369
+00:30:01,890 --> 00:30:06,970
+يقولش شوف رجع لوين بعدين ال human يقول ال human هو
+
+370
+00:30:06,970 --> 00:30:12,520
+صاحب القرار عمرها مالقالةغيرت حال تمام أو أخدت
+
+371
+00:30:12,520 --> 00:30:15,980
+decision لوحدها حتى كل اللي بنشوفه في الذكاء
+
+372
+00:30:15,980 --> 00:30:23,100
+الاصطناعي مرده لتخطيط صحيح من ال human وتصرف الآلة
+
+373
+00:30:23,100 --> 00:30:27,020
+ما هو إلا من تصرف ال human ضمن المسار اللي رسمه
+
+374
+00:30:27,020 --> 00:30:30,540
+الآن سيبك من الأفلام اللي احنا بنشوفها ان ال .. ال
+
+375
+00:30:30,540 --> 00:30:34,620
+.. اتطورته حتى تقطع .. تقطع .. تجيب البشر وتحتل
+
+376
+00:30:34,620 --> 00:30:39,060
+الكون ده مافيش منه تمام؟
+
+377
+00:30:40,540 --> 00:30:45,060
+طيب، الآن فبالتالي يا محمد احنا بنتكلم فش مجال فش
+
+378
+00:30:45,060 --> 00:30:48,280
+مجال ان اروح فئة اضيف فئة جديدة لأ الفئات موجودة
+
+379
+00:30:48,280 --> 00:30:52,340
+مسبقا و بناء عليه انا هشتغل مع الفئات اللي موجودة
+
+380
+00:30:52,340 --> 00:30:56,060
+عندى فضل
+
+381
+00:30:59,640 --> 00:31:02,160
+مية لمية الفرق بين ال regression و ال
+
+382
+00:31:02,160 --> 00:31:06,300
+classification ان ال classification categorical
+
+383
+00:31:06,300 --> 00:31:10,940
+value discrete values واحدة من التنتين هدول بينما
+
+384
+00:31:10,940 --> 00:31:15,960
+بال regression بده يديني قيمة continuous value
+
+385
+00:31:15,960 --> 00:31:26,380
+number بده تكون موجودة عندى طيب الآن ال
+
+386
+00:31:26,380 --> 00:31:32,500
+classificationهي عبارة عن تكنيك أو قالية أو تقنية
+
+387
+00:31:32,500 --> 00:31:36,440
+من أجل التنبؤ
+
+388
+00:31:36,440 --> 00:31:43,340
+to predict group membership شو يعني group
+
+389
+00:31:43,340 --> 00:31:50,640
+membership؟ عضوية المجموعات، هل هذا ملائم لعضوية
+
+390
+00:31:50,640 --> 00:31:54,240
+المجموعة الفلانية ولا لأ؟ في عندي مجموعة اسمها الـ
+
+391
+00:31:54,240 --> 00:32:00,440
+Smart Students في الـ ITأنت ملائم إلها ولا غير
+
+392
+00:32:00,440 --> 00:32:05,860
+ملائم؟ مش أنت اللي بتقرر، تمام؟ في لجنة هتروح
+
+393
+00:32:05,860 --> 00:32:11,460
+تختبرك وبناء عليها تقول أنت تنصلح ولا ما تصلحش،
+
+394
+00:32:11,460 --> 00:32:14,380
+ليش؟ لأنه كمان مرة ال prediction مش أنت صاحب
+
+395
+00:32:14,380 --> 00:32:19,160
+قراره، عفوا ال classification أو التصطيف مش أنت
+
+396
+00:32:19,160 --> 00:32:23,980
+صاحب قراره، في عندنا كل صنف إله rule أو خصائص
+
+397
+00:32:23,980 --> 00:32:29,960
+معينةكل صنف له خصائص معينة وبالتالي .. بالتالي انت
+
+398
+00:32:29,960 --> 00:32:33,760
+بدك تخضع للخصائص اللي موجودة ان طبقت عليك الخصائص
+
+399
+00:32:33,760 --> 00:32:39,560
+فانت بتنتمي للمجموعة ما انطبقتش لأ ممكن تنتمي
+
+400
+00:32:39,560 --> 00:32:43,880
+للمجموعة الثاني او التالتة حسب العناصر اللي موجودة
+
+401
+00:32:43,880 --> 00:32:47,980
+عندها نعم decision
+
+402
+00:32:47,980 --> 00:32:51,340
+واحد
+
+403
+00:32:51,340 --> 00:32:56,570
+فقط هينتمي لواحدة فقط مانتميش للتنتينفي عندك مشكلة
+
+404
+00:32:56,570 --> 00:33:00,150
+في الـ model تبعتك في ال prediction model تبعتك
+
+405
+00:33:00,150 --> 00:33:04,310
+الآن كريم بيطرح بيقول كالتالي لو كان في عندي
+
+406
+00:33:04,310 --> 00:33:11,070
+instance أو عندي object يمكن أن يصنف تحت شغلتين
+
+407
+00:33:11,070 --> 00:33:17,090
+حسب القلة هذا الكلام مرفوض يتصنف تحت قلة تحت عنصر
+
+408
+00:33:17,090 --> 00:33:22,590
+واحد نظبط يا كريم؟ الآن في الشيء الآن إذا أنا
+
+409
+00:33:22,590 --> 00:33:28,260
+قلتله ifالـ Condition هذا، لو تحقق الشرط هذا، وين
+
+410
+00:33:28,260 --> 00:33:33,640
+هيروح؟ على الـ Block تبعتها، لو ما تحققش، مافيش
+
+411
+00:33:33,640 --> 00:33:37,080
+اللي غير الـ Else، وبالتالي مافيش مجال، يا هن يا
+
+412
+00:33:37,080 --> 00:33:40,740
+هن، لأن طبيعة الـ System اللي احنا بنشتغل معاه،
+
+413
+00:33:40,740 --> 00:33:47,240
+لكن هل ممكن الـ System يخطأ ويديني نفس الـ Input
+
+414
+00:33:47,240 --> 00:33:51,080
+أو نفس الـ Object هذا في two categories مختلفات،
+
+415
+00:33:51,080 --> 00:33:55,370
+يعني لو جربت عليه مرتين،في حالة الـ Deterministic
+
+416
+00:33:55,370 --> 00:34:01,570
+مستحيل في حالة الـ Deterministic مستحيل خلاص،
+
+417
+00:34:01,570 --> 00:34:04,290
+ادّاك النتيجة، النتيجة هتحطل تطلعلك بالسمرار لكن
+
+418
+00:34:04,290 --> 00:34:07,830
+في حالة الـ Probabilistic ممكن، ليش؟ لأنه هصير
+
+419
+00:34:07,830 --> 00:34:11,190
+يعتمد على Random Sample من الـ Data Set ويشغل
+
+420
+00:34:11,190 --> 00:34:15,650
+عليها ويديك على الأقرب منهم Anyway، الآن الفكرة
+
+421
+00:34:15,650 --> 00:34:18,450
+كالتالي إنه أنا بدي أعمل Prediction للـ Group
+
+422
+00:34:18,450 --> 00:34:22,290
+Membership أو أتنبأ بعضوية المجموعات اللي عنديها
+
+423
+00:34:23,410 --> 00:34:27,310
+مثل اللي انا بدأت نبق بالطقس هل هو sunny ولا rainy
+
+424
+00:34:27,310 --> 00:34:32,030
+ولا cloudy بينفعش اروح اقول والله انا في عندي ..
+
+425
+00:34:32,030 --> 00:34:35,190
+بدأ أضيف كمان category جديدة مغبر من عندي أو ال
+
+426
+00:34:35,190 --> 00:34:39,530
+system يقترح علي لأ هذه ال category هي اللي موجودة
+
+427
+00:34:39,530 --> 00:34:48,790
+وانت بدك تصنف كل الأيام لواحد من التلاتة هدول في
+
+428
+00:34:48,790 --> 00:34:54,470
+ال machine learning بشكل عام ال classifierعبارة عن
+
+429
+00:34:54,470 --> 00:35:01,970
+computational object أو computational model حساب
+
+430
+00:35:01,970 --> 00:35:08,370
+على مرحلتين المرحلة
+
+431
+00:35:08,370 --> 00:35:12,410
+الأولى بنسميها ال training مرحلة
+
+432
+00:35:13,190 --> 00:35:15,970
+للـ training مفهوم مرحلة الـ training يا جماعة
+
+433
+00:35:15,970 --> 00:35:21,250
+الخير انه انا فعليا اعمل analysis لكل العناصر اللي
+
+434
+00:35:21,250 --> 00:35:24,530
+موجودة التمن الطفاحات اللي شوفناهم بالشكل السابق
+
+435
+00:35:24,530 --> 00:35:27,290
+والست بورتقالات اللي انتصرت sentimani بشكل وهمي
+
+436
+00:35:27,290 --> 00:35:32,490
+انا هان بدي اخد كل instance و اربط العلاقة و احاول
+
+437
+00:35:32,490 --> 00:35:36,130
+اوجد علاقة بين خصائص ال object هذا مع ال label
+
+438
+00:35:36,130 --> 00:35:43,440
+عشان اقدر اخد generalknowledge أو general rules لـ
+
+439
+00:35:43,440 --> 00:35:48,260
+classification عشان لما يجيني أي object أقول لو
+
+440
+00:35:48,260 --> 00:35:53,760
+كان وزن ال object هذا كذا ولونه orange تمام؟ وشكله
+
+441
+00:35:53,760 --> 00:36:01,740
+دائري فهذا حتما بورتقالة otherwise else هيكون إيش؟
+
+442
+00:36:01,740 --> 00:36:05,200
+تفاح لأنه ماعنديش خيارات غير التفاح فبصير إما
+
+443
+00:36:05,200 --> 00:36:12,530
+بورتقالأو تفاح و تحت التفاح ممكن تحط كل العناصر أو
+
+444
+00:36:12,530 --> 00:36:16,610
+كل الفواكه التانية التي لم يقدر ان يصنفها ال
+
+445
+00:36:16,610 --> 00:36:20,770
+system على انهاش برتقال و عادة في اللغات بنسميها
+
+446
+00:36:20,770 --> 00:36:27,350
+binary classificationtrue وfalse positive و
+
+447
+00:36:27,350 --> 00:36:32,570
+negative orange not orange مابنقولش تفاح لأن لو حط
+
+448
+00:36:32,570 --> 00:36:35,410
+المانجا وحط الموز تحت التفاح حصير في عنا خطأ
+
+449
+00:36:35,410 --> 00:36:40,190
+فبنقول احنا orange و not orange و هكذا الآن في
+
+450
+00:36:40,190 --> 00:36:46,670
+مرحلة لل training زي ما قلنا انه هياخد كل ال data
+
+451
+00:36:46,670 --> 00:36:51,450
+points اللي موجودة ��ندها اللي هي ال samples مع ال
+
+452
+00:36:51,450 --> 00:36:58,820
+correct label المرتبط فيهاويحاول يتعلم يصل لـ
+
+453
+00:36:58,820 --> 00:37:03,280
+pattern معين كيف ال label هذا مرتبط بالـ point زي
+
+454
+00:37:03,280 --> 00:37:09,020
+ما حكينا قبل لحظات بمجرد إن ال system هذا تعلم بدي
+
+455
+00:37:09,020 --> 00:37:13,300
+يبدأ يتصرف الآن فتصرفه هيكون عبارة عن function
+
+456
+00:37:13,300 --> 00:37:18,900
+prediction function هتاخد ال input تبع ال sample
+
+457
+00:37:18,900 --> 00:37:23,480
+تبع ال data point بدون ال label عشان تعمل هي
+
+458
+00:37:23,480 --> 00:37:27,500
+predictionللـ label أو لل category اللي موجودة
+
+459
+00:37:27,500 --> 00:37:33,980
+عندها فال
+
+460
+00:37:33,980 --> 00:37:37,240
+step الأولى بنسميها احنا ال model construction
+
+461
+00:37:37,240 --> 00:37:43,040
+بناء ال model في ال regression يا جماعة الخير وحتى
+
+462
+00:37:43,040 --> 00:37:45,960
+في ال classification ممكن ال model تبعي يكون عبارة
+
+463
+00:37:45,960 --> 00:37:48,620
+في ال binary classification يكون عبارة عن linear
+
+464
+00:37:48,620 --> 00:37:53,740
+line linear equation ال Y equal M
+
+465
+00:38:07,350 --> 00:38:13,660
+معادلة خط مستقيم ماهي الخط المستقيم مهمته؟بيفصل
+
+466
+00:38:13,660 --> 00:38:17,020
+بين شغلتين اللي فوق الخط category و اللي تحت الخط
+
+467
+00:38:17,020 --> 00:38:20,800
+category تانية ففي لحظة ال binary classification
+
+468
+00:38:20,800 --> 00:38:25,840
+إذا قدرت أنا أصل لمعادلة الخط المستقيم اللي بيفصل
+
+469
+00:38:25,840 --> 00:38:31,160
+ما بين ال two categories خلاص هي ال model تبعي
+
+470
+00:38:31,160 --> 00:38:37,700
+بصير باخد ال instances تمام؟ و بقى قارنهاإذا كانت
+
+471
+00:38:37,700 --> 00:38:41,080
+أكبر من كده فهي positive أقل من كده فهي negative
+
+472
+00:38:41,080 --> 00:38:44,860
+true أو false orange أو not orange فهي ال model
+
+473
+00:38:44,860 --> 00:38:49,480
+اللي أنا بدور عليه في ال model construction احنا
+
+474
+00:38:49,480 --> 00:38:53,500
+عادة بنفترض ان ال data set كل sample في ال data
+
+475
+00:38:53,500 --> 00:39:00,070
+set بتنتمي ل only one categoryلأن لو نفس ال data
+
+476
+00:39:00,070 --> 00:39:03,030
+set أو عفوا نفس ال instance هذه تكررت مع different
+
+477
+00:39:03,030 --> 00:39:07,250
+category اتوا في عندي مشكلة الشغل اللي بتعلمها قبل
+
+478
+00:39:07,250 --> 00:39:10,390
+شوية بدي احاول انفيها او بدي اتراجع عنها و احط
+
+479
+00:39:10,390 --> 00:39:13,970
+واحدة مضادة لها و هذا الكلام ولا عمره بصير تماما
+
+480
+00:39:13,970 --> 00:39:18,070
+تماما مثل ما اجي اقول اعلم الولد الصغير اقوله 2
+
+481
+00:39:18,070 --> 00:39:23,850
+ضرب 3 يساوي 6 و في نفس الوجهة اروح اقوله بعد فترة
+
+482
+00:39:23,850 --> 00:39:26,090
+2 ضرب 3 يساوي 16
+
+483
+00:39:29,010 --> 00:39:34,810
+يحفظ مين فيهم؟ مين فيهم الصح؟ الأخيرة الصح اه؟
+
+484
+00:39:34,810 --> 00:39:37,850
+مابيعرفش ال system ال computer مابيعرفش انت في
+
+485
+00:39:37,850 --> 00:39:42,370
+مرحلة التلقين التنتين صح و لما تصير في عنده معلومة
+
+486
+00:39:42,370 --> 00:39:47,870
+متضاربة فعليا مش هيقدر ياخد decision في أي حالة
+
+487
+00:39:47,870 --> 00:39:52,140
+فيها اتنين ضرب تلاتةهذا اللي بيصير عشان هي كده
+
+488
+00:39:52,140 --> 00:39:55,820
+نفترض انه في موضوع ال learning أو في مرحلة لل
+
+489
+00:39:55,820 --> 00:39:58,180
+training أو ال learning في ال model construction
+
+490
+00:39:58,180 --> 00:40:04,680
+انه كل instance بتنتمي فقط ل only one category one
+
+491
+00:40:04,680 --> 00:40:10,620
+label مجموعة ال data ال 6 اللي انا بدي ادرب عليها
+
+492
+00:40:10,620 --> 00:40:14,640
+النظام او اللي بدي حللها النظام بحيث انه ياخد منها
+
+493
+00:40:14,640 --> 00:40:19,910
+يستخلص ال model منها بسميها ال trainingset بسميها
+
+494
+00:40:19,910 --> 00:40:26,410
+ال training set دكتور نعم ال training set كلمة
+
+495
+00:40:26,410 --> 00:40:30,110
+بتعمل ال model بنقل عليها لإن كل واحد مثلا فواجب
+
+496
+00:40:30,110 --> 00:40:33,350
+مخل تلقى ال training set من خمسين ألف دورة مش
+
+497
+00:40:33,350 --> 00:40:36,170
+هتبقى ال model مثلا زي ��ا سيكت في سبوك أو أمازونة
+
+498
+00:40:36,170 --> 00:40:38,530
+بتبني او ال training set دي ال model طب ما احنا
+
+499
+00:40:38,530 --> 00:40:40,970
+جولنا مين جابلنا هيك هيقولنا كل ما كبرت ال
+
+500
+00:40:40,970 --> 00:40:44,610
+training data set تبعتي بكون فرصة ال prediction
+
+501
+00:40:44,610 --> 00:40:48,570
+تبعتي انها تكون أدق أعلىكيف الاسم يعني؟ مثلا خمسين
+
+502
+00:40:48,570 --> 00:40:53,690
+ألف raw شوف لأ لأ شوية انت عندك ال data set كلها
+
+503
+00:40:53,690 --> 00:40:57,410
+خمسين ألف raw و بدك تعمل training ع تلاتين ألف raw
+
+504
+00:40:57,410 --> 00:41:01,370
+مثلا مش كافي لإن عادة جماعة التلخير ال rows
+
+505
+00:41:01,370 --> 00:41:04,990
+المستخدمة أو الحجم لل training set بيكون أكبر من
+
+506
+00:41:04,990 --> 00:41:08,320
+ال testing setيعني الآن إذا بتقدر تعمل training
+
+507
+00:41:08,320 --> 00:41:11,160
+على كل ال data و تختبره في data مختلفة بيكون ممتاز
+
+508
+00:41:11,160 --> 00:41:15,060
+عشان هيك كنا في ال data preparation نأكد هل في
+
+509
+00:41:15,060 --> 00:41:19,160
+مصادر أخرى للبيانات عندك ولا مافيش و جديش حجمها،
+
+510
+00:41:19,160 --> 00:41:22,540
+طبعا؟ الآن إذا أنت لاحظت في أخر assignment أو في
+
+511
+00:41:22,540 --> 00:41:25,720
+ال assignment الأخير مطلوب منك، أخر band اجسم ال
+
+512
+00:41:25,720 --> 00:41:31,500
+data set اللي عندك 70% لل training set و 30% لل
+
+513
+00:41:31,500 --> 00:41:35,380
+test setمصبوط وهذه التسأل ليش؟ لأنه مابديش إياك
+
+514
+00:41:35,380 --> 00:41:38,980
+تدرب كل .. تدربه على نفس .. يعني على نفس ال data و
+
+515
+00:41:38,980 --> 00:41:42,820
+بعدين أجي أحترمه لإن كيف بدي أختبره أو بدي أفحص
+
+516
+00:41:42,820 --> 00:41:48,280
+مدى دقة العنصر كمان مرة يا جماعة الخير بنأكد كل ما
+
+517
+00:41:48,280 --> 00:41:53,800
+كانت ال data set أكبر ال training set أكبر المفروض
+
+518
+00:41:53,800 --> 00:41:56,860
+أن كل ما تكون ال data أو خلنا نقول ال knowledge
+
+519
+00:41:56,860 --> 00:42:02,120
+تبعتي أدقالـ classification تبعتي بتصير أداء لكن
+
+520
+00:42:02,120 --> 00:42:05,220
+برضه مش منطق أن يكون انا في عندى اتنين مليار
+
+521
+00:42:05,220 --> 00:42:10,800
+record تمام؟ وانا بتروح بتقبج عليهم كلهم عملية ال
+
+522
+00:42:10,800 --> 00:42:13,940
+training بحد ذاتها هذه هتصير تاخد مني أشهر لما
+
+523
+00:42:13,940 --> 00:42:17,360
+تنتهي فبتصير ممكن ال task اللي أنا بأشتغل عليها
+
+524
+00:42:17,360 --> 00:42:24,370
+أساسا خلصت بطللها قيمة فانت برضه بتوازن ما بينالـ
+
+525
+00:42:24,370 --> 00:42:28,310
+accuracy تبع النظام و عامل الوقت أو ال performance
+
+526
+00:42:28,310 --> 00:42:34,610
+تبع ال training جدّيش بيحقق نتائج في
+
+527
+00:42:34,610 --> 00:42:40,110
+ال data set اللي موجود عندنا هان الان هاي عندى ال
+
+528
+00:42:40,110 --> 00:42:44,610
+data set ال name ال rank ال years اترجى ولا
+
+529
+00:42:44,610 --> 00:42:48,830
+مايترجاش اتقعد
+
+530
+00:42:48,830 --> 00:42:54,450
+ولا مايتقعدشنريح ولا ما نريحوش لأن هاي ال class
+
+531
+00:42:54,450 --> 00:42:58,890
+اللي عندي yes و no فاروح أعمل التحليل لل data set
+
+532
+00:42:58,890 --> 00:43:04,410
+اللي موجودة وكان مفاده إنه ال algorithm راح أداني
+
+533
+00:43:04,410 --> 00:43:09,590
+classifier model prediction model لل class لميه
+
+534
+00:43:09,590 --> 00:43:13,910
+ممكن أختار؟ ل yes و no بحيث إنه أنا لو زودت بال
+
+535
+00:43:13,910 --> 00:43:20,750
+rank وعدد سنوات الخبرةيدّين ال label اللي موجود
+
+536
+00:43:20,750 --> 00:43:27,890
+فجال ال model تبعي هو عبارة عن if then rule لو كان
+
+537
+00:43:27,890 --> 00:43:31,890
+ال rank professor وال year أكبر أو يساوي 6 أكبر من
+
+538
+00:43:31,890 --> 00:43:42,910
+6 معناته نرجّي تمام المرحلة التانية ال model usage
+
+539
+00:43:42,910 --> 00:43:48,060
+بالملاحظة يا شبابالـ classification algorithm أنا
+
+540
+00:43:48,060 --> 00:43:55,280
+هان غالبا .. غالبا يشتغل فعليا as a black box يعني
+
+541
+00:43:55,280 --> 00:43:58,980
+هدي ال input و أخد منه ال output اللي هو ال model
+
+542
+00:43:58,980 --> 00:44:03,300
+إيش اللي بيصير .. إيش اللي بيصير؟ غالبا مش كل
+
+543
+00:44:03,300 --> 00:44:06,820
+الناس المعنية فيهم بس أنا بالمساك هذا هدخل بتفاصيل
+
+544
+00:44:06,820 --> 00:44:11,240
+عشان أعرف فعليا ال classifier كيف اشتغل تمام؟ لكن
+
+545
+00:44:11,240 --> 00:44:15,730
+في بعض ال classifiersمش هنكون او مش هنتطرق لها
+
+546
+00:44:15,730 --> 00:44:22,230
+بالشغل تبعتها بمجرد ان ال classifier انبنى بده
+
+547
+00:44:22,230 --> 00:44:25,630
+اروح اطبقه او بده اروح استخدمه ال model هذا الآن
+
+548
+00:44:25,630 --> 00:44:32,150
+بيصير قابل للاستخدام فيش
+
+549
+00:44:32,150 --> 00:44:38,150
+بده استخدمه؟ يعمل classifying لمين؟ لل feature، ل
+
+550
+00:44:38,150 --> 00:44:41,810
+future او ال unknown objects
+
+551
+00:44:43,140 --> 00:44:46,840
+بالمثال تابعني السابق هذا أنا صار فيه عندى Jeff
+
+552
+00:44:46,840 --> 00:44:53,200
+professor و 4 سنوات الاسم neglected مش هعتبره لإن
+
+553
+00:44:53,200 --> 00:44:58,660
+ال role تبعي مبني على ال rank و ال years و بناء
+
+554
+00:44:58,660 --> 00:45:03,480
+عليه أنا بدي أخد القرار كان بيقول لي if ال rank
+
+555
+00:45:03,480 --> 00:45:07,280
+equal
+
+556
+00:45:07,280 --> 00:45:17,370
+of or ال years أكبر من 6then yes مظبوط هاي ال role
+
+557
+00:45:17,370 --> 00:45:23,110
+تبعي هاي ال model تبعي الآن هاي ال data اللي عندى
+
+558
+00:45:23,110 --> 00:45:26,710
+حقق عليها بطبقها مباشرة باخد ال instances و بطبق
+
+559
+00:45:26,710 --> 00:45:30,250
+ال instance value و بطبق عليها هان و باخد القرار
+
+560
+00:45:30,250 --> 00:45:37,070
+تبع لل role اللي موجود عندى طيب
+
+561
+00:45:37,070 --> 00:45:40,690
+لو ماكانش ماكانش professor كان assistant professor
+
+562
+00:45:40,690 --> 00:45:47,550
+و 5 سنواتNo مع ال else مباشرة مع ال else مباشرة
+
+563
+00:45:47,550 --> 00:45:54,150
+الارجل مع الخير معناته انا بحاجة في مرحلتين عشان
+
+564
+00:45:54,150 --> 00:45:56,690
+اشتغل مع ال classifier بحاجة اشتغل على مرحلتين
+
+565
+00:45:56,690 --> 00:46:00,550
+المرحلة الأولى اللي هي ال model construction
+
+566
+00:46:00,550 --> 00:46:05,770
+وبيلزمني data عشان ادرب ال model عليها بين جثين
+
+567
+00:46:05,770 --> 00:46:08,710
+بلزمني data عشان ال system او ال learning
+
+568
+00:46:08,710 --> 00:46:14,230
+algorithm يحللها ويبني model بناء عليهاالشغلة
+
+569
+00:46:14,230 --> 00:46:19,450
+التانية انه انا بدي افحص ال model او بدي استخدم ال
+
+570
+00:46:19,450 --> 00:46:22,830
+model في ال prediction وهي بنسميها احنا المرحلة
+
+571
+00:46:22,830 --> 00:46:26,630
+مرحلة ال testing او ال test فانا بدي اجسم ال data
+
+572
+00:46:26,630 --> 00:46:33,130
+set تبعتي لل training set و
+
+573
+00:46:33,130 --> 00:46:40,340
+test set ليش؟ عشان لما انا احصل على modelعشان لما
+
+574
+00:46:40,340 --> 00:46:43,460
+أحصل على model كيف بدي أتعرف إن ال model هذا شغال
+
+575
+00:46:43,460 --> 00:46:48,200
+كويس ولا لأ؟ بدي إنه النتيجة المطلوبة ولا بشتغل من
+
+576
+00:46:48,200 --> 00:46:54,880
+رأسه؟ فبدي أعمله evaluation طيب evaluation how did
+
+577
+00:46:54,880 --> 00:47:00,380
+that test set؟ هو الأصل هي unseen data، مصبوط؟
+
+578
+00:47:00,380 --> 00:47:05,760
+فعليا unseen، ماشفهاش، بس دي فيها label، حخف ال
+
+579
+00:47:05,760 --> 00:47:10,620
+label عنه، عشان أقدر إيش؟أقارن بين النتيجة اللي هو
+
+580
+00:47:10,620 --> 00:47:16,080
+هيقين إياها والنتيجة اللي هحصل عليها وانا بدي أسأل
+
+581
+00:47:16,080 --> 00:47:25,980
+سؤال هل ال test set labelled set؟ في مرحلة ال
+
+582
+00:47:25,980 --> 00:47:33,160
+evaluation هل ال test set labelled set؟ طيب، الآن
+
+583
+00:47:33,160 --> 00:47:34,100
+أنا جديد كتبت
+
+584
+00:47:36,780 --> 00:47:43,060
+الـ body mass index point تلاتة سبعة والـ chest
+
+585
+00:47:43,060 --> 00:47:52,020
+pain yes تصلب شرايين Blocked Artery yes قال لي هذا
+
+586
+00:47:52,020 --> 00:47:57,720
+heart disease هذا الأصل اللي نعملها prediction صح؟
+
+587
+00:47:57,720 --> 00:48:06,090
+أنا أخدتها على عليتها هيك قال لي noبتقدر تقول عن
+
+588
+00:48:06,090 --> 00:48:09,430
+ال prediction بتاعته صح ولا غلط؟ بتقدر تعمل
+
+589
+00:48:09,430 --> 00:48:16,590
+evaluation لإلها؟ بتقارنها بإيش؟ بال level الأصلي
+
+590
+00:48:16,590 --> 00:48:21,930
+فعشان هيك ال test set must be label عشان هيك بعد
+
+591
+00:48:21,930 --> 00:48:24,470
+ما انت خلصت عملت processing في ال assignment
+
+592
+00:48:24,470 --> 00:48:29,890
+وقلتلك اجسم اجسم ال data set لجزءين جزء ال
+
+593
+00:48:29,890 --> 00:48:35,340
+trainingوجزء Testing بس اللي هيصير فعلياً لما أصل
+
+594
+00:48:35,340 --> 00:48:40,820
+مرحلة ال evaluation هخب ال test او هخب ال label
+
+595
+00:48:40,820 --> 00:48:45,780
+تبعت مين تبعت ال test set عشان اقول اتفضل هاي
+
+596
+00:48:45,780 --> 00:48:49,640
+unseen ده تعملهم prediction فبديني مجموعة ال
+
+597
+00:48:49,640 --> 00:48:53,160
+labels اللي predicted وعندي ال original او ال true
+
+598
+00:48:53,160 --> 00:48:58,320
+labelled بصير اقارن و بقدر اتكلم انه جديش هذا ال
+
+599
+00:48:58,320 --> 00:48:59,180
+model تبعي accurate
+
+600
+00:49:03,990 --> 00:49:08,470
+أه، الآن أحمد بيسأل، بيقول هل بقدر أروح أرجع ال
+
+601
+00:49:08,470 --> 00:49:11,830
+data test set هذه و أوديها على ال training عشان
+
+602
+00:49:11,830 --> 00:49:17,350
+يتعلم من أخطائه؟ انت already علمته و كمان لو انت
+
+603
+00:49:17,350 --> 00:49:21,270
+روحت أخدته، يعني هيك، من وين بدك تختبره بعد هيك؟
+
+604
+00:49:21,270 --> 00:49:25,130
+بدك تجيبله data set شديدة، طب ليش مش من نفس ال
+
+605
+00:49:25,130 --> 00:49:30,450
+data set؟ لأن already هو شافها، تمام من الشباب،
+
+606
+00:49:30,450 --> 00:49:37,330
+بينفعش أنا آجيأديك الامتحان و اقولك اتفضل حلو تمام
+
+607
+00:49:37,330 --> 00:49:42,530
+و بكرا بدي اختبرك فيها في الأسئلة هاي ما أصبحاش
+
+608
+00:49:42,530 --> 00:49:50,370
+امتحان ولا أصبح امتحان امتحان مسرب اه فش يعني عفوا
+
+609
+00:49:50,370 --> 00:49:53,550
+كلكوا هتنجحوا مصبوط الأصل كده و اللي بديهوش ينجح
+
+610
+00:49:53,550 --> 00:49:58,570
+يتطخدك الساعة بيكون بس فعليا هل النجاح هذا حقيقي؟
+
+611
+00:49:58,570 --> 00:50:04,890
+لأ الحاجات هذا fake النجاح هذا fakeأما احنا قلنا
+
+612
+00:50:04,890 --> 00:50:09,390
+الفكرة وين ان بعد ما انا جسمت هان في مرحلة ال
+
+613
+00:50:09,390 --> 00:50:14,890
+evaluation مش بده يشوف .. بده يشوف ال .. بيشوف هو
+
+614
+00:50:14,890 --> 00:50:19,370
+اجتيش .. لأ بده يشوف ال .. ال .. ال .. ال .. ال
+
+615
+00:50:19,370 --> 00:50:24,670
+rock دي قارن فوق هيو .. هذه .. هذه .. بده يقارن
+
+616
+00:50:24,670 --> 00:50:30,690
+هذهلأ ومش قارنها مع اللي فوق هو على ال model بناء
+
+617
+00:50:30,690 --> 00:50:33,950
+على ال equation اللي انكتبت يعني مثلا هدولة أربع
+
+618
+00:50:33,950 --> 00:50:37,470
+attributes أو three attributes A1, A2, A3 ومع ال
+
+619
+00:50:37,470 --> 00:50:41,670
+label بدي أفترض أنا جدلا ان ال model تبعي هو عبارة
+
+620
+00:50:41,670 --> 00:50:52,330
+عن ال Y بيذهب تساوي M1 في A1 زائد M2 في A2 زائد M3
+
+621
+00:50:52,330 --> 00:51:03,080
+في A3زائد الـ B مش هذا AI الموديل اللي بتعالج
+
+622
+00:51:03,080 --> 00:51:06,480
+أولادي؟ اه هي جزء من ال AI ال machine learning جزء
+
+623
+00:51:06,480 --> 00:51:11,100
+من ال AI يعني اذا ما بنعملش كود بسيط انا ماقلتش
+
+624
+00:51:11,100 --> 00:51:15,140
+كود بسيط انا حاول توصلك صورة ال model كيه بده يكون
+
+625
+00:51:15,140 --> 00:51:19,580
+بس الآن ال model اللي بتكلم عليه يا راني هيهالـ
+
+626
+00:51:19,580 --> 00:51:24,160
+system فعليا بعد ما درس كل ال training data راح
+
+627
+00:51:24,160 --> 00:51:30,260
+قال لي M1 هذه قيمتها point 17 من 100 زائد هذه
+
+628
+00:51:30,260 --> 00:51:41,360
+قيمتها 73 و هذه قيمتها point 0.5 و ال B point 882
+
+629
+00:51:41,360 --> 00:51:46,380
+مثلا ايش بيظل عندي قيمة ال attributes هيها موجودة
+
+630
+00:51:47,610 --> 00:51:50,150
+مصبوط؟ فباخد قيمة الـ attributes و بضربها في القيم
+
+631
+00:51:50,150 --> 00:51:53,530
+اللي موجودة و بجمعهم بناءً على ال Y اللي أنا حصلت
+
+632
+00:51:53,530 --> 00:51:58,870
+عليها ال Y الأصل تكون مين؟ ال class فبدي أقارن ال
+
+633
+00:51:58,870 --> 00:52:04,950
+predicted class ال predicted Y مع ال actual Y ال
+
+634
+00:52:04,950 --> 00:52:08,070
+actual label اللي موجودة عندي اللي أنا خفيتها في
+
+635
+00:52:08,070 --> 00:52:12,670
+مرحلة ال evaluation يعني انتجيها بعد .. اه بعد ما
+
+636
+00:52:12,670 --> 00:52:15,530
+يقيم يعني انت الآن بتشوف .. حل الأسئلة بتاعة
+
+637
+00:52:15,530 --> 00:52:24,940
+الامتحان قبل ولا بعد؟بعد؟ goal طب كيف و بطل ليش؟
+
+638
+00:52:24,940 --> 00:52:29,760
+ايه
+
+639
+00:52:29,760 --> 00:52:33,180
+كانت بتتعلم، ماتجلجش حضرت ال data set اللي عليك
+
+640
+00:52:33,180 --> 00:52:39,400
+المهم؟ أكيد و عملت pre processing تمام؟
+
+641
+00:52:39,400 --> 00:52:43,880
+لأ انت هتستخدم ال AI يعني هتستخدم ال machine
+
+642
+00:52:43,880 --> 00:52:48,520
+learning بس هتفهم ال model كيف بيشتغلتمام؟ انت مش
+
+643
+00:52:48,520 --> 00:52:53,500
+مجرد .. انت مش طالب طب ولا طالب جيغرافيا ان علمك
+
+644
+00:52:53,500 --> 00:52:57,140
+هى ال algorithm هى ال input هى ال output و بتستخدم
+
+645
+00:52:57,140 --> 00:53:00,120
+ال output بتخدمه بالشكل هذا لأ ال algorithm نفسه
+
+646
+00:53:00,120 --> 00:53:03,100
+كيف يشتغل بالتحليل لإنك انت طالب computer science
+
+647
+00:53:03,100 --> 00:53:08,280
+أو تطوير برمجيات سنة تالتة ولا رابعة؟ واش دخل؟ حد
+
+648
+00:53:08,280 --> 00:53:14,740
+قالك تسجل المساق ال accuracyلحظة أنا ما زلت بتكلم
+
+649
+00:53:14,740 --> 00:53:17,940
+في ال basic components أو في ال basic concept تبع
+
+650
+00:53:17,940 --> 00:53:21,440
+ال classification ال accuracy لما بتكلم على ال
+
+651
+00:53:21,440 --> 00:53:27,480
+accuracy بتكلم على دقة النظام بتكلم على قدرة
+
+652
+00:53:27,480 --> 00:53:32,700
+النظام على ال prediction الصحيح وبالتحديد ال
+
+653
+00:53:32,700 --> 00:53:38,900
+accuracy هي عبارة عن ratio بين ال prediction
+
+654
+00:53:38,900 --> 00:53:44,200
+الصحيحة على كل predictionsعدد ال prediction المرات
+
+655
+00:53:44,200 --> 00:53:49,800
+التنبؤ الصحيح على كل حالات التنبؤ اللي تمت عندى
+
+656
+00:53:49,800 --> 00:53:53,460
+كيف يعنى؟ أنا عندى ال test set كان فيها عشرة
+
+657
+00:53:53,460 --> 00:53:59,620
+instances لما قلت للموضل اعمل ال prediction لهدول
+
+658
+00:53:59,620 --> 00:54:06,720
+جاب سبعة منهم صح معناته ال Accuracy سبعة على عشرة
+
+659
+00:54:06,720 --> 00:54:11,590
+اللي هي 70% من النظام اللي موجود عندى هناكمان مرة
+
+660
+00:54:11,590 --> 00:54:16,510
+الـ Accuracy هي قدرة الـ Classifier على التنبؤ
+
+661
+00:54:16,510 --> 00:54:22,030
+بشكل صحيح للـ Unseen Data لو الـ Data Scene هدى و
+
+662
+00:54:22,030 --> 00:54:28,550
+هدى مابتنعدلوش الـ Speed لما أتكلم عن الـ Speed
+
+663
+00:54:28,550 --> 00:54:32,650
+بتتكلم على الـ Computational Cost اللي بده يكلفني
+
+664
+00:54:32,650 --> 00:54:39,570
+إياها الـ Algorithm في مرحلة الـ Generation إنشاء
+
+665
+00:54:39,570 --> 00:54:46,580
+الموديلتمام؟ ومرحلة استخدام ال classifier يعني أنا
+
+666
+00:54:46,580 --> 00:54:50,140
+عندي مرحلتين في عندي مش كله ال model construction
+
+667
+00:54:50,140 --> 00:54:57,620
+وعندي ال model usage الآن كل واحدة منهم في لها
+
+668
+00:54:57,620 --> 00:55:02,060
+تكلفة تكلفة لل training و تكلفة لل prediction جديش
+
+669
+00:55:02,060 --> 00:55:06,660
+computational جديش أنا مهتم بسرعة النظام يعني الآن
+
+670
+00:55:06,660 --> 00:55:12,010
+مثلابدنا نظام الآن .. محتاجين نظام سريع يحاول
+
+671
+00:55:12,010 --> 00:55:15,610
+يتنبأ ان المريض هذا اللي مش .. منضيق في الصدر أو
+
+672
+00:55:15,610 --> 00:55:19,530
+في صعوبة في التنفس مصاب بـ Corona ولا لأ؟ انت ..
+
+673
+00:55:19,530 --> 00:55:22,550
+انت .. انت خبير .. خبير الصين أصلا .. انت عشان ايه
+
+674
+00:55:22,550 --> 00:55:27,730
+قولت Corona مباشرة، تمام؟ الآن الفكرة وين؟ انه أنا
+
+675
+00:55:27,730 --> 00:55:31,710
+جداش بأقدر أعمل training ل model .. a curated
+
+676
+00:55:31,710 --> 00:55:37,450
+model بشكل سريع، بكوني كويس إليهليش؟ لأنه أنا
+
+677
+00:55:37,450 --> 00:55:42,050
+فعليا .. الآن أنا محتاجه يمكن بكرا محتاجوش فالآن
+
+678
+00:55:42,050 --> 00:55:46,410
+هذي بتفرج معايا ال performance في مرحلة ال
+
+679
+00:55:46,410 --> 00:55:52,490
+generation ال using في ال prediction أنه لما أزوده
+
+680
+00:55:52,490 --> 00:55:56,230
+بالعينة اللي المفروض يعمل عليها prediction أو يقيم
+
+681
+00:55:56,230 --> 00:56:01,150
+يعملها evaluation جداش بده وقت في بده ثانية،
+
+682
+00:56:01,150 --> 00:56:06,630
+تنتين، تلاتة، عشرة، كل مكان أسرعيكون أحسن في الـ
+
+683
+00:56:06,630 --> 00:56:10,670
+real-time system الآن في عندنا جسم بتحرك في الجو
+
+684
+00:56:10,670 --> 00:56:16,350
+بسرعة 100 كيلومتر في الساعة طيارة،
+
+685
+00:56:16,350 --> 00:56:23,350
+صاروخ، قذيفة، غراب، مش عارفين في الأنظمة الدفاعية
+
+686
+00:56:23,350 --> 00:56:26,710
+بتفرج الآن هذا الجسم اللي بتحرك في الـ real-time
+
+687
+00:56:26,710 --> 00:56:31,630
+system تمام؟ بناء على سرعته وحجمه
+
+688
+00:56:33,360 --> 00:56:36,620
+بدهم ياخدوا قرار اللي غالبا ما ببينش بدهم ياخدوا
+
+689
+00:56:36,620 --> 00:56:41,160
+قرار شو ده بيكون افعل صفرات الإنذار ولا لأ الإنذار
+
+690
+00:56:41,160 --> 00:56:51,780
+ولا لأ احنا
+
+691
+00:56:51,780 --> 00:56:57,200
+قولنا حمامة شكله زادة مع البس خلاص و هي طايرة
+
+692
+00:56:58,620 --> 00:57:02,060
+الفكرة يا جماعة الخير اللي انا بده اوصلك هي إذا
+
+693
+00:57:02,060 --> 00:57:06,940
+ماكنتش مرحلة ل prediction سريعة تفقدت الأهمية
+
+694
+00:57:06,940 --> 00:57:11,060
+تبعتها فضل يا دكتور قبل لما راحيت على المرض أكيد
+
+695
+00:57:11,060 --> 00:57:16,080
+فعلا مش هيكون مثلا بدنا نتنبأ أنه فيه مثلا .. لو
+
+696
+00:57:16,080 --> 00:57:19,800
+مثلا افتراض مثلا علشان هنا يعني محتمال يكون فيه
+
+697
+00:57:19,800 --> 00:57:23,100
+نسبة خطأ فاحنا على وجه السرعة مش هيكون بدنا نتنبأ
+
+698
+00:57:23,100 --> 00:57:28,190
+بدنا يعني ..طب انت عملك بتقول انا المرض هذا فعليا
+
+699
+00:57:28,190 --> 00:57:34,070
+مش جادر اشخصه او في عندهم صعوبة في تشخيصه فقط
+
+700
+00:57:34,070 --> 00:57:37,930
+طب المفلوز العادي او اللي عنده احتقان في زوره
+
+701
+00:57:37,930 --> 00:57:41,890
+ابترت فيه درجة حرارته واحد زي حالتي بيكون قاعد
+
+702
+00:57:41,890 --> 00:57:44,950
+بيشرح و بيطلع واحد غد بيقوله بسة طايرة ابترت فيه
+
+703
+00:57:44,950 --> 00:57:45,450
+حرارته
+
+704
+00:57:49,260 --> 00:57:53,380
+تمام؟ بالفكرة يا هاب لأ okay أنا بدي .. بدي system
+
+705
+00:57:53,380 --> 00:57:57,500
+يكون سريع عفوا بدي أصل ل model بشكل سريع بعض ال
+
+706
+00:57:57,500 --> 00:58:02,240
+models بتاخد أيام و أشهر هى بتعمل ال training صح
+
+707
+00:58:02,240 --> 00:58:06,460
+بيكون هذا دقيق الشغل صحيح لكن أنا برضه حسب الحالة
+
+708
+00:58:06,460 --> 00:58:11,480
+اللى أنا بدي أشتغل عليها نعم لأ
+
+709
+00:58:11,480 --> 00:58:16,460
+للأسف data preparation هل تحسب ضمن ال time cost لأ
+
+710
+00:58:17,850 --> 00:58:21,290
+لأن هنا بنتكلم احنا على الـ computational cost كل
+
+711
+00:58:21,290 --> 00:58:27,670
+اللي انت سويته قبل مجرد تجهيز لعملية ال mining
+
+712
+00:58:27,670 --> 00:58:33,330
+أكيد كل ما زاد حجم ال data زاد حجم ال computation
+
+713
+00:58:33,330 --> 00:58:37,790
+بال training وال testing الآن ال data set تبعتي
+
+714
+00:58:37,790 --> 00:58:42,870
+مكونة من عشرة attributes هل ال computation تبعتها
+
+715
+00:58:42,870 --> 00:58:49,260
+زي ما يكون عندي 100 attributesحتما لأ يعني عشر
+
+716
+00:58:49,260 --> 00:58:54,620
+متغيرات زي مين متغير اكيد لأ جداش ال robustness او
+
+717
+00:58:54,620 --> 00:58:58,200
+الموثوقية جداش ال system هذا بتديني accurate
+
+718
+00:58:58,200 --> 00:59:03,680
+result في حالة ال noise data ال noise instance او
+
+719
+00:59:03,680 --> 00:59:06,960
+في حالة وجود ال missing values الان احنا قبل شوية
+
+720
+00:59:06,960 --> 00:59:10,740
+اتكلمت على تلت عناصر عشان ال heart disease ال body
+
+721
+00:59:10,740 --> 00:59:16,000
+mass index وال chest pain وتصلب الشراينالآن لو
+
+722
+00:59:16,000 --> 00:59:18,880
+عندي تنتين منهم فقط بيقدر الـ system يديني
+
+723
+00:59:18,880 --> 00:59:23,360
+prediction؟ لأ، ما تقوليش لأ، انت ما تشكشكش لأ ال
+
+724
+00:59:23,360 --> 00:59:26,380
+system هيديكي prediction هيديكي prediction بس اللي
+
+725
+00:59:26,380 --> 00:59:29,900
+أنا بدور عليه هل بيقدر يديني prediction صحيح؟ إذا
+
+726
+00:59:29,900 --> 00:59:33,360
+بيديني prediction صحيح معناته هذا more robust أكتر
+
+727
+00:59:33,360 --> 00:59:38,300
+موثوقية ليش؟ لأن في حالة إن أنا فقدت واحد من ال
+
+728
+00:59:38,300 --> 00:59:41,440
+attributes اللي موجودة بضل جادر أعتمد عليه عشان
+
+729
+00:59:41,440 --> 00:59:46,050
+يعمل prediction تمام؟الآن في حالة كان في عندي
+
+730
+00:59:46,050 --> 00:59:49,710
+noise data نفس النظام بالمناسبة يا حسن احنا عادة
+
+731
+00:59:49,710 --> 00:59:53,490
+اللي بنتكلم فعليا هذا المثال اللي بدكره تلاتة عشان
+
+732
+00:59:53,490 --> 00:59:57,870
+بس نستوعب الاشي اللي بيصير و نفهم فعليا كل ال
+
+733
+00:59:57,870 --> 01:00:02,730
+concept بشكل واضح لكن فعليا لو أنا سألتك أبسط
+
+734
+01:00:02,730 --> 01:00:05,710
+اختبار ممكن يجري الإنسان اللي له علاقة بصحته ال
+
+735
+01:00:05,710 --> 01:00:13,270
+CBC كام factor فيه؟ 15 أنصر أعتقد أو 14يعني بتكلم
+
+736
+01:00:13,270 --> 01:00:16,450
+على الأقل 14 attributes اللي هو ال test ال
+
+737
+01:00:16,450 --> 01:00:21,870
+complete blood test تمام؟ فبتكلم على 14 attributes
+
+738
+01:00:21,870 --> 01:00:25,730
+لكل عينة الآن لو في واحدة عينة فيها مشكلة في ال
+
+739
+01:00:25,730 --> 01:00:30,750
+noise أو value معينة لأ لأ مش ضروري فالآن لو جديش
+
+740
+01:00:30,750 --> 01:00:34,630
+الآن الطبيب الحاذق ممكن بيقدر يقارن شغلات مع بعضها
+
+741
+01:00:34,630 --> 01:00:38,210
+ويقولك لأ في مشكلة يعني واضح الجهاز ان في مشكلةهذه
+
+742
+01:00:38,210 --> 01:00:42,450
+الفكرة وين إن الـ system لو غاب في عندي value أو
+
+743
+01:00:42,450 --> 01:00:46,170
+تشوشت value من الأربع عشر يكون عنده القدرة على
+
+744
+01:00:46,170 --> 01:00:50,410
+التنبؤ الصحيح أي واحدة من الأربع عشر ده مابتعنناش
+
+745
+01:00:50,410 --> 01:00:54,870
+بس في اللحظة اللي بيجيني ال attribute عفوا بيجيني
+
+746
+01:00:54,870 --> 01:00:58,610
+ال rows ال raw with missing value أو with noisy
+
+747
+01:00:58,610 --> 01:01:02,350
+data الأصل يعمل prediction هيعمل prediction في كل
+
+748
+01:01:02,350 --> 01:01:07,320
+الأحوال كل مكان بديني accurateالـ prediction في
+
+749
+01:01:07,320 --> 01:01:11,300
+الـ such case هذه معناته هذا مرة بسط بقدر أثق فيه
+
+750
+01:01:11,300 --> 01:01:18,880
+أكتر تمام ال scalability ال scalability طبعا دائما
+
+751
+01:01:18,880 --> 01:01:23,740
+احنا مفهوم ال scalability بنتكلم على ال large
+
+752
+01:01:23,740 --> 01:01:29,560
+amount of data فعليا هل ال algorithm هذا تبع ممكن
+
+753
+01:01:29,560 --> 01:01:35,000
+من السهل ان يتعامل معاه مع large dataالـ data set
+
+754
+01:01:35,000 --> 01:01:37,760
+اللي عندى مليون instances هل ال algorithm قادر على
+
+755
+01:01:37,760 --> 01:01:40,960
+تحليل مليون instances مع عشر .. مع عشر attributes
+
+756
+01:01:40,960 --> 01:01:44,100
+أو مع مائة attributes فهذا أنا بدي أسأله كل ما كان
+
+757
+01:01:44,100 --> 01:01:48,780
+ال algorithm اللي هستخدمه more scalable معناته
+
+758
+01:01:48,780 --> 01:01:54,420
+بكون أفضل interpretability تفسير و ال
+
+759
+01:01:54,420 --> 01:02:01,500
+understanding و فهم محتوى او ما وراهالـ Model أو
+
+760
+01:02:01,500 --> 01:02:04,840
+الـ Algorithm اللي عندي The level of understanding
+
+761
+01:02:04,840 --> 01:02:10,000
+and insight والمفهوم أو التوضيح أو المعنى الخفي من
+
+762
+01:02:10,000 --> 01:02:14,200
+Provided by the classifier احنا قبل شوية لما شوفنا
+
+763
+01:02:14,200 --> 01:02:18,000
+ال if then كان بسهولة ان افهم عليهش بدور ايش ال
+
+764
+01:02:18,000 --> 01:02:21,720
+factors الأساسية اللي كانت مصبوط؟ لو هذا ال if
+
+765
+01:02:21,720 --> 01:02:25,040
+then ماكنتش موجودة بقدر استوعب ليش هو جداني yes و
+
+766
+01:02:25,040 --> 01:02:29,140
+جداني no؟أكيد لأ لكن لما بكون ال algorithm قدامي
+
+767
+01:02:29,140 --> 01:02:34,820
+قادر أو بقدر او قادر على تفسيره بكون افضل لكن
+
+768
+01:02:34,820 --> 01:02:39,980
+الصحيح الموضوع برضه تفسيره هذي subjective للإنسان
+
+769
+01:02:39,980 --> 01:02:42,780
+او للشخص اللي بشتغل عليه لما أنا كتبنا كتبنا
+
+770
+01:02:42,780 --> 01:02:50,140
+المعادلة الرياضية Y تساوي M1 في A1 زائد M2 في A2
+
+771
+01:02:50,140 --> 01:02:51,440
+زائد B
+
+772
+01:02:55,220 --> 01:02:59,920
+إيش رتبة .. إيش درجة المعادلة هي شباب؟ إيش رتبة
+
+773
+01:02:59,920 --> 01:03:07,980
+المعادلة هي شباب؟ معادلة خطية لأنه الدرجة تقاسب
+
+774
+01:03:07,980 --> 01:03:12,840
+أعلى أُس الدرجة أو رتبة المعادلة تقاسب أعلى أُس
+
+775
+01:03:12,840 --> 01:03:18,000
+فالمعادلة هي خطية بس فعليا هذه multiple variable
+
+776
+01:03:18,000 --> 01:03:25,480
+متغيرات اتنين مع ال Y يعني بين قسين الـ3D3D
+
+777
+01:03:25,480 --> 01:03:30,840
+equation، مصبوط؟ هي .. هي الفكرة، الآن مش كل الناس
+
+778
+01:03:30,840 --> 01:03:35,740
+قادرة على تفسير .. هد يعرضها على واحد خبير رياضيات
+
+779
+01:03:35,740 --> 01:03:38,580
+مباشرة، بيقولك هد بتعني كده و واحد كده، بيجي و
+
+780
+01:03:38,580 --> 01:03:43,860
+بيقولك إن هذا plane مائل، plane، مسطح مائل، الميل
+
+781
+01:03:43,860 --> 01:03:51,450
+تبعه باتجاه X ومثلاًX و Y كذا X و Z كذا هي الأبعاد
+
+782
+01:03:51,450 --> 01:03:56,990
+تبعته و هذه ارتفاعه أو التقاطع تبعته مع ال Y axis
+
+783
+01:03:56,990 --> 01:04:02,270
+لكن أنا مش بعرفني بالكلام هذا فالموضوع ال
+
+784
+01:04:02,270 --> 01:04:07,130
+interpretability أو موضوع تفسير ال algorithm و
+
+785
+01:04:07,130 --> 01:04:12,550
+فهمه بيختلف من شخص لشخص من
+
+786
+01:04:12,550 --> 01:04:17,410
+ال algorithms اللي هنتعرف عليهاKey nearest
+
+787
+01:04:17,410 --> 01:04:21,490
+neighbor algorithm وهذا البرنامج يعتمد على
+
+788
+01:04:21,490 --> 01:04:22,550
+البرنامج الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة
+
+789
+01:04:22,550 --> 01:04:30,530
+الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة
+
+790
+01:04:30,530 --> 01:04:35,310
+الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة
+
+791
+01:04:35,310 --> 01:04:35,330
+الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة
+
+792
+01:04:35,330 --> 01:04:35,330
+الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة
+
+793
+01:04:35,330 --> 01:04:35,330
+الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة
+
+794
+01:04:35,330 --> 01:04:41,850
+الوثيقة الوثيقة الوثيقة الوثيقة الوثيقة
+
+795
+01:04:41,850 --> 01:04:47,070
+الووفي عند ال rule based induction وفي عند ال
+
+796
+01:04:47,070 --> 01:04:49,430
+support vector machine وفي عند ال logistic
+
+797
+01:04:49,430 --> 01:04:53,610
+regression كل هذه ال algorithm تستخدم في ال
+
+798
+01:04:53,610 --> 01:04:55,990
+classification وفي عند ال back up و ال propagate
+
+799
+01:04:55,990 --> 01:04:59,310
+neural network في الفصل هذا في الشابتر هذا ان شاء
+
+800
+01:04:59,310 --> 01:05:02,350
+الله تعالى هشرحلك ال k-nearest neighbor و ال naive
+
+801
+01:05:02,350 --> 01:05:05,170
+bison و ال decision tree و ال back up و ال
+
+802
+01:05:05,170 --> 01:05:09,650
+propagate neural network ك classifiers خلال الفصل
+
+803
+01:05:09,650 --> 01:05:14,360
+هذاأنا محاضرة اليوم هي كاد انتهيت
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/4I0vSe-ObqM_raw.srt

@@ -0,0 +1,1724 @@
+1
+00:00:00,000 --> 00:00:02,260
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:02,260 --> 00:00:06,120
+أهلا وسهلا بكم في تكملة chapter الـ Protective
+
+3
+00:00:06,120 --> 00:00:09,040
+Modelling أو الـ Frequent Pattern كنا تكلمنا سابقا
+
+4
+00:00:09,040 --> 00:00:12,880
+على مفهوم الـ Quote للتسجيلات السابقة على مفهوم
+
+5
+00:00:12,880 --> 00:00:15,440
+الـ Frequent Pattern وشو ال association role
+
+6
+00:00:15,440 --> 00:00:17,440
+وتكلمنا على ال support و ال confidence as
+
+7
+00:00:17,440 --> 00:00:17,860
+measurement
+
+8
+00:00:20,590 --> 00:00:24,210
+تحديد قوة الـ association role الـ frequent better
+
+9
+00:00:24,210 --> 00:00:27,710
+واتكلمنا على الابريريو algorithm كواحد من أهم ال
+
+10
+00:00:27,710 --> 00:00:32,830
+algorithm في وجود ال .. أو في الوصول ل ال
+
+11
+00:00:32,830 --> 00:00:37,490
+association roles و لكن قلنا ان في عندنا مجموعة من
+
+12
+00:00:37,490 --> 00:00:42,280
+ال drawbacks على مستوى ال ..الـ Algorithm اللي
+
+13
+00:00:42,280 --> 00:00:45,140
+عندنا منها انه انا فعليا في عندى multiple scan
+
+14
+00:00:45,140 --> 00:00:47,200
+طبعا من ال drawbacks دي اللي علاقة كلها بال
+
+15
+00:00:47,200 --> 00:00:51,160
+computation انه بتزيد من التكلفة الزمنية او
+
+16
+00:00:51,160 --> 00:00:55,680
+الحسابية لل algorithm اللي موجود عندنا ال multiple
+
+17
+00:00:55,680 --> 00:00:59,680
+scan او عدد ال number of candidates و ببدأ من
+
+18
+00:00:59,680 --> 00:01:03,600
+candidate واحد و ببدأ يجمعهم وبالتالي كان العدد
+
+19
+00:01:03,600 --> 00:01:07,680
+كبير العمل الممل و تكراره في موضوع العدل حسبة ال
+
+20
+00:01:07,680 --> 00:01:17,030
+support اللي موجود عندناممكن نقل
+
+21
+00:01:17,030 --> 00:01:22,330
+العدد مرات القراءة لل database أو نقل العدد ال
+
+22
+00:01:22,330 --> 00:01:24,230
+candidates اللي موجودين عندنا
+
+23
+00:01:27,160 --> 00:01:32,420
+بنتكلم عن طريقة كيف نسرع فيها أو نحسن فيها موضوع
+
+24
+00:01:32,420 --> 00:01:36,760
+العدل ال candidates نحسب ال support ال candidates
+
+25
+00:01:36,760 --> 00:01:40,120
+اللي موجودة عندنا وبشكل عام ممكن يعتمد ال parallel
+
+26
+00:01:40,120 --> 00:01:48,700
+computing من أجل تسريع الدأ العملية بشكل عام الان
+
+27
+00:01:48,700 --> 00:01:53,340
+ان شاء الله تعالى هنتكلم عن الوقولنا واحدة من
+
+28
+00:01:53,340 --> 00:01:56,160
+الحلول المتاحة عندي انه انا بحاول اوشد اوجد ال
+
+29
+00:01:56,160 --> 00:01:59,640
+frequent pattern بدون ما يكون في عندي ال candidate
+
+30
+00:01:59,640 --> 00:02:03,540
+generation طبعا احنا الآن بس من باب التأكيد انه ال
+
+31
+00:02:03,540 --> 00:02:07,280
+bottleneck او الحلق اللي .. خلنا نقول نقطة الازحام
+
+32
+00:02:07,280 --> 00:02:10,580
+او الحلق الأضعف في ال a priori approach ان هو ال
+
+33
+00:02:10,580 --> 00:02:14,500
+bred first search ال bred first search عشان يا
+
+34
+00:02:14,500 --> 00:02:16,660
+معنى الخير هي مصطلحات مسمة موجودة في ال data
+
+35
+00:02:16,660 --> 00:02:20,520
+structure اذا كنا بنتذكرها ومقصود فيها انه انا
+
+36
+00:02:20,520 --> 00:02:24,220
+البحث بتم في ال level wiseأيش يعني في الـ Level
+
+37
+00:02:24,220 --> 00:02:30,340
+-wise؟ المبدأ هذا جاي من أن في عندي موضوع Tree بغض
+
+38
+00:02:30,340 --> 00:02:35,120
+النظر الـ Structure تبعت الـ Tree فلاحية أو ربعية
+
+39
+00:02:35,120 --> 00:02:39,480
+و الاخرين فمفهوم ال bred first ان انا باخد level
+
+40
+00:02:39,480 --> 00:02:42,820
+level و بنتقل على كل عناصر ال level بعدين بروح على
+
+41
+00:02:42,820 --> 00:02:46,060
+ال level التاني و بمشي فيه طبعا هذه ال approach
+
+42
+00:02:46,060 --> 00:02:49,060
+لأنه فعليا كان بيبني كل ال candidates اللي من C1
+
+43
+00:02:49,980 --> 00:02:53,420
+وبعد ذلك ننتقل لـ Candidate C2 من الـ two elements
+
+44
+00:02:53,420 --> 00:02:58,480
+و Candidate C3 و هكذا وهذا طبعا اللي فعليا اللي
+
+45
+00:02:58,480 --> 00:03:03,980
+بياخد مني وجه طويل جدا بينما ال .. ال .. ال F
+
+46
+00:03:03,980 --> 00:03:08,340
+growth أو ال frequent pattern growth approach اللي
+
+47
+00:03:08,340 --> 00:03:11,260
+انا بدي اشتغل بد��ن ما ادور على ال candidates بشتغل
+
+48
+00:03:11,260 --> 00:03:17,440
+على مبدأ ال depth first search انه دائما انزل أعمق
+
+49
+00:03:17,440 --> 00:03:23,200
+نقطة في ال tree تمام؟وبعدها تشوف النقطة الأعمق
+
+50
+00:03:23,200 --> 00:03:29,820
+ومساوية لها و هكذا لما حد تخلص لقريتك وبالتالي هان
+
+51
+00:03:29,820 --> 00:03:35,660
+احنا بيصير في عندي اكسب list of avoidance لموضوع
+
+52
+00:03:35,660 --> 00:03:38,660
+ال candidate generation يعني بيصير في عندي بشكل
+
+53
+00:03:38,660 --> 00:03:40,640
+تلقائي انه التجنب او
+
+54
+00:03:50,810 --> 00:03:55,110
+الاساسي المصطلح أو الفلسفة الأساسية اللى بنى عليها
+
+55
+00:03:55,110 --> 00:03:59,430
+ال candidate او ال FB Growth ان الـ long patterns
+
+56
+00:03:59,430 --> 00:04:05,200
+ممكن تبنى من short patternsاللي كانت الـ frequent
+
+57
+00:04:05,200 --> 00:04:10,500
+items only وعشان كل كلام هذا يعني بكل بساطة بقولك
+
+58
+00:04:10,500 --> 00:04:14,120
+انا لو كان في عندي مجموعة من ال short ال frequent
+
+59
+00:04:14,120 --> 00:04:17,200
+peters اللي هدول المجموعة ال short ممكن يكونوا
+
+60
+00:04:17,200 --> 00:04:20,780
+لواحد اكبر منهم long peters على سبيل المثال لو كان
+
+61
+00:04:20,780 --> 00:04:24,600
+في عندي ال ABC is a frequent peter في ال data set
+
+62
+00:04:24,600 --> 00:04:30,420
+اللي عندي معناه انت ممكن تروح تجيب كل ال peters او
+
+63
+00:04:30,420 --> 00:04:35,720
+ال transaction اللي بتحتوي علىالـ ADC مثلا لو كان
+
+64
+00:04:35,720 --> 00:04:39,800
+frequent يعني ان كل ال patterns اللي بتحتوي على ال
+
+65
+00:04:39,800 --> 00:04:44,000
+ADC هن بيقول ان لو كان في عندي كمان frequent كمان
+
+66
+00:04:44,000 --> 00:04:46,680
+في عندي local frequent pattern اخر D وليكن على
+
+67
+00:04:46,680 --> 00:04:51,800
+سبيل المثال يعني لو اضفت ال D على كل frequent
+
+68
+00:04:51,800 --> 00:04:56,940
+patterns اللي موجودين عندي هن على اللي موجودة من
+
+69
+00:04:56,940 --> 00:05:03,250
+ال database هيكون عنديالـ A,B,C,D عبارة عن
+
+70
+00:05:03,250 --> 00:05:07,510
+frequent pattern يعني انا عندي A,B,C عبارة عن
+
+71
+00:05:07,510 --> 00:05:10,430
+frequent pattern وعندي ال D كمان frequent pattern
+
+72
+00:05:10,430 --> 00:05:15,730
+فحتما هيكون عندي A,B,C,D frequent pattern حتى لو
+
+73
+00:05:15,730 --> 00:05:18,770
+جل السببورت تبعته بس مش هنزل عن ال minimum support
+
+74
+00:05:18,770 --> 00:05:24,830
+ليش؟ لأنه بما انه ال support لهذه أكبر أو تساوي ال
+
+75
+00:05:24,830 --> 00:05:32,140
+minimum supportوديها دي ال support تبعتها أقل أو
+
+76
+00:05:32,140 --> 00:05:36,280
+تساوي ال minimum support فحتما هذا التنين هيكون
+
+77
+00:05:36,280 --> 00:05:39,220
+أكبر أو يساوي ال minimum support مش هيقل عنه بأي
+
+78
+00:05:39,220 --> 00:05:44,630
+حالة من الأحوال لأن التنين frequentالفكرة كمان مرة
+
+79
+00:05:44,630 --> 00:05:49,570
+ان انا فعليا احاول اعمل ركيز ركيرسيفلي growing لل
+
+80
+00:05:49,570 --> 00:05:53,130
+frequent pattern انشئ ال pattern بشكل ركيرسيفي
+
+81
+00:05:53,130 --> 00:05:56,510
+بشكل تلقائي يعني كل pattern يدور او يحاول يضيف ال
+
+82
+00:05:56,510 --> 00:06:03,210
+patterns اللي موجود عندها pattern and by pattern
+
+83
+00:06:03,210 --> 00:06:07,330
+frequent pattern by pattern andالـ Database
+
+84
+00:06:07,330 --> 00:06:10,230
+Partitioning وبالتالي انا بجسم ال database و ممكن
+
+85
+00:06:10,230 --> 00:06:13,650
+انا اشتغل عليها يعني يقولولنا ان ال FP Growth ك
+
+86
+00:06:13,650 --> 00:06:17,210
+algorithm او ك method هتكون افضل نتيجة او اسرع من
+
+87
+00:06:17,210 --> 00:06:23,670
+الابريري للوصول ل ال frequent pattern اللي موجودة
+
+88
+00:06:23,670 --> 00:06:28,970
+لانها for each frequent item لكل frequent item set
+
+89
+00:06:28,970 --> 00:06:33,530
+construct its conditional pattern انشئ لل
+
+90
+00:06:33,530 --> 00:06:37,580
+conditional pattern تبعتها بناء على ايش انتجتThen
+
+91
+00:06:37,580 --> 00:06:41,180
+it's conditional FB tree وروح انشأ الـ Tree اللي
+
+92
+00:06:41,180 --> 00:06:45,620
+بعد هيك الخاصة فيها هنشوف ال FB tree ونفهم إيش ال
+
+93
+00:06:45,620 --> 00:06:48,300
+conditional pattern اللي تم إنشاءها عليه ال
+
+94
+00:06:48,300 --> 00:06:50,740
+conditional pattern يعني كيف تم الوصول تبعتها، إيش
+
+95
+00:06:50,740 --> 00:06:55,160
+الشروط تبعت إنها صارت Teddy frequent؟repeat the
+
+96
+00:06:55,160 --> 00:06:59,980
+process on each newly created pattern conditional
+
+97
+00:06:59,980 --> 00:07:05,560
+FB3 until resulting FB3 is empty مايكونش فيها ولا
+
+98
+00:07:05,560 --> 00:07:09,600
+حاجة وضلك كره العملية لما ماظلش فيها انك في ال FB3
+
+99
+00:07:09,600 --> 00:07:16,660
+and or it contains only one path single path طبعا
+
+100
+00:07:16,660 --> 00:07:19,740
+وهذا بيكون generation all combination وهكذا انا
+
+101
+00:07:19,740 --> 00:07:25,150
+بكون جمعت كل ال sub paths اللي موجودة يعنيالخطوات
+
+102
+00:07:25,150 --> 00:07:28,290
+الخاصة بالألغوريثم انا بروح بعمل database scan
+
+103
+00:07:28,290 --> 00:07:33,410
+once وهي أول عملية قراءة لل database مثل الابريوري
+
+104
+00:07:33,410 --> 00:07:37,390
+و روحت و جبت ال first frequent pattern تمام احنا
+
+105
+00:07:37,390 --> 00:07:42,350
+بيقول depth صحيح breadth دبث عفوا وهيك ان انا روحت
+
+106
+00:07:42,350 --> 00:07:45,810
+في ال pattern الأول مش قضية كتير sort ال frequent
+
+107
+00:07:45,810 --> 00:07:49,940
+pattern وهنا دي شغلة جديدة انه رتبالـ Frequent
+
+108
+00:07:49,940 --> 00:07:53,400
+Patterns بناء على الـ Support بترتيب تنازلي
+
+109
+00:07:53,400 --> 00:07:56,820
+Descending Support Counting Making a Less than
+
+110
+00:07:56,820 --> 00:08:00,160
+Millihell اعمل Scan كمان مرة للـ Tree و اعمل
+
+111
+00:08:00,160 --> 00:08:05,000
+Construction للـ FB Tree اللي موجود اللي هنشوفها
+
+112
+00:08:05,000 --> 00:08:11,800
+Mining the B-Tree By Creating Conditional أو Sub
+
+113
+00:08:11,800 --> 00:08:16,460
+Patterns اللي موجودة تعالى نشوف ايش ممكن احنا
+
+114
+00:08:16,460 --> 00:08:20,360
+نساويممكن نرجع للـ benefits أو نخلصها الآن
+
+115
+00:08:20,360 --> 00:08:24,560
+completeness متكاملة preserve complete information
+
+116
+00:08:24,560 --> 00:08:28,080
+بيحتوي معلومات كاملة عن ال frequent pattern اللي
+
+117
+00:08:28,080 --> 00:08:30,900
+انا عملت لها extraction يعني دائما هو محتفظ بال
+
+118
+00:08:30,900 --> 00:08:33,440
+support تبعيتها هذه المعلومة اللي بتهمني ال
+
+119
+00:08:33,440 --> 00:08:37,120
+frequent pattern كم مرة ظهر never break long
+
+120
+00:08:37,120 --> 00:08:41,240
+patterns of any transaction ممكن تبعش لترانزاكش
+
+121
+00:08:41,240 --> 00:08:44,480
+مطلقا وهو المشكلة احنا مش فعاليا ماحسنهاش مع ال a
+
+122
+00:08:44,480 --> 00:08:48,080
+priori لكن بيتكلموا انه ممكنعندما تكون عند الـ
+
+123
+00:08:48,080 --> 00:08:52,080
+Data Set التعاملات الكبيرة والعناصر الموجودة فيها
+
+124
+00:08:52,080 --> 00:08:55,480
+كتير ممكن تصير فيها عندها comebackness أو الضغط أو
+
+125
+00:08:55,480 --> 00:09:03,020
+التكاملية أو تقليل المعلومات المعلومات المعلومات
+
+126
+00:09:03,020 --> 00:09:03,680
+المعلومات المعلومات المعلومات المعلومات المعلومات
+
+127
+00:09:03,680 --> 00:09:05,080
+المعلومات المعلومات المعلومات المعلومات المعلومات
+
+128
+00:09:05,080 --> 00:09:05,180
+المعلومات المعلومات المعلومات المعلومات المعلومات
+
+129
+00:09:05,180 --> 00:09:05,180
+المعلومات المعلومات المعلومات المعلومات المعلومات
+
+130
+00:09:05,180 --> 00:09:05,180
+المعلومات المعلومات المعلومات المعلومات المعلومات
+
+131
+00:09:05,180 --> 00:09:05,180
+المعلومات المعلومات المعلومات المعلومات المعلومات
+
+132
+00:09:05,180 --> 00:09:05,180
+المعلومات المعلومات المعلومات المعلومات المعلومات
+
+133
+00:09:05,180 --> 00:09:05,780
+المعلومات المعلومات المعلومات الم
+
+134
+00:09:17,640 --> 00:09:24,900
+العناصر الترتيب الترتيب التنازلي
+
+135
+00:09:24,900 --> 00:09:30,580
+الكثير ممكن أن يحدث الكثير ممكن أن يتم شرحالموجود
+
+136
+00:09:30,580 --> 00:09:33,100
+في الأعلى في أعلى القائمة هو غالبا هو المتكرر
+
+137
+00:09:33,100 --> 00:09:36,120
+الموجود عندها Never be larger than the original
+
+138
+00:09:36,120 --> 00:09:38,820
+database مستحيل يطلع عندي بتم أكبر من الموجود
+
+139
+00:09:38,820 --> 00:09:44,060
+عندها Not count node links and count field أنا
+
+140
+00:09:44,060 --> 00:09:50,240
+بعدش ال link بعد فقط عدد مرات الظهر بالمقال كما
+
+141
+00:09:50,240 --> 00:09:55,470
+العادة بالمثال يتضح المقالخلّينا الآن نشوف بالمثال
+
+142
+00:09:55,470 --> 00:09:58,070
+اللي موجود عندنا هناش بيساوي بقول افترض ان انا في
+
+143
+00:09:58,070 --> 00:10:01,090
+عندى هذا ال data ال transactional data set اللي
+
+144
+00:10:01,090 --> 00:10:06,710
+بتحتوي فيها خمس عناصر I1, I2, I3, I4, I5 وفي عندي
+
+145
+00:10:06,710 --> 00:10:12,690
+تسعة عفوان مش ..
+
+146
+00:10:12,690 --> 00:10:20,880
+I discard I transaction رقم تسعةكمان للأقل الخطأ
+
+147
+00:10:20,880 --> 00:10:24,360
+يصير يعني وهذا طبعا كررته هان لأن copy و paste
+
+148
+00:10:24,360 --> 00:10:29,540
+اشتغلت هنا في المثال لما عدلت عليه و لما هان كذلك
+
+149
+00:10:29,540 --> 00:10:38,620
+ان شاء الله كده تمام الان افترض ان ال minimum
+
+150
+00:10:38,620 --> 00:10:41,620
+support تبعتي هي عبارة عن اتنين ال minimum support
+
+151
+00:10:41,620 --> 00:10:47,500
+المطلوبة عبارة عن اتنين2 على 9 يعني 22% تقريبا الـ
+
+152
+00:10:47,500 --> 00:10:52,340
+step الأولى بقرر ال database مع ال first او one
+
+153
+00:10:52,340 --> 00:10:56,380
+item set كل المجموعات التي هي عنصر واحد و بحسب ال
+
+154
+00:10:56,380 --> 00:11:00,000
+support تبعتهم بعد هيك الخبرة التانية بروح برتبهم
+
+155
+00:11:00,000 --> 00:11:05,880
+الآن بكل بساطة لو أنا جيت و قلت لك هاي I واحدالـ
+
+156
+00:11:05,880 --> 00:11:14,540
+support هي 1,2,3,4,5,6 من ضمن العناصر الموجودة الـ
+
+157
+00:11:14,540 --> 00:11:20,220
+frequent هي 6 موجودة أكتر عنصر موجود عندي more
+
+158
+00:11:20,220 --> 00:11:23,800
+frequent هو I2 هو عدد مرات تكراره 7 مرات
+
+159
+00:11:27,740 --> 00:11:33,440
+التلاتة واربعة وخمسة مع بعض اتنين واحد وستة جايين
+
+160
+00:11:33,440 --> 00:11:36,740
+نفس ال frequent طب مين اقدم فيهم اللي بيظهر معاك
+
+161
+00:11:36,740 --> 00:11:40,540
+اولا في ال data set ما تلخمش حالك دائما او ما
+
+162
+00:11:40,540 --> 00:11:43,860
+تلخميش حالك دائما انا باخد اول عنصر بيظهر في ال
+
+163
+00:11:43,860 --> 00:11:47,320
+frequent set او في ال item set هو اللي انا بقدمه
+
+164
+00:11:47,320 --> 00:11:52,880
+في حالة تساوي عنصرين من ناحية عدد ال supportالان
+
+165
+00:11:52,880 --> 00:11:56,640
+بعد ذلك ابدأ ببناء الـ FB tree وهي بتتكلم عن خطوات
+
+166
+00:11:56,640 --> 00:12:03,820
+بناءها ابدا من null label تمام وبناء عليه اعمل ال
+
+167
+00:12:03,820 --> 00:12:07,040
+second time ال second scan لل database المرة
+
+168
+00:12:07,040 --> 00:12:12,140
+التانية في كل transaction اتعامل are processed in
+
+169
+00:12:12,140 --> 00:12:15,900
+ال L order بناء على ال sort order اللي موجود عندها
+
+170
+00:12:16,960 --> 00:12:22,320
+والجزء يتم صنعه لكل تجارب مع أشياء تدعمها تدعمها
+
+171
+00:12:22,320 --> 00:12:23,820
+تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها
+
+172
+00:12:23,820 --> 00:12:25,400
+تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها
+
+173
+00:12:25,400 --> 00:12:28,480
+تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها
+
+174
+00:12:28,480 --> 00:12:29,060
+تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها
+
+175
+00:12:29,060 --> 00:12:29,420
+تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها
+
+176
+00:12:29,420 --> 00:12:32,820
+تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها
+
+177
+00:12:32,820 --> 00:12:41,200
+تدعمها تدعمها تدعمها تدعمها تدعمها تدعمها تد
+
+178
+00:12:42,500 --> 00:12:46,200
+الـ Data Set اللي موجودة عندى بقولي رتبليه هين
+
+179
+00:12:46,200 --> 00:12:49,880
+رتبتهم الآن يا جماعة الخير هى ال ال Transactional
+
+180
+00:12:49,880 --> 00:12:54,560
+Data Set تبعتي و هى ال ال اللي موجودة عندى الان
+
+181
+00:12:54,560 --> 00:12:59,640
+بما أن الترتيب هذا لازم يكون عندى حاضر دائما فأسهل
+
+182
+00:12:59,640 --> 00:13:03,740
+اليك هاي خطوة ال��كم انه انا اروح اعيد ترتيب ل
+
+183
+00:13:03,740 --> 00:13:07,660
+Transaction Element في كل ترتيب ال items في كل
+
+184
+00:13:07,660 --> 00:13:10,640
+Transaction بناء على هاي و انا اقترحت ان اعمل هذا
+
+185
+00:13:10,640 --> 00:13:16,580
+الجدولإن أبدأ بـ I2 I1 I5 لأن فعليا هدول موجودين
+
+186
+00:13:16,580 --> 00:13:20,300
+بس I2 هو الـ most frequent element فانا حطيته في
+
+187
+00:13:20,300 --> 00:13:23,960
+الأول هذا بريحني في بناء ال tree لاحقا خليني نبدأ
+
+188
+00:13:23,960 --> 00:13:27,220
+نبني ال tree الآن يا جماعة الخير بعد ما انا حطيت
+
+189
+00:13:27,220 --> 00:13:30,420
+الجدول قال لي ابدأ من null هاي null مش عندى مشكلة
+
+190
+00:13:30,420 --> 00:13:34,560
+في الموضوع هاي ال null ممتاز الآن ال transaction
+
+191
+00:13:34,560 --> 00:13:38,680
+الأول I2 I2
+
+192
+00:13:38,680 --> 00:13:47,150
+I2 وعدد تكرارها واحدلأن وراها I1 I1
+
+193
+00:13:47,150 --> 00:13:52,650
+و هاي كمان مرة و وراهم I5 ليش هدول جايين ورا بعض
+
+194
+00:13:52,650 --> 00:13:55,490
+جمعة الخير في one branch لأن هو عبارة عن نفس ال
+
+195
+00:13:55,490 --> 00:13:58,890
+transaction وبالتالي أنا لازم احطه بنفس النمرة
+
+196
+00:13:58,890 --> 00:14:03,810
+تمام نمتقل لترانزاكشن التاني I2 هي موجودة بغير ال
+
+197
+00:14:03,810 --> 00:14:08,750
+counter تبعتها هاي صارت اتنين I4 مش موجودة بحط
+
+198
+00:14:08,750 --> 00:14:11,550
+branch وهاي I4
+
+199
+00:14:14,290 --> 00:14:18,850
+خلصت الترانزاكشن وانتقل لترانزاكشن التالف I2 هذه
+
+200
+00:14:18,850 --> 00:14:28,470
+تارة تلاتة وراها I3 هذه تلاتة مش موجودة بحط branch
+
+201
+00:14:28,470 --> 00:14:38,630
+جديد و بسميه I3 و لمرة واحدة الترانزاكشن التالف I2
+
+202
+00:14:38,630 --> 00:14:42,990
+تارة اربعة خلنا بس نحاول نشوف ال options نجيب
+
+203
+00:14:42,990 --> 00:14:43,670
+المساحة
+
+204
+00:14:46,390 --> 00:14:51,310
+Eraser انا بدي امسح هذا تمام هذه صارت اربعة الآن
+
+205
+00:14:51,310 --> 00:14:57,310
+هذه
+
+206
+00:14:57,310 --> 00:15:02,590
+صارت اربعة لان انا في ال transaction الرابع I1
+
+207
+00:15:02,590 --> 00:15:08,390
+صارت اتنين الآن بقول I4 I4 مش موجودة فبروح بضيفها
+
+208
+00:15:08,390 --> 00:15:18,410
+هنا I اعفوا I4 وهي كمان مرةبرجع الـ I1 I1 مش
+
+209
+00:15:18,410 --> 00:15:24,790
+موجودة لأنها بادية من الـ NULL فبجب أضعها I1 وهي
+
+210
+00:15:24,790 --> 00:15:36,330
+كمان مرة و وراها I3 وهي مرة I2 I3 معناته هذه ستصبح
+
+211
+00:15:36,330 --> 00:15:42,900
+خمسة وهذه ستصبح اتنين لأن هذه ال branch موجودةالان
+
+212
+00:15:42,900 --> 00:15:46,360
+في اللي بقى احنا خلصنا هان خلصنا هان اي واحد اي
+
+213
+00:15:46,360 --> 00:15:50,680
+تلاتة هذه صارت اتنين لانه موجود ل branch اي اتنين
+
+214
+00:15:50,680 --> 00:15:56,340
+خلصناها الان هذا اي تلاتة اي اتنين عفوا صارت هذه
+
+215
+00:15:56,340 --> 00:16:00,960
+ستة ستة
+
+216
+00:16:00,960 --> 00:16:06,800
+اي واحد صارت تلاتة خلينا
+
+217
+00:16:06,800 --> 00:16:11,100
+اي خمسة وراهم هتصير هان اتنين خلينا بس اجيب ال
+
+218
+00:16:11,100 --> 00:16:11,440
+eraser
+
+219
+00:16:29,840 --> 00:16:38,140
+هنا صارت ستة وهنا صارت خمسة
+
+220
+00:16:38,140 --> 00:16:47,920
+وهذه صارت اتنين هذه صارت خمسة هي المفروض لأ
+
+221
+00:16:47,920 --> 00:16:53,660
+واحد اتنين
+
+222
+00:16:53,660 --> 00:16:56,620
+تلاتة هذه تلاتة المفروض مش خمسة
+
+223
+00:17:01,730 --> 00:17:07,970
+هذه ثلاثة تمام الآن الترانزاكشن اللي بعده I2 I1 I3
+
+224
+00:17:07,970 --> 00:17:15,450
+هذه تصبح سبعة وهذه أربعة وهذه اتنين الآن يا جماعة
+
+225
+00:17:15,450 --> 00:17:18,810
+الخير لو انا فكرت ان احسب ال support لكل واحد من
+
+226
+00:17:18,810 --> 00:17:22,330
+ال elements اللي موجود عندي I2 ال support تبعتها
+
+227
+00:17:22,330 --> 00:17:25,810
+سبعة تمام دعوني أغير بالسلون
+
+228
+00:17:30,540 --> 00:17:37,780
+سبعة صحيحة الان I واحد المفروض ستة I واحد هي عندي
+
+229
+00:17:37,780 --> 00:17:42,860
+هنا اربعة وعندي هنا اتنين فالكلام صحيح مية المية
+
+230
+00:17:42,860 --> 00:17:47,860
+مجموعهم ستة الان I تلاتة ستة كذلك I تلاتة عندي
+
+231
+00:17:47,860 --> 00:17:57,800
+موجود I تلاتة ست مرات اين I تلاتة هاي
+
+232
+00:17:57,800 --> 00:18:10,100
+مرتين هناهي مرتين هان هى
+
+233
+00:18:10,100 --> 00:18:14,320
+مرة هى تانية اتينية اتينية اتينية اتينية اتينية
+
+234
+00:18:14,320 --> 00:18:15,840
+اتينية اتينية اتينية اتينية اتينية اتينية اتينية
+
+235
+00:18:15,840 --> 00:18:15,920
+اتينية اتينية اتينية اتينية اتينية اتينية اتينية
+
+236
+00:18:15,920 --> 00:18:16,160
+اتينية اتينية اتينية اتينية اتينية اتينية اتينية
+
+237
+00:18:16,160 --> 00:18:17,620
+اتينية اتنية اتنية اتنية اتنية اتنية اتنية اتنية
+
+238
+00:18:17,620 --> 00:18:18,540
+اتنية اتنية اتنية اتنية اتنية اتنية اتنية اتنية
+
+239
+00:18:18,540 --> 00:18:19,600
+اتنية اتنية اتنية اتنية اتنية اتنية اتنية اتنية
+
+240
+00:18:19,600 --> 00:18:28,940
+اتنية اتنية
+
+241
+00:18:29,930 --> 00:18:38,930
+طيب اي تلاتة تمام اي اربعة مرتين هيهم لأ
+
+242
+00:18:38,930 --> 00:18:43,330
+هن مرة واحدة مش اربعة هن المفروض ما عدلناهاش مرة
+
+243
+00:18:43,330 --> 00:18:50,850
+واحدة وهي مرة واحدة مرتين تمامهذه الـ I5 مرتين
+
+244
+00:18:50,850 --> 00:18:55,570
+يعني الـ tree تبعتنا هيك بتكون سليمة و العنصر
+
+245
+00:18:55,570 --> 00:19:00,290
+تبعتها موجودة فهذه الـ tree فعليا اللي احنا عاملا
+
+246
+00:19:00,290 --> 00:19:07,870
+كنا بنحاول مرسومها I2 I4 I5 بمشي مع العناصر اعفوا
+
+247
+00:19:07,870 --> 00:19:19,280
+I1 I5 مع ال transaction I2 I4 هيها I2 I3 هيها في
+
+248
+00:19:19,280 --> 00:19:22,540
+كل مرة بمر على I2 انا بزيد ال counter تبعها لحد ما
+
+249
+00:19:22,540 --> 00:19:26,100
+تتحقق العناصر و دائما القصها بالمقطة هذه جمعت خير
+
+250
+00:19:26,100 --> 00:19:29,160
+بس عشان وارجيني هم وين النقاط اللي انا عمله جمعتهم
+
+251
+00:19:29,160 --> 00:19:34,440
+يعني هي Han و Han هدول مع بعض بتمثل الستة طيب تمام
+
+252
+00:19:34,440 --> 00:19:39,540
+انا هيك انا حصلت على ال tree اللي موجودة عندي الان
+
+253
+00:19:39,540 --> 00:19:43,680
+بدي اروح اشوف انشئ ال conditional pattern تبعتي او
+
+254
+00:19:43,680 --> 00:19:47,680
+ال conditional pattern نعممن الـ tree اللي موجودة
+
+255
+00:19:47,680 --> 00:19:52,540
+عندها فممكن انا ابدأ امر على او اعمل traversing لل
+
+256
+00:19:52,540 --> 00:19:57,880
+tree اللي موجودة عندها عشان اشوف ال occurrence تبع
+
+257
+00:19:57,880 --> 00:20:01,700
+ال pattern اللي عندها الان المشكلة تبعتي كيف انا
+
+258
+00:20:01,700 --> 00:20:04,880
+بدي احصل على ال frequent pattern من ال database
+
+259
+00:20:04,880 --> 00:20:11,580
+تمام ال database is transferred ل ال tree وهذا
+
+260
+00:20:11,580 --> 00:20:18,220
+الان بدي اجيب من ال tree اللي عندهاعشان تقدر تنقب
+
+261
+00:20:18,220 --> 00:20:22,540
+أو تطلع او تعمل extraction military وتبني او تعتمد
+
+262
+00:20:22,540 --> 00:20:26,020
+على ال conditional pattern اللي موجود عندك هنا
+
+263
+00:20:26,020 --> 00:20:29,300
+ابدا مع ال frequent pattern اللي من واحد as
+
+264
+00:20:29,300 --> 00:20:33,120
+initial suffix suffix يعني من البداية بدك تشتغل
+
+265
+00:20:34,590 --> 00:20:39,090
+Construct Conditional Pattern Based Which Consists
+
+266
+00:20:39,090 --> 00:20:43,630
+Of The Prefix Paths
+
+267
+00:20:43,630 --> 00:20:46,670
+In Every Tree Co-occurring With The Suffix In The
+
+268
+00:20:46,670 --> 00:20:49,050
+Motion ابدا مع الـ Tree اللي بتبدأ بالـ Suffix
+
+269
+00:20:49,050 --> 00:20:53,910
+اللي موجود عندك Construct Conditional Pattern Tree
+
+270
+00:20:53,910 --> 00:21:01,030
+And Perform Mining On Such Treeاللي عندك هان هيبدأ
+
+271
+00:21:01,030 --> 00:21:06,230
+يزيد معايا growth is achieved by concatenation the
+
+272
+00:21:06,230 --> 00:21:11,690
+suffix مع ال frequent pattern اللي ظهر عندي و عيدك
+
+273
+00:21:11,690 --> 00:21:14,350
+دلك كتر في خطوة أربعة لحد ما تخلص ال tree تعالى
+
+274
+00:21:14,350 --> 00:21:19,150
+نشوف عندي هان ايش اللي بيصير هان او خليني احتفظ
+
+275
+00:21:19,150 --> 00:21:23,210
+بفقط ال tree و اشوف ��ل header ايش هذا بده عشان
+
+276
+00:21:23,210 --> 00:21:25,930
+بعدين بنشوفه خليني بس اوقف هان
+
+277
+00:21:31,640 --> 00:21:35,040
+الان عشان انا انشئ ال tree او انا بدأ انشئ ال
+
+278
+00:21:35,040 --> 00:21:38,780
+conditional ال pattern base و ال tree تبعتي بناء
+
+279
+00:21:38,780 --> 00:21:41,580
+على ال tree اللي موجودة عندنا .. اللي انشأناها
+
+280
+00:21:41,580 --> 00:21:45,480
+سابقا الان يا جماعة الخير كان بيقوللي في المثال
+
+281
+00:21:45,480 --> 00:21:50,120
+السابق ان اول حاجة ابدأ مع ال frequent pattern
+
+282
+00:21:50,120 --> 00:21:56,200
+length واحد تمام؟ as initial suffix pattern طيب
+
+283
+00:21:56,200 --> 00:22:06,660
+الفكرةهل انا بدي اخد اي
+
+284
+00:22:06,660 --> 00:22:10,460
+اتنين او اي واحد او اي اتنين او اي اتنين او اي
+
+285
+00:22:10,460 --> 00:22:12,640
+اتنين او اي اتنين او اي اتنين او اي اتنين او اي
+
+286
+00:22:12,640 --> 00:22:12,640
+اتنين او اي اتنين او اي اتنين او اي اتنين او اي
+
+287
+00:22:12,640 --> 00:22:13,100
+اتنين او اي اتنين او اتنين او اتنين او اتنين او
+
+288
+00:22:13,100 --> 00:22:13,440
+اتنين او اتنين او اتنين او اتنين او اتنين او اتنين
+
+289
+00:22:13,440 --> 00:22:14,560
+او اتنين او اتنين او اتنين او اتنين او اتنين او
+
+290
+00:22:14,560 --> 00:22:21,320
+اتنين او اتنين او اتنين او اتنDepth Search مظبوط
+
+291
+00:22:21,320 --> 00:22:26,160
+جالك Depth Search Tree الـ Traversing وبالتالي هو
+
+292
+00:22:26,160 --> 00:22:28,540
+بدوش اشتغل Bread بدوش اشتغل Depth معناته Depth
+
+293
+00:22:28,540 --> 00:22:31,640
+بدروح على أعمق نقطة مين أعمق نقطة ده هي النقاط
+
+294
+00:22:31,640 --> 00:22:35,960
+تبعتي و اشتغل عليها مين النقاط اللي موجودة عندى في
+
+295
+00:22:35,960 --> 00:22:44,090
+ال leaves يا جماعة الخير I5 I4 I3 مظبوططيب و بعد
+
+296
+00:22:44,090 --> 00:22:47,470
+هي كنت بدي أطلع لحد ما هي في عندي نوت وبالتالي
+
+297
+00:22:47,470 --> 00:22:52,510
+النقاط تبعتهم كل العناصر معدمين معدم قطين هدول
+
+298
+00:22:52,510 --> 00:22:55,650
+اللي موجودات فوق خالص اللي هم جايات النل لأن هدول
+
+299
+00:22:55,650 --> 00:23:07,650
+هم بمثلوا عندي بمثلوا المفتاح الأساس في الشغل تمام
+
+300
+00:23:09,130 --> 00:23:15,130
+الان بما ان انا هشتغل هشتغل كتالي من خلال ال tree
+
+301
+00:23:15,130 --> 00:23:21,710
+اللي موجودة عندى و زى ما قولنا حبدة من ال I خمسة
+
+302
+00:23:21,710 --> 00:23:25,870
+ايه ال I خمسة لأ انا باصللها من خلال مين يا جماعة
+
+303
+00:23:25,870 --> 00:23:31,910
+الخير ال I خمسة انا باصللها من خلال I اتنين و I
+
+304
+00:23:31,910 --> 00:23:38,380
+اربعةعفوا I2 و I1 كم مرة مريت عليهم عشان اصل لل
+
+305
+00:23:38,380 --> 00:23:41,900
+element هذا خليني برضه احنا قولنا المعلومات تبعتنا
+
+306
+00:23:41,900 --> 00:23:49,780
+بدها تكون دائما موجودة عندى خليني بس اجيب ال data
+
+307
+00:23:49,780 --> 00:23:54,820
+set عشان تظل حاضرة عندنا هي هذه
+
+308
+00:24:03,760 --> 00:24:20,280
+و بدي أجيبها هنا على الآخر لماذا
+
+309
+00:24:20,280 --> 00:24:28,200
+لا أشوف ال animation حقيقية animation
+
+310
+00:24:28,200 --> 00:24:32,980
+team group لا أريد animation حقيقية
+
+311
+00:24:37,210 --> 00:24:42,550
+كل هاي ال element اللى انا بدى اشتغل عليهم طيب ال
+
+312
+00:24:42,550 --> 00:24:55,190
+I الآن
+
+313
+00:24:55,190 --> 00:24:58,190
+جمعت الخيار فهذا الجدول هيلزمني عشان انا اقدر
+
+314
+00:24:58,190 --> 00:25:01,570
+اتذكر انا فعليا ال conditional better base انا
+
+315
+00:25:01,570 --> 00:25:06,330
+وصلت لل I خمس خلال Iالـ I5 أنا وصلت لها من خلال
+
+316
+00:25:06,330 --> 00:25:16,990
+وصلت لها مرتين مرة من خلال I2 و I1 لحالهم هذه كانت
+
+317
+00:25:16,990 --> 00:25:32,710
+مرة مصبوط و مرة كانت من خلال I1 و I3 I2 I1 I3 هذه
+
+318
+00:25:32,710 --> 00:25:37,400
+كمان مرةمعناته انا هي ال path او هي المسارات اللي
+
+319
+00:25:37,400 --> 00:25:46,440
+ودتني لمين ل I5 اللي موجودة هنا وبناء عليه أنا ال
+
+320
+00:25:46,440 --> 00:25:52,320
+nodes اللي فعليا بتهمني في عدد تكرارها المين اللي
+
+321
+00:25:52,320 --> 00:25:59,280
+ظهرت مرتين عندها في ال conditional I2 ظهرت مرتين و
+
+322
+00:25:59,280 --> 00:26:05,790
+I1 ظهرت مرتينI3 مابتلزمش لأنها ظهرت لمرة واحدة طب
+
+323
+00:26:05,790 --> 00:26:09,150
+ايش ال frequent pattern اللي بنعملها generation؟
+
+324
+00:26:09,150 --> 00:26:13,830
+معناته انا بقدر اجي اقول I2 I5 هذا frequent
+
+325
+00:26:13,830 --> 00:26:21,510
+pattern وعدد مرات ظهره اتنين في عند I1 I5 وهذا عدد
+
+326
+00:26:21,510 --> 00:26:26,070
+مراته برضه عدد مرات ظهره اتنين وفي عند ال pattern
+
+327
+00:26:26,070 --> 00:26:32,410
+التالت اللي هو I2 I1I5 اللي هو الـ combination
+
+328
+00:26:32,410 --> 00:26:36,010
+عفوًا لهم كلهم لأن هذه frequent وهذه frequent فلما
+
+329
+00:26:36,010 --> 00:26:39,170
+نضفهم مع بعض هيكون في عندي frequent وهي ال pattern
+
+330
+00:26:39,170 --> 00:26:43,190
+تبعتهم وبالتالي هذه هي ال generated frequent
+
+331
+00:26:43,190 --> 00:26:49,310
+pattern اللي طلعت عندي كمان مرة نشوفها مع I4 I4
+
+332
+00:26:49,310 --> 00:26:53,630
+إيش عمليات الوصول اللي كانت إلها كانت من خلال 2
+
+333
+00:26:53,630 --> 00:27:03,280
+هذه البسارات I2 مباشرة لحالهاأي اتنين كم مرة وصلت
+
+334
+00:27:03,280 --> 00:27:10,260
+لها اللي عفوا عندها اي اتنين اي اربعة كان عندى عدد
+
+335
+00:27:10,260 --> 00:27:15,120
+مرات الظهور مرة عبر اي واحد ومرة عبر اي اتنين يعني
+
+336
+00:27:15,120 --> 00:27:21,580
+اي اتنين مرة واحدة مظبوط ومرة من خلال اي اتنين اي
+
+337
+00:27:21,580 --> 00:27:23,100
+واحد كذلك مرة
+
+338
+00:27:25,920 --> 00:27:31,760
+الان من يلزمني من هؤلاء اللي اظهر مرتين على الأقل
+
+339
+00:27:31,760 --> 00:27:34,700
+الـ I2 المعنى الـ Conditional Pattern Tree تبعتي
+
+340
+00:27:34,700 --> 00:27:40,600
+ال I2 مرتين وبالتالي باجي ال frequent pattern
+
+341
+00:27:40,600 --> 00:27:46,140
+تبعتي هتكون I2 I4 وهي ال support تبعته ال minimum
+
+342
+00:27:46,140 --> 00:27:51,740
+support تبعته 2 باجي لل I3 بنفس الكلام I3 كيف وصلت
+
+343
+00:27:51,740 --> 00:27:58,860
+لهاأيش المسارات تبعت I3 I3 I3 I3 I3 I3 I3 I3 I3 I3
+
+344
+00:27:58,860 --> 00:28:00,700
+I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3
+
+345
+00:28:00,700 --> 00:28:00,700
+I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3
+
+346
+00:28:00,700 --> 00:28:00,820
+I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3
+
+347
+00:28:00,820 --> 00:28:04,540
+I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3
+
+348
+00:28:04,540 --> 00:28:05,400
+I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3
+
+349
+00:28:05,400 --> 00:28:10,580
+I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3 I3
+
+350
+00:28:24,850 --> 00:28:32,970
+هان برضه مرتين عبر I2 I1 I2 I1 برضه مرتين مين ال
+
+351
+00:28:32,970 --> 00:28:36,850
+frequent pattern عند هان؟ كلهم frequent لأن I1 و
+
+352
+00:28:36,850 --> 00:28:41,330
+I2 عبارة عن frequent patterns وبالتالي ال
+
+353
+00:28:41,330 --> 00:28:52,610
+conditional tree تبعتي I2 ظهرت أربع مرات و I1 ظهرت
+
+354
+00:28:52,610 --> 00:28:59,940
+مرتينعفوًا اي واحد ظهرت مرتين كذلك في عندى اي واحد
+
+355
+00:28:59,940 --> 00:29:02,880
+ظهرت لحالها طبعا انا جمعت هدول التنتين مع بعض ان
+
+356
+00:29:02,880 --> 00:29:07,120
+هدى و هدى في بينهم intersection او جايات مع بعضهم
+
+357
+00:29:07,120 --> 00:29:11,180
+صحيح اللي هم في pattern واحد فإذا انا باعتبر ان
+
+358
+00:29:11,180 --> 00:29:14,140
+هدى pattern واحد معناته ان هى ال pattern اللى عندى
+
+359
+00:29:14,140 --> 00:29:18,340
+او ال condition اللى تريه وعندى هنا اي واحد ظهرت
+
+360
+00:29:18,340 --> 00:29:22,930
+لحالهامرتين ايش ال frequent pattern اللي عندي
+
+361
+00:29:22,930 --> 00:29:38,670
+هتكلم على combination I2 I3 مرتين كذلك عندي I1 I3
+
+362
+00:29:38,670 --> 00:29:43,590
+عفوا ليش مرتين اربع مرات لان I2 اربع مرات ظهرت هي
+
+363
+00:29:43,590 --> 00:29:46,050
+اربعة وهنا I3
+
+364
+00:29:49,070 --> 00:29:54,870
+أي اي اتنين مرتين هنا و مرتين هنا يعني اربعة مرتين
+
+365
+00:29:54,870 --> 00:30:03,370
+و مرتين يعني اربعة و هنا في عندي اي اتنين اي واحد
+
+366
+00:30:03,370 --> 00:30:12,210
+اي تل��تة وهذا كذلك ظهر مرتين وبالتالي
+
+367
+00:30:12,210 --> 00:30:15,710
+انا هاي ال pattern اللي موجود عندي وهكذا بتظهر
+
+368
+00:30:15,710 --> 00:30:21,580
+عندى بجهة ال letterبالتالي هذه الـ pre كل ال
+
+369
+00:30:21,580 --> 00:30:24,040
+patterns هذه مجموعة الـ generated frequent
+
+370
+00:30:24,040 --> 00:30:28,080
+patterns اللي انا اشتغلت عليهم اعمل ما بين ال
+
+371
+00:30:28,080 --> 00:30:31,440
+patterns هدول عبارة عن ال association rules اللي
+
+372
+00:30:31,440 --> 00:30:36,500
+موجودة عندها ال FP growth method transform the
+
+373
+00:30:36,500 --> 00:30:40,710
+problem of finding long frequent patternsبحولت
+
+374
+00:30:40,710 --> 00:30:44,230
+ليها من البحث عن long frequent patterns searching
+
+375
+00:30:44,230 --> 00:30:48,330
+for shorter ones recursively and concatenating the
+
+376
+00:30:48,330 --> 00:30:52,510
+suffix و دائما أجمع ليه ال suffix اللي بتكون
+
+377
+00:30:52,510 --> 00:30:57,610
+موجودة it uses the least frequent items as suffix
+
+378
+00:30:58,530 --> 00:31:02,870
+ليش؟ لأن هم هدول الموجودين تحت خالص تمام offering
+
+379
+00:31:02,870 --> 00:31:07,270
+good selectivity وتوفر عليها الموضوع وهذا اختيار
+
+380
+00:31:07,270 --> 00:31:09,810
+مكون مناسب the method .. the method عفوا
+
+381
+00:31:09,810 --> 00:31:14,630
+substantially .. substantially reduce the search
+
+382
+00:31:14,630 --> 00:31:19,690
+cost لأنها بتشتغلش في ال breadth depth عفوا ال
+
+383
+00:31:19,690 --> 00:31:23,110
+search طيب
+
+384
+00:31:23,110 --> 00:31:26,410
+خلينا بدنا نشوف المثال التالي
+
+385
+00:31:34,890 --> 00:31:39,270
+هذا مثال .. مثال تاني تكملونه لواحدكم ان شاء الله
+
+386
+00:31:39,270 --> 00:31:44,350
+تعالى فرصة لكم تتدربوا و تشوفوا الخطوات لإنشاء ال
+
+387
+00:31:44,350 --> 00:31:47,910
+header tree او ال table السابق و كيف احنا اشتغلنا
+
+388
+00:31:47,910 --> 00:31:52,530
+عليه خطوة خطوة الان بقول لي ان في عندي transaction
+
+389
+00:31:52,530 --> 00:31:55,950
+data set من خمس عناصر فيها ال element اللي انت
+
+390
+00:31:55,950 --> 00:31:59,590
+مشرقها ال minimum support تبعتها minimum support
+
+391
+00:31:59,590 --> 00:32:03,230
+معناته ان جماعة الخيربدي أجي أعد والله ال F واحدة
+
+392
+00:32:03,230 --> 00:32:06,590
+تنتين تلاتة أربعة أكبر من ال minimum support
+
+393
+00:32:06,590 --> 00:32:17,590
+معناته ال F frequent ال A مرة تنتين تلاتة
+
+394
+00:32:17,590 --> 00:32:21,450
+ال A frequent ال C مرة تنتين تلاتة أربعة ال C
+
+395
+00:32:21,450 --> 00:32:27,950
+frequent هنا تلاتة هنا أربعة هنا أربعة ال D مرة is
+
+396
+00:32:27,950 --> 00:32:37,540
+not frequent مش هستخدمهاالـ G مرة مش هستخدمها ال D
+
+397
+00:32:37,540 --> 00:32:44,140
+قولنا مرة ال I مرة مش هستخدمها ال M مرتين تين
+
+398
+00:32:44,140 --> 00:32:50,760
+تلاتة فهي frequent هتفض فيها ال B مرتين تين تلاتة
+
+399
+00:32:50,760 --> 00:32:56,640
+فهتفض فيها على إنها frequent بالتالي ال L تبعتي ال
+
+400
+00:32:56,640 --> 00:33:01,830
+L تبعتيطب ده العناصر اللي مثلا في عند ال L it's
+
+401
+00:33:01,830 --> 00:33:08,270
+not frequent مرتين ال
+
+402
+00:33:08,270 --> 00:33:15,030
+O it's not frequent مرتين ال H it's not frequent
+
+403
+00:33:15,030 --> 00:33:21,030
+مرة واحدة ال W it's not frequently مرة واحدة ال N
+
+404
+00:33:21,030 --> 00:33:30,900
+ال K مرة ال S مرة ال N مرةالـ E مرة وبالتالي أنا
+
+405
+00:33:30,900 --> 00:33:34,520
+هي العناصر ال frequent تبعتها اللي هم الموجودين
+
+406
+00:33:34,520 --> 00:33:43,560
+فوق F,A او F,C,A,M,P تلت او خمس عناصر F,C بالترتيب
+
+407
+00:33:43,560 --> 00:33:48,260
+لأنهم ظهرت ال F أولا وال frequent تبعتها أربعةالـ
+
+408
+00:33:48,260 --> 00:33:50,840
+frequency تبعتها أربعة والـ C كذلك وراها أربعة ولا
+
+409
+00:33:50,840 --> 00:33:56,320
+بدنا نرتبهم ترتيب تنازلي فانا فعليا هي ال order
+
+410
+00:33:56,320 --> 00:34:01,360
+frequent set مع كل data set هي ال frequent item
+
+411
+00:34:01,360 --> 00:34:07,740
+set اللي أنا الموجودة عندي فانا هدول فعليا هيهم
+
+412
+00:34:07,740 --> 00:34:12,600
+وبالتالي هي ال F بدنا نرسم ل 3 و بدنا نرسم ل 3
+
+413
+00:34:12,600 --> 00:34:17,330
+عشان نتمرن على ال��دول و نتكمل الجدول للآخر تمامفي
+
+414
+00:34:17,330 --> 00:34:22,670
+مقارنة ما بين الـ Apriori والـ FB Growth من ناحية
+
+415
+00:34:22,670 --> 00:34:26,470
+الـ Scalability على نفس الـ dataset اللي تم
+
+416
+00:34:26,470 --> 00:34:31,450
+استخدامها مع تغيير للـ threshold تبع الـ minimum
+
+417
+00:34:31,450 --> 00:34:36,850
+support تبع ال support والزمن بالثانية اللي موجود
+
+418
+00:34:36,850 --> 00:34:44,330
+هناالـ FB Growth فعليا من 40 أو 45 ثانية تقريبا أو
+
+419
+00:34:44,330 --> 00:34:48,670
+أقل شوية أو 43 ثانية و بدأ ينزل لما كنت أنا يشبه
+
+420
+00:34:48,670 --> 00:34:52,630
+أزيد طبعا لاحظوا أنا مافيش مجال ال support يكون
+
+421
+00:34:52,630 --> 00:34:55,930
+صفر لل threshold تبع ال support طبعا هنبغي أن هي
+
+422
+00:34:55,930 --> 00:34:59,370
+نسبة في المية جامعة الخير في الآخر و بدها تصير
+
+423
+00:34:59,370 --> 00:35:05,270
+فمستحيل تكون صفر عندي فالآن واضح أنه أداء ال FB
+
+424
+00:35:05,270 --> 00:35:11,080
+Growthأفضل تمام خصوصا لما بيصغر ال support لما
+
+425
+00:35:11,080 --> 00:35:14,380
+بيصغر ال support لإن كل ما بيكبر ال support تقريبا
+
+426
+00:35:14,380 --> 00:35:19,220
+أداء التنتين بيصير واحد تقريبا
+
+427
+00:35:22,630 --> 00:35:27,570
+هنكمل كفاية التسديل اللي اتأخرنا حاجة في التسديل
+
+428
+00:35:27,570 --> 00:35:30,370
+هذا لحضان و هكمل في الجزئية اللي ضايلة و هعرض
+
+429
+00:35:30,370 --> 00:35:33,630
+عليكم بقى code بسيط في تطبيق ال association role
+
+430
+00:35:33,630 --> 00:35:39,170
+خلال التسديل ان شاء الله تعالى كنت انا حضرته سابقا
+
+431
+00:35:39,170 --> 00:35:42,670
+و هنمر على ال code مع بعض السلام عليكم و رحمة الله
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/5xZPpqSUrAA.srt

@@ -0,0 +1,1380 @@
+1
+00:00:02,650 --> 00:00:05,590
+باسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:05,590 --> 00:00:11,630
+أهلاً وسهلاً بكم في المحاضرة التالية في مساق تنقيب
+
+3
+00:00:11,630 --> 00:00:15,350
+البيانات، نتكلم على الـ Clustering، كنا غطينا في
+
+4
+00:00:15,350 --> 00:00:17,530
+chapter الـ Clustering، مفهوم الـ Clustering أنه
+
+5
+00:00:17,530 --> 00:00:20,970
+عبارة عن تقسيم الـ Data set اللي موجودة عندي
+
+6
+00:00:20,970 --> 00:00:25,570
+لمجموعات بناءً على الـ Similarities أو التشابه ما
+
+7
+00:00:25,570 --> 00:00:29,680
+بين الـ Instances اللي موجودة فيها، وذكرنا أن الـ
+
+8
+00:00:29,680 --> 00:00:33,140
+Clustering يأخذ واحدة من نوعين: إما Partitional
+
+9
+00:00:33,140 --> 00:00:36,540
+Clustering، وهي عبارة عن مجموعة من الـ Clusters أو
+
+10
+00:00:36,540 --> 00:00:39,980
+نعم، مجموعة من الـ Clusters اللي بيكون الـ Disjoint
+
+11
+00:00:39,980 --> 00:00:42,920
+أو التقاطعات بينهم صفر، ما فيش نقاط مشتركة ما بينهم،
+
+12
+00:00:42,920 --> 00:00:48,440
+وبالتالي كل Element موجود في Cluster واحد فقط، وفي
+
+13
+00:00:48,440 --> 00:00:51,760
+عندنا، حكينا أنه في عندنا... وشوفنا على المثال هذا
+
+14
+00:00:51,760 --> 00:00:56,360
+على مثل Partitional K-means، واتكلمنا عليه بالتفصيل
+
+15
+00:00:57,340 --> 00:01:00,400
+في المحاضرة إن شاء الله تعالى، سنتكلم على
+
+16
+00:01:00,400 --> 00:01:03,960
+النوع الثاني من الـ Clustering اللي هو الـ
+
+17
+00:01:03,960 --> 00:01:08,840
+Hierarchical Clustering، إن شاء الله تعالى، عندما
+
+18
+00:01:08,840 --> 00:01:11,580
+نتكلم عن Hierarchical Clustering، يعني أننا نتكلم
+
+19
+00:01:11,580 --> 00:01:16,640
+عن Clustering تجميعي، الفكرة فيه أنه عندما نتكلم عن
+
+20
+00:01:16,640 --> 00:01:19,560
+Agglomerative، الـ Hierarchical أو الـ Agglomerative
+
+21
+00:01:19,560 --> 00:01:24,220
+مترادفان، لأن كل Hierarchical يتعلق بـ Agglomerative
+
+22
+00:01:24,220 --> 00:01:28,280
+يعني تجميعي، Agglomerative Clustering عادةً
+
+23
+00:01:28,280 --> 00:01:33,440
+نُشير لكل الـ Clustering Algorithms التي تبني على نفس
+
+24
+00:01:33,440 --> 00:01:38,200
+المبدأ، وهو تجميع البيانات اللي موجودة عندنا، فكرة
+
+25
+00:01:38,200 --> 00:01:41,920
+الـ Agglomerative Clustering بشكل عام، بتتركز أنه
+
+26
+00:01:41,920 --> 00:01:47,120
+يبدأ، بيعرف أن كل نقطة كـ Cluster مستقل، وبعد ذلك
+
+27
+00:01:47,120 --> 00:01:54,720
+يعمل Merge أو Combine لكل Two Similar Clusters بناءً
+
+28
+00:01:54,720 --> 00:01:57,080
+على ايش؟ الـ Similarity، Cluster معناته في عندي
+
+29
+00:01:57,080 --> 00:02:00,800
+Similarity Distance أو Similarity Function زي ما
+
+30
+00:02:00,800 --> 00:02:04,180
+شوفناها في الـ Partitional، لازم تُطبق عندنا، وهذا
+
+31
+00:02:04,180 --> 00:02:08,500
+الـ Similarity Function هي اللي هتكون معيار دمج أو
+
+32
+00:02:08,500 --> 00:02:12,660
+قبول، دمج أو رفض دمج الـ Two Clusters اللي
+
+33
+00:02:12,660 --> 00:02:17,680
+موجودين عندي، طبعاً، وهذا الكلام بيستمر لحد ما يتوصل
+
+34
+00:02:17,680 --> 00:02:25,300
+يتحقق عندي شرط توقف معين، شرط التوقف يكون عبارة عن
+
+35
+00:02:25,300 --> 00:02:29,980
+عدد الـ Clusters اللي اتكلمت عليه، أنا بدي أعمل دمج
+
+36
+00:02:29,980 --> 00:02:35,040
+دمج دمج لحد ما أوصل لـ 3 Clusters، فعلياً الـ Data اللي
+
+37
+00:02:35,040 --> 00:02:38,820
+عندي هتبدأ من واحد واحد واحد واحد، بعد هيك هيبدأ
+
+38
+00:02:38,820 --> 00:02:43,900
+يتجمعوا، آخر تجميع اللي ممكن أوصل إليه، هذا مفهوم
+
+39
+00:02:43,900 --> 00:02:46,140
+أن يكون عندي 3 Clusters أو 4 Clusters أو 10
+
+40
+00:02:46,140 --> 00:02:49,300
+Clusters حسب الحاجة، وبهيك أنا فعلياً هذا شرطي
+
+41
+00:02:49,300 --> 00:02:55,280
+التوقف اللي موجود عندي، أو فعلياً أنا ما ضلّ عندي
+
+42
+00:02:55,280 --> 00:02:59,060
+شيء أدمجه، اندمجت كل البيانات لحد ما
+
+43
+00:02:59,060 --> 00:03:02,540
+صارت Only One Cluster بيحتوي كل الـ Sub Clusters
+
+44
+00:03:02,540 --> 00:03:06,020
+اللي جاية بعد هيك، طبعاً أنا في عندي Linkage
+
+45
+00:03:06,020 --> 00:03:10,820
+Criteria أو شرط الدمج، أو سمّيناها Linkage، دلالة على
+
+46
+00:03:10,820 --> 00:03:13,760
+أنه أنا فعلياً عندي Clusterين وبدي أربطهم مع بعض، بدي
+
+47
+00:03:13,760 --> 00:03:18,860
+أحطهم في قالب أو عفواً في ضمن Boundary واحدة، طبعاً
+
+48
+00:03:18,860 --> 00:03:21,420
+عندما أتكلم عن الـ Linkage Criteria أو الـ Linkage
+
+49
+00:03:21,420 --> 00:03:25,800
+Function، نفس المصطلح، الـ Similarity Function للـ
+
+50
+00:03:25,800 --> 00:03:28,660
+Clusters، بس دائماً عندما أتكلم عن الـ Similarity
+
+51
+00:03:28,660 --> 00:03:32,160
+بتكلم عن الـ Distance، عفواً، بتكلم عن الـ Distance
+
+52
+00:03:32,160 --> 00:03:36,160
+لكن عندما أتكلم عن الـ Linkage Criteria، بتكلم عن أن
+
+53
+00:03:36,160 --> 00:03:41,840
+أنا فعلياً بتكلم عن الـ Clustering، بتكلم عن Linkage
+
+54
+00:03:41,840 --> 00:03:45,040
+أو ربط ما بين الـ Clusters، فعلياً أنا بتكلم برضه عن
+
+55
+00:03:45,040 --> 00:03:49,410
+الـ Distance، والـ Distance هذه تُقاس مع كل الـ
+
+56
+00:03:49,410 --> 00:03:52,090
+Observations أو كل الـ Instances اللي موجودة عندنا،
+
+57
+00:03:52,090 --> 00:03:56,390
+وين؟ في داخل الـ Cluster اللي موجود عندنا، فعلياً أنا
+
+58
+00:03:56,390 --> 00:04:03,710
+في عندي مجموعة من الـ Linkage Criteria، وهذه الـ
+
+59
+00:04:03,710 --> 00:04:07,470
+Linkage Criteria بتحدد فعلياً هل هدول الـ Clusters
+
+60
+00:04:07,470 --> 00:04:13,390
+Similar أم لا، وبالتالي، يعني بالخلاصة، فكرة الـ
+
+61
+00:04:13,390 --> 00:04:16,590
+Agglomerative أو الـ Hierarchical Clustering بتبدأ
+
+62
+00:04:16,590 --> 00:04:20,890
+بأن كل نقطة عبارة عن Cluster مستقل، وبعد هيك بيصير
+
+63
+00:04:20,890 --> 00:04:25,810
+ادمج ما بين كل Two Clusters، الشرط للدمج أنه في عندي
+
+64
+00:04:25,810 --> 00:04:28,530
+شيء بنسميه الـ Linkage Criteria أو الـ Linkage
+
+65
+00:04:28,530 --> 00:04:31,610
+Distance أو الـ Linkage Function اللي هي شرط الدمج
+
+66
+00:04:31,610 --> 00:04:36,270
+هنا، وهي عبارة عن Distance Measure، لكن مش مع نقطة، مع
+
+67
+00:04:36,270 --> 00:04:39,250
+Cluster، وبالتالي ممكن أنا آخذ نقطة، نُطبق على
+
+68
+00:04:39,250 --> 00:04:43,350
+Cluster، ممكن آخذ كل Cluster، وحنشوف الـ Different
+
+69
+00:04:43,350 --> 00:04:49,630
+Linkage Criteria اللي موجودة عندنا، نبدأ مع أول الـ
+
+70
+00:04:49,630 --> 00:04:54,590
+Linkage Criteria، الـ Criteria اللي هي الـ Criterion
+
+71
+00:04:54,590 --> 00:04:57,450
+اللي هي الـ Single، ولما أنا بتكلم على Single
+
+72
+00:04:57,450 --> 00:05:04,970
+Linkage، بتكلم أنه أنا فعلياً بدور على أقصر Pair
+
+73
+00:05:04,970 --> 00:05:09,500
+يعني بين جُثتين، بأحسن الـ Point اللي أنا فيه،
+
+74
+00:05:09,500 --> 00:05:13,940
+عندي Two Clusters، زي... زي ما ال... أوكي، خليني مش
+
+75
+00:05:13,940 --> 00:05:17,180
+مشكلة، برجع فيه، عندي أنا هنا Two Clusters، Two
+
+76
+00:05:17,180 --> 00:05:20,600
+Clusters، وفي الـ Two Clusters هدول أنا بروح بدور
+
+77
+00:05:20,600 --> 00:05:25,220
+على كل النقاط، يعني بحسب النقطة هاي مع كل الـ
+
+78
+00:05:25,220 --> 00:05:28,180
+Distances الموجودة، في كل الأحوال يا جماعة الخير الـ
+
+79
+00:05:28,180 --> 00:05:34,420
+Distances هتنحسب ما بين كل عناصر الـ Cluster، وكذلك
+
+80
+00:05:34,420 --> 00:05:38,380
+High، يعني أنت تخيلها Fully Connected Distances أو
+
+81
+00:05:38,380 --> 00:05:41,580
+تخيلوها معايا Fully Connected Area، فبتحسب كل الـ
+
+82
+00:05:41,580 --> 00:05:46,920
+Distances اللي موجودة عندنا، الآن الـ Pair، Pair of
+
+83
+00:05:46,920 --> 00:05:51,820
+Clusters اللي بيحقق أقصر مسافة بين أي Two Pairs من
+
+84
+00:05:51,820 --> 00:05:56,640
+النقاط اللي موجودة عندنا، بأخذه على أنه اللي هو الـ
+
+85
+00:05:56,640 --> 00:06:01,360
+يعني عمل Home Dungeon، يعني لو أنا بدي أُعيد تاني،
+
+86
+00:06:04,190 --> 00:06:06,570
+لو أنا افترضت أن أنا في عندي Three Different
+
+87
+00:06:06,570 --> 00:06:15,230
+Clusters، لو
+
+88
+00:06:15,230 --> 00:06:22,170
+كان أنا في عندي Another Cluster، والـ Cluster ده
+
+89
+00:06:22,170 --> 00:06:28,230
+فيه مجموعة من النقاط، تبدأ
+
+90
+00:06:28,230 --> 00:06:31,170
+المسافات ت��حسب ما بين كل النقاط اللي موجودة في كل
+
+91
+00:06:31,170 --> 00:06:37,190
+اتجاه، من كل نقطة، الـ Pair of Clusters اللي بتحقق
+
+92
+00:06:37,190 --> 00:06:41,910
+أقصر مسافة بين أي نقطتين موجودتين فيهم، بنعتمد أن
+
+93
+00:06:41,910 --> 00:06:45,250
+هدول الـ Clusters، في حين أن أنا في عندي هنا في
+
+94
+00:06:45,250 --> 00:06:50,490
+Pair بعيد جداً، وأنا ما بدور هون، بدور على أقصر
+
+95
+00:06:50,490 --> 00:06:54,850
+المسافات، يعني الآن هدول أقرب نقطتين لبعض، هيهم
+
+96
+00:06:54,850 --> 00:07:01,800
+بأقارن المسافة هذه ومسافة هذين، من أقصر المسافة هذه،
+
+97
+00:07:01,800 --> 00:07:05,920
+أقصر، معناته هذين الاثنين بنعمل لهم دمج مع بعضهم،
+
+98
+00:07:05,920 --> 00:07:09,020
+على أنهم هدول ايش؟ بيصيروا الـ Next Level أو الـ
+
+99
+00:07:09,020 --> 00:07:12,940
+Next Cluster، هذه فكرة، كمان مرة، الـ Single Linkage،
+
+100
+00:07:12,940 --> 00:07:17,060
+طبعاً احنا ليش بحاول أوضحها هون أكثر لأن فعلياً احنا
+
+101
+00:07:17,060 --> 00:07:21,660
+محتاجين نفهمها كويس، لأن أنا فعلياً بدي كل النقاط
+
+102
+00:07:21,660 --> 00:07:26,230
+اللي موجودة تكون داخلة في الحسبة، بنرجع كمان مرة في
+
+103
+00:07:26,230 --> 00:07:28,970
+عندي أنا Single Linkage، و Single Linkage بعمل
+
+104
+00:07:28,970 --> 00:07:32,270
+Combine لـ Two Clusters لما بيكون فيهم الـ Shortest
+
+105
+00:07:32,270 --> 00:07:37,610
+Pair، لما يكون في عندي أنا فعلياً ال... هذه البيانات
+
+106
+00:07:37,610 --> 00:07:42,390
+تبعتي، أصغر
+
+107
+00:07:42,390 --> 00:07:46,630
+ما بين الـ Minimum Distance Between Any Pair، بشرط
+
+108
+00:07:46,630 --> 00:07:49,870
+أن هدول الـ Pair ما يكونوش تمدمجهم مسبقاً، طبعاً،
+
+109
+00:07:53,060 --> 00:07:58,420
+كمان مرة، لو أنا افترضت أن هنا في عندي Another
+
+110
+00:07:58,420 --> 00:08:02,020
+Cluster، و
+
+111
+00:08:02,020 --> 00:08:06,580
+الـ Cluster هي وهي النقاط اللي موجودة، دائماً
+
+112
+00:08:06,580 --> 00:08:10,900
+دائماً في عملية، وهنا في كمان واحد، دائماً في عملية
+
+113
+00:08:10,900 --> 00:08:14,620
+الدمج، بروح
+
+114
+00:08:14,620 --> 00:08:18,140
+بدور، لما بتكلم عن الـ Single Linkage، بروح بدور على
+
+115
+00:08:18,140 --> 00:08:20,820
+أقصر مسافة، هدول أقرب نقطتين، بحسب الـ Distance بينهم
+
+116
+00:08:21,540 --> 00:08:24,920
+هو كيف بده يدور على أنه أقرب نقطتين؟ هو فعلياً بتم
+
+117
+00:08:24,920 --> 00:08:28,340
+حسب الـ Distance ما بين كل العناصر اللي في الـ
+
+118
+00:08:28,340 --> 00:08:31,800
+Clusters، يعني النقطة هذه مع كل العناصر اللي موجودة
+
+119
+00:08:31,800 --> 00:08:37,660
+هنا، وبيعتمد أقصر مسافة، النقطة مع كل العناصر، كل النقاط
+
+120
+00:08:37,660 --> 00:08:40,880
+اللي هنا مع كل النقاط اللي هنا، وبيعتمد أقصر مسافة،
+
+121
+00:08:40,880 --> 00:08:46,220
+وبالتالي، لو أنا هذه النقطة هيروح يحسبها مع هذول
+
+122
+00:08:46,220 --> 00:08:50,440
+كمان، وبيعتمد هذه أقصر مسافة، الآن هي مسافة هذين،
+
+123
+00:08:50,440 --> 00:08:54,460
+ثلاثة، هدول أقصر، أقصر واحدة فيهم، هذه، بيروح
+
+124
+00:08:54,460 --> 00:09:00,800
+بعمل دمج لمين؟ لهذول، اصحاب Single Linkage، بتمنى
+
+125
+00:09:00,800 --> 00:09:02,260
+تكون الفكرة وصلت
+
+126
+00:09:12,500 --> 00:09:15,880
+الـ Criterion الثاني اللي موجودة عندي أنا اللي هي
+
+127
+00:09:15,880 --> 00:09:21,140
+الـ Average، والـ Average هنا بتتكلم على أنه أنا
+
+128
+00:09:21,140 --> 00:09:24,500
+بيعمل Merge لـ Two Clusters، اللي بيكون Shortest
+
+129
+00:09:24,500 --> 00:09:28,820
+Average Distance، Shortest Average Distance، يعني
+
+130
+00:09:28,820 --> 00:09:36,200
+ايش اللي حيصير؟ بعد ما راح حسب كل الـ Distances بين
+
+131
+00:09:36,200 --> 00:09:37,060
+كل النقاط،
+
+132
+00:09:58,300 --> 00:10:01,740
+بين كل النقاط، ايش بروح بيساوي؟ بياخد الـ Average
+
+133
+00:10:01,740 --> 00:10:05,660
+تبعت الـ Distance، لاحظوا أنا في كل مرة بيعمل
+
+134
+00:10:05,660 --> 00:10:09,540
+Marriage لـ Two Clusters فقط، تمام؟ بيعمل Marriage لـ
+
+135
+00:10:09,540 --> 00:10:13,680
+Two Clusters فقط، فهو بيروح بيحسب كل الـ Averages أو
+
+136
+00:10:13,680 --> 00:10:17,520
+بيحسب كل الـ Distances وبياخد الـ Average في الـ
+
+137
+00:10:17,520 --> 00:10:20,080
+Simple Linkage، أو عفواً في الـ Single، أنا غلطان هنا
+
+138
+00:10:20,080 --> 00:10:23,260
+في الكتابة، طبعاً Simple Linkage
+
+139
+00:10:38,990 --> 00:10:50,390
+Single، Single Linkage، سامحوني،
+
+140
+00:10:50,390 --> 00:10:54,090
+هذه أسهل حاجة أعملها الآن، لأن أنا حولت لصورة، و
+
+141
+00:10:54,090 --> 00:11:04,190
+ما بدي أرجع أُعيد نفس ال... Okay، Shift
+
+142
+00:11:04,190 --> 00:11:08,490
+F5، بنتكلم هنا إنه أنا بتكلم على الـ Single Linkage،
+
+143
+00:11:08,490 --> 00:11:12,010
+أخذت أقصر، لكن هون حسبت كل النقاط، وبالتالي أخذت الـ
+
+144
+00:11:12,010 --> 00:11:14,570
+Average، عشان إذا حاولت أرسم السهم هون، يمثل للـ
+
+145
+00:11:14,570 --> 00:11:21,990
+Center تبع الـ Clusters اللي موجودين عندنا، هذه
+
+146
+00:11:21,990 --> 00:11:28,730
+الـ Average، بالنسبة للـ... للـ Complete، بياخد الـ
+
+147
+00:11:28,730 --> 00:11:34,150
+Maximum Linkage، بياخد... بيعتمد... من وين؟ أطول...
+
+148
+00:11:34,150 --> 00:11:39,200
+أبعد نقطتين، أقصر مسافة بين أبعد نقطتين، بروح، بروح
+
+149
+00:11:39,200 --> 00:11:42,100
+مالهم، جنب
+
+150
+00:11:43,400 --> 00:11:47,280
+يعني لو أنا أجيت هنا، هذه العناصر اللي موجودة عندنا،
+
+151
+00:11:47,280 --> 00:11:50,480
+بحسب كل الـ Distances اللي موجودة عندنا، بكل
+
+152
+00:11:50,480 --> 00:11:55,060
+الاتجاهات، مع كل الـ Clusters، هذه أقصر... يعني هدول
+
+153
+00:11:55,060 --> 00:11:58,580
+أبعد نقطتين، نعم، لكن هذه الـ Distance اللي بين الـ Two
+
+154
+00:11:58,580 --> 00:12:03,040
+Clusters هدول، هي عبارة عن أقصر مسافة، مماثلة مع
+
+155
+00:12:03,040 --> 00:12:06,200
+Different Clusters، فبقرر أنه يعمل Merge للـ
+
+156
+00:12:06,200 --> 00:12:11,060
+Clusters اللي موجودين عندنا، النوع الثالث اللي هو الـ
+
+157
+00:12:11,060 --> 00:12:15,020
+Ward، الـ Ward، الـ Ward، أو الـ Ward، لما أنا
+
+158
+00:12:15,020 --> 00:12:21,520
+بتكلم هنا، بتكلم عن الـ Ward، القسم هنا، بدور، النوبة هو
+
+159
+00:12:21,520 --> 00:12:27,820
+يعمل Merge لـ Two Clusters، لما يقلل
+
+160
+00:12:27,820 --> 00:12:31,160
+الـ Variance بين الـ Clusters الموجودة، يقلل
+
+161
+00:12:31,160 --> 00:12:35,080
+الاختلافات بين الـ Clusters، يعني هو الآن بيحسب كل
+
+162
+00:12:35,080 --> 00:12:39,460
+النقاط، كل الـ Distances اللي موجودة عنده، بيحسب كل
+
+163
+00:12:39,460 --> 00:12:43,380
+الـ Distances وبيحسب كل الـ Distances وبيحاول يشوف
+
+164
+00:12:43,380 --> 00:12:48,720
+مين أقرب Cluster في الاختلافات، في الـ Elements اللي
+
+165
+00:12:48,720 --> 00:12:53,240
+موجود عنده هون، وبيروح بدمجهم، يعني هو ايش بيروح
+
+166
+00:12:53,240 --> 00:12:54,420
+بساوي؟ بكل بساطة،
+
+167
+00:12:58,220 --> 00:13:01,320
+بعد ما بيروح بيحسب، بيحسب كل الـ Areas، بيحسب الـ Variance
+
+168
+00:13:01,320 --> 00:13:04,540
+هنا، الاختلاف، والـ Variance اللي هنا مع الـ Cluster
+
+169
+00:13:04,540 --> 00:13:09,200
+الثالث، الـ Variance وأقل Clusters في اختلاف الـ
+
+170
+00:13:09,200 --> 00:13:13,340
+Variance اللي بينهم، بيروح بدمجهم، ليش؟ عشان يحافظ على
+
+171
+00:13:13,340 --> 00:13:17,240
+التشابه ما بين الـ Two Different Clusters، يعني أنت
+
+172
+00:13:17,240 --> 00:13:21,220
+تخيل أن في عندك Cluster كبير جداً وعندك Cluster
+
+173
+00:13:21,220 --> 00:13:25,250
+صغير جداً، هدول الـ Two Clusters صعب أنهم يدمجوا، ليش؟
+
+174
+00:13:25,250 --> 00:13:28,690
+مع الـ Ward، لأنهم فعلياً الـ Variance تبعتهم عالية
+
+175
+00:13:28,690 --> 00:13:32,190
+جداً، فهو بيروح بدور على الـ Clusters المشابهة بداخله،
+
+176
+00:13:32,190 --> 00:13:36,730
+By Default، بالمناسبة الـ Ward هي الـ Default Linkage
+
+
+223
+00:17:09,140 --> 00:17:12,320
+Hierarchical Clustering نفس.. نفس الكلام، يعني أنه
+
+224
+00:17:12,320 --> 00:17:18,240
+يحتاج كل point أن تدخل برحلة أن تصبح cluster مستقلة
+
+225
+00:17:18,240 --> 00:17:22,860
+ذاتها، و��تنتمي إلى آخر cluster، يعني هذا الفرق الأساسي
+
+226
+00:17:22,860 --> 00:17:26,000
+ما بين الـ agglomerative و الـ hierarchical.
+
+227
+00:17:26,000 --> 00:17:31,160
+الـ agglomerative فعلياً سيُدمجها لي، لكن في المحصلة
+
+228
+00:17:31,160 --> 00:17:34,280
+الأخيرة يا جماعة الخير، أنا حصلت على partitional
+
+229
+00:17:34,280 --> 00:17:37,920
+clustering. ملاحظين هنا، الرسمة الأخيرة في step 9 هي
+
+230
+00:17:37,920 --> 00:17:41,180
+عبارة عن partitional لأن ليس لديّ عناصر
+
+231
+00:17:51,050 --> 00:17:56,350
+لكن في الـ hierarchical، لا، أنا أستطيع أن أحافظ على أن
+
+232
+00:17:56,350 --> 00:18:02,330
+العناصر التابعة تكون disjoint حتى مستوى معين. طيب،
+
+233
+00:18:02,330 --> 00:18:05,870
+الآن، كما قلنا، هذه هي الرسمة التي يمكنني الاعتماد عليها.
+
+234
+00:18:05,870 --> 00:18:09,390
+هو أن أقول أن، والله، هذا ما أفهمه من هذه، أن كل
+
+235
+00:18:09,390 --> 00:18:16,390
+واحدة من هذه كانت بهذا الشكل: 1 و 4 اندمجت معهما 2 و
+
+236
+00:18:16,390 --> 00:18:22,090
+8، اندمجت معهما 3 و 5 مستقلة، 0 و 1 و 2 اندمجت معهما 5
+
+237
+00:18:22,090 --> 00:18:28,190
+و 6 و 9، اندمجت معهما 7 و 10، اندمجت معهما 7 و 10
+
+238
+00:18:28,190 --> 00:18:28,470
+اندماجت معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت
+
+239
+00:18:28,470 --> 00:18:28,830
+معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت معهما 7 و
+
+240
+00:18:28,830 --> 00:18:29,230
+10 اندمجت معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت
+
+241
+00:18:29,230 --> 00:18:29,590
+10 اندمجت معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت
+
+242
+00:18:29,590 --> 00:18:33,470
+معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت معهما 7 و
+
+243
+00:18:33,470 --> 00:18:39,300
+10 اندمجت معهما 7 و 10. ولكن لو أخذت نظرة
+
+244
+00:18:39,300 --> 00:18:44,920
+جانبية، يعني أنني أتعرف على شئ اسمه الـ
+
+245
+00:18:44,920 --> 00:18:49,200
+Dendrogram. الـ Dendrogram عبارة عن رسم تخطيطي يخدمني
+
+246
+00:18:49,200 --> 00:18:55,140
+في فهمي للبيانات الموجودة.  الـ visualization
+
+247
+00:18:55,140 --> 00:18:58,080
+مهم جداً، لكي أستطيع أن أرى وأفهم العناصر التي
+
+248
+00:18:58,080 --> 00:19:03,620
+موجودة في موضوع الـ hierarchical clustering، والـ
+
+249
+00:19:03,620 --> 00:19:09,000
+dendrogram التي أرغب في تمثيلها، وبالتالي، ولما الـ
+
+250
+00:19:09,000 --> 00:19:13,000
+visualization يعطيني detailed view للـ hierarchical
+
+251
+00:19:13,000 --> 00:19:16,380
+clustering، فهذا يعني أنها ما زالت في البعدين
+
+252
+00:19:16,380 --> 00:19:22,180
+الأساسيين الموجودة، وبالتالي، أنا سأبقى أشتغل، و
+
+253
+00:19:22,180 --> 00:19:26,500
+سأبقى أسأل، وسنبقى نحاول أن نرسم الـ Dendrogram. أنتَ
+
+254
+00:19:26,500 --> 00:19:30,140
+تخيل الرسمة معي، لو ظهرت معي بهذا الشكل، طبعاً
+
+255
+00:19:30,140 --> 00:19:33,640
+هذان الرسمتان للـ Dendrogram هما الأساس الموجود
+
+256
+00:19:33,640 --> 00:19:36,640
+عندي هنا. الأولى، كما قلت لك، هي عبارة عن
+
+257
+00:19:36,640 --> 00:19:40,420
+الصورة العمودية من فوق، للـ clusters، ورأيت التجميعات
+
+258
+00:19:40,420 --> 00:19:45,020
+بينما هنا، أنا أتحدث عن أنني أرى البيانات كلها في
+
+259
+00:19:45,020 --> 00:19:49,240
+الـ 2D، أراها من نظرة جانبية، وهذه الرسمة هي عبارة
+
+260
+00:19:49,240 --> 00:19:52,520
+عن الـ Dendrogram. الآن، فكرة الـ Dendrogram أو الـ
+
+261
+00:19:52,520 --> 00:19:56,120
+Hierarchical Clustering الأساسية هي أنني أستطيع أن أحصي
+
+262
+00:19:56,120 --> 00:20:00,680
+على أي عدد من الـ clusters التي أحتاجها، يعني تخيل أنا
+
+263
+00:20:00,680 --> 00:20:04,620
+أحتاج three clusters، وسيبقى كل خط عمودي في الرسمة
+
+264
+00:20:04,620 --> 00:20:10,180
+يمثل cluster. أريد three clusters، ها هي. أريد اثنين،
+
+265
+00:20:10,180 --> 00:20:16,120
+ها هما. لاحظ؟ لماذا؟ لأنها فعلياً هذه كلها مع بعضها
+
+266
+00:20:17,510 --> 00:20:21,190
+عبارة عن cluster، وهذه مع بعضها عبارة عن cluster.
+
+267
+00:20:21,190 --> 00:20:27,750
+ثانياً، رسمت العمود مع العناصر الموجودة.  أريد
+
+268
+00:20:27,750 --> 00:20:34,750
+ثلاثة. هذه الثلاثة ستصبح مع بعضها. إذا
+
+269
+00:20:34,750 --> 00:20:39,770
+أنا أريد أن أتحدث عن three clusters، يعني هذا واحد،
+
+270
+00:20:39,770 --> 00:20:44,030
+العشرة معها طبعاً، اثنان،
+
+271
+00:20:48,010 --> 00:20:55,110
+و هذا ثلاثة. هل أريد أكثر؟ نعم، لكن ماذا أريد؟ أن أزال
+
+272
+00:20:55,110 --> 00:21:01,330
+الـ scale الخاص بعدد الـ clusters إلى الأسفل، إلى أين؟
+
+273
+00:21:01,330 --> 00:21:10,890
+أريد أن يكون مثلاً، لو أنزلت عدد الـ clusters إلى هنا،
+
+274
+00:21:10,890 --> 00:21:14,690
+يعني أنا أتحدث عن single cluster واحد.
+
+275
+00:21:17,600 --> 00:21:25,440
+لا، ليس واحداً. الآن، هذا عندك واحد، هذا
+
+276
+00:21:25,440 --> 00:21:32,020
+اثنان، هذا ثلاثة، عشرة على حالها، هذا أربعة. أنا هنا
+
+277
+00:21:32,020 --> 00:21:37,480
+أتحدث عن four clusters، بناءً على النقطة التي
+
+278
+00:21:37,480 --> 00:21:43,410
+اخترتها. أهم شيء في الموضوع أنه أنا فعلياً لما أحصل
+
+279
+00:21:43,410 --> 00:21:46,690
+على الـ dendrogram، أستطيع أن أحصل على أي عدد من الـ
+
+280
+00:21:46,690 --> 00:21:50,410
+clusters التي أريده. أريد أن أعود مرة أخرى لأقول والله
+
+281
+00:21:50,410 --> 00:21:57,490
+أنا هنا أريد.. لو افترضت أنني هنا، هذا الخط
+
+282
+00:21:57,490 --> 00:22:03,590
+الخاص بي، عفواً،
+
+283
+00:22:03,590 --> 00:22:05,630
+رسمتي غير دقيقة بعض الشيء.
+
+284
+00:22:12,280 --> 00:22:15,960
+لو مشيت هنا، وقلت هذا مع الاثنين هنا، أريد
+
+285
+00:22:15,960 --> 00:22:22,820
+أن أمشي، okay.
+
+286
+00:22:22,820 --> 00:22:26,240
+أفضل من الأول. لو سألتك عند هذا الخط، كم cluster
+
+287
+00:22:26,240 --> 00:22:29,940
+أحصل عليه؟ أستطيع أن أقول أنني أتحدث عن four clusters.
+
+288
+00:22:29,940 --> 00:22:41,220
+four clusters: هذا واحد، يجمع واحد وأربعة. ثانياً، ايوه،
+
+289
+00:22:45,790 --> 00:22:56,350
+الثالث، العشرة وحدها، والرابع، هذه. عفواً، ليس أربعة،
+
+290
+00:22:56,350 --> 00:23:03,050
+هذه خمسة، five clusters، خمسة
+
+291
+00:23:03,050 --> 00:23:07,890
+clusters. طبعاً، هناك فائدة أخرى من الـ dendrogram، أنا
+
+292
+00:23:07,890 --> 00:23:10,810
+أستطيع أن أفهم أنه على الرغم من أن الـ cluster
+
+293
+00:23:10,810 --> 00:23:14,590
+الأخير هذا، الذي فيه 7 و 6 و 9، هذه الـ elements
+
+294
+00:23:14,590 --> 00:23:16,610
+في نفس الـ cluster، إلا أنه من خلال الـ
+
+295
+00:23:16,610 --> 00:23:21,370
+dendrogram، أستطيع أن أفهم أن 6 و 9 instances أقرب
+
+296
+00:23:21,370 --> 00:23:26,150
+لبعض من 7. كذلك، 0 و 11 في الـ cluster
+
+297
+00:23:26,150 --> 00:23:32,370
+الثالث، و 2 و 8 في الـ cluster الثاني. لكي نستطيع
+
+298
+00:23:32,370 --> 00:23:36,790
+أن نطبق هذا المثال، في مثال مشهور جداً أخذته سابقاً من
+
+299
+00:23:36,790 --> 00:23:38,990
+الـ slide الخاصة بالدكتور علاء، جزاه الله خيراً،
+
+300
+00:23:38,990 --> 00:23:42,230
+المثال
+
+301
+00:23:42,230 --> 00:23:49,430
+المشهور أيضاً. أنا لديّ خريطة إيطاليا، وأريد
+
+302
+00:23:49,430 --> 00:23:56,280
+أن أعتبر أن المدن هذه بمثابة Clustering، هو أنا الـ
+
+303
+00:23:56,280 --> 00:23:59,660
+clusters، وأريد أن أذهب لأعمل بينها merge، لأرى
+
+304
+00:23:59,660 --> 00:24:05,020
+أقرب المدن لبعضها، باعتماد على الـ single linkage
+
+305
+00:24:05,020 --> 00:24:15,120
+criterion. single linkage criterion. الآن، عفواً، لما
+
+306
+00:24:15,120 --> 00:24:19,800
+أنا أتحدث، هذه رموز للولايات أو المدن في إيطاليا.
+
+307
+00:24:19,800 --> 00:24:22,980
+طبعاً، من ذهب إلى إيطاليا من بينكم؟ لأن أنتم
+
+308
+00:24:22,980 --> 00:24:30,150
+فرحانين.  لكن، بالطبع، بارما
+
+309
+00:24:30,150 --> 00:24:39,190
+ليست من ضمنها، أو موجودة. هي بارما. طيب، الآن فعلياً، الـ
+
+310
+00:24:39,190 --> 00:24:43,710
+contingency matrix، النتيجة التي ستحصل عليها عبارة عن
+
+311
+00:24:46,160 --> 00:24:50,160
+Symmetric Matrix، وفيها كل العناصر الموجودة
+
+312
+00:24:50,160 --> 00:24:57,900
+عندي هنا. وبناءً عليها، أنا أريد أن أقرر. الآن، بارما، بارما،
+
+313
+00:24:57,900 --> 00:25:04,620
+أقصر distance، أين؟ مع من؟ فأنا فعلياً أذهب لأبحث عن
+
+314
+00:25:04,620 --> 00:25:09,200
+الـ shortest distance. أنا الآن هنا، okay، 250، وأبدأ
+
+315
+00:25:09,200 --> 00:25:13,580
+أن أبحث. لكن، عندما وجدنا أن هناك مسافة أقصر منها موجودة،
+
+316
+00:25:13,580 --> 00:25:13,800
+أين؟
+
+317
+00:25:16,920 --> 00:25:23,360
+تربط Milano و TMI و TO، وبالتالي، هذه أقصر
+
+318
+00:25:23,360 --> 00:25:26,720
+ملاحظين يا جماعة الخير، أنا رأيت الـ distance مع
+
+319
+00:25:26,720 --> 00:25:31,300
+الكل، بين الكل.  لم أعتمد السفر، لأنها مدينة مع
+
+320
+00:25:31,300 --> 00:25:33,460
+نفسها. لا أريدها cluster مع نفسها، أو الـ
+
+321
+00:25:33,460 --> 00:25:38,160
+instance مع نفسها. لكن هنا، ذهبت لأبحث حتى وصلت إلى
+
+322
+00:25:38,160 --> 00:25:42,820
+مسافة أصغر، مسافة في كل المسافات الموجودة لديّ
+
+323
+00:25:42,820 --> 00:25:52,650
+هنا، وبالتالي، فعلياً هذه المسافة هنا، و
+
+324
+00:25:52,650 --> 00:26:01,150
+نفس الكلام، mi مع كل المدن، و fi مع كل المدن، كل الـ
+
+325
+00:26:01,150 --> 00:26:07,630
+possible distances حسبتها. يعني، إذا تكلمت من mi
+
+326
+00:26:07,630 --> 00:26:18,920
+إلى ba، mi إلى ba، هي ثمانمائة وسبعة وسبعون كيلومتراً. ففي النهاية
+
+327
+00:26:18,920 --> 00:26:21,980
+أنا أعتمد فقط على مسافة واحدة فقط، التي هي
+
+328
+00:26:21,980 --> 00:26:26,100
+shortest، لأن هذه الـ minimum distance، حسب الـ
+
+329
+00:26:26,100 --> 00:26:32,240
+linkage criteria.  معناته، أنا سأدمج الـ mi و الـ
+
+330
+00:26:32,240 --> 00:26:33,500
+to، تمام.
+
+331
+00:26:36,100 --> 00:26:41,560
+وهذا أول cluster حصلت عليه، سأسميه marriage رقم
+
+332
+00:26:41,560 --> 00:26:48,520
+1. ممتاز. فلما أنا أدمج MIT و MIT، MIT MIT MIT MIT MIT
+
+333
+00:26:48,520 --> 00:26:49,180
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+334
+00:26:49,180 --> 00:26:49,760
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+335
+00:26:49,760 --> 00:26:51,240
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+336
+00:26:51,240 --> 00:26:51,980
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+337
+00:26:51,980 --> 00:26:52,080
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+338
+00:26:52,080 --> 00:26:52,620
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+339
+00:26:52,620 --> 00:26:52,640
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+340
+00:26:52,640 --> 00:26:53,360
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+341
+00:26:53,360 --> 00:26:53,560
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+342
+00:26:53,560 --> 00:26:53,740
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+343
+00:26:53,740 --> 00:26:56,560
+MIT MIT MIT
+
+344
+00:27:06,430 --> 00:27:09,370
+ماذا عن علاقة الـ cluster الجديد هذا مع الـ
+
+345
+00:27:09,370 --> 00:27:10,950
+elements الأخرى؟
+
+346
+00:27:16,670 --> 00:27:21,730
+إن هذا هو الـ cluster. متفقون؟ الآن، الـ cluster الجديد
+
+347
+00:27:21,730 --> 00:27:25,690
+هذا، أنا سأتعامل معه، سأضع له قيمة تمثله،
+
+348
+00:27:25,690 --> 00:27:32,230
+تمثل علاقته، لأنه هذا عبارة عن cluster جديد. ما
+
+349
+00:27:32,230 --> 00:27:34,290
+هو الـ distance بين هذا الـ cluster وباقي الـ clusters
+
+350
+00:27:34,290 --> 00:27:38,770
+الأخرى؟ سآخذ الـ minimum distance ما بين كل
+
+351
+00:27:38,770 --> 00:27:43,410
+العناصر الموجودة. بمعنى، أقول كالتالي في السطر
+
+352
+00:27:43,410 --> 00:27:53,780
+الأول هنا، لما أريد أن أدمج أي و تي أو مع
+
+353
+00:27:53,780 --> 00:27:57,900
+الـ بي إي، هذه التي ستصبح one cluster. يعني هنا
+
+354
+00:27:57,900 --> 00:28:06,580
+هذا العمود سيبقى فارغاً مثلاً، وسأضع هنا تي أو و
+
+355
+00:28:06,580 --> 00:28:11,120
+مأي. بغض النظر عن من دمجت مع من، ليست قضية كبيرة.
+
+356
+00:28:11,120 --> 00:28:17,000
+تمام. الآن، الـ بي إي، لديّ مسافة، لديّ مسافتان،
+
+357
+00:28:17,000 --> 00:28:19,740
+أي منهما سآخذ؟ بما أنني ما زلت أعتمد على الـ
+
+358
+00:28:19,740 --> 00:28:22,840
+single linkage، معناته أنا سآخذ الـ shortest
+
+359
+00:28:22,840 --> 00:28:33,280
+distance. أي منهما أقصر؟ 877 أم 996؟ لا، 877 مع الـ FI. الآن
+
+360
+00:28:33,280 --> 00:28:41,920
+الـ FI، لديّ 295 و 400، سأعتمد 295. هذه ستبقى
+
+361
+00:28:41,920 --> 00:28:49,960
+صفر، لن تتغير. وحتى التي هي الأقصر. الآن، لديّ 457،
+
+362
+00:28:49,960 --> 00:28:53,100
+طبعاً هذا الخام أيضاً، أنا أحتاج أن أنهي منه. جامعة الخير،
+
+363
+00:28:53,100 --> 00:28:59,660
+لا تنسوا 754، ولدي 869،
+
+364
+00:28:59,660 --> 00:29:06,520
+سأعتمد هذه. ولدي 564،
+
+365
+00:29:06,520 --> 00:29:11,930
+سأعتمدها. وبالتالي، الجدول الجديد سيكون بهذا الشكل.
+
+366
+00:29:11,930 --> 00:29:17,770
+هذا، باقي الأرقام لم تتغير. أنا أنهيت من الصف والعمود
+
+367
+00:29:17,770 --> 00:29:21,890
+الذي كان يمثل الـ TO، واعتمدت على الـ shortest
+
+368
+00:29:21,890 --> 00:29:25,090
+distance الموجودة. إن شاء الله لم أخطئ الحساب.
+
+369
+00:29:25,090 --> 00:29:29,610
+ثمانمائة وسبعة وسبعون، ثنين، تسعة، خمسة، صفر.
+
+370
+00:29:37,510 --> 00:29:41,110
+أول عملية تمت، موجودة عندي، باعتماد على single
+
+371
+00:29:41,110 --> 00:29:41,510
+linkage.
+
+372
+00:29:44,500 --> 00:29:47,860
+أريد أن أكرر نفس العملية، لأعمل دمج، سأبدأ بالبحث عن
+
+373
+00:29:47,860 --> 00:29:52,500
+shortest distance. أي 255 في الصف الأول، هي أقصر
+
+374
+00:29:52,500 --> 00:29:57,600
+مسافة حتى اللحظة. 255،
+
+375
+00:29:57,600 --> 00:30:05,420
+هي الأقصر. 255، 255، 255 هي الأقصر. معناته، الآن أريد
+
+376
+00:30:05,420 --> 00:30:10,920
+أن نعمل دمج ما بين الـ NA و الـ BA. بنفس الكلام
+
+377
+00:30:10,920 --> 00:30:22,700
+السابق، سأنتهي من عمود الـ Na وصف الـ Na. تمام، علاقتهما
+
+378
+00:30:22,700 --> 00:30:28,580
+ستكون، سنضعهما في عمود واحد، أي distance التي احتفظت
+
+379
+00:30:28,580 --> 00:30:33,300
+بهما. الآن، هذه لن تتغير، لأنها ستأتي من العمود الذي
+
+380
+00:30:33,300 --> 00:30:40,140
+عندها بـ A، Na.
+
+381
+00:30:42,020 --> 00:30:46,560
+صفر. تمام، هذه عندها ستمائة واثنين وستين، ولديّ
+
+382
+00:30:46,560 --> 00:30:51,280
+أربعمائة وثمانية وستين. لا، سأعتمد المسافة الأقصر.
+
+383
+00:30:51,280 --> 00:30:59,140
+أربعمائة وثمانية وستين، عندها
+
+384
+00:30:59,140 --> 00:31:07,240
+ثمانمائة وسبعة وسبعون، وعندها سبعمائة وأربعة وخمسون،
+
+385
+00:31:07,240 --> 00:31:15,800
+سأعتمد السبعمائة وأربعة وخمسون. طبعاً، صفها سيلغى عند
+
+386
+00:31:15,800 --> 00:31:19,320
+هنا، أربعمائة واثنا عشر، ولدي اثنين وتسعون، سأعتمد
+
+387
+00:31:19,320 --> 00:31:24,780
+الاثنين وتسعون. لماذا؟ لأنني مرة أخرى أبحث عن
+
+388
+00:31:24,780 --> 00:31:30,300
+الـ single linkage، وبالتالي أنا أخطأت.
+
+389
+00:31:37,670 --> 00:31:45,690
+عفواً، أنا أخطأت هنا عند 219، لأنها أقصر. أنا آسف، ليس
+
+390
+00:31:45,690 --> 00:31:53,250
+كثيراً، يعني أقول أن الخطأ مردود، إن شاء الله، سأصحح. أقصر
+
+391
+00:31:53,250 --> 00:32:04,260
+مسافة لديّ فعلياً هي هذه،

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/5xZPpqSUrAA_raw.srt

@@ -0,0 +1,1764 @@
+1
+00:00:02,650 --> 00:00:05,590
+باسم الله و الحمد لله الصلاة والسلام على رسول الله
+
+2
+00:00:05,590 --> 00:00:11,630
+أهلا وسهلا بكم حضرتنا التالية في مساق تنقيب
+
+3
+00:00:11,630 --> 00:00:15,350
+البيانات نتكلم على ال clustering كنا غطينا في
+
+4
+00:00:15,350 --> 00:00:17,530
+chapter ال clustering مفهوم ال clustering أنه
+
+5
+00:00:17,530 --> 00:00:20,970
+عبارة عن تقسيم ال data set اللي موجودة عندى
+
+6
+00:00:20,970 --> 00:00:25,570
+لمجموعات بناء على ال similarities أو التشابه ما
+
+7
+00:00:25,570 --> 00:00:29,680
+بين ال instances اللي موجودة فيهاو ذكرنا ان ال
+
+8
+00:00:29,680 --> 00:00:33,140
+clusterings ياخد واحدة من نوعين اما partitional
+
+9
+00:00:33,140 --> 00:00:36,540
+clusterings و هي عبارة عن مجموعة من ال clusters او
+
+10
+00:00:36,540 --> 00:00:39,980
+نعم مجموعة من ال clusters اللي بيكون ال disjoint
+
+11
+00:00:39,980 --> 00:00:42,920
+او التقاطعات بينهم صفر مافيش نقاط مشترك ما بينهم
+
+12
+00:00:42,920 --> 00:00:48,440
+وبالتالي كل element موجود في cluster واحد فقط وفي
+
+13
+00:00:48,440 --> 00:00:51,760
+عندنا حكينا انه في عندنا .. وشوفنا على المثال هذا
+
+14
+00:00:51,760 --> 00:00:56,360
+على مثل partitional k-means واتكلمنا عليه بالتفصيل
+
+15
+00:00:57,340 --> 00:01:00,400
+هو المحاضرة ان شاء الله تبارك وتعالى هنتكلم على
+
+16
+00:01:00,400 --> 00:01:03,960
+النوع التاني من ال clustering اللي هو ال
+
+17
+00:01:03,960 --> 00:01:08,840
+hierarchical clustering ان شاء الله تعالىعندما
+
+18
+00:01:08,840 --> 00:01:11,580
+نتكلم عن hierarchical clustering يعني أننا نتكلم
+
+19
+00:01:11,580 --> 00:01:16,640
+عن clustering تجميعي الفكرة فيه أنه عندما نتكلم عن
+
+20
+00:01:16,640 --> 00:01:19,560
+agglomerative الهيراريكال أو الـ agglomerative
+
+21
+00:01:19,560 --> 00:01:24,220
+السيان لأن كل الهيراريكال يتعلق بال agglomerative
+
+22
+00:01:24,220 --> 00:01:28,280
+يعني تجميعي agglomerative cross-clustering عادة
+
+23
+00:01:28,280 --> 00:01:33,440
+نشير لكل ال clustering algorithmالتي تبني على نفس
+
+24
+00:01:33,440 --> 00:01:38,200
+المبدأ، وهو تجميع البيانات اللي موجودة عندها فكرة
+
+25
+00:01:38,200 --> 00:01:41,920
+الـ agglomerative clustering بشكل عام بتتركز أنه
+
+26
+00:01:41,920 --> 00:01:47,120
+بيبدأ بعرف أن كل نقطة ك cluster مستقل وبعد ذلك
+
+27
+00:01:47,120 --> 00:01:54,720
+يعمل merge أو combine لكل two similar clustersبناء
+
+28
+00:01:54,720 --> 00:01:57,080
+على ايش الـ Similarity Cluster معناته في عندي
+
+29
+00:01:57,080 --> 00:02:00,800
+Similarity Distance او Similarity Function زي ما
+
+30
+00:02:00,800 --> 00:02:04,180
+شوفناها في الـ Partitional لازم تطبق عندها وهذا
+
+31
+00:02:04,180 --> 00:02:08,500
+الـ Similarity Function هي اللي هتكون معيار دمج أو
+
+32
+00:02:08,500 --> 00:02:12,660
+رفض القبول دمج او رفض دمج ال two clusters اللي
+
+33
+00:02:12,660 --> 00:02:17,680
+موجودين عندى طبعا و هذا الكلام بيستمر لحد ما يتوصى
+
+34
+00:02:17,680 --> 00:02:25,300
+يتحقق عندي شرط توقف معينشغل التوقف يكون عبارة عن
+
+35
+00:02:25,300 --> 00:02:29,980
+عدد ال clusters اللي اتكلم عليه انا بدي اعمل دمش
+
+36
+00:02:29,980 --> 00:02:35,040
+دمش دمش لحد ما اصل ل 3 clusters فعليا ال data اللي
+
+37
+00:02:35,040 --> 00:02:38,820
+عندى هتبدأ من واحد واحد واحد واحد بعد هيك هيبدأ
+
+38
+00:02:38,820 --> 00:02:43,900
+يتجمعوا اخر تجميع اللي ممكن اجاف عندها لهي مفهوم
+
+39
+00:02:43,900 --> 00:02:46,140
+ان يكون عندى 3 clusters او 4 clusters او 10
+
+40
+00:02:46,140 --> 00:02:49,300
+clusters حسب الحاجة وبهيك انا فعليا هذا شرطي
+
+41
+00:02:49,300 --> 00:02:55,280
+التوقف اللي موجود عندهاأو فعلياً أنا فعلياً ماضلش
+
+42
+00:02:55,280 --> 00:02:59,060
+عندي شغلة أني أدمجها اندمجت كل البيانات لحد ما
+
+43
+00:02:59,060 --> 00:03:02,540
+صارت only one cluster بيحتوي كل ال sub clusters
+
+44
+00:03:02,540 --> 00:03:06,020
+اللي جاية بعد هيك طبعاً أنا في عندي linkage
+
+45
+00:03:06,020 --> 00:03:10,820
+criteria أو شرط الدمج أو سمينا linkage دلالة على
+
+46
+00:03:10,820 --> 00:03:13,760
+أنه أنا فعلياً ا cluster و بده أربطهم مع بعض بده
+
+47
+00:03:13,760 --> 00:03:18,860
+أحطهم في قالب أو عفوا في ضمن boundary واحدةطبعاً
+
+48
+00:03:18,860 --> 00:03:21,420
+عندما أتكلم عن الـ linkage criteria أو الـ linkage
+
+49
+00:03:21,420 --> 00:03:25,800
+function نفس المصطلح الـ similarity function للـ
+
+50
+00:03:25,800 --> 00:03:28,660
+clusters بس دائما عندما أتكلم عن ال similarity
+
+51
+00:03:28,660 --> 00:03:32,160
+بتكلم عن ال distance عفوا، بتكلم عن ال distance
+
+52
+00:03:32,160 --> 00:03:36,160
+لكن عندما أتكلم عن ال linkage criteria بتكلم عن ان
+
+53
+00:03:36,160 --> 00:03:41,840
+انا فعاليا بتكلم عن ال clustering بتكلم عن linkage
+
+54
+00:03:41,840 --> 00:03:45,040
+أو ربط ما بين ال clusters فعليا أنا بتكلم برضه عن
+
+55
+00:03:45,040 --> 00:03:49,410
+ال distanceوالـ distance هذه بتقاس مع كل ال
+
+56
+00:03:49,410 --> 00:03:52,090
+observations أو كل ال instances اللي موجودة عنده
+
+57
+00:03:52,090 --> 00:03:56,390
+وين في داخل ال cluster اللي موجود عندها فعليا انا
+
+58
+00:03:56,390 --> 00:04:03,710
+في عندي المجموعة من ال linkage criteriaوهذه الـ
+
+59
+00:04:03,710 --> 00:04:07,470
+linkage criteria بتحدد فعليًا هل هدول ال clusters
+
+60
+00:04:07,470 --> 00:04:13,390
+similar أم لا وبالتالي يعني بالخلاصة فكرة ال
+
+61
+00:04:13,390 --> 00:04:16,590
+agglomerative أو ال hierarchical clustering بتبدأ
+
+62
+00:04:16,590 --> 00:04:20,890
+أن كل نقطة عبارة عن cluster مستقل وبعد هيك بصير
+
+63
+00:04:20,890 --> 00:04:25,810
+ادمج ما بين كل two clustersالشرط الدمج أنه في عندى
+
+64
+00:04:25,810 --> 00:04:28,530
+شغل بنسميها ال linkage criteria أو ال linkage
+
+65
+00:04:28,530 --> 00:04:31,610
+distance أو ال linkage function اللي هي شرط الدمج
+
+66
+00:04:31,610 --> 00:04:36,270
+هنا وهي عبارة عن distance major لكن مش مع نقطة مع
+
+67
+00:04:36,270 --> 00:04:39,250
+cluster وبالتالي ممكن انا اخد نقطة نوبة على ال
+
+68
+00:04:39,250 --> 00:04:43,350
+cluster ممكن اخد الكل cluster وحنشوف ال different
+
+69
+00:04:43,350 --> 00:04:49,630
+linkage criterionاللي موجودة عندنا نبدأ مع اول ال
+
+70
+00:04:49,630 --> 00:04:54,590
+linkage criteria ال criteria اللي هي ال criterion
+
+71
+00:04:54,590 --> 00:04:57,450
+اللي هي ال single و لما انا بتكلم على single
+
+72
+00:04:57,450 --> 00:05:04,970
+linkage بتكلم انه انا فعليا بادور على اقصر pair
+
+73
+00:05:04,970 --> 00:05:09,500
+يعني بين جثين عمالي بأحسنالـ point اللي انا فيه
+
+74
+00:05:09,500 --> 00:05:13,940
+عندى two clusters زي .. زي ما ال .. اوكي خليني مش
+
+75
+00:05:13,940 --> 00:05:17,180
+مشكلة برجع فيه عندى انا هنا two clusters two
+
+76
+00:05:17,180 --> 00:05:20,600
+clusters و في ال two clusters هدول انا بروح بادور
+
+77
+00:05:20,600 --> 00:05:25,220
+على كل النقاط يعني بحسب النقطة هاي مع كل ال
+
+78
+00:05:25,220 --> 00:05:28,180
+distances الموجودة في كل الأحوال يا جماعة الخير ال
+
+79
+00:05:28,180 --> 00:05:34,420
+distances هتنحسب ما بين كل عناصرالـ cluster و كذلك
+
+80
+00:05:34,420 --> 00:05:38,380
+high يعني انت تخيلها fully connected distances او
+
+81
+00:05:38,380 --> 00:05:41,580
+تخيلوها معايا fully connected area فبتحسب كل ال
+
+82
+00:05:41,580 --> 00:05:46,920
+distances اللي موجودة عندها الان ال pair pair of
+
+83
+00:05:46,920 --> 00:05:51,820
+clusters اللي بحققه اقصر مسافة بين اي two pair من
+
+84
+00:05:51,820 --> 00:05:56,640
+النقاط اللي موجودة عندها باخده على انه اللي هو ال
+
+85
+00:05:56,640 --> 00:06:01,360
+يعني عمل home dungeon يعني لو انا بدى اعيد تاني
+
+86
+00:06:04,190 --> 00:06:06,570
+لو انا افترض ان انا في عندهان three different
+
+87
+00:06:06,570 --> 00:06:15,230
+clusters لو
+
+88
+00:06:15,230 --> 00:06:22,170
+كان انا في عندهان another cluster و ال cluster ده
+
+89
+00:06:22,170 --> 00:06:28,230
+فيه مجموعة من النقاط تبدأ
+
+90
+00:06:28,230 --> 00:06:31,170
+المسافات تنحسب ما بين كل النقاط اللي موجودة في كل
+
+91
+00:06:31,170 --> 00:06:37,190
+اتجاهات من كل نقطةالـ pair of clusters اللي بتحقق
+
+92
+00:06:37,190 --> 00:06:41,910
+أقصر مسافة بين أي نقطي�� موجودات فيهم بنعتمد أن
+
+93
+00:06:41,910 --> 00:06:45,250
+هدول ال clusters في حين أن أنا فيها عندي هنا في
+
+94
+00:06:45,250 --> 00:06:50,490
+pair قوي بعيد جدا و أنا مابدورش هنا بدور على أقصر
+
+95
+00:06:50,490 --> 00:06:54,850
+المسافات يعني الآن هدول الأقرب نقطين لبعض هيهم
+
+96
+00:06:54,850 --> 00:07:01,800
+بأقارن المسافة هذه ومسافة هذهمين اقصر المسافة هذه
+
+97
+00:07:01,800 --> 00:07:05,920
+اقصر معناته هذين الاتنين بنعمل لهم دمج مع بعضهم
+
+98
+00:07:05,920 --> 00:07:09,020
+على انهم هدول ايش بدون يصيروا ال next level او ال
+
+99
+00:07:09,020 --> 00:07:12,940
+next cluster هذه فكرة كمان مرة ال single linkage
+
+100
+00:07:12,940 --> 00:07:17,060
+طبعا احنا ليش بحاول اوضحها هان اكتر لان فعليا احنا
+
+101
+00:07:17,060 --> 00:07:21,660
+محتاجين نفهمها كويس لان انا فعليا بدي كل النقاط
+
+102
+00:07:21,660 --> 00:07:26,230
+اللي موجودةتكون داخلة في الحسبة بنرجع كمان مرة في
+
+103
+00:07:26,230 --> 00:07:28,970
+عندي انا single linkage و single linkage بعمل
+
+104
+00:07:28,970 --> 00:07:32,270
+combine ل two clusters لما بيكون فيهم ال shortest
+
+105
+00:07:32,270 --> 00:07:37,610
+pair لما يكون في عندي انا فعليا ال .. ده البيانات
+
+106
+00:07:37,610 --> 00:07:42,390
+تبعتي اصغر
+
+107
+00:07:42,390 --> 00:07:46,630
+مايمكن ال minimum distance between any pair بشرط
+
+108
+00:07:46,630 --> 00:07:49,870
+ان هدول ال pair مايكونوش تمدمجهم مسبقا طبعا
+
+109
+00:07:53,060 --> 00:07:58,420
+كمان مرة لو انا افترضت ان هنا في عندى another
+
+110
+00:07:58,420 --> 00:08:02,020
+cluster و
+
+111
+00:08:02,020 --> 00:08:06,580
+ال cluster هي و هي هي النقاط اللي موجودة دائما
+
+112
+00:08:06,580 --> 00:08:10,900
+دائما في عملية و هنا في كمان واحد دائما في عملية
+
+113
+00:08:10,900 --> 00:08:14,620
+الدمج بروح
+
+114
+00:08:14,620 --> 00:08:18,140
+بدور لما بتكلم عن ال single linkage بروح بدور على
+
+115
+00:08:18,140 --> 00:08:20,820
+أقصر مسافة هدول أقرب نقطين بحسب ال distance بينهم
+
+116
+00:08:21,540 --> 00:08:24,920
+هو كيف بده يدور على أنه أقرب نقطين هو فعليا بتم
+
+117
+00:08:24,920 --> 00:08:28,340
+حسب ال distance ما بين كل العناصر اللي في ال
+
+118
+00:08:28,340 --> 00:08:31,800
+clusters يعني النقطة هذه مع كل العناصر اللي موجودة
+
+119
+00:08:31,800 --> 00:08:37,660
+هنا وبيعتمد أقصر مسافة النقطة كل العناصر كل النقاط
+
+120
+00:08:37,660 --> 00:08:40,880
+اللي هنا مع كل النقاط اللي هنا وبيعتمد أقصر مسافة
+
+121
+00:08:40,880 --> 00:08:46,220
+وبالتاليلو انا هذه النقطة هيروح حسبها المعاليين
+
+122
+00:08:46,220 --> 00:08:50,440
+كمان و بيعتمد هذه اقصر مسافة الان هي مسافة تنتين
+
+123
+00:08:50,440 --> 00:08:54,460
+تلاتة هدولة اقصر اقصر واحدة فيهم هدق هذه بيروح
+
+124
+00:08:54,460 --> 00:09:00,800
+بعملي damage لمين لهدول اصحاب single linkage بتمنى
+
+125
+00:09:00,800 --> 00:09:02,260
+تكون الفكرة وصلت
+
+126
+00:09:12,500 --> 00:09:15,880
+الـ criterion التاني اللي موجودة عندي أنا اللي هي
+
+127
+00:09:15,880 --> 00:09:21,140
+ال average وال average هنا بتتكلم على انه انا
+
+128
+00:09:21,140 --> 00:09:24,500
+بيعمل merge لل two clusters اللي اللهم shortest
+
+129
+00:09:24,500 --> 00:09:28,820
+average distance shortest average distance يعني
+
+130
+00:09:28,820 --> 00:09:36,200
+ايش اللي هيصير بعد ما راح حسب كل ال distances بين
+
+131
+00:09:36,200 --> 00:09:37,060
+كل النقاط
+
+132
+00:09:58,300 --> 00:10:01,740
+بين كل النقاط ايش بروح بيساوي بياخد ال average
+
+133
+00:10:01,740 --> 00:10:05,660
+تبعت ال distance لاحظوا انا في كل مرة بيعمل
+
+134
+00:10:05,660 --> 00:10:09,540
+marriage ل two clusters فقط تمام بيعمل marriage ل
+
+135
+00:10:09,540 --> 00:10:13,680
+two clusters فقط فهو بروح بحسب كل ال averages او
+
+136
+00:10:13,680 --> 00:10:17,520
+بحسب كل ال distances و بياخد ال average في ال
+
+137
+00:10:17,520 --> 00:10:20,080
+simple linkage او عفوا في ال single انا غلطان هنا
+
+138
+00:10:20,080 --> 00:10:23,260
+في الكتابة طبعا simple linkage
+
+139
+00:10:38,990 --> 00:10:50,390
+single single linkage سامحوني
+
+140
+00:10:50,390 --> 00:10:54,090
+هذه أسهل حاجة اعملها الآن لان انا حولت لصورة و
+
+141
+00:10:54,090 --> 00:11:04,190
+بديش ارجع اعيد نفس ال .. okay shift
+
+142
+00:11:04,190 --> 00:11:08,490
+F5بنتكلم هنا إنه أنا بتكلم على ال single linkage
+
+143
+00:11:08,490 --> 00:11:12,010
+أخدت أقصر لكن هان حسبت كل النقاط وبالتالي أخدت ال
+
+144
+00:11:12,010 --> 00:11:14,570
+average عشان اذا حاولت أرسم السهم هان يمثل لل
+
+145
+00:11:14,570 --> 00:11:21,990
+center تبع ال clusters اللي موجودين عندها هذه
+
+146
+00:11:21,990 --> 00:11:28,730
+ال average بالنسبة ل ال ال complete بياخد ال
+
+147
+00:11:28,730 --> 00:11:34,150
+maximum linkage بياخد .. بيعتمد .. من وين أطول ..
+
+148
+00:11:34,150 --> 00:11:39,200
+أبعد نقطينأقصر مسافة بين أبعد مقطين بروحيش بروح
+
+149
+00:11:39,200 --> 00:11:42,100
+مالهم جنج
+
+150
+00:11:43,400 --> 00:11:47,280
+يعني لو انا اتيت هنا هذه العناصر اللي موجودة عندها
+
+151
+00:11:47,280 --> 00:11:50,480
+بحسب كل ال distances اللي موجودة عندها بكل
+
+152
+00:11:50,480 --> 00:11:55,060
+الاتجاهات مع كل ال clusters هذه أقصر يعني هدول
+
+153
+00:11:55,060 --> 00:11:58,580
+أبعد نقطين نعم لكن هدى ال distance اللي بين ال two
+
+154
+00:11:58,580 --> 00:12:03,040
+clusters هدول هي عبارة عن أقصر مسافة مماثلة مع
+
+155
+00:12:03,040 --> 00:12:06,200
+different clusters فبقرر انه يعمل merge لل
+
+156
+00:12:06,200 --> 00:12:11,060
+clusters اللي موجودين عندهاالنوع التالت اللي هو ال
+
+157
+00:12:11,060 --> 00:12:15,020
+word ال word ال word او ال word ال word لما انا
+
+158
+00:12:15,020 --> 00:12:21,520
+بتكلم هنا بتكلم عن ال word القسم هنا بدور النوبلهو
+
+159
+00:12:21,520 --> 00:12:27,820
+يعمل ميرج لـ two clusters لما يقلل
+
+160
+00:12:27,820 --> 00:12:31,160
+الـ variance بين ال clusters الموجودة يقلل
+
+161
+00:12:31,160 --> 00:12:35,080
+الاختلافات بين ال clusters يعني هو الان بيحسب كل
+
+162
+00:12:35,080 --> 00:12:39,460
+النقاط كل ال distances اللي موجودة عنده بيحسب كل
+
+163
+00:12:39,460 --> 00:12:43,380
+ال distances و بيحسب كل ال distances و بيحاول يشوف
+
+164
+00:12:43,380 --> 00:12:48,720
+مين أقرب cluster في الاختلافاتفي ال elements اللي
+
+165
+00:12:48,720 --> 00:12:53,240
+موجود عنده هان و بروح بدمجلي اياهم يعني هو اش مروح
+
+166
+00:12:53,240 --> 00:12:54,420
+بساوي بكل بساطة
+
+167
+00:12:58,220 --> 00:13:01,320
+بعد ما بروح بحسب بحسب كل ال areas بحسب ال variance
+
+168
+00:13:01,320 --> 00:13:04,540
+هنا الإختلاف و ال variance اللي هنا مع ال cluster
+
+169
+00:13:04,540 --> 00:13:09,200
+التالت ال variance و أقل clusters في اختلاف ال
+
+170
+00:13:09,200 --> 00:13:13,340
+variance اللي بينهم بروح بدمجهم ليش عشان يحافظ على
+
+171
+00:13:13,340 --> 00:13:17,240
+التشابه ما بين ال two different clusters يعني انت
+
+172
+00:13:17,240 --> 00:13:21,220
+تخيل ان في عندك cluster كبير جدا و عندك cluster
+
+173
+00:13:21,220 --> 00:13:25,250
+صغير جداهدول ال two clusters صعب انهم يدمجوا ليش؟
+
+174
+00:13:25,250 --> 00:13:28,690
+مع ال word لأنهم فعليا ال variance تبعتهم عالية
+
+175
+00:13:28,690 --> 00:13:32,190
+جدا فهو بروح بدور على ال clusters المشابهة بداخله
+
+176
+00:13:32,190 --> 00:13:36,730
+by default بالمناسبة ال word هي ال default linkage
+
+177
+00:13:36,730 --> 00:13:41,290
+cluster المول وعادة لما انا بأتكلم على ال word
+
+178
+00:13:41,290 --> 00:13:42,930
+linkage criteria
+
+179
+00:13:46,150 --> 00:13:51,110
+الـ Cluster الناتجة عادة بتكون متقاربة في الأحجام
+
+180
+00:13:51,110 --> 00:13:56,210
+يعني بين جثين أنه ال data أو عدد العناصر اللي
+
+181
+00:13:56,210 --> 00:14:01,510
+موجودة في كل ال clusters بتكون متقاربة طيب الفكرة
+
+182
+00:14:01,510 --> 00:14:04,130
+في ال agglomerate بشكل عام هي كل ال data موجودة
+
+183
+00:14:04,130 --> 00:14:07,430
+عندى قلنا ال initial كل واحدة عبارة عن cluster
+
+184
+00:14:07,430 --> 00:14:12,130
+فببدأ يروح يدور على المسافات بين كل النقاط
+
+185
+00:14:16,240 --> 00:14:19,540
+بين كل النقاط و برجع بأكد هذه في كل مرة الحسبة
+
+186
+00:14:19,540 --> 00:14:26,480
+بتتم في كل
+
+187
+00:14:26,480 --> 00:14:30,240
+الاتجاهات و في الآخر هيلاقي ان هدول النقطين أقصر
+
+188
+00:14:30,240 --> 00:14:33,640
+distance موجودة بينهم فإيش هيروح يساوي هيروح يضمهم
+
+189
+00:14:33,640 --> 00:14:38,640
+لو اني cluster تمام في الخطوة التالية هيستثني هذه
+
+190
+00:14:38,640 --> 00:14:43,380
+و يدور في نفس كل clusters اقرب two clusters هيبدأ
+
+191
+00:14:43,380 --> 00:14:44,300
+يجمعهم
+
+192
+00:14:46,800 --> 00:14:53,500
+بعدين هايهم ليش دمج هدول لأن المسافة بين هدول أقصر
+
+193
+00:14:53,500 --> 00:14:57,360
+ما بين النقطة هذه والنقطة هذه وإلا كانش كان راح
+
+194
+00:14:57,360 --> 00:15:00,260
+دمج ليها على أن هذه عبارة عن cluster اللي بيحتوي
+
+195
+00:15:00,260 --> 00:15:03,260
+على نقطة واحدة مع ال single linkage criteria هي
+
+196
+00:15:03,260 --> 00:15:08,380
+shortest distance فراح فعليا دمج النقطة هايوبتبدأ
+
+197
+00:15:08,380 --> 00:15:11,820
+عملية الدمج تتوسع واحدة ورا التانية لحد ما يكون كل
+
+198
+00:15:11,820 --> 00:15:15,540
+النقاط اتوصلت أو او او او على الأقل انا وصلت لعدد
+
+199
+00:15:15,540 --> 00:15:18,260
+ال clusters المطلوب لو كان مثلا تلاتة بكون انا هذه
+
+200
+00:15:18,260 --> 00:15:21,380
+ال destination تبعتي انه حصلت انه على three
+
+201
+00:15:21,380 --> 00:15:25,240
+different clusters ولاحظوا عملية ال merge و ورا
+
+202
+00:15:25,240 --> 00:15:28,500
+التانية كل ما انا بدمج العناصر مع بعضها بتظهر ال
+
+203
+00:15:28,500 --> 00:15:32,980
+MDHالـ agglomerative لكن يا جماعة الخير في الـ
+
+204
+00:15:32,980 --> 00:15:37,000
+agglomerative هان هي الأساس للهيراريكال هي الأساس
+
+205
+00:15:37,000 --> 00:15:39,840
+للهيراريكال لكن مش هي الهيراريكال ليش؟ لأنه
+
+206
+00:15:39,840 --> 00:15:42,800
+بالهيراريكال لاحظوا أو بال .. بال agglomerative
+
+207
+00:15:42,800 --> 00:15:46,680
+أنه أنا في النهاية هان الكل two clusters بعملهم
+
+208
+00:15:46,680 --> 00:15:52,040
+دمج مع بعضهم بتزول الحدود اللي ما بينهم يعني لما
+
+209
+00:15:52,040 --> 00:15:57,700
+أنا كنت هانهذه نقطة و تنتين وهذه نقطة و تنتين و
+
+210
+00:15:57,700 --> 00:16:00,860
+هذه
+
+211
+00:16:00,860 --> 00:16:06,560
+نقطة و تنتين و هذه نقطة و تنتين و هذه نقطة و تنتين
+
+212
+00:16:06,560 --> 00:16:07,980
+و هذه نقطة و تنتين و هذه نقطة و تنتين و هذه نقطة و
+
+213
+00:16:07,980 --> 00:16:08,180
+تنتين و هذه نقطة و تنتين و هذه نقطة و تنتين و هذه
+
+214
+00:16:08,180 --> 00:16:08,180
+نقطة و تنتين و هذه نقطة و تنتين و هذه نقطة و تنتين
+
+215
+00:16:08,180 --> 00:16:08,180
+و هذه نقطة و تنتين و هذه نقطة و تنتين و هذه نقطة و
+
+216
+00:16:08,180 --> 00:16:13,360
+تنتين و هذه نقطة و تنتين و هذه نقطة و تنتين و هذه
+
+217
+00:16:13,360 --> 00:16:18,260
+نقطة و
+
+218
+00:16:18,260 --> 00:16:29,980
+تنتين و هذه نقطة و تنتين و هذه نقطة ووهادي هيك حسب
+
+219
+00:16:29,980 --> 00:16:43,240
+متى مرسمهم سابقا وهادي هيك بعدين هيك وهادي
+
+220
+00:16:43,240 --> 00:16:50,780
+طبعا هنا هيك لأنه تم دمجهم مرة تانية النقطين
+
+221
+00:16:50,780 --> 00:16:52,020
+هدولة كانوا في الأول
+
+222
+00:16:57,340 --> 00:17:00,400
+لو الرسم يبقى معايا بالشكل هذا يعني ان انا عارف من
+
+223
+00:17:00,400 --> 00:17:04,760
+اين بدأت كل اتنين صارت موجودة طبعا لما اتكلم ..
+
+224
+00:17:04,760 --> 00:17:09,140
+لما اروح بالتفصيل بالـ Hierarchical Clustering الـ
+
+225
+00:17:09,140 --> 00:17:12,320
+Hierarchical Clustering نفس .. نفس الكلام يعني انه
+
+226
+00:17:12,320 --> 00:17:18,240
+يحتاج كل pointهي هتدخل برحلة انها cluster مستقلة
+
+227
+00:17:18,240 --> 00:17:22,860
+ذاتها و هتنتمي لآخر cluster يعني هاي الفرق الأساسي
+
+228
+00:17:22,860 --> 00:17:26,000
+ما بين ال agglomerative و ال hierarchical بال
+
+229
+00:17:26,000 --> 00:17:31,160
+agglomerative فعليا راح دمجلي اياهم لكن في المحصلة
+
+230
+00:17:31,160 --> 00:17:34,280
+الأخيرة يا جماعة الخير انا حصلت على partitional
+
+231
+00:17:34,280 --> 00:17:37,920
+clustering ملاحظين هنا الرسمة الأخيرة في step 9 هي
+
+232
+00:17:37,920 --> 00:17:41,180
+عبارة عن partitional لأن مافيش عندى عناصر
+
+233
+00:17:51,050 --> 00:17:56,350
+لكن في الهيراريكال لأ انا ممكن احافظ على ان
+
+234
+00:17:56,350 --> 00:18:02,330
+العناصر التابعة تكون disjoint لحد level معين طيب
+
+235
+00:18:02,330 --> 00:18:05,870
+الآن زي ما قلنا هذه هي الرسمة اللي ممكن اعتمد عليه
+
+236
+00:18:05,870 --> 00:18:09,390
+هو اقول ان والله هذه اش انا بفهم من هدول ان كل
+
+237
+00:18:09,390 --> 00:18:16,390
+واحدة هدولة كانت بالشكل هذا1 و 4 اندمجت معاهم 2 و
+
+238
+00:18:16,390 --> 00:18:22,090
+8 اندمجت معاهم 3 و 5 مستقلة 01 و 12 اندمجت معاهم 5
+
+239
+00:18:22,090 --> 00:18:28,190
+و 6 و 9 اندمجت معاهم 7 و 10 اندمجت معاهم 7 و 10
+
+240
+00:18:28,190 --> 00:18:28,470
+اندمجت معاهم 7 و 10 اندمجت معاهم 7 و 10 اندمجت
+
+241
+00:18:28,470 --> 00:18:28,830
+معاهم 7 و 10 اندمجت معاهم 7 و 10 اندمجت معاهم 7 و
+
+242
+00:18:28,830 --> 00:18:29,230
+10 اندمجت معاهم 7 و 10 اندمجت معاهم 7 و 10 اندمجت
+
+243
+00:18:29,230 --> 00:18:29,230
+معاهم 7 و 10 اندمجت معاهم 7 و 10 اندمجت معاهم 7 و
+
+244
+00:18:29,230 --> 00:18:29,590
+10 اندمجت معاهم 7 و 10 اندمجت معاهم 7 و 10 اندمجت
+
+245
+00:18:29,590 --> 00:18:33,470
+معاهم 7 و 10 اندمجت معاهم 7 و 10 اندمجت معاهم 7 و
+
+246
+00:18:33,470 --> 00:18:39,300
+10 اندمجت معاهم 7 و 10 اندمولكن لو أخدت نظرة
+
+247
+00:18:39,300 --> 00:18:44,920
+جانبية يعني أنني أتعرف على شغلة اسمها الـ
+
+248
+00:18:44,920 --> 00:18:49,200
+Dendogram الـ Dendogram عبارة عن رسم تخطيطي يخدمني
+
+249
+00:18:49,200 --> 00:18:55,140
+في فهمي البيانات الموجودةعندها ال visualization
+
+250
+00:18:55,140 --> 00:18:58,080
+مهم جدًا عشان انا اقدر اشوف و افهم العناصر اللي
+
+251
+00:18:58,080 --> 00:19:03,620
+موجودة في موضوع ال ال hierarchical clustering و ال
+
+252
+00:19:03,620 --> 00:19:09,000
+dendrogram اللي بدها اتمثلها وبالتالي و لما ال
+
+253
+00:19:09,000 --> 00:19:13,000
+visualization بديني detailed view لل hierarchical
+
+254
+00:19:13,000 --> 00:19:16,380
+clustering معناته هي ما زالت في ال two dimensional
+
+255
+00:19:16,380 --> 00:19:22,180
+أساسًا اللي موجودة وبالتالي أنا عماليبقى أشتغل و
+
+256
+00:19:22,180 --> 00:19:26,500
+بقى أسأل و عمّالة بنحاول نرسم الـ Dendrogram انت
+
+257
+00:19:26,500 --> 00:19:30,140
+تخيل الرسمة معايا لو زهرت معايا بالشكل هذا طبعا
+
+258
+00:19:30,140 --> 00:19:33,640
+هدول الرسمتين للـ Dendrogram هم الأساس اللي موجود
+
+259
+00:19:33,640 --> 00:19:36,640
+عندي هان الأولى هذه زي ما قلت لك هي عبارة عن
+
+260
+00:19:36,640 --> 00:19:40,420
+الصورة العمودية من فوق ال clusters وشوفت التجميعات
+
+261
+00:19:40,420 --> 00:19:45,020
+بينما هان انا بأتكلم انه انا بشوف ال data كلها في
+
+262
+00:19:45,020 --> 00:19:49,240
+ال 2D بشوفها من نظرة جانبية وهذا الرسمة هي عبارة
+
+263
+00:19:49,240 --> 00:19:52,520
+عن ال Dendrogramالان فكرة الـ Dendrogram أو الـ
+
+264
+00:19:52,520 --> 00:19:56,120
+Hierarchical Clustering الأساسية ان انا بقدر احصي
+
+265
+00:19:56,120 --> 00:20:00,680
+على اي عدد من ال clusters انا محتاجه يعني تخيل انا
+
+266
+00:20:00,680 --> 00:20:04,620
+محتاج three clusters و بقى كل خط عمودي في الرسمة
+
+267
+00:20:04,620 --> 00:20:10,180
+بمثل cluster بدي three clusters هيهم بدي اتنين
+
+268
+00:20:10,180 --> 00:20:16,120
+هيهم لاحظ؟ ليش؟ لأن انا فعليا هدول كلهم مع بعض
+
+269
+00:20:17,510 --> 00:20:21,190
+عبارة عن cluster وهدول مع بعض عبارة عن cluster
+
+270
+00:20:21,190 --> 00:20:27,750
+تاني رسمت العمود مع العناصر اللي موجودة عندها بدك
+
+271
+00:20:27,750 --> 00:20:34,750
+تلاتة هدول التلاتة بصيروا مع بعضهم إذا
+
+272
+00:20:34,750 --> 00:20:39,770
+أنا بدي أتكلم على three clusters يعني هاي واحد
+
+273
+00:20:39,770 --> 00:20:44,030
+العشرة معاهم طبعا اتنين
+
+274
+00:20:48,010 --> 00:20:55,110
+و هاي تلاتة ممكن بدي أكتر؟ اه ممكن بس ايه بدي ازال
+
+275
+00:20:55,110 --> 00:21:01,330
+ال scale تبع عدد ال cluster لتحت جداش
+
+276
+00:21:01,330 --> 00:21:10,890
+بدي يكون مثلا لو نزلت عدد ال cluster لهيك
+
+277
+00:21:10,890 --> 00:21:14,690
+يعني انا بتكلم على single cluster واحد
+
+278
+00:21:17,600 --> 00:21:25,440
+لأ مش واحد الان هاى عندك انا واحد هذا
+
+279
+00:21:25,440 --> 00:21:32,020
+اتنين هذا تلاتة عشر على حالها هذه اربعة انا هاى
+
+280
+00:21:32,020 --> 00:21:37,480
+بتكلم انا على four clusters بناء على النقطة اللى
+
+281
+00:21:37,480 --> 00:21:43,410
+اخترتهاأهم شغلة في الموضوع أنه أنا فعليا لما بحصل
+
+282
+00:21:43,410 --> 00:21:46,690
+على ال dendrogram بقدر أحصل على أي عدد من ال
+
+283
+00:21:46,690 --> 00:21:50,410
+cluster أنا بدياه بدي أرجع كمان مرة أجي أقول والله
+
+284
+00:21:50,410 --> 00:21:57,490
+أنا هاي بدي .. لو أنا افترضت أنه أنا هنا هذا الخط
+
+285
+00:21:57,490 --> 00:22:03,590
+تبعي عفوا
+
+286
+00:22:03,590 --> 00:22:05,630
+اللي رسمتي مش ظابط كتير
+
+287
+00:22:12,280 --> 00:22:15,960
+لو انا مشيت هنا و قلت انا هايت مع الاتنين هنا بدي
+
+288
+00:22:15,960 --> 00:22:22,820
+امشي okay
+
+289
+00:22:22,820 --> 00:22:26,240
+أحسن من الأول لو أنا سألك عند الخط هذا كام cluster
+
+290
+00:22:26,240 --> 00:22:29,940
+انا بحقق انا بقدر اقول بتكلم على four clusters
+
+291
+00:22:29,940 --> 00:22:41,220
+four clusters هاي واحد بيجمع واحد و أربعة تاني ايو
+
+292
+00:22:45,790 --> 00:22:56,350
+الثالث العشرة لحال و الرابع هايه هدول عفوا مش أربع
+
+293
+00:22:56,350 --> 00:23:03,050
+هدول خمسة خمسة clusters خمسة
+
+294
+00:23:03,050 --> 00:23:07,890
+clustersطبعاً في فايدة تانية من الـ dendrogram أنا
+
+295
+00:23:07,890 --> 00:23:10,810
+بقى أقدر أفهم أنه على الرغم أنه من ال cluster
+
+296
+00:23:10,810 --> 00:23:14,590
+الأخير هذا اللي فيه الـ 7 و 6 و 9 أدول ال element
+
+297
+00:23:14,590 --> 00:23:16,610
+في نفس ال cluster إلا غير أنه من خلال الـ
+
+298
+00:23:16,610 --> 00:23:21,370
+dendrogram بقدر أفهم أنه الـ 6 و 9 instances أقرب
+
+299
+00:23:21,370 --> 00:23:26,150
+لبعض من السبعة كذلك الصفر و ال 11 في ال cluster
+
+300
+00:23:26,150 --> 00:23:32,370
+التالت و ال 2 و 8 في ال cluster التانيعشان نقدر
+
+301
+00:23:32,370 --> 00:23:36,790
+نطبق المثال هذا في مثال مشهور جدا أخدته سابقا من
+
+302
+00:23:36,790 --> 00:23:38,990
+الـ slide الخاصة بالدكتور علاء الله يجزي الخير
+
+303
+00:23:38,990 --> 00:23:42,230
+المثال
+
+304
+00:23:42,230 --> 00:23:49,430
+المشهور برضه، أنا في عندي الخريطة إيطاليا وبدي
+
+305
+00:23:49,430 --> 00:23:56,280
+اعتبر أن المدن هذه بمثابة Clusteringهو انا ال
+
+306
+00:23:56,280 --> 00:23:59,660
+clusters و بدي اروح اعمل ما بينهم merge عشان اشوف
+
+307
+00:23:59,660 --> 00:24:05,020
+اقرب المدن لبعضهم باعتمادني على ال single linkage
+
+308
+00:24:05,020 --> 00:24:15,120
+criterion single linkage criterion الان عفوا لما
+
+309
+00:24:15,120 --> 00:24:19,800
+انا بتكلم هذه رموز للولايات او المدن في ايطاليا
+
+310
+00:24:19,800 --> 00:24:22,980
+طبعا في ناس اللي راحت ايطاليا ما بينكوا لان انتوا
+
+311
+00:24:22,980 --> 00:24:30,150
+فرحانينبس أكيد بارمة
+
+312
+00:24:30,150 --> 00:24:39,190
+مش من ضمنهم و لا موجودة هي بارمة طيب الآن فعليا ال
+
+313
+00:24:39,190 --> 00:24:43,710
+contingency matrix بتجيب اللي بتجيه عبارة عن
+
+314
+00:24:46,160 --> 00:24:50,160
+Symmetric Matrix وفيها كل العناصر اللي موجودة
+
+315
+00:24:50,160 --> 00:24:57,900
+عندهان وبناء عليها انا بدي اقرر الان بارما بارما
+
+316
+00:24:57,900 --> 00:25:04,620
+اقصر distance وين مع مين فانا فعليا بروح بدور على
+
+317
+00:25:04,620 --> 00:25:09,200
+ال shortest distance انا الان هان اوكي 250 و ببدأ
+
+318
+00:25:09,200 --> 00:25:13,580
+بقى ادور لكن لاجينا ان في مسافة اقصر منها موجودة
+
+319
+00:25:13,580 --> 00:25:13,800
+وين
+
+320
+00:25:16,920 --> 00:25:23,360
+بتربط Milano و TMI و TO وبالتالي هدولة أقصر
+
+321
+00:25:23,360 --> 00:25:26,720
+ملاحظين يا جماعة الخير أنا شوفت ال distance مع
+
+322
+00:25:26,720 --> 00:25:31,300
+الكل بين الكل ماعليش ماعتمدتش السفر لأنها مدينة مع
+
+323
+00:25:31,300 --> 00:25:33,460
+نفسها مابديش إياها ال cluster مع نفسه أو ال
+
+324
+00:25:33,460 --> 00:25:38,160
+instance مع نفسها لكن هان دلت أدور لحد ما لجيت
+
+325
+00:25:38,160 --> 00:25:42,820
+مسافة أصغر مسافة في كل المسافات اللي موجودة عندي
+
+326
+00:25:42,820 --> 00:25:52,650
+هان وبالتاليفعليا هذه المسافة هنا و
+
+327
+00:25:52,650 --> 00:26:01,150
+نفس الكلام mi مع كل المدن و fi مع كل المدن كل ال
+
+328
+00:26:01,150 --> 00:26:07,630
+possible distances حسبتها يعني اذا اتكلمت من mi
+
+329
+00:26:07,630 --> 00:26:18,920
+لbaمي بي ا هي تمنية سبعة وسبعين كيلو متر ففي الآخر
+
+330
+00:26:18,920 --> 00:26:21,980
+انا باعتمد فقط على مسافة واحدة فقط اللي هي
+
+331
+00:26:21,980 --> 00:26:26,100
+shortest لان هذه ال minimum distance حسب ال
+
+332
+00:26:26,100 --> 00:26:32,240
+linkage criteria معناته انا بدي اتم دمج ال mi و ال
+
+333
+00:26:32,240 --> 00:26:33,500
+to تمام
+
+334
+00:26:36,100 --> 00:26:41,560
+وهذه اول cluster انا حصلت عليه هسميه marriage رقم
+
+335
+00:26:41,560 --> 00:26:48,520
+1 ممتاز فلما انا اتدمج MIT و MIT MIT MIT MIT MIT
+
+336
+00:26:48,520 --> 00:26:49,180
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+337
+00:26:49,180 --> 00:26:49,760
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+338
+00:26:49,760 --> 00:26:51,240
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+339
+00:26:51,240 --> 00:26:51,980
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+340
+00:26:51,980 --> 00:26:51,980
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+341
+00:26:51,980 --> 00:26:52,080
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+342
+00:26:52,080 --> 00:26:52,620
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+343
+00:26:52,620 --> 00:26:52,640
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+344
+00:26:52,640 --> 00:26:52,640
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+345
+00:26:52,640 --> 00:26:53,360
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+346
+00:26:53,360 --> 00:26:53,560
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+347
+00:26:53,560 --> 00:26:53,560
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+348
+00:26:53,560 --> 00:26:53,560
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+349
+00:26:53,560 --> 00:26:53,560
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+350
+00:26:53,560 --> 00:26:53,740
+MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT
+
+351
+00:26:53,740 --> 00:26:56,560
+MIT MIT MIT
+
+352
+00:27:06,430 --> 00:27:09,370
+ماذا عن علاقة الـ Cluster الجديد هذا مع الـ
+
+353
+00:27:09,370 --> 00:27:10,950
+Element التانيات؟
+
+354
+00:27:16,670 --> 00:27:21,730
+إن هذا هو ال cluster متفقين الآن ال cluster الجديد
+
+355
+00:27:21,730 --> 00:27:25,690
+هذا انا بدي أتعامل معاه بدي أضع له قيمة تمثله
+
+356
+00:27:25,690 --> 00:27:32,230
+يتمثل علاقته معاه لأن هذا عبارة عن cluster جديد شو
+
+357
+00:27:32,230 --> 00:27:34,290
+ال distance بين ال cluster هذا وباقي ال clusters
+
+358
+00:27:34,290 --> 00:27:38,770
+التانيات فهاخد ال minimum distance ما بين كل
+
+359
+00:27:38,770 --> 00:27:43,410
+العناصر اللي موجودة بمعنى حاجة أقول كتالة في السطر
+
+360
+00:27:43,410 --> 00:27:53,780
+الأول هنا لما انا بدي أدمجمأي و تي او مع
+
+361
+00:27:53,780 --> 00:27:57,900
+ال بي اي مش هدول اللي بيصيروا one cluster يعني هنا
+
+362
+00:27:57,900 --> 00:28:06,580
+هذا الأعمود بيبقى شقب مثلا و بدي أحط هنا تي او و
+
+363
+00:28:06,580 --> 00:28:11,120
+مأي بغض النظر مين جدمت على مين أنا مش قضية كتير
+
+364
+00:28:11,120 --> 00:28:17,000
+تمام الآن ال بي اي في عندي مسافةفي عندى مسافتين
+
+365
+00:28:17,000 --> 00:28:19,740
+مين بتاخد فيهم بما انه بعتمد انا مازلت على ال
+
+366
+00:28:19,740 --> 00:28:22,840
+single linkage معناته انا بدي اخد ال shortest
+
+367
+00:28:22,840 --> 00:28:33,280
+distance مين اقصر 877 ولا 996 لأ 877 مع ال FI الان
+
+368
+00:28:33,280 --> 00:28:41,920
+ال FI في عندى 295 و400 هعتمد ال 200595 هذه ستبقى
+
+369
+00:28:41,920 --> 00:28:49,960
+صفر مش هتتغير وحتى اللي هي الأقصر الان في عندي 457
+
+370
+00:28:49,960 --> 00:28:53,100
+طبعا هذا ال raw كمان انا بده أخلص منه جامعة الخير
+
+371
+00:28:53,100 --> 00:28:59,660
+ماتنساش 754 وعندي 869
+
+372
+00:28:59,660 --> 00:29:06,520
+هعتمد هاي وفي عندي 564
+
+373
+00:29:06,520 --> 00:29:11,930
+هعتمدهم وبالتالي الجدول الجديد تبعيهيكون بالشكل
+
+374
+00:29:11,930 --> 00:29:17,770
+هذا باقي الأرقام ما تغيرتش أنا خلصت من صف و عمود
+
+375
+00:29:17,770 --> 00:29:21,890
+اللي كانت ممثل ال TO واعتمدت على ال shortest
+
+376
+00:29:21,890 --> 00:29:25,090
+distance اللي موجودة ان شاء الله ماكنش نجلتها غلط
+
+377
+00:29:25,090 --> 00:29:29,610
+تمانية سبعتين اتنين تسعة خمسة صفر
+
+378
+00:29:37,510 --> 00:29:41,110
+أول عملية تمت موجودة عندى باعتماد على single
+
+379
+00:29:41,110 --> 00:29:41,510
+linkage
+
+380
+00:29:44,500 --> 00:29:47,860
+بدي أعيد نفس الكرة عشان أعمل damage ببدأ بدور على
+
+381
+00:29:47,860 --> 00:29:52,500
+shortest distance أي 255 في الصف الأول هي أقصر
+
+382
+00:29:52,500 --> 00:29:57,600
+مسافة لحتى اللحظة 255
+
+383
+00:29:57,600 --> 00:30:05,420
+هي الأقصر 255 255 255 هي الأقصر معناته الآن بدي
+
+384
+00:30:05,420 --> 00:30:10,920
+نعمل damage ما بين ال NA و ال BA بنفس الكلام
+
+385
+00:30:10,920 --> 00:30:22,700
+السابق هخلصمن عمود الـ Na وصف الـ Na تمام علاقتهم
+
+386
+00:30:22,700 --> 00:30:28,580
+ستكون عملوها في عمود واحد اي distance اللي احتفظ
+
+387
+00:30:28,580 --> 00:30:33,300
+فيها الان هذي مش هتتغير لأنها هتجيل العمود اللي
+
+388
+00:30:33,300 --> 00:30:40,140
+عندها بـ A Na
+
+389
+00:30:42,020 --> 00:30:46,560
+سنة صفر تمام هي عندها ستمية اتنين وستين وعندي
+
+390
+00:30:46,560 --> 00:30:51,280
+اربعمية تمانية وستين لأ هعتمد المسافة الاقصر
+
+391
+00:30:51,280 --> 00:30:59,140
+اربعمية تمانية وستين عندها
+
+392
+00:30:59,140 --> 00:31:07,240
+تمانية سبعة وسبعين وعندها سبعمية اربعة وخمسين
+
+393
+00:31:07,240 --> 00:31:15,800
+هعتمد السبعميةواربعة وخمسين طبعا صفها تلتغى عند
+
+394
+00:31:15,800 --> 00:31:19,320
+هان اربعمية واطنعش وعندى اتنين وتسعة عشر هعتمد
+
+395
+00:31:19,320 --> 00:31:24,780
+الاتنين وتسعة عشر ليش لأنه كمان مرة انا بدور على
+
+396
+00:31:24,780 --> 00:31:30,300
+ال single linkage وبالتالي انا اخطأت
+
+397
+00:31:37,670 --> 00:31:45,690
+عفوا انا خطأت فيه عند 219 عشان هي اقصر انا اسف مش
+
+398
+00:31:45,690 --> 00:31:53,250
+كتير يعني بقول الخطأ مردود ان شاء الله متصحى اقصر
+
+399
+00:31:53,250 --> 00:32:04,260
+مسافة عندي فعليا هيها بين N A و R Mوبالتالي انا
+
+400
+00:32:04,260 --> 00:32:09,620
+هخلص مثلا من عمود الارقام ومن صف الارقام مش قضية و
+
+401
+00:32:09,620 --> 00:32:15,020
+هدمجهم .. هدمج التنين مع بعض هذا الآن هيصير عندي
+
+402
+00:32:15,020 --> 00:32:16,420
+an ar
+
+403
+00:32:21,380 --> 00:32:38,620
+م 256 و لا 412 لأ 255 468 و لا 268 لأ 268 754
+
+404
+00:32:38,620 --> 00:32:49,340
+و لا 564 لأ 564 564 عفوان 64 تمام
+
+405
+00:32:50,340 --> 00:32:54,420
+وبهيك انا بقى حط القيام اللى موجودة عندى وبالتالي
+
+406
+00:32:54,420 --> 00:32:57,700
+هي الجدول الجديد اللى موجود عندى هان
+
+407
+00:33:01,600 --> 00:33:06,400
+تمام وهذه عبارة عن second merge اللي حصلت عند هان
+
+408
+00:33:06,400 --> 00:33:09,560
+وبالتالي هي ال damage التاني الآن بدي أعيد نفس
+
+409
+00:33:09,560 --> 00:33:18,560
+الكرة بدور على ال shortest distance 6 6 2 8 7 7 2
+
+410
+00:33:18,560 --> 00:33:25,820
+هذه أقصر واحدة لحد اللحظة 6 6 2 2 9 لأ هذه أقصر 2
+
+411
+00:33:25,820 --> 00:33:35,780
+6 هي أقصرOkay 255 هي الأقصر وبالتالي بدي تمدمج ال
+
+412
+00:33:35,780 --> 00:33:40,880
+RN العمود الأخير مع ال BA معناته أنا بدي أخلص من
+
+413
+00:33:40,880 --> 00:33:47,700
+الصف الأخير في الجدولة وهذا الصف بدي أضيف له بدي
+
+414
+00:33:47,700 --> 00:33:53,020
+أصير يبنثل ال BA NA
+
+415
+00:33:53,020 --> 00:33:55,660
+R
+
+416
+00:33:57,490 --> 00:34:09,970
+الان هذا الصفر هيكون 268 هتحل هان وهان
+
+417
+00:34:09,970 --> 00:34:10,790
+خمسمية
+
+418
+00:34:14,770 --> 00:34:18,410
+46 و باقي العناصر مش هصير عليها تغيير وبالتالي
+
+419
+00:34:18,410 --> 00:34:22,710
+كمان مرة هعيد نفس الكرة و أدور على أقصر مسافة أقصر
+
+420
+00:34:22,710 --> 00:34:27,530
+مسافة هيها معناته حين عمل دمج ما بين العنصرين هدول
+
+421
+00:34:27,530 --> 00:34:36,810
+وبالتالي انا هخلص من العمود هذا و من الصف هذا
+
+422
+00:34:36,810 --> 00:34:39,150
+لان احتفظ ب 280
+
+423
+00:34:41,500 --> 00:34:48,680
+هذه الصفر هتبقى تماما هن 295 نقل
+
+424
+00:34:48,680 --> 00:34:52,280
+295
+
+425
+00:34:52,280 --> 00:34:57,240
+نقل 295 نقل
+
+426
+00:34:57,240 --> 00:34:59,560
+295 نقل 295 نقل 295 نقل 295 نقل 295 نقل 295 نقل
+
+427
+00:34:59,560 --> 00:34:59,560
+295 نقل 295 نقل 295 نقل 295 نقل 295 نقل 295 نقل
+
+428
+00:34:59,560 --> 00:34:59,660
+295 نقل 295 نقل 295 نقل 295 نقل 295 نقل 295 نقل
+
+429
+00:34:59,660 --> 00:34:59,680
+295 نقل 295 نقل 295 نقل 295 نقل 295 نقل 295 نقل
+
+430
+00:34:59,680 --> 00:34:59,680
+295 نقل 295 نقل 295 نقل 295 نقل 295 نقل 295 نقل
+
+431
+00:34:59,680 --> 00:34:59,680
+295 نقل 295 نقل 295 نقل 295 نقل 295 نقل 295 نقل
+
+432
+00:34:59,680 --> 00:35:09,140
+295 نقل 295 نقل 295
+
+433
+00:35:09,140 --> 00:35:14,290
+نقبتمنى تكون الأمور تمام راجعوا المثال حاولوا
+
+434
+00:35:14,290 --> 00:35:17,710
+اقطعوه على ورقة من ال slides وطبقوه لوحدكم عشان
+
+435
+00:35:17,710 --> 00:35:20,570
+ترسخ الأمور ان شاء الله او ان شاء الله بقدر ازودكم
+
+436
+00:35:20,570 --> 00:35:25,050
+مثال تاني عامة قريب تظل عندنا جزئية واحدة في ال
+
+437
+00:35:25,050 --> 00:35:27,830
+chapter هذا اللي هي جزئية ال evaluation لل
+
+438
+00:35:27,830 --> 00:35:31,190
+clustering طبعا مش مويلة هتكون ان شاء الله تعالى
+
+439
+00:35:31,190 --> 00:35:35,670
+لكن بدنا نحاول نركز فيها مع انه بدي احاول اخفف
+
+440
+00:35:35,670 --> 00:35:38,870
+عليكم في بعض العمليات الحسابية السلام عليكم ورحمة
+
+441
+00:35:38,870 --> 00:35:39,050
+الله
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/9DgNoAZTwqg.srt

@@ -0,0 +1,1836 @@
+1
+00:00:04,520 --> 00:00:06,480
+بسم الله الرحمن الرحيم الصلاة والسلام على رسول
+
+2
+00:00:06,480 --> 00:00:11,160
+الله أهلا وسهلا بكم في لقاءٍ من جديد من لقاءات
+
+3
+00:00:11,160 --> 00:00:16,280
+مساق تنقيب البيانات، وإن شاء الله اليوم سأتكلم
+
+4
+00:00:16,280 --> 00:00:21,680
+معكم عن .. سأشتغل معكم عمليًا زي ما اشتغلت في الـ
+
+5
+00:00:21,680 --> 00:00:25,520
+preprocessing سأعمل فيديو قصيرًا عن الـ
+
+6
+00:00:25,520 --> 00:00:28,120
+classification وماذا أريد أن أفعل في عمل الـ
+
+7
+00:00:28,120 --> 00:00:32,800
+classification، وشكله على الكاجل كـ Environment ممكن
+
+8
+00:00:32,800 --> 00:00:37,740
+أنتم تستخدموها في موضوع الـ Data Mining أو الـ
+
+9
+00:00:37,740 --> 00:00:41,800
+Data Science وحاجات كتيرة فقط بـ Classifier راح
+
+10
+00:00:41,800 --> 00:00:44,920
+والـ Classifier هذا له خصوصية شوية ضمن كل فيديو
+
+11
+00:00:44,920 --> 00:00:48,040
+هذه تساعدكم في فهم أو في عمل الواجب بشكل صحيح
+
+12
+00:00:48,040 --> 00:00:52,300
+أتممنى في الواجب تستخدموا الـ data set تبعكم
+
+13
+00:00:52,300 --> 00:00:57,290
+وتقارنوا الـ performance تبع الـ three classifiers من
+
+14
+00:00:57,290 --> 00:01:02,050
+الأربعة، أخذنا الـ Canary Sniper والـ Naive Bison
+
+15
+00:01:02,050 --> 00:01:04,890
+والـ Neural Network والـ Decision Tree، هدول
+
+16
+00:01:04,890 --> 00:01:07,650
+الأربعة، أنا شرحتهم في تسجيلات سابقة، المضمون أنكم
+
+17
+00:01:07,650 --> 00:01:10,210
+تختاروا الثلاثة وتطبقوهم على الـ data set اللي
+
+18
+00:01:10,210 --> 00:01:15,770
+موجودة عندكم، الآن إن شاء الله تعالى هبدأ أعمل
+
+19
+00:01:15,770 --> 00:01:19,160
+sharing للشاشة اللي موجودة عندي، أحاول في الفيديو
+
+20
+00:01:19,160 --> 00:01:23,460
+أنتقل لموضوع الـ Sharing وأتكلم على الـ Data Set
+
+21
+00:01:23,460 --> 00:01:29,580
+أو على الـ Element اللي أنا .. البرنامج
+
+22
+00:01:29,580 --> 00:01:35,640
+اللي أنا بدأ أشتغل عليه، بداية خليني أنا أروح أعمل
+
+23
+00:01:35,640 --> 00:01:40,900
+Share للـ Desktop، هي
+
+24
+00:01:40,900 --> 00:01:44,300
+Share للـ Desktop بالكامل، وبعد التسجيل المفروض للـ
+
+25
+00:01:44,300 --> 00:01:45,700
+Desktop وأنا الآن
+
+26
+00:02:07,030 --> 00:02:12,390
+بسم الله، هي kaggle.com، أنا أيه الحساب على الكاجل؟
+
+27
+00:02:12,600 --> 00:02:16,280
+اللي أنشأته، من تبقى الإحساب آخر، لكن هذا أنا أنشأته
+
+28
+00:02:16,280 --> 00:02:25,400
+من فترة، بخصوص الـ الـ الـ الـ الـ
+
+29
+00:02:25,400 --> 00:02:25,680
+الـ الـ الـ الـ الـ الـ الـ الـ الـ
+
+30
+00:02:25,680 --> 00:02:25,740
+الـ الـ الـ الـ الـ الـ الـ الـ الـ
+
+31
+00:02:25,740 --> 00:02:26,100
+الـ الـ الـ الـ الـ الـ الـ الـ الـ
+
+32
+00:02:26,100 --> 00:02:26,620
+الـ الـ الـ الـ الـ الـ الـ الـ الـ
+
+33
+00:02:26,620 --> 00:02:26,900
+الـ الـ الـ الـ الـ الـ الـ الـ الـ
+
+34
+00:02:26,900 --> 00:02:27,000
+الـ الـ الـ الـ الـ الـ الـ الـ الـ
+
+35
+00:02:27,000 --> 00:02:27,040
+الـ الـ الـ الـ الـ الـ الـ الـ الـ
+
+36
+00:02:27,040 --> 00:02:32,220
+الـ الـ الـ الـ الـ
+
+37
+00:02:32,220 --> 00:02:38,740
+الـ الـ الـ الـ
+
+38
+00:02:38,740 --> 00:02:42,760
+الـ الـ، أُحدد الـ database هي Pima Indians Diabetes
+
+39
+00:02:42,760 --> 00:02:46,120
+الـ database هي مشهورة عالميًا، أنا مش هروح أحملها
+
+40
+00:02:46,120 --> 00:02:50,880
+كمان مرة، فاللي already إذا حملتها بكون انتهيت من
+
+41
+00:02:50,880 --> 00:02:55,620
+الملف اللي موجود عندي، وهنتقل للخطوة التالية، هروح
+
+42
+00:02:55,620 --> 00:03:01,840
+أنا أقوله في الـ data set اللي موجودة عندي هي Pima
+
+43
+00:03:01,840 --> 00:03:02,680
+Indians Diabetes
+
+44
+00:03:07,480 --> 00:03:16,400
+وأنا بدي أستخدم الـ Dataset، طبعًا الـ
+
+45
+00:03:16,400 --> 00:03:18,840
+الـ Dataset جميلة جدًا، عشان نفهمها بشكل سريع، الـ
+
+46
+00:03:18,840 --> 00:03:23,280
+Dataset هي ناتجة عن المركز الوطني لأمراض السكري
+
+47
+00:03:23,280 --> 00:03:30,540
+والحمية والأمراض المزمنة، الهدف منها إنه فعليًا
+
+48
+00:03:30,540 --> 00:03:33,860
+يحاولوا يتنبؤوا هل المريض هذا هو مصاب بسكري أو لا
+
+49
+00:03:33,860 --> 00:03:36,980
+بناءً على التشخيصات اللي هي موجودة في الـ database
+
+50
+00:03:36,980 --> 00:03:39,800
+اللي موجودة قدامنا، هي موجودة، مكوّنة من ثمانية
+
+51
+00:03:39,800 --> 00:03:42,780
+attributes زي اللي هنشوفها كمان شوية، "several
+
+52
+00:03:42,780 --> 00:03:44,920
+constraints were placed on the solution of the
+
+53
+00:03:44,920 --> 00:03:50,400
+ice"، وهذه الـ database مكوّنة، بتتناول الـ female
+
+54
+00:03:50,400 --> 00:03:54,220
+patients only، all the patients here are females at
+
+55
+00:03:54,220 --> 00:04:03,460
+least، على الأقل يكونوا 21 سنة، يعني 21 سنة من Pima
+
+56
+00:04:03,460 --> 00:04:07,860
+المنطقة اللي موجودة فيها، طبعًا هذا كل الكلام أنا ما
+
+57
+00:04:07,860 --> 00:04:11,300
+إلا اللي شفته عندما تعرفت على الـ database
+
+58
+00:04:11,300 --> 00:04:16,980
+والآن بدي أروح أقول له New Notebook
+
+59
+00:04:22,650 --> 00:04:26,450
+الآن الـ New Notebook هو Jupyter Notebook، أنشأته
+
+60
+00:04:26,450 --> 00:04:30,910
+على الـ Kaggle، والآن جاب لي هذا الكود عشان يعمل
+
+61
+00:04:30,910 --> 00:04:35,490
+import للـ database اللي موجودة عندي، طبعًا
+
+62
+00:04:35,490 --> 00:04:40,590
+هذا الفرق الوحيد ما بين الـ Online، الـ Python
+
+63
+00:04:40,590 --> 00:04:46,370
+Jupyter Notebook أو الـ Local، اللي في الآخر أنت لما
+
+64
+00:04:46,370 --> 00:04:49,210
+بنعمل import كنا بنضيف له المسار اللي موجود، طب من
+
+65
+00:04:49,210 --> 00:04:53,790
+يحدد المسار؟ هذا موجود على cloud أو على driver
+
+66
+00:04:56,070 --> 00:04:59,490
+فاحنا بنختاره بكل بساطة بدون إيش؟ بدون ما يكون في
+
+67
+00:04:59,490 --> 00:05:02,650
+عندنا الـ .. عفواً، فبتروح بتزوّدنا إياه على Kaggle
+
+68
+00:05:02,650 --> 00:05:05,090
+بدون ما يكون في عندنا مشاكل، الأصل إحنا هذا الـ code
+
+69
+00:05:05,090 --> 00:05:09,710
+إذا بدنا نشتغل Online نرفعه أو نتعلمه أو نحفظه لأنه
+
+70
+00:05:09,710 --> 00:05:12,250
+هذا الـ code هيلزمنا مع الكاجل، وغالباً هو نفسه
+
+71
+00:05:12,250 --> 00:05:16,350
+موجود مع الـ colab، ما علينا، الآن لو أنا طبعًا
+
+72
+00:05:16,350 --> 00:05:19,190
+لاحظت أنه عمل كمان import لأهم two libraries اللي
+
+73
+00:05:19,190 --> 00:05:22,740
+هم على الـ database أو في الـ dataset، الـ numpy
+
+74
+00:05:22,740 --> 00:05:26,320
+والـ pandas، طبعًا إحنا معظم شغلنا من خلال الـ pandas
+
+75
+00:05:26,320 --> 00:05:31,280
+لكن في مثال اليوم هيلزمنا الـ numpy كذلك لمرة واحدة
+
+76
+00:05:31,280 --> 00:05:35,550
+أو لمرتين، خلينا نعمل run للـ code اللي موجود عندي
+
+77
+00:05:35,550 --> 00:05:39,750
+عمل run، طبعًا سرعة الاستجابة بتعتمد على سرعة الـ
+
+78
+00:05:39,750 --> 00:05:42,950
+connection اللي موجود عندك، طبعًا هنا بيقول لك قد ايش
+
+79
+00:05:42,950 --> 00:05:46,050
+أنت استخدمت من الـ hardest، قد ايش عندك CPU أو إشغال
+
+80
+00:05:46,050 --> 00:05:48,930
+للـ CPU، قد ايش إذا كان عندك إشغال للـ رابط ممكن تطفيه
+
+81
+00:05:48,930 --> 00:05:51,210
+ممكن تعمل restart للجهة بتاعت الـ notebook هذا
+
+82
+00:05:51,210 --> 00:05:59,030
+الـ رابط، بعد ما عملت run أداني رابط في diabetes.csv
+
+83
+00:05:59,030 --> 00:06:02,070
+طبعًا خليني أنا أسمي الـ notebook تبعي diabetes
+
+84
+00:06:06,170 --> 00:06:10,510
+عند الـ score specification
+
+85
+00:06:12,560 --> 00:06:15,840
+وأجي آخذ Notebook جديدة، وأروح أنا أقول له الـ
+
+86
+00:06:15,840 --> 00:06:19,240
+DataFrame، طب أنا خلاص بدي أقرأ الـ database بـ pandas
+
+87
+00:06:19,240 --> 00:06:27,080
+.read_csv اللي زي ما إحنا بنقرأ، وهي الـ
+
+88
+00:06:27,080 --> 00:06:31,220
+single quotation، وهي المسار اللي أنا نسخته، هي كده
+
+89
+00:06:31,220 --> 00:06:34,620
+الأمور تمت، عملية المفروض تمت عملية القراءة عشان أنا
+
+90
+00:06:34,620 --> 00:06:38,920
+أتأكد، وراح أقول DataFrame.head، والـ head ممكن أنا
+
+91
+00:06:38,920 --> 00:06:44,470
+أزودها زي ما قلنا سابقاً، بتعرض أول صفوف من الـ
+
+92
+00:06:44,470 --> 00:06:48,450
+DataFrame اللي أنا قريته، الـ DataFrame هذا مكوّن
+
+93
+00:06:48,450 --> 00:06:53,130
+من حوالي الـ 768 صف، الـ By default
+
+94
+00:06:53,130 --> 00:06:56,490
+الـ head بتجيب عشرة، عفواً، بتجيب خمسة، إذا أنا بدي
+
+95
+00:06:56,490 --> 00:06:59,830
+عشرة أو بدي خمسة أو بدي ثلاثة أو بدي خمسة عشر ممكن
+
+96
+00:06:59,830 --> 00:07:05,350
+أنا أروح أغيره مرة ثانية، فهي راح قرأ لي إياها، اللي
+
+97
+00:07:05,350 --> 00:07:08,840
+قال لي هي البيانات اللي موجودة عندك، بس خليني أقول
+
+98
+00:07:08,840 --> 00:07:14,740
+لكم قدرة الـ Pima Indians Classification، الآن تعرفوا
+
+99
+00:07:14,740 --> 00:07:18,900
+على الـ Attributes بشكل سريع اللي موجودة عنهم، بما
+
+100
+00:07:18,900 --> 00:07:23,120
+أن كل الـ Database أو كل الـ Data Sets مكوّنة من
+
+101
+00:07:23,120 --> 00:07:27,680
+الـ، فعلاً بيسألني عن الـ Pregnancy، عدد مرات
+
+102
+00:07:27,680 --> 00:07:34,600
+الحمل، نسبة الجلوكوز في الدم، ضغط الدم، كم كان،
+
+103
+00:07:34,600 --> 00:07:37,420
+سماكة الجلد، طبعًا سماكة الجلد  مهمة جدًا
+
+104
+00:07:37,420 --> 00:07:44,580
+لأنه بيمثل لي طبقة الدهون، كمية نسبة الأنسولين
+
+105
+00:07:44,580 --> 00:07:48,480
+أو كمية الأنسولين الموجودة، الـ Body Mass Index
+
+106
+00:07:48,480 --> 00:07:52,600
+مؤشر كتلة الجسم، قد ايش؟ طبعًا المفروض كل الناس اللي
+
+107
+00:07:52,600 --> 00:07:55,880
+فوق الـ 30 أو فوق الـ 32 أو 35، أعتقد، إذا أنا مش
+
+108
+00:07:55,880 --> 00:08:01,920
+غلطان يعني، بقول عنهم أصحاب سمنة، الـ DiabetesPedigreeFunction
+
+109
+00:08:01,920 --> 00:08:05,260
+و High Function بتقيس ليه؟ هل
+
+110
+00:08:05,260 --> 00:08:09,120
+المرض هذا مرتبط بعامل وراثي من الأبوين أو من أحد
+
+111
+00:08:09,120 --> 00:08:14,080
+من العائلة؟ قد ايش نسبة الناس اللي في العائلة موجودين
+
+112
+00:08:14,080 --> 00:08:19,540
+أو مصابين بالمرض، المرض السكري، والـ Age الأعمار زي
+
+113
+00:08:19,540 --> 00:08:22,320
+ما قلنا، والـ Outcome اللي هو الـ label أو الـ target
+
+114
+00:08:22,320 --> 00:08:25,800
+تبعنا، The binary classification صفر واحد، واحد
+
+115
+00:08:25,800 --> 00:08:29,380
+مصاب، صفر غير مصاب، وإحنا بدنا نعمل prediction
+
+116
+00:08:29,380 --> 00:08:32,660
+نشوف هل فعليًا اللي هو أنا زودته ببيانات معينة
+
+117
+00:08:32,660 --> 00:08:37,530
+هيقول إنه هذا مصاب أو غير مصاب، تمام، الآن عشان
+
+118
+00:08:37,530 --> 00:08:41,590
+أتعرف على الـ Database بشكل كويس بقول ممكن أنا
+
+119
+00:08:41,590 --> 00:08:49,230
+أروح أقول له الـ DataFrame.describe، والـ
+
+120
+00:08:49,230 --> 00:08:51,510
+Describe بقول لنا هذا بتدينا Simple Statistics، لكن
+
+121
+00:08:51,510 --> 00:08:55,330
+المرحلة هذه بدي Transpose، والناس اللي درست
+
+122
+00:08:55,330 --> 00:08:58,590
+رياضيات منفصلة بتعرف إن الـ Transpose أو دراسة
+
+123
+00:08:58,590 --> 00:09:02,630
+مصفوفات بتعرف إن الـ Transpose بعمل تبديل للصفوف
+
+124
+00:09:02,630 --> 00:09:07,570
+والأعمدة، أخيرًا هي راح جاب لي إياها هون، وبحيث إن الـ
+
+125
+00:09:07,570 --> 00:09:11,790
+statistics الـ count بتمثل عدد الصفوف اللي فيها
+
+126
+00:09:11,790 --> 00:09:18,310
+values، طبعًا كله فيه values عندي هون 768 عدد الـ
+
+127
+00:09:18,310 --> 00:09:21,310
+values، الـ mean المتوسط الحسابي، الـ standard
+
+128
+00:09:21,310 --> 00:09:24,330
+deviation، الـ minimum value، طبعًا جماعة الخير الـ
+
+129
+00:09:24,330 --> 00:09:28,920
+minimum value زي الجلوكوز وضغط الدم، الـ skin
+
+130
+00:09:28,920 --> 00:09:33,280
+thickness، والأنسولين، والـ body mass index، هذه
+
+131
+00:09:33,280 --> 00:09:38,320
+كلها بالنسبة لنا المفروض تكون هذه missing values
+
+132
+00:09:38,320 --> 00:09:41,200
+بس بدها معالجة، لأن مستحيل يكون عندي الـ body mass
+
+133
+00:09:41,200 --> 00:09:44,040
+index صفر، مستحيل يكون الجلوكوز في الدم صفر،
+
+134
+00:09:44,040 --> 00:09:48,490
+مستحيل blood pressure يكون صفر، بس أنا الآن مش هشتغل
+
+135
+00:09:48,490 --> 00:09:51,190
+على الـ database، مش هعملها pre-processing، بينما أنت
+
+136
+00:09:51,190 --> 00:09:54,490
+ملزم إنك تعمل pre-processing للـ database، الـ
+
+137
+00:09:54,490 --> 00:09:57,010
+database ده مش مناسب، أقول لك خذ database ثانية إذا
+
+138
+00:09:57,010 --> 00:10:01,260
+في حد مختار قدر الله، طيب، الآن أنا بحاجة زي ما قلنا
+
+139
+00:10:01,260 --> 00:10:06,380
+عن الـ Database هذه، على علاتها وحافظها، أروح أجهز
+
+140
+00:10:06,380 --> 00:10:11,500
+الـ Data Set للـ Classification، وأهم شغلة
+
+141
+00:10:11,500 --> 00:10:14,660
+في الـ Classification إنه أنا أعمل يا جماعة الخير
+
+142
+00:10:14,660 --> 00:10:18,320
+Split ما بين الـ Data Set، Attribute، آخذ الـ
+
+143
+00:10:18,320 --> 00:10:21,040
+Attributes أو الـ Data Attributes لحال، وآخذ الـ
+
+144
+00:10:21,040 --> 00:10:25,480
+Target Attribute لحالي، وهذا الكلام أنا بدي أروح
+
+145
+00:10:25,480 --> 00:10:34,910
+أسميه تحت "Data" أو "Data Set" "Splitting"
+
+146
+00:10:34,910 --> 00:10:41,750
+"Splitting" أو "Splitting"
+
+147
+00:10:41,750 --> 00:10:43,450
+"Splitting" "Splitting" "Splitting" "Splitting"
+
+148
+00:10:43,450 --> 00:10:43,610
+"Splitting" "Splitting" "Splitting" "Splitting"
+
+149
+00:10:43,610 --> 00:10:44,590
+"Splitting" "Splitting" "Splitting" "Splitting"
+
+150
+00:10:44,590 --> 00:10:44,610
+"Splitting" "Splitting" "Splitting" "Splitting"
+
+151
+00:10:44,610 --> 00:10:44,650
+"Splitting" "Splitting" "Splitting" "Splitting"
+
+152
+00:10:44,650 --> 00:10:44,730
+"Splitting" "Splitting" "Splitting" "Splitting"
+
+153
+00:10:44,730 --> 00:10:44,750
+"Splitting" "Splitting" "Splitting" "Splitting"
+
+154
+00:10:44,750 --> 00:10:56,130
+"Splitting" "Splitting" "Splitting" "Spl
+
+155
+00:10:59,800 --> 00:11:05,500
+Target_Attribute، كيف أنا بدي أعمل الـ
+
+156
+00:11:05,500 --> 00:11:08,140
+Splitting الآن؟ عملية الـ Splitting هي عبارة عن
+
+157
+00:11:08,140 --> 00:11:11,180
+آخذ نسخة من الـ Attributes، أنا ما بدي أخرّب في
+
+158
+00:11:11,180 --> 00:11:13,640
+الـ DataFrame الأصلي اللي موجود عندي هنا، فبأخذ
+
+159
+00:11:13,640 --> 00:11:19,760
+نسخة منه، وراح أقول له أنا هنا الـ Data أو ممكن أسميها الـ
+
+160
+00:11:19,760 --> 00:11:25,480
+Attributes مباشرة، Attribute
+
+161
+00:11:25,480 --> 00:11:31,770
+DataFrame.copy()
+
+162
+00:11:31,770 --> 00:11:39,270
+بدي أحدث الـ Outcome
+
+163
+00:11:39,270 --> 00:11:45,570
+وهذا موجود على الـ Axis رقم واحد، فعلياً مش هيحدثه
+
+164
+00:11:45,570 --> 00:11:48,570
+لأنه ما قلت له إنه copy، فبدي آخذ نسخة من الـ
+
+165
+00:11:48,570 --> 00:11:51,470
+DataFrame هذا وأحدث الـ Outcome، وبدي آخذ منه
+
+166
+00:11:51,470 --> 00:11:56,930
+مين؟ اللي هم في الـ Attributes تمام؟ وفي عندي Target
+
+167
+00:11:59,700 --> 00:12:06,340
+"attribute = DataFrame.drop(the outcome)", وهكذا أصبح لدي two arrays تمثل
+
+168
+00:12:06,340 --> 00:12:15,140
+الـ "attributes" من الـ "age" إلى الـ "pregnancy"
+
+169
+00:12:20,390 --> 00:12:24,550
+والأخير بيمثل الـ Outcome، أنا سميته ايش؟ الـ Target
+
+170
+00:12:24,550 --> 00:12:28,690
+هذا الفصل مهم جدًا يا جماعة الخير بالنسبة لنا لأنه
+
+171
+00:12:28,690 --> 00:12:34,710
+من خلاله أنا بقدر أقول والله إن الـ data تبعتي تمت
+
+172
+00:12:34,710 --> 00:12:38,570
+طبعًا أنا الآن البرنامج جاب لي إنه okay، أخذت رقم
+
+173
+00:12:38,570 --> 00:12:43,890
+أربعة، هذه نفذت بدون أي مشاكل، إذا حابب أنت تعمل
+
+174
+00:12:43,890 --> 00:12:48,070
+الـ attribute describe أو تشوف
+
+175
+00:12:56,430 --> 00:12:59,030
+الخطوة التالية اللي أنا بدي أسويها في الـ
+
+176
+00:12:59,030 --> 00:13:01,630
+preparation، برضه من تحت الـ preparation، اللي أنا
+
+177
+
+223
+00:17:11,250 --> 00:17:16,170
+أو لـ train size 70 تمام؟ وبيمشي الحال، الآن الـ Y
+
+224
+00:17:16,170 --> 00:17:21,530
+train هي عبارة عن 70% من الـ target بناء على الـ
+
+225
+00:17:21,530 --> 00:17:25,620
+index اللي تم أخذها، والـ Y-test هي عبارة عن الـ
+
+226
+00:17:25,620 --> 00:17:29,700
+sample اللي موجودة عندنا طبعاً عشان نتأكد أن الأمور
+
+227
+00:17:29,700 --> 00:17:33,620
+تمام، والـ splitting صح تمت، سأروح أنا أقول له X
+
+228
+00:17:33,620 --> 00:17:40,060
+train.
+
+229
+00:17:40,060 --> 00:17:44,760
+head، وبدي أقول له بس يعرض الأول ثلاثة منهم أو مش
+
+230
+00:17:44,760 --> 00:17:47,620
+قضية، هي الأول عشرة بس عشان نشوف الـ indices اللي
+
+231
+00:17:47,620 --> 00:17:53,740
+موجودة فيها، ولاحظوا زي ما حكينا هذا عبارة عن الـ
+
+232
+00:17:53,740 --> 00:18:01,180
+index. الآن في المقابل، لو أنا روحت عرضت الـ Y
+
+233
+00:18:01,180 --> 00:18:06,600
+-Train، وقلت له هي في السلة اللي بعدها، بس عشان
+
+234
+00:18:06,600 --> 00:18:14,000
+أؤكد لكم الـ Ytrain.head
+
+235
+00:18:14,000 --> 00:18:21,550
+وخليني على عشرة كذلك، Run، طلع معي في الـ index
+
+236
+00:18:21,550 --> 00:18:29,230
+و Y train
+
+237
+00:18:29,230 --> 00:18:29,770
+و Y train
+
+238
+00:18:46,050 --> 00:18:50,710
+أنا أخطأت ثانية يا جماعة الخير في التسمية، هي المفروض
+
+239
+00:18:50,710 --> 00:18:57,310
+X test، X test
+
+240
+00:18:57,310 --> 00:19:07,870
+thirty three five green، سيعمل run مرة ثانية.
+
+241
+00:19:07,870 --> 00:19:15,090
+سيعمل run للـ high أه، هيك تمام. أنا اللي أختار في
+
+242
+00:19:15,090 --> 00:19:19,490
+تركيب العناصر اللي فوق، أبدأ بالـ X test، بالـ
+
+243
+00:19:19,490 --> 00:19:24,250
+attributes، وبالـ Y، الـ target طبعاً، هي ميزة أنه
+
+244
+00:19:24,250 --> 00:19:27,990
+أنا فعلياً بضل أتبّع الـ data شو صار فيها، ما بخطئش،
+
+245
+00:19:27,990 --> 00:19:32,690
+لاحظوا 155، 155 هي نفس الـ index اللي موجود يعني،
+
+246
+00:19:32,690 --> 00:19:34,750
+فأنا أموري من ناحية الـ database الآن أو الـ
+
+247
+00:19:34,750 --> 00:19:38,490
+splitting للـ data جاهزة، بحيث أنه أنا جسمت الـ
+
+248
+00:19:38,490 --> 00:19:41,450
+data، فصلت الـ attributes، الـ data attributes
+
+249
+00:19:41,450 --> 00:19:45,030
+والـ target attributes، فصلت كل واحد فيهم في data
+
+250
+00:19:45,030 --> 00:19:48,810
+file، هو روحت للـ data set أو الـ two data frames
+
+251
+00:19:48,810 --> 00:19:55,210
+دول فصلتهم كمان لـ test set وفوقه train set، وهأبدأ
+
+252
+00:19:55,210 --> 00:20:00,370
+أستخدم train set في موضوع الـ classification الآن.
+
+253
+00:20:00,370 --> 00:20:06,830
+سأبدأ أستخدم الـ K nearest neighbor (KNN)
+
+254
+00:20:06,830 --> 00:20:15,070
+أو ما يعرف بالـ K nearest neighbor
+
+255
+00:20:22,150 --> 00:20:25,250
+هنا، جماعة الخير، في الـ K nearest neighbor model
+
+256
+00:20:25,250 --> 00:20:28,950
+يقول إنها أهم شغلة تريد التعرف عليها، من أين تريد
+
+257
+00:20:28,950 --> 00:20:39,370
+أن تعمل الـ import؟ لأن من الـ scikit-learn.
+
+258
+00:20:39,370 --> 00:20:43,530
+طبعاً هنا عندي عائلة اسمها neighbors أو الـ
+
+259
+00:20:43,530 --> 00:20:47,750
+library، عشان ما أحد يقول ليه عائلة neighbors، سأروح
+
+260
+00:20:47,750 --> 00:20:48,590
+أقول له import
+
+261
+00:20:54,790 --> 00:21:06,810
+from sklearn.neighbors import KNeighborsClassifier as KN
+
+262
+00:21:06,810 --> 00:21:10,870
+as KN
+
+263
+00:21:10,870 --> 00:21:17,930
+الآن هذا الموديل أنا ممكن أنشئه مباشرة KNN
+
+264
+00:21:42,660 --> 00:21:46,440
+والخطوة التالية اللي بعد هيك أنا ممكن أحدد له
+
+265
+00:21:50,220 --> 00:21:53,040
+الـ model أو أروح أعمله fit اللي كان المفروض
+
+266
+00:21:53,040 --> 00:21:57,460
+أحدد له الـ dataset اللي بده يعمل عليها training
+
+267
+00:21:57,460 --> 00:22:02,180
+أو مقارنة، هي المفروض الـ train dataset لكن في
+
+268
+00:22:02,180 --> 00:22:07,800
+ملاحظة مهمة جداً قبل ما نكمل، طبعاً بإمكاني أنا أوقف
+
+269
+00:22:07,800 --> 00:22:11,620
+هذه وأعلقها.
+
+270
+00:22:17,090 --> 00:22:21,130
+الأسماء، جماعة الخير، هي من أجل الاختصار، الـ AS من أجل
+
+271
+00:22:21,130 --> 00:22:24,470
+الاختصار عشان ما أضطر أكتب الاسم بالكامل، يعني لو
+
+272
+00:22:24,470 --> 00:22:29,750
+أنا بدي أكتبها، سأروح أقول KN_model
+
+273
+00:22:29,750 --> 00:22:33,670
+equals
+
+274
+00:22:33,670 --> 00:22:43,610
+KNeighborsClassifier، وKN_model equals
+
+275
+00:22:43,610 --> 00:22:48,470
+خمسة، عفواً، خمسة، خليني أعمل نفسي، أمشي على نفس
+
+276
+00:22:48,470 --> 00:22:51,230
+الـ style هذه، واللي فوق نفس المعنى، بس أنا هنا
+
+277
+00:22:51,230 --> 00:22:55,530
+أختصر في الكتابة بناءً على... بعمل alias name
+
+278
+00:22:55,530 --> 00:22:59,210
+وبأستخدم الـ alias name، الآن بضل أقول لهم الـ KNN
+
+279
+00:22:59,210 --> 00:23:06,010
+_model.fit
+
+280
+00:23:06,010 --> 00:23:12,710
+وفي الـ training، شو بياخد؟ بياخد الـ X_train والـ Y
+
+281
+00:23:12,710 --> 00:23:18,620
+train، لأن هذه هي الـ data اللي أنا بعمل عليها أو
+
+282
+00:23:18,620 --> 00:23:22,260
+من خلالها الـ training. لو أنا اشتغلت، عملت له run
+
+283
+00:23:22,260 --> 00:23:35,620
+وشكلي
+
+284
+00:23:35,620 --> 00:23:37,620
+أنا أخطأت في الـ KNeighborsClassifier
+
+285
+00:23:46,470 --> 00:23:51,630
+KNeighborsClassifier، صح الصح، الـ spelling صح
+
+286
+00:23:51,630 --> 00:24:05,130
+"EG", "EI", "GH", "D", "O", "R", "S"
+
+287
+00:24:05,130 --> 00:24:08,190
+ليش؟
+
+288
+00:24:21,090 --> 00:24:35,170
+ممكن عشان أنا حطيت الـ alias name فوق، عشان
+
+289
+00:24:35,170 --> 00:24:40,270
+حطيت الـ alias name، عشان حطيت الـ alias name، لأن
+
+290
+00:24:40,270 --> 00:24:45,710
+الـ alias name بديله، لكن لو أنا صححت هذا وعلّقت
+
+291
+00:24:45,710 --> 00:24:46,030
+هذه
+
+292
+00:24:52,850 --> 00:25:00,330
+مش هيكون في خطأ، فممكن
+
+293
+00:25:00,330 --> 00:25:03,590
+أنا أستخدم هاي أو هاي حسب الحالة اللي موجودة
+
+294
+00:25:03,590 --> 00:25:08,170
+عليها، تمام. فالـ model أصبح جاهز يتعرف على الـ
+
+295
+00:25:08,170 --> 00:25:10,890
+test data أو الـ test set اللي أنا بدي أشتغل
+
+296
+00:25:10,890 --> 00:25:14,950
+عليها، وهي بطبيعة الحال مجسّمة لـ attributes وطبعاً
+
+297
+00:25:14,950 --> 00:25:19,510
+الخطوة التالية، أنا عم بدي أروح أعمل أو بدي أشوف
+
+298
+00:25:19,510 --> 00:25:23,510
+الـ measures، إيش ممكن يسوي لهالـ element اللي موجود
+
+299
+00:25:23,510 --> 00:25:27,050
+أو الـ model اللي أنا أنشأته، لكن عشان أنا أختبر الـ
+
+300
+00:25:27,050 --> 00:25:30,530
+model، جماعة الخير، أو بدي أجرب الـ model، خليني أشوف
+
+301
+00:25:30,530 --> 00:25:35,450
+أو آخذ عينة من الـ data اللي موجودة عندي في موضوع
+
+302
+00:25:35,450 --> 00:25:39,070
+من
+
+303
+00:25:39,070 --> 00:25:42,450
+الـ dataset بشكل عام، أنا بدي أروح وأقول له أنا
+
+304
+00:25:42,450 --> 00:25:46,190
+طبعاً، أول شيء هيكون استخدام الـ numpy اللي
+
+305
+00:25:46,190 --> 00:25:56,740
+موجودة فوق، سأروح أقول له T1، هذه الـ array مكونة من
+
+306
+00:25:56,740 --> 00:26:07,640
+مجموعة أرقام، وليكن
+
+307
+00:26:07,640 --> 00:26:12,940
+على سبيل المثال الصف الأول، وهذه الـ class موجودة
+
+308
+00:26:12,940 --> 00:26:13,320
+هنا.
+
+309
+00:26:17,220 --> 00:26:21,720
+الـ tabs هذه بدي أستبدلها بـ commas.
+
+310
+00:26:31,800 --> 00:26:35,140
+طبعاً، يا عزيزي، في شغل مهم لازم نقوله الآن، أنه
+
+311
+00:26:35,140 --> 00:26:38,300
+مش ضروري الـ prediction دائماً، يعني ما أحد بيقول
+
+312
+00:26:38,300 --> 00:26:40,800
+الـ prediction بيكون صحيح أو بيكون حقيقي 100%،
+
+313
+00:26:40,800 --> 00:26:43,720
+لازم يكون في أخطاء عندي دائماً أو في معظم الأحيان،
+
+314
+00:26:43,720 --> 00:26:47,160
+يكون في عندك أخطاء، وكل ما ارتفع أو كل ما كانت الـ
+
+315
+00:26:47,160 --> 00:26:50,520
+prediction تبعته، الـ score تبعها أعلى بيكون كويسة.
+
+316
+00:26:50,520 --> 00:26:57,720
+Doc reshaping، كل هذا اعتمد المصفوفة هذه على إي واحد
+
+317
+00:26:57,720 --> 00:27:06,120
+سالب واحد، وطبعاً هاي الـ target، سأحط هنا target equals
+
+318
+00:27:06,120 --> 00:27:14,720
+one، وخليني أنا أنسخ هذه، هيك Ctrl V، وابدأ أجي على
+
+319
+00:27:14,720 --> 00:27:20,760
+الـ raw اللي رقمه خمسة، أنسخه، والـ target تبعته صفر،
+
+320
+00:27:20,760 --> 00:27:23,200
+هذا بدي أسميه T5.
+
+321
+00:27:33,150 --> 00:27:38,710
+بنفس الكلام الـ
+
+322
+00:27:38,710 --> 00:27:47,030
+rows اللي عندي، بكمّس عشان تتحول الـ rows اللي عندي لـ
+
+323
+00:27:47,030 --> 00:27:53,370
+مصفوفة، تمام، بنفس العدد.
+
+324
+00:28:01,810 --> 00:28:08,410
+تمام، ليس مشكلة لأن عندما أنا أعمل train للـ model
+
+325
+00:28:08,410 --> 00:28:11,130
+اللي أنا أنشأته، model.kneighbors لديه method
+
+326
+00:28:11,130 --> 00:28:17,070
+اسمها model.kneighbors، أنا هايه الـ model تبعي KNN
+
+327
+00:28:17,070 --> 00:28:24,430
+_model.kneighbors
+
+328
+00:28:25,990 --> 00:28:30,270
+ولا مين؟ وأعطيه مين؟ وأعط��ه الـ test element اللي
+
+329
+00:28:30,270 --> 00:28:37,030
+أنا بدي أفحصه، وليكن T1 كمُدخل، ومع عدد عناصر الجوار
+
+330
+00:28:37,030 --> 00:28:42,430
+خمسة، عدد عناصر الجوار خمسة. بتحس في لحظة من اللحظات
+
+331
+00:28:42,430 --> 00:28:47,050
+أن الـ K الخمسة اللي أنا عنها، ما لها علاقة بهذه الـ
+
+332
+00:28:47,050 --> 00:28:50,290
+method اللي موجودة. خليني أشوف، وأروح طبعاً هذه الـ
+
+333
+00:28:50,290 --> 00:28:55,370
+method بترجع لي two vectors، الفكتور الأول يمثل الـ
+
+334
+00:28:55,370 --> 00:28:59,930
+distances، كما
+
+335
+00:28:59,930 --> 00:29:08,790
+والفكتور الثاني الـ indices، تمام؟ الـ indices أو الـ
+
+336
+00:29:08,790 --> 00:29:15,850
+indices، نفس المصطلحات، indices لمن؟
+
+337
+00:29:15,850 --> 00:29:18,550
+لـ indices
+
+338
+00:29:22,020 --> 00:29:27,480
+للـ raw اللي هي صاحبة أقصر مسافة، يعني الـ
+
+339
+00:29:27,480 --> 00:29:31,600
+kneighbors هدول بيروحوا بيجيبوا لي أقرب خمسة للـ element
+
+340
+00:29:31,600 --> 00:29:36,760
+لـ T1، أقرب خمسة لـ T1، وبما أنه المفروض T1 يمثل
+
+341
+00:29:36,760 --> 00:29:39,480
+الـ raw الأول في الـ dataset اللي عندي، فسيروح
+
+342
+00:29:39,480 --> 00:29:43,460
+يقول لي الـ index رقم صفر، أو الـ index رقم صفر، هيكون
+
+343
+00:29:43,460 --> 00:29:47,680
+هذا الـ distance تبعك صفر، وهيجيب لي الـ index في
+
+344
+00:29:47,680 --> 00:29:52,680
+مصفوفة ثانية. أنا الآن سأروح أقول له event، خلينا
+
+345
+00:29:52,680 --> 00:29:58,480
+نشوفها في مجال آخر. هي run، الآن المفروض تم التنفيذ.
+
+346
+00:29:58,480 --> 00:30:04,580
+سآخذ كود جديد، وبدي أروح أطبع الـ distances.
+
+347
+00:30:22,010 --> 00:30:26,970
+لاحظوا يا جماعة الخير، صفر، عشرة، خمسة وخمسين،
+
+348
+00:30:26,970 --> 00:30:34,170
+تسعة وعشرة، تسعة وعشرة، عشرين، عشرة
+
+349
+00:30:34,170 --> 00:30:34,270
+وعشرة، وعشرة وعشرة، وعشرة وعشرة، وعشرة وعشرة،
+
+350
+00:30:34,270 --> 00:30:34,290
+عشرة وعشرة، وعشرة وعشرة، وعشرة وعشرة، وعشرة
+
+351
+00:30:34,290 --> 00:30:34,350
+وعشرة، وعشرة وعشرة، وعشرة وعشرة، وعشرة وعشرة، عشرة
+
+352
+00:30:34,350 --> 00:30:34,570
+وعشرة، وعشرة وعشرة، وعشرة وعشرة، وعشرة وعشرة،
+
+353
+00:30:34,570 --> 00:30:38,390
+عشرة وعشرة، وعشرة وعشرة، وعشرة وعشرة، وعشرة
+
+354
+00:30:38,390 --> 00:30:47,440
+وعشرة، وعشرة وعشرة، وعشرة وعشرة، وعشرة وعشرة. هذه
+
+355
+00:30:47,440 --> 00:30:51,080
+أقرب distances، لأنه بيرتب لي إياها ترتيب تصاعدي حسب
+
+356
+00:30:51,080 --> 00:30:54,960
+الأقرب، فالأقرب. طيب، الآن إذا أنا بدي أشوف الـ
+
+357
+00:30:54,960 --> 00:30:58,900
+indices تبع العناصر اللي موجودة عندي، أو بدي أشوف
+
+358
+00:30:58,900 --> 00:31:02,100
+الـ target تبع الـ indices اللي موجودة عندي، ممكن
+
+359
+00:31:02,100 --> 00:31:09,960
+أنا أروح أقول له target of
+
+360
+00:31:09,960 --> 00:31:14,080
+I from
+
+361
+00:31:15,690 --> 00:31:22,530
+الـ I موجودة أين؟ أو عفواً، for الـ I for
+
+362
+00:31:22,530 --> 00:31:30,390
+I in، الـ indices، أنا
+
+363
+00:31:30,390 --> 00:31:34,810
+هذه مصفوفة برضه من بعدي، سأروح أقول له بعد أيام،
+
+364
+00:31:34,810 --> 00:31:35,310
+فأشرح
+
+365
+00:31:52,280 --> 00:32:00,580
+target غلط طبعاً.
+
+366
+00:32:00,580 --> 00:32:04,760
+هان لما كنت بحاول أن أطبع الـ element، بيقول لي إن
+
+367
+00:32:04,760 --> 00:32:08,140
+هذا عبارة عن object، طب الـ object أنا بدي أجيب الـ
+
+368
+00:32:08,140 --> 00:32:10,920
+contents تبعته، أو محتوى الـ object اللي عندي هان.
+
+369
+00:32:10,920 --> 00:32:15,300
+فهينطبع لي بالشكل اللي موجود عندي هان، جلبناها على
+
+370
+00:32:15,300 --> 00:32:19,570
+السبعة اللي موجودة فوق، الـ indices تبعتهم، أو الـ
+
+371
+00:32:19,570 --> 00:32:22,590
+classes بناءً على الـ indices اللي موجودة عندي.
+
+372
+00:32:22,590 --> 00:32:26,550
+يعني احنا اتفقنا الـ indices هي عبارة عن الـ index
+
+373
+00:32:26,550 --> 00:32:33,910
+تبع الـ train set أو الـ X-train القريبة من، أو
+
+374
+00:32:33,910 --> 00:32:39,450
+الأقرب لـ T1�� فكان صفر، وصفر، وهذه الـ labels تبعتهم
+
+375
+00:32:39,450 --> 00:32:43,630
+لأن أنا بدي أعمل voting، سأروح أعدّ أنا هدول، هي واحد،
+
+376
+00:32:43,630 --> 00:32:48,250
+اثنين، ثلاثة، أربعة، خمسة، خمسة من سبعة zero، واثنين
+
+377
+00:32:48,250 --> 00:32:53,530
+من سبعة one، معناته أن الـ class اللي موجود عندي هنا
+
+378
+00:32:53,530 --> 00:32:59,290
+سبعة. طب لو أنا بدي أعيد التجربة هي لخمسة، وهي run
+
+379
+00:32:59,290 --> 00:33:06,780
+السطر اللي بعديها، وهي الـ cell اللي بعديها،
+
+380
+00:33:06,780 --> 00:33:11,760
+فجائني أنه الآن برضه صفر، بس القيم اللي عندي فوق
+
+381
+00:33:11,760 --> 00:33:15,320
+اختلفت، مش قضية لأن هي في الآخر الـ values اللي
+
+382
+00:33:15,320 --> 00:33:18,720
+عندها اختلفت. طب لو أنا فكرت أنه أغير في الـ values
+
+383
+00:33:18,720 --> 00:33:25,840
+اللي عندها، حأروح أعمل run عشان آخذها، okay، هي
+
+384
+00:33:25,840 --> 00:33:32,900
+خليني أقول هنا 30، هي run، لاحظوا الـ distance
+
+385
+00:33:32,900 --> 00:33:38,070
+اختلافها، اختلفت الـ distance كلياً، الآن والأخير هي
+
+386
+00:33:38,070 --> 00:33:44,910
+run، وهيكون في عندي ثلاثة one وأربعة zero، فهو في
+
+387
+00:33:44,910 --> 00:33:47,910
+الآخر هيعمل الـ classification على أنه zero،
+
+388
+00:33:47,910 --> 00:33:51,230
+ممتاز، لكن هذا برضه مش هو الشغل اللي احنا فعلياً
+
+389
+00:33:51,230 --> 00:33:55,450
+محتاجينه، بس نحط بعض الـ comments هنا.
+
+390
+00:34:03,930 --> 00:34:11,170
+print target of
+
+391
+00:34:11,170 --> 00:34:18,030
+the most of
+
+392
+00:34:18,030 --> 00:34:23,630
+the nearest neighbors
+
+393
+00:34:23,630 --> 00:34:24,950
+or
+
+394
+00:34:49,610 --> 00:34:52,410
+"الأزدهار"، "الأزدهار".
+
+395
+00:34:56,600 --> 00:35:01,560
+الآن سأنتقل لجزئية أكثر أهمية عشان نتكلم عنها،
+
+396
+00:35:01,560 --> 00:35:04,920
+classification، عشان أشتغل على classification من
+
+397
+00:35:04,920 --> 00:35:07,640
+نفس الـ library "from sklearn.neighbors import"
+
+398
+00:35:07,640 --> 00:35:13,780
+"import" في عندي الـ "K nearest neighbor" أو الـ
+
+399
+00:3
+
+445
+00:40:00,150 --> 00:40:05,040
+الـ Confusion Matrix الموجودة هنا، في عندي
+
+446
+00:40:05,040 --> 00:40:15,880
+الـ classification model evaluation، هنبدأ
+
+447
+00:40:15,880 --> 00:40:25,940
+الآن، من الـ ASCII layer import matrix
+
+448
+00:40:28,280 --> 00:40:31,460
+الآن بدي أجيب الـ Matrix، إيش الـ Matrix جامعة
+
+449
+00:40:31,460 --> 00:40:34,540
+الخيار؟ تحتوي على أنه من خلالها أنا ممكن أنشأ الـ
+
+450
+00:40:34,540 --> 00:40:37,100
+confusion matrix، أحسب الـ accuracy، أحسب الـ
+
+451
+00:40:37,100 --> 00:40:40,240
+precision، أحسب الـ recall، أحسب الـ F-measure، كل هذه
+
+452
+00:40:40,240 --> 00:40:44,260
+لدى الـ attribute، عفواً، للكلاسيفاير اللي موجود
+
+453
+00:40:44,260 --> 00:40:49,940
+عندها، وخليني أنا أبدأ مع الـ confusion matrix،
+
+454
+00:41:07,520 --> 00:41:13,880
+الـ M، الـ CM،  إيش معنى CM؟
+
+455
+00:41:24,700 --> 00:41:29,180
+هنا كل الـ evaluation functions الموجودة عندنا
+
+456
+00:41:29,180 --> 00:41:33,420
+هتاخد مني شغلتين: هتاخد مني الـ y_test اللي هو الـ
+
+457
+00:41:33,420 --> 00:41:37,260
+label الحقيقي، والـ y_predicted أو الـ predicted
+
+458
+00:41:37,260 --> 00:41:43,800
+الـ y_predict، وهي
+
+459
+00:41:43,800 --> 00:41:48,590
+بدي أروح أقول له اطبع لي الـ matrix اللي عندنا اللي
+
+460
+00:41:48,590 --> 00:41:52,010
+هي الـ Confusion Matrix، الـ Test Set حجمها
+
+461
+00:41:52,010 --> 00:41:57,450
+هي 120, 25، True Positive، True Negative، False Positive، False
+
+462
+00:41:57,450 --> 00:42:02,570
+Negative، False Positive، False Negative، بس إيش الـ
+
+463
+00:42:02,570 --> 00:42:08,250
+classes الموجودة عندي يا جماعة الخير؟ الـ
+
+464
+00:42:08,250 --> 00:42:11,270
+classes يا إخواننا ويا أخواتي بيكونوا  تنتبهوا
+
+465
+00:42:11,270 --> 00:42:13,670
+بشكل كويس، لأنه أنا ما حددت له إيش الـ classes، فإيش
+
+466
+00:42:13,670 --> 00:42:17,770
+هو بياخدهم مباشرةً، بيروح بيعتمد على الآن أول ما قرأت
+
+467
+00:42:17,770 --> 00:42:22,890
+data set، أول ما قرأت data set، إيش أول class واجهه؟
+
+468
+00:42:22,890 --> 00:42:29,870
+طبعاً أنا بتكلم في الـ test set هذا، لأن أول ما
+
+469
+00:42:29,870 --> 00:42:32,730
+زودته، زودته غلط في الـ Y_predict، أول element في
+
+470
+00:42:32,730 --> 00:42:37,250
+الـ Y_test
+
+471
+00:42:37,250 --> 00:42:41,870
+الـ Y_test
+
+472
+00:42:46,220 --> 00:42:49,820
+كان واحد، فخلاص، بيعتبر أنه هذا للـ Class الأول،
+
+473
+00:42:49,820 --> 00:42:53,980
+تمام؟ وهذا للـ Class الثاني، طبعاً هذه العناصر
+
+474
+00:42:53,980 --> 00:42:56,240
+معناته أنها الـ confusion matrix، ومن خلالها أنا
+
+475
+00:42:56,240 --> 00:43:00,000
+بنطلق وبحسب كل حاجة، طب إذا أنا بدي أحسب الـ
+
+476
+00:43:00,000 --> 00:43:05,240
+accuracy الآن،
+
+477
+00:43:05,240 --> 00:43:08,260
+اذكروا، الـ accuracy كانت إيش بتساوي؟ الـ true
+
+478
+00:43:08,260 --> 00:43:12,360
+positive زائد الـ true negative على كل العناصر
+
+479
+00:43:12,360 --> 00:43:13,600
+المجموعة هنا
+
+480
+00:43:19,260 --> 00:43:25,360
+سأقوم بإعادة الـ Accuracy، ACC بتساوي
+
+481
+00:43:25,360 --> 00:43:28,040
+(repeating "تساوي متركز" is removed)
+
+486
+00:43:39,340 --> 00:43:48,690
+بتساوي 72.72، الـ Accuracy للـ Model الموجودة عندنا
+
+487
+00:43:48,690 --> 00:43:55,850
+هان، Matrix.precision  (dot instead of underscore)
+
+488
+00:43:55,850 --> 00:44:01,430
+72.27 ممتاز، بدي أنتقل للخطوة اللي بعدها، لو أنا بدي
+
+489
+00:44:01,430 --> 00:44:05,330
+أحسب الـ F1-score أو الـ precision للـ first
+
+490
+00:44:05,330 --> 00:44:07,690
+class الموجودة عندي هنا
+
+491
+00:44:15,790 --> 00:44:20,710
+بنفس الطريقة الموجودة عندي هنا، بدي أسميها
+
+492
+00:44:20,710 --> 00:44:29,190
+precision = matrix.precision_score (dot instead of underscore)
+
+493
+00:44:29,190 --> 00:44:35,950
+وبدي أعطيه المجموعتين، ولما أنا بدي أقول له
+
+494
+00:44:35,950 --> 00:44:41,010
+(Corrected sentence:  print(precision))
+
+495
+00:44:48,420 --> 00:44:55,240
+بتحملوني، شو رأيكم؟ يعني 65، اللي بعدها أحسن من الـ
+
+496
+00:44:55,240 --> 00:45:01,800
+recall،  الأمور كلها بالشكل هذا اللي هتتجمع، طبعاً
+
+497
+00:45:01,800 --> 00:45:04,560
+لاحظوا الـ classification Model، ككل، الـ Precision، الـ
+
+498
+00:45:04,560 --> 00:45:07,900
+First Class، الـ Recall للـ First Class، هيك هيك هيك (Repeating "هيك" is removed)
+
+499
+00:45:07,900 --> 00:45:11,560
+(Repeating "هيك" is removed)
+
+501
+00:45:29,740 --> 00:45:38,460
+بالنسبة، رأيي صارت بدلعة ودنيا، يا جماعة الخير، No
+
+502
+00:45:38,460 --> 00:45:43,740
+attribute
+
+503
+00:45:43,740 --> 00:45:53,160
+recall_score أو
+
+504
+00:45:53,160 --> 00:45:53,840
+الـ F1-score
+
+505
+00:46:04,040 --> 00:46:10,680
+F1 = matrix.F1_score (dot instead of underscore)
+
+506
+00:46:10,680 --> 00:46:18,160
+(underscore added)
+
+507
+00:46:21,880 --> 00:46:26,800
+آخر شغلة، أنا ممكن أجيب كل الـ values مع بعضها من
+
+508
+00:46:26,800 --> 00:46:31,520
+خلال شغلة نسميها الـ Classification Report
+
+509
+00:46:31,520 --> 00:46:37,800
+الـ Classification Report ممكن يساعدني بشكل كبير
+
+510
+00:46:37,800 --> 00:46:41,520
+بحيث أنه أنا ما احتاجش أن أكتب كل حاجة مع بعضها
+
+511
+00:46:41,520 --> 00:46:45,400
+Classification
+
+512
+00:46:45,400 --> 00:46:45,900
+Report
+
+513
+00:46:50,530 --> 00:46:57,750
+أو الـ cls_report = matrix.classification (underscore added and "dot" instead of "underscore")
+
+514
+00:46:57,750 --> 00:47:01,430
+_report (underscore added)
+
+515
+00:47:01,430 --> 00:47:10,310
+بدي أدّيله الـ method أو عفواً
+
+516
+00:47:10,310 --> 00:47:14,010
+الـ to function أو أزوده بالـ predicted، بالـ true
+
+517
+00:47:14,010 --> 00:47:18,670
+label والـ predicted label، وحروح أقول له هنا، اطبع لي
+
+518
+00:47:18,670 --> 00:47:19,890
+الـ classifier
+
+519
+00:47:23,050 --> 00:47:26,830
+"Classification Report"، وهنا جاب لي الرابورت
+
+520
+00:47:26,830 --> 00:47:32,290
+الكامل، بدأ بالـ "Precision"، والـ "Recall"، والـ "F1
+
+521
+00:47:32,290 --> 00:47:36,090
+Score"،  أي القيم الثلاث اللي موجودة عندها للـ
+
+522
+00:47:36,090 --> 00:47:41,470
+"Class"، طبعاً للـ "Class Zero"، لأن الـ "Report"
+
+523
+00:47:41,470 --> 00:47:45,430
+لازم يبين كل القيم، لازم يبين كل حاجة، الآن الـ
+
+524
+00:47:45,430 --> 00:47:51,210
+"Recall"، الـ "Precision"
+
+525
+00:47:51,210 --> 00:47:55,870
+83، الـ Recall 78، الـ F1-score
+
+526
+00:47:55,870 --> 00:48:07,230
+والـ Accuracy وينها؟ ليش هي كترت داخلات مع بعض؟
+
+527
+00:48:15,290 --> 00:48:21,970
+الـ Accuracy بشكل عام هي 73، لماذا
+
+528
+00:48:21,970 --> 00:48:26,930
+72.72؟ هنا في الـ robot عمل الـ rounding أو
+
+529
+00:48:26,930 --> 00:48:32,090
+القيم الموجودة عندك هنا، فهي فعلياً 72.72، فبعمل
+
+530
+00:48:32,090 --> 00:48:34,950
+الـ rounding، الآن الـ Recall للـ Zero زي ما قلنا
+
+531
+00:48:34,950 --> 00:48:38,090
+83، الـ Precision والـ Recall للـ Class الأول
+
+532
+00:48:43,190 --> 00:48:49,230
+هي الـ Class number one لما
+
+533
+00:48:49,230 --> 00:48:56,040
+قلت له احسب الـ precision، جالي 66، هذه هي تقريباً الـ
+
+534
+00:48:56,040 --> 00:49:03,800
+55.كذا، الـ 56، الـ recall اللي هي 55.8، بعملها
+
+535
+00:49:03,800 --> 00:49:10,240
+تقريباً، الـ F1-score اللي كانت بتمثل الـ 60، تمام؟
+
+536
+00:49:10,240 --> 00:49:13,960
+والـ support  لـ values الموجودة عندها فهي في الـ
+
+537
+00:49:13,960 --> 00:49:16,880
+report هذا، أنا جيبت كل الـ values بالنسبة لي لمرة
+
+538
+00:49:17,890 --> 00:49:23,690
+واحدة، بتمنى يكون الفيديو هذا يوضح لكم فعلياً إيش
+
+539
+00:49:23,690 --> 00:49:27,590
+أنا محتاج في الـ classification، طبعاً هذا الكلام
+
+540
+00:49:27,590 --> 00:49:32,170
+بيطبق مع كل data set أو مع كل classification
+
+541
+00:49:32,170 --> 00:49:36,630
+model، وكل classification model فيه خاصية معينة،
+
+542
+00:49:36,630 --> 00:49:40,210
+يمكن يكون الشغل الوحيد الآن في الاختلاف عندكم اللي
+
+543
+00:49:40,210 --> 00:49:42,770
+هو استدعاء الـ classifier،  باريخ الاستفعال الـ
+
+544
+00:49:42,770 --> 00:49:47,870
+classifier، بينما الـ fit حتظل ثابتة للجميع، الـ
+
+545
+00:49:47,870 --> 00:49:51,270
+predict حتظل ثابتة للجميع، والـ measurement حتظل
+
+546
+00:49:51,270 --> 00:49:56,590
+موجودة لكل العناصر، لكل الـ classifiers بنفس
+
+547
+00:49:56,590 --> 00:50:00,910
+الطريقة، أنا هيك خلصت، بتمنى إن شاء الله تعالى
+
+548
+00:50:04,250 --> 00:50:07,330
+أتمنى من الله تبارك وتعالى أن أكون فعلاً وفقت
+
+549
+00:50:07,330 --> 00:50:10,850
+في أني خلال التسجيل هذا أني أوضح لكم موضوع
+
+550
+00:50:10,850 --> 00:50:16,390
+الـ classification، ومن خلاله استخدمت الـ Canary
+
+551
+00:50:16,390 --> 00:50:20,370
+Snapper واستخدمت الـ Kaggle كـ Tool مختلفة عن الـ
+
+552
+00:50:20,370 --> 00:50:24,770
+IPython في الـ local machine الموجودة عندي، إذا في
+
+553
+00:50:24,770 --> 00:50:29,270
+أي سؤال، احفظوه  لـ next session، الـ online session
+
+554
+00:50:29,270 --> 00:50:33,690
+of the discussion، وعسى أن نكون وفقنا
+
+555
+00:50:33,690 --> 00:50:36,530
+دائماً وأبداً، والسلام عليكم ورحمة الله وبركاته

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/9DgNoAZTwqg_raw.srt

@@ -0,0 +1,2236 @@
+1
+00:00:04,520 --> 00:00:06,480
+بسم الله الرحمن الرحيم الصلاة والسلام على رسول
+
+2
+00:00:06,480 --> 00:00:11,160
+الله أهلا وسهلا بكم في لقاءة من جديد من لقاءات
+
+3
+00:00:11,160 --> 00:00:16,280
+مساقة تنقيب البيانات وان شاء الله اليوم سأتكلم
+
+4
+00:00:16,280 --> 00:00:21,680
+معاكم عن .. سأشتغل معاكم عملي زي ما أشتغلت في الـ
+
+5
+00:00:21,680 --> 00:00:25,520
+preprocessing سأعمل فيديو قصير عن ال
+
+6
+00:00:25,520 --> 00:00:28,120
+classification وماذا أريد أن أفعل في عمل ال
+
+7
+00:00:28,120 --> 00:00:32,800
+classificationوحشكل على الكجل كـ Environment ممكن
+
+8
+00:00:32,800 --> 00:00:37,740
+أنتم تستخدموها في موضوع الـ Data Mining أو الـ
+
+9
+00:00:37,740 --> 00:00:41,800
+Data Science وحاجات كتفي فقط بـ Classifier راحل
+
+10
+00:00:41,800 --> 00:00:44,920
+والـ Classifier هذا له خصوصية شوية ضمن كل فيديو
+
+11
+00:00:44,920 --> 00:00:48,040
+هذه ساعدكم في فهم أو في عمل الواجب بشكل صحيح
+
+12
+00:00:48,040 --> 00:00:52,300
+تمضبنكم في الواجب تستخدموا ال data set تبعكم
+
+13
+00:00:52,300 --> 00:00:57,290
+وتقارنوا ال performance تبع ال three classifiersمن
+
+14
+00:00:57,290 --> 00:01:02,050
+أربعة احنا خدنا الـ Canary Sniper والـ Naive Bison
+
+15
+00:01:02,050 --> 00:01:04,890
+والـ Neural Network والـ Decision Tree هدول
+
+16
+00:01:04,890 --> 00:01:07,650
+الأربعة انا شرحتهم في تسجيلات السابقة المضمون انكم
+
+17
+00:01:07,650 --> 00:01:10,210
+تختاروا التلاتة و تطبقوهم على ال data set اللي
+
+18
+00:01:10,210 --> 00:01:15,770
+موجودة عندكم، الآن انا شاء الله تعالى هبدأ اعمل
+
+19
+00:01:15,770 --> 00:01:19,160
+sharing للشاشة اللي موجودة عندهاأحاول في الفيديو
+
+20
+00:01:19,160 --> 00:01:23,460
+أنتقل لموضوع الـ Sharing وأتكلم على الـ Data Set
+
+21
+00:01:23,460 --> 00:01:29,580
+أو على الـ Element اللي أنا .. البرنامج
+
+22
+00:01:29,580 --> 00:01:35,640
+اللي أنا بدأ أشتغل عليه بداية خليني أنا أروح أعمل
+
+23
+00:01:35,640 --> 00:01:40,900
+Share للـ Desktop هي
+
+24
+00:01:40,900 --> 00:01:44,300
+Share للـ Desktop بالكامل وبعد التسجيل المفروض للـ
+
+25
+00:01:44,300 --> 00:01:45,700
+Desktop وأنا الآن
+
+26
+00:02:07,030 --> 00:02:12,390
+بسم الله هيالكاجل.com أنا أيه الحساب على الكاجل؟
+
+27
+00:02:12,600 --> 00:02:16,280
+اللي انشأته من تبقى الإحساب آخر لكن هذا أنا أنشأته
+
+28
+00:02:16,280 --> 00:02:25,400
+من فترة بخصوص اللي اللي اللي اللي اللي
+
+29
+00:02:25,400 --> 00:02:25,680
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+30
+00:02:25,680 --> 00:02:25,740
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+31
+00:02:25,740 --> 00:02:26,100
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+32
+00:02:26,100 --> 00:02:26,620
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+33
+00:02:26,620 --> 00:02:26,900
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+34
+00:02:26,900 --> 00:02:27,000
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+35
+00:02:27,000 --> 00:02:27,040
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+36
+00:02:27,040 --> 00:02:32,220
+اللي اللي اللي اللي اللي
+
+37
+00:02:32,220 --> 00:02:32,220
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+38
+00:02:32,220 --> 00:02:38,740
+اللي اللي اللي اللي
+
+39
+00:02:38,740 --> 00:02:42,760
+اللي اللوبحدد ال database هي بيما انديام ديابيتاس
+
+40
+00:02:42,760 --> 00:02:46,120
+ال database هي مشهورة عالمياً أنا مش هروح أحملها
+
+41
+00:02:46,120 --> 00:02:50,880
+كمان مرة فاللي already اذا حملتها بكون انتهيت من
+
+42
+00:02:50,880 --> 00:02:55,620
+الملف اللي موجود عندي و هنتقل الخطوة التالية هروح
+
+43
+00:02:55,620 --> 00:03:01,840
+انا أقوله في ال data set اللي موجودة عندي هي بيما
+
+44
+00:03:01,840 --> 00:03:02,680
+ديابيتاس
+
+45
+00:03:07,480 --> 00:03:16,400
+وأنا بدي أستخدم الـ Dataset Hi طبعا
+
+46
+00:03:16,400 --> 00:03:18,840
+الـ Dataset جمال الغير عشان نفهمها بشكل سريع الـ
+
+47
+00:03:18,840 --> 00:03:23,280
+Dataset هي ناتجة عن المركز الوطني لأمراض السكري
+
+48
+00:03:23,280 --> 00:03:30,540
+والحمية والأمراض الكلةالهدف منها إنه فعليًا
+
+49
+00:03:30,540 --> 00:03:33,860
+يحاولوا يتنبأوا هل المريض هذا هو مؤصاب سكري أو لا
+
+50
+00:03:33,860 --> 00:03:36,980
+بناءً على التشخيصات اللي هي موجودة في ال database
+
+51
+00:03:36,980 --> 00:03:39,800
+اللي موجودة قدامها هي موجودة أعظم مكوّنة من تمانية
+
+52
+00:03:39,800 --> 00:03:42,780
+attributes زي اللي هنشوفها كمان شوية «several
+
+53
+00:03:42,780 --> 00:03:44,920
+constraints were placed on the solution of the
+
+54
+00:03:44,920 --> 00:03:50,400
+ice» وهذه ال database مكوّنة بتتناول ال female
+
+55
+00:03:50,400 --> 00:03:54,220
+patients only all the patients here are females at
+
+56
+00:03:54,220 --> 00:04:03,460
+leastعلى الأقل يكونوا 21 سنة يعني 21 سنة من بيما
+
+57
+00:04:03,460 --> 00:04:07,860
+المنطقة اللي موجودة فيها طبعا هذا كل الكلام انا ما
+
+58
+00:04:07,860 --> 00:04:11,300
+الاصل اللي شفته عندما اتعرفته على ال database
+
+59
+00:04:11,300 --> 00:04:16,980
+والان بده اروح حقوله new notebook
+
+60
+00:04:22,650 --> 00:04:26,450
+الآن الـ New Notebook هو Jupiter Notebook إنشأليه
+
+61
+00:04:26,450 --> 00:04:30,910
+الـ Kaggle، والآن جاب لي هذه كل الكود عشان يعمل
+
+62
+00:04:30,910 --> 00:04:35,490
+import لمين لل database اللي موجودة عنديها، طبعاً
+
+63
+00:04:35,490 --> 00:04:40,590
+هذا الفرق الوحيد ما بين الـ Online، الـ Python
+
+64
+00:04:40,590 --> 00:04:46,370
+Jupiter Notebook أو الـ Localاللي في الآخر انت لما
+
+65
+00:04:46,370 --> 00:04:49,210
+بنعمل import كنا بنزوده بالمسار اللي موجود، طب مين
+
+66
+00:04:49,210 --> 00:04:53,790
+بيحدد المسار؟ هذه موجودة على cloud أو على driver
+
+67
+00:04:56,070 --> 00:04:59,490
+فاحنا بنختارها بكل بساطة بدون إيش بدون ما يكون في
+
+68
+00:04:59,490 --> 00:05:02,650
+عندنا ال .. عفوا فبتروح بتزوّدنا إيه أغلى كاجل
+
+69
+00:05:02,650 --> 00:05:05,090
+بدون ما تكون في عندنا مشاكل الأصل إحنا هذا ال code
+
+70
+00:05:05,090 --> 00:05:09,710
+إذا بدنا نشتغل online نرفعه أو نتعلمه أو نحفظه لأن
+
+71
+00:05:09,710 --> 00:05:12,250
+هذا ال code هيلزمنا مع الكاجل و غالبا هو نفسه
+
+72
+00:05:12,250 --> 00:05:16,350
+موجود مع ال collab ما علينا أن الأن لو أنا طبعا
+
+73
+00:05:16,350 --> 00:05:19,190
+ناحظ أنه عمل كمان import لأهم two libraries اللي
+
+74
+00:05:19,190 --> 00:05:22,740
+هم على ال databaseأو في الـ dataset الـ numpy
+
+75
+00:05:22,740 --> 00:05:26,320
+والبانداز طبعاً أحنا معظم شغلنا من خلال البانداز
+
+76
+00:05:26,320 --> 00:05:31,280
+لكن في مثال اليوم هيلزمنا ال numpy كذلك لمرة واحد
+
+77
+00:05:31,280 --> 00:05:35,550
+أو لمرتين خلينا نعمل runللـ code اللي موجود عندها
+
+78
+00:05:35,550 --> 00:05:39,750
+عمل run طبعاً سرعة الاستجابة بتعتمد على سرعة ال
+
+79
+00:05:39,750 --> 00:05:42,950
+connection اللي موجود عندك طبعاً هنف يقولك جديش
+
+80
+00:05:42,950 --> 00:05:46,050
+انت استخدمت من ال hardest جديش عندك CPU او إشغال
+
+81
+00:05:46,050 --> 00:05:48,930
+للـ CPU جديش إذا كان عندك إشغال للرابط ممكن تطفو
+
+82
+00:05:48,930 --> 00:05:51,210
+ممكن تعمل restart للجهة بتاع ال notebook هذا
+
+83
+00:05:51,210 --> 00:05:59,030
+الرابط بعد ما عملت run أداني رابط في diabetes.csv
+
+84
+00:05:59,030 --> 00:06:02,070
+طبعا خليني أنا أسمي ال notebook تبعي diabetes
+
+85
+00:06:06,170 --> 00:06:10,510
+عند الـ score specification
+
+86
+00:06:12,560 --> 00:06:15,840
+وأجي أخد Notebook جديدة وحروح أنا أقول له الـ
+
+87
+00:06:15,840 --> 00:06:19,240
+DataFrame طب أنا خلاص بدي أقرأ ال database pandas
+
+88
+00:06:19,240 --> 00:06:27,080
+.read underscore csv اللي زي ما أحنا بنقرأ وهي ال
+
+89
+00:06:27,080 --> 00:06:31,220
+single quotation وهي المسار اللي أنا نسخته هي كده
+
+90
+00:06:31,220 --> 00:06:34,620
+الأمور تمت عملية المفروض تم عملية القراءة عشان أنا
+
+91
+00:06:34,620 --> 00:06:38,920
+أتأكد ورح أقول ال DataFrame.head والhead ممكن أنا
+
+92
+00:06:38,920 --> 00:06:44,470
+أزودها زي ما قولنا سابقاًبتعرض الأول صفوف من الـ
+
+93
+00:06:44,470 --> 00:06:48,450
+DataFrame اللي أنا قرأته الـ DataFrame هذا مكوّن
+
+94
+00:06:48,450 --> 00:06:53,130
+من حوالي الـ 708 الـ و سبتين row الـ By default
+
+95
+00:06:53,130 --> 00:06:56,490
+الـ head بتجيب عشرة، عفوا، بتجيب خمسة، إذا أنا بدي
+
+96
+00:06:56,490 --> 00:06:59,830
+عشرة أو بدي خمسة أو بدي تلاتة أو بدي خمستاشر ممكن
+
+97
+00:06:59,830 --> 00:07:05,350
+أنا أروح أغيره مرة تانية، فهي راح قرأليها اللي
+
+98
+00:07:05,350 --> 00:07:08,840
+قاللي هي البيانات اللي موجودة عندكبس خلّيني أقول
+
+99
+00:07:08,840 --> 00:07:14,740
+لكم قدرة الـ Pages Classification 1 الأن تعرفوا
+
+100
+00:07:14,740 --> 00:07:18,900
+على الـ Attributes بشكل سريع اللي موجودة عنهم بما
+
+101
+00:07:18,900 --> 00:07:23,120
+أن كل الـ Database أو كل الـ Data Sets مكوّنة من
+
+102
+00:07:23,120 --> 00:07:27,680
+الـ Gmail فعلا بيسألني عن ال-Pregnancyعدد مرات
+
+103
+00:07:27,680 --> 00:07:34,600
+الحمل، نسبة الجلوكوز في الدم، ضغط الدم، كم كان،
+
+104
+00:07:34,600 --> 00:07:37,420
+سماكة الجلد، طبعاً سماكة الجلد جامعة الخير مهمة
+
+105
+00:07:37,420 --> 00:07:44,580
+لأنه بيمثلها في طبقة الدهون، كمية نسبة الأنسولين
+
+106
+00:07:44,580 --> 00:07:48,480
+أو كمية الأنسولين الموجودة الـ Body Mass Index
+
+107
+00:07:48,480 --> 00:07:52,600
+مؤشر كتلة الجسد الجدش طبعا المفروض كل الناس اللي
+
+108
+00:07:52,600 --> 00:07:55,880
+فوق الـ30 أو فوق الـ32 أو 35، أعتقد إذا أنا مش
+
+109
+00:07:55,880 --> 00:08:01,920
+أوطاني يعنيبقول عنهم أصحاب سمنة، الـ diabetes بـ
+
+110
+00:08:01,920 --> 00:08:05,260
+degree function و high function بتجيس ليه؟ هل
+
+111
+00:08:05,260 --> 00:08:09,120
+المرض هذا مرتبط بالعامل وراتي من الأبوين أو من أحد
+
+112
+00:08:09,120 --> 00:08:14,080
+من العائلة؟ جدش نسبة الناس اللي في العائلةموجودين
+
+113
+00:08:14,080 --> 00:08:19,540
+أو مصابين بالمرض، المرض السكري والـ Age الأعمار زي
+
+114
+00:08:19,540 --> 00:08:22,320
+ما قلنا والـ Outcome اللي هو ال label أو ال target
+
+115
+00:08:22,320 --> 00:08:25,800
+تبعتنا The binary classification صفر واحد، واحد
+
+116
+00:08:25,800 --> 00:08:29,380
+مصاب، صفر غير مصاب، واحنا بدنا نعمل prediction
+
+117
+00:08:29,380 --> 00:08:32,660
+نشوف هل فعليا اللي هو أنا زودته ببيانات معينة
+
+118
+00:08:32,660 --> 00:08:37,530
+هيقول إنه هذا مصاب أو غير مصاب، تمامالآن عشان
+
+119
+00:08:37,530 --> 00:08:41,590
+أتعرف على الـ Database بشكل كويس بقولنا ممكن انا
+
+120
+00:08:41,590 --> 00:08:49,230
+أروح أقوله الـ DataFrame.Describe والـ
+
+121
+00:08:49,230 --> 00:08:51,510
+Describe بقولنا هذا بتدينا Simple Statistics لكن
+
+122
+00:08:51,510 --> 00:08:55,330
+المرحلة ها دي بدي Transpose والناس اللي درست
+
+123
+00:08:55,330 --> 00:08:58,590
+رياضيات منفصلة بتعرف ان ال Transpose أو دراسة
+
+124
+00:08:58,590 --> 00:09:02,630
+مصفوفات بتعرف ان ال Transpose بعمل تبديل للصفوف
+
+125
+00:09:02,630 --> 00:09:07,570
+والأعنيلةأخيرًا هي راح جابليهم هان وبحيث ان ال
+
+126
+00:09:07,570 --> 00:09:11,790
+statistics ال count بتمثل عدد الصفوف اللي فيها
+
+127
+00:09:11,790 --> 00:09:18,310
+values طبعًا كله فيه values عندي هان 678 عدد ال
+
+128
+00:09:18,310 --> 00:09:21,310
+values ال main المتوسط الحسابي ال standard
+
+129
+00:09:21,310 --> 00:09:24,330
+deviation ال minimum value طبعًا جماعة الخير ال
+
+130
+00:09:24,330 --> 00:09:28,920
+minimum value زي الجليكوز وضغط الدمو الـ skin
+
+131
+00:09:28,920 --> 00:09:33,280
+thickness و الانسولين و ال body mass index، هذه
+
+132
+00:09:33,280 --> 00:09:38,320
+كلها بالنسبة لنا المفروض تكون هذه missing values
+
+133
+00:09:38,320 --> 00:09:41,200
+بس بدها معالجة، لأن مستحيل يكون عندي ال body mass
+
+134
+00:09:41,200 --> 00:09:44,040
+index صفر، مستحيل يكون الجليكوز في الدم صفر،
+
+135
+00:09:44,040 --> 00:09:48,490
+مس��حيل blood pressure يكون صفربس أنا الان مش هشغل
+
+136
+00:09:48,490 --> 00:09:51,190
+على ال database مش هعملها pre-processing بينما انت
+
+137
+00:09:51,190 --> 00:09:54,490
+ملزم انك تعمل pre-processing لل database ال
+
+138
+00:09:54,490 --> 00:09:57,010
+database ده مش مناسب أقولك خد database تانية إذا
+
+139
+00:09:57,010 --> 00:10:01,260
+في حد مختار قدر اللهطيب، الآن أنا بحاجة زي ما قلنا
+
+140
+00:10:01,260 --> 00:10:06,380
+عن الـ Database هذه على علاتها وحافظة أروح أجهز
+
+141
+00:10:06,380 --> 00:10:11,500
+الـ Data Set للترانسي للـ Classification وأهم شغلة
+
+142
+00:10:11,500 --> 00:10:14,660
+في الـ Classification أنه أنا أعمل يا جماعة الخير
+
+143
+00:10:14,660 --> 00:10:18,320
+Split ما بين الـ Data Set Attribute أخد الـ
+
+144
+00:10:18,320 --> 00:10:21,040
+Attributes أو الـ Data Attributes لحال وأخد الـ
+
+145
+00:10:21,040 --> 00:10:25,480
+Target Attribute لحالي وهذا الكلام أنا بدي أروح
+
+146
+00:10:25,480 --> 00:10:34,910
+أسميها تحت«Data» أو «Data Set» «Splitting»
+
+147
+00:10:34,910 --> 00:10:41,750
+«Splitting» أو «Splitting»
+
+148
+00:10:41,750 --> 00:10:43,450
+«Splitting» «Splitting» «Splitting» «Splitting»
+
+149
+00:10:43,450 --> 00:10:43,610
+«Splitting» «Splitting» «Splitting» «Splitting»
+
+150
+00:10:43,610 --> 00:10:44,590
+«Splitting» «Splitting» «Splitting» «Splitting»
+
+151
+00:10:44,590 --> 00:10:44,590
+«Splitting» «Splitting» «Splitting» «Splitting»
+
+152
+00:10:44,590 --> 00:10:44,610
+«Splitting» «Splitting» «Splitting» «Splitting»
+
+153
+00:10:44,610 --> 00:10:44,650
+«Splitting» «Splitting» «Splitting» «Splitting»
+
+154
+00:10:44,650 --> 00:10:44,730
+«Splitting» «Splitting» «Splitting» «Splitting»
+
+155
+00:10:44,730 --> 00:10:44,750
+«Splitting» «Splitting» «Splitting» «Splitting»
+
+156
+00:10:44,750 --> 00:10:44,750
+«Splitting» «Splitting» «Splitting» «Splitting»
+
+157
+00:10:44,750 --> 00:10:56,130
+«Splitting» «Splitting» «Splitting» «Spl
+
+158
+00:10:59,800 --> 00:11:05,500
+Target Underscore Attribute كيف أنا بدي أعمل الـ
+
+159
+00:11:05,500 --> 00:11:08,140
+Splitting الآن؟ عملية الـ Splitting هي عبارة عن
+
+160
+00:11:08,140 --> 00:11:11,180
+أخد نصخة من الـ Attributes أنا ما بديش أخرّب في
+
+161
+00:11:11,180 --> 00:11:13,640
+الـ Data Frame الأصلي اللي موجود عندي هنا فبتحتقط
+
+162
+00:11:13,640 --> 00:11:19,760
+فيه و هروح أقوله أنا هنا ال Data أو ممكن أسميها ال
+
+163
+00:11:19,760 --> 00:11:25,480
+Attributes مباشرة Attribute
+
+164
+00:11:25,480 --> 00:11:31,770
+Equalالـ DataFrame.prop
+
+165
+00:11:31,770 --> 00:11:39,270
+بدي أحدث الـ Outcome
+
+166
+00:11:39,270 --> 00:11:45,570
+وهذا موجود على الـ Axis أرقم واحد فعليه مش هيحدثه
+
+167
+00:11:45,570 --> 00:11:48,570
+لأنه لم أقول له إنه Blast فبدي أخد نسخة من ال
+
+168
+00:11:48,570 --> 00:11:51,470
+DataFrame هذا و بيحدث ال Outcome وبدي أخذلني فيه
+
+169
+00:11:51,470 --> 00:11:56,930
+مين بحقليهم في ال Attributes تمام؟ وفي عندي Target
+
+170
+00:11:59,700 --> 00:12:06,340
+«attribute equals dataFrame dot أو dataFrame of
+
+171
+00:12:06,340 --> 00:12:15,140
+the outcome» وهكذا أصبح لدي two arrays تمثل
+
+172
+00:12:15,140 --> 00:12:20,140
+الـ «attributes» من الـ «age» إلى الـ «pregnancy»
+
+173
+00:12:20,390 --> 00:12:24,550
+والأخير بيمثل الـ Outcome أنا سميته إيش الـ Target
+
+174
+00:12:24,550 --> 00:12:28,690
+هذا الفصل مهم جدًا يا جماعة الخير بالنسبة لنا لأنه
+
+175
+00:12:28,690 --> 00:12:34,710
+من خلاله أنا بقدر أقول والله أنه ال data تبعتي تمت
+
+176
+00:12:34,710 --> 00:12:38,570
+طبعًا أنا الآن عملي ترنمج جابلي إنه okay أخدت رقم
+
+177
+00:12:38,570 --> 00:12:43,890
+أربعة سل هذه نفذت بدون أي مشاكل إذا حابب أنت تعمل
+
+178
+00:12:43,890 --> 00:12:48,070
+ال attribute describe أو تشوف
+
+179
+00:12:56,430 --> 00:12:59,030
+الخطوة التالية اللي أنا بدي أسويها في الـ
+
+180
+00:12:59,030 --> 00:13:01,630
+preparation، برضه من تحت الـ preparation، اللي أنا
+
+181
+00:13:01,630 --> 00:13:04,870
+بدي أجسم ال data set اللي موجودة عندي الآن، اللي
+
+182
+00:13:04,870 --> 00:13:13,140
+هي ال attributesالـ Data Attributes والـ Target
+
+183
+00:13:13,140 --> 00:13:17,480
+Attributes بدي أجسمهم على مستوى الـ Rows بحيث أنه
+
+184
+00:13:17,480 --> 00:13:20,700
+أجهز الـ Training Set والـ Testing Set زي ما أحنا
+
+185
+00:13:20,700 --> 00:13:29,740
+أبني علىها إيه هان؟ Splitting The
+
+186
+00:13:29,740 --> 00:13:34,080
+Data Set
+
+187
+00:13:34,080 --> 00:13:45,000
+واحنا بين جلسينحكّم الـ Attribute و
+
+188
+00:13:45,000 --> 00:13:59,550
+Target into Training and Test Setعشان أنفذ الكلام
+
+189
+00:13:59,550 --> 00:14:03,850
+هذا أنا بدي أروح من ال AsciiLab.model طبعاً هنا
+
+190
+00:14:03,850 --> 00:14:07,090
+بدي أبدأ أول أستخدم أول مكتبة بعد الـBandas اللي
+
+191
+00:14:07,090 --> 00:14:12,730
+موجودة فوق فهاجله from AsciiLab والـ AsciiLab يا
+
+192
+00:14:12,730 --> 00:14:16,350
+جماعة الخير أهم مكتبة بالنسبة لإلنا موجودة ممكن
+
+193
+00:14:16,350 --> 00:14:23,650
+أنا أستخدمها model underscore selection model
+
+194
+00:14:23,650 --> 00:14:24,530
+selection
+
+195
+00:14:29,600 --> 00:14:31,180
+ماذا أريد أن أستخدم من الـ Modeling و الـ
+
+196
+00:14:31,180 --> 00:14:36,860
+Selection؟ سأستخدم crane underscore test
+
+197
+00:14:36,860 --> 00:14:43,660
+underscore split function أو ميثود الموجودة في
+
+198
+00:14:43,660 --> 00:14:49,100
+داخلها الميثود هايبتش بتاخد مني argument هذه
+
+199
+00:14:49,100 --> 00:14:55,860
+الميثود بتاخد مني argument أهمها تلقى شغلات الـ
+
+200
+00:14:55,860 --> 00:14:59,140
+attributes ال data set اللي أنا
+
+201
+00:15:02,640 --> 00:15:07,240
+أشغل عليها الـ Attributes كأخد مني الـ Target،
+
+202
+00:15:07,240 --> 00:15:14,080
+تمام؟ دعني أتأكد إن كنت بالـ Target صح هما، والـ
+
+203
+00:15:14,080 --> 00:15:19,740
+Test أو الـ Train Size Test underscore Size بدها
+
+204
+00:15:19,740 --> 00:15:26,640
+تساوي 30% الآن شوف بسهولة، فعليًا بروح بجسم الـ
+
+205
+00:15:26,640 --> 00:15:31,340
+Attributes والـ Targets هما as one data frame
+
+206
+00:15:31,340 --> 00:15:36,000
+فعليًاالـ Index اللي موجود في الـ Attribute الأول
+
+207
+00:15:36,000 --> 00:15:39,760
+أو مع الـ Attributes هو نفس الـ Index الموجود على
+
+208
+00:15:39,760 --> 00:15:44,180
+الـ Target بس أنا فصلتهم كأعلى ده عن بعضهم لكن الـ
+
+209
+00:15:44,180 --> 00:15:48,140
+Index بقى نفس الترتيب، ماصارش فيه عليه الشغل طيب،
+
+210
+00:15:48,140 --> 00:15:52,520
+وبالتالي هو هياخد Random Sample نسبة 30% من الـ
+
+211
+00:15:52,520 --> 00:15:57,260
+Indices اللي موجودة هنا ويعمل الـ Reaction 30% هذه
+
+212
+00:15:57,260 --> 00:16:04,240
+هترجع في لمين؟ هترجع لـ X Testوالـ Y-test اللي هي
+
+213
+00:16:04,240 --> 00:16:08,980
+الـ Attributes الخاصة بالتست والـ Target الخاص
+
+214
+00:16:08,980 --> 00:16:14,340
+بالتست خلّيني أسميهم X وY والمصطلحات هذه درجة جداً
+
+215
+00:16:14,340 --> 00:16:18,800
+في التسميات بالإضافة لهيك، أنا فيه عندي الـ X
+
+216
+00:16:18,800 --> 00:16:22,380
+train والـ Y train اللي هم الـ 70% اللي بيظلوا من
+
+217
+00:16:22,380 --> 00:16:26,660
+ال data sets اللي موجودة عندي فأنا فعلياً هكون فيه
+
+218
+00:16:26,660 --> 00:16:32,400
+عندي X train كمان Y train
+
+219
+00:16:35,840 --> 00:16:45,880
+كما X test كما Y test وهذه أربع مجموعات بحيث أن
+
+220
+00:16:45,880 --> 00:16:50,480
+الـ procedure هذا أو الـ function هذه أو الـ
+
+221
+00:16:50,480 --> 00:16:55,180
+constructor هذا بيرجعلي بأربع مجموعات X test X
+
+222
+00:16:55,180 --> 00:16:59,930
+دلالة على الـ attributesتمام فالـ X هي عبارة عن
+
+223
+00:16:59,930 --> 00:17:03,550
+subset من الـ attributes X train و X test X test
+
+224
+00:17:03,550 --> 00:17:08,670
+بتمثل 30% من ال attributes والـ X train بتاخد 70%
+
+225
+00:17:08,670 --> 00:17:11,250
+طبعا ممكن أنا أبدل هنا، أروح أقول له لـ train test
+
+226
+00:17:11,250 --> 00:17:16,170
+أو لـ train size 70 تمام؟ وبيمشي الحال، الآن الـ Y
+
+227
+00:17:16,170 --> 00:17:21,530
+train هي عبارة عن 70% من ال target بناء على ال
+
+228
+00:17:21,530 --> 00:17:25,620
+index اللي تم أخدهاوالـ Y-test هي عبارة عن الـ
+
+229
+00:17:25,620 --> 00:17:29,700
+Sample اللي موجودة عنا طبعاً عشان نتأكد أن الأمور
+
+230
+00:17:29,700 --> 00:17:33,620
+تمام و ال splitting صح تمت، هروح أنا أقول له X
+
+231
+00:17:33,620 --> 00:17:40,060
+train dot
+
+232
+00:17:40,060 --> 00:17:44,760
+head و بدي أقوله بس يعرض الأول تلاتة منهم أو مش
+
+233
+00:17:44,760 --> 00:17:47,620
+قضية، هي الأول عشرة بس عشان نشوف ال indices اللي
+
+234
+00:17:47,620 --> 00:17:53,740
+موجودة فيهمهي، واحظوا زي ما حكينا هذا عبارة عن الـ
+
+235
+00:17:53,740 --> 00:18:01,180
+Index الآن في المقابل، لو أنا روحت عرضة الـ Y
+
+236
+00:18:01,180 --> 00:18:06,600
+-Train وقلت له هي في السلة اللي بعدها، بس عشان
+
+237
+00:18:06,600 --> 00:18:14,000
+أؤكدلكم الـ Ytrain.head
+
+238
+00:18:14,000 --> 00:18:21,550
+وخلّيني على عشرة كذلك، Runطلع معايا في الـ index
+
+239
+00:18:21,550 --> 00:18:29,230
+ويترين
+
+240
+00:18:29,230 --> 00:18:29,770
+ويترين
+
+241
+00:18:46,050 --> 00:18:50,710
+أنا أخطأ تاني يا جماعة الخير في التسمية هي المفروض
+
+242
+00:18:50,710 --> 00:18:57,310
+X test X test
+
+243
+00:18:57,310 --> 00:19:07,870
+thirty three five green هينعمل run مرة تانية
+
+244
+00:19:07,870 --> 00:19:15,090
+هينعمل run للسل high أه، هيك تمامأنا اللي أختار في
+
+245
+00:19:15,090 --> 00:19:19,490
+تركيب العناصر اللي فوق ببدأ بالـ Exit Test بالـ
+
+246
+00:19:19,490 --> 00:19:24,250
+Attributes و بالـ Yالـ Target طبعًا هي ميزة إنه
+
+247
+00:19:24,250 --> 00:19:27,990
+أنا فعليًا بضل بتبع الـ Data شو صار فيها، مابخطيش،
+
+248
+00:19:27,990 --> 00:19:32,690
+لاحظوا 155، 155 هي نفس الـ Index اللي موجود يعني،
+
+249
+00:19:32,690 --> 00:19:34,750
+فأنا أمور من ناحية الـ Database الآن أو الـ
+
+250
+00:19:34,750 --> 00:19:38,490
+Splitting للـ Data جاهزة، بحيث إنه أنا جسمت الـ
+
+251
+00:19:38,490 --> 00:19:41,450
+Data، فصلت الـ Attributes، الـ Data Attributes
+
+252
+00:19:41,450 --> 00:19:45,030
+والـ Target Attributes، فصلت كل واحد فيهم في Data
+
+253
+00:19:45,030 --> 00:19:48,810
+fileهو روحت للـ data set أو الـ two data frames
+
+254
+00:19:48,810 --> 00:19:55,210
+دول فصلتهم كمان ل test set و فوقه train set و هبدأ
+
+255
+00:19:55,210 --> 00:20:00,370
+استخدم train set في موضوع ال classification الان
+
+256
+00:20:00,370 --> 00:20:06,830
+بدأ أستخدم ال K nearest neighbor KNN
+
+257
+00:20:06,830 --> 00:20:15,070
+أو ما يعرف بالـ K nearest neighbor
+
+258
+00:20:22,150 --> 00:20:25,250
+هنا تبعت الخير في الـ Canary's Neighbour Model
+
+259
+00:20:25,250 --> 00:20:28,950
+يقول إنها أهم شغلة تريد التعرف عليها من أين تريد
+
+260
+00:20:28,950 --> 00:20:39,370
+أن تعمل الـ Import؟ لأن من الـ Asciler Dot
+
+261
+00:20:39,370 --> 00:20:43,530
+طبعاً هنا عندني عائلة اسمها Neighbours أو ال
+
+262
+00:20:43,530 --> 00:20:47,750
+library عشان ماحدش يقول ليه عائلة Neighbours هروح
+
+263
+00:20:47,750 --> 00:20:48,590
+أقول له Import
+
+264
+00:20:54,790 --> 00:21:06,810
+«nearest neighbor» «neighbors
+
+265
+00:21:06,810 --> 00:21:10,870
+as KN»
+
+266
+00:21:10,870 --> 00:21:17,930
+الأن هذا الموديل أنا بممكن أنشئه مباشرة «KNN»
+
+267
+00:21:42,660 --> 00:21:46,440
+والخطوة التالية اللي بعد هيك أنا ممكن أحدد له
+
+268
+00:21:50,220 --> 00:21:53,040
+الـ Model أو أروح أعمله Fit اللي كان المفروض
+
+269
+00:21:53,040 --> 00:21:57,460
+أحددله الـ Data Set اللي بده يعمل عليها Training
+
+270
+00:21:57,460 --> 00:22:02,180
+أو مقارنة هي المفروض الـ Train Data Set لكن في
+
+271
+00:22:02,180 --> 00:22:07,800
+ملاحظة مهمة جدا قبل ما نكمل طبعا بإمكاني أنا أوقف
+
+272
+00:22:07,800 --> 00:22:11,620
+هذه وأعلقها
+
+273
+00:22:17,090 --> 00:22:21,130
+الآسي جمعة الخير هي من أجل الاختصار الـ AS من أجل
+
+274
+00:22:21,130 --> 00:22:24,470
+الاختصار عشان مابترضش أكتب الاسم بالكامل يعني لو
+
+275
+00:22:24,470 --> 00:22:29,750
+أنا بدي أكتبها، هروح أقول «KN N underscore model
+
+276
+00:22:29,750 --> 00:22:33,670
+equals
+
+277
+00:22:33,670 --> 00:22:43,610
+nearest neighbors و N underscore neighbor equals
+
+278
+00:22:43,610 --> 00:22:48,470
+ثلاثة»عفواً، خمسة، خلّيني أعمل نفسي، أمشي على نفس
+
+279
+00:22:48,470 --> 00:22:51,230
+الـStyle هذه واللي فوق نفس المعنى، بس أنا هنا
+
+280
+00:22:51,230 --> 00:22:55,530
+بأختصر في الكتابة بناءً على .. بعمل Alias Name
+
+281
+00:22:55,530 --> 00:22:59,210
+وبستخدم الـAlias Name الآن بضل أقولّهم الـKNN
+
+282
+00:22:59,210 --> 00:23:06,010
+underscore model fit
+
+283
+00:23:06,010 --> 00:23:12,710
+وفي ال training، شو بياخد؟ بياخد الـX train والـY
+
+284
+00:23:12,710 --> 00:23:18,620
+trainلأن هذه هي الـ data اللي انا بتعمل عليها أو
+
+285
+00:23:18,620 --> 00:23:22,260
+من خلالها ال training لو انا اشتغلت عملت له run
+
+286
+00:23:22,260 --> 00:23:35,620
+وشكلي
+
+287
+00:23:35,620 --> 00:23:37,620
+أنا أخطأت في ال nearest neighbors
+
+288
+00:23:46,470 --> 00:23:51,630
+«nearest neighbours» صح الصح الـ «spelling» صح
+
+289
+00:23:51,630 --> 00:24:05,130
+«EG» «EI» «GH» «D» «O» «R» «S»
+
+290
+00:24:05,130 --> 00:24:08,190
+ليش؟
+
+291
+00:24:21,090 --> 00:24:35,170
+ممكن عشان أنا حطيت الـ alias name فوق عشان
+
+292
+00:24:35,170 --> 00:24:40,270
+حطيت الـ alias name عشان حطيت الـ alias name لأن
+
+293
+00:24:40,270 --> 00:24:45,710
+الـ alias name بدله لكن لو أنا شهيت هذا وعلّجت
+
+294
+00:24:45,710 --> 00:24:46,030
+هذه
+
+295
+00:24:52,850 --> 00:25:00,330
+مش هيكون في خطأ فممكن
+
+296
+00:25:00,330 --> 00:25:03,590
+أنا أستخدم هاي أو هاي بحسب الحالة اللي موجودة
+
+297
+00:25:03,590 --> 00:25:08,170
+عليها تمام، فالـ mode أصبح جاهز يتعرّف على الـ
+
+298
+00:25:08,170 --> 00:25:10,890
+trend data أو الـ trend set اللي أنا بدي أشتغل
+
+299
+00:25:10,890 --> 00:25:14,950
+عليها وهي بطبيعة الحالة مجسومة للـ tribunes وطبعاً
+
+300
+00:25:14,950 --> 00:25:19,510
+الخطوة التالية أنا عمال بدي أروح أعمل أو بدي أشوف
+
+301
+00:25:19,510 --> 00:25:23,510
+ال majors إيش ممكن يسوي ليهالـ Element اللي موجود
+
+302
+00:25:23,510 --> 00:25:27,050
+أو الـ Model اللي أنا أنشرته لكن عشان أنا أنشق الـ
+
+303
+00:25:27,050 --> 00:25:30,530
+Model جمال الخير أو بدي أجرب الـ Model خليني أشوف
+
+304
+00:25:30,530 --> 00:25:35,450
+أو أخد عينة من الـ Data اللي موجودة عندها في موضوع
+
+305
+00:25:35,450 --> 00:25:39,070
+من
+
+306
+00:25:39,070 --> 00:25:42,450
+الـ Data Set بشكل عام أنا بدي أروح و أقول له أنا
+
+307
+00:25:42,450 --> 00:25:46,190
+طبعاً أول هيكون الأول استخدام للـ Numpy اللي
+
+308
+00:25:46,190 --> 00:25:56,740
+موجودة فوق هروح أقوله T1هذه الـ array مكوّنة من
+
+309
+00:25:56,740 --> 00:26:07,640
+مجموعة أرقام وليكن
+
+310
+00:26:07,640 --> 00:26:12,940
+على سبيل المثال الصف الأول وهذه ال class موجودة
+
+311
+00:26:12,940 --> 00:26:13,320
+هنا
+
+312
+00:26:17,220 --> 00:26:21,720
+الـ Ctrl V التابس هذه بدي استبدلها بـ Comma
+
+313
+00:26:31,800 --> 00:26:35,140
+طبعًا، يا عزيزي، في شغل مهم لازم نقولها الآن إنه
+
+314
+00:26:35,140 --> 00:26:38,300
+مش ضروري الـ Prediction دائمًا يعني ماحدش بيقول
+
+315
+00:26:38,300 --> 00:26:40,800
+الـ Prediction بيكون صحيح أو بيكون حقيقية 100%
+
+316
+00:26:40,800 --> 00:26:43,720
+لازم يكون في أخطاء عندي دائمًا أو في معظم الأحيان
+
+317
+00:26:43,720 --> 00:26:47,160
+يكون في عندك أخطاء وكل ما اكتمل أو كل ما كانت ال
+
+318
+00:26:47,160 --> 00:26:50,520
+Prediction تبعت ال score تبعته أعلى بيكون كويسة
+
+319
+00:26:50,520 --> 00:26:57,720
+Doc Re-Shape كله اعتمد المصفوفة هذه على إيها واحد
+
+320
+00:26:57,720 --> 00:27:06,120
+سالب واحدوطبعاً هاي ال target هحط هنا target equal
+
+321
+00:27:06,120 --> 00:27:14,720
+one وخلّيني أنا أنسخ هذه هيك Ctrl V وبدأ أجي على
+
+322
+00:27:14,720 --> 00:27:20,760
+ال raw اللي رقمه خمسة أنسخه وال target تبعته صفر
+
+323
+00:27:20,760 --> 00:27:23,200
+هذا بدي أسميه T5
+
+324
+00:27:33,150 --> 00:27:38,710
+بنفس الكلام الـ
+
+325
+00:27:38,710 --> 00:27:47,030
+caps اللي عندي بكمس عشان تتحول كيما اللي عندي لاش
+
+326
+00:27:47,030 --> 00:27:53,370
+لمصفوفة تمام ننبغي نفس العدد
+
+327
+00:28:01,810 --> 00:28:08,410
+تمام، ليس مشكلة لان عندما انا اعمل train الـ model
+
+328
+00:28:08,410 --> 00:28:11,130
+اللي انا انشأته model.k-neighbors لديه method
+
+329
+00:28:11,130 --> 00:28:17,070
+اسمها model.k-neighbors انا هايه ال model تبعي KNN
+
+330
+00:28:17,070 --> 00:28:24,430
+underscore model.k-neighbors
+
+331
+00:28:25,990 --> 00:28:30,270
+ولا مين؟ وبديله مين؟ وبديله ا�� test element اللي
+
+332
+00:28:30,270 --> 00:28:37,030
+انا بدي افحصه وليكن T1 كمه ومع عدد عناصر الجوار
+
+333
+00:28:37,030 --> 00:28:42,430
+خمسة عدد عناصر الجوار خمسة بتحس في لحظة من اللحظات
+
+334
+00:28:42,430 --> 00:28:47,050
+ان ال K الخمسة اللي انا عنها ماالهاش علاقة هذه ال
+
+335
+00:28:47,050 --> 00:28:50,290
+method اللي موجود خليني اشوف و اروح طبعا هذه ال
+
+336
+00:28:50,290 --> 00:28:55,370
+method بترجعلي two vectorsالفكتور الأول يمثل الـ
+
+337
+00:28:55,370 --> 00:28:59,930
+distances كما
+
+338
+00:28:59,930 --> 00:29:08,790
+والفكتور التاني ال index تمام؟ ال index أو ال
+
+339
+00:29:08,790 --> 00:29:15,850
+indices نفس المصطلحات indices لمن؟
+
+340
+00:29:15,850 --> 00:29:18,550
+لـ Indices
+
+341
+00:29:22,020 --> 00:29:27,480
+للـ Raw اللي هي صاحبة أقصر مسافة يعني الـ
+
+342
+00:29:27,480 --> 00:29:31,600
+Cannibals هدول بيروح بيجيبلي أقرب خمسة للـ Element
+
+343
+00:29:31,600 --> 00:29:36,760
+لـ T1 أقرب خمسة لـ T1 وبما أنه المفروض T1 يتمثل
+
+344
+00:29:36,760 --> 00:29:39,480
+الـ Raw الأول في ال data set اللي عندي فهيروح
+
+345
+00:29:39,480 --> 00:29:43,460
+يقوللي ال index رقم Zero او ال index رقم Zero هكون
+
+346
+00:29:43,460 --> 00:29:47,680
+هذا ال distance تبعك صفر وهجيبلي ال index في
+
+347
+00:29:47,680 --> 00:29:52,680
+مصفوفة تانية أنا الآن هروح أقولله eventخلّينا
+
+348
+00:29:52,680 --> 00:29:58,480
+بنشوفها في مجال آخر هيـRun الآن المفروض تم التنفيذ
+
+349
+00:29:58,480 --> 00:30:04,580
+هأخد كود جديد وبدي أروح أقبع الـDistances
+
+350
+00:30:22,010 --> 00:30:26,970
+لاحظوا يا جماعة الخير، صفر، عشرة، خمسة و خمسين،
+
+351
+00:30:26,970 --> 00:30:34,170
+تسعة و عشرة، تسعة و عشرة، عشرين، عشرة
+
+352
+00:30:34,170 --> 00:30:34,270
+و عشرة، عشرة و عشرة، عشرة و عشرة، عشرة و عشرة،
+
+353
+00:30:34,270 --> 00:30:34,290
+عشرة و عشرة، عشرة و عشرة، عشرة و عشرة، عشرة و
+
+354
+00:30:34,290 --> 00:30:34,350
+عشرة، عشرة و عشرة، عشرة و عشرة، عشرة و عشرة، عشرة
+
+355
+00:30:34,350 --> 00:30:34,570
+و عشرة، عشرة و عشرة، عشرة و عشرة، عشرة و عشرة،
+
+356
+00:30:34,570 --> 00:30:38,390
+عشرة و عشرة، عشرة و عشرة، عشرة و عشرة، عشرة و
+
+357
+00:30:38,390 --> 00:30:47,440
+عشرة، عشرة و عشرة، عشرة و عشرة، عشرة و عشرةهذه أو
+
+358
+00:30:47,440 --> 00:30:51,080
+أقرب distance لأنه بيرتب ليهم ترتيب تساعدي حسب
+
+359
+00:30:51,080 --> 00:30:54,960
+الأقرب فالأقرب، طيب، الآن إذا أنا بدي أشوف ال
+
+360
+00:30:54,960 --> 00:30:58,900
+indexes تبع العناصر اللي موجودة عندها أو بدي أشوف
+
+361
+00:30:58,900 --> 00:31:02,100
+ال target تبع ال indices اللي موجودة عندها، ممكن
+
+362
+00:31:02,100 --> 00:31:09,960
+أنا أروح أقول له target of
+
+363
+00:31:09,960 --> 00:31:14,080
+I from
+
+364
+00:31:15,690 --> 00:31:22,530
+الـ I موجودة أين؟ أو عفوًا، for الـ I for
+
+365
+00:31:22,530 --> 00:31:30,390
+I M، ال indices أنا
+
+366
+00:31:30,390 --> 00:31:34,810
+هذه مصفوفة برضه من بعدي، فاروح أقوله بعد أيام،
+
+367
+00:31:34,810 --> 00:31:35,310
+فإشرح
+
+368
+00:31:52,280 --> 00:32:00,580
+Target غلط طبعاً
+
+369
+00:32:00,580 --> 00:32:04,760
+هان لما كنت بحاول أن أطبع الـ Element بقول لي إن
+
+370
+00:32:04,760 --> 00:32:08,140
+هذا عبارة عن object طب ال object أنا بدي أجيب ال
+
+371
+00:32:08,140 --> 00:32:10,920
+contents تبعته أو محتوى ال object اللي عندي هان
+
+372
+00:32:10,920 --> 00:32:15,300
+فهينطبعته بالشكل اللي موجود عندي هان جلبناه على
+
+373
+00:32:15,300 --> 00:32:19,570
+السبعة اللي موجودات فوقالـ Indices تبعتهم أو الـ
+
+374
+00:32:19,570 --> 00:32:22,590
+Classes بناءً على الـ Indexes اللي موجود عندها
+
+375
+00:32:22,590 --> 00:32:26,550
+يعني احنا اتفقنا ال Indices هي عبارة عن ال Index
+
+376
+00:32:26,550 --> 00:32:33,910
+تبعت ال Train Test أو الـ X-Train القريبة من أو
+
+377
+00:32:33,910 --> 00:32:39,450
+الأقرب لـ T1فكان صفر و صفر وهذه الـ Label سبعتهم
+
+378
+00:32:39,450 --> 00:32:43,630
+لان انا بدي اعمل voting هروح اعد انا هدول ��ي واحد
+
+379
+00:32:43,630 --> 00:32:48,250
+اتنين تلاتة اربعة خمسة خمسة من سبعة Zero و اتنين
+
+380
+00:32:48,250 --> 00:32:53,530
+من سبعة one معناته ان ال class اللي موجود عندي هنا
+
+381
+00:32:53,530 --> 00:32:59,290
+سبعة طب لو انا بدي اعيد التجربة هي لخمسة وهي run
+
+382
+00:32:59,290 --> 00:33:06,780
+السلة البولة اللي بعديهاوهي الـ cell اللي بعديها
+
+383
+00:33:06,780 --> 00:33:11,760
+فجالك إنه الآن برضه 00 بس القيم اللي عندي فوق
+
+384
+00:33:11,760 --> 00:33:15,320
+اختلفت مش قضية لإن هي في الآخر ال values اللي
+
+385
+00:33:15,320 --> 00:33:18,720
+عنديها صارتان طب لو أنا فكرت إنه أغير في ال values
+
+386
+00:33:18,720 --> 00:33:25,840
+اللي عنديها حضر أروح أعمل run عشان أخدها، okay هي
+
+387
+00:33:25,840 --> 00:33:32,900
+خليني أقول هنا 30، هي run، لاحظوا ال distance
+
+388
+00:33:32,900 --> 00:33:38,070
+اختلافها؟تختلفت الـ distance كلياً الآن والأخير هي
+
+389
+00:33:38,070 --> 00:33:44,910
+run وهيصار في عندي تلاتة one وأربعة zero فهو في
+
+390
+00:33:44,910 --> 00:33:47,910
+الآخر هيعمله ال classification على أنه zero،
+
+391
+00:33:47,910 --> 00:33:51,230
+ممتاز، لكن هذا برضه مش هو الشغل اللي احنا فعلياً
+
+392
+00:33:51,230 --> 00:33:55,450
+محتاجينه، بس نحط بعض ال comments هنا
+
+393
+00:34:03,930 --> 00:34:11,170
+Print target of
+
+394
+00:34:11,170 --> 00:34:18,030
+the most of
+
+395
+00:34:18,030 --> 00:34:23,630
+the nearest neighbors
+
+396
+00:34:23,630 --> 00:34:24,950
+or
+
+397
+00:34:49,610 --> 00:34:52,410
+«الأزدهار» «الأزدهار»
+
+398
+00:34:56,600 --> 00:35:01,560
+الآن سأنتقل لجزئية أكتر أهمية عشان تتكلم عنها
+
+399
+00:35:01,560 --> 00:35:04,920
+Classification عشان أتشتغل على Classification من
+
+400
+00:35:04,920 --> 00:35:07,640
+نفس الـ Library «High from Escalar Neighbors»
+
+401
+00:35:07,640 --> 00:35:13,780
+«Import» في عندي الـ «K nearest neighbor» أو الـ
+
+402
+00:35:13,780 --> 00:35:17,540
+«K neighbors classifier»
+
+403
+00:35:17,540 --> 00:35:22,880
+هاجهان from K
+
+404
+00:35:38,630 --> 00:35:43,710
+نفس الكلام السابق بس الأن بدي أسميه KMN underscore
+
+405
+00:35:43,710 --> 00:35:49,210
+classifier equal الـ model اللي موجود عندي هنا
+
+406
+00:35:49,210 --> 00:35:50,610
+number of neighbors
+
+407
+00:35:54,190 --> 00:35:57,350
+يكون الخمسة أو سبعة مش قطيع كتير زي ما حكينا،
+
+408
+00:35:57,350 --> 00:36:00,450
+المهم أنا أختارها بعناية للبرنامج وحين انتوا في
+
+409
+00:36:00,450 --> 00:36:04,310
+الآخر مطلوب منكوا إذا اختارت الـK فتقولي ليش
+
+410
+00:36:04,310 --> 00:36:06,910
+اعتمدت على الـK هذه؟ يعني انت مطلوب تجرب في الواجب
+
+411
+00:36:06,910 --> 00:36:11,730
+مرة و كنتين و تلاتة، K7، K15، K20، إذا اختار K
+
+412
+00:36:11,730 --> 00:36:14,650
+مناسبة بيقولك بحيث أنها تديك أفضل accuracy قدر
+
+413
+00:36:14,650 --> 00:36:19,100
+المستطاع اللي موجودطبعاً في مقلوب منكم تقرير مع
+
+414
+00:36:19,100 --> 00:36:23,580
+الواجب هذا بحيث أنه انتوا تحددوا كل بساطة أو
+
+415
+00:36:23,580 --> 00:36:27,540
+تحددوا بالتفصيل انت ايش سويت و ايش النتائج اللي
+
+416
+00:36:27,540 --> 00:36:32,680
+اشتغلت عليها و النتائج اللي حصلت عليها طيب الآن
+
+417
+00:36:32,680 --> 00:36:38,860
+هذا ال model KMN underscore classifier بيحتاج انه
+
+418
+00:36:38,860 --> 00:36:44,870
+اعمله fit وعملية ال fit زي ما قلنا ال extremeوالـ
+
+419
+00:36:44,870 --> 00:36:51,210
+Y-train بقى زودوا فيهم ممتاز بالنسبة لي هيكاد
+
+420
+00:36:51,210 --> 00:36:57,130
+استدعاء الـ classifier وتجهيزه وهي أنا الـ using
+
+421
+00:36:57,130 --> 00:37:00,450
+the
+
+422
+00:37:00,450 --> 00:37:07,270
+nearest neighbor classifier as classification
+
+423
+00:37:07,270 --> 00:37:10,750
+model تمام
+
+424
+00:37:12,410 --> 00:37:16,570
+من عمل train بشكل صحيح لـ classifier اللي موجود
+
+425
+00:37:16,570 --> 00:37:21,070
+عندي ممتاز، طب لو أنا الآن اذا ال classifier تم
+
+426
+00:37:21,070 --> 00:37:24,490
+إنش أوي بدا انتقل لمرحلة prediction خد بحيث انه
+
+427
+00:37:24,490 --> 00:37:32,730
+بده اعمل test test دي اللي انا سميته knn
+
+428
+00:37:32,730 --> 00:37:39,370
+underscore classifier using
+
+429
+00:37:41,370 --> 00:37:47,370
+الـ X test والـ
+
+430
+00:37:47,370 --> 00:37:54,690
+Y test والآن في عندي مثلًا في الـ KNN underscore
+
+431
+00:37:54,690 --> 00:38:04,610
+model عفوًا الـ classifier dot predict method أو
+
+432
+00:38:04,610 --> 00:38:09,400
+الـ model اللي عندي dot predictالـ Prediction
+
+433
+00:38:09,400 --> 00:38:25,460
+بتاخد الـ X-Train و Y-Test وبترجعلي الـ
+
+434
+00:38:25,460 --> 00:38:29,160
+Y-Predict
+
+435
+00:38:31,250 --> 00:38:34,950
+الـ Target اللي هي الموجودة عندها بمجرد ذلك، دعوني
+
+436
+00:38:34,950 --> 00:38:42,730
+أقول له اطبع ليها Y-Predict كنت أتأكد أن الأمور
+
+437
+00:38:42,730 --> 00:38:55,230
+تمام، وعمل Prediction تاكس
+
+438
+00:38:55,230 --> 00:39:00,810
+تو Positional Argument but three were given Space
+
+439
+00:39:22,500 --> 00:39:27,960
+أنا المفروض أدّي الـ text الـ attributes وهو بده
+
+440
+00:39:27,960 --> 00:39:31,860
+يعمل prediction أنا آسف على الخطأ هذا، الآن هي الـ
+
+441
+00:39:31,860 --> 00:39:36,090
+predicted labels اللي موجودة عنديأو كأنا فكرت حالي
+
+442
+00:39:36,090 --> 00:39:40,710
+وصلت لمراحة الـ Evaluation سمحوني، هي العناصر اللي
+
+443
+00:39:40,710 --> 00:39:43,930
+موجودة عندها هذه عبارة عن كلية Predicted Labels
+
+444
+00:39:43,930 --> 00:39:47,870
+Predicted Labels زمين للـ X Test اللي موجودة وين
+
+445
+00:39:47,870 --> 00:39:50,430
+الـ Label الحقيقي تبعها موجود؟ الـ Label الحقيقي
+
+446
+00:39:50,430 --> 00:39:55,950
+موجود في الـ Y Train أو في الـ Y Test هاي طيب،
+
+447
+00:39:55,950 --> 00:40:00,150
+الآن عشان أنا أبدأ أقارن خليني أول حاجة نتعرف على
+
+448
+00:40:00,150 --> 00:40:05,040
+الـ Confusion Matrix اللي موجودة عندهاوهنا في عندي
+
+449
+00:40:05,040 --> 00:40:15,880
+الـ classification model evaluation هنبدأ
+
+450
+00:40:15,880 --> 00:40:25,940
+الآن الان from ال ASCII layer import matrix
+
+451
+00:40:28,280 --> 00:40:31,460
+الآن بدي أجيب الـ Matrix، إيش الـ Matrix جامعة
+
+452
+00:40:31,460 --> 00:40:34,540
+الخيار؟ تحتوي أنه من خلالها أنا ممكن أنشأ الـ
+
+453
+00:40:34,540 --> 00:40:37,100
+confusion matrix، أحسب الـ accuracy، أحسب ال
+
+454
+00:40:37,100 --> 00:40:40,240
+precision، أحسب ال recall، أحسب ال أثمجة، كل هذه
+
+455
+00:40:40,240 --> 00:40:44,260
+لدى ال attribute، عفوا، للكاسيفير اللي موجود
+
+456
+00:40:44,260 --> 00:40:49,940
+عندها، وخليني أنا أبدأ مع ال confusion matrix،
+
+457
+00:41:07,520 --> 00:41:13,880
+الـ M الـ CM متر ايقال
+
+458
+00:41:24,700 --> 00:41:29,180
+هنا كل الـ evaluation functions اللي موجودة عندنا
+
+459
+00:41:29,180 --> 00:41:33,420
+هتاخد مني شغلتين هتاخد مني الـ y test اللي هو ال
+
+460
+00:41:33,420 --> 00:41:37,260
+label الحقيقي والي predicted أو الـ y predicted
+
+461
+00:41:37,260 --> 00:41:43,800
+الـ y predict وهي
+
+462
+00:41:43,800 --> 00:41:48,590
+بدي أروح أقوله اطبع ليه ال matrix اللي عندنااللي
+
+463
+00:41:48,590 --> 00:41:52,010
+هي الـ Confusion Matrix الـ Test Set بيتك حجمها
+
+464
+00:41:52,010 --> 00:41:57,450
+هيهم المجموع العناصر الموجودة 120، 25، True
+
+465
+00:41:57,450 --> 00:42:02,570
+Positive، True Negative، False Positive، False
+
+466
+00:42:02,570 --> 00:42:08,250
+Negative، False Positive، False Negative بس إيش ال
+
+467
+00:42:08,250 --> 00:42:11,270
+classes اللي موجودة عندي يا جماعة الخير؟ ال
+
+468
+00:42:11,270 --> 00:42:13,670
+classes يا أخواننا و يا أخواتي بيكونوا تنتبهوا
+
+469
+00:42:13,670 --> 00:42:17,770
+بشكل كويسلأنه أنا ما حدد لهوش إيش ال classes فإيش
+
+470
+00:42:17,770 --> 00:42:22,890
+هو بياخد مباشرة بيروح بيعتمد على الآن أول ما قرأت
+
+471
+00:42:22,890 --> 00:42:29,870
+data set أول ما قرأت data set إيش أول class واجهه؟
+
+472
+00:42:29,870 --> 00:42:32,730
+طبعاً أنا بتكلم في ال test set هذا لأن أول ما
+
+473
+00:42:32,730 --> 00:42:37,250
+زودته، زودته غنين في ال Y-predict أول element في
+
+474
+00:42:37,250 --> 00:42:41,870
+ال Y-test
+
+475
+00:42:46,220 --> 00:42:49,820
+كان واحد، فخلاص، بيعتبر أنه هذا للـ Class الأول،
+
+476
+00:42:49,820 --> 00:42:53,980
+تمام؟ وهذا للClass الثاني، طبعاً هذه العناصر
+
+477
+00:42:53,980 --> 00:42:56,240
+معناته أنها الـ confusion matrix ومن خلالها أنا
+
+478
+00:42:56,240 --> 00:43:00,000
+بنطلق و بحسب كل حاجة، طب إذا أنا بدأ أحسب ال
+
+479
+00:43:00,000 --> 00:43:05,240
+accuracy الآن،
+
+480
+00:43:05,240 --> 00:43:08,260
+اذكروا ال accuracy كانت إيش بتساوي؟ ال true
+
+481
+00:43:08,260 --> 00:43:12,360
+positive زائد ال true negative على كل العناصر
+
+482
+00:43:12,360 --> 00:43:13,600
+المجموعة هنا
+
+483
+00:43:19,260 --> 00:43:25,360
+سأقوم بإعادة الـ Accuracy ACC متركز تساوي متركز
+
+484
+00:43:25,360 --> 00:43:28,040
+تساوي متركز تساوي متركز تساوي متركز تساوي متركز
+
+485
+00:43:28,040 --> 00:43:33,260
+تساوي متركز تساوي متركز تساوي متركز تساوي متركز
+
+486
+00:43:33,260 --> 00:43:33,800
+تساوي متركز تساوي متركز تساوي متركز تساوي متركز
+
+487
+00:43:33,800 --> 00:43:33,800
+تساوي متركز تساوي متركز تساوي متركز تساوي متركز
+
+488
+00:43:33,800 --> 00:43:34,360
+تساوي متركز تساوي متركز تساوي متركز تساوي متركز
+
+489
+00:43:34,360 --> 00:43:39,340
+تساوي متركز تساوي متركز تساوي متركز تساوي متركز
+
+490
+00:43:39,340 --> 00:43:48,690
+تساوي متهو الـ Accuracy للـ Model اللي موجود انك
+
+491
+00:43:48,690 --> 00:43:55,850
+هان Matrix dot مش underscore جالي
+
+492
+00:43:55,850 --> 00:44:01,430
+72.27 ممتاز، بدي أنتقل للسلة اللي بعدها لو أنا بدي
+
+493
+00:44:01,430 --> 00:44:05,330
+أحسب ال F major score أو ال precision ال first
+
+494
+00:44:05,330 --> 00:44:07,690
+class اللي موجود عندي هان
+
+495
+00:44:15,790 --> 00:44:20,710
+بنفس الكيفية اللي موجودة عندي هان بدي أسميها
+
+496
+00:44:20,710 --> 00:44:29,190
+precision equal matrix dot precision underscore
+
+497
+00:44:29,190 --> 00:44:35,950
+score وبدي أعطيه المجموعتين ولمّا انا بدي أقوله
+
+498
+00:44:35,950 --> 00:44:41,010
+pre قطعليه لا إله إلا الله
+
+499
+00:44:48,420 --> 00:44:55,240
+بتحملوني شو هساولكم يعني 65 اللي بعدها احسن من ال
+
+500
+00:44:55,240 --> 00:45:01,800
+recallفالأمور كلها بالشكل هذا اللي هتتجمع طبعاً
+
+501
+00:45:01,800 --> 00:45:04,560
+لاحظوا الـ Acrylic Model ككل الـ Precision الـ
+
+502
+00:45:04,560 --> 00:45:07,900
+First Class الـ Recall الـ First Class هيك هيك هيك
+
+503
+00:45:07,900 --> 00:45:11,560
+هيك هيك هيك هيك هيك هيك هيك هيك هيك هيك هيك هيك
+
+504
+00:45:11,560 --> 00:45:18,080
+هيك هيك هيك
+
+505
+00:45:29,740 --> 00:45:38,460
+بارضه، رأيي صارت بدخلعة ودنيا جماعة الخير No
+
+506
+00:45:38,460 --> 00:45:43,740
+attribute
+
+507
+00:45:43,740 --> 00:45:53,160
+recall underscore score أو
+
+508
+00:45:53,160 --> 00:45:53,840
+الـ F major
+
+509
+00:46:04,040 --> 00:46:10,680
+F1 equal matrix F1
+
+510
+00:46:10,680 --> 00:46:18,160
+underscore F1
+
+511
+00:46:21,880 --> 00:46:26,800
+أخر شغلة، أنا ممكن أجيب كل الـValues مع بعضها من
+
+512
+00:46:26,800 --> 00:46:31,520
+خلال شغلة نسميها الـClassification Report
+
+513
+00:46:31,520 --> 00:46:37,800
+الـClassification Report ممكن يساعدني بشكل كتير
+
+514
+00:46:37,800 --> 00:46:41,520
+بحيث أنه أنا محتاجش أن أكتب كل حاجة مع بعضها
+
+515
+00:46:41,520 --> 00:46:45,400
+Classification
+
+516
+00:46:45,400 --> 00:46:45,900
+Report
+
+517
+00:46:50,530 --> 00:46:57,750
+أو الـ CLS underscore report بيساوي matrix dot
+
+518
+00:46:57,750 --> 00:47:01,430
+classification
+
+519
+00:47:01,430 --> 00:47:10,310
+underscore report بدي أدّيله الـ method أو عفوًا
+
+520
+00:47:10,310 --> 00:47:14,010
+الـ to function أو أزوده بالـ predicted بالـ to
+
+521
+00:47:14,010 --> 00:47:18,670
+label والـ predicted label وحروح أقول له هانطبع
+
+522
+00:47:18,670 --> 00:47:19,890
+ليه ال classifier
+
+523
+00:47:23,050 --> 00:47:26,830
+«Reclassification Report» وهنا جاب لي الرابورت
+
+524
+00:47:26,830 --> 00:47:32,290
+الكامل بدأ بالـ «Precision» والـ «Recall» والـ «F
+
+525
+00:47:32,290 --> 00:47:36,090
+Score» أي القيم التلاتة اللي موجودة عندها للـ
+
+526
+00:47:36,090 --> 00:47:41,470
+«Class» طبعاً لل «Class Zero» لأن الـ «Record»
+
+527
+00:47:41,470 --> 00:47:45,430
+لازم يبين كل القيم لازم يبين كل حاجة الآن الـ
+
+528
+00:47:45,430 --> 00:47:51,210
+«Recall» هيالـ Precision
+
+529
+00:47:51,210 --> 00:47:55,870
+تلاتة و تمانين الـ Recall تسعة و سمعين الـ F-score
+
+530
+00:47:55,870 --> 00:48:07,230
+والـ Accuracy وينها؟ ليش هي كتر داخلات مع بعض؟
+
+531
+00:48:15,290 --> 00:48:21,970
+الـ Accuracy بشكل عام هي 73 لماذا
+
+532
+00:48:21,970 --> 00:48:26,930
+72.72؟ هنا في الـ robot عمل الـ Roundation أو
+
+533
+00:48:26,930 --> 00:48:32,090
+القيم اللي موجودة عندك هنا فهي فعليا 72.72 فبعمل
+
+534
+00:48:32,090 --> 00:48:34,950
+الـ Roundation الآن الـ Recall الـ Zero زي ما قلنا
+
+535
+00:48:34,950 --> 00:48:38,090
+6.7 الـ Precision والـ Recall الـ Class الأول
+
+536
+00:48:43,190 --> 00:48:49,230
+هي ال class number one لما
+
+537
+00:48:49,230 --> 00:48:56,040
+قلت له احسب ال precision جالي 66هذه هي تقريبًا الـ
+
+538
+00:48:56,040 --> 00:49:03,800
+55.كذا الـ Z الـ 56 الـ recall اللي هي 55.8 بعملها
+
+539
+00:49:03,800 --> 00:49:10,240
+تقريبًا ال F score اللي كانت بتمثل الـ 60 تمام؟
+
+540
+00:49:10,240 --> 00:49:13,960
+وال support لل values اللي موجودة عندها فهي في ال
+
+541
+00:49:13,960 --> 00:49:16,880
+report هذا أنا جيبت كل ال values بالنسبة لي لمرة
+
+542
+00:49:17,890 --> 00:49:23,690
+واحدة، بتمنى يكون الفيديو هذا يوضحلكم فعليًا إيش
+
+543
+00:49:23,690 --> 00:49:27,590
+أنا محتاج في ال classification طبعًا هذا الكلام
+
+544
+00:49:27,590 --> 00:49:32,170
+بده يتطبق مع كل data set أو مع كل classification
+
+545
+00:49:32,170 --> 00:49:36,630
+model وكل classification model فيه خاصية معينة،
+
+546
+00:49:36,630 --> 00:49:40,210
+يمكن يكون الشغل الوحيد الآن في الاختلاف عندكم اللي
+
+547
+00:49:40,210 --> 00:49:42,770
+هي استدعاء ال classifierباريخ الاستفعال الـ
+
+548
+00:49:42,770 --> 00:49:47,870
+Classifier بينما الـ Fit حتظل ثابت للجميع، الـ
+
+549
+00:49:47,870 --> 00:49:51,270
+Predict حتظل ثابت للجميع، والـ Measurement حتظل
+
+550
+00:49:51,270 --> 00:49:56,590
+موجودة لكل العناع، لكل ال Classifiers بنفس
+
+551
+00:49:56,590 --> 00:50:00,910
+الكيفية، أنا هيك خلصت، بتمنى إن شاء الله تعالى
+
+552
+00:50:04,250 --> 00:50:07,330
+بأتمنى على الله تبارك وتعالى أن أكون فعليًا وفقة
+
+553
+00:50:07,330 --> 00:50:10,850
+اللي لان خلال التسجيل السابق أن أنا أوضحكم موضوع
+
+554
+00:50:10,850 --> 00:50:16,390
+الـ Classification ومن خلاله استخدمت الـ Canary
+
+555
+00:50:16,390 --> 00:50:20,370
+Snapper واستخدمت الـ Kaggle كـ Tool مختلفة عن الـ
+
+556
+00:50:20,370 --> 00:50:24,770
+IPython في الـ Local Machine الموجودة عندي إذا في
+
+557
+00:50:24,770 --> 00:50:29,270
+أي سؤال حضروله لـ Next Sessionالـ Online Session
+
+558
+00:50:29,270 --> 00:50:33,690
+of the Discussion أعلى وعسى أننا نقدر أن نتوفيك
+
+559
+00:50:33,690 --> 00:50:36,530
+دائمًا وأبداً والسلام عليكم ورحمة الله وبركاته
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/9N2D6-T56oQ.srt

@@ -0,0 +1,1717 @@
+1
+00:00:00,000 --> 00:00:03,180
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:03,180 --> 00:00:06,300
+أهلا وسهلا بكم في الدرس الثاني من الـ chapter
+
+3
+00:00:06,300 --> 00:00:10,140
+clustering. كنا في التسجيل السابق تكلمنا عن الـ
+
+4
+00:00:10,140 --> 00:00:12,640
+clustering بشكل عام، وقلت إنّ الـ clustering هي عبارة عن
+
+5
+00:00:12,640 --> 00:00:17,820
+تقسيم الـ data set إلى مجموعات محددة عددها مسبقا
+
+6
+00:00:17,820 --> 00:00:22,870
+بناء على تقارب أو تشابه الـ instances الموجودة
+
+7
+00:00:22,870 --> 00:00:27,250
+في الـ data set. يعني، وكنا خلصنا في
+
+8
+00:00:27,250 --> 00:00:29,990
+نهاية المحاضرة أنّنا فعلنا... أو في نهاية التسجيل
+
+9
+00:00:29,990 --> 00:00:35,410
+عفوا، أنّنا فعليًا الـ... الـ clustering واحد من
+
+10
+00:00:35,410 --> 00:00:39,130
+اثنين: إما partition clustering أو hierarchical
+
+11
+00:00:39,130 --> 00:00:42,110
+clustering. فالـ partition clustering يعني أنّ
+
+12
+00:00:42,110 --> 00:00:44,110
+أنا بتكون الـ groups أو المجموعات اللي عندي
+
+13
+00:00:44,110 --> 00:00:47,690
+disjoint، ما فيش بينها overlap، ما فيش
+
+14
+00:00:47,690 --> 00:00:52,660
+بينهم تقاطع في العناصر. يعني كل element موجود في
+
+15
+00:00:52,660 --> 00:00:55,660
+مجموعة واحدة فقط. لكن بالـ hierarchical clustering،
+
+16
+00:00:55,660 --> 00:00:58,540
+لما أنا بيكون عندي hierarchical tree أو عندي
+
+17
+00:00:58,540 --> 00:01:01,000
+hierarchy معينة، بيصير فيه ممكن الـ
+
+18
+00:01:01,000 --> 00:01:05,380
+element ينتمي لأكثر من cluster. تماما مثل
+
+19
+00:01:05,380 --> 00:01:09,620
+علاقة الأعداد أو المجموعات، الأرقام مع بعضها. اليوم
+
+20
+00:01:09,620 --> 00:01:13,100
+إن شاء الله تعالى، زي ما إحنا متفقين، إنّنا هنبلش في
+
+21
+00:01:13,100 --> 00:01:19,190
+موضوع الـ partitional clustering. طبعًا لما أتكلم على
+
+22
+00:01:19,190 --> 00:01:27,050
+الـ partition clustering، يعني أنّني أتكلم على...
+
+23
+00:01:27,050 --> 00:01:31,110
+عفوا، تمام.
+
+24
+00:01:31,110 --> 00:01:32,030
+أنا أريد الـ pointer.
+
+25
+00:01:34,890 --> 00:01:37,510
+عندما أتكلم عن الـ partitional clustering، يعني
+
+26
+00:01:37,510 --> 00:01:42,010
+أنّني أبحث عن الـ natural groups للـ components
+
+27
+00:01:42,010 --> 00:01:45,390
+الموجودة عندي على الـ data الموجودة، بناء على
+
+28
+00:01:45,390 --> 00:01:50,110
+تشابه معين، أو بعض التشابه في العناصر الموجودة
+
+29
+00:01:50,110 --> 00:01:54,890
+عندها. وبالتالي الـ cluster هنا في الـ partitional
+
+30
+00:01:54,890 --> 00:01:58,390
+clustering، أنا بأجمع العناصر زي ما قلنا، مجموعات أو
+
+31
+00:01:58,390 --> 00:02:00,930
+توزيع طبيعي، أو أبحث عن توزيع طبيعي للـ data بحيث
+
+32
+00:02:00,930 --> 00:02:06,420
+أن يكون عند كل element موجود في مجموعة واحدة، وفي
+
+33
+00:02:06,420 --> 00:02:09,900
+نفس
+
+34
+00:02:09,900 --> 00:02:14,960
+الوقت. الـ clustering algorithm بيديني الـ
+
+35
+00:02:14,960 --> 00:02:20,080
+centroid أو النقطة الأساسية التي تمثل مركز الـ
+
+36
+00:02:20,080 --> 00:02:24,860
+cluster، أو بتمثل المركز تبع الـ cluster الموجودة
+
+37
+00:02:24,860 --> 00:02:29,260
+عندها. مركز الـ cluster أو المجموعة الموجودة
+
+38
+00:02:29,260 --> 00:02:35,460
+عندها، عشان أحدد عضوية الـ cluster. هذا يعني أنا زي
+
+39
+00:02:35,460 --> 00:02:40,140
+ما قلنا سابقا، هي عبارة عن مجموعات معروفة مسبقا
+
+40
+00:02:40,140 --> 00:02:51,760
+يعني، واحد، اثنين، ثلاث مجموعات، مجرد ترقيم
+
+41
+00:02:51,760 --> 00:02:58,800
+مجرد اسم للمجموعة. عشان هيك أنا بحدد عضوية
+
+42
+00:02:58,800 --> 00:03:04,840
+المجموعات. الـ algorithm بياخد الـ data points اللي
+
+43
+00:03:04,840 --> 00:03:10,210
+موجودة عندي هنا، وبحسب المسافة بينهم وبين
+
+44
+00:03:10,210 --> 00:03:12,690
+الـ centroid الموجودة عندها. طيب الـ centroid اللي هي
+
+45
+00:03:12,690 --> 00:03:15,110
+الـ centers اللي اتفقنا عليها، مش موجودة عندي أول
+
+46
+00:03:15,110 --> 00:03:18,510
+مرة، بياخدها بشكل عشوائي، وبروح بأجمع يعني بروح
+
+47
+00:03:18,510 --> 00:03:23,190
+بياخد مجموعة. طبعًا الآن في عندي المجموعة بتكون شاغلة
+
+48
+00:03:23,190 --> 00:03:27,010
+لما يكون فيها على الأقل عنصر واحد. فإيش هو بروح
+
+49
+00:03:27,010 --> 00:03:30,690
+بفترض، بروح بفترض أنّ كل مجموعة بتبدأ بعنصر واحد
+
+50
+00:03:30,690 --> 00:03:34,430
+اللي هو بمثل الـ center، وبصير بعد ذلك يدور على
+
+51
+00:03:36,540 --> 00:03:39,920
+عضوية المجموعات، على قرب الـ element من الـ
+
+52
+00:03:39,920 --> 00:03:42,800
+center. هذا كلّ مكان قريب للـ center من التلاتة هدول،
+
+53
+00:03:42,800 --> 00:03:45,880
+فهو بيتمّ إلى المجموعة اللي بتمثلها الـ center اللي
+
+54
+00:03:45,880 --> 00:03:50,500
+موجودة عندها. والـ output طبعًا من الـ algorithm هذا
+
+55
+00:03:50,500 --> 00:03:55,170
+هي عبارة عن عملية description أو statistical
+
+56
+00:03:55,170 --> 00:03:59,670
+description، وصف إحصائي للـ data set الموجودة. مين هو
+
+57
+00:03:59,670 --> 00:04:03,490
+الـ centroid، وإيش هي البيانات اللي موجودة عليه، وإيش
+
+58
+00:04:03,490 --> 00:04:07,890
+هي البيانات اللي موجودة في داخل الـ clusters الـ
+
+59
+00:04:07,890 --> 00:04:11,470
+cluster الموجودة عندها. طبعًا لما أنا بأتكلم إنّه
+
+60
+00:04:11,470 --> 00:04:14,450
+في عندنا الـ k-means clustering algorithm، من أشهر الـ
+
+61
+00:04:14,450 --> 00:04:17,390
+algorithms وأبسطها في الفهم، واللي بيستخدم مع الـ
+
+62
+00:04:17,390 --> 00:04:22,040
+cluster. طبعًا الـ k عدد المجموعات اللي نتكلم عليه، والـ means
+
+63
+00:04:22,040 --> 00:04:25,820
+المقصود فيه المتوسط الحسابي للنقاط الموجودة
+
+64
+00:04:25,820 --> 00:04:33,240
+عندها. الـ... طبعًا قلنا أبسط algorithm وهو الأكثر
+
+65
+00:04:33,240 --> 00:04:36,880
+استخدامًا في عملية الـ clusterings الموجودة، بدور على
+
+66
+00:04:36,880 --> 00:04:40,960
+center. بيجتهد الـ algorithm أو الـ algorithm بيحاول
+
+67
+00:04:40,960 --> 00:04:46,300
+يدور على centers، وبالـ center هذا بمثل نقطة معينة
+
+68
+00:04:46,300 --> 00:04:50,380
+بتمثل الـ cluster، وبضلّ يعيد في العملية الموجودة
+
+69
+00:04:50,380 --> 00:04:54,360
+عندي. هم عبارة عن خطوات، زي ما قلنا، بروح بأخذ
+
+70
+00:04:54,360 --> 00:04:59,260
+center، والـ center هذا بروح بجيب العناصر، بشوف من
+
+71
+00:04:59,260 --> 00:05:02,540
+العناصر القريبة منه، بحسب المسافة. يعني لو أنا قلت له في
+
+72
+00:05:02,540 --> 00:05:06,500
+عندي مثلًا أربع مجموعات، معناته في عندي أربع نقاط
+
+73
+00:05:06,500 --> 00:05:09,900
+رئيسية، أربع نقاط مركزية اللي هي الـ centers تبع الـ
+
+74
+00:05:09,900 --> 00:05:12,860
+clusters، المجموعات اللي عندي، وعليها ببدأ يشتغل
+
+75
+00:05:12,860 --> 00:05:14,660
+الآن الـ algorithm هذا بضلّ
+
+76
+00:05:19,120 --> 00:05:27,820
+يتكرر بتكرر في عمليتين: الأولى، بروح بخصص كل data
+
+77
+00:05:27,820 --> 00:05:33,420
+point للـ cluster center. يعني الآن، المفروض، تبعًا
+
+78
+00:05:33,420 --> 00:05:37,580
+لهذه، بروح بحدد قرب، أو بعض العناصر، أو شبه
+
+79
+00:05:37,580 --> 00:05:43,180
+similarity، بحدد تشابه العناصر، الـ data instances مع
+
+80
+00:05:43,180 --> 00:05:48,220
+الـ centers الموجودة عندها. وبالتالي بروح بخصص لي
+
+81
+00:05:48,220 --> 00:05:52,060
+إيّاه للـ center الأقرب. ومن أجل تحقيق هذا الكلام، في
+
+82
+00:05:52,060 --> 00:05:55,140
+عندي distance function أو similarity function، اللي
+
+83
+00:05:55,140 --> 00:06:02,720
+عادة بنسميها distance. المفهوم distance أكثر في
+
+84
+00:06:02,720 --> 00:06:07,840
+الأرقام. الآن في الـ euclidean distance والـ
+
+85
+00:06:07,840 --> 00:06:10,360
+Manhattan distance، شفناهم سابقًا، وهنشوفهم الآن
+
+86
+00:06:10,360 --> 00:06:13,820
+كأن نذكر بعض فيهم: Jaccard، وSpearman، وSpearman
+
+87
+00:06:13,820 --> 00:06:17,680
+عفوا، والـ Hamming، والكوزاين. بعدين هي كده، لما بروح بدور
+
+88
+00:06:17,680 --> 00:06:21,860
+الـ algorithm بضلّ يكرر في العملية هذه، وبخصص الـ
+
+89
+00:06:21,860 --> 00:06:24,940
+instances للـ cluster، لما يكون في... لما يثبت
+
+90
+00:06:24,940 --> 00:06:28,000
+ويبطل يتغير، أو يصير فيه يعني تغيير على الـ data
+
+91
+00:06:28,000 --> 00:06:34,460
+الموجودة. بنذكر مع بعض الـ distance function أو
+
+92
+00:06:34,460 --> 00:06:39,880
+الـ similarity function، لما تكون الـ instance عبارة
+
+93
+00:06:39,880 --> 00:06:41,480
+عن مجموعة من الأرقام.
+
+94
+00:06:45,320 --> 00:06:47,560
+طبعًا اللي بنتكلم إحنا جالسين إنّ الـ distance
+
+95
+00:06:47,560 --> 00:06:49,860
+function هذه، أو الـ similarity function، سميناها
+
+96
+00:06:49,860 --> 00:06:53,780
+similarity أو distance function، لأنّ الـ... الـ...
+
+97
+00:06:53,780 --> 00:06:58,560
+لما أنا بدي أوصف rows، أو بدي أوصف أرقام قربها أو
+
+98
+00:06:58,560 --> 00:07:02,720
+بعضها من بعضها، أو تشابهها من بعضها، معناه أنّ أنا
+
+99
+00:07:02,720 --> 00:07:05,580
+جالس بأتكلم على نقاط. طبعًا لما أنا برسم الـ object
+
+100
+00:07:05,580 --> 00:07:10,120
+بتكون موجودة عندي في الـ space أو مرسومة عندي، حتماً
+
+101
+00:07:10,120 --> 00:07:13,900
+النقطتين المتقاربتين، المسافة اللي بينهم دليل على
+
+102
+00:07:13,900 --> 00:07:18,680
+تشابه العناصر الموجودة بينهم. طبعًا شوية شوية
+
+103
+00:07:18,680 --> 00:07:23,260
+هتصير الأمور بالنسبة لنا أفضل. لو أنا قلت لك في الـ
+
+104
+00:07:23,260 --> 00:07:25,600
+space هذا، على سبيل المثال، أو قلت لك في الـ space
+
+105
+00:07:25,600 --> 00:07:34,440
+هذا، قلت أنّ في نقطتين، هذه نقطة هنا ونقطة
+
+106
+00:07:34,440 --> 00:07:37,520
+هنا ونقطة هنا.
+
+107
+00:07:41,060 --> 00:07:48,240
+من أكثر نقطتين متشابهتين، أو بلاش، أقرب نقطتين لبعض
+
+108
+00:07:48,240 --> 00:07:53,720
+حتماً
+
+109
+00:07:53,720 --> 00:07:59,940
+النقطتين اللي بينهم الـ distance أصغر ما يمكن. طيب
+
+110
+00:07:59,940 --> 00:08:08,520
+لو أنا جدًّا قلت إنّ في عندي نقطة هنا (غير اللون بس)، لو
+
+111
+00:08:08,520 --> 00:08:09,820
+قلت إنّ في عندي نقطة هنا.
+
+112
+00:08:16,490 --> 00:08:19,670
+النقطة هذه أقرب لمين؟ لو أنا قلت لك هذه النقطة
+
+113
+00:08:19,670 --> 00:08:24,570
+تشبه مين؟ تشبه مين؟ ما فيش شبه. هذه نقطة موجودة في
+
+114
+00:08:24,570 --> 00:08:29,690
+الـ space، معناته أنا هروح أحسب مسافتها ومسافتها
+
+115
+00:08:29,690 --> 00:08:35,250
+والمسافة الأقصر هي بتمثل... هي بتكون أقرب لمين
+
+116
+00:08:35,250 --> 00:08:39,730
+للنقطة الموجودة عندها. طبعًا إحنا كلّنا بنعرف سابقًا
+
+117
+00:08:39,730 --> 00:08:44,770
+زي ما قلنا، الـ Manhattan والـ distance الموجودة عندنا. لو
+
+118
+00:08:44,770 --> 00:08:50,090
+أنا افترضت إنّ في عندي نقطتين، الـ X والـ Y، كانت 2
+
+119
+00:08:50,090 --> 00:08:54,410
+points، والـ 2 points هدول أنا بدي أحسب الـ distance
+
+120
+00:08:54,410 --> 00:08:57,510
+بينهم. لما أتكلم عن الـ Euclidean، أنا بأتكلم عن الجذر
+
+121
+00:08:57,510 --> 00:09:03,550
+التربيعي لمجموع مربعات الفروق ما بين مكونات
+
+122
+00:09:03,550 --> 00:09:06,450
+النقطتين اللي موجودة عندي.
+
+123
+00:09:09,550 --> 00:09:16,450
+وطبعًا كذلك الآن، مع الـ... بينما الـ Manhattan distance
+
+124
+00:09:16,450 --> 00:09:20,970
+هي عبارة عن مجموع القيم المطلقة للفروق ما بين
+
+125
+00:09:20,970 --> 00:09:24,270
+مكونات النقاط اللي موجودة عندنا.
+
+126
+00:09:26,900 --> 00:09:31,120
+وطبعًا، هي قلنا إحنا سابقًا إنّ أنا لما بأتكلم على
+
+127
+00:09:31,120 --> 00:09:36,820
+Manhattan، بأتكلم على الـ Euclidean، معناته بأتكلم على الخط
+
+128
+00:09:36,820 --> 00:09:40,200
+المستقيم اللي باللون الأخضر هذا، اللي هو بتطبيق
+
+129
+00:09:40,200 --> 00:09:43,840
+نظرية في الـ course، بين أي نقطتين. ولما بأتكلم على
+
+130
+00:09:43,840 --> 00:09:47,960
+الـ Manhattan ثاني، معناته بأتكلم على الأضلاع الموجودة
+
+131
+00:09:47,960 --> 00:09:53,860
+عندها. شكلي لما أخدت العناصر
+
+132
+00:09:57,090 --> 00:10:12,650
+ما عدّلتش الرسمة بتاعتي كده.
+
+133
+00:10:12,650 --> 00:10:13,030
+صح.
+
+134
+00:10:19,600 --> 00:10:26,360
+الآن لو أنا بدأت آخذ نظرة في gif file، ال�� gif picture
+
+135
+00:10:26,360 --> 00:10:30,800
+اللي موجودة قدامي اللحظة، أنا بأتكلم على عشرة
+
+136
+00:10:30,800 --> 00:10:34,180
+iterations. أنا بدأت من iteration رقم واحد، اثنين،
+
+137
+00:10:34,180 --> 00:10:38,160
+ثلاثة، أربعة، ولاحظوا معايا إنّ المربعات هذه هي الـ
+
+138
+00:10:38,160 --> 00:10:41,920
+centers أو الـ centroids للـ clusters. أنا بأقول أجمع الـ
+
+139
+00:10:41,920 --> 00:10:45,200
+data لأربع مجموعات، والـ data هذه كلّها مختلطة مع
+
+140
+00:10:45,200 --> 00:10:49,420
+بعضها. بدأت الآن، بناء على الـ centers، الألوان تتوجه
+
+141
+00:10:49,420 --> 00:10:53,700
+مع بعض مع كل iteration. وهذا فعليًا اللي بيسويه الـ k-
+
+142
+00:10:53,700 --> 00:10:59,170
+means، إنّه بياخد random center في الأول، وبعدها بيحسب
+
+143
+00:10:59,170 --> 00:11:02,210
+الـ distance بين الـ centers هذه وكل النقاط اللي
+
+144
+00:11:02,210 --> 00:11:06,950
+موجودة، وكل نقطة بتصنف مع الـ center بناء على
+
+145
+00:11:06,950 --> 00:11:10,610
+shortest distance أو الـ similarity function اللي
+
+146
+00:11:10,610 --> 00:11:15,350
+إحنا بنعرفها. كصورة ثابتة، هي الـ data set، روحت قلت له
+
+147
+00:11:15,350 --> 00:11:18,990
+أجمع لي إيّاهم لمجموعات، فراح أخذ ثلاث مجموعات طبعًا
+
+148
+00:11:18,990 --> 00:11:23,270
+هنا، اللي هي أخذت المثلثات، هتمثل three different
+
+149
+00:11:23,270 --> 00:11:27,970
+centers. أيّهم، حتى لو كان، لأنّ الـ selection الأولى للـ
+
+150
+00:11:27,970 --> 00:11:31,170
+centers الأولية by random، حتى لو كانوا كلّهم
+
+151
+00:11:31,170 --> 00:11:35,210
+موجودين مع بعض، ما فيش غير إنّه بيشتغل في الـ... لو اجوا
+
+152
+00:11:35,210 --> 00:11:38,220
+كلّهم في نفس الـ center، ما عندي مشكلة، لأنّه بعد ذلك
+
+153
+00:11:38,220 --> 00:11:44,220
+سيقوم باختيار الـ average أو الـ mean تبعتهم. فقال
+
+154
+00:11:44,220 --> 00:11:47,440
+ليّ، هذه الـ data. افترض في الـ initialization زي ما
+
+155
+00:11:47,440 --> 00:11:50,820
+قلنا، هي بياخد الـ random centers، three centers، حسب
+
+156
+00:11:50,820 --> 00:11:55,980
+المطلوب by random، وراح يبدأ يخصص المجموعات، فراح يبدأ
+
+157
+00:11:55,980 --> 00:11:56,440
+يحسب.
+
+158
+00:12:01,830 --> 00:12:04,830
+اللي قلنا أنّنا هنعمل initialization، حدّد الـ three
+
+159
+00:12:04,830 --> 00:12:09,710
+centroids أو الـ three centers by random، وبعد هيك
+
+160
+00:12:09,710 --> 00:12:13,130
+بدأ يخصص النقاط بناء على الـ distance. طبعًا يا جماعة،
+
+161
+00:12:13,130 --> 00:12:16,210
+الخير، لما أنا بدي آجي أتكلم، النقطة high، أو النقطة
+
+162
+00:12:16,210 --> 00:12:22,490
+high distance هنا، وهأحسبها مع هنا، وهأحسبها مع
+
+163
+00:12:22,490 --> 00:12:31,520
+هنا، وهأصنفها لأقرب center، لأقصر مسافة. وبالتالي،
+
+164
+00:12:31,520 --> 00:12:35,000
+الأحمر هنا، صارت هذه كل النقاط، طبعًا هذه النقاط هي
+
+165
+00:12:35,000 --> 00:12:37,680
+أقرب للأخضر، وهذه للأزرق. فضلًا في الـ iteration
+
+166
+00:12:37,680 --> 00:12:43,670
+الثانية. الآن في الخطوة التالية، هنسوي، هيتحدد
+
+167
+00:12:43,670 --> 00:12:48,470
+الأحمر كله، الأزرق. فرح يحسب المتوسط لكل النقاط
+
+168
+00:12:48,470 --> 00:12:51,770
+اللي باللون الأخضر، المتوسط لكل النقاط اللي بالأحمر،
+
+169
+00:12:51,770 --> 00:12:55,830
+المتوسط لكل النقاط اللي بالأزرق الداكن. بينحسب
+
+170
+00:12:55,830 --> 00:12:58,870
+يعني، بيحسب الـ mean لكل الـ cluster بشكل مستقلّ،
+
+171
+00:12:58,870 --> 00:13:02,610
+والمتوسط هذا هو، بياخده centroid للـ next
+
+172
+00:13:02,610 --> 00:13:06,750
+iteration. recompute الـ center، هي حسب الـ center من
+
+173
+00:13:06,750 --> 00:13:12,020
+جديد. وراح إيش؟ بدأ reassigning، بدأ يروح يعمل الـ
+
+174
+00:13:12,020 --> 00:13:15,780
+center ثاني، وبعدها بيحسب، بعد ما يخلص بيحسب الـ
+
+175
+00:13:15,780 --> 00:13:19,640
+center كمان مرة، وبروح بخصص النقاط، وبحسب الـ
+
+176
+00:13:19,640 --> 00:
+
+223
+00:17:24,250 --> 00:17:30,690
+أربعة ل .. أربعة
+
+224
+00:17:30,690 --> 00:17:33,830
+ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل ..
+
+225
+00:17:33,830 --> 00:17:33,990
+ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل ..
+
+226
+00:17:33,990 --> 00:17:34,930
+أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة
+
+227
+00:17:34,930 --> 00:17:35,370
+ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل ..
+
+228
+00:17:35,370 --> 00:17:35,430
+أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة
+
+229
+00:17:35,430 --> 00:17:36,570
+ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل ..
+
+230
+00:17:36,570 --> 00:17:38,710
+أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة
+
+231
+00:17:38,710 --> 00:17:39,850
+ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل ..
+
+232
+00:17:39,850 --> 00:17:44,650
+أربعة ل .. أربعة ل ..
+
+233
+00:17:44,650 --> 00:17:49,210
+أربعة
+
+234
+00:17:49,210 --> 00:17:55,680
+لبأوقف و ببطل الشغل لما فعليا الـ cluster أو الـ
+
+235
+00:17:55,680 --> 00:18:01,100
+center بعد هيك تثبت لماذا؟ إذا ثبتت الـ cluster أو الـ
+
+236
+00:18:01,100 --> 00:18:03,640
+الـ center اللي موجودة عندي هنا معناته أنا ما فيش
+
+237
+00:18:03,640 --> 00:18:08,180
+عندي تليير بعد هيك بنجوسينت صار فيه ثبات و هيك صار
+
+238
+00:18:08,180 --> 00:18:11,340
+في عندي كل نقطة موجودة في الـ cluster الحقيقي اللي
+
+239
+00:18:11,340 --> 00:18:14,660
+موجود عندك وبعد هيك ستكون كل iteration على الفاضي
+
+240
+00:18:15,590 --> 00:18:17,970
+لماذا؟ لأن الـ Center لم يتغير بمعنى التوزيع كما
+
+241
+00:18:17,970 --> 00:18:22,910
+هو و هذه هي آخر توزيع أحصل عليها طيب، تعالى نطبق
+
+242
+00:18:22,910 --> 00:18:26,990
+نفس المثال لكن مع more dimensions في الـ 2D بقول أنا
+
+243
+00:18:26,990 --> 00:18:31,710
+فيه عندي data set مكونة من تمام نقاط اللي بتجسمهم
+
+244
+00:18:31,710 --> 00:18:35,730
+لـ three clusters باعتماد على الـ manhattan distance
+
+245
+00:18:35,730 --> 00:18:42,570
+هذه النقاط اللي موجودة عندها طيب،
+
+246
+00:18:42,570 --> 00:18:49,280
+by random؟ لازم أختار center أخذنا اتنين و عشرة و
+
+247
+00:18:49,280 --> 00:18:53,580
+أخذنا خمسة و ثمانية و أخذنا واحد و اتنين بينفع
+
+248
+00:18:53,580 --> 00:18:56,600
+الثلاثه تكون ورا بعض بينفع random الكلام random
+
+249
+00:18:56,600 --> 00:19:02,320
+جماعة الخير و بدك تشتغل و تشتغل الـ distance زي ما
+
+250
+00:19:02,320 --> 00:19:05,640
+قلنا هي بتقعد تتكلم و تقول أنت ما تستخدم الـ manhattan
+
+251
+00:19:05,640 --> 00:19:13,370
+الـ manhattan distance، المعرفة=المجموع .. المجموع القيم
+
+252
+00:19:13,370 --> 00:19:19,270
+المطلقة للفرقات بين عناصر النقاط اللي موجودة عندي
+
+253
+00:19:19,270 --> 00:19:24,330
+أسهل حاجة هيك أن أنا أروح أنشئ جدول بالشكل هذا هي
+
+254
+00:19:24,330 --> 00:19:28,230
+الـ data point اللي عندي و هي الـ initial centers
+
+255
+00:19:28,230 --> 00:19:36,450
+centers C1 وC2 وC3 طيب الآن بدي أروح أحسب الـ distance
+
+256
+00:19:36,450 --> 00:19:43,430
+صفر ناقص اثنين، ناقص اثنين، صفر زائد عشرة ناقص عشرة، صفر صفر
+
+257
+00:19:43,430 --> 00:19:51,230
+اثنين ناقص خمسة، ثلاثة زائد عشرة ناقص اثنين، عشرة ناقص
+
+258
+00:19:51,230 --> 00:19:58,990
+ثمانية، اثنين يعني مجموع خمسة، اثنين ناقص واحد، واحد
+
+259
+00:19:58,990 --> 00:20:02,530
+زائد عشرة ناقص اثنين، ثمانية
+
+260
+00:20:05,340 --> 00:20:11,700
+الآن مباشرة بقدر أقرر أن هذا أقصر distance موجودة
+
+261
+00:20:11,700 --> 00:20:15,460
+اللي هي الصفر معناته هذا أقرب ما يكون من الـ
+
+262
+00:20:15,460 --> 00:20:19,420
+cluster الرقم واحد من الـ center الأول فهو ينتمي لـ
+
+263
+00:20:19,420 --> 00:20:23,980
+الـ cluster الأول، نرجع الكرة مرة ثانية، اثنين ناقص
+
+264
+00:20:23,980 --> 00:20:30,000
+اثنين، صفر، خمسة ناقص عشرة، خمسة هي خمسة الآن اثنين
+
+265
+00:20:30,000 --> 00:20:37,850
+ناقص خمسة، ثلاثة، خمسة ناقص ثمانية، ثلاثة معناته ستة
+
+266
+00:20:37,850 --> 00:20:45,330
+2 -1 1 5-2 3 1 3 4 يعني الـ distance الأقصر هي عبارة
+
+267
+00:20:45,330 --> 00:20:48,630
+عن الأربعة فهذا أقرب ما يكون للـ cluster رقم
+
+268
+00:20:48,630 --> 00:20:56,310
+ثلاثة، مع كذلك هنا 8-2 6 4-10 6 طبعاً ليش أربعة ناقص
+
+269
+00:20:56,310 --> 00:20:58,870
+عشرة ستة لما نتكلم بالـ absolute value من هاتين
+
+270
+00:20:58,870 --> 00:21:03,640
+distance، ما تنسوا الـ distance الثانية سبعة، الـ
+
+271
+00:21:03,640 --> 00:21:07,900
+distance الثالثة تسعة، معناته أنا أقصر مسافة
+
+272
+00:21:07,900 --> 00:21:13,640
+تسعة، معناته في الـ cluster الثاني، خمسة صفر، لاحظوا
+
+273
+00:21:13,640 --> 00:21:16,620
+لأن الـ data set أو الـ centers أخذتها معي فلازم
+
+274
+00:21:16,620 --> 00:21:20,080
+تطلع معي صفر بشكل أو بآخر لأ في أي حسب الـ
+
+275
+00:21:20,080 --> 00:21:23,920
+center اللي موجود عندها، فلما حسبنا، تمام تمام، حسبنا
+
+276
+00:21:23,920 --> 00:21:31,360
+كل الـ distances، وزعنا الثمانية عناصر على الـ classes
+
+277
+00:21:31,360 --> 00:21:37,460
+اللي موجودة، يعني a1 في c1 من الـ cluster الأول، a2 و
+
+278
+00:21:37,460 --> 00:21:44,240
+a7 في الـ cluster الثالث، a3 و a4 و a5 و 6 و 8 في الـ
+
+279
+00:21:44,240 --> 00:21:50,120
+cluster الثاني، تمام، هذه التوزيع اللي عندي بناءً على
+
+280
+00:21:50,120 --> 00:21:55,100
+الـ clusters اللي موجودة عندها، إيش المطلوب مني الآن؟
+
+281
+00:21:55,100 --> 00:21:59,960
+المطلوب مني الآن أحسب الـ mean لكل cluster
+
+282
+00:22:03,450 --> 00:22:06,670
+يعني متوسط النقاط اللي في اللون الأسود في الـ
+
+283
+00:22:06,670 --> 00:22:10,530
+cluster الأول، هيهم بروح بجمع النقاط اللي بتاخد
+
+284
+00:22:10,530 --> 00:22:14,050
+واحد اللي في الـ cluster الأول و بحسب المتوسط
+
+285
+00:22:14,050 --> 00:22:17,730
+تبعها، ما فيش غير النقطة، معناته المتوسط تبعها مثل
+
+286
+00:22:17,730 --> 00:22:21,070
+ما هو، هذا الـ center ما تغيرش، اللي باللون الأزرق، هيهم
+
+287
+00:22:21,070 --> 00:22:28,650
+اثنين زائد اثنين زائد واحد، ثلاثة يعني واحد ونصف، خمسة، سبعة و
+
+288
+00:22:28,650 --> 00:22:32,550
+اثنين عفواً، سبعة يعني ثلاثة ونصف، هذا الـ center
+
+289
+00:22:32,550 --> 00:22:36,570
+الثالث، الـ center الثاني هيكون عبارة عن ثمانية
+
+290
+00:22:36,570 --> 00:22:41,930
+زائد خمسة، زائد سبعة، هي عشرين، وهي ستة، ستة و
+
+291
+00:22:41,930 --> 00:22:45,870
+عشرين هي ثلاثين، ثلاثين على واحد، اثنين، ثلاثة، أربعة
+
+292
+00:22:45,870 --> 00:22:53,500
+خمسة يعني ستة وثلاثين على خمسة، ستة و ايه في  ،  اندي هان
+
+293
+00:22:53,500 --> 00:23:03,800
+اثنا عشر، سبعة عشر، اثنين وعشرون، اثنا عشر
+
+294
+00:23:03,800 --> 00:23:08,200
+سبعة عشر، واحد وعشرون، ثلاثون برضه ستة وستة معناته
+
+295
+00:23:08,200 --> 00:23:12,260
+الـ new centers تبعتي أنا هتكون بعد الحسبة تبعتي
+
+296
+00:23:12,260 --> 00:23:19,780
+اثنين وعشرة، بالمتوسطات 6 6 1.5 3.5
+
+297
+00:23:22,880 --> 00:23:26,580
+centers لاحظوا أنا ما زلت ما تكلم من الـ first
+
+298
+00:23:26,580 --> 00:23:30,280
+iteration اللي موجودة عندي، الآن هاخد الـ new
+
+299
+00:23:30,280 --> 00:23:34,600
+centers هدول و أروح فيهم على الـ next iteration أو
+
+300
+00:23:34,600 --> 00:23:37,680
+الـ second iteration، هاي حطيت الـ centers اللي جديدة
+
+301
+00:23:37,680 --> 00:23:41,080
+اللي موجودة عندي هنا و بديت أحسب المسافة من جديد
+
+302
+00:23:41,080 --> 00:23:46,520
+بديت أحسب المسافة من جديد، وبنفس الكلام الآن بحسب
+
+303
+00:23:46,520 --> 00:23:49,720
+على الـ centers الجديدة مع كل row اللي موجود عندي
+
+304
+00:23:49,720 --> 00:23:54,400
+هنا و بأخذ،  لأ، مع نهاية العملية بروح بحسب الـ centers
+
+305
+00:23:54,400 --> 00:23:58,180
+بحسب الـ mean للـ centers اللي موجودة، هيصير في عندي
+
+306
+00:23:58,180 --> 00:23:59,340
+واحد و واحد
+
+307
+00:24:02,460 --> 00:24:07,000
+الآن صار في عندي واحد و واحد، هي اثنين، وأربعة، ستة
+
+308
+00:24:07,000 --> 00:24:12,380
+على اثنين، ثلاثة، عشرة أو تسعة، تسعة عشر، ثمانية و عفواً
+
+309
+00:24:12,380 --> 00:24:15,960
+تسعة ونصف، هذا الـ center الجديدة اللي هشتغل عليها
+
+310
+00:24:15,960 --> 00:24:19,160
+وبالتالي أنا هروح في iteration ثالثة لأن الـ
+
+311
+00:24:19,160 --> 00:24:22,060
+centers مختلفة تماماً عن الـ centers اللي موجودة
+
+312
+00:24:22,060 --> 00:24:26,040
+هترجع تعمل نفس الحسبة بنفس الكيفية لحد ما تثبت معك
+
+313
+00:24:26,270 --> 00:24:29,230
+للـ clusters اللي موجود عندك هنا، طبعاً في كل الـ
+
+314
+00:24:29,230 --> 00:24:32,430
+slide هذه تكتبها على ورقة أو تطبق عليها، وتطبقها، و
+
+315
+00:24:32,430 --> 00:24:34,970
+تجرب الـ center الثاني والثالث والرابع والـ
+
+316
+00:24:34,970 --> 00:24:41,310
+iteration، طبعاً متى بده يوقف؟ بده يوقف لما فعلياً يبطل
+
+317
+00:24:41,310 --> 00:24:47,950
+الـ center عندي يتغير، تمام، okay، طبعاً لأنه في مشكلة
+
+318
+00:24:47,950 --> 00:24:52,390
+أحياناً بالـ mean بتظهر معي لو كان في عندي الـ data
+
+319
+00:24:52,390 --> 00:24:57,440
+مش معمولة pre-processing صح، يعني في عندي outlier
+
+320
+00:24:57,440 --> 00:25:03,040
+زي هي، دي الآن لو أنا جيت قلت لك المتوسط الحسابي
+
+321
+00:25:03,040 --> 00:25:06,120
+اللي هدول، واحد وثلاثة وخمسة وسبعة وتسعة
+
+322
+00:25:06,120 --> 00:25:10,780
+هتقول لي okay، خمسة، لكن لو أنا قلت لك بدل التسعة
+
+323
+00:25:10,780 --> 00:25:16,660
+عندي ألف وتسعة، هيكون المتوسط الحسابي جدّيش؟ متسع و
+
+324
+00:25:16,660 --> 00:25:21,060
+خمسة، معناته الـ center تبعه هيكون بعيد جداً، الـ center
+
+325
+00:25:21,060 --> 00:25:25,100
+تبعي بعيد جداً، معناته يبعد عن نقطة الـ convergence
+
+326
+00:25:25,100 --> 00:25:33,440
+ممكن فعلياً يدينا نتيجة خطأ، أنت تخيّل أن الـ data
+
+327
+00:25:33,440 --> 00:25:39,480
+set  عبارة عن عشر مجموعات
+
+328
+00:25:39,480 --> 00:25:40,400
+عن مجموعات
+
+329
+00:25:53,650 --> 00:25:59,290
+هذه النقطة هي الـ 250، لما تكون هذه الـ center
+
+330
+00:25:59,290 --> 00:26:01,830
+فتأخذ هذه العناصر معها
+
+331
+00:26:04,130 --> 00:26:09,170
+لأنها الأقرب، لما تختار المتوسط سيصبح هنا وهنا و
+
+332
+00:26:09,170 --> 00:26:11,250
+هنا وهنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+333
+00:26:11,250 --> 00:26:13,170
+هنا وهنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+334
+00:26:13,170 --> 00:26:13,430
+هنا وهنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+335
+00:26:13,430 --> 00:26:14,550
+هنا وهنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+336
+00:26:14,550 --> 00:26:14,930
+هنا وهنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+337
+00:26:14,930 --> 00:26:15,310
+هنا وهنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+338
+00:26:15,310 --> 00:26:17,490
+هنا وهنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+339
+00:26:17,490 --> 00:26:20,790
+هنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+340
+00:26:20,790 --> 00:26:21,690
+هنا وهنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+341
+00:26:21,690 --> 00:26:21,710
+هنا وهنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+342
+00:26:21,710 --> 00:26:21,730
+هنا وهنا وهنا وهنا وهنا وهنا وهنا وهنا و
+
+343
+00:26:21,730 --> 00:26:32,670
+هنا وهنا وهنا وهنا و
+
+344
+00:26:32,670 --> 00:26:36,780
+هنا وهنا، الـ median زي ما احنا بنعرف سابقاً، ونفس
+
+345
+00:26:36,780 --> 00:26:40,720
+الخطوات السابقة بتظل عندها لكن بدل ما أحسب زي ما
+
+346
+00:26:40,720 --> 00:26:46,180
+قلت لك المتوسط أو المتوسط بحسب أو باخد القيمة الوسطية
+
+347
+00:26:46,180 --> 00:26:50,010
+اللي موجودة عندها أو الوسطية الحسابية، الـ mean
+
+348
+00:26:50,010 --> 00:26:52,950
+advantage تبع الـ median زي ما قلنا أنه
+
+349
+00:26:52,950 --> 00:26:55,930
+لا يتأثر بالـ extreme value أو بالـ outlier value
+
+350
+00:26:55,930 --> 00:27:00,650
+اللي موجودة هنا، السؤال اللي بيطرح نفسه الآن،  هل كل
+
+351
+00:27:00,650 --> 00:27:04,090
+شغلنا سابقاً كان مع أرقام،  ماذا لو كانت الـ data
+
+352
+00:27:04,090 --> 00:27:09,430
+اللي عندي عبارة عن binary، 0 و 1، 0 و 1، ده الـ data binary
+
+353
+00:27:09,430 --> 00:27:13,450
+يعني الآن عندي قيم 0 و 1، 0 و 1، معناته ممكن تكون في عند
+
+354
+00:27:13,450 --> 00:27:17,410
+القيم متشابهة ما بين الـ clusters، عشان هيك جالك لما
+
+355
+00:27:17,410 --> 00:27:19,930
+تكون الـ data binary اللي عندي أو الـ variable
+
+356
+00:27:19,930 --> 00:27:24,170
+اللي عندي كلها binary، ما أنفعش أروح أطبق عليها الـ
+
+357
+00:27:24,170 --> 00:27:28,310
+Euclidean أو الـ manhattan، لأ بيصير في عندي similarity
+
+358
+00:27:28,310 --> 00:27:32,610
+function أخرى لازم أتعامل معاها، وطبعاً هنا فعلياً
+
+359
+00:27:32,610 --> 00:27:36,350
+أنا بصير أبدأ أدوّر على الـ dissimilarity، احنا سابقاً
+
+360
+00:27:36,350 --> 00:27:39,150
+ذكرنا أن في عندي الـ Euclidean والـ Jacquard والـ
+
+361
+00:27:39,150 --> 00:27:44,770
+Sparsman والـ Hoffman code إلى آخره، لكن خليني
+
+362
+00:27:44,770 --> 00:27:50,390
+أتكلم احنا على الـ binary data، بصير أحسب الـ
+
+363
+00:27:50,390 --> 00:27:55,990
+dissimilarity، عدم التشابه، يعني أنا بعد ما أدوّر لكل
+
+364
+00:27:55,990 --> 00:28:04,310
+مكان، عدم التشابه، تمام، معناته التشابه عندها
+
+365
+00:28:04,310 --> 00:28:08,510
+صغير، وبالتالي أنا نفس الفكرة أن أنا بدوّر على الـ
+
+366
+00:28:08,510 --> 00:28:12,920
+smaller value دائماً عشان اتكلم عن أنه في شبه أو
+
+367
+00:28:12,920 --> 00:28:18,300
+ما فيش شبه، لكن زي ما قلنا أن أنا بتكلم على عدم
+
+368
+00:28:18,300 --> 00:28:25,620
+التشابه بشكل عام، لما بكون في عندي الـ data set أو
+
+369
+00:28:25,620 --> 00:28:31,540
+الـ point تبعتي فيها عبارة عن value من صفر لواحد، الـ
+
+370
+00:28:31,540 --> 00:28:34,840
+dissimilarity تبعتنا عبارة عن non-negative number
+
+371
+00:28:35,710 --> 00:28:42,510
+لما بيكون close to zero، معناته نقطتين قريبين جداً من
+
+372
+00:28:42,510 --> 00:28:46,710
+بعض أو متشابهات، والعكس كل ما زاد الرقم كل ما كبر
+
+373
+00:28:46,710 --> 00:28:52,450
+الرقم، معناته الرقمين هدول مختلفين عن بعض، يعني
+
+374
+00:28:52,450 --> 00:28:55,490
+هنلاحظ أني بقييس الاختلاف، الآن هنلاحظ أني بقييس
+
+375
+00:28:55,490 --> 00:28:58,650
+الاختلاف، كنت بقييس التشابه، والآن بدي أقييس
+
+376
+00:28:58,650 --> 00:29:04,560
+الاختلاف، اللي الآن من الـ matrix اللي ذكرناها
+
+377
+00:29:04,560 --> 00:29:07,260
+سابقاً اللي هي الـ Jaccard، بدك تفترض أنه أنا
+
+378
+00:29:07,260 --> 00:29:13,340
+فعلياً عندي data set مكونة من الـ object الأول
+
+379
+00:29:13,340 --> 00:29:19,060
+والـ object الثاني، عشان أنا آخد قيم الـ value الـ
+
+380
+00:29:19,060 --> 00:29:23,900
+binary value اللي موجودة، الآن بدأت أوزّع 0 و 1، الـ I و
+
+381
+00:29:23,900 --> 00:29:29,380
+الـ J، الـ I والـ J، A و B و C و D هذه العناصر اللي
+
+382
+00:29:29,380 --> 00:29:35,240
+بتمثل المصفوفة اللي عندي، لاحظوا أنا جمعت الـ B والـ
+
+383
+00:29:35,240 --> 00:29:35,660
+C
+
+384
+00:29:50,030 --> 00:29:54,350
+عشان نفهم الصورة صح ونشوف بالمثال يتضح المقال زي
+
+385
+00:29:54,350 --> 00:29:59,050
+ما بقول المثل، تعالى نروح نشتغل hand ونشوف إيش
+
+386
+00:29:59,050 --> 00:30:04,150
+العناصر اللي موجودة عندها، بيجي بقول، افترض أن هي
+
+387
+00:30:04,150 --> 00:30:08,790
+في عندي أنا الـ binary data، بدي أعملها partitioning
+
+388
+00:30:08,790 --> 00:30:12,930
+clusters، هذه بتمثل patient records، الـ records أو
+
+389
+00:30:12,930 --> 00:30:17,530
+الموجودين عندها، ما بين الـ positive والـ yes طبعاً
+
+390
+00:30:17,530 --> 00:30:22,610
+بتكلم على اسم الشخص، مش هدخل معايا حتماً في الحسبة
+
+391
+00:30:22,610 --> 00:
+
+445
+00:35:55,420 --> 00:35:59,840
+dissimilarity معناته أعلى تشابه، كلما كبرت ال
+
+446
+00:35:59,840 --> 00:36:02,540
+dissimilarity معناته الاختلاف بينهم كبير جداً
+
+447
+00:36:02,540 --> 00:36:07,540
+معناته أنا أكثر اتنين متشابهين أو أقرب اتنين لبعض
+
+448
+00:36:07,540 --> 00:36:14,380
+اللي هي من، جاك و ماري حسب الـ Jacquard computation
+
+449
+00:36:14,380 --> 00:36:17,180
+أو الـ Jacquard metric function اللي احنا بنتكلم
+
+450
+00:36:17,180 --> 00:36:22,180
+عليها، لإيه الدلالة؟ لاحظوا سابقاً كنت
+
+451
+00:36:22,180 --> 00:36:25,520
+أتكلم عن الـ distance أو ��لـ similarity distance أو
+
+452
+00:36:25,520 --> 00:36:29,240
+الـ distance function كنت أتَكلم عن الـ shortest
+
+453
+00:36:29,240 --> 00:36:31,780
+distance، بس الآن أتَكلم عن الـ shortest
+
+454
+00:36:31,780 --> 00:36:37,160
+dissimilarity طبعاً، و السيميلارتي لما أنا بدي الـ...
+
+455
+00:36:37,160 --> 00:36:40,320
+الـ...
+
+456
+00:36:40,320 --> 00:36:45,760
+...الـ... الآن هذه أكثر تشابه أو أقل اختلاف
+
+457
+00:36:45,760 --> 00:36:50,650
+بين Jack و Mary، لو أنا بدي أتَكلم عن التشابه، خذ واحد
+
+458
+00:36:50,650 --> 00:36:54,390
+ناقص، معناته كل ما بدي أزيد التشابه عنده، ما بدي
+
+459
+00:36:54,390 --> 00:36:59,930
+أصير فيه، وبالتالي بيصير فيني عند جاك وماري أكثر
+
+460
+00:36:59,930 --> 00:37:03,390
+اتنين متشابهين، المحتمل أنهم ياخدوا نفس المرض بناءً
+
+461
+00:37:03,390 --> 00:37:06,310
+على الـ data set يكون عندهم نفس المرض، لأن هذول أكثر
+
+462
+00:37:06,310 --> 00:37:10,210
+اتنين متقاربين في المحوصات وفي الأعراض اللي موجودة
+
+463
+00:37:10,210 --> 00:37:18,290
+عندنا، بينما جيم وماري أكثر اتنين مختلفين، وبالتالي
+
+464
+00:37:18,290 --> 00:37:22,510
+لا نعتقد أو ما فيش اعتقاد أنهم يكونوا من نفس المرض
+
+465
+00:37:22,510 --> 00:37:28,090
+أو منهم نفس المشكلة المرضية اللي عندهم، من اللي لو
+
+466
+00:37:28,090 --> 00:37:35,870
+بدنا نتكلم على المزايا وعيوب الـ K-Means، المزايا
+
+467
+00:37:35,870 --> 00:37:43,030
+simple، سهل أن أنا أفهمه، الـ item يتخصص بشكل تلقائي
+
+468
+00:37:43,030 --> 00:37:51,680
+لـ cluster، الـ disadvantages لازم تَتصنف، لازم تَتصنف
+
+469
+00:37:51,680 --> 00:37:54,720
+لازم
+
+470
+00:37:54,720 --> 00:37:57,060
+تَتصنف، لازم تَتصنف، لازم تَتصنف
+
+471
+00:38:00,680 --> 00:38:03,960
+الـ sensitive to outlier زي ما شفنا أن الـ
+
+472
+00:38:03,960 --> 00:38:08,060
+outlier بتغير الـ center، sensitive to initial seed
+
+473
+00:38:08,060 --> 00:38:11,780
+اللي هي الـ random center اللي في الأول، لو كانت
+
+474
+00:38:11,780 --> 00:38:14,520
+قريبة عندي، لو كانت في نص الـ... لو كانت هي الـ
+
+475
+00:38:14,520 --> 00:38:17,980
+center ممكن أوصل من أول iteration أو الثانية، لكن
+
+476
+00:38:17,980 --> 00:38:20,380
+لو كانت بعيدة، معناته هيأخد منه وقت في الـ
+
+477
+00:38:20,380 --> 00:38:26,660
+convergence لما يوصل لنهاية الحل، طبعاً صعبة، غير
+
+478
+00:38:26,660 --> 00:38:33,280
+مناسبة للي بيشوف الـ cluster من الـ hyper ellipsoid
+
+479
+00:38:33,280 --> 00:38:37,400
+أو الـ hyper shapers اللي راح يكون، لو ما كانتش الـ data
+
+480
+00:38:37,400 --> 00:38:41,680
+أو الـ data متواجدة بأشكال صعبة، مش هيشتغل عليها
+
+481
+00:38:41,680 --> 00:38:45,740
+طبعاً هنا بنتكلم أش... طبعاً الشغلة الأخيرة اللي هي
+
+482
+00:38:45,740 --> 00:38:49,040
+علاقة بالـ failure، فعلياً مش نقصيه، طب هو فعلاً بيفشل
+
+483
+00:38:49,040 --> 00:38:53,740
+تماماً، اللي
+
+484
+00:38:53,740 --> 00:38:58,300
+بيفشل إذا أنا فعلياً ما أديتوش رقم الـ cluster الحقيقي
+
+485
+00:38:58,300 --> 00:39:04,980
+أو المناسب للـ data set اللي موجود عندها، كذلك بيفشل
+
+486
+00:39:04,980 --> 00:39:06,140
+الـ...
+
+487
+00:39:11,460 --> 00:39:16,520
+أن كل cluster أو التعرف تبقى على الـ center لما
+
+488
+00:39:16,520 --> 00:39:19,300
+يكون عندك الـ center، يعني أنك تتكلم عن دائرة أو
+
+489
+00:39:19,300 --> 00:39:24,640
+مربع، طيب لو كان في عندك ghost أو curve أو أي shape
+
+490
+00:39:24,640 --> 00:39:30,080
+مختلف، إيش الـ center بدنا نفهمه؟ مش هيظبط، لأن لو
+
+491
+00:39:30,080 --> 00:39:35,120
+قلت لك في عندك شكل هلال، إيش الـ center تبعته؟ مش
+
+492
+00:39:35,120 --> 00:39:40,200
+هتظبط، لو أنا جيت قلت لك أن في عندي منحنى، إيش الـ
+
+493
+00:39:40,200 --> 00:39:43,620
+center تبع المنحنى؟ مش هتظبط، لكن ممكن أفهمها في
+
+494
+00:39:43,620 --> 00:39:48,640
+مثلث، أفهمها في دائرة، أفهمها في مستطيل، مستطيل أو
+
+495
+00:39:48,640 --> 00:39:53,700
+مربع، ممكن أفهمها في أشكال اللي موجودة عندك، تعالى
+
+496
+00:39:53,700 --> 00:39:59,160
+شوف هنا الآن، لما أنا روحت قلت له الـ... الـ... الـ...
+
+497
+00:40:01,580 --> 00:40:04,200
+لما تكون الـ data اللي عندها لها different
+
+498
+00:40:04,200 --> 00:40:12,340
+densities أو
+
+499
+00:40:12,340 --> 00:40:17,720
+كتابة مختلفة، الـ chemistry بيفشل، ليش؟ لأنه بيعتمد
+
+500
+00:40:17,720 --> 00:40:21,000
+على المسافة، فالآن هذا فعلياً الـ data، هذا الـ cluster
+
+501
+00:40:21,000 --> 00:40:24,980
+الحقيقي، هذا التوزيع، لكن لو أنا أجيت وقلت لك هذه
+
+502
+00:40:24,980 --> 00:40:27,920
+النقطة، هتصنفها مع أي cluster؟ لو أنا افترضت أن الـ
+
+503
+00:40:27,920 --> 00:40:28,440
+center هنا
+
+504
+00:40:31,160 --> 00:40:40,700
+و الـ center هنا، و الـ center هنا، فممكن
+
+505
+00:40:40,700 --> 00:40:47,480
+النقطة high تكون أقرب من هنا، فالنقطة
+
+506
+00:40:47,480 --> 00:40:53,040
+high هي أقرب لهذه، وبالتالي
+
+507
+00:40:53,040 --> 00:40:55,660
+لما يكون في عندي different densities، معناته أن في
+
+508
+00:40:55,660 --> 00:40:59,960
+عندي مشكلة مع الكيميا، كذلك عندما يكون لدي non
+
+509
+00:40:59,960 --> 00:41:04,820
+spherical cluster، تخيل أنه سيجلب لي cluster عندي، و
+
+510
+00:41:04,820 --> 00:41:10,780
+هاي الـ centers، أشتغل على three centers، هذول أريهم
+
+511
+00:41:10,780 --> 00:41:15,580
+كيف
+
+512
+00:41:15,580 --> 00:41:18,860
+بده يجيب لي إياها، أو عندما يكون لدي الـ complex shape
+
+513
+00:41:18,860 --> 00:41:22,120
+بالشكل هذا، سيقول هاي center عندي هنا، وهي center
+
+514
+00:41:22,120 --> 00:41:30,890
+هنا، أو هذا الـ distance صحيح، أو هنا، هل هذه النقطة
+
+515
+00:41:30,890 --> 00:41:34,530
+هي الأقرب لها؟ فهو الـ shape تبع الـ complex، فهذه
+
+516
+00:41:34,530 --> 00:41:37,910
+الحلقات كلها بيفشل فيها الـ K-means، طبعاً احنا فعلياً
+
+517
+00:41:37,910 --> 00:41:42,590
+في عندنا algorithm ثاني زي الـ DB scan، وهذا الـ
+
+518
+00:41:42,590 --> 00:41:48,370
+algorithm فعال جداً في التعامل مع الـ... ما بطلبش مني
+
+519
+00:41:48,370 --> 00:41:50,970
+عدد الـ K، وبيشتغل، وبحاول يتعرف على الـ complex
+
+520
+00:41:50,970 --> 00:41:56,230
+shape، لأنه بيعتمد على الـ density وبحاول يجد لها
+
+521
+00:41:57,020 --> 00:41:59,780
+يتعرف على الـ clusters بناءً على الـ density اللي
+
+522
+00:41:59,780 --> 00:42:03,560
+موجودة، لكن تبقى زي ما قلنا، هل الـ evaluation أو
+
+523
+00:42:03,560 --> 00:42:06,620
+التقييم تبعي تبع أداء الـ cluster صحيح أم لا بناءً
+
+524
+00:42:06,620 --> 00:42:09,680
+على أداء الـ clusters ومعرفة عدد الـ clusters
+
+525
+00:42:09,680 --> 00:42:13,230
+الحقيقية للـ data اللي موجودة، نشوفكم على خير إن شاء
+
+526
+00:42:13,230 --> 00:42:17,130
+الله تعالى، في المحاضرة هذه اتعرفنا على الـ K-means
+
+527
+00:42:17,130 --> 00:42:21,130
+وشفنا كيف نحسبه، واتعرفنا على مزاياه وعيوبه
+
+528
+00:42:21,130 --> 00:42:23,990
+التسجيل اللي جاي إن شاء الله تعالى، هنتقل للـ
+
+529
+00:42:23,990 --> 00:42:27,510
+Hierarchical Clustering، السلام عليكم ورحمة الله

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/9N2D6-T56oQ_postprocess.srt

@@ -0,0 +1,2116 @@
+1
+00:00:00,000 --> 00:00:03,180
+بسم الله والحمد لله و الصلاة والسلام علي رسول الله
+
+2
+00:00:03,180 --> 00:00:06,300
+أهلا وسهلا بكم في الدوس التاني من chapter ال
+
+3
+00:00:06,300 --> 00:00:10,140
+clustering كنا في التسجيل السابق تكلمنا عن ال
+
+4
+00:00:10,140 --> 00:00:12,640
+clustering بشكل عام وقلت ال clustering هي عبارة عن
+
+5
+00:00:12,640 --> 00:00:17,820
+تقسيم ال data set إلى مجموعات محددة عددها مسبقا
+
+6
+00:00:17,820 --> 00:00:22,870
+بناء على تقارب أو تشابهالـ instances اللي موجودة
+
+7
+00:00:22,870 --> 00:00:27,250
+في ال data set اللي موجودة يعنى وكنا خلصنا في
+
+8
+00:00:27,250 --> 00:00:29,990
+نهاية المحاضرة انه احنا فعل .. او في نهاية التسجيل
+
+9
+00:00:29,990 --> 00:00:35,410
+عفوا ان احنا فعليا ال .. ال clustering واحد من
+
+10
+00:00:35,410 --> 00:00:39,130
+اتنين اما partition ال clustering او hierarchical
+
+11
+00:00:39,130 --> 00:00:42,110
+clustering فال partition ال clustering معناته ان
+
+12
+00:00:42,110 --> 00:00:44,110
+انا بتكون ال groups او المجموعات اللي عندي
+
+13
+00:00:44,110 --> 00:00:47,690
+disjoint مافيش بينها او non overlapped مافيش في
+
+14
+00:00:47,690 --> 00:00:52,660
+بينهم تقاطعفي الاناصر يعني كل element موجود في
+
+15
+00:00:52,660 --> 00:00:55,660
+مجموعة واحدة فقط لكن بالـ Hierarchical Clustering
+
+16
+00:00:55,660 --> 00:00:58,540
+لما انا بكون في عنده Hierarchical Tree أو في عنده
+
+17
+00:00:58,540 --> 00:01:01,000
+Hierarchical معينة لأ بيصير في عنده ممكن ال
+
+18
+00:01:01,000 --> 00:01:05,380
+element اللي بينتمي لأكثر من cluster تماما مثل
+
+19
+00:01:05,380 --> 00:01:09,620
+علاقة الأعداد أو المجموعات الأرقام مع بعضها اليوم
+
+20
+00:01:09,620 --> 00:01:13,100
+ان شاء الله تعالى زي ما احنا متفقين انه هنبلش في
+
+21
+00:01:13,100 --> 00:01:19,190
+موضوع ال Partitional Clusteringطبعاً لما أتكلم على
+
+22
+00:01:19,190 --> 00:01:27,050
+الـ Partition & Clustering يعني أنني أتكلم على ..
+
+23
+00:01:27,050 --> 00:01:31,110
+عفوا تمام
+
+24
+00:01:31,110 --> 00:01:32,030
+أنا أريد الـ pointer
+
+25
+00:01:34,890 --> 00:01:37,510
+عندما أتكلم عن الـ Partitional Clustering يعني
+
+26
+00:01:37,510 --> 00:01:42,010
+أنني أبحث عن الـ Natural Groups للـ Components
+
+27
+00:01:42,010 --> 00:01:45,390
+اللي موجودة عندي على ال data اللي موجودة بناء على
+
+28
+00:01:45,390 --> 00:01:50,110
+تشابه معين أو بعض التشابه في العناصر اللي موجودة
+
+29
+00:01:50,110 --> 00:01:54,890
+عندها وبالتالي ال cluster هنا في ال Partitional
+
+30
+00:01:54,890 --> 00:01:58,390
+Clustering أنا أجسم العناصر زي ما قلنا مجموعات أو
+
+31
+00:01:58,390 --> 00:02:00,930
+توزيع طبيعي أو أبحث عن توزيع طبيعي لل data بحيث
+
+32
+00:02:00,930 --> 00:02:06,420
+أنه يكون عند كل element موجود في مجموعة واحدةوفي
+
+33
+00:02:06,420 --> 00:02:09,900
+نفس
+
+34
+00:02:09,900 --> 00:02:14,960
+الوقت، الـ Clustering Algorithm يدّيني الـ
+
+35
+00:02:14,960 --> 00:02:20,080
+Centroid أو النقطة الأساسية التي تتمثل مركز الـ
+
+36
+00:02:20,080 --> 00:02:24,860
+Centerأو بتمثل المركز تبعت ال cluster اللي موجود
+
+37
+00:02:24,860 --> 00:02:29,260
+عندها المركز ال cluster أو المجموعة اللي موجودة
+
+38
+00:02:29,260 --> 00:02:35,460
+عندها عشان أحدد العضوية ال cluster هذا يعني انا زي
+
+39
+00:02:35,460 --> 00:02:40,140
+ما قلنا سابقا هي عبارة عن مجموعات معروفة مسبقا
+
+40
+00:02:40,140 --> 00:02:51,760
+يعني واحدتلت مجموعات ترقيم
+
+41
+00:02:51,760 --> 00:02:58,800
+مجرد اسم للمجموعة عشان هيك انا بحدد عضوية
+
+42
+00:02:58,800 --> 00:03:04,840
+المجموعات ال algorithm بياخد ال data points اللي
+
+43
+00:03:04,840 --> 00:03:10,210
+موجودة عندى هنا وبحسب ال instances ما بينهموبين
+
+44
+00:03:10,210 --> 00:03:12,690
+الـ Centroid اللي موجودة عندها طب ال Centroid اللي
+
+45
+00:03:12,690 --> 00:03:15,110
+هي ال centers اللي اتفقنا عليها مش موجودة عندى اول
+
+46
+00:03:15,110 --> 00:03:18,510
+مرة بياخدها بشكل عشوائي و بروح بجسم يعنى بروح
+
+47
+00:03:18,510 --> 00:03:23,190
+��ياخد مجموعة طبعا الان في عندى المجموعة بتكون شفاي
+
+48
+00:03:23,190 --> 00:03:27,010
+لما يكون فيها على الأقل عنصر واحد فإيش هو بروح
+
+49
+00:03:27,010 --> 00:03:30,690
+بفترض بروح بفترض ان كل مجموعة بتبدأ بعنصر واحد
+
+50
+00:03:30,690 --> 00:03:34,430
+اللي هو بمثل ال center و بصير بعد ذلك يدور على
+
+51
+00:03:36,540 --> 00:03:39,920
+العضوية المجموعات على قرب الـ element من الـ
+
+52
+00:03:39,920 --> 00:03:42,800
+center هذا كل مكان قريب ل center من التلاتة هدول
+
+53
+00:03:42,800 --> 00:03:45,880
+فهو بيتم ال مجموعة اللي بتمثلها ال center اللي
+
+54
+00:03:45,880 --> 00:03:50,500
+موجود عندها و ال output طبعا من ال algorithm هذا
+
+55
+00:03:50,500 --> 00:03:55,170
+هي عبارة عن عمليةdescription أو statistical
+
+56
+00:03:55,170 --> 00:03:59,670
+description وصف إحصائي لل data set الموجودة مين هو
+
+57
+00:03:59,670 --> 00:04:03,490
+ال centroid وإيش هي البيانات اللي موجودة عليه وإيش
+
+58
+00:04:03,490 --> 00:04:07,890
+هي البيانات اللي موجودة في داخل ال clusters ال
+
+59
+00:04:07,890 --> 00:04:11,470
+cluster اللي موجود عندها طبعاً لما أنا بتكلم انه
+
+60
+00:04:11,470 --> 00:04:14,450
+كي عند الكيمين ال cluster algorithm من أشهر ال
+
+61
+00:04:14,450 --> 00:04:17,390
+algorithm وأبسطها في الفهم في اللي استخدم مع ال
+
+62
+00:04:17,390 --> 00:04:22,040
+cluster طبعاً كي العددالذي نتكلم عليه و الـ means
+
+63
+00:04:22,040 --> 00:04:25,820
+المقصود فيه المتوسط الحسابي للنقاط اللي موجود
+
+64
+00:04:25,820 --> 00:04:33,240
+عندها ال .. طبعاً قلنا أبسط algorithm وهو الأكثر
+
+65
+00:04:33,240 --> 00:04:36,880
+استخدامه في عملية ال clusterings الموجودة بدور على
+
+66
+00:04:36,880 --> 00:04:40,960
+center يجتهد ال algorithm أو ال algorithm بحاول
+
+67
+00:04:40,960 --> 00:04:46,300
+يدور على centers و بال center هذا بمثلمطبقة معينة
+
+68
+00:04:46,300 --> 00:04:50,380
+بتمثل ال cluster و بضل يعيد في العملية اللى موجودة
+
+69
+00:04:50,380 --> 00:04:54,360
+عندى هن هم عبارة عن قطبتين زى ما قولنا بروح باخد
+
+70
+00:04:54,360 --> 00:04:59,260
+center و ال center هذا بروح بجيب العناص بشوف من
+
+71
+00:04:59,260 --> 00:05:02,540
+العناص القريبة منه لحسب عنه يعني لو انا قلتله في
+
+72
+00:05:02,540 --> 00:05:06,500
+عندي مثلا اربع مجموعات معناته في عندي اربع نقاط
+
+73
+00:05:06,500 --> 00:05:09,900
+رئيسية اربع نقاط مركزية اللى هى ال centers تبع ال
+
+74
+00:05:09,900 --> 00:05:12,860
+clusters المجموعات اللى عندي و عليها ببدأ يشتغل
+
+75
+00:05:12,860 --> 00:05:14,660
+الآن ال algorithm هذا بضل
+
+76
+00:05:19,120 --> 00:05:27,820
+يتكرر بتكرر في عمليتين الأولى بروح بخصص كل data
+
+77
+00:05:27,820 --> 00:05:33,420
+point لل cluster center يعني الآن المفروض تبعا
+
+78
+00:05:33,420 --> 00:05:37,580
+لهذه بروح بحدد قرب أو بعض العناصر أو شبه
+
+79
+00:05:37,580 --> 00:05:43,180
+similarity بحدد تشابه العناصر ال data instances مع
+
+80
+00:05:43,180 --> 00:05:48,220
+ال centers اللي موجودين عندهاوبالتالي بروح بخصصلي
+
+81
+00:05:48,220 --> 00:05:52,060
+إياها لل center الأقرب ومن أجل تحقيق هذا الكلام في
+
+82
+00:05:52,060 --> 00:05:55,140
+عندي distance function أو similarity function اللي
+
+83
+00:05:55,140 --> 00:06:02,720
+عادة بنسميها distance المفهوم distance أكثر في
+
+84
+00:06:02,720 --> 00:06:07,840
+الأرقامالان في الـ Included Distance و الـ
+
+85
+00:06:07,840 --> 00:06:10,360
+Manhattan Distance شوفناهم سابقاً و هنشوفهم الآن
+
+86
+00:06:10,360 --> 00:06:13,820
+كأن نذكر بعض فيهم جاكارد و Spearsman و Spearman
+
+87
+00:06:13,820 --> 00:06:17,680
+عفوا و الهامينج و الكوزاين بعد هي كد لما بروح بدور
+
+88
+00:06:17,680 --> 00:06:21,860
+ال algorithm بظل يكرر في العملية هذه و بخصص ال
+
+89
+00:06:21,860 --> 00:06:24,940
+instances اللي ال cluster لما يكون في .. لما يثبت
+
+90
+00:06:24,940 --> 00:06:28,000
+و يبطل تتغير أو يصير فيه يعني تغيير على ال data
+
+91
+00:06:28,000 --> 00:06:34,460
+اللي موجودةبنذكر مع بعض الـ distance function أو
+
+92
+00:06:34,460 --> 00:06:39,880
+الـ similarity function لما تكون ال instance عبارة
+
+93
+00:06:39,880 --> 00:06:41,480
+عن مجموعة من الأرقام
+
+94
+00:06:45,320 --> 00:06:47,560
+طبعا اللي بنتكلم احنا جاعدين ان ال distance
+
+95
+00:06:47,560 --> 00:06:49,860
+function هذه او ال similarity function سمناها
+
+96
+00:06:49,860 --> 00:06:53,780
+similarity او distance function لانه ال .. ال ..
+
+97
+00:06:53,780 --> 00:06:58,560
+لما انا بده اوصف rows او بده اوصف ارقام قربها او
+
+98
+00:06:58,560 --> 00:07:02,720
+بعضها من بعضها او تشابهها من بعضها معناه ان انا
+
+99
+00:07:02,720 --> 00:07:05,580
+جاعل بتكلم على نقاط طبعا لما انا برثم ال object
+
+100
+00:07:05,580 --> 00:07:10,120
+تكون موجود عندى في ال space او مرسومة عندىحتما
+
+101
+00:07:10,120 --> 00:07:13,900
+النقطين المتقاربات المسافة اللي بينهم بالدليل على
+
+102
+00:07:13,900 --> 00:07:18,680
+تشابه العناصر اللي موجودة بينهم طبعا شوية شوية
+
+103
+00:07:18,680 --> 00:07:23,260
+هتصير الأمور بالنسبة لنا أفضل لو أنا قلت لك في ال
+
+104
+00:07:23,260 --> 00:07:25,600
+space هذا على سبيل المثال أو قلت لك في ال space
+
+105
+00:07:25,600 --> 00:07:34,440
+هذا قلت ان في نقطين هذول نقطة هنا ونقطة
+
+106
+00:07:34,440 --> 00:07:37,520
+هنا ونقطة هنا
+
+107
+00:07:41,060 --> 00:07:48,240
+من اكثر نقطين متشابهتين او بلاش اقرب نقطين لبعض
+
+108
+00:07:48,240 --> 00:07:53,720
+حتم
+
+109
+00:07:53,720 --> 00:07:59,940
+النقطين اللي بينهم ال distance اصغر ما يمكن طيب
+
+110
+00:07:59,940 --> 00:08:08,520
+لو انا جدي قلت ان في عندى نقطة هنا غير اللون بس لو
+
+111
+00:08:08,520 --> 00:08:09,820
+قلت ان في عندى نقطة هنا
+
+112
+00:08:16,490 --> 00:08:19,670
+النقطة هذه أقرب لمين؟ لو انا قلت لك هذه النقطة
+
+113
+00:08:19,670 --> 00:08:24,570
+تشبه مين؟ تشبه مين؟ مافيش شبه هذه نقطة موجودة في
+
+114
+00:08:24,570 --> 00:08:29,690
+ال space معناته انا هروح أحسب مسافتها ومسافتها
+
+115
+00:08:29,690 --> 00:08:35,250
+والمسافة الأقصر هي بتمثل .. هي بتكون أقرب لمين
+
+116
+00:08:35,250 --> 00:08:39,730
+للنقطة اللي موجودة عندها طبعا احنا كلنا نعرف سابقا
+
+117
+00:08:39,730 --> 00:08:44,770
+زي ما قلنا المنهات و ال distance اللي موجودةعنا لو
+
+118
+00:08:44,770 --> 00:08:50,090
+انا افترض ان في عندى 2 نقطين ال X و ال Y كانت 2
+
+119
+00:08:50,090 --> 00:08:54,410
+points و ال 2 points هدول انا بدى احسب ال distance
+
+120
+00:08:54,410 --> 00:08:57,510
+بينهم لما اتكلم عن ال Euclidean انا بتكلم عن الجدر
+
+121
+00:08:57,510 --> 00:09:03,550
+الترديعي لمجموع مربعات الفروق ما بين مكونات
+
+122
+00:09:03,550 --> 00:09:06,450
+النقطين اللى موجودة عندى
+
+123
+00:09:09,550 --> 00:09:16,450
+وطبعاً كذلك الان مع الان بينما المنهات ال distance
+
+124
+00:09:16,450 --> 00:09:20,970
+هي عبارة عن مجموع القيم المطلقة للفروق ما بين
+
+125
+00:09:20,970 --> 00:09:24,270
+مكونات النقاط اللي موجودة عنا
+
+126
+00:09:26,900 --> 00:09:31,120
+و طبعا هاي قولنا احنا سابقا انه انا لما بتكلم على
+
+127
+00:09:31,120 --> 00:09:36,820
+منهار بتكلم على ال Euclidean معناته بتكلم على الخط
+
+128
+00:09:36,820 --> 00:09:40,200
+المستقيم اللي باللون الأخضر هذا اللي هو بتطبق
+
+129
+00:09:40,200 --> 00:09:43,840
+نظرية في ال course بين اي نقطين و لما بتكلم على
+
+130
+00:09:43,840 --> 00:09:47,960
+المنهار تاني معناته بتكلم على الدقاق اللي موجودة
+
+131
+00:09:47,960 --> 00:09:53,860
+عندها شكلي لما خدت العناصر
+
+132
+00:09:57,090 --> 00:10:12,650
+ماعدلتش الرسم تبعتي كده
+
+133
+00:10:12,650 --> 00:10:13,030
+صح
+
+134
+00:10:19,600 --> 00:10:26,360
+الان لو انا بدأ اخد نظرة في جيف الفايل الجيف بكتشر
+
+135
+00:10:26,360 --> 00:10:30,800
+اللي موجودة قدامي اللحظه انا بتكلم على عشرة
+
+136
+00:10:30,800 --> 00:10:34,180
+iterationأنا بدأت من iteration رقم واحد اتنين
+
+137
+00:10:34,180 --> 00:10:38,160
+تلاتة اربعة و لاحظوا معايا ان المربعات هذه هي ال
+
+138
+00:10:38,160 --> 00:10:41,920
+center او ال centroid لل clusters انا بقول جسم ال
+
+139
+00:10:41,920 --> 00:10:45,200
+data لاربع مجموعات و ال data هاي كلها مختلطة مع
+
+140
+00:10:45,200 --> 00:10:49,420
+بعضها بدأت الانس بناء على ال centers الألوان تتوجه
+
+141
+00:10:49,420 --> 00:10:53,700
+مع بعض مع كل iteration وهذا فعليا اللي بسوي ال K
+
+142
+00:10:53,700 --> 00:10:59,170
+meanانه بياخد random center في الأول و بعدها بيحسب
+
+143
+00:10:59,170 --> 00:11:02,210
+ال distance بين ال centers هاي و كل النقاط اللي
+
+144
+00:11:02,210 --> 00:11:06,950
+موجودة و كل النقطة بتصنف مع ال center بناء على
+
+145
+00:11:06,950 --> 00:11:10,610
+shortest distance أو ال similarity function اللي
+
+146
+00:11:10,610 --> 00:11:15,350
+احنا بنعرفهاكصورة ثابتة هي ال data set روحت قولتله
+
+147
+00:11:15,350 --> 00:11:18,990
+جسملي اياهم لمجموعات فراح اخدت تلات مجموعات طبعا
+
+148
+00:11:18,990 --> 00:11:23,270
+هان اللي هي اخدت المثلثات هتمثلت three different
+
+149
+00:11:23,270 --> 00:11:27,970
+centers ايهم حتى لو كان لان ال selection الاولى لل
+
+150
+00:11:27,970 --> 00:11:31,170
+centers الاولية by random حتى لو كانوا كلهم
+
+151
+00:11:31,170 --> 00:11:35,210
+موجودين مع بعض الا غير انه بيشتغل في ال .. لو اجوا
+
+152
+00:11:35,210 --> 00:11:38,220
+كلهم في نفس ال center ماعندي مشكلةلأنه بعد ذلك
+
+153
+00:11:38,220 --> 00:11:44,220
+سيقوم باختيار الـ average أو الـ main تبعتهم فقال
+
+154
+00:11:44,220 --> 00:11:47,440
+لي هاي ال data افترض في ال initialization زي ما
+
+155
+00:11:47,440 --> 00:11:50,820
+قلنا هى ياخذ ال random centers three centers حسب
+
+156
+00:11:50,820 --> 00:11:55,980
+المطلوب by random وراح بدأ يخصص المجموعات فراح بدأ
+
+157
+00:11:55,980 --> 00:11:56,440
+يحسب
+
+158
+00:12:01,830 --> 00:12:04,830
+اللي قلنا أننا هنعمل initialization حطّد الـ three
+
+159
+00:12:04,830 --> 00:12:09,710
+-centroid أو الـ three-center by random و بعد هيك
+
+160
+00:12:09,710 --> 00:12:13,130
+بدأ يخصص النقاط بناء على ال distance طبعا يا جماعة
+
+161
+00:12:13,130 --> 00:12:16,210
+الخير لما انا بدي اجي اتكلم النقطة high أو النقطة
+
+162
+00:12:16,210 --> 00:12:22,490
+high high distance هان و هحسبها مع هان و هحسبها مع
+
+163
+00:12:22,490 --> 00:12:31,520
+هان و هصنفها لأقرب center لأقصر مسافةوبالتالي
+
+164
+00:12:31,520 --> 00:12:35,000
+الأحمر هنا صارت هذه كل النقاط طبعا هذه النقاط هي
+
+165
+00:12:35,000 --> 00:12:37,680
+أقرب للأخضر وهذه الأزرق فضلك في ال iteration
+
+166
+00:12:37,680 --> 00:12:43,670
+التانية الآن في الخطوة التاليةأسرح سواهي يتحدد
+
+167
+00:12:43,670 --> 00:12:48,470
+الأحمر كلياته الأزرق فرح حسب المتوسط لكل النقاط
+
+168
+00:12:48,470 --> 00:12:51,770
+اللي باللون الأخضر المتوسط لكل النقاط اللي بالأحمر
+
+169
+00:12:51,770 --> 00:12:55,830
+المتوسط لكل النقاط اللي بالأزرق الداكن بينجوسين
+
+170
+00:12:55,830 --> 00:12:58,870
+يعني حسب ال main لكل ال cluster بشكل مستقل
+
+171
+00:12:58,870 --> 00:13:02,610
+والمتوسط هذا هو أخدوا ال centroid لل next
+
+172
+00:13:02,610 --> 00:13:06,750
+iteration recompute ال center هي حسب ال center من
+
+173
+00:13:06,750 --> 00:13:12,020
+جديدو راح ايش بدأ reassigning بدا يروح يعمل ال
+
+174
+00:13:12,020 --> 00:13:15,780
+center التاني و بعدها بحسب بعد ما بخلص بحسب ال
+
+175
+00:13:15,780 --> 00:13:19,640
+center كمان مرة و بروح بخصص النقاط و بحسب ال
+
+176
+00:13:19,640 --> 00:13:24,700
+center كمان مرة و بخصص النقاط لحد ما يصير بعد هيك
+
+177
+00:13:24,700 --> 00:13:27,940
+ان ال center مايصيرش فيه عليه تغيير او بينجوسين
+
+178
+00:13:27,940 --> 00:13:32,140
+تبطل النقاط تتنقل تتنقل ما بين ال cluster و التاني
+
+179
+00:13:32,140 --> 00:13:35,080
+طبعا هذا هو لكن
+
+180
+00:13:38,840 --> 00:13:43,860
+النجاح الكيميي بيعتمد على عدد ال clusters اللي انا
+
+181
+00:13:43,860 --> 00:13:49,080
+بطلبه يعني كل ما قلتله ديني عدد cluster صح بكون
+
+182
+00:13:49,080 --> 00:13:53,140
+انا بشتغل صح طبعا انا لو قلتلكوا ال data هاي و قل��
+
+183
+00:13:53,140 --> 00:13:56,640
+له two clusters هيديني اياهم اتنين لكن في حين قبل
+
+184
+00:13:56,640 --> 00:14:00,080
+شوية هي نفس ال data اللي موجودة هاد شفناها و انهم
+
+185
+00:14:00,080 --> 00:14:00,980
+منفع يكونوا تلاتة
+
+186
+00:14:09,150 --> 00:14:16,210
+التقسيم يعتمد على عدد ال clusters أو ال k التي
+
+187
+00:14:16,210 --> 00:14:24,470
+أطلبها منه تعالى نشوف بقول في المثال الأول لجسم ال
+
+188
+00:14:24,470 --> 00:14:27,510
+data اللى موجودة عنده ل two clusters
+
+189
+00:14:30,430 --> 00:14:35,150
+الخطوة رقم واحد ان انا هشتغل على random center
+
+190
+00:14:35,150 --> 00:14:44,570
+random center معناته خليني اخد ال C1 equal 3 و C2
+
+191
+00:14:44,570 --> 00:14:48,170
+equal 4 طبعا عادة ان ال random selection بتمن خلال
+
+192
+00:14:48,170 --> 00:14:51,850
+ال data set اللي موجودة الان الخطوة التالية هروح
+
+193
+00:14:51,850 --> 00:14:56,730
+احسب ال distance او المسافة بين كل element و ال
+
+194
+00:14:56,730 --> 00:15:01,460
+two centers اللي موجودينعندي و ال two centers اللي
+
+195
+00:15:01,460 --> 00:15:10,240
+موجودين عندى خليني انا امسحهم بس عشان نوضح ايش
+
+196
+00:15:10,240 --> 00:15:19,940
+اللي هيصير الآن بعد هيك زي ما قلنا هيكون هياخد ال
+
+197
+00:15:19,940 --> 00:15:22,960
+element هذا كل element و يحسبه مع ال center الأول
+
+198
+00:15:24,010 --> 00:15:28,910
+ويحسب الـ distance مع الـ center التاني ويخصصه أو
+
+199
+00:15:28,910 --> 00:15:31,550
+يحطه في المجموع يعني بين قصين هو الآن أنشأ
+
+200
+00:15:31,550 --> 00:15:38,550
+مجموعتين فارغات أنشأ مجموعتين فارغات تمام فيهم في
+
+201
+00:15:38,550 --> 00:15:42,930
+centers فقط مثلتهم تلاتة أو أربعة وراح هيضيف
+
+202
+00:15:42,930 --> 00:15:47,490
+العناصر في المجموعتين هدول بناء على بعض أو قرب أو
+
+203
+00:15:47,490 --> 00:15:51,090
+تشابه ال element لما لل centers اللي موجودين هنا
+
+204
+00:15:52,930 --> 00:15:58,970
+تنين ناقص تلاتة واحد تنين ناقص اربعة اتنين فال
+
+205
+00:15:58,970 --> 00:16:04,450
+distance ل C واحد اكثر فصنّف ليها هان اربعة ل واحد
+
+206
+00:16:04,450 --> 00:16:08,250
+اربعة مع تلاتة واحد اربعة مع اربعة صفر اللي هي ال
+
+207
+00:16:08,250 --> 00:16:11,150
+distance الفرق اللي ما بينهم راحظوا أنا كنت بتكلم
+
+208
+00:16:11,150 --> 00:16:12,050
+عن absolute value
+
+209
+00:16:18,660 --> 00:16:23,420
+عشرة لتلاتة سبعة عشرة لاربعة ستة معناته مع ال
+
+210
+00:16:23,420 --> 00:16:29,040
+cluster التاني اتناشر لتلاتة تسعة اتناشر لاربعة
+
+211
+00:16:29,040 --> 00:16:32,120
+تمانية معناته مع ال cluster التاني تلاتة تلاتة
+
+212
+00:16:32,120 --> 00:16:36,040
+لتلاتة صفر تلاتة لاربعة واحد معناته مع ال cluster
+
+213
+00:16:36,040 --> 00:16:41,400
+الأولشوفت كيف لا حد ما تخلص ال data set ممتاز خلصت
+
+214
+00:16:41,400 --> 00:16:44,840
+ال data set الآن بروح باخد المتوسط تبع ال cluster
+
+215
+00:16:44,840 --> 00:16:50,320
+الأول وهذه ال center الجديد و باخد المتوسط تبع ال
+
+216
+00:16:50,320 --> 00:16:54,640
+cluster التاني وهذه ال center الجديد تبعتها و بعيد
+
+217
+00:16:54,640 --> 00:16:59,980
+الكرة تبع اللمين لل center الجديدة تمام الآن من
+
+218
+00:16:59,980 --> 00:17:03,940
+وين الكرة مع ال data set الأصلية تنين مع اتنين و
+
+219
+00:17:03,940 --> 00:17:10,760
+نص نص لل cluster الأولأربعة في المقارنة مع ستة عشر
+
+220
+00:17:10,760 --> 00:17:14,220
+طبعاً انا بتكلم اربعة لاتنين و نص واحد و نص اربعة
+
+221
+00:17:14,220 --> 00:17:21,120
+على ستة عشر معناته بتكلم احد عشر اتن عشر احد عشر و
+
+222
+00:17:21,120 --> 00:17:21,360
+نص
+
+223
+00:17:24,250 --> 00:17:30,690
+أربعة ل .. أربعة
+
+224
+00:17:30,690 --> 00:17:33,830
+ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل ..
+
+225
+00:17:33,830 --> 00:17:33,990
+ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل ..
+
+226
+00:17:33,990 --> 00:17:34,930
+أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة
+
+227
+00:17:34,930 --> 00:17:35,370
+ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل ..
+
+228
+00:17:35,370 --> 00:17:35,430
+أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة
+
+229
+00:17:35,430 --> 00:17:36,570
+ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل ..
+
+230
+00:17:36,570 --> 00:17:38,710
+أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة
+
+231
+00:17:38,710 --> 00:17:39,850
+ل .. أربعة ل .. أربعة ل .. أربعة ل .. أربعة ل ..
+
+232
+00:17:39,850 --> 00:17:44,650
+أربعة ل .. أربعة ل ..
+
+233
+00:17:44,650 --> 00:17:49,210
+أربعة
+
+234
+00:17:49,210 --> 00:17:55,680
+لبأوقف و ببطل الشغل لما فعليا ال cluster أو ال
+
+235
+00:17:55,680 --> 00:18:01,100
+center بعد هيك تثبت لماذا؟ إذا ثبتت ال cluster أو
+
+236
+00:18:01,100 --> 00:18:03,640
+ال center اللي موجودة عندي هنا معناته أنا مافيش
+
+237
+00:18:03,640 --> 00:18:08,180
+عندي تليير بعد هيك بنجوسينت صار فيه ثبات و هيك صار
+
+238
+00:18:08,180 --> 00:18:11,340
+في عندي كل نقطة موجودة في ال cluster الحقيقي اللي
+
+239
+00:18:11,340 --> 00:18:14,660
+موجود عندك وبعد هيك ستكون كل iteration على الفاضي
+
+240
+00:18:15,590 --> 00:18:17,970
+لماذا؟ لأن الـ Center لم يتغير بمعنى التوزيع كما
+
+241
+00:18:17,970 --> 00:18:22,910
+هي و هذه هي أخر توزيع أحصل عليها طيب، تعالى نطبق
+
+242
+00:18:22,910 --> 00:18:26,990
+نفس المثال لكن مع more dimension في الـ2D بقول أنا
+
+243
+00:18:26,990 --> 00:18:31,710
+فيه عندي data set مكونة من تمام نقاط اللي بتجسمهم
+
+244
+00:18:31,710 --> 00:18:35,730
+ل three clusters باعتماد على المنهاتين distance
+
+245
+00:18:35,730 --> 00:18:42,570
+هذه النقاط اللي موجودة عندها طيب،
+
+246
+00:18:42,570 --> 00:18:49,280
+by random؟لازم اختار center اخدنا اتنين و عشرة و
+
+247
+00:18:49,280 --> 00:18:53,580
+اخدنا خمسة و تمانية و اخدنا واحد و اتنين بينفع
+
+248
+00:18:53,580 --> 00:18:56,600
+التلاتة تكون ورا بعض بينفع random الكلام random
+
+249
+00:18:56,600 --> 00:19:02,320
+جماعة الخير و بدك تشتغل و تشتغل ال distance زى ما
+
+250
+00:19:02,320 --> 00:19:05,640
+قولنا هي بتقعد تتكلم و تقول انت ماتستخدم المنهاتن
+
+251
+00:19:05,640 --> 00:19:13,370
+المنهاتن distance المعرفةالمجموع .. المجموع القيم
+
+252
+00:19:13,370 --> 00:19:19,270
+المطلقة للفرقات بين عناصر النقاط اللى موجودة عندى
+
+253
+00:19:19,270 --> 00:19:24,330
+أسهل حاجة هيك ان انا اروح انش جدول بالشكل هذا هى
+
+254
+00:19:24,330 --> 00:19:28,230
+ال data point اللى عندى وهى ال centers ال initial
+
+255
+00:19:28,230 --> 00:19:36,450
+centers C1 وC2 وC3طيب الآن بدروح أحسب ال distance
+
+256
+00:19:36,450 --> 00:19:43,430
+صفر اتنين نقص اتنين صفر زائد عشرة نقص عشرة صفر صفر
+
+257
+00:19:43,430 --> 00:19:51,230
+اتنين نقص خمسة تلاتة زائد عشرة نقص اتنين عشرة نقص
+
+258
+00:19:51,230 --> 00:19:58,990
+تمانية اتنين يعني مجموعة خمسة اتنين نقص واحد واحد
+
+259
+00:19:58,990 --> 00:20:02,530
+زائد عشرة نقص اتنين تمانية
+
+260
+00:20:05,340 --> 00:20:11,700
+الان مباشرة بقدر اقرر ان هذا اقصرDistance موجودة
+
+261
+00:20:11,700 --> 00:20:15,460
+اللي هي الصفر معناته هذا أقرب ما يكون من ال
+
+262
+00:20:15,460 --> 00:20:19,420
+cluster الرقم واحد من ال center الأول فهو بينتمل
+
+263
+00:20:19,420 --> 00:20:23,980
+ال cluster الأول بعيد الكرة مرة تانية اتنين ناقص
+
+264
+00:20:23,980 --> 00:20:30,000
+اتنين صفر خمسة ناقص عشرة خمسة هي خمسة الآن اتنين
+
+265
+00:20:30,000 --> 00:20:37,850
+ناقص خمسة تلاتة خمسة ناقص تمانية تلاتة معناته ستة2
+
+266
+00:20:37,850 --> 00:20:45,330
+-1 1 5-2 3 1 3 4 يعني الـ distance الأقصر هي عبارة
+
+267
+00:20:45,330 --> 00:20:48,630
+عن الأربعة فهذا أقرب ما يكون لك لل cluster رقم
+
+268
+00:20:48,630 --> 00:20:56,310
+تلاتة مع كذلك هنا 8-2 6 4-10 6 طبعا ليش أربعة نقص
+
+269
+00:20:56,310 --> 00:20:58,870
+عشرة ستة لما نتكلم بال absolute value من هاتين
+
+270
+00:20:58,870 --> 00:21:03,640
+distance ما تنسوشالـ distance التانية سبعة الـ
+
+271
+00:21:03,640 --> 00:21:07,900
+distance التالتة التاسعة معناته أنا أقصر مسافة
+
+272
+00:21:07,900 --> 00:21:13,640
+تسعة معناته في ال cluster التاني خمسة صفر لاحظوا
+
+273
+00:21:13,640 --> 00:21:16,620
+لأن ال data set أو ال centers أخدتها معايا فلازم
+
+274
+00:21:16,620 --> 00:21:20,080
+تطلع معايا أصفر بشكل أو بأخر لأ في أي حسب ال
+
+275
+00:21:20,080 --> 00:21:23,920
+center اللي موجود عندها فلما حسبنا تمام تمام حسبنا
+
+276
+00:21:23,920 --> 00:21:31,360
+كل ال distances وزعنا التمن عناصرعلى ال classes
+
+277
+00:21:31,360 --> 00:21:37,460
+اللي موجودة يعني a1 في c1 من ال cluster الأول a2 و
+
+278
+00:21:37,460 --> 00:21:44,240
+a7 في ال cluster التالت a3 و a4 و a5 و 6 و 8 في ال
+
+279
+00:21:44,240 --> 00:21:50,120
+cluster التاني تمام هذه التوزيع اللي عندى بناء على
+
+280
+00:21:50,120 --> 00:21:55,100
+ال clusters اللي موجودة عندها إيش المطلوب مني الآن
+
+281
+00:21:55,100 --> 00:21:59,960
+المطلوب مني الآن أحسب ال main لكل cluster
+
+282
+00:22:03,450 --> 00:22:06,670
+يعني متوسط النقاط اللي في اللون الأسود في ال
+
+283
+00:22:06,670 --> 00:22:10,530
+cluster الأول هيهم بروح بجمع النقاط اللي بتاخد
+
+284
+00:22:10,530 --> 00:22:14,050
+واحد اللي في ال cluster الأول و بحسب المتوسط
+
+285
+00:22:14,050 --> 00:22:17,730
+تبعتها مافيش غير النقطة مانا في المتوسط تبعتها مثل
+
+286
+00:22:17,730 --> 00:22:21,070
+مغير هذا ال center ماتغيرش اللي باللون الأزرق هيهم
+
+287
+00:22:21,070 --> 00:22:28,650
+تنتين نين زائد واحد تلاتة يعني واحد ونص خمسةسبعة و
+
+288
+00:22:28,650 --> 00:22:32,550
+أثنين عفوا سبعة يعني تلاتة و نص هذا ال center
+
+289
+00:22:32,550 --> 00:22:36,570
+التالت ال center التاني هيكون عبارة عن تمانية
+
+290
+00:22:36,570 --> 00:22:41,930
+زيادة خمسة زيادة سبعتاش هي عشرين وهي ستة ستة و
+
+291
+00:22:41,930 --> 00:22:45,870
+عشرين هي تلاتين تلاتين على واحد اتنين تلاتة اربع
+
+292
+00:22:45,870 --> 00:22:53,500
+خمسة يعني ستةثلاثين على خمسة ستة و ايه في اندي هان
+
+293
+00:22:53,500 --> 00:23:03,800
+اتناش سبعتاش اتنين و عشرين اتناش
+
+294
+00:23:03,800 --> 00:23:08,200
+سبعتاش واحد و عشرين تلاتين برضه ستة و ستة معلنات
+
+295
+00:23:08,200 --> 00:23:12,260
+ال news centers تبعتي انا هتكون بعد الحسبة تبعتي
+
+296
+00:23:12,260 --> 00:23:19,780
+اتنين و عشرةبالمتوسطات 6 6 1.5 3.5
+
+297
+00:23:22,880 --> 00:23:26,580
+سينترز لاحظوا أنا ما زلت ماتكلم من ال first
+
+298
+00:23:26,580 --> 00:23:30,280
+iteration اللي موجودة عندي الآن هاخد ال new
+
+299
+00:23:30,280 --> 00:23:34,600
+centers هدول و اروح فيهم على ال next iteration او
+
+300
+00:23:34,600 --> 00:23:37,680
+ال second iteration هاي حطيت ال centers اللي جديدة
+
+301
+00:23:37,680 --> 00:23:41,080
+اللي موجودة عندي هان و بديت احسب المسافة من جديد
+
+302
+00:23:41,080 --> 00:23:46,520
+بديت احسب المسافة من جديد و بنفس الكلام الآن بحسب
+
+303
+00:23:46,520 --> 00:23:49,720
+على ال centers الجديدة مع كل raw اللي موجود عندي
+
+304
+00:23:49,720 --> 00:23:54,400
+هان و باخدلأ مع نهاية العملية بروح بحسب ال centers
+
+305
+00:23:54,400 --> 00:23:58,180
+بحسب ال main لل centers اللي موجودة هيصار في عندي
+
+306
+00:23:58,180 --> 00:23:59,340
+واحد و واحد
+
+307
+00:24:02,460 --> 00:24:07,000
+الان سار في عندي واحد و واحد هي اتنين و اربعة ستة
+
+308
+00:24:07,000 --> 00:24:12,380
+على اتنين تلاتة عشرة او تسعة تسعتاش تمانية و عفوا
+
+309
+00:24:12,380 --> 00:24:15,960
+تسعة و نص هذا ال center الجديدة اللي هشتغل عليها
+
+310
+00:24:15,960 --> 00:24:19,160
+وبالتالي انا هروح في iteration تالتة لان ال
+
+311
+00:24:19,160 --> 00:24:22,060
+centers مختلفة تماما عن ال centers اللي موجودة
+
+312
+00:24:22,060 --> 00:24:26,040
+هتركي كمالية الحسبة نفس الكيفية لحد ما تثبت معاك
+
+313
+00:24:26,270 --> 00:24:29,230
+للـ clusters اللي موجود عندك هنا طبعا فى كل ال
+
+314
+00:24:29,230 --> 00:24:32,430
+slide هذه تكتبها على ورقة أو تطبق عليها و تطبقها و
+
+315
+00:24:32,430 --> 00:24:34,970
+تجرب ال center التاني و التالتة و الرابعة و ال
+
+316
+00:24:34,970 --> 00:24:41,310
+iteration طبعا متى بده يجف بده يجف لما فعليا يبطل
+
+317
+00:24:41,310 --> 00:24:47,950
+ال center عندي يتغير تمام okay طبعا لأنه فى مشكلة
+
+318
+00:24:47,950 --> 00:24:52,390
+أحيانا بالمين بتظهر معايا لو كان فى عندي ال data
+
+319
+00:24:52,390 --> 00:24:57,440
+مش معمولةpre processing صح يعني فى عندي out layer
+
+320
+00:24:57,440 --> 00:25:03,040
+زى هى دى الان لو أنا جيت قولتلك المتوسط الحسابى
+
+321
+00:25:03,040 --> 00:25:06,120
+اللى هدول واحد و تلاتة و خمسة و سبعة و تسعة
+
+322
+00:25:06,120 --> 00:25:10,780
+هتقولليها okay cancer لكن لو أنا قولتلك بدل التسعة
+
+323
+00:25:10,780 --> 00:25:16,660
+عندي الف وتسعة هيكون متوسط الحسابى جديش متسعة و
+
+324
+00:25:16,660 --> 00:25:21,060
+خمسة معناته ال center تبع هيكون بعيد جداالـ Center
+
+325
+00:25:21,060 --> 00:25:25,100
+تبعي بعيد جداً معناته يزيد من نقطة الـ convergence
+
+326
+00:25:25,100 --> 00:25:33,440
+وممكن فعليا يدينا نتيجة خطأ انت تخيل ان ال data
+
+327
+00:25:33,440 --> 00:25:39,480
+set 10 عبارة
+
+328
+00:25:39,480 --> 00:25:40,400
+عن مجموعات
+
+329
+00:25:53,650 --> 00:25:59,290
+هذه النقطة هي الـ 250 لما تكون هذه الـ Center
+
+330
+00:25:59,290 --> 00:26:01,830
+فتأخذ هذه العناصر معاها
+
+331
+00:26:04,130 --> 00:26:09,170
+لأنها الأقرب لما تختار المتوسط سيصبح هنا و هنا و
+
+332
+00:26:09,170 --> 00:26:11,250
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+333
+00:26:11,250 --> 00:26:13,170
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+334
+00:26:13,170 --> 00:26:13,430
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+335
+00:26:13,430 --> 00:26:14,550
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+336
+00:26:14,550 --> 00:26:14,930
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+337
+00:26:14,930 --> 00:26:15,310
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+338
+00:26:15,310 --> 00:26:17,490
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+339
+00:26:17,490 --> 00:26:20,790
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+340
+00:26:20,790 --> 00:26:21,690
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+341
+00:26:21,690 --> 00:26:21,710
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+342
+00:26:21,710 --> 00:26:21,730
+هنا و هنا و هنا و هنا و هنا و هنا و هنا و هنا و
+
+343
+00:26:21,730 --> 00:26:32,670
+هنا و هنا و هنا و هنا و
+
+344
+00:26:32,670 --> 00:26:36,780
+هنا و هناالـ median زي ما احنا بنعرف سابقا و نفس
+
+345
+00:26:36,780 --> 00:26:40,720
+الخطوات السابقة بتظل عندها لكن بدل ما بحسب زي ما
+
+346
+00:26:40,720 --> 00:26:46,180
+قلتلك المتوسط او متوسط بحسب او باخد القيمة الوسطى
+
+347
+00:26:46,180 --> 00:26:50,010
+اللى موجودة عندها او الوسطى الحسابىالـ Main
+
+348
+00:26:50,010 --> 00:26:52,950
+advantage تبع تلميذ الـ Medium زي ما قلنا أنه
+
+349
+00:26:52,950 --> 00:26:55,930
+لايتأثر بالـ Extreme Value أو بالـ Outlier Value
+
+350
+00:26:55,930 --> 00:27:00,650
+اللي موجودة هنا السؤال اللي بيدرح نفسه الآن هدد كل
+
+351
+00:27:00,650 --> 00:27:04,090
+شغلنا سابقا كان مع أرقام مشهور لو كانت ال data
+
+352
+00:27:04,090 --> 00:27:09,430
+اللي عندي عبارة عن binary 01 01 ده ال data binary
+
+353
+00:27:09,430 --> 00:27:13,450
+يعني الآن عند قيم 01 01 معناته ممكن تكون في عند
+
+354
+00:27:13,450 --> 00:27:17,410
+القيم متشابه ما بين ال clustersعشان هيك جالك لما
+
+355
+00:27:17,410 --> 00:27:19,930
+تكون ال data ال binary اللي عندي أو ال variable
+
+356
+00:27:19,930 --> 00:27:24,170
+اللي عندي كلها binary بنفعش أروح أطبق عليها ال
+
+357
+00:27:24,170 --> 00:27:28,310
+Euclidean أو المنهاتين لأ بصير في عندي similarity
+
+358
+00:27:28,310 --> 00:27:32,610
+function أخرى لازم أتعامل معاها و طبعا هنا فعليا
+
+359
+00:27:32,610 --> 00:27:36,350
+أنا بصير بدأ أدور على ال dissimilarity احنا سابقا
+
+360
+00:27:36,350 --> 00:27:39,150
+ذكرنا ان في عندي ال Euclidean و ال Jacquard و ال
+
+361
+00:27:39,150 --> 00:27:44,770
+Sparsman و ال Hoffman code إلى أخره لكن خلّيني
+
+362
+00:27:44,770 --> 00:27:50,390
+أتكلم احنا علىالـ binary data بصير احسب الـ
+
+363
+00:27:50,390 --> 00:27:55,990
+dissimilarity عدم التشابه يعني انا بعد ما أدوّق كل
+
+364
+00:27:55,990 --> 00:28:04,310
+مكان عدم التشابه peer تمام معناته التشابه عندها
+
+365
+00:28:04,310 --> 00:28:08,510
+صغير وبالتالي انا نفس الفكرة ان انا بدور على ال
+
+366
+00:28:08,510 --> 00:28:12,920
+smaller value دائماعشان اتكلم عن انه في شبه او
+
+367
+00:28:12,920 --> 00:28:18,300
+مافيش شبه لكن زي ما قلنا ان انا بتكلم على عدم
+
+368
+00:28:18,300 --> 00:28:25,620
+التشابه بشكل عام لما بكون في عندى ال data set او
+
+369
+00:28:25,620 --> 00:28:31,540
+ال point تبعتى فيه عبارة عن value من صفر واحد ال
+
+370
+00:28:31,540 --> 00:28:34,840
+dissimilarity تبعتنا عبارة عن non negative number
+
+371
+00:28:35,710 --> 00:28:42,510
+لما بيكون closed to zero معناته نغطي نقراب جدا من
+
+372
+00:28:42,510 --> 00:28:46,710
+بعض أو متشابهات و العكس كل ما زاد الرقم كل ما كبل
+
+373
+00:28:46,710 --> 00:28:52,450
+الرقم معناته الرقامين هدول مختلفين عن بعض يعني
+
+374
+00:28:52,450 --> 00:28:55,490
+هنوجه اني بجيس الاختلاف الآن هنوجه اني بجيس
+
+375
+00:28:55,490 --> 00:28:58,650
+الاختلاف قعد كنت بجيس التشابه و الأن بدي أجيس
+
+376
+00:28:58,650 --> 00:29:04,560
+الاختلافاللي الأن من الـ matrix اللي ذكرناها
+
+377
+00:29:04,560 --> 00:29:07,260
+سابقاً اللي هي الـ jacquard بدك تفترض أنه أنا
+
+378
+00:29:07,260 --> 00:29:13,340
+فعلياً عندي data 6 باعتي مكونة من ال object الأول
+
+379
+00:29:13,340 --> 00:29:19,060
+وال object التاني عشان أنا أخد قيم ال value ال
+
+380
+00:29:19,060 --> 00:29:23,900
+binary value اللي موجودةالان بدأت توزع 01 الـ I و
+
+381
+00:29:23,900 --> 00:29:29,380
+الـ J الـ I و الـ J A و B و C و D هذه العناصر اللي
+
+382
+00:29:29,380 --> 00:29:35,240
+بتمثل المصفوفة اللي عندي اللاحظوا أنا جمعت الـ B و
+
+383
+00:29:35,240 --> 00:29:35,660
+الـ C
+
+384
+00:29:50,030 --> 00:29:54,350
+عشان نفهم الصورة صح و نشوف بالمثال يتضح المقال زي
+
+385
+00:29:54,350 --> 00:29:59,050
+ما بقول المثل تعالى نروح نشتغل handو نشوف ايش
+
+386
+00:29:59,050 --> 00:30:04,150
+العناصر اللي موجودة عندها بيجي بقول افترض ان هاي
+
+387
+00:30:04,150 --> 00:30:08,790
+في عندى انا ال binary data بدي اعملها partitioning
+
+388
+00:30:08,790 --> 00:30:12,930
+cluster هذه بتمثل patient record ال records او
+
+389
+00:30:12,930 --> 00:30:17,530
+الموجودين عندها ما بين ال positive و ال yes طبعا
+
+390
+00:30:17,530 --> 00:30:22,610
+بتكلم على اسم الشخص مش هدخل معايا حتما في الحسبة
+
+391
+00:30:22,610 --> 00:30:29,890
+اللي في عنديالـ fever عفوا الدرجة الحرارة الكف
+
+392
+00:30:29,890 --> 00:30:34,250
+اللي هي السعال الفحص الأول التاني التالت الرابع و
+
+393
+00:30:34,250 --> 00:30:39,050
+positive بواحد و ال yes بواحد و ال no ايه بصفر و
+
+394
+00:30:39,050 --> 00:30:43,890
+ال negative ايه بصفر الان بدأ انا ارجع معاك لهان
+
+395
+00:30:43,890 --> 00:30:48,910
+لما انا جينا من هنا نتكلم هنا ال a ايش ال a بتمثل
+
+396
+00:30:48,910 --> 00:30:51,830
+ال a بتمثل هي عبارة عن مجموع
+
+397
+00:30:54,440 --> 00:30:59,140
+النقاط اللي التقت فيها الـ two objects I و J كانت
+
+398
+00:30:59,140 --> 00:31:02,980
+النقاط الواحد بقى بالـ B أو الـ D مجموع النقاط
+
+399
+00:31:02,980 --> 00:31:06,720
+اللي كانوا فيها زي بعض لكن بالصفر C هي النقاط اللي
+
+400
+00:31:06,720 --> 00:31:13,320
+كانت ل ال object J واحد و ال object I صفر و هكذا
+
+401
+00:31:13,320 --> 00:31:19,100
+تعالوا نجي على المثالاللي موجود عندنا هان طيب إذا
+
+402
+00:31:19,100 --> 00:31:22,380
+احنا قلنا هذه بواحد معناته انا بده اروح اخد two
+
+403
+00:31:22,380 --> 00:31:26,820
+rows موجودين عندي هان بالمثال اللي موجود عندنا هان
+
+404
+00:31:26,820 --> 00:31:31,480
+بدنا نشتغل مع جاك و ماري مع بعض انا بده اش��ف مين
+
+405
+00:31:31,480 --> 00:31:34,820
+اقرب اتنين من هدولة لبعضهم معناته انا بده اشوف جاك
+
+406
+00:31:34,820 --> 00:31:38,680
+و ماري و جاك و جيم و ماري و جيم هي الاحتمالات
+
+407
+00:31:38,680 --> 00:31:40,740
+التلاتة اللي موجودة معناته انا بده اشتغل في
+
+408
+00:31:40,740 --> 00:31:41,400
+البداية على
+
+409
+00:31:48,900 --> 00:31:55,780
+الـ two rows اللي موجودين عندها وين التنين كانوا
+
+410
+00:31:55,780 --> 00:31:59,340
+positive وين التنين كانوا فيه عندى واحد كام عمود
+
+411
+00:31:59,340 --> 00:32:05,000
+كان فيهم التنين قيمتهم واحد هذا واحد هذا اتنين
+
+412
+00:32:05,000 --> 00:32:11,540
+خلاص معناته واحد واحد هي اتنين اللي هي ال a تمام
+
+413
+00:32:11,540 --> 00:32:24,840
+طيب جاك واحد وماري صفرJack 1 وماري صفر مافيش Jack
+
+414
+00:32:24,840 --> 00:32:32,160
+0 وماري واحد هيها نقول ال positive واحد هيها واحد
+
+415
+00:32:32,160 --> 00:32:42,920
+الان negative 00000 هي تلاتة هي المصفوفة تبعتي
+
+416
+00:32:42,920 --> 00:32:46,840
+تمام الان احنا قلنا هي عبارة عن
+
+417
+00:32:50,130 --> 00:32:59,190
+abcd نجمع a و b او ناخد المتلت العلوي هذا واحد
+
+418
+00:32:59,190 --> 00:33:04,690
+زائد صفر على واحد زائد صفر زائد واحد زائد اتنين
+
+419
+00:33:04,690 --> 00:33:10,650
+تلاتة و تلاتين لما انا بروح بحسب لماري بحسب لجاك و
+
+420
+00:33:10,650 --> 00:33:17,850
+مق و جيم بنفس الكيفية تمام دعنا نعيدها هنا من ال
+
+421
+00:33:17,850 --> 00:33:18,210
+eraser
+
+422
+00:33:26,820 --> 00:33:33,180
+طبعا القيمة ده هتتغير الان انا هروح اشتغل مع او
+
+423
+00:33:33,180 --> 00:33:36,600
+نحاول نعمل contingency matrix جديدة بلون جديد نغير
+
+424
+00:33:36,600 --> 00:33:42,300
+لون الجلم دعوني
+
+425
+00:33:42,300 --> 00:33:51,780
+اخد blow الان هي contingency matrix ما
+
+426
+00:33:51,780 --> 00:34:02,040
+بين الان بدنا نشتغل marryأو jack و
+
+427
+00:34:02,040 --> 00:34:08,620
+gem طبعا مش فارقة كتير الترتيب اللي ما بينهم قولنا
+
+428
+00:34:08,620 --> 00:34:16,540
+واحد صفر هاي
+
+429
+00:34:16,540 --> 00:34:22,640
+واحد و صفر وهنا فوق الخطوط هادى بدي أضيف الأرقام
+
+430
+00:34:22,640 --> 00:34:28,560
+اللى أنا بدي يعنيطيب نبدأ بواحد و واحد عدد النقاط
+
+431
+00:34:28,560 --> 00:34:35,300
+اللي التقى فيها جاك وجيم مع بعض هي واحد positive
+
+432
+00:34:35,300 --> 00:34:39,460
+هذه negative مافيش
+
+433
+00:34:39,460 --> 00:34:43,480
+واحد ال
+
+434
+00:34:43,480 --> 00:34:53,260
+pointer بين واحد
+
+435
+00:34:53,260 --> 00:35:02,030
+طيبالان جاك واحد وجم صفر جاك واحد وجم صفر جاك واحد
+
+436
+00:35:02,030 --> 00:35:08,330
+هيها وجم صفر هيها معناته واحد تمام
+
+437
+00:35:08,330 --> 00:35:17,570
+بعد هيك جاك صفر وجم واحد جاك صفر مع الكف واحد
+
+438
+00:35:17,570 --> 00:35:20,310
+والان صفر وصفر
+
+439
+00:35:25,620 --> 00:35:31,960
+واحد اتنين ثلاثة معناته
+
+440
+00:35:31,960 --> 00:35:35,520
+الآن العلاقة الـ dissimilarity الـ dissimilarity
+
+441
+00:35:35,520 --> 00:35:40,480
+بين جام جاك و جيم واحد زائد واحد على واحد زائد
+
+442
+00:35:40,480 --> 00:35:45,080
+واحد زائد واحد كمان
+
+443
+00:35:45,080 --> 00:35:49,780
+الان بعمل كمان ما بين ماري و جيم النفس الكيفية
+
+444
+00:35:49,780 --> 00:35:55,420
+لمبادئ بطلع الان بدي اقارن جمهات الخيرأصغر
+
+445
+00:35:55,420 --> 00:35:59,840
+dissimilarity معناته أعلى تشابه كل ما كبرت ال
+
+446
+00:35:59,840 --> 00:36:02,540
+dissimilarity معناته الاختلاف بينهم كبير جدا
+
+447
+00:36:02,540 --> 00:36:07,540
+معناته انا اكتر اتنين متشابهين او اقرب اتنين لبعض
+
+448
+00:36:07,540 --> 00:36:14,380
+اللي هي مين جاك و ماري حسب ال jacquard computation
+
+449
+00:36:14,380 --> 00:36:17,180
+او ال jacquard metric function اللي احنا بنتكلم
+
+450
+00:36:17,180 --> 00:36:22,180
+عليها لإيه الدلال dissimilarityلاحظوا سابقاً كنت
+
+451
+00:36:22,180 --> 00:36:25,520
+بتكلم عن الـ distance أو ال similarity distance أو
+
+452
+00:36:25,520 --> 00:36:29,240
+ال distance function كنت بتكلم عن ال shortest
+
+453
+00:36:29,240 --> 00:36:31,780
+distance بس الآن بتكلم عن ال shortest
+
+454
+00:36:31,780 --> 00:36:37,160
+dissimilarity طبعا و السيميلارتي لما انا بدي ال ..
+
+455
+00:36:37,160 --> 00:36:40,320
+ال
+
+456
+00:36:40,320 --> 00:36:45,760
+.. ال .. الآن هذه اكتر تشابه او اكتر اقل اختلاف
+
+457
+00:36:45,760 --> 00:36:50,650
+بين Jack و Maryلو انا بدي اتكلم عليك تشابه خد واحد
+
+458
+00:36:50,650 --> 00:36:54,390
+ناقص معناته كل ما بدي ازيد التشابه عندهان مابدي
+
+459
+00:36:54,390 --> 00:36:59,930
+اصير فيهان وبالتالي بصير فيني عند جاك وماري اكتر
+
+460
+00:36:59,930 --> 00:37:03,390
+اتنين متشابهين المحتمل انهم ياخدوا نفس المرض بناء
+
+461
+00:37:03,390 --> 00:37:06,310
+على ال data set يكون عندهم نفس المرض لان هذول اكتر
+
+462
+00:37:06,310 --> 00:37:10,210
+اتنين متقاربين في المحوصات وفي الاعراض اللي موجودة
+
+463
+00:37:10,210 --> 00:37:18,290
+عندنا بينما جيم وماري اكتر اتنين مختلفينوبالتالي
+
+464
+00:37:18,290 --> 00:37:22,510
+لا نعتقد أو مافيش اعتقاد انهم يكونوا من نفس المرض
+
+465
+00:37:22,510 --> 00:37:28,090
+أو منهم نفس المشكلة المرضية اللي عندهم من اللي لو
+
+466
+00:37:28,090 --> 00:37:35,870
+بدنا نتكلم على المزايا وعيوب ال K-Means المزايا
+
+467
+00:37:35,870 --> 00:37:43,030
+simple سهل ان انا افهمه ال item يتخصص بشكل تلقائي
+
+468
+00:37:43,030 --> 00:37:51,680
+ل clusterالـ disadvantages لازم تتصنف لازم تتصنف
+
+469
+00:37:51,680 --> 00:37:54,720
+لازم
+
+470
+00:37:54,720 --> 00:37:57,060
+تتصنف لازم تتصنف لازم تتصنف
+
+471
+00:38:00,680 --> 00:38:03,960
+الـ sensitive to outlier زي ما شوفنا ان الـ
+
+472
+00:38:03,960 --> 00:38:08,060
+outlier بتغير الـ center sensitive to initial seed
+
+473
+00:38:08,060 --> 00:38:11,780
+اللي هي ال random center اللي في الأول لو كانت
+
+474
+00:38:11,780 --> 00:38:14,520
+دقيقة عندي لو كانت في نص ال .. لو كانت هي ال
+
+475
+00:38:14,520 --> 00:38:17,980
+center ممكن اوصل من أول iteration أو التانية لكن
+
+476
+00:38:17,980 --> 00:38:20,380
+لو كانت بعيدة معنى انه هياخد منه وجد في ال
+
+477
+00:38:20,380 --> 00:38:26,660
+convergence لما يصل لنهاية الحل طبعا صعبة غير
+
+478
+00:38:26,660 --> 00:38:33,280
+مناسبة للي يشوف ال clusterمن الـ hyper ellipsoid
+
+479
+00:38:33,280 --> 00:38:37,400
+أو الـ hyper shapers اللي حيكون لو كانتش ال data
+
+480
+00:38:37,400 --> 00:38:41,680
+أو ال data متواجدة بأشكال صعبة مش هيشتغل عليها
+
+481
+00:38:41,680 --> 00:38:45,740
+طبعا هنا بنتكلم اش .. طبعا الشغلة الأخيرة اللي هي
+
+482
+00:38:45,740 --> 00:38:49,040
+علاقة بال failure فعليا مش نقصيه طب هو فعلا بيفشل
+
+483
+00:38:49,040 --> 00:38:53,740
+تماما اللي
+
+484
+00:38:53,740 --> 00:38:58,300
+بيفشل اذا انا فعليا مادتهوش رقمالـ cluster الحقيقي
+
+485
+00:38:58,300 --> 00:39:04,980
+أو المناسب لل data set اللي موجود عندها كذلك بيفشل
+
+486
+00:39:04,980 --> 00:39:06,140
+ال
+
+487
+00:39:11,460 --> 00:39:16,520
+إن كل cluster أو التعرف تبقى على ال center لما
+
+488
+00:39:16,520 --> 00:39:19,300
+يكون عندك ال center يعني أنك تتكلم عن دائرة أو
+
+489
+00:39:19,300 --> 00:39:24,640
+مربع طيب لو كان في عندك ghost او care او اي shape
+
+490
+00:39:24,640 --> 00:39:30,080
+مختلف ايش ال center بدنا نفهمه؟ مش هيظبط لأن لو
+
+491
+00:39:30,080 --> 00:39:35,120
+قلت لك في عندك شكل هلال ايش ال center تبعتها؟مش
+
+492
+00:39:35,120 --> 00:39:40,200
+هتظبط لو انا جيل قلتلك ان في عندي المنحنة ايش ال
+
+493
+00:39:40,200 --> 00:39:43,620
+center تبع المنحنة مش هتظبط لكن ممكن افهمها في
+
+494
+00:39:43,620 --> 00:39:48,640
+مثلث افهمها في دائرة افهمها في مستطيل مستطيل او
+
+495
+00:39:48,640 --> 00:39:53,700
+مربع ممكن افهمها في اشكال اللي موجودة عندك تعالى
+
+496
+00:39:53,700 --> 00:39:59,160
+شوف هنا الان لما انا روحي قلتله ال .. ال .. ال ..
+
+497
+00:40:01,580 --> 00:40:04,200
+لما تكون ال data اللي عندها الها different
+
+498
+00:40:04,200 --> 00:40:12,340
+densities او
+
+499
+00:40:12,340 --> 00:40:17,720
+كتابتها مختلفة ال chemistry بيفشل ليش؟ لأنه بيعتمد
+
+500
+00:40:17,720 --> 00:40:21,000
+على المسافة فالان هذا فعليا ال data هذا ال cluster
+
+501
+00:40:21,000 --> 00:40:24,980
+الحقيقي هذه التوزيع لكن لو انا اجيت و قلتلك هذه
+
+502
+00:40:24,980 --> 00:40:27,920
+النقطة هتصنفها مع اي cluster لو انا افترضت انه ال
+
+503
+00:40:27,920 --> 00:40:28,440
+center هنا
+
+504
+00:40:31,160 --> 00:40:40,700
+و الـ center هنا و ال center هنا فممكن
+
+505
+00:40:40,700 --> 00:40:47,480
+النقطة high تكون أقرب من هنا فالنقطة
+
+506
+00:40:47,480 --> 00:40:53,040
+high هي أقرب لهذه وبالتالي
+
+507
+00:40:53,040 --> 00:40:55,660
+لما يكون في عندي different densities معناه ان في
+
+508
+00:40:55,660 --> 00:40:59,960
+عندي مشكلة مع الكيمياكذلك عندما يكون لدي nano
+
+509
+00:40:59,960 --> 00:41:04,820
+spherical cluster تخيل انه سيجلب لي cluster عندي و
+
+510
+00:41:04,820 --> 00:41:10,780
+هاي ال centers اشتغل على three centers هدول اريهم
+
+511
+00:41:10,780 --> 00:41:15,580
+كيف
+
+512
+00:41:15,580 --> 00:41:18,860
+بده يجيبليها او عندما يكون لدي ال complex shape
+
+513
+00:41:18,860 --> 00:41:22,120
+بالشكل هذا سيقول هاي center عندي هنا وهي center
+
+514
+00:41:22,120 --> 00:41:30,890
+هنا او هذا ال distance صحيحة او هناهل هذه النقطة
+
+515
+00:41:30,890 --> 00:41:34,530
+هي الأقرب لها ؟ فهو الـ shape تبع ال complex فهذه
+
+516
+00:41:34,530 --> 00:41:37,910
+الحلقات كلها بيفشل فيها ال K مين طبعا احنا فعليا
+
+517
+00:41:37,910 --> 00:41:42,590
+في عندنا algorithm تاني زي ال DB scan و هذا ال
+
+518
+00:41:42,590 --> 00:41:48,370
+algorithm فعال جدا في التعامل مع ال .. بطلبش مني
+
+519
+00:41:48,370 --> 00:41:50,970
+عدد ال K و بيشتغل و بحاول يتعرف على ال complex
+
+520
+00:41:50,970 --> 00:41:56,230
+shape لأنه بيعتمد على ال density و بحاول يجد لها
+
+521
+00:41:57,020 --> 00:41:59,780
+يتعرف على الـ clusters بناءً على ال density اللي
+
+522
+00:41:59,780 --> 00:42:03,560
+موجودة لكن تبقى زي ما قلنا هل ال evaluation أو
+
+523
+00:42:03,560 --> 00:42:06,620
+التقييم تبعي تبع أداء ال cluster صحيح أم لا بناءً
+
+524
+00:42:06,620 --> 00:42:09,680
+على أداء ال clusters ومعرفة بعدد ال clusters
+
+525
+00:42:09,680 --> 00:42:13,230
+الحقيقية لل data اللي موجودةنشوفكوا على خير ان شاء
+
+526
+00:42:13,230 --> 00:42:17,130
+الله تعالى في المحاضرة هذه اتعرفنا على الكمين
+
+527
+00:42:17,130 --> 00:42:21,130
+وشوفنا كيف نحسبه واتخرفنا على مزاياه وعيوبه
+
+528
+00:42:21,130 --> 00:42:23,990
+التسجيل اللي جاي ان شاء الله تعالى هنتقل للـ
+
+529
+00:42:23,990 --> 00:42:27,510
+Hierarchical Clustering السلام عليكم ورحمة الله
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/CMRo1Sw-HX4_raw.srt

@@ -0,0 +1,3424 @@
+1
+00:00:05,080 --> 00:00:07,260
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:07,260 --> 00:00:10,540
+اليوم ان شاء الله تعالى هنكمل في موضوع ال data
+
+3
+00:00:10,540 --> 00:00:13,800
+cleaning كنا المحاضرة الماضية اللي اشتغلنا في
+
+4
+00:00:13,800 --> 00:00:19,820
+موضوع ال missing لل data و اليوم ان شاء الله تعالى
+
+5
+00:00:19,820 --> 00:00:25,720
+هنشتغل في موضوع ال noisy data الان في ال noisy
+
+6
+00:00:25,720 --> 00:00:29,060
+data قلنا احنا ال noise data مفهومها ان انا في
+
+7
+00:00:29,060 --> 00:00:33,890
+عندى خطأ لسببerror معين الـ error ده ممكن يكون
+
+8
+00:00:33,890 --> 00:00:37,950
+الناتج عنه من human entry أو فيه fault في ال
+
+9
+00:00:37,950 --> 00:00:41,190
+instrument اللي أنا جمعت من خلالها ال data وقولنا
+
+10
+00:00:41,190 --> 00:00:44,430
+من أشهر الأمثلة اللي أنا بتكلم عليها على ال noise
+
+11
+00:00:44,430 --> 00:00:50,130
+data الراتب يكون بالسالب بغض النظر عن كانت إيش
+
+12
+00:00:50,130 --> 00:00:53,890
+الأخطاء إيش الشغلات اللي أنا فعليا محتاجها عشان
+
+13
+00:00:55,040 --> 00:00:59,320
+أعرض أو أتعامل مع ال data set اللي موجودة عندنا
+
+14
+00:00:59,320 --> 00:01:01,900
+كيف بدي أعمل لها handling من أشهر الطرق اللي
+
+15
+00:01:01,900 --> 00:01:05,680
+موجودة عندنا موضوع ال pinning وما المقصود في ال
+
+16
+00:01:05,680 --> 00:01:10,520
+pinning أنه أنا فعليا بدي أروح أجسم ال data set
+
+17
+00:01:10,520 --> 00:01:17,850
+تبعتي لمجموعات وكل مجموعة هتمثل سيبني يا عمركل
+
+18
+00:01:17,850 --> 00:01:21,870
+مجموعة هتتمثل بقيمة معينة القيمة دي ممكن تكون ال
+
+19
+00:01:21,870 --> 00:01:25,050
+main ممكن تكون ال median او ممكن تكون بقيمتين عشان
+
+20
+00:01:25,050 --> 00:01:28,150
+امثل المجموعة لو اعتمدت على ال boundaries لكن في
+
+21
+00:01:28,150 --> 00:01:32,630
+شغل مهم جدا مع ال binning اللي هي الموضوع انه انا
+
+22
+00:01:32,630 --> 00:01:35,810
+فعليا ال partition تبع ال bin ال partition تبعتي
+
+23
+00:01:35,810 --> 00:01:39,770
+هاي او ال bin جداش حجمها بدو يكون هل هتكلم على
+
+24
+00:01:39,770 --> 00:01:44,980
+equal frequencyيعني فعلياً كل ال bins هيكونوا نفس
+
+25
+00:01:44,980 --> 00:01:50,480
+العدد ولا هتكلم على ال equal depth باجب ال equal
+
+26
+00:01:50,480 --> 00:01:54,120
+depth انا باجب فكرتها انه انا اجسم المجموعات تبع
+
+27
+00:01:54,120 --> 00:01:57,800
+ال intervals اجي اقول من عشرة مثلا من واحد لعشرة
+
+28
+00:01:57,800 --> 00:02:02,860
+ال interval الأولى من عشرة عفوا من 11 لعشرين ال
+
+29
+00:02:02,860 --> 00:02:06,260
+interval التانية من واحد وعشرين لتلاتين ال
+
+30
+00:02:06,260 --> 00:02:10,360
+interval التالتةبغض النظر عن الأعداد اللي بدها
+
+31
+00:02:10,360 --> 00:02:14,160
+تكون في كل interval هذي بتسميها احنا ايش؟ equal
+
+32
+00:02:14,160 --> 00:02:18,060
+depth بينها بقى ال equal frequency ان كل partition
+
+33
+00:02:18,060 --> 00:02:23,760
+في نفس العدد من ال elements لكن عشان فعليا اطبق
+
+34
+00:02:23,760 --> 00:02:29,740
+انا ال pinning لازم في البداية اعمل sort لل data
+
+35
+00:02:29,740 --> 00:02:36,350
+لو ماعملتش sort كل شغلك غلط على الفاضيلكن في موضوع
+
+36
+00:02:36,350 --> 00:02:40,370
+الـ Equal Depth ممكن انا اشتغل اذا انا فاهم ال
+
+37
+00:02:40,370 --> 00:02:44,830
+minimum و ال maximum تبعوني قداش بقدر اعمل استخدام
+
+38
+00:02:44,830 --> 00:02:48,210
+و عارف ايش ال range اللي ممكن تخدمني ال intervals
+
+39
+00:02:48,210 --> 00:02:50,430
+ممكن اشتغل لانه في الآخر بدي أصبح ال
+
+40
+00:02:50,430 --> 00:02:53,410
+representation لكل رقم بال interval اللي موجودة
+
+41
+00:02:53,410 --> 00:02:57,890
+عندها تعالوا نشوفمع بعض ال binning الان العملية
+
+42
+00:02:57,890 --> 00:02:59,370
+التانية اللى هتكلم عليها ال regression و ال
+
+43
+00:02:59,370 --> 00:03:02,030
+clustering بعدين كنا احنا بدنا مع ال binning و
+
+44
+00:03:02,030 --> 00:03:05,570
+الرقم واحد كنا بدنا نعمل sort و بالمثال هذا هشتغل
+
+45
+00:03:05,570 --> 00:03:09,510
+على equal frequency equal frequency قاللي انا الان
+
+46
+00:03:09,510 --> 00:03:10,990
+بدي اشتغل على three bins
+
+47
+00:03:19,150 --> 00:03:22,830
+الان يا جماعة الخير لو كان في عندي plus او minus
+
+48
+00:03:22,830 --> 00:03:26,890
+one في ال interval يعني لو كانت ال interval تبعتي
+
+49
+00:03:26,890 --> 00:03:34,150
+هذه 13 رقم 27 مش big deal او مش مشكلة ان الرقم
+
+50
+00:03:34,150 --> 00:03:38,300
+الأخير هذا ينضاف على ال penالاخيرة طيب لو كان في
+
+51
+00:03:38,300 --> 00:03:43,000
+عندي تلت أرقام مخص بن مخص رقم واحد ماعندي مشكلة
+
+52
+00:03:43,000 --> 00:03:47,360
+تكون البن الأخيرة بأقل من digit خصوصا لما احنا
+
+53
+00:03:47,360 --> 00:03:50,720
+بنتكلم انا بدي اعمل handling ل attribute ال
+
+54
+00:03:50,720 --> 00:03:53,740
+attribute مش اتناشر value اللي فيه تلتاشر ممكن
+
+55
+00:03:53,740 --> 00:03:57,100
+يكون فيه تلتاشر الف value فلما فعليا اجي اقول
+
+56
+00:03:57,100 --> 00:04:01,980
+والله بدي خصه عندي مائة قيمةمن الف مش قضية لسه ما
+
+57
+00:04:01,980 --> 00:04:06,200
+زال عندي فيه 900 قيمة موجودات وبقالهم وزلهم
+
+58
+00:04:06,200 --> 00:04:10,160
+وبأثروا بشكل كويس فالخطوة رقم واحد بعد ما انا اعمل
+
+59
+00:04:10,160 --> 00:04:15,140
+sort اجسم المجموعات اعملت sort بدي equal frequency
+
+60
+00:04:15,140 --> 00:04:23,160
+اربعة هاي واحدة تنتين تلاتة الخطوة رقم واحدSort
+
+61
+00:04:23,160 --> 00:04:25,860
+الخطوة الرقم اتنين تجسيمهم او ال partitioning
+
+62
+00:04:25,860 --> 00:04:32,120
+تبعتهم لمجموعات الآن بعد هيك القيام هذه مين فيها
+
+63
+00:04:32,120 --> 00:04:36,700
+ال noise انا فعليا مش عارف هل هي الأربعة هي ال
+
+64
+00:04:36,700 --> 00:04:39,680
+noise ولا الأربعة و تلاتين هي ال noise انا فعليا
+
+65
+00:04:39,680 --> 00:04:43,580
+مش عارفها لكن هذه الأربعة او الأربعة و تلاتين انا
+
+66
+00:04:43,580 --> 00:04:49,120
+فعليا هخلص منها من خلال استبدالها بإيش مع كل بن
+
+67
+00:04:49,120 --> 00:04:53,360
+الآن ممكن استبدلها بالقيامة ال meanأو الـ Median
+
+68
+00:04:53,360 --> 00:04:58,920
+أو الـ Value .. ال .. عفوا القيم ال boundaries لو
+
+69
+00:04:58,920 --> 00:05:03,160
+أنا بدأ اعتمد على ال meme هضطر اجمع تمانية زائد
+
+70
+00:05:03,160 --> 00:05:06,140
+اربعة .. اربعة زائد تمانية زائد تسعة زائد خمستاشع
+
+71
+00:05:06,140 --> 00:05:10,640
+على اربعة واروح استبدلهم قلعت تسعة بتالي المجموعة
+
+72
+00:05:10,640 --> 00:05:15,640
+الاولى كل element فيها بده يصير تسعة كل element
+
+73
+00:05:15,640 --> 00:05:18,900
+فيها بده يصير تسعة المجموعة التانية المتوسطة
+
+74
+00:05:18,900 --> 00:05:22,670
+الحسابة تبعها كانت تلاتة وعشرين ومن ثم ال ..و
+
+75
+00:05:22,670 --> 00:05:26,050
+هتكون تلاتة و عشرين والاخيرة تسعة و عشرين و هكذا
+
+76
+00:05:26,050 --> 00:05:31,470
+لو انا بدي اشتغل على ال boundaries مفهوم ال
+
+77
+00:05:31,470 --> 00:05:36,270
+boundaries هيهم الأربعة والخمستاش هدولة لل بن
+
+78
+00:05:36,270 --> 00:05:41,130
+الأول او لل partition الأول الآن الأربعة والخمستاش
+
+79
+00:05:41,130 --> 00:05:44,550
+هدولة هتكون ثابتات لاحظ في ال main و ال median انا
+
+80
+00:05:44,550 --> 00:05:48,010
+كل ال partitionالـ values تبعت ال partition
+
+81
+00:05:48,010 --> 00:05:51,970
+بستبدلها بقيمة واحدة، مظبوط؟ اللي كانت بال mean أو
+
+82
+00:05:51,970 --> 00:05:56,190
+ال median التسعة استبدلت كل القيم لكن مع ال part
+
+83
+00:05:56,190 --> 00:05:59,570
+.. مع ال boundaries point بصير .. بتكلم على لأ ال
+
+84
+00:05:59,570 --> 00:06:04,830
+partition الواحد في قيمتين ال minimum و ال maximum
+
+85
+00:06:04,830 --> 00:06:10,090
+الآن باجي بدور على القيم اللي في النص تمانية أقرب
+
+86
+00:06:10,090 --> 00:06:14,240
+لأي boundaryوبعملها replacement لل boundary الأقرب
+
+87
+00:06:14,240 --> 00:06:21,660
+8 أقرب لل 4 أكيد ومن ثم replace 4 9 لل 4 لأن الفرق
+
+88
+00:06:21,660 --> 00:06:26,380
+بينها و بين 4 و 5 و 15 و 6 فهي أقرب لل 4 وبالتالي
+
+89
+00:06:26,380 --> 00:06:31,380
+بعملها replacement بال 4 ال��ن نفس ال 21 و 21 و 24
+
+90
+00:06:31,380 --> 00:06:36,120
+يصير 25 هنا أقرب و هكذا تمام؟ هذا مفهوم ال
+
+91
+00:06:36,120 --> 00:06:40,200
+boundaries لكن تعالى نشوف مثالنبدأ فيه من البداية
+
+92
+00:06:40,200 --> 00:06:44,240
+خالص هنشتغل فيه كتالي حاجة أقول أنا في عندي مثلا
+
+93
+00:06:44,240 --> 00:06:58,400
+القيم بسيطة سبعة تلاتة تمانية سالب واحد اتنين خمسة
+
+94
+00:06:58,400 --> 00:07:09,880
+عشرة تسعة ستة اربعة اتناشروهي كمان مرة تلاتة مش
+
+95
+00:07:09,880 --> 00:07:14,420
+هتفرج معايا الان
+
+96
+00:07:14,420 --> 00:07:19,160
+انا بدي اشتغل او بدي اعمل partition او بدي استخدم
+
+97
+00:07:19,160 --> 00:07:23,460
+two partitions الخطوة
+
+98
+00:07:23,460 --> 00:07:26,200
+رقم واحد طبعا كمان مرة بيتكلم عن ال equal
+
+99
+00:07:26,200 --> 00:07:31,700
+frequency equal frequency هشتغل الان اول خطوة رقم
+
+100
+00:07:31,700 --> 00:07:44,830
+واحد sort هي سالب واحدتنين تلاتة كمان تلاتة عندي
+
+101
+00:07:44,830 --> 00:07:57,970
+أربعة خمسة ستة سبعة تمانية تسعة عشرة معاشر هيك ال
+
+102
+00:07:57,970 --> 00:08:01,990
+data صارت sortedأنا بتكلم على equal frequency
+
+103
+00:08:01,990 --> 00:08:04,210
+equal frequency على two partitions يعني أنا بدي
+
+104
+00:08:04,210 --> 00:08:12,630
+أعدهم من النص 1,2,3,4,5,6,7,8,9,10,11,12,6 مافي
+
+105
+00:08:12,630 --> 00:08:17,290
+عندي مشكلة 1,2,3,4,5,6 هي ال partition أو البن
+
+106
+00:08:17,290 --> 00:08:25,930
+الأول وهي البن الثاني الآن بال mean لو أنا بدي
+
+107
+00:08:25,930 --> 00:08:30,610
+أشتغل بال mean بدي .. مافيش عندي مشكلة بدي أجمعبدي
+
+108
+00:08:30,610 --> 00:08:34,850
+أجمع العناصر و أجسمهم على عددهم على 6، مصبوط؟ بقى
+
+109
+00:08:34,850 --> 00:08:38,930
+بالـ Median القيمة اللي بتيجي في النص بما أن
+
+110
+00:08:38,930 --> 00:08:42,570
+الأعداد اللي عندي هان أعداد عدد العناصر أو عدد
+
+111
+00:08:42,570 --> 00:08:46,770
+البن زوجي مافيش قيمة في النص، فهجيب الـ Average
+
+112
+00:08:46,770 --> 00:08:51,410
+تبعت القيمتين اللي في النص تلاتة و تلاتة، بقى أنا
+
+113
+00:08:51,410 --> 00:08:55,490
+هتكلم بالـ Median تلاتة
+
+114
+00:08:55,490 --> 00:09:00,830
+و تلاتة ستة على اتنين، تلاتةمعناته الآن كل البن
+
+115
+00:09:00,830 --> 00:09:05,450
+هذه بدون يعملها replacement بمين؟ بالتلاتة ..
+
+116
+00:09:05,450 --> 00:09:07,710
+تلاتة .. تلاتة .. تلاتة .. تلاتة .. تلاتة .. تلاتة
+
+117
+00:09:07,710 --> 00:09:07,950
+.. تلاتة .. تلاتة .. تلاتة .. تلاتة .. تلاتة ..
+
+118
+00:09:07,950 --> 00:09:08,030
+تلاتة .. تلاتة .. تلاتة .. تلاتة .. تلاتة .. تلاتة
+
+119
+00:09:08,030 --> 00:09:08,990
+.. تلاتة .. تلاتة .. تلاتة .. تلاتة .. تلاتة ..
+
+120
+00:09:08,990 --> 00:09:10,670
+تلاتة .. تلاتة .. تلاتة .. تلاتة .. تلاتة .. تلاتة
+
+121
+00:09:10,670 --> 00:09:11,390
+.. تلاتة .. تلاتة .. تلاتة .. تلاتة .. تلاتة ..
+
+122
+00:09:11,390 --> 00:09:19,130
+تلاتة .. تلاتة .. تلاتة .. تلاتة ..
+
+123
+00:09:19,130 --> 00:09:25,690
+تلاتة .. تلاتة .. تل
+
+124
+00:09:26,510 --> 00:09:30,190
+أقول لك شغلاء حتى لو كانت لو كانت ال value تبعتي
+
+125
+00:09:30,190 --> 00:09:36,070
+هذه مش اتناش بدي أخليها واحد وعشرين عشان يكون في
+
+126
+00:09:36,070 --> 00:09:42,950
+عندي out layer حقيقي وانا بدي ايش اخلص منه الان
+
+127
+00:09:42,950 --> 00:09:46,790
+مين عند ال error او ال error واضح وين يا شباب واضح
+
+128
+00:09:46,790 --> 00:09:51,710
+عندى في السالب لأن القيم كلهم موجبة كل القيم موجبة
+
+129
+00:09:51,710 --> 00:09:56,070
+باستثناء السالب واحدوكلها أقاينها حوالين العشرة
+
+130
+00:09:56,070 --> 00:10:01,770
+باستثناء ال 21 هاي ليش أنا جيبت المثال ده بالتحديد
+
+131
+00:10:01,770 --> 00:10:05,190
+عشان أقولك انتبه مش كل الخيارات ممكن تكون مناسبة
+
+132
+00:10:05,190 --> 00:10:10,310
+لك الآن بال mean وال median أنا خلصت وانحلت التمام
+
+133
+00:10:10,310 --> 00:10:14,070
+وراحت ال error زالت لكن لو أنا بدأ أشغل بال
+
+134
+00:10:14,070 --> 00:10:17,190
+boundary point بدأ أشغل على ال boundaries
+
+135
+00:10:26,090 --> 00:10:29,110
+حيظلوا موجودات في وجهي حيظلوا موجودات في ال data
+
+136
+00:10:29,110 --> 00:10:33,450
+set على الرغم إن هما ال outliers اللي أنا كنت عمال
+
+137
+00:10:33,450 --> 00:10:37,250
+بحاول أخلص منه أو بين جثين ال noise data اللي كنت
+
+138
+00:10:37,250 --> 00:10:42,510
+بحاول أخلص منها، مصبوط؟ فانت بدأت تنتبه، تنتبه إنه
+
+139
+00:10:42,510 --> 00:10:47,130
+أنا مش كل واحدة تسبق معايا، الآن اللي حيصير كتالي
+
+140
+00:10:47,130 --> 00:10:52,230
+سلب واحد، سلب اتنين أقرب لسلب واحد ولا للخمسة؟لأ
+
+141
+00:10:52,230 --> 00:10:56,470
+سالب واحد معناته هي سالب واحد سالب واحد التلاتة
+
+142
+00:10:56,470 --> 00:11:03,870
+لسالب واحد ولا خمسة لأ خمسة خمسة خمسة خمسة هان ستة
+
+143
+00:11:03,870 --> 00:11:12,450
+هان ستة ستة ستة ستة ستة ستة واحد وعشرين لاحظ ال
+
+144
+00:11:12,450 --> 00:11:14,910
+out layer بدل ما اخلص منها او ال noise ده بدل ما
+
+145
+00:11:14,910 --> 00:11:19,960
+اخلص منها عززتها كمان واحدةفانت بقتنطبه مش دائما
+
+146
+00:11:19,960 --> 00:11:25,020
+الخيارات هذه بتكوناش perfect بالنسبة لي فانت بتشوف
+
+147
+00:11:25,020 --> 00:11:29,380
+الخيار الأمثل في التعامل تمام وبالتالي خلصنا من
+
+148
+00:11:29,380 --> 00:11:32,480
+الموضوع ال binning طبعا ال binning زي ما انت شايف
+
+149
+00:11:32,480 --> 00:11:36,360
+موضوع بسيط سهل ممكن انا اسيطر عليه بشوية انتباه
+
+150
+00:11:36,360 --> 00:11:41,480
+وتركيز في التعامل الطريقة التانية ان اتخلص من ال
+
+151
+00:11:41,480 --> 00:11:45,040
+noise data ان انا اعمل regression شو يعني
+
+152
+00:11:45,040 --> 00:11:50,520
+regression؟هي عبارة عن الـ predictive task مصبوط
+
+153
+00:11:50,520 --> 00:11:55,340
+بحيث أن أصل على formula أو model يقدر يتنبأ بالقيم
+
+154
+00:11:55,340 --> 00:11:59,720
+زي ما بقول محمد by value الآن لو أنا أجيت و قلتلك
+
+155
+00:11:59,720 --> 00:12:05,860
+النقاط هذه المرسومة قدامي هي بتمثل ال data set
+
+156
+00:12:05,860 --> 00:12:11,260
+تبعتي لاحظ النقاط كلها جاية تمام حوالين الخط هذا
+
+157
+00:12:11,260 --> 00:12:19,800
+باستثناء النقطة اللي جاية هنابصبت؟ ليش جايها؟ لأن
+
+158
+00:12:19,800 --> 00:12:23,520
+فيها noise القيمة تبعتها فيها outlier أو فيها
+
+159
+00:12:23,520 --> 00:12:28,520
+noise معينة فخلتها بعيدة واحدة من الطرق تبعت ال
+
+160
+00:12:28,520 --> 00:12:32,140
+noise handling أو noise data handling ان انا اعمل
+
+161
+00:12:32,140 --> 00:12:35,000
+estimation او اعمل prediction لل regression
+
+162
+00:12:35,000 --> 00:12:41,300
+function او ال line model تبعتي ال line function
+
+163
+00:12:41,300 --> 00:12:45,200
+تبعتي بحيث ان انا ارسم الخط مستقيم اللي بيمثل كل
+
+164
+00:12:45,200 --> 00:12:51,010
+ال dataأرسم خط مستقيم يمثّل كل ال data والخط
+
+165
+00:12:51,010 --> 00:12:56,230
+المستقيم هذا له معادلة الآن بناء على قيمة X اللي
+
+166
+00:12:56,230 --> 00:13:01,190
+عندي هان اللي هي ثابتة بقدر أعمل estimation لمين
+
+167
+00:13:01,190 --> 00:13:06,250
+لقيمة Y الصحيحة هل هذا أنا بدي أطبقه على كل ال
+
+168
+00:13:06,250 --> 00:13:16,160
+data لأ فقط على ال noise data noisy pointوبالتالي
+
+169
+00:13:16,160 --> 00:13:20,580
+هذه القيمة هتطلع وين؟ معايا على الخط وبالتالي
+
+170
+00:13:20,580 --> 00:13:27,120
+هتاخد Y جديدة الفكرة أن الوصول لل regression model
+
+171
+00:13:27,120 --> 00:13:36,520
+هذا أو معادلة الخط المستقيم هي
+
+172
+00:13:36,520 --> 00:13:41,260
+بحد ذاتها data mining task predictive data mining
+
+173
+00:13:41,260 --> 00:13:45,900
+task عشان أعمل estimation لهلـ Value لـ Numeric
+
+174
+00:13:45,900 --> 00:13:49,180
+Value، مظبوط؟ لكن هذه واحدة من القرق اللي ممكن
+
+175
+00:13:49,180 --> 00:13:52,200
+برضه اطبقها انا عندى وها احنا عادة بنسميها احنا
+
+176
+00:13:52,200 --> 00:13:59,000
+Supervised Handling الشغل التالتة او الطريقة
+
+177
+00:13:59,000 --> 00:14:01,740
+التالتة اللي ممكن اعتمد عليها انا موضوع ال
+
+178
+00:14:01,740 --> 00:14:04,120
+clustering ال clustering اللي هي عبارة عن
+
+179
+00:14:04,120 --> 00:14:07,820
+descriptive task في ال data mining تقسيم ال data
+
+180
+00:14:07,820 --> 00:14:13,090
+set لمجموعة منلمجموعات من العناصر مجموعات عفوا
+
+181
+00:14:13,090 --> 00:14:17,270
+مجموعات من العناصر الآن بالصورة هذه واضح ان ال
+
+182
+00:14:17,270 --> 00:14:19,790
+data set تاني قدرت ان نشكلها في تلت مجموعات او
+
+183
+00:14:19,790 --> 00:14:23,610
+نحطها في تلت مجموعات العناصر اللي برا المجموعات
+
+184
+00:14:23,610 --> 00:14:29,930
+هذه ايش تمثل؟ تمثل noise data ممكن تكون outlier
+
+185
+00:14:29,930 --> 00:14:33,450
+صحيح هي outlier بالنسبة لل cluster لكن لل general
+
+186
+00:14:33,450 --> 00:14:36,030
+trend اللي موجود عندك هي مش outlier مش بعيدة كتير
+
+187
+00:14:36,030 --> 00:14:40,560
+يعني ال point هذه هي أقرب لل cluster هذاالـ
+
+188
+00:14:40,560 --> 00:14:43,580
+Outlier فعلياً يا شباب هي نقطة ممكن تكون موجودة
+
+189
+00:14:43,580 --> 00:14:49,200
+هنا بالنسبة للرسمة Outlier يعني نقطة شاذة، لو كانت
+
+190
+00:14:49,200 --> 00:14:52,860
+هذه نقطة واحدة، هذه النقطة فقط هي الموجودة وباقي
+
+191
+00:14:52,860 --> 00:14:56,780
+النقاط اللي برا هذه مش موجودة، بقول عنها Outlier،
+
+192
+00:14:56,780 --> 00:15:01,300
+لكن الآن بما أنه بمثل noise data، قاعد بأتكلم عليه
+
+193
+00:15:01,300 --> 00:15:08,840
+مجموعة من العناصر، الآن قدامي حل من اتنيناما اعتمد
+
+194
+00:15:08,840 --> 00:15:12,140
+فقط على ال data set أو ال elements أو ال samples
+
+195
+00:15:12,140 --> 00:15:16,380
+اللي في داخل ال clusters التلاتة هدول بعد ما عملت
+
+196
+00:15:16,380 --> 00:15:20,820
+clustering و اتجهل او اعمل delete لكل ال noise
+
+197
+00:15:20,820 --> 00:15:25,280
+data هاي بس فعليا أنا قاعد بدحّب عدد كبير من ال
+
+198
+00:15:25,280 --> 00:15:29,520
+data set ولا لأ؟لأ، الحل التاني إن ممكن أنا أستخدم
+
+199
+00:15:29,520 --> 00:15:33,920
+الـ Common Sense أو أروح أفحص كل واحدة فيهم بشكل
+
+200
+00:15:33,920 --> 00:15:38,660
+مستقل إيش الـ Outlier Value أو إيش الـ Noise
+
+201
+00:15:38,660 --> 00:15:41,260
+عفواً، إيش الـ Noise Value اللي خلتها بعيدة عن ال
+
+202
+00:15:41,260 --> 00:15:45,640
+cluster هذي حتما ال point هذه أقرب ل cluster هذا
+
+203
+00:15:45,640 --> 00:15:49,220
+من هذا، قصده ولا لأ؟ إيش اللي خلاها بعيدة هنا؟
+
+204
+00:15:49,220 --> 00:15:52,160
+هتلاقي في Single Value موجودة في attribute معين
+
+205
+00:15:52,160 --> 00:15:57,110
+ممكن هذه أروح أعملها Adjustment و أضيفها لمين؟للـ
+
+206
+00:15:57,110 --> 00:15:59,890
+cluster اللي موجود عشان مضحيش بال data لكن لو كانت
+
+207
+00:15:59,890 --> 00:16:03,410
+نقطة أو تنتين ومش قادرة تحاول تعملهم handling ضمن
+
+208
+00:16:03,410 --> 00:16:06,990
+العدد الكبير اللي موجود عندي هنا فممكن تحذفهم و
+
+209
+00:16:06,990 --> 00:16:11,130
+تخلص الان في ال clustering و بتحديدا مع ال
+
+210
+00:16:11,130 --> 00:16:15,390
+visualization سواء كنت في ال regression أو بال
+
+211
+00:16:15,390 --> 00:16:19,790
+clustering لاحظ الرسمة كانت بتخدمني بشكل كبير في
+
+212
+00:16:19,790 --> 00:16:23,790
+موضوع كده أفهم ال data اللي موجود عندي وقدرت أحدد
+
+213
+00:16:23,790 --> 00:16:30,640
+من ال outlierبكل بساطة وهيك بتكون خلصنا من معالجة
+
+214
+00:16:30,640 --> 00:16:36,220
+ال noise data خلصنا من معالجة ال noise data في ال
+
+215
+00:16:36,220 --> 00:16:40,580
+inconsistent data inconsistent data غير متناسقة
+
+216
+00:16:40,580 --> 00:16:48,580
+عمره 40 سنة و تاريخ ميلاده 1990 male و pregnant
+
+217
+00:16:48,580 --> 00:16:56,540
+مولود في 1900 وخشبة و طالب سنة أولى ابتدائيفهذه
+
+218
+00:16:56,540 --> 00:17:00,960
+المعلومات هي الـ Inconsistent تتوقع ممكن تلاقي
+
+219
+00:17:00,960 --> 00:17:08,700
+system في الدنيا يحددلك إياها؟
+
+220
+00:17:08,700 --> 00:17:12,540
+أيوة، يعني بدك يكون فعليا Dedicated System تم
+
+221
+00:17:12,540 --> 00:17:16,300
+إنشاء نظام للحالات اللي زي هذه وحط ال rules زي ما
+
+222
+00:17:16,300 --> 00:17:21,400
+عمله بجول كريم بس الآن في موضوع المال و pregnant
+
+223
+00:17:21,400 --> 00:17:26,250
+الحامل للذكور هل هذا وارد؟في عمر واحد عاجل بيفكر
+
+224
+00:17:26,250 --> 00:17:30,070
+يبني rule زي هيك عشان يدور لأنه الأصل لأ، لكن في
+
+225
+00:17:30,070 --> 00:17:34,270
+لحظة من اللحظات ممكن أنا أضطر أكتب rule عشان يحل
+
+226
+00:17:34,270 --> 00:17:37,750
+أو يدورلي على الحالات اللي زي هذه، بس فعليا مش
+
+227
+00:17:37,750 --> 00:17:42,370
+هتلاقيه بسهولة، انت بتعمله development الشغل ال
+
+228
+00:17:42,370 --> 00:17:47,490
+manual أحسن لأن هذه ال cases قليلة جدا، تمام؟
+
+229
+00:17:47,490 --> 00:17:52,880
+وغالبا هتختلف من حالة لحالةلكن احنا بنقول لو فرضا
+
+230
+00:17:52,880 --> 00:17:57,200
+ان الحالة هذه ممكن تتكرر ايش بروح بساوي ممكن
+
+231
+00:17:57,200 --> 00:18:00,440
+ابنيلها system بسيط يعمل ال check تماما زي اللي
+
+232
+00:18:00,440 --> 00:18:05,240
+بتكلم عن ال spelling check programs الان الخطاء
+
+233
+00:18:05,240 --> 00:18:08,720
+الإملئي أثناء الكتابة ايش هو مش هو عبارة عن برنامج
+
+234
+00:18:08,720 --> 00:18:13,780
+عنده موجود الكلمات بين جثين ال rules وبروح بصير
+
+235
+00:18:13,780 --> 00:18:18,760
+يقارنها بعضهم راح يقولك في عندك grammar checkبدي
+
+236
+00:18:18,760 --> 00:18:21,720
+أعرف قوانين الكتابة وصياغة اللغة وهنا نفس الكلام
+
+237
+00:18:21,720 --> 00:18:28,320
+بدي أصير أنا أكون عارف وين ال inconsistency بتصير
+
+238
+00:18:28,320 --> 00:18:30,600
+بين ال attributes وصير أحطها في rules عشان يعملها
+
+239
+00:18:30,600 --> 00:18:34,740
+detection لكن هذا الكلام صعب وصعب جدا احنا بدنا
+
+240
+00:18:34,740 --> 00:18:38,460
+نعمل focus على الشغل لكن ممكن المعنى والهدا مهم
+
+241
+00:18:38,460 --> 00:18:43,440
+جدا عشان هيك عشان هيك أول واحدة في معالج ال
+
+242
+00:18:43,440 --> 00:18:49,580
+inconsistent data ال common senseتستخدم المنطق
+
+243
+00:18:49,580 --> 00:18:53,980
+السليم تبعك في التفكير مش بس الإحساس اقول اه والله
+
+244
+00:18:53,980 --> 00:18:58,660
+okay male و pregnant انا حاسس انه مش صحيح المعلوم
+
+245
+00:18:58,660 --> 00:19:02,720
+لأ ال common sense مقصودها ان البديهيات بالنسبة
+
+246
+00:19:02,720 --> 00:19:06,780
+اليك فخلاص في مشكلة هنا male مستحيل يكون pregnant
+
+247
+00:19:06,780 --> 00:19:11,440
+او يكون ال gender عندي مدخل خطأ و هو female مصبوط
+
+248
+00:19:11,440 --> 00:19:15,500
+ولا لأ؟ وبالتالي هذه الحالتين الموجودات لكن لو
+
+249
+00:19:15,500 --> 00:19:23,560
+طلعت في السجل كله ياتهدخل مدرسة للذكور ومحطوط لبعد
+
+250
+00:19:23,560 --> 00:19:30,920
+فترة pregnant لأ مستحيل فكلمة pregnant هي الخطأ
+
+251
+00:19:30,920 --> 00:19:35,120
+وبالتالي بدنا نشيلها من العناصر الموجودة الفكرة
+
+252
+00:19:35,120 --> 00:19:38,020
+كمان مرة يا جماعة الخير ال common sense لازم تكون
+
+253
+00:19:38,020 --> 00:19:41,880
+حاضرة احنا عندنا مشاكل كبيرة مع الأنظمة كعرب لما
+
+254
+00:19:41,880 --> 00:19:42,840
+اتكلم بال hands up
+
+255
+00:19:45,990 --> 00:19:51,190
+حمزة مكسورة، حمزة مفتوحة، حمزة مضمومة والإنجليز
+
+256
+00:19:51,190 --> 00:19:54,710
+كذلك عندهم نفس المشاكل الأجانب في عند الـDennis
+
+257
+00:19:54,710 --> 00:20:00,050
+وDennis وهاي قرها عن هاي واحد يقول الـMan names
+
+258
+00:20:00,050 --> 00:20:02,690
+أساسا مابديش هي في ال mining task بقوله كلامك صح
+
+259
+00:20:02,690 --> 00:20:06,390
+بس هذا الكلام وارد عشان تقدر توافق على سبيل المثال
+
+260
+00:20:06,390 --> 00:20:10,210
+في ال integration لما نجيه كمان شوية بدي أجمع two
+
+261
+00:20:10,210 --> 00:20:13,470
+datasets مع بعضهم لجيت رقم واحد، اتنين، تلاتة،
+
+262
+00:20:13,470 --> 00:20:18,130
+أربعة واسمه Dennis، الاسم الأولورقمه في الـ Data 6
+
+263
+00:20:18,130 --> 00:20:22,550
+اللي جاي من وزارة الصحة 1234 والاسم مكتوب Dennis
+
+264
+00:20:22,550 --> 00:20:25,250
+بالـ Spelling التاني هجول لا لا هدول الـ Two
+
+265
+00:20:25,250 --> 00:20:30,110
+Records مش نفسهم لأ هما نفسهم ومافيش بينهم تعارض
+
+266
+00:20:30,110 --> 00:20:35,610
+لأ ما هو في شغلات بتأكد أن ممكن الـ Data تكون هذي
+
+267
+00:20:35,610 --> 00:20:42,110
+غلط بصبت؟ يعني الآن لجيت Two Records نفسه الـ ID
+
+268
+00:20:42,110 --> 00:20:44,890
+1234 و1 خليل و2 حسن
+
+269
+00:20:47,870 --> 00:20:52,910
+لأ، في غلط، لكن لما ألاقي هذا Dennis وDennis مافيه
+
+270
+00:20:52,910 --> 00:20:56,310
+غلط، صح فيه difference في ال value تبع ال name
+
+271
+00:20:56,310 --> 00:21:01,770
+هنا، لكنه فعلاً ضمن ال common sense هذا نفس الإسم،
+
+272
+00:21:01,770 --> 00:21:08,430
+إيش يا محمد، تمام؟ طبعا،
+
+273
+00:21:08,430 --> 00:21:11,010
+بكتب دور على ال inappropriate values القيم الغير
+
+274
+00:21:11,010 --> 00:21:16,010
+منطقية أو الغير متاحة،
+
+275
+00:21:16,010 --> 00:21:16,290
+طيب
+
+276
+00:21:20,090 --> 00:21:24,030
+كيبك تصلحها؟ كيبك تصلح الـ inconsistent data؟
+
+277
+00:21:24,030 --> 00:21:30,910
+Manual، بعد ما أحددها، بدي أحددها أصلحها إيش؟
+
+278
+00:21:30,910 --> 00:21:34,190
+Manual، يعني لازم أرجع لل documents و أقارن ال
+
+279
+00:21:34,190 --> 00:21:38,090
+data اللي موجودة عندها تخيل، بقولك أنت لو روحت على
+
+280
+00:21:38,090 --> 00:21:44,970
+زبائن بنك معين و لجيت 5% منهم كلهم مولودين في 112
+
+281
+00:21:48,490 --> 00:21:51,850
+صدفة حلوة لأ أنا بقولك في خطأ و .. و .. خطأ أكيد
+
+282
+00:21:51,850 --> 00:21:56,090
+يعني عويجي يقولي والله الطلاب المسجلين عشرين
+
+283
+00:21:56,090 --> 00:21:58,570
+فالمية من الطلاب الموجودين بيننا الآن في المحاضرة
+
+284
+00:21:58,570 --> 00:22:01,290
+في ال data mining من موريد الف وتسعمائية وخشبة
+
+285
+00:22:01,290 --> 00:22:04,790
+مستحيل
+
+286
+00:22:06,190 --> 00:22:10,250
+كيف اتجمع كلهم؟ هل هم .. الآن تقولك والله هذا
+
+287
+00:22:10,250 --> 00:22:13,290
+التاريخ .. هذا التاريخ .. يعني لكل واحد فيه تاريخ
+
+288
+00:22:13,290 --> 00:22:18,590
+مولاد مستقل و لا لأ تيجي تقولي عشان صدفة غريبة بما
+
+289
+00:22:18,590 --> 00:22:22,030
+أنها غريبة بدروح اتحقق منها طب اتحقق منها كي بدوا
+
+290
+00:22:22,030 --> 00:22:27,870
+تايم الشباب؟ هاتوا هوياتكم مش هيك اللي حيصير؟ هرجع
+
+291
+00:22:27,870 --> 00:22:31,250
+لل document الحقيقي عشان انا اعمل ال check على ال
+
+292
+00:22:31,250 --> 00:22:35,570
+values اللي موجودة من الشغلات اللي بتساعدني في فهم
+
+293
+00:22:36,920 --> 00:22:40,520
+الـ Consistency تبع الـ Data و تحديد الـ
+
+294
+00:22:40,520 --> 00:22:46,440
+Inconsistent Values الـ Metadata ليش؟
+
+295
+00:22:46,440 --> 00:22:48,820
+لأن في الـ Metadata باجي أتكلم على الـ Domain و
+
+296
+00:22:48,820 --> 00:22:51,300
+الـ Range و الـ Dependency و الـ Distribution تبع
+
+297
+00:22:51,300 --> 00:22:54,180
+الـ Attributes بيجي يقولني والله عندي ال salary
+
+298
+00:22:54,180 --> 00:22:59,320
+العبارة عن number تتراوح الأرقام أو ال values ال
+
+299
+00:22:59,320 --> 00:23:03,180
+minimum salary 1500 و ال maximum salary 2700
+
+300
+00:23:06,210 --> 00:23:14,850
+لاجيت فيه salary مدخل 3700 inconsistent ليش؟ لأنها
+
+301
+00:23:14,850 --> 00:23:18,810
+طلعت برا .. برا ال rule اللي حددليها ال range
+
+302
+00:23:18,810 --> 00:23:24,710
+تمام؟ وبالتالي فهم ال metadata بيساعدني في تحديد
+
+303
+00:23:24,710 --> 00:23:31,690
+ال inconsistent data بدي أفحص ال field overloading
+
+304
+00:23:31,690 --> 00:23:36,380
+أو ال field overloading شو يعني overloading؟بالـ
+
+305
+00:23:36,380 --> 00:23:40,020
+object oriented شو يعني overloading؟ overloading
+
+306
+00:23:40,020 --> 00:23:43,460
+method انه
+
+307
+00:23:43,460 --> 00:23:47,120
+في عندى method بتحمل نفس الاسم لكن ال signature
+
+308
+00:23:47,120 --> 00:23:50,840
+تبعتها مختلفة شو يعني ال signature؟ اما ال return
+
+309
+00:23:50,840 --> 00:23:55,880
+value او ال parameter متفقين طيب يعني شو يعني
+
+310
+00:23:55,880 --> 00:23:59,840
+overloading attribute؟ انه ال attribute هذا ظهر
+
+311
+00:23:59,840 --> 00:24:04,950
+بشكل مختلف مع انه ال values تبعت ايش؟متشابهة يعني
+
+312
+00:24:04,950 --> 00:24:10,070
+لجيت انا عندي فعليا ال age لجيت ال age و لجيت
+
+313
+00:24:10,070 --> 00:24:16,310
+تاريخ الميلاد المفروض التانين بتدون�� نفس المعلومة
+
+314
+00:24:16,310 --> 00:24:20,730
+ولا شو رايكوا اه هو انا هكتفي بواحد يا أهي ابو
+
+315
+00:24:20,730 --> 00:24:25,430
+حينه لكن الآن عشان انا افحص ال consistency ممكن
+
+316
+00:24:25,430 --> 00:24:31,090
+هذا يخدمني في الموضوع ولا شو رايكوا ال uniqueness
+
+317
+00:24:31,090 --> 00:24:36,480
+rulesكذلك أنه لما أنا بكون فاهم ال description صح
+
+318
+00:24:36,480 --> 00:24:40,840
+وبيجي بقولي ال attribute الفلاني كل ال values اللي
+
+319
+00:24:40,840 --> 00:24:46,500
+فيه unique تمام؟ كل ال values اللي فيه unique
+
+320
+00:24:46,500 --> 00:24:52,640
+مابتتكررش وبلاجي فيه تكرار و هذا مؤشر أنه صار في
+
+321
+00:24:52,640 --> 00:24:56,420
+عندي شغل غلط في ال data setهل الروها دي duplicated
+
+322
+00:24:56,420 --> 00:25:00,680
+ولا فعليا في عندي عناصر عامالها بتظهر في الآخر
+
+323
+00:25:00,680 --> 00:25:03,460
+ممكن يكون عند بعض ال commercial tools اللي بتعمل
+
+324
+00:25:03,460 --> 00:25:06,060
+analysis لل data و بتجيبلي العلاقة بين ال values
+
+325
+00:25:06,060 --> 00:25:11,800
+ال different values لكن مجالاتها قليلة جدا زي ما
+
+326
+00:25:11,800 --> 00:25:17,180
+قلنا سابقا يعني بكل بساطة بكل بساطة ال
+
+327
+00:25:17,180 --> 00:25:22,540
+inconsistent data بتحتاجك انت as a humanأكتر ما
+
+328
+00:25:22,540 --> 00:25:27,940
+بتحتاج machine أو program عشان يحددها ويصلحها
+
+329
+00:25:27,940 --> 00:25:37,240
+تمام؟ تمام يا شباب؟ تمام تمام ننتقل للنقطة اللي
+
+330
+00:25:37,240 --> 00:25:41,540
+بعد هيك احنا قلنا للوصول لل knowledge presentation
+
+331
+00:25:41,540 --> 00:25:52,190
+كم قطة بدي امشي؟ ايوة؟ سبعة data cleaningdata
+
+332
+00:25:52,190 --> 00:25:57,270
+integration data selection data transformation
+
+333
+00:25:57,270 --> 00:26:00,890
+data mining الـ transformation بالمناسبة قبل ال
+
+334
+00:26:00,890 --> 00:26:04,330
+selection مش قضية كتير data mining knowledge
+
+335
+00:26:04,330 --> 00:26:09,570
+knowledge evaluation أو better evaluation و
+
+336
+00:26:09,570 --> 00:26:14,210
+knowledge presentation تمام الآن بدنا ننتقل لل
+
+337
+00:26:14,210 --> 00:26:19,460
+task التانية مباشرة اللي هي ال dataIntegration
+
+338
+00:26:19,460 --> 00:26:24,140
+يعني احنا بفهم بناء على الخطوة هاي إذا كان في عندي
+
+339
+00:26:24,140 --> 00:26:29,380
+two different data source data set one و data set
+
+340
+00:26:29,380 --> 00:26:36,020
+two من different resources الأصل .. الأصل أن أعمل
+
+341
+00:26:36,020 --> 00:26:42,720
+cleaning لتنتين جبل ما أعمل integration ليش؟
+
+342
+00:26:43,160 --> 00:26:47,100
+لأنه فعليا احنا مش بحاجة ال null حتصير في عندي
+
+343
+00:26:47,100 --> 00:26:50,240
+مشكلة فانا لما بدي اعمل integration بدي اكون على
+
+344
+00:26:50,240 --> 00:26:53,760
+السليم يعني في مرحلة ما بعد ال cleaning عشان اضمن
+
+345
+00:26:53,760 --> 00:26:58,000
+يصير في عندي combination صح لل data set الآن
+
+346
+00:26:58,000 --> 00:27:00,440
+وبالتالي ال data integration هي عبارة عن
+
+347
+00:27:00,440 --> 00:27:03,080
+combination أو combines ال data from different
+
+348
+00:27:03,080 --> 00:27:07,480
+sources زي ما قلنا سابقا بالمثال اللي قلناه هنكرره
+
+349
+00:27:07,480 --> 00:27:13,210
+كتير كاسمتقدير تحصيل الطالب أو مستوى تحصيل الطالب
+
+350
+00:27:13,210 --> 00:27:15,950
+في المرحلة الابتدائية بناء على الحالة الصحية،
+
+351
+00:27:15,950 --> 00:27:18,730
+مصبوط؟ وكل هذه المعلومات من two different
+
+352
+00:27:18,730 --> 00:27:23,810
+resources تربية و التعليم و الصحة و بدي اعمل
+
+353
+00:27:23,810 --> 00:27:29,330
+integration ما بين العناصر اللي موجودة عندها ليش
+
+354
+00:27:29,330 --> 00:27:35,110
+انا فعليا بدي اعمل data integration لواحد من سببين
+
+355
+00:27:35,110 --> 00:27:47,080
+الأول انه انا في عندي smalldata set small
+
+356
+00:27:47,080 --> 00:27:52,260
+data set لما بتكلم small data set معناته ال
+
+357
+00:27:52,260 --> 00:27:58,220
+integration هدفه زيادة عدد ال rows زيادة عدد ال
+
+358
+00:27:58,220 --> 00:28:05,820
+samples، مظبوط؟ الشغل
+
+359
+00:28:05,820 --> 00:28:07,940
+التاني سبب ال integration
+
+360
+00:28:11,780 --> 00:28:17,120
+more information for
+
+361
+00:28:17,120 --> 00:28:23,700
+the samples أنا بحاجة لمعلومات
+
+362
+00:28:23,700 --> 00:28:27,040
+جديدة عن ال samples عاملا في المثال اللي بنقول
+
+363
+00:28:27,040 --> 00:28:31,180
+عليه أنا عنده معلومات خاصة بالمدرسة و بالتعليم سجل
+
+364
+00:28:31,180 --> 00:28:33,920
+الطالب التعليمي موجودة في وزارة و أنا شغال في
+
+365
+00:28:33,920 --> 00:28:38,520
+الوزارة فهي موجودة عند ال data setالأن المعلومات
+
+366
+00:28:38,520 --> 00:28:41,640
+اللي أنا بدي إياها إضافية عشان تخدم ال task تبعتي
+
+367
+00:28:41,640 --> 00:28:45,820
+موجودة في وزارة الصحة مش بدأ أساوي بدي أجيبها عشان
+
+368
+00:28:45,820 --> 00:28:49,880
+أضيف information لكل sample يعني أنا بدي أضيف بين
+
+369
+00:28:49,880 --> 00:28:57,380
+جثين attributes مصبوط؟
+
+370
+00:28:57,380 --> 00:29:01,940
+لأن هان مش هعمل على ال enlargement لل data set مش
+
+371
+00:29:01,940 --> 00:29:05,460
+هزيد عدد ال rows هزيد عدد ال attributes
+
+372
+00:29:12,330 --> 00:29:21,810
+الان لو انا بدي اعمل data set بسيطة هنا ال
+
+373
+00:29:21,810 --> 00:29:31,090
+ID
+
+374
+00:29:31,090 --> 00:29:36,110
+ال name ال
+
+375
+00:29:36,110 --> 00:29:39,150
+age و ال level
+
+376
+00:29:42,930 --> 00:29:50,070
+والـ GPA أو الـ Average GPA متوسط
+
+377
+00:29:50,070 --> 00:29:56,130
+تحصيله هذه المعلومات من وين؟ من المدرسة أو من
+
+378
+00:29:56,130 --> 00:30:04,130
+وزارة التدريب والتعليم في وزارة الصحة مافيش
+
+379
+00:30:04,130 --> 00:30:08,110
+اهم مافيش
+
+380
+00:30:08,110 --> 00:30:13,070
+average مافيش level مظبوط كلامكال ID و ال name
+
+381
+00:30:13,070 --> 00:30:18,850
+بتكلم على ال weight العمر
+
+382
+00:30:18,850 --> 00:30:29,210
+مثلا هاي ال age date of birth ليكن ال weight ال
+
+383
+00:30:29,210 --> 00:30:36,770
+height illness هل في أمراض ولا لأ هل بتدناول أدوية
+
+384
+00:30:36,770 --> 00:30:40,350
+ولا لأ treatment إلى آخره الأهم أنا بدي أعمل
+
+385
+00:30:40,350 --> 00:30:45,640
+combinationأو بدي أجمع الـ two data set هدول عشان
+
+386
+00:30:45,640 --> 00:30:49,500
+ال task تبعتي هدفها كمان مرة للمرة كده أشهد الألف
+
+387
+00:30:49,500 --> 00:30:54,580
+تمام؟ كمان مرة بنتكلم أنه أنا بدي أحاول أعمل
+
+388
+00:30:54,580 --> 00:31:00,560
+prediction لمستوى تحصيل الطالب بناء على سجله الصحي
+
+389
+00:31:00,560 --> 00:31:06,360
+ال combination هذا هيصير هاني علي أبو الخير صحيح؟
+
+390
+00:31:10,100 --> 00:31:15,820
+تمام هذا ال raw أو ال data set بدها تكون هنا وكأني
+
+391
+00:31:15,820 --> 00:31:24,320
+بكل بساطة بدي اعمل inner join بين two tables فهذه
+
+392
+00:31:24,320 --> 00:31:26,880
+ال combination كان هدفها او هذه ال integration
+
+393
+00:31:26,880 --> 00:31:32,420
+هدفها اضافة معلومات جديدةلكل entity لكل sample لأن
+
+394
+00:31:32,420 --> 00:31:36,600
+عشان تتحقق ال task الموجودة لكن لو قلنا والله أن
+
+395
+00:31:36,600 --> 00:31:42,360
+الطالب هذا كان فترة الإبتدائي عايش أو بدرس في
+
+396
+00:31:42,360 --> 00:31:46,520
+مدرسة خاصة أو مدرسة خاصة والمعلومات هذه ماكنتش
+
+397
+00:31:46,520 --> 00:31:50,560
+موجودة في وزارة الصحة وقدرنا نحصل المعلومات هذه من
+
+398
+00:31:50,560 --> 00:31:57,880
+المدرسة وين بدها تنضاف؟ بدها تنضاف record 10 بدها
+
+399
+00:31:57,880 --> 00:32:05,910
+تنضافrecord هان تمام وبالتالي مصادر البيانات تبعتي
+
+400
+00:32:05,910 --> 00:32:10,750
+انا تصنف على واحد من اتنين اما internal او
+
+401
+00:32:10,750 --> 00:32:14,390
+external internal لما انا بكون as a developer او
+
+402
+00:32:14,390 --> 00:32:19,890
+data scientist شغال والمعلومات هذه ملكي يعني انا
+
+403
+00:32:19,890 --> 00:32:23,530
+شغال في وزارة التربية والتعليم وبدنا نشتغل على كذا
+
+404
+00:32:23,530 --> 00:32:27,790
+هذه المعلومات عندى موجودة في ال database تبعتي
+
+405
+00:32:29,690 --> 00:32:33,650
+تمام؟ هذه بنسميها Internal Source طب و ال External
+
+406
+00:32:33,650 --> 00:32:37,930
+Source أنه أنا فعليا بيانات بدي أحاول أستعيد ..
+
+407
+00:32:37,930 --> 00:32:42,690
+ممكن أدفع حجها أحيانا أحصل عليها من برا الآن
+
+408
+00:32:42,690 --> 00:32:47,870
+بالنسبة إيه للبيانات في وزارة الصحة External ..
+
+409
+00:32:47,870 --> 00:32:54,370
+الآن لما بدك .. روحت الآن ال ..يتكلموا على الشركات
+
+410
+00:32:54,370 --> 00:32:58,270
+الإتصالات والبنوك والـ Credit Cards والمعاملات مش
+
+411
+00:32:58,270 --> 00:33:03,170
+كل المعلومات Local مصبوط؟ بنك فلسطين الآن Local
+
+412
+00:33:03,170 --> 00:33:05,990
+لما أنا بكون جوا فلسطين و بستخدم ال ATM تبعته
+
+413
+00:33:05,990 --> 00:33:09,690
+بأنتقل باستخدام ATM بتاعة البنك الإسلامي الفلسطيني
+
+414
+00:33:09,690 --> 00:33:14,440
+أو العربي بديت فيه عندي Transaction Externalكنت في
+
+415
+00:33:14,440 --> 00:33:17,440
+دولة تانية و استخدمت بطاقة بنك فلسطين برضه فيها
+
+416
+00:33:17,440 --> 00:33:20,800
+عندى external data وإن كان حصير فيه hint أو فيه
+
+417
+00:33:20,800 --> 00:33:25,400
+عندى مقاصة لل value اللى موجودة مش قضية كتير بس
+
+418
+00:33:25,400 --> 00:33:28,320
+احنا بدنا نفهم انه فيه عندى ال data تصنف بناء على
+
+419
+00:33:28,320 --> 00:33:35,540
+مصدرها وعادة التعامل مع ال internalأسهل من ال
+
+420
+00:33:35,540 --> 00:33:39,580
+external لأن عادة ال internal أنا فاهمها كويس عارف
+
+421
+00:33:39,580 --> 00:33:43,540
+إيش محتوياتها عارف إيش عيوبها بالتفصيل و بقدر لكن
+
+422
+00:33:43,540 --> 00:33:47,700
+اللي برا تحتاج مني جهد أكتر و غالبا ما هي مش على
+
+423
+00:33:47,700 --> 00:33:52,420
+مزاجي فحتى عب عليها كويس في موضوع ال integration
+
+424
+00:33:52,420 --> 00:33:58,400
+ضروري تنتبه لل identity identification أنا قبل
+
+425
+00:33:58,400 --> 00:34:03,000
+شوية قلت اسمه واحد اتنين تلاتة أربعة و مرة أحمد
+
+426
+00:34:04,240 --> 00:34:10,340
+ومرة تانية خليل اعمل
+
+427
+00:34:10,340 --> 00:34:14,960
+merge لل two rows هذول يعني اسمه هان واحد اتنين
+
+428
+00:34:14,960 --> 00:34:21,900
+تلاتة اربعة احمد وانا واحد اتنين تلاتة اربعة خليل
+
+429
+00:34:21,900 --> 00:34:27,740
+وانا بقعد بدي اعمل integration بين ال two datasets
+
+430
+00:34:27,740 --> 00:34:35,440
+هذول شو رايكوا اذا انا بدي اعتمد على ال ID هيهال
+
+431
+00:34:35,440 --> 00:34:40,940
+ID بيقوللي ادمج نصبوت؟ ال ID بيقوللي ادمج اذا كنت
+
+432
+00:34:40,940 --> 00:34:43,680
+انا بدي اعتمد فقط على ال primary key بيقوللي ادمج
+
+433
+00:34:43,680 --> 00:34:49,180
+بس في شغل عاملها بتقوللي لا ايجف يعني هذا شخص ممكن
+
+434
+00:34:49,180 --> 00:34:55,240
+يكون غيره شو بيطلب مني هذا الكلام؟ خلصنا من ال
+
+435
+00:34:55,240 --> 00:34:58,300
+noise شو بيطلب مني هذا الكلام؟ انا الآن مش عارف
+
+436
+00:34:58,300 --> 00:35:02,340
+مين فيهم ال noise داتا اذا كانت بتتكلمي تمام؟
+
+437
+00:35:02,340 --> 00:35:04,540
+ignore ال record ممتاز
+
+438
+00:35:06,980 --> 00:35:10,280
+طيب ليش ما تفكر انه ليش ما يكون في وزارة الصحة
+
+439
+00:35:10,280 --> 00:35:15,060
+مجدمين اسم العائلة مثلا يعني احنا هنعتمدنا على ال
+
+440
+00:35:15,060 --> 00:35:17,500
+first name هو اسم العائلة وبالتالي مازالين بس
+
+441
+00:35:17,500 --> 00:35:21,140
+اتحقق شو هو بقى الأسامي اللي موجودة انا أخدتها
+
+442
+00:35:21,140 --> 00:35:25,860
+الان انتبه انا بدي الاسم الأول او بدي ال full name
+
+443
+00:35:25,860 --> 00:35:30,320
+الان في حياة ال full name و ال full name مختلفين و
+
+444
+00:35:30,320 --> 00:35:34,020
+ال ID واحد لسه ما زلت انا بدي احاول اتشبث بال
+
+445
+00:35:34,020 --> 00:35:38,850
+recordو أخلّيه عندى بأكبر قدر ممكن باطلّع على باقي
+
+446
+00:35:38,850 --> 00:35:45,530
+مثلا باطلّع على ال age 17 17 إذا هل في common
+
+447
+00:35:45,530 --> 00:35:49,910
+attributes بين التنين بيأكدولي إن هذا هو نفسه هذا
+
+448
+00:35:49,910 --> 00:35:53,810
+ممكن أصيب أتجوز عن من؟ عن الإسم لأنه فعلا الإسم مش
+
+449
+00:35:53,810 --> 00:35:57,690
+هيخدمني بس أنا حاليا بدي أتأكد إن هذا real entity
+
+450
+00:35:57,690 --> 00:36:01,910
+موجودة عندى في ال data set هذه بنسميها ال entity
+
+451
+00:36:01,910 --> 00:36:03,550
+identification
+
+452
+00:36:05,840 --> 00:36:08,740
+الproblem ال value of conflict او ال value
+
+453
+00:36:08,740 --> 00:36:17,860
+conflict التعارض ما بين القيم لجيت عمره هان 17 و
+
+454
+00:36:17,860 --> 00:36:27,520
+هان لجيته 15 انا في الآخر هحتفظ ب one edge مظبوط؟
+
+455
+00:36:27,520 --> 00:36:32,840
+يعني غالبا ال edge هان مش هجيب ليه طب باس مين فيهم
+
+456
+00:36:32,840 --> 00:36:36,900
+الصح؟الخمسة عشر ولا السبعتاشر؟ ال date of birth
+
+457
+00:36:36,900 --> 00:36:43,760
+هنا موجود قاللي والله انه تاريخ ميلاده هذا الفين
+
+458
+00:36:43,760 --> 00:36:48,180
+وخمسة واحنا الفين وعشرين ميلاده خمسة عشر ميلاده
+
+459
+00:36:48,180 --> 00:36:52,240
+الخطأ عندي هنا وهذا بتطلب برضه مني manual
+
+460
+00:36:52,240 --> 00:36:56,860
+correctness عشان اعدي ال level ممكن يكون عندي
+
+461
+00:36:56,860 --> 00:37:01,120
+indicatorطبعا لكن بيظل فيه احتمال ان هو فعليا ايش
+
+462
+00:37:01,120 --> 00:37:04,600
+يكون مثلا اتأخر سنة او رصب سنة او ما شابه لكن ال
+
+463
+00:37:04,600 --> 00:37:08,140
+date of birth كان بيقول لأ يا اما هو متأكد لان هو
+
+464
+00:37:08,140 --> 00:37:12,420
+بيقطفيه تقابق ما بين ال values ال redundant
+
+465
+00:37:12,420 --> 00:37:21,100
+teachers انا مافيش عندي ال age هنا لكن
+
+466
+00:37:21,100 --> 00:37:26,140
+عنديdate of birth تاريخ الميلاد لما انا اعمل
+
+467
+00:37:26,140 --> 00:37:30,140
+marriage تاريخ الميلاد هيجينيها ك attribute لكن
+
+468
+00:37:30,140 --> 00:37:35,220
+المعلومات اللي فيها موجودة عندى سابقا فبرضه انا
+
+469
+00:37:35,220 --> 00:37:38,820
+بدى أنتبه لها يعني في عندى تلت شغلات أساسية بدى
+
+470
+00:37:38,820 --> 00:37:42,320
+أنتبه لعندي عملية ال integration اتأكد من ال
+
+471
+00:37:42,320 --> 00:37:46,020
+identification لكل entity اللي فعليا ال entity
+
+472
+00:37:46,020 --> 00:37:51,340
+تقابل ال entity المقابلة بتاعتها بشكل صحيحالـ
+
+473
+00:37:51,340 --> 00:37:54,300
+value conflict أو الـ inconsistent اللي ممكن تصير
+
+474
+00:37:54,300 --> 00:37:56,660
+عندي زي ما صار معايا في الاسم أو صار معايا في ال
+
+475
+00:37:56,660 --> 00:38:02,380
+age وفي الآخر في ال redundant features أو في تكرار
+
+476
+00:38:02,380 --> 00:38:08,060
+ال attributes اللي موجودة عندي وبرضه الشغل هيكون
+
+477
+00:38:08,060 --> 00:38:13,740
+manual ممكن اكتب code عشان يعمل integration لو انت
+
+478
+00:38:13,740 --> 00:38:17,820
+طبقت عملت ال inner join بين ال two tables هدول ايش
+
+479
+00:38:17,820 --> 00:38:24,280
+اللي بصير؟بياخد ال rows بناء على ال ID ال ID
+
+480
+00:38:24,280 --> 00:38:29,920
+المختلف بين التنين مابيطلعش يعني تخيل ان هنا واحد
+
+481
+00:38:29,920 --> 00:38:36,660
+اتنين تلاتة تسعة مافيش هنا وهنا عندي واحد اتنين
+
+482
+00:38:36,660 --> 00:38:42,860
+تلاتة تمانية مش موجود هنا هذا ال row مش هيظهر وهذا
+
+483
+00:38:42,860 --> 00:38:47,200
+ال row مش هيظهر ولا لأ؟ ليش؟ لأن فعليا مافيش
+
+484
+00:38:47,200 --> 00:38:51,220
+integration ما بين ال rows اللي موجودةلكن لاحظوا
+
+485
+00:38:51,220 --> 00:38:55,760
+المشكلة دي انا ماعانيت منها مطلقا لما روحت جيبت
+
+486
+00:38:55,760 --> 00:39:00,260
+مصدر تاني للبيانات وصرت اجمعها عشان ازيد مين؟ عدد
+
+487
+00:39:00,260 --> 00:39:04,000
+الروز لان في الآخر انا جيبت من المدرسة الخاصة جيبت
+
+488
+00:39:04,000 --> 00:39:08,180
+ال name و ال age و ال level و ال GPA لمجموع الطلاب
+
+489
+00:39:08,180 --> 00:39:13,120
+عشان ازيد ازيد محصلة الروز اللي موجودة عندها
+
+490
+00:39:19,090 --> 00:39:24,050
+هننتقل الآن لموضوع الـ Data Transformation اللي هي
+
+491
+00:39:24,050 --> 00:39:30,150
+الخطوة الرب العد ايوة أهب تفضل اسأل مثلا زي
+
+492
+00:39:30,150 --> 00:39:33,850
+الميديا اللي جيت العالم الأول بسيط هجيته فعلا فعلا
+
+493
+00:39:33,850 --> 00:39:37,070
+هذا مثلا الإنسان بدري يعمل بحث زي هيك هل فعلا مهتم
+
+494
+00:39:37,070 --> 00:39:41,430
+في ال record زي ما هذا ولا بس انه اتعلم الصحيح؟
+
+495
+00:39:41,430 --> 00:39:45,210
+شوفي أهب كل record بتضيفه على ال data set الأصل
+
+496
+00:39:45,210 --> 00:39:49,450
+بتضيف لك knowledge جديدة و بقوّي ال ruleأو الـ
+
+497
+00:39:49,450 --> 00:39:52,550
+predictors اللي انت بدك تنشئه عشان هيك فعليًا انت
+
+498
+00:39:52,550 --> 00:39:58,150
+محتاجه كل ما كانت عدد ال data set قليلة أو
+
+499
+00:39:58,150 --> 00:40:05,170
+المعلومات اللي عندك قليلة انت بحاجة لأي .. أي شغل
+
+500
+00:40:05,170 --> 00:40:08,730
+بتعزز البيانات اللي موجودة عندك حتى لو one record
+
+501
+00:40:08,730 --> 00:40:13,270
+بدك تضيفه لكن ال data set اللي عندي حجمها 100 ألف
+
+502
+00:40:13,270 --> 00:40:17,950
+recordولا جيت عشرة record أو ميت record أو ألف
+
+503
+00:40:17,950 --> 00:40:23,870
+record في مكان ما مش ضروري أفكر فيهم كتير إذا أنا
+
+504
+00:40:23,870 --> 00:40:26,450
+واثق في البيانات اللي عندي لكن لو كانوا الألف
+
+505
+00:40:26,450 --> 00:40:30,110
+record هدول بمثله حالة خاصة وانا بدي أدرجها في
+
+506
+00:40:30,110 --> 00:40:33,090
+النظام تبعتي لازم أعملها integration للميت ألف
+
+507
+00:40:33,090 --> 00:40:37,890
+اللي عندي وصيروا ميت ألف وواحد تمام؟ أو مية وواحد
+
+508
+00:40:37,890 --> 00:40:42,570
+ألف في موضوع ال transfer .. في أي شباب عنده ..
+
+509
+00:40:42,570 --> 00:40:48,020
+شباب في حد عنده أي سؤال تانيهننتقل لموضوع أو نكمل
+
+510
+00:40:48,020 --> 00:40:51,100
+في ال steps و بنحاول إن شاء الله الأسبوع هذا ننهي
+
+511
+00:40:51,100 --> 00:40:53,540
+ال chapter اللي احنا بنشتغل فيه لأنه صارنا قداشة
+
+512
+00:40:53,540 --> 00:40:55,320
+هذا الأسبوع التالت و احنا بنخد في ال data
+
+513
+00:40:55,320 --> 00:40:58,620
+understanding و ال preparation فبديش ياخد تحسه
+
+514
+00:40:58,620 --> 00:41:03,540
+بالملل فبنروح باتجاه ال mining إن شاء الله الآن في
+
+515
+00:41:03,540 --> 00:41:07,900
+ال data transformation المقصود فيها تحويل أو تحوير
+
+516
+00:41:07,900 --> 00:41:14,330
+البيانات من formمن صورتها الحالية اللى تظهر بصورة
+
+517
+00:41:14,330 --> 00:41:19,910
+تتناسب مع ال mining task عاما اللى احنا بنقول بقول
+
+518
+00:41:19,910 --> 00:41:22,430
+انا في عندى تاريخ الميلاد يا جماعة الخير date of
+
+519
+00:41:22,430 --> 00:41:22,750
+birth
+
+520
+00:41:27,040 --> 00:41:30,680
+القيم اللي موجودة فيه .. القيم اللي موجودة فيه
+
+521
+00:41:30,680 --> 00:41:35,760
+بتقول إذا أنا بدي أبني decision rules هيكون عندي
+
+522
+00:41:35,760 --> 00:41:39,580
+ال values كتيرة لأنه انولد في شهر واحد غير ان
+
+523
+00:41:39,580 --> 00:41:42,320
+انولد في شهر اتنين في عندى تلاتين خيار في شهر واحد
+
+524
+00:41:43,080 --> 00:41:49,060
+و28 في شهر 2 و 31 في شهر 3، مصبوط؟ معناته على مدار
+
+525
+00:41:49,060 --> 00:41:53,500
+السنة، يعني أنا بتكلم هيك وكأنه وكأنه عندي 365
+
+526
+00:41:53,500 --> 00:41:59,420
+variable أو value بدها تدخل في ال decision rules
+
+527
+00:41:59,420 --> 00:42:04,480
+تبعي هذاهذا الكلام مش منطق بينما كل الناس اللي في
+
+528
+00:42:04,480 --> 00:42:08,680
+مستوى أول مثلا أو في فئة الجامعة هدولة فئة واحدة
+
+529
+00:42:08,680 --> 00:42:12,260
+طلاب المدارس في الثانوية فئة تانية اللي من الإعداد
+
+530
+00:42:12,260 --> 00:42:16,880
+يو انزل فئة تالتة الخرجين فئة رابعة فهذه الفئات
+
+531
+00:42:16,880 --> 00:42:22,740
+تاريخ الميلاد هذا مابكفنيش يا راني تاريخ الميلاد
+
+532
+00:42:22,740 --> 00:42:27,460
+هذا مابنفعنيش فانا محتاج ان اغير صورة تاريخ
+
+533
+00:42:27,460 --> 00:42:28,120
+الميلاد
+
+534
+00:42:34,920 --> 00:42:42,620
+الى age بال age بكون انا عملت ايش قللت ال value
+
+535
+00:42:42,620 --> 00:42:46,360
+اللى موجودة قللت ال value اللى موجودة عندى
+
+536
+00:42:46,360 --> 00:42:53,260
+وبالتالي قللت ال decision rules تبعتي لكن لاحظ ان
+
+537
+00:42:53,260 --> 00:42:56,840
+تاريخ الميلاد و ال age اللى كتب معاه نفسه من ال
+
+538
+00:42:56,840 --> 00:43:04,190
+2005 و كتبت ال age 15 مافقدتش المعلومة تبعتيمصبوب؟
+
+539
+00:43:04,190 --> 00:43:07,090
+والأفضل من هيك لو جسمتم لفئات زي ما هنشوف كمان
+
+540
+00:43:07,090 --> 00:43:13,110
+شوية فمن ال data transformation method ل smoothing
+
+541
+00:43:13,110 --> 00:43:19,430
+method لما عملت pinning عبارة عن smoothing method
+
+542
+00:43:19,430 --> 00:43:24,190
+ال regression smoothing method بس هدفها الأساسي
+
+543
+00:43:24,190 --> 00:43:30,110
+تخلص من ال noise واحد يقول ليه ال smoothing
+
+544
+00:43:30,110 --> 00:43:33,650
+حطيناها من ال transformation؟ال data أخدت صور
+
+545
+00:43:33,650 --> 00:43:38,150
+مختلفة البن الأولى أخدت قيمة بدل كل القيم اللي
+
+546
+00:43:38,150 --> 00:43:42,810
+كانت في البن ايش أخدت؟ أخدت ال median او أخدت ال
+
+547
+00:43:42,810 --> 00:43:47,870
+mean أربعة فبالتالي القيم تغيرت كانت شكل وصارت شكل
+
+548
+00:43:47,870 --> 00:43:54,190
+آخر ال values اللي عندي كانت 17 مليون
+
+549
+00:43:57,970 --> 00:44:01,050
+الأرقام هذه كبيرة ما بتتناسبش مع ال computation
+
+550
+00:44:01,050 --> 00:44:06,770
+تبعتي فانا بدي أخليها 1.7 كذلك ال 18 وال 20 مليون
+
+551
+00:44:06,770 --> 00:44:13,410
+ال 20 صارت 2 و ال 1.5 صارت 15 و هكذا فهذا التحوير
+
+552
+00:44:13,410 --> 00:44:18,170
+ال data كانت في صورة وصارت في صورة مختلفة
+
+553
+00:44:22,870 --> 00:44:26,570
+God كان بهدف التخلص من الـ Noise، تمام؟ لكن
+
+554
+00:44:26,570 --> 00:44:30,010
+فعليًا، فعليًا الـ Data اللي صارت موجودة في الـ
+
+555
+00:44:30,010 --> 00:44:35,310
+Attribute هي عبارة عن New Transformation، تحور للـ
+
+556
+00:44:35,310 --> 00:44:38,830
+Data، مصدورة لا لأ؟ ضالت الـ Original Data؟ لأ،
+
+557
+00:44:38,830 --> 00:44:41,750
+فعليًا صار عليها تحور، عشان هيك ذكرناها أول واحدة،
+
+558
+00:44:41,750 --> 00:44:46,370
+لأنها مرت علينا سابقًا الـ Aggregation، أنا فعليًا
+
+559
+00:44:46,370 --> 00:44:50,810
+ممكن أروح أضيف أو أعمل شغلات، يعني الآن بروح بقولي
+
+560
+00:44:50,810 --> 00:44:56,410
+والله بدنا نحسبان نحاول نتنبأ ان الموظف الحكومي
+
+561
+00:44:56,410 --> 00:45:05,490
+بعد كام سنة ممكن يشتري بيت يا
+
+562
+00:45:05,490 --> 00:45:09,940
+عم الله يرزق الجميع من فضله ان شاء اللهأنا عند
+
+563
+00:45:09,940 --> 00:45:14,120
+الراتب الشهري لكن عادة الراتب الشهري مبلغ قليل
+
+564
+00:45:14,120 --> 00:45:17,620
+ماحدش بدور عليه في التعاملات اللي زي هذه بروح بده
+
+565
+00:45:17,620 --> 00:45:21,620
+الراتب السنوي طب أنا ماعنديش الراتب السنوي عند بس
+
+566
+00:45:21,620 --> 00:45:27,000
+الراتب الشهري بأضربه ب12 بأضربه ب12 مظبوط؟ ايش
+
+567
+00:45:27,000 --> 00:45:30,800
+سويت .. كل السنوات و أنا عملية ضرب بس فعليا نقلت
+
+568
+00:45:30,800 --> 00:45:36,070
+ال dataمن Range وحطتليها في Range مختلف وهذه برضه
+
+569
+00:45:36,070 --> 00:45:39,210
+Transformation فنسميها احنا Aggregation
+
+570
+00:45:39,210 --> 00:45:42,450
+Transformation او Aggregate Transformation
+
+571
+00:45:42,450 --> 00:45:46,530
+Generalization لما انا بأتكلم ان ال data ال set
+
+572
+00:45:46,530 --> 00:45:53,330
+تبعت فيه تتبع Hierarchy معينة زي ايش انا في عند ال
+
+573
+00:45:53,330 --> 00:46:00,930
+country وفي عندي ال set ال state وعندي
+
+574
+00:46:02,180 --> 00:46:08,860
+الـ city وعندي ال neighborhood الحي
+
+575
+00:46:08,860 --> 00:46:18,100
+وعندي ال street مثلا شو
+
+576
+00:46:18,100 --> 00:46:24,100
+علقت هدول في بعض الشارع عنوان تفصيل العنوان الشارع
+
+577
+00:46:24,100 --> 00:46:27,040
+موجود في حي و الحي موجود في مدينة و المدينة موجود
+
+578
+00:46:27,040 --> 00:46:32,290
+في ولاية و الولاية بتتبع دولةأنا الآن العنوان اللي
+
+579
+00:46:32,290 --> 00:46:39,890
+موجود عندي مكتوب لحالة مستوى الشارع غزة
+
+580
+00:46:39,890 --> 00:46:45,010
+الرمال شارع عمرو بن عبدالعزيز هذا بس عشان يُنذَكر
+
+581
+00:46:45,010 --> 00:46:52,070
+خلال اليومين الماضيات في الخبار طبعا؟ الآن طب هل
+
+582
+00:46:52,070 --> 00:46:55,150
+التفاصيل هذه بهمني أنا؟ طب ما هي ال redundant
+
+583
+00:46:55,150 --> 00:47:00,180
+value أو عفوا القيم الكتيرة المختلفة هذه؟برضه
+
+584
+00:47:00,180 --> 00:47:03,060
+بتصعب موضوع ال decision تبعت�� طبما هي الرمال كلها
+
+585
+00:47:03,060 --> 00:47:09,420
+منطقة واحدة فانا بدي استغني عن ال street واصير
+
+586
+00:47:09,420 --> 00:47:13,760
+اتكلم على ال neighborhood وحتى ال neighborhood مش
+
+587
+00:47:13,760 --> 00:47:19,660
+فارج كبير رمال وشجعية مش فارج كتير تمام فانا هضطر
+
+588
+00:47:21,060 --> 00:47:24,080
+لاحظ انه لما انا بتكلم على transformation يا جماعة
+
+589
+00:47:24,080 --> 00:47:27,020
+الخير لاحظوا يا جماعة الخير انه لما انا بأعمل
+
+590
+00:47:27,020 --> 00:47:33,720
+transformation بحول ال value من street ل
+
+591
+00:47:33,720 --> 00:47:38,340
+neighborhood او ل city فقدت معلوماتش ايه؟ لأ هي
+
+592
+00:47:38,340 --> 00:47:41,220
+نفس المعلومات نفس ال representation بس انا مش
+
+593
+00:47:41,220 --> 00:47:44,200
+بحاجة ل two details هاي هذا برضه بنسميه
+
+594
+00:47:44,200 --> 00:47:48,810
+transformationالـ Normalization الـ Normalization
+
+595
+00:47:48,810 --> 00:47:56,310
+فعليًا أنا بده أروح أعمل Scaling لل Data Scaling
+
+596
+00:47:56,310 --> 00:47:59,710
+زي ما قلنا 17 مليون أو الأرقام اللي عندي كبيرة
+
+597
+00:47:59,710 --> 00:48:03,130
+فبده أروح أقللها أو بده أحطه ضمن Range معين وهنا
+
+598
+00:48:03,130 --> 00:48:07,910
+بدنا عمليات حسابية وهذه هروح لها بتفاصيل الآن الـ
+
+599
+00:48:07,910 --> 00:48:11,330
+Attribute Construction زي ما قلت أنا عندي تاريخ
+
+600
+00:48:11,330 --> 00:48:14,810
+الميلادو تاريخ الميلاد مابديش ايه بديش إياه بدي
+
+601
+00:48:14,810 --> 00:48:20,030
+أحط ال age أو بدي أبني الفئة العمرية و كل التفاصيل
+
+602
+00:48:20,030 --> 00:48:25,450
+هاي كلها عبارة عن different transformation لل data
+
+603
+00:48:25,450 --> 00:48:31,030
+كمان مرة transformation لا يعني إن أنا القيمة
+
+604
+00:48:31,030 --> 00:48:35,150
+تغيرت الجوهر ال value موجود لكن الصورة اللي ظهرت
+
+605
+00:48:35,150 --> 00:48:37,950
+عليها مختلفة
+
+606
+00:48:38,930 --> 00:48:44,390
+طيب، الآن بدنا نروح على الـ Transformation اللي له
+
+607
+00:48:44,390 --> 00:48:47,190
+علاقة بالـ Normalization لأن هنا في عندي
+
+608
+00:48:47,190 --> 00:48:50,770
+Mathematical Forms لازم أفهمها كويس و أفهم النتيجة
+
+609
+00:48:50,770 --> 00:48:53,910
+من كل واحدة فيهم كل الكلام اللي احنا قلناه سابقا
+
+610
+00:48:53,910 --> 00:48:57,380
+جربنا ال smoothingوالـ aggregation بسيطة هي عبارة
+
+611
+00:48:57,380 --> 00:49:00,480
+عن computation بسيطة ممكن تصير موجودة عندي و ال
+
+612
+00:49:00,480 --> 00:49:03,420
+generalization مافيش عليها شغل كتير زي ما احنا
+
+613
+00:49:03,420 --> 00:49:07,080
+شوفناه الآن ال attribute construction برضه عبارة
+
+614
+00:49:07,080 --> 00:49:09,920
+عن attribute جديد بدي انبنى بناء على values موجودة
+
+615
+00:49:09,920 --> 00:49:15,360
+مسبقا الان ال normalization هذه تقريبا أصعبهم و
+
+616
+00:49:15,360 --> 00:49:20,530
+بدنا نشتغل علىبشكل جيد لكن لأ أخفيكوا أنا الصحيح
+
+617
+00:49:20,530 --> 00:49:23,810
+اللي اليوم الصبح غيرت في ال slides فاللي طاب عليه
+
+618
+00:49:23,810 --> 00:49:26,670
+slide بيغينه الله بس ال slides هدول بدهم تعديل
+
+619
+00:49:26,670 --> 00:49:32,910
+ايوة
+
+620
+00:49:32,910 --> 00:49:37,370
+الان كويس عند أحمد فروخي بيسأل سؤال مهم جدا يا
+
+621
+00:49:37,370 --> 00:49:45,030
+شباب الان موضوع ال normalization اللي احنا أخدناه
+
+622
+00:49:45,030 --> 00:49:49,880
+في ال databaseفي database واحد ايش كان الهدف منه
+
+623
+00:49:49,880 --> 00:49:52,960
+انه
+
+624
+00:49:52,960 --> 00:49:55,980
+نقل شويه بس عشان اجيب لكياب تعريفي وطابق الكلام
+
+625
+00:49:55,980 --> 00:49:59,260
+اللي احنا بدنا يهان هو مش بعيد عنه هو عبارة عن كان
+
+626
+00:49:59,260 --> 00:50:05,080
+هدفه نقل ال data analysis تبعتي ال initial data
+
+627
+00:50:05,080 --> 00:50:12,840
+analysis الى other stage بتمنع التكرار، مصبوط؟بس
+
+628
+00:50:12,840 --> 00:50:16,020
+لاحظ في الأول كانت form كانت عبارة عن single
+
+629
+00:50:16,020 --> 00:50:19,760
+entity وفي ال form التاني في ال second normal form
+
+630
+00:50:19,760 --> 00:50:24,020
+اضطرت اعمل partitioning لأكتر من entity عشان اعمل
+
+631
+00:50:24,020 --> 00:50:28,540
+بينهماش أضمن عدم اتكرار ولا لأ مش هذا اللي صار ال
+
+632
+00:50:28,540 --> 00:50:33,200
+transformation اللي صار هذا هو نفسه او ال
+
+633
+00:50:33,200 --> 00:50:35,620
+normalization هو عبارة عن جزء من ال transformation
+
+634
+00:50:35,620 --> 00:50:39,160
+جزء من التحول هل التحول كله مش ضروري هالكلام اللي
+
+635
+00:50:39,160 --> 00:50:41,680
+احنا بيقوله فبالتالي مافيش تعرضات ما بين التانين
+
+636
+00:50:41,680 --> 00:50:46,170
+يا أحمدالأن في الـ Normalization اللي هتتكلم عليها
+
+637
+00:50:46,170 --> 00:50:50,690
+أو في الـ Scaling بالتحديد طبعا Normalization أو
+
+638
+00:50:50,690 --> 00:50:54,090
+Scaling نفس المصطلحات في علم البيانات أو في الـ
+
+639
+00:50:54,090 --> 00:50:59,610
+Data Mining بنتكلم إنه أنا بدي أروح أغير ال data
+
+640
+00:50:59,610 --> 00:51:07,630
+range تبعتي و عادة عادة بقى اتوجه إن أغير ال range
+
+641
+00:51:07,630 --> 00:51:12,730
+ل range أصغريعني بدل ما كانت الأرقام رواتب
+
+642
+00:51:12,730 --> 00:51:23,770
+الموظفين من 17 .. او من .. من 1770 مليون لـ 370
+
+643
+00:51:23,770 --> 00:51:28,430
+مليون اه
+
+644
+00:51:28,430 --> 00:51:33,690
+بالليرة .. هذا الكلام وارد جدا مصبوط؟
+
+645
+00:51:33,690 --> 00:51:37,470
+بدل ما هذا ال range بتروح اخليه يجع في range من
+
+646
+00:51:37,470 --> 00:51:46,730
+واحدلعشرة مثلا أو بدي أخلي من واحد وسبعة من عشرة
+
+647
+00:51:46,730 --> 00:51:55,810
+لتلاتة فاصلة سبعة الان في ال computation مين أسهل
+
+648
+00:51:55,810 --> 00:52:03,890
+الرقم هذا ولا الرقم هذا المفروض
+
+649
+00:52:03,890 --> 00:52:04,930
+الرقم الأصغر أسهل
+
+650
+00:52:08,520 --> 00:52:11,180
+كمان مرة مفهوم الـ Normalization ان انا بدي اعمل
+
+651
+00:52:11,180 --> 00:52:14,780
+scaling لل data او لل attributes اللي عندى هاي
+
+652
+00:52:14,780 --> 00:52:18,840
+بحيث ان احطها في different range و عادة .. عادة
+
+653
+00:52:18,840 --> 00:52:24,140
+اكثر من 95% او 99% من الشغل في ال hand انه انا بحط
+
+654
+00:52:24,140 --> 00:52:28,040
+ال range ل range اصغر لكن هذا لا يمنع .. لا يمنع
+
+655
+00:52:28,040 --> 00:52:32,980
+مطلقا انه افكر احطها في range اكبر منها و عادة يا
+
+656
+00:52:32,980 --> 00:52:37,840
+جماعة الخير تخيل انه انا في عندى two attributes
+
+657
+00:52:46,020 --> 00:52:51,060
+attribute one و attribute two ال values اللي عندي
+
+658
+00:52:51,060 --> 00:52:56,400
+هان بتتراوح
+
+659
+00:52:56,400 --> 00:53:02,320
+من الصفر للواحد و ال attribute التاني هذا من مية
+
+660
+00:53:02,320 --> 00:53:08,300
+إلى الف خليك معاه سيبر
+
+661
+00:53:11,420 --> 00:53:14,460
+عشان تفهم حاجتنا للـ Normalization أو للـ Scaling
+
+662
+00:53:14,460 --> 00:53:19,540
+تخيل إنه أنا في عندي data set فيها two attributes
+
+663
+00:53:19,540 --> 00:53:24,740
+الأول بتراوح القيم المتخلفة اللي في من صفر لواحد
+
+664
+00:53:24,740 --> 00:53:32,160
+والتاني من مية لألف و جيت أنا قلتلك بدي task بسيطة
+
+665
+00:53:32,160 --> 00:53:39,700
+جدا منك ترسمليهم على الـ 2D plane شو
+
+666
+00:53:39,700 --> 00:53:44,680
+رأيك؟كيف ال scale تبعك اللي هتستخدمه في الرسم؟
+
+667
+00:53:44,680 --> 00:53:48,700
+الان
+
+668
+00:53:48,700 --> 00:53:52,420
+كمان مرة شو رايك هاي ال .. هاي ال two attributes و
+
+669
+00:53:52,420 --> 00:53:57,020
+بدك ترسملياهم على two D plane مالهاش علاقة بال
+
+670
+00:53:57,020 --> 00:54:02,560
+mining الآن، تمام؟ شو ال scale اللي بدك تستخدمه؟
+
+671
+00:54:02,560 --> 00:54:07,180
+بدك تستخدم واحد، اتنين، تلاتة، اربعة، خمسة، ستة؟
+
+672
+00:54:07,180 --> 00:54:15,250
+ولا واحد من عشرة؟ولّا مية؟ ممتاز إذا أنت أخدت
+
+673
+00:54:15,250 --> 00:54:18,790
+المية إذا أخدت المية يعني الصحيحة التهان من صفر
+
+674
+00:54:18,790 --> 00:54:24,550
+لمية كل ال values تبعة ال attribute هذا هتيجيك في
+
+675
+00:54:24,550 --> 00:54:27,950
+النقطة هاي هتيجيك وكأنه معمود في النقطة هاي مش
+
+676
+00:54:27,950 --> 00:54:32,970
+هيبينه ليش؟ لأنه ال range تبعك اللي إنت اعتمدت لها
+
+677
+00:54:32,970 --> 00:54:38,250
+يا ��ناسب وإذا اعتمدت واحد من عشرة المية هتيجي هنا
+
+678
+00:54:40,520 --> 00:54:43,140
+مصبوط؟ وبالتالي مافيش مجال الرسم inconsistent
+
+679
+00:54:43,140 --> 00:54:49,400
+حيكون أو مش هتقدر ترسمهم من الآخر مافيش الحل ان
+
+680
+00:54:49,400 --> 00:54:54,020
+بدي أعمل معيار للرسم بين الاتنين إما بدي أنزل هذا
+
+681
+00:54:54,020 --> 00:54:57,920
+لنفس ال scale أو بدي أرفع هذا لنفس ال scale اللي
+
+682
+00:54:57,920 --> 00:55:05,780
+موجود وعلى الحالتين صح مين الأسهل؟ أنزل قول بدي
+
+683
+00:55:05,780 --> 00:55:12,420
+أجسمه علىعالمية بيصير هذا واحد و هذا عشرة لاحظ ال
+
+684
+00:55:12,420 --> 00:55:20,520
+range لأ بقى يختلف صفر ل واحد و واحدة عشرة نوعا ما
+
+685
+00:55:20,520 --> 00:55:23,840
+قريب لكن برضه ممكن انا ايش راح اساوي احط بنفس ال
+
+686
+00:55:23,840 --> 00:55:26,580
+range بديش اجسم على عالمية انا اجسم على الف
+
+687
+00:55:33,500 --> 00:55:37,500
+صار عند إيش؟ نفس ال scale exactly و أنا مافقدتش من
+
+688
+00:55:37,500 --> 00:55:42,320
+قيمة البيانات ولا حاجة هذا الكلام نفسه .. نفسه
+
+689
+00:55:42,320 --> 00:55:45,440
+بهمني لما يكون ال algorithm تبعي ال machine
+
+690
+00:55:45,440 --> 00:55:47,920
+learning algorithm اللي بيشتغل في ال mining task
+
+691
+00:55:47,920 --> 00:55:51,900
+تكون data set أو attribute ال values تبعته صغيرة
+
+692
+00:55:51,900 --> 00:55:56,480
+جدا و ال attribute التاني ال value تبعته كبيرة جدا
+
+693
+00:55:57,410 --> 00:56:00,830
+تبقى عندي mismatch في التعامل فأفضل حاجة ايش أسوي
+
+694
+00:56:00,830 --> 00:56:04,510
+ان احاول اعمل normalization لكل ال data تكون كلها
+
+695
+00:56:04,510 --> 00:56:10,090
+على range واحد فال scaling هذه او ال normalization
+
+696
+00:56:10,090 --> 00:56:14,810
+هذه مهمة جدا بالنسبالنا ال
+
+697
+00:56:14,810 --> 00:56:18,390
+z score او ال normalization او ال zero score
+
+698
+00:56:18,390 --> 00:56:22,510
+normalization او زي ما بتسميها ال python standard
+
+699
+00:56:22,510 --> 00:56:25,550
+scalar standard scalar
+
+700
+00:56:28,890 --> 00:56:32,550
+في عند الـ Min Max Normalization أو Min Max Scalar
+
+701
+00:56:32,550 --> 00:56:37,450
+وفي عند الـ Decimal Scalar أو Decimal Scaling أو
+
+702
+00:56:37,450 --> 00:56:43,030
+Decimal Normalization نبدأ مع الـ Zero Score أو مع
+
+703
+00:56:43,030 --> 00:56:47,070
+الـ Z Min أو الـ Z Score كلها نفس المصطلحات أو نفس
+
+704
+00:56:47,070 --> 00:56:51,590
+العنصر Standard Scalar بتكلم على الـ Zero Min
+
+705
+00:56:51,590 --> 00:56:57,270
+Normalization Zero Min Normalization مفهومها بكل
+
+706
+00:56:57,270 --> 00:57:03,450
+بساطة يا جماعة الخيرانه احنا فعليا بحاجة طبعا عشان
+
+707
+00:57:03,450 --> 00:57:05,650
+في مثال انا كتبته عند الطالبات المحاضرة الجابه
+
+708
+00:57:05,650 --> 00:57:08,470
+اللي بدي اياه نفسه مافيش داعي ان اختار مثال جديد
+
+709
+00:57:08,470 --> 00:57:15,470
+مفهومها انه بدي احول ال attribute هذا ل attribute
+
+710
+00:57:15,470 --> 00:57:19,110
+او ل value احور ال data اللي فيه ل value مختلفة
+
+711
+00:57:19,110 --> 00:57:24,590
+بحيث ان المتوسط الحسابي تبع ال new form يكون صفر
+
+712
+00:57:24,590 --> 00:57:30,160
+عشان هيك اسمه z من ال zeroأو Z-Mean، Zero-Mean،
+
+713
+00:57:30,160 --> 00:57:34,460
+Zero-Score أو Zero-Mean مفهومها إنه بعد ما أنا
+
+714
+00:57:34,460 --> 00:57:40,100
+أحور الـAttribute أحور الـAttribute، بده يكون
+
+715
+00:57:40,100 --> 00:57:44,460
+الـMean تبعه صفر ليش هذا الكلام مهم؟ لأنه كتير من
+
+716
+00:57:44,460 --> 00:57:47,420
+العمليات الحسابية المرتبطة بالـ Machine Learning
+
+717
+00:57:47,420 --> 00:57:50,700
+Algorithm لها علاقة بالـMean والـStandard
+
+718
+00:57:50,700 --> 00:57:56,610
+Deviation فإذا أنا قدرت أحول الـMean لـ0فبتصير
+
+719
+00:57:56,610 --> 00:58:03,110
+العمليات الحسابية تبعتي أسهل ما يمكن لو أنت بقيت
+
+720
+00:58:03,110 --> 00:58:06,810
+تضرب بصفر خلاص بس ال term اللي أنا جدت فيه term
+
+721
+00:58:06,810 --> 00:58:10,370
+صفر خلصنا لو بدي أجمع صفر مع أن مافيش عندي تغيير
+
+722
+00:58:10,370 --> 00:58:14,770
+وهذا هو الهدف الأساسي من ال normalization هنا إنه
+
+723
+00:58:14,770 --> 00:58:17,970
+أنا عامة في ال transformation عمالي بحاول أبدأ
+
+724
+00:58:17,970 --> 00:58:22,070
+أقلل من ال cost أو ال computational cost اللي ممكن
+
+725
+00:58:22,070 --> 00:58:27,930
+تصير عنديفالـ Zero mean أو الـ Z-score هدفها أنه
+
+726
+00:58:27,930 --> 00:58:31,890
+للـ feature هذا تكون قيمة الـ mean المتوسط الحسابي
+
+727
+00:58:31,890 --> 00:58:38,670
+صفر و ال variance أو الانحراف المعياري تبعته جداش
+
+728
+00:58:38,670 --> 00:58:46,410
+واحد عبر المعادلة اللي موجودة عندنا هنا طبعا ميزة
+
+729
+00:58:46,410 --> 00:58:50,370
+ال scaling هذا انه مافيش minimum و مافيش maximum
+
+730
+00:58:50,370 --> 00:58:54,480
+لكن بتروح تتطبق حسب القانونالقيمة الجديدة اللي هي
+
+731
+00:58:54,480 --> 00:59:00,840
+الـ Z تساوي القيمة السابقة X ناقص المتوسط الحسابي
+
+732
+00:59:00,840 --> 00:59:06,660
+على الانحراف المعياري تبعت ال value اللي موجودة
+
+733
+00:59:06,660 --> 00:59:12,240
+عندها عشان تظهر الصورة الأرقام اللي عندي أنا عشرة
+
+734
+00:59:12,240 --> 00:59:18,000
+خمس طعش عشرة خمس طعش عشرين
+
+735
+00:59:24,250 --> 00:59:27,910
+هذه الـ A original الـ attribute O الـ attribute
+
+736
+00:59:27,910 --> 00:59:33,030
+الأصلي ال values اللي فيه ال values اللي فيه تمام
+
+737
+00:59:33,030 --> 00:59:38,590
+هايهم خمس قيم عشان أقدر أشتغل مع هذا أو أطبق عليه
+
+738
+00:59:38,590 --> 00:59:43,910
+ال Z score شو بدي أساوي؟ بدي أحسب المتوسط الحسابي
+
+739
+00:59:43,910 --> 00:59:50,250
+هاي المتوسط الحسابي يساوي المجموع على العدد عشرة
+
+740
+00:59:50,250 --> 00:59:57,500
+عشرين و بتهيألي فيه كمان واحدةهم خمس قيم خمس طعش
+
+741
+00:59:57,500 --> 01:00:04,980
+عشرين تمام سبعين على خمسة كدهش الشباب سبعين على
+
+742
+01:00:04,980 --> 01:00:12,020
+خمسة يا
+
+743
+01:00:12,020 --> 01:00:17,640
+عيني عليكم عشان هيك يا حبابنا تعمل حسابك تعمل
+
+744
+01:00:17,640 --> 01:00:21,700
+حسابك تجيب ال calculator تبعتك انا بالنسبة لي
+
+745
+01:00:25,870 --> 01:00:29,150
+هيها اه مش هسمحلك تستخدم الجوال ولا في الامتحان
+
+746
+01:00:29,150 --> 01:00:32,830
+هسمحلك تستخدم الجوال فانت ما شاء الله يعني لسه عن
+
+747
+01:00:32,830 --> 01:00:35,470
+بارح طالع من الثانوية العامة او إذا في عندك حدا
+
+748
+01:00:35,470 --> 01:00:41,010
+فهي .. هي فهي إلك إذا في حد أخدها من وراك تلفها
+
+749
+01:00:41,010 --> 01:00:47,710
+منه ضروري من اليوم و طالع في عندنا حساب لأ حساب
+
+750
+01:00:47,710 --> 01:00:51,230
+عشان ما أخوف cashلأن هاي و ما شاء الله عليك انت في
+
+751
+01:00:51,230 --> 01:00:56,110
+القسمة الـ 70 على 5 أثبتتي اللي بالدليل قاطع إنك
+
+752
+01:00:56,110 --> 01:01:05,030
+ناجح ان شاء الله طيب، الآن خلاص حسبت ال main الآن
+
+753
+01:01:05,030 --> 01:01:08,710
+إيش بقول ليه؟ الانحراف المعياري أو ال sigma تساوي
+
+754
+01:01:08,710 --> 01:01:14,110
+الجذر التربيعي للفروقات ما بين ال main على العدد
+
+755
+01:01:26,700 --> 01:01:32,460
+عشرة أربعة عشر ناقص عشرة تربيع أربعة عشر ناقص عشرة
+
+756
+01:01:32,460 --> 01:01:32,460
+تربيع أربعة عشر ناقص عشرة تربيع أربعة عشر ناقص
+
+757
+01:01:32,460 --> 01:01:36,680
+عشرة تربيع أربعة عشر ناقص عشرين تربيع أربعة عشر
+
+758
+01:01:36,680 --> 01:01:42,880
+ناقص عشرين تربيع أربعة عشر ناقص عشرين تربيع أربعة
+
+759
+01:01:42,880 --> 01:01:43,720
+عشر ناقص عشرين تربيع أربعة عشر ناقص عشرين تربيع
+
+760
+01:01:43,720 --> 01:01:44,240
+أربعة عشر ناقص عشرين تربيع أربعة عشر ناقص عشرين
+
+761
+01:01:44,240 --> 01:01:49,650
+تربيع أربعة عشر ناقص عشرين تربيع أربعة عشر ناق16 1
+
+762
+01:01:49,650 --> 01:02:04,310
+16 1 36 مصبوط انا حسبت المربعات الان 16 و 16 32 و
+
+763
+01:02:04,310 --> 01:02:16,360
+32 و 2 34 و 36 70 الان ال sigmaتساوي الجذر
+
+764
+01:02:16,360 --> 01:02:22,900
+التربيعي لـ 70 على 5 اللي هي جذر الـ 14 اللي هي
+
+765
+01:02:22,900 --> 01:02:29,840
+تقريبا قداش تلات
+
+766
+01:02:29,840 --> 01:02:34,060
+أو كسر، صح؟
+
+767
+01:02:34,060 --> 01:02:37,400
+ما هو لما أنت تكتب لتنين جذر مش عارف قداش مش هتحصل
+
+768
+01:02:37,400 --> 01:02:43,020
+لنتيجة تلاتة
+
+769
+01:02:43,020 --> 01:02:50,630
+pointأربعة و سبعين جذر
+
+770
+01:02:50,630 --> 01:02:57,510
+الاربعتاش هذا بنسميه الانحراف المعياري لل data set
+
+771
+01:02:57,510 --> 01:03:03,290
+او لل attribute اللي عندى sigma لسه احنا مخلصناش
+
+772
+01:03:03,290 --> 01:03:08,370
+انا كل اللي بسوته جبت المعاملات بتاعة المعادلة هاي
+
+773
+01:03:08,370 --> 01:03:13,740
+جبت ال mu جبت ال sigmaهلجت بدي أجيب Z زد لمين يا
+
+774
+01:03:13,740 --> 01:03:18,260
+جماعة الخير لكل قيمة من هدول لكل قيمة من هدول احنا
+
+775
+01:03:18,260 --> 01:03:27,880
+خلصنا هذا الان بقدر أمسحه ال
+
+776
+01:03:27,880 --> 01:03:32,420
+attribute new قيمة
+
+777
+01:03:32,420 --> 01:03:40,550
+القيمة الجديدة تساوي X ناقص ميو علىتلاتة يعني بين
+
+778
+01:03:40,550 --> 01:03:45,910
+جثين هتكون عشرة ناقص أربعة تعش على تلاتة فاصلة
+
+779
+01:03:45,910 --> 01:03:52,530
+أربعة وسبعين ولا كيف بده يكون في الآخر المتوسط
+
+780
+01:03:52,530 --> 01:03:57,970
+الحسابي صفر لازم تكون قيم موجبة وقيم سالبة لأنه في
+
+781
+01:03:57,970 --> 01:04:02,390
+الآخر صفر على أي شيء العدد مستحيل يكون صفر فلازم
+
+782
+01:04:02,390 --> 01:04:06,530
+البسطي يطلع معاك صفر مجموع القيم فبتطلع هذه سالب
+
+783
+01:04:06,530 --> 01:04:14,240
+بالنسبة للأولىأربعة تقسيم تلاتة فاصلة أربعة وسبعين
+
+784
+01:04:14,240 --> 01:04:17,340
+سالب
+
+785
+01:04:17,340 --> 01:04:22,440
+واحد point zero سبعة هم ال roundation للرقمين
+
+786
+01:04:22,440 --> 01:04:25,700
+هتكون
+
+787
+01:04:25,700 --> 01:04:31,300
+عندي عشرة ناقص او عفوا خمس طعش ناقص اربعة طعش على
+
+788
+01:04:31,300 --> 01:04:37,040
+تلاتة اربعة وسبعين اعتمد
+
+789
+01:04:37,040 --> 01:04:38,900
+يا أبو حاسم ولا في شك في الكلام
+
+790
+01:04:43,490 --> 01:04:49,430
+26% غلط لأنه بدنا نعمل roundation عندك 6 أو 7 يا
+
+791
+01:04:49,430 --> 01:04:56,250
+باشا عشان أضمن تصفر معايا المسألة الآن عشرة نفس
+
+792
+01:04:56,250 --> 01:05:00,890
+القيمة اللي فوق 1
+
+793
+01:05:00,890 --> 01:05:07,610
+.0715
+
+794
+01:05:07,610 --> 01:05:11,990
+.27 الآن
+
+795
+01:05:14,240 --> 01:05:25,220
+1.6 انا بتذكرها هي صحيحة 1.6 تمام؟ الان متوسط
+
+796
+01:05:25,220 --> 01:05:32,460
+الحساب الجديد يساوي اجمع
+
+797
+01:05:32,460 --> 01:05:40,840
+العناصر هدول على عددهم عددهم خمسة سالب
+
+798
+01:05:40,840 --> 01:05:41,240
+واحد
+
+799
+01:05:44,090 --> 01:05:52,350
+لان انت متراهلش انت بتجمع القمتين هدول وبالتالي
+
+800
+01:05:52,350 --> 01:05:59,410
+ال mean تبعتي قداش صارت صفر لازم يطلع صفر اللي مش
+
+801
+01:05:59,410 --> 01:06:04,250
+مصدق يجمعهم يا شباب مش مشكلة عندي تمام فال mean
+
+802
+01:06:04,250 --> 01:06:10,950
+صفر الانحراف المعياري الجديد يساوي الجذر التربيعي
+
+803
+01:06:10,950 --> 01:06:18,430
+لأالفروقات هدول او القيام هدول تربيع الفروق مع ال
+
+804
+01:06:18,430 --> 01:06:27,890
+mean ال mean صفر فتربيع القيام هذه 1.07 زائد 0.27
+
+805
+01:06:27,890 --> 01:06:40,490
+زائد 1.7 تربيع زائد 0.27 تربيع زائد 1.6 تربيع هدول
+
+806
+01:06:40,490 --> 01:06:43,330
+مجموحهم خمسة على خمسة
+
+807
+01:06:48,310 --> 01:06:51,770
+واحد اه لازم يطلع واحد لو ما طلعش واحد مانتوا في
+
+808
+01:06:51,770 --> 01:06:57,470
+عندك مشكلة لو ما طلعش واحد في عندك مشكلة في الحساب
+
+809
+01:06:57,470 --> 01:07:02,890
+ممكن الأرقام مشكلة لا يا باشا الأرقام إيش ما كانت
+
+810
+01:07:02,890 --> 01:07:07,950
+إذا تطبق عليها ال Z score لازم إنها تجي يطلع ال
+
+811
+01:07:07,950 --> 01:07:11,030
+main صفر و ال standard deviation واحد
+
+812
+01:07:13,890 --> 01:07:18,810
+تمام؟ تمام إيش
+
+813
+01:07:18,810 --> 01:07:27,210
+استفدت؟ الآن أنا عملت scaling .. scaling لمين؟ لل
+
+814
+01:07:27,210 --> 01:07:32,090
+A الأصلية اللي موجودة عندي بقيم جديدة عملت
+
+815
+01:07:32,090 --> 01:07:36,970
+transformation مظبوط؟ القيمة هذه تمثل العشرة وال
+
+816
+01:07:36,970 --> 01:07:41,630
+27 تمثل .. ال 27 من 100 تمثل 15يعني حطيتها في
+
+817
+01:07:41,630 --> 01:07:45,130
+Range جديد الـ Range الجديد هذا ما فقدش قيمته
+
+818
+01:07:45,130 --> 01:07:52,390
+مطلقا لكن كان فيه لميزة قال لي إن المتوسط الحسابي
+
+819
+01:07:52,390 --> 01:07:57,610
+تبع القيم هدول صفر والانحراف المياري واحد كتير من
+
+820
+01:07:57,610 --> 01:08:00,370
+ال machine learning algorithm جامعة الخير بتنبني
+
+821
+01:08:00,370 --> 01:08:05,390
+على حسبة ال main والانحراف المياري فلما أنا بأضمن
+
+822
+01:08:05,390 --> 01:08:09,320
+ال main صفرمعناته كتير من العمليات او من ال terms
+
+823
+01:08:09,320 --> 01:08:12,800
+هعملها neglect هاختصرها في ال computation ولا لأ
+
+824
+01:08:12,800 --> 01:08:16,400
+لما بتكون العمليات ضرب و بحصل على واحد في ال
+
+825
+01:08:16,400 --> 01:08:21,140
+standard deviation هذا الكلام كله بيخدمني في تسريع
+
+826
+01:08:21,140 --> 01:08:23,980
+عملية ال learning اللي هتصير عند ال data mining او
+
+827
+01:08:23,980 --> 01:08:27,940
+في مرحلة ال mining او ال data mining tasks هالكلام
+
+828
+01:08:27,940 --> 01:08:32,920
+هذا مطلوب من ناحية عملي من ناحية عملي ال standard
+
+829
+01:08:32,920 --> 01:08:37,340
+scalar موجودة في ال python as a functionتستدعيها و
+
+830
+01:08:37,340 --> 01:08:39,800
+بتقوله تديها اسم ال attribute و بتعمل generate ل
+
+831
+01:08:39,800 --> 01:08:48,540
+attribute بمباشرة بس لازم تحفظ و تفهم اش اللي بصير
+
+832
+01:08:48,540 --> 01:08:52,240
+لأنه بكل بساطة لاحقا ممكن اديك sequence من خمس
+
+833
+01:08:52,240 --> 01:08:55,960
+عناصر زي هيك و اقولك روح انا بدي نعمل
+
+834
+01:08:55,960 --> 01:08:58,900
+transformation لل data set هذه بحيث انك تتناسب مع
+
+835
+01:08:58,900 --> 01:09:02,500
+ال task الفلانية بتطبيق ال algorithm الفلاني
+
+836
+01:09:06,680 --> 01:09:11,320
+أيوة سؤال مهم أحمد فاروخ بيقول جديش ال scale مافيش
+
+837
+01:09:11,320 --> 01:09:15,160
+scale مافيش range و هذا الكلام قلناه ثابت مافيش
+
+838
+01:09:15,160 --> 01:09:20,740
+عندي minimum و maximum values ما بعرفهمش لكن بما
+
+839
+01:09:20,740 --> 01:09:24,540
+أنه العشرة هي أصغر قيمة عندي و ال data 6 أنا قادر
+
+840
+01:09:24,540 --> 01:09:31,220
+أمسكها أصغر قيمة فهذه كانت ال minimum و ال maximum
+
+841
+01:09:31,220 --> 01:09:40,300
+20 فهذه 61.6%هي ال maximum بس هي ال range تبعتي هي
+
+842
+01:09:40,300 --> 01:09:44,900
+ال range اللي موجودة عندي الآن على غرار الكلام هذا
+
+843
+01:09:44,900 --> 01:09:53,900
+في عند ال min max طبعا ال robust عشان نخلص منها ال
+
+844
+01:09:53,900 --> 01:09:58,440
+robust scalar فكرته بكل بساطة انه بيقولك يا عم إذا
+
+845
+01:09:58,440 --> 01:10:01,580
+أنا كان في عندي outlier point او في عندي noisy
+
+846
+01:10:01,580 --> 01:10:06,000
+pointفضمن ال range هذا و انا اعتمدت على ال mean
+
+847
+01:10:06,000 --> 01:10:11,720
+فهتشد ال mean باتجاه بعيد بمعنى اخر لو كانت
+
+848
+01:10:11,720 --> 01:10:18,740
+العشرين هذه 200 او ناقص 20 شو بيصير في ال mean
+
+849
+01:10:18,740 --> 01:10:24,150
+اللي عندى؟هيتغير وبالتالي صار فيه bias باتجاه الـ
+
+850
+01:10:24,150 --> 01:10:28,330
+outlier باتجاه ال noise data عشان يتجنب ال noise
+
+851
+01:10:28,330 --> 01:10:32,370
+data ال robust scalar هذا بيروح بيعتمد على ال
+
+852
+01:10:32,370 --> 01:10:39,230
+median و ال quartiles ايش ال median؟ ايش ال
+
+853
+01:10:39,230 --> 01:10:44,370
+median؟ الوسيط ال quartiles القيم تبعت الأرباع
+
+854
+01:10:44,370 --> 01:10:48,400
+تبعت العناصر اللي موجودة عندىوبهيك هو بتجنب تأثير
+
+855
+01:10:48,400 --> 01:10:53,580
+ال noise attributes لتظهر أو ال noise value لتظهر
+
+856
+01:10:53,580 --> 01:10:53,860
+عنده
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/GPEcN85s2Oo.srt

@@ -0,0 +1,698 @@
+1
+00:00:01,140 --> 00:00:03,520
+باسم الله والحمد لله والصلاة والسلام على رسول
+
+2
+00:00:03,520 --> 00:00:08,140
+الله هذا التسجيل الأخير إن شاء الله في الـ chapter
+
+3
+00:00:08,140 --> 00:00:12,840
+clustering عفواً قبل الأخير بيضللنا في تسجيل إن شاء
+
+4
+00:00:12,840 --> 00:00:16,540
+الله سيكون عملي باعتماد الـ python الصحيح فشوف في
+
+5
+00:00:16,540 --> 00:00:24,320
+شغل الـ python بعض الإبداعات منكم وبعضكم .. حلو
+
+6
+00:00:24,320 --> 00:00:25,480
+حلو حلو طبعاً ما شاء الله
+
+7
+00:00:28,370 --> 00:00:31,030
+البداية، الـ chapter إن الـ cluster هي عبارة عن عملية
+
+8
+00:00:31,030 --> 00:00:34,230
+تقسيم الـ instances بناءً على تشابه أو similarities
+
+9
+00:00:34,230 --> 00:00:38,570
+ما بينهم لمجموعات، في عندنا الـ partition cluster والـ
+
+10
+00:00:38,570 --> 00:00:41,070
+partition cluster أنه ما يكونش فيه overlap
+
+11
+00:00:41,070 --> 00:00:44,550
+clusters وفي عندنا hierarchical cluster أنه أنا
+
+12
+00:00:44,550 --> 00:00:48,870
+فعلياً أقدر أشوف كل cluster بينتمي لأي cluster والـ
+
+13
+00:00:48,870 --> 00:00:51,330
+طبعاً هنا بتحكم في عدد الـ clusters اللي أنا بدي
+
+14
+00:00:51,330 --> 00:00:55,310
+إياها، كل cluster ببساطة، اليوم إن شاء الله نتكلم عن
+
+15
+00:00:55,310 --> 00:00:59,990
+جزئية الـ evaluation طبعاً لما نتكلم عن الـ evaluation
+
+16
+00:00:59,990 --> 00:01:07,030
+كتقييم الـ ..
+
+17
+00:01:07,030 --> 00:01:11,390
+نتكلم عن التقييم، هل التقييم وارد في الـ
+
+18
+00:01:11,390 --> 00:01:16,990
+clustering؟ التقييم كتقييم في الـ clustering إذا الـ
+
+19
+00:01:16,990 --> 00:01:21,650
+data  بقى unlabeled أو عمره بيكون صحيح لأن أنا
+
+20
+00:01:21,650 --> 00:01:27,410
+فعلياً لازم أتدخل human عفواً المقصود أن التقييم
+
+21
+00:01:27,410 --> 00:01:35,220
+مستحيل يكون صحيح أو حالياً بدي أقول أنه يكاد يكون من
+
+22
+00:01:35,220 --> 00:01:40,060
+المستحيل تطبيق التقييم إلا من خلال expert قادر
+
+23
+00:01:40,060 --> 00:01:45,460
+فعلياً على دراسة كل instance وفعلياً أنها تنتمي لـ
+
+24
+00:01:45,460 --> 00:01:49,620
+cluster أو متشابه مع العناصر اللي موجودة عندها، لكن
+
+25
+00:01:49,620 --> 00:01:54,920
+إحنا هلأ لما نتكلم عن الـ clustering، أنا لدي
+
+26
+00:01:54,920 --> 00:01:58,140
+algorithm و data set وطبقت على الـ data set، هل في
+
+27
+00:01:58,140 --> 00:02:01,520
+مجال أعمل evaluation للـ algorithm أو للناتج اللي
+
+28
+00:02:01,520 --> 00:02:06,160
+موجود؟ آه في مجال لكن في حالة واحدة فقط، إذا أنا
+
+29
+00:02:06,160 --> 00:02:10,720
+اعتمدت أن في عندي labeled data set، طيب إحنا قلنا
+
+30
+00:02:10,720 --> 00:02:15,020
+من البداية أن
+
+31
+00:02:15,020 --> 00:02:17,800
+الـ cluster بتشتغل على الـ test set يعني الـ label مش
+
+32
+00:02:17,800 --> 00:02:22,580
+موجود، صحيح، الفكرة وين أن أنا بدي أفصل الـ data set
+
+33
+00:02:22,580 --> 00:02:31,250
+بتاعتي، مجموعة الـ attributes لحال والـ target label
+
+34
+00:02:31,250 --> 00:02:40,670
+لحال، وبعد هيك أعمل لها الـ clustering، بدي أعمل هنا
+
+35
+00:02:40,670 --> 00:02:44,590
+clustering للـ data set اللي موجودة عندي هنا وبناءً
+
+36
+00:02:44,590 --> 00:02:48,270
+على الـ clusters، أنا عارف أن كل instance بتتبع أي
+
+37
+00:02:48,270 --> 00:02:54,960
+label، فبيصير أنا بقى بأقارن الـ label اللي عندي مع الـ
+
+38
+00:02:54,960 --> 00:02:57,100
+clusters اللي هو اللي عندي هنا وبناءً على هيك بحصل
+
+39
+00:02:57,100 --> 00:03:02,660
+على تقييم، وبالتالي لما إحنا بنتكلم على الـ الـ الـ الـ
+
+40
+00:03:02,660 --> 00:03:03,400
+(Repeated "ال" - removed)
+
+41
+00:03:03,400 --> 00:03:04,060
+(Repeated "ال" - removed)
+
+42
+00:03:04,060 --> 00:03:05,500
+(Repeated "ال" - removed)
+
+43
+00:03:05,500 --> 00:03:06,460
+(Repeated "ال" - removed)
+
+44
+00:03:06,460 --> 00:03:07,520
+(Repeated "ال" - removed)
+
+45
+00:03:07,520 --> 00:03:07,620
+(Repeated "ال" - removed)
+
+46
+00:03:22,210 --> 00:03:28,550
+لأن النتائج اللي موجودة عندي ما حدش بيقول عنها صح
+
+47
+00:03:28,550 --> 00:03:31,570
+أو خطأ، يعني أنا استخدمت two different algorithms
+
+48
+00:03:31,570 --> 00:03:36,930
+وقلت لهم والله جسمّلت الـ data set كـ partitional لـ
+
+49
+00:03:36,930 --> 00:03:46,770
+three clusters، طلعوا لي three clusters، مش ضروري مش
+
+50
+00:03:46,770 --> 00:03:50,350
+ضروري العناصر اللي في الـ cluster الأول هي نفسها
+
+51
+00:03:50,350 --> 00:03:51,970
+اللي في عناصر الـ cluster الثاني، ناتج الـ
+
+52
+00:03:51,970 --> 00:04:00,600
+algorithm وبالتالي مقارنة الـ output شبه مستحيلة، إذا
+
+53
+00:04:00,600 --> 00:04:02,640
+كنت أقول أن الـ Algorithm أعطاني نفس النتيجة أو
+
+54
+00:04:02,640 --> 00:04:05,880
+نفس الـ الـ فايدة من الثاني، فلا يتميز الثاني عنه
+
+55
+00:04:05,880 --> 00:04:10,360
+تمام، إلا فعلياً لو الـ Data كانت فعلياً الـ Data
+
+56
+00:04:10,360 --> 00:04:13,960
+discriminant، الـ instances ميّالة لـ different tree
+
+57
+00:04:13,960 --> 00:04:18,180
+classes وكل واحدة، كل instance تنتمي لـ class، يعني
+
+58
+00:04:18,180 --> 00:04:22,100
+في عندي discriminant attribute و أقدر أصفّهم
+
+59
+00:04:22,100 --> 00:04:25,100
+أو أودّيهم على الـ certain class أو الـ target
+
+60
+00:04:25,100 --> 00:04:30,020
+cluster، عفواً بشكل كويس، لكن لما أنا فعلياً بأطبق
+
+61
+00:04:30,020 --> 00:04:34,000
+ممكن باعتمادي على الـ training set، الـ training set
+
+62
+00:04:34,000 --> 00:04:39,000
+إذا أنا طبقت الـ cluster algorithm على الـ training
+
+63
+00:04:39,000 --> 00:04:43,020
+set، تلاحظوا معايا يا جماعة الخير؟ لما أنا بدي أعمل
+
+64
+00:04:43,020 --> 00:04:45,720
+evaluation، الآن فعلياً، فعلياً ليه الـ clustering
+
+65
+00:04:45,720 --> 00:04:49,580
+unsupervised learning؟ يعني أنا بتجاهل الـ label أو
+
+66
+00:04:49,580 --> 00:04:53,560
+الـ label مش موجود في الـ data set، هذه واحدة، لما أنا
+
+67
+00:04:53,560 --> 00:04:59,370
+بدي أعمل له evaluation للـ algorithm، تمام؟ بقدر أعمل
+
+68
+00:04:59,370 --> 00:05:03,170
+evaluation في حالة واحدة فقط إذا أنا قدرت أطبقه
+
+69
+00:05:03,170 --> 00:05:06,410
+على الـ training set، شو الـ training set؟ يعني في عندي
+
+70
+00:05:06,410 --> 00:05:09,930
+label، طيب هل الكلام هذا موجود؟ آه موجود، بيصير كل
+
+71
+00:05:09,930 --> 00:05:15,670
+label، كل class بمثابة cluster، كل class بمثابة
+
+72
+00:05:15,670 --> 00:05:21,910
+cluster وبروح بأخذ الـ class وبجسّم الـ data set
+
+73
+00:05:21,910 --> 00:05:24,210
+بدون الـ cluster زي ما واجهتكم في الـ slide السابقة
+
+74
+00:05:24,210 --> 00:05:30,020
+زي ما أرسلناها، يعني أنا الآن هي الـ data set بتاعي
+
+75
+00:05:30,020 --> 00:05:37,920
+مرة كمان، فصلت الـ cluster
+
+76
+00:05:37,920 --> 00:05:40,940
+أو فصلت الـ data set، الـ attribute والـ label أو الـ
+
+77
+00:05:40,940 --> 00:05:46,720
+class، جسمّلت
+
+78
+00:05:46,720 --> 00:05:49,200
+الـ data set، صار عندي الآن هي الـ label وهي الـ
+
+79
+00:05:49,200 --> 00:05:55,150
+attribute، الآن بأجي بأطبق الـ clustering، بأطبق الـ
+
+80
+00:05:55,150 --> 00:05:57,170
+clustering على الـ attributes اللي موجودة عندها
+
+81
+00:05:57,170 --> 00:06:02,830
+على الـ instances اللي موجودة، تمام، الآن فعلياً كل
+
+82
+00:06:02,830 --> 00:06:07,870
+instance بتبقى class وفي عندي مجموعة instances في
+
+83
+00:06:07,870 --> 00:06:10,470
+نفس الـ class، بينجّم أنه فعلياً الـ data already
+
+84
+00:06:10,470 --> 00:06:15,590
+منجسمة، فإذا أنا قدرت أربط ما بين الـ true cluster
+
+85
+00:06:15,590 --> 00:06:21,890
+اللي هي الـ label والـ predicted cluster اللي موجود
+
+86
+00:06:21,890 --> 00:06:26,610
+عندها، بقدر أنشئ شغل اسمها الـ Contingency Matrix
+
+87
+00:06:26,610 --> 00:06:29,930
+ومن الـ Contingency Matrix ممكن أن أتكلّم على شغل
+
+88
+00:06:29,930 --> 00:06:36,160
+أول metric، هسميها الـ Purity، تعالوا نتكلم عن الـ
+
+89
+00:06:36,160 --> 00:06:38,920
+Contingency Matrix، ايش الـ Contingency Matrix
+
+90
+00:06:38,920 --> 00:06:43,720
+بتقول؟ أن لدي ثلاثة .. طبعاً لاحظوا يا جماعة الخير
+
+91
+00:06:43,720 --> 00:06:47,960
+في موقفي، أنا بدي أختبر Clustering Algorithm في
+
+92
+00:06:47,960 --> 00:06:51,980
+عندي labeled data set، الـ labeled data set فيها عدد
+
+93
+00:06:51,980 --> 00:06:55,800
+classes معيّن N، لما بدي أستخدم الـ Clustering
+
+94
+00:06:55,800 --> 00:06:59,020
+Algorithm، بدي أقول جسمّلتها لـ N من الـ cluster لأن
+
+95
+00:06:59,020 --> 00:07:02,800
+كل cluster بدي يمثل Class، فأنا بفترض أنه عندي data
+
+96
+00:07:02,800 --> 00:07:07,680
+set مكوّنة من three classes، labeled data set مكوّنة
+
+97
+00:07:07,680 --> 00:07:13,080
+من three classes، بنسمّيهم T1 وT2 وT3، من true true
+
+98
+00:07:13,080 --> 00:07:18,520
+cluster أو true segment أو true partition، سمّوها زي
+
+99
+00:07:18,520 --> 00:07:24,380
+ما بدّكم، true label سمّوها زي ما بدّكم، وC1 وC2 وC3 هما
+
+100
+00:07:24,380 --> 00:07:28,060
+الـ clusters اللي أنشأتهم من الـ algorithm اللي
+
+101
+00:07:28,060 --> 00:07:31,580
+موجود عندها، ايش راح أجيب؟ ايش بفهم الـ contingency
+
+102
+00:07:31,580 --> 00:07:41,000
+matrix؟ أن في C1، C1 خمسة وعشرين element بينتمي لـ
+
+103
+00:07:41,000 --> 00:07:45,020
+T2 وخمسة
+
+104
+00:07:45,020 --> 00:07:50,410
+elements بينتمي لـ T3، وخمس عناصر بينتمي لـ T3، يعني
+
+105
+00:07:50,410 --> 00:07:56,730
+عندي 25 عنصر من T، ناتج
+
+106
+00:07:56,730 --> 00:08:06,470
+الـ clustering، C1 بيحتوي على 30 عنصر، 25 منهم حقيقة
+
+107
+00:08:06,470 --> 00:08:12,550
+من الـ class الثاني و5 من الـ class الثالث ولا
+
+108
+00:08:12,550 --> 00:08:18,880
+واحد من الـ class الأول، T2 أو cluster C2 بيحتوي على
+
+109
+00:08:18,880 --> 00:08:25,100
+35 عنصر، 15 من الـ class الأول و20 من الـ class
+
+110
+00:08:25,100 --> 00:08:32,220
+الثالث، cluster ثلاثة بيحتوي على عشر عناصر فقط، كلهم
+
+111
+00:08:32,220 --> 00:08:40,100
+كلهم بيتبعوا T1، الآن هذا الكلام إذا أنا فهمته
+
+112
+00:08:41,270 --> 00:08:45,670
+معناته أنا مش ضروري الـ Clustering algorithm تبعي
+
+113
+00:08:45,670 --> 00:08:49,250
+يكون صح مائة في المائة، ممتاز، طيب متى بيكون صح مائة
+
+114
+00:08:49,250 --> 00:08:57,710
+في المائة؟ إذا والله أنا إجيت قلت هيك مثلاً
+
+115
+00:08:57,710 --> 00:09:00,830
+حصرت على صورة واحدة من الصور التالية، فأنا هأتكلّم عن
+
+116
+00:09:00,830 --> 00:09:08,150
+الـ matrix، لو أنا إجيت قلت هنا والله عندي
+
+117
+00:09:08,150 --> 00:09:08,990
+هنا ثلاثين
+
+118
+00:09:12,600 --> 00:09:24,500
+وعندي هنا 20 وعندي هنا 50 وأنا
+
+119
+00:09:24,500 --> 00:09:28,740
+C1، C2،
+
+120
+00:09:28,740 --> 00:09:39,400
+وC3، والباقي أصفر، طبعاً هنا T1، T2، T3، وأنا تعمّدت أحط
+
+121
+00:09:39,400 --> 00:09:45,560
+القيم نفس الكمية، لحظوا معايا إنه فعلياً كل cluster
+
+122
+00:09:45,560 --> 00:09:50,720
+completely pure، صافي ما فيش فيه أي .. يعني كل
+
+123
+00:09:50,720 --> 00:09:53,800
+cluster مثل واحدة من الـ classes اللي موجودة عندي
+
+124
+00:09:53,800 --> 00:09:57,980
+كل cluster مثل واحدة فقط من الـ classes اللي موجودة
+
+125
+00:09:57,980 --> 00:10:01,920
+عندي، وهنا بتكلم إنه فعلياً كل cluster نقي تماماً
+
+126
+00:10:01,920 --> 00:10:06,740
+بيحتوي على عناصر من نفس الـ class فقط، عشان هي كان
+
+127
+00:10:06,740 --> 00:10:10,900
+بنتكلم إحنا على الـ purity، نقاوة أو نقاء، درجة
+
+128
+00:10:10,900 --> 00:10:17,700
+النقاء، طيب بما أن الحالة دي هي الـ optimal case أو
+
+129
+00:10:17,700 --> 00:10:21,640
+الـ ideal case واللي أنا فعلاً مش هأحصل عليها، أنا
+
+130
+00:10:21,640 --> 00:10:24,400
+هأحصل على شغل مشابه زي هيك من خلال الـ contingency
+
+131
+00:10:24,400 --> 00:10:28,020
+matrix، كيف أحسب الـ purity؟ الـ purity هي تساوي
+
+132
+00:10:28,020 --> 00:10:35,180
+عبارة عن مجموع الـ maximum في كل صف، الـ maximum عدد
+
+133
+00:10:35,180 --> 00:10:40,410
+maximum للـ Ti تنتمي لـ C، على الآن، الـ maximum خمسة و
+
+134
+00:10:40,410 --> 00:10:44,750
+عشرين، الـ maximum عشرين، الـ maximum عشرة، يعني خمسة و
+
+135
+00:10:44,750 --> 00:10:49,430
+عشرين زائد عشرين زائد عشرة، عندما أتكلّم عن خمسة و
+
+136
+00:10:49,430 --> 00:10:53,550
+خمسين، على كل الآن خمسة وخمسين، وفي عندي أضيفهم
+
+137
+00:10:53,550 --> 00:10:58,670
+هنا على خمسة وسبعين، بتكلم على الـ purity، الآن إن
+
+138
+00:10:58,670 --> 00:11:04,870
+عندي هنا ثلاثين، خمسة وثلاثي�� هي خمسة وستين، خمسة
+
+139
+00:11:04,870 --> 00:11:10,750
+و سبعين، معناته عندي أنا هنا خمسة اللي عندي هنا
+
+140
+00:11:10,750 --> 00:11:13,830
+نتكلم .. إحنا قلنا الـ maximum خمسة وأربعين ..
+
+141
+00:11:13,830 --> 00:11:21,510
+خمسة وخمسين .. خمسة وخمسين على خمسة وسبعين، هذه
+
+142
+00:11:21,510 --> 00:11:23,970
+الـ purity تبع الـ cluster أو تبع الـ contingency
+
+143
+00:11:23,970 --> 00:11:29,990
+matrix اللي موجودة عندي
+
+144
+00:11:29,990 --> 00:11:34,250
+طيب .. تعالوا نشوف المثال البسيط اللي عندي هذا
+
+145
+00:11:41,930 --> 00:11:45,370
+أنا مش بقول، بقول إن أنا الـ Purity بقدر أحسبها إذا
+
+146
+00:11:45,370 --> 00:11:50,690
+كانت بتعامل مع test set بتحتوي على target class
+
+147
+00:11:50,690 --> 00:11:56,970
+تخيّل، عشان يدمج التعريف هذا، الـ definition هذا، عشان
+
+148
+00:11:56,970 --> 00:12:00,610
+يدمج ما بين الشغلتين، بين إنه فعلياً الـ clustering
+
+149
+00:12:00,610 --> 00:12:05,230
+بتطبق على test set وأنا ما بقدرش أروح أقدر أعمل
+
+150
+00:12:05,230 --> 00:12:09,980
+evaluation إلا غير لو كان الـ label موجود، فجالي الـ
+
+151
+00:12:09,980 --> 00:12:12,960
+test set بتحتوي على target التي بنجمعها من الـ training
+
+152
+00:12:12,960 --> 00:12:20,520
+set ولا شو رأيكم؟ training
+
+153
+00:12:20,520 --> 00:12:25,220
+set، بيبقى الآن بقول، أفرض أن أنا في عندي test set
+
+154
+00:12:25,220 --> 00:12:29,900
+مكوّنة من 24 element بتنتمي لـ three different
+
+155
+00:12:29,900 --> 00:12:39,530
+classes، الـ O أو الـ circle، triangle، و square، ومجسّم
+
+156
+00:12:39,530 --> 00:12:45,490
+العناصر بالتساوي، 8، 8، 8، 8، بعد ما طبّقت الـ clustering
+
+157
+00:12:45,490 --> 00:12:50,510
+تبعتي، الـ cluster C1 فيها العناصر التالية، الـ cluster
+
+158
+00:12:50,510 --> 00:12:55,650
+C2، والـ cluster C3، طبعاً هنا في مصطلح جديد أضيفه
+
+159
+00:12:55,650 --> 00:13:01,630
+نقاء كل cluster، نقاء كل cluster بشكل مستقل، إذا
+
+160
+00:13:01,630 --> 00:13:07,380
+سألتكم، الـ cluster الأول بيمثل ايش؟ معظمكم حيقولوا والله
+
+161
+00:13:07,380 --> 00:13:12,880
+هذا بيمثل المثلثات، الـ triangles، واللي تحت
+
+162
+00:13:12,880 --> 00:13:16,480
+التاني راح يمثل المربعات الحمراء، وهذه راح تمثل الدوائر
+
+163
+00:13:16,480 --> 00:13:19,340
+الخضراء، مظبوط؟ فبالتالي أنا بقدر أحسب الـ purity
+
+164
+00:13:19,340 --> 00:13:22,300
+تبع كل cluster، الـ cluster الأول بيحتوي على 9 عناصر
+
+165
+00:13:22,300 --> 00:13:26,420
+والـ maximum كانت لمين؟ للمثلثات، معناته 6 على 9
+
+166
+00:13:26,420 --> 00:13:29,880
+لكن مش هي الـ target بتاعتي، أنا ما بهمنيش الـ purity
+
+167
+00:13:29,880 --> 00:13:34,820
+تبع كل class، أنا اللي بيهمني الـ purity لكل output
+
+168
+00:13:34,820 --> 00:13:40,340
+مرة واحدة للـ algorithm، الـ 24 element، هروح
+
+169
+00:13:40,340 --> 00:13:44,920
+أدور هنا، الـ maximum هنا 6، الـ maximum هنا 5، الـ
+
+170
+00:13:44,920 --> 00:13:49,980
+maximum هنا 5، 6 زائد 5 زائد 5 على 24، 16 على 24
+
+171
+00:13:49,980 --> 00:13:53,660
+درجة النقاء اللي بيعطينا إياها الـ cluster هذا بشكل
+
+172
+00:13:53,660 --> 00:14:00,460
+عام، 76.67% وهيك بتتمّ حساب الـ purity بتاعتنا هنا
+
+173
+00:14:00,460 --> 00:14:04,220
+طبعاً كمان مرة برجع بقول، أنا بقدر أتكلّم بشكل مبدئي
+
+174
+00:14:04,220 --> 00:14:09,910
+الـ majority تبع كل cluster، كذا غالبية تبع كل
+
+175
+00:14:09,910 -->

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/GPEcN85s2Oo_raw.srt

@@ -0,0 +1,864 @@
+1
+00:00:01,140 --> 00:00:03,520
+باسم الله و الحمد لله و الصلاة والسلام علي رسول
+
+2
+00:00:03,520 --> 00:00:08,140
+الله هذا التسجيل الأخير ان شاء الله في chapter ال
+
+3
+00:00:08,140 --> 00:00:12,840
+clustering عفوا قبل الأخير بيضللنا في تسجيل ان شاء
+
+4
+00:00:12,840 --> 00:00:16,540
+الله هيكون عملي باعتماد ال python الصحيح فشوف في
+
+5
+00:00:16,540 --> 00:00:24,320
+شغل ال python بعض الإبداعات منكم و بعضكم .. حلو
+
+6
+00:00:24,320 --> 00:00:25,480
+حلو حلو طبعك ماستور
+
+7
+00:00:28,370 --> 00:00:31,030
+البداية الشبتر ان ال cluster هي عبارة عن عملية
+
+8
+00:00:31,030 --> 00:00:34,230
+تقسيم ال instances بناء على تشابه او similarities
+
+9
+00:00:34,230 --> 00:00:38,570
+ما بينهم لمجموعات في عند partition ال cluster و ال
+
+10
+00:00:38,570 --> 00:00:41,070
+partition ال cluster انه مايكونش في عنده overlap
+
+11
+00:00:41,070 --> 00:00:44,550
+clusters و في عنده hierarchical cluster انه انا
+
+12
+00:00:44,550 --> 00:00:48,870
+فعليا مقدر اشوف كل cluster بينتمي لأي cluster و
+
+13
+00:00:48,870 --> 00:00:51,330
+طبعا هان بتحكم في عدد ال clusters اللي انا بدي
+
+14
+00:00:51,330 --> 00:00:55,310
+اياها كل clusterبساطة، اليوم ان شاء الله نتكلم عن
+
+15
+00:00:55,310 --> 00:00:59,990
+جزئية evaluation طبعاً لما نتكلم عن evaluation
+
+16
+00:00:59,990 --> 00:01:07,030
+كتقييم ال ..
+
+17
+00:01:07,030 --> 00:01:11,390
+نتكلم عن التقييم، هل التقييم وارد في ال
+
+18
+00:01:11,390 --> 00:01:16,990
+clustering؟ التقييم كتقييم في ال clustering إذا ال
+
+19
+00:01:16,990 --> 00:01:21,650
+data 6 بقى unlabeled ولا عمره بيكون صحلأن انا
+
+20
+00:01:21,650 --> 00:01:27,410
+فعليا لازم اتدخل ل human عفوا المقصود ان التقييم
+
+21
+00:01:27,410 --> 00:01:35,220
+مستحيل يكون صحيح او حاليا بدي اقول انه يكاد يكونمن
+
+22
+00:01:35,220 --> 00:01:40,060
+المستحيل تطبيق التقييم إلا من خلال expert قادر
+
+23
+00:01:40,060 --> 00:01:45,460
+فعليا على دراسة كل instance و فعليا أنها تنتمي ل
+
+24
+00:01:45,460 --> 00:01:49,620
+cluster أو متشابه مع العناصر اللي موجودة عندها لكن
+
+25
+00:01:49,620 --> 00:01:54,920
+إحنا هلأ لما نتكلم عن ال clusteringأنا لدي
+
+26
+00:01:54,920 --> 00:01:58,140
+algorithm و data set و طبقت على ال data set هل في
+
+27
+00:01:58,140 --> 00:02:01,520
+مجال أعمل evaluation لل algorithm أو للناتج اللي
+
+28
+00:02:01,520 --> 00:02:06,160
+موجود؟ أه في مجال لكن في حالة واحدة فقط إذا انا
+
+29
+00:02:06,160 --> 00:02:10,720
+اعتمدت ان في عندي labelled data set طب احنا قلنا
+
+30
+00:02:10,720 --> 00:02:15,020
+من البداية ان
+
+31
+00:02:15,020 --> 00:02:17,800
+ال cluster بتشتغل على ال test set يعني ال label مش
+
+32
+00:02:17,800 --> 00:02:22,580
+موجود صحيح الفكرة وين ان انا بدي افصل ال data set
+
+33
+00:02:22,580 --> 00:02:31,250
+تبعتيمجموعة الـ attributes لحال و ال target label
+
+34
+00:02:31,250 --> 00:02:40,670
+لحالي وبعد هيك اعمل لهادي clustering بدي اعمل هنا
+
+35
+00:02:40,670 --> 00:02:44,590
+clustering لل data set اللي موجودة عندي هنا وبناء
+
+36
+00:02:44,590 --> 00:02:48,270
+على ال clusters انا عارف ان كل instance بتتبع اي
+
+37
+00:02:48,270 --> 00:02:54,960
+label فبصير انا بقى اقارن ال labelاللي عندي مع ال
+
+38
+00:02:54,960 --> 00:02:57,100
+clusters اللي هو اللي عندي هان وبناءً عن هيكت بحصل
+
+39
+00:02:57,100 --> 00:03:02,660
+على تقييم وبالتالي لما احنا بنتكلم على ال ال ال ال
+
+40
+00:03:02,660 --> 00:03:03,400
+ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال
+
+41
+00:03:03,400 --> 00:03:04,060
+ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال
+
+42
+00:03:04,060 --> 00:03:05,500
+ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال
+
+43
+00:03:05,500 --> 00:03:06,460
+ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال
+
+44
+00:03:06,460 --> 00:03:06,460
+ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال
+
+45
+00:03:06,460 --> 00:03:07,520
+ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال
+
+46
+00:03:07,520 --> 00:03:07,520
+��ل ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال
+
+47
+00:03:07,520 --> 00:03:07,520
+ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال
+
+48
+00:03:07,520 --> 00:03:07,520
+ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال
+
+49
+00:03:07,520 --> 00:03:07,520
+ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال
+
+50
+00:03:07,520 --> 00:03:07,620
+ال ال ال ال
+
+51
+00:03:22,210 --> 00:03:28,550
+لأن النتائج اللي موجودة عندي ماحدش بيقول عنها صح
+
+52
+00:03:28,550 --> 00:03:31,570
+أو خطأ يعني انا استخدمت two different algorithms
+
+53
+00:03:31,570 --> 00:03:36,930
+وقلتلهم والله جسمولي ال data set كpartitional ل
+
+54
+00:03:36,930 --> 00:03:46,770
+three clusters طلعولي three clustersمش ضروري مش
+
+55
+00:03:46,770 --> 00:03:50,350
+ضروري العناصر اللي في ال cluster الأول هي نفسها
+
+56
+00:03:50,350 --> 00:03:51,970
+اللي في العناصر ال cluster التاني ناتج ال
+
+57
+00:03:51,970 --> 00:04:00,600
+algorithm وبالتالي مقارنة ال output شبه مستحيلةإذا
+
+58
+00:04:00,600 --> 00:04:02,640
+كنت أقول أن الـ Algorithm أعطاني نفس النتيجة أو
+
+59
+00:04:02,640 --> 00:04:05,880
+نفس الـ الـ فايدة من التاني، فلا تتميز التاني عنه
+
+60
+00:04:05,880 --> 00:04:10,360
+تمام، إلا فعليًا لو الـ Data كانت فعليًا الـ Data
+
+61
+00:04:10,360 --> 00:04:13,960
+Discriminant الـ Instances ميالة لـ Different Tree
+
+62
+00:04:13,960 --> 00:04:18,180
+Classes وكل واحدة، كل Instance تنتمي ل Class، يعني
+
+63
+00:04:18,180 --> 00:04:22,100
+في عندي Discriminant Attribute وجادرياش توصفليهم
+
+64
+00:04:22,100 --> 00:04:25,100
+أو توديليهم على الـ Certain Class أو الـ Target
+
+65
+00:04:25,100 --> 00:04:30,020
+Cluster عفواً بشكل كويس، لكن لما أنا فعليًابطبق
+
+66
+00:04:30,020 --> 00:04:34,000
+ممكن باعتمادي على ال training set ال training set
+
+67
+00:04:34,000 --> 00:04:39,000
+إذا أنا طبقت ال cluster algorithm على ال training
+
+68
+00:04:39,000 --> 00:04:43,020
+set تلاحظين معايا يا جماعة الخير؟ لما أنا بدي أعمل
+
+69
+00:04:43,020 --> 00:04:45,720
+evaluation .. الآن فعليا .. فعليا ليه clustering
+
+70
+00:04:45,720 --> 00:04:49,580
+unsupervised learning؟ يعني أنا بتجاهل ال label أو
+
+71
+00:04:49,580 --> 00:04:53,560
+ال label مش موجود في ال data set هذه واحدة لما أنا
+
+72
+00:04:53,560 --> 00:04:59,370
+بدي أعمله evaluation لل algorithm تمام؟بقدر اعمل
+
+73
+00:04:59,370 --> 00:05:03,170
+evaluation في حالة واحدة فقط اذا انا قدرت اطبقه
+
+74
+00:05:03,170 --> 00:05:06,410
+على training set شو training set يعني في عندي
+
+75
+00:05:06,410 --> 00:05:09,930
+label طب هل الكلام هذا موجود؟ اه موجود بصير كل
+
+76
+00:05:09,930 --> 00:05:15,670
+label كل class بمثابة cluster كل class بمثابة
+
+77
+00:05:15,670 --> 00:05:21,910
+cluster و بروح باخف ال class و بجسم ال data set
+
+78
+00:05:21,910 --> 00:05:24,210
+بدون ال cluster زي ما واجهتكوا في ال slide السابقة
+
+79
+00:05:24,210 --> 00:05:30,020
+زي ما رسلناها يعني انا الآنهي ال data set تبعي
+
+80
+00:05:30,020 --> 00:05:37,920
+كمان مرة فصلت ال cluster
+
+81
+00:05:37,920 --> 00:05:40,940
+أو فصلت ال data set ال attribute وال label أو ال
+
+82
+00:05:40,940 --> 00:05:46,720
+class جسم
+
+83
+00:05:46,720 --> 00:05:49,200
+ال data set صار عندى الآن هي ال label وهي ال
+
+84
+00:05:49,200 --> 00:05:55,150
+attribute الآن باجب اطبق ال clustering handطبق الـ
+
+85
+00:05:55,150 --> 00:05:57,170
+Clustering على الـ Attributes اللي موجودة عندها
+
+86
+00:05:57,170 --> 00:06:02,830
+على الـ Instances اللي موجودة تمام، الآن فعلياً كل
+
+87
+00:06:02,830 --> 00:06:07,870
+Instance بتبقى Class وفي عندى مجموعة Instances في
+
+88
+00:06:07,870 --> 00:06:10,470
+نفس ال class بين جسين أنه فعلياً ال data already
+
+89
+00:06:10,470 --> 00:06:15,590
+منجسمة فإذا أنا قدرت أربط ما بين ال true cluster
+
+90
+00:06:15,590 --> 00:06:21,890
+اللي هي ال label و ال predicted cluster اللي موجود
+
+91
+00:06:21,890 --> 00:06:26,610
+عندهابقدر أنشئ شغل اسمها الـ Contingency Matrix
+
+92
+00:06:26,610 --> 00:06:29,930
+ومن الـ Contingency Matrix ممكن أن اتكلم على شغل
+
+93
+00:06:29,930 --> 00:06:36,160
+اول metric هسميها الـ Durityتعالى نتكلم عن الـ
+
+94
+00:06:36,160 --> 00:06:38,920
+Contingency Matrix ايش الـ Contingency Matrix
+
+95
+00:06:38,920 --> 00:06:43,720
+بتقول ان لدي ثلاثة .. طبعا لاحظوا يا جماعة الخير
+
+96
+00:06:43,720 --> 00:06:47,960
+في موقزي انا بدي اختبر Clustering Algorithm في
+
+97
+00:06:47,960 --> 00:06:51,980
+عندي label data set ال label data set فيها عدد
+
+98
+00:06:51,980 --> 00:06:55,800
+classes معين N لما بدي استخدم ال Clustering
+
+99
+00:06:55,800 --> 00:06:59,020
+Algorithm بدي اقول جسمليها لـ N من ال cluster لأن
+
+100
+00:06:59,020 --> 00:07:02,800
+كل cluster بدي ميثل Classفأنا بفترض أنه عندي data
+
+101
+00:07:02,800 --> 00:07:07,680
+set مكوّنة من three classes label data set مكوّنة
+
+102
+00:07:07,680 --> 00:07:13,080
+من three classes بتسميهم T1 وT2 وT3 من true true
+
+103
+00:07:13,080 --> 00:07:18,520
+cluster أو true segment أو true partition سميها زي
+
+104
+00:07:18,520 --> 00:07:24,380
+ما بدك true label سميها زي ما بدكواوC1 وC2 وC3 هما
+
+105
+00:07:24,380 --> 00:07:28,060
+الـ clusters اللي انشغلياهم من ال algorithm اللي
+
+106
+00:07:28,060 --> 00:07:31,580
+موجود عندها ايش راح اجلب؟ ايش بفهم ال contingency
+
+107
+00:07:31,580 --> 00:07:41,000
+matrix؟ انه في C1 C1 خمسة وعشرين element بينتمي ل
+
+108
+00:07:41,000 --> 00:07:45,020
+T2 وخمسة
+
+109
+00:07:45,020 --> 00:07:50,410
+element بينتمي ل T3 وخمس عناصر بينتمي ل T3يعني
+
+110
+00:07:50,410 --> 00:07:56,730
+عندي 25 عنصر من T ناتج
+
+111
+00:07:56,730 --> 00:08:06,470
+ال clustering C1 بيحتوي على 30 عنصر 25 منهم حقيقة
+
+112
+00:08:06,470 --> 00:08:12,550
+من ال class التاني و 5 من ال class التالت و لا
+
+113
+00:08:12,550 --> 00:08:18,880
+واحد من ال class الأولT2 أو cluster C2 بيحتوي على
+
+114
+00:08:18,880 --> 00:08:25,100
+35 عنصر 15 من ال class الأول و 20 من ال class
+
+115
+00:08:25,100 --> 00:08:32,220
+التالت cluster تلاتة بيحتوي على عشر عناصر فقط كلهم
+
+116
+00:08:32,220 --> 00:08:40,100
+كلهم بيتبعوا T1 الآن هذا الكلام إذا انا افهمته
+
+117
+00:08:41,270 --> 00:08:45,670
+معناته أنا مش ضروري الـ Clustering algorithm تبعي
+
+118
+00:08:45,670 --> 00:08:49,250
+يكون صح مائة في المائة ممتاز طب متى بيكون صح مائة
+
+119
+00:08:49,250 --> 00:08:57,710
+في المائة إذا والله أنا إجيت قولت هيك مثلًا
+
+120
+00:08:57,710 --> 00:09:00,830
+حصرت على صورة واحدة من الصور التالية فانا هتكلم عن
+
+121
+00:09:00,830 --> 00:09:08,150
+ال matrix لو أنا إجيت قولت هنا والله عندي
+
+122
+00:09:08,150 --> 00:09:08,990
+هنا تلاتين
+
+123
+00:09:12,600 --> 00:09:24,500
+وعندي هنا 20 وعندي هنا 50 وانا
+
+124
+00:09:24,500 --> 00:09:28,740
+C1 C2
+
+125
+00:09:28,740 --> 00:09:39,400
+وC3 والباقي أصفر طبعا هنا T1 T2 T3 وانا اتعمدت احط
+
+126
+00:09:39,400 --> 00:09:45,560
+القيم نفس الكيفيةلحظوا معايا إنه فعليا كل cluster
+
+127
+00:09:45,560 --> 00:09:50,720
+completely pure صافي مافيش فيه أي .. يعني كل
+
+128
+00:09:50,720 --> 00:09:53,800
+cluster مثل واحدة من ال classes اللي موجودة عندى
+
+129
+00:09:53,800 --> 00:09:57,980
+كل cluster مثل واحدة فقط من ال classes اللي موجودة
+
+130
+00:09:57,980 --> 00:10:01,920
+عندى وهنا بتكلم إنه فعليا كل cluster نقي تماما
+
+131
+00:10:01,920 --> 00:10:06,740
+بيحتوي عناصر من نفس ال class فقط عشان هي كان
+
+132
+00:10:06,740 --> 00:10:10,900
+بنتكلم احنا على ال purity نقاوة أو نقاء درجة
+
+133
+00:10:10,900 --> 00:10:17,700
+النقاءطيب، بما أن الحالة دي هي الـ optimal case أو
+
+134
+00:10:17,700 --> 00:10:21,640
+الـ ideal case واللي أنا فعلا مش هحصل عليها، أنا
+
+135
+00:10:21,640 --> 00:10:24,400
+هحصل على شغل مشابه زي هيك من خلال الـ contingency
+
+136
+00:10:24,400 --> 00:10:28,020
+matrix كيف أحسب الـ purity؟ الـ purity هي تساوي
+
+137
+00:10:28,020 --> 00:10:35,180
+عبارة عن مجموع ال maximum في كل صفر ال maximum عدد
+
+138
+00:10:35,180 --> 00:10:40,410
+maximum للـ Ti تنتمي لCعلى الان ال maximum خمسة و
+
+139
+00:10:40,410 --> 00:10:44,750
+عشرين ال maximum عشرين ال maximum عشرة يعني خمسة و
+
+140
+00:10:44,750 --> 00:10:49,430
+عشرين زائد عشرين زائد عش��ةعندما اتكلم عن خمسة و
+
+141
+00:10:49,430 --> 00:10:53,550
+خمسين على كل الان خمسة و خمسين و في عندى اضيفهم
+
+142
+00:10:53,550 --> 00:10:58,670
+هنا على خمسة و سبعين بتكلم على ال purity الان ان
+
+143
+00:10:58,670 --> 00:11:04,870
+عندي هان تلاتين خمسة و تلاتين هي خمسة و ستين خمسة
+
+144
+00:11:04,870 --> 00:11:10,750
+و سبعين معناته عندى انا هان خمسةاللي عندي هنا
+
+145
+00:11:10,750 --> 00:11:13,830
+نتكلم .. احنا قولنا ال maximum خمسة و أربعين ..
+
+146
+00:11:13,830 --> 00:11:21,510
+خمسة و خمسين .. خمسة و خمسين على خمسة و سبعين هذه
+
+147
+00:11:21,510 --> 00:11:23,970
+ال purity تبع ال cluster أو تبع ال contingency
+
+148
+00:11:23,970 --> 00:11:29,990
+matrix اللي موجودة عندي
+
+149
+00:11:29,990 --> 00:11:34,250
+طيب .. تعالى نشوف المثال البسيط اللي عندي هاد
+
+150
+00:11:41,930 --> 00:11:45,370
+أنا مش بقول، بقول إن أنا الـPurity بقدر أحسبها إذا
+
+151
+00:11:45,370 --> 00:11:50,690
+كانت بتعامل مع test set بتحتوي على target class
+
+152
+00:11:50,690 --> 00:11:56,970
+تخيل، عشان يدمج التعريف هذا الـdefinition هذا عشان
+
+153
+00:11:56,970 --> 00:12:00,610
+يدمج ما بين الشغلتين بين إنه فعليا الـclustering
+
+154
+00:12:00,610 --> 00:12:05,230
+تطبق على test set وأنا مقدرش أروح أقدر أعمل
+
+155
+00:12:05,230 --> 00:12:09,980
+evaluation إلا غير لو كان ال label موجودفجالي ال
+
+156
+00:12:09,980 --> 00:12:12,960
+test set بتحتوي على target التي بنجوزني training
+
+157
+00:12:12,960 --> 00:12:20,520
+set و لا شو رأيكوا training
+
+158
+00:12:20,520 --> 00:12:25,220
+set بيبقى الان بقول افترض ان انا في عندى test set
+
+159
+00:12:25,220 --> 00:12:29,900
+مكونة من 24 element بتنتمي ل three different
+
+160
+00:12:29,900 --> 00:12:39,530
+classes ال O او ال circleTriangle وSquare ومجسم
+
+161
+00:12:39,530 --> 00:12:45,490
+العناصر بالتساوي 8888 بعد ما طبقت ال clustering
+
+162
+00:12:45,490 --> 00:12:50,510
+تبعت ال cluster C1 فيها العناصر التالية ال cluster
+
+163
+00:12:50,510 --> 00:12:55,650
+C2 و ال cluster C3 طبعا هنا في مصطلح جديد اضيفه
+
+164
+00:12:55,650 --> 00:13:01,630
+نقاء كل cluster نقاء كل cluster بشكل مستقل اذا
+
+165
+00:13:01,630 --> 00:13:07,380
+سألتك ال cluster الأول بمثل ايش؟معظمكم حيقولوا و
+
+166
+00:13:07,380 --> 00:13:12,880
+الله هذا بيمثل المثلثات ال triangles و اللي تحت
+
+167
+00:13:12,880 --> 00:13:16,480
+التاني هيمثل المربعات الحمراء و هذه هيمثل الدوائر
+
+168
+00:13:16,480 --> 00:13:19,340
+الخضراء، مظبوط؟ فبالتالي أنا بقدر أحسب ال purity
+
+169
+00:13:19,340 --> 00:13:22,300
+تبع كل cluster ال cluster الأول بيحتوي على 9 عناصر
+
+170
+00:13:22,300 --> 00:13:26,420
+و ال maximum كانت لمين؟ للمثلثات، معناته 6 على 9
+
+171
+00:13:26,420 --> 00:13:29,880
+لكن مش هي ال target تبعتي، أنا مابهمنيش ال purity
+
+172
+00:13:29,880 --> 00:13:34,820
+تبع كل class أنا اللي بيهمني ال purity لكل output
+
+173
+00:13:34,820 --> 00:13:40,340
+مرة واحدةللـ algorithm ال element 24 element هروح
+
+174
+00:13:40,340 --> 00:13:44,920
+أدور هانالـ maximum هنا 6 الـ maximum هنا 5 الـ
+
+175
+00:13:44,920 --> 00:13:49,980
+maximum هنا 5 6 زائد 5 زايد 5 على 24 16 على 24
+
+176
+00:13:49,980 --> 00:13:53,660
+درجة النقاء اللي بيعطينا إياها ال cluster هذا بشكل
+
+177
+00:13:53,660 --> 00:14:00,460
+عام 76.67% و هيك بتتم حسبة ال purity تبعتنا هنا
+
+178
+00:14:00,460 --> 00:14:04,220
+طبعا كمان مرة برجع بقول أنا بقدر أتكلم بشكل مبدئي
+
+179
+00:14:04,220 --> 00:14:09,910
+ال majority تبع كل cluster كذاغالبية تبعت كل
+
+180
+00:14:09,910 --> 00:14:13,370
+cluster كده لكن ال purity تبعتها هتكون هذه مش
+
+181
+00:14:13,370 --> 00:14:17,330
+واضحة فعليا لو قلع عندي cluster مادة نسوشي و
+
+182
+00:14:17,330 --> 00:14:22,150
+بينتمي مثلا فقط ل two clusters ل two classes يعني
+
+183
+00:14:22,150 --> 00:14:25,770
+من نوعين مختلفين هقول ال purity لمين فبتصير ال
+
+184
+00:14:25,770 --> 00:14:29,990
+purity هذه غير واضحة أو بتصير مفهومها غير دقيق أنا
+
+185
+00:14:29,990 --> 00:14:34,770
+اللي بهمني ال purity تب��ت ال cluster بشكل عامطبعاً
+
+186
+00:14:34,770 --> 00:14:38,790
+أنا فيه متريكز تانية ممكن تستخدم نفس المبدأ الـ
+
+187
+00:14:38,790 --> 00:14:41,230
+Ground Truth إن أنا فعلياً لازم يكون فيه training
+
+188
+00:14:41,230 --> 00:14:44,710
+data set وهذا مفهوم Ground Truth يعني الحقيقة
+
+189
+00:14:44,710 --> 00:14:47,690
+الأمر الواقع، إيش الأمر الواقع؟ الأمر الواقع ال
+
+190
+00:14:47,690 --> 00:14:51,510
+class اللي موجود عندها، اللي هي الأساس، تمام؟ وهذا
+
+191
+00:14:51,510 --> 00:14:57,250
+فعلياً أنا لما بطبق ال data setأو Clustering على
+
+192
+00:14:57,250 --> 00:14:59,690
+الـ Training Set اللي موجودة هنا في عندي الـ
+
+193
+00:14:59,690 --> 00:15:04,710
+Adjusted Random Index وفي عندي Normalized Mutual
+
+194
+00:15:04,710 --> 00:15:09,450
+Information وهذه بتديني قيم من صفر لواحد وكل ما
+
+195
+00:15:09,450 --> 00:15:15,390
+كانت القيمةأقرب للواحد معينته الـ purity تبعتي أو
+
+196
+00:15:15,390 --> 00:15:19,830
+الـ scale تبعي ال algorithm تبعتي أفضل الصحيح أنا
+
+197
+00:15:19,830 --> 00:15:25,010
+مش هاطلب منكوا العمليات الحسابية اللي موجودة عند
+
+198
+00:15:25,010 --> 00:15:28,810
+هان نفس الكلام هي في عند contingency matrix عند ال
+
+199
+00:15:28,810 --> 00:15:30,890
+actual class
+
+200
+00:15:32,410 --> 00:15:38,490
+عن طريق الـ Predicted Cluster في نفس الحسبة لكن
+
+201
+00:15:38,490 --> 00:15:43,770
+هنا بتكلم عن جداش الـ elements من كل عنصر تماما
+
+202
+00:15:43,770 --> 00:15:47,710
+الحسبة مش مطلوبة يا جماعة الخير لكن هوريكم إياها
+
+203
+00:15:47,710 --> 00:15:51,830
+إن شاء الله في العمل وبهيك نهينا شبترنا يعني أنا
+
+204
+00:15:51,830 --> 00:15:55,630
+الآن لما أتكلم على ال evaluation ممكن أتكلم على
+
+205
+00:15:55,630 --> 00:15:59,590
+three different metrics3 مترات مختلفة لـ Purity
+
+206
+00:15:59,590 --> 00:16:03,710
+وهي مطموعة منكوا حسابيتها لأنها سهلة ال maximum ال
+
+207
+00:16:03,710 --> 00:16:06,390
+summation للماكسيممم في كل cluster على عدد ال
+
+208
+00:16:06,390 --> 00:16:09,130
+elements كلها في ال data set وهي بتمثل ال purity
+
+209
+00:16:09,130 --> 00:16:14,890
+في عندي مجرد مصطلحين أخرين أخرين بدي أسمعهم بدي
+
+210
+00:16:14,890 --> 00:16:19,810
+أحرفهم اللي هو adjusted rank index وnormalize
+
+211
+00:16:19,810 --> 00:16:25,010
+mutual information هي عبارة عن rank بحسب ال
+
+212
+00:16:25,010 --> 00:16:30,060
+similarity between any two clustersحسبة مش مطلوبة
+
+213
+00:16:30,060 --> 00:16:33,520
+لكن فعلياً هي عبارة عن evaluation metric انا ممكن
+
+214
+00:16:33,520 --> 00:16:36,580
+او جد استخدمها مع ال clustering اللي يعطيكوا
+
+215
+00:16:36,580 --> 00:16:39,320
+العافية و بتمنالكوا التوفيق السلام عليكم ورحمة
+
+216
+00:16:39,320 --> 00:16:39,440
+الله
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/S8_leI0rRZ0_raw.srt

@@ -0,0 +1,1080 @@
+1
+00:00:00,000 --> 00:00:02,940
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:02,940 --> 00:00:07,260
+أهلا وسهلا فيكم بالمحاضرة الثانية في ال regression
+
+3
+00:00:07,260 --> 00:00:12,580
+وهنا هنتكلم عن ال multiple regression كنا في
+
+4
+00:00:12,580 --> 00:00:16,400
+المحاضرة الماضية اتكلمنا عن ال simple linear
+
+5
+00:00:16,400 --> 00:00:19,440
+regression وقلنا simple linear regression معناته
+
+6
+00:00:19,440 --> 00:00:23,960
+انا عندي معادلة خط مستقيم واحد فقط اللي هي Y عفوا
+
+7
+00:00:23,960 --> 00:00:25,400
+خليني ادهر ال pointer
+
+8
+00:00:37,800 --> 00:00:44,480
+قلنا في معادلة الخط المستقيم أن الـ Y تساوي الـ M
+
+9
+00:00:44,480 --> 00:00:59,140
+X زائد الـ B وقلنا أن الـ M عندها تساوي
+
+10
+00:00:59,140 --> 00:01:14,070
+مجميع X I ناقص وتوسط Xمضروبة في Y I ناقص متوسط الـ
+
+11
+00:01:14,070 --> 00:01:19,330
+Y على مجموع
+
+12
+00:01:19,330 --> 00:01:30,310
+X I ناقص متوسط الـ X كل تربيع والـ B
+
+13
+00:01:33,710 --> 00:01:39,590
+متوسط Y ناقص M
+
+14
+00:01:42,630 --> 00:01:47,090
+الـ X فشوفنا مع بعض كيف احنا وصلنا للمعادلة او
+
+15
+00:01:47,090 --> 00:01:49,950
+اشتغلنا مع بعض وشوفنا ال simple linear regression
+
+16
+00:01:49,950 --> 00:01:52,590
+اليوم ان شاء الله تعالى هنتكلم على ال multiple زي
+
+17
+00:01:52,590 --> 00:01:55,470
+ما وعدناكم هنتكلم على ال multiple regression وما
+
+18
+00:01:55,470 --> 00:01:58,210
+زلت بتكلم على ال simple linear regression ال
+
+19
+00:01:58,210 --> 00:02:01,450
+regression لكنه بتكلم على المultiple الان لما انا
+
+20
+00:02:01,450 --> 00:02:03,510
+بتكلم على ال multiple regression معناته انا بدى
+
+21
+00:02:03,510 --> 00:02:07,270
+اتنبأ بالعلاقة زي ما قلنا سابقا بين ال multiple
+
+22
+00:02:07,270 --> 00:02:11,010
+attributes او multiple variables في عندي more than
+
+23
+00:02:12,010 --> 00:02:14,770
+one independent attribute وقلنا من الأمثلة
+
+24
+00:02:14,770 --> 00:02:19,510
+الموجودة عليها ال income و ال education أو تأثير
+
+25
+00:02:19,510 --> 00:02:22,830
+ال income و ال education و ال living area على
+
+26
+00:02:22,830 --> 00:02:26,730
+تأثير
+
+27
+00:02:26,730 --> 00:02:31,610
+قيمة الدخل و التعليم على المنطقة اللي يعيش فيها
+
+28
+00:02:31,610 --> 00:02:35,290
+الشخص اللي موجود عندها طبعا لما بتكلم على زيادة
+
+29
+00:02:35,290 --> 00:02:38,410
+عدد ال variables أو عدد ال independent variables
+
+30
+00:02:39,300 --> 00:02:43,460
+معناته أنا بزيد من تعقيد عملية ال prediction لأنه
+
+31
+00:02:43,460 --> 00:02:47,460
+انا فعليا بدي اتكلم على .. بدي اوجد علاقة ما بين
+
+32
+00:02:47,460 --> 00:02:50,660
+كل ال attributes هذه مجتمعها طبعا يا جماعة الخير
+
+33
+00:02:50,660 --> 00:02:55,220
+عشان بس قبل ما انا اتكلم شغلة ليش احنا بالتحديد
+
+34
+00:02:55,220 --> 00:03:00,660
+قولنا linear regression معادلة خطية لأنه الرتبة
+
+35
+00:03:00,660 --> 00:03:05,360
+تبعتها هي لاحظوا يا جماعة الخير انا بتكلم
+
+36
+00:03:08,290 --> 00:03:11,430
+لما كنت بتكلم على الـ simple regression عفوا بالـ
+
+37
+00:03:11,430 --> 00:03:15,170
+simple regression عندي x و y ففي الآخر المعادلة
+
+38
+00:03:15,170 --> 00:03:19,930
+تبعت سواء كانت خط مستقيم أو polynomial بغض النظر
+
+39
+00:03:19,930 --> 00:03:26,930
+عن طبيعتها أنا في الآخر بتكلم في العلاقة في الـ 2D
+
+40
+00:03:26,930 --> 00:03:31,230
+ليش؟ لأن في عندي two attributes تمام طب لو كانوا
+
+41
+00:03:31,230 --> 00:03:33,650
+في عندي three attributes two independent و one
+
+42
+00:03:33,650 --> 00:03:37,550
+dependent معناته بتكلم على 3D طب لو كانوا four
+
+43
+00:03:38,380 --> 00:03:43,020
+طبعا، لاحظوا معايا في الـ linear .. linear هنصف
+
+44
+00:03:43,020 --> 00:03:49,460
+بقول خط طيب، هل ممكن يكون في عندي linear multiple
+
+45
+00:03:49,460 --> 00:03:53,260
+attributes؟ أه ممكن طبعا، تعالي خلينا نتخيل
+
+46
+00:03:53,260 --> 00:03:55,920
+المعادلة تبعتي بالشكل هذا ال multiple regression
+
+47
+00:03:55,920 --> 00:03:58,340
+لما يكون في عندك K independent attributes، هيوم
+
+48
+00:03:58,340 --> 00:04:02,660
+إيش هكونها�� طبعا، بتكلم عن linear regression لأن
+
+49
+00:04:02,660 --> 00:04:06,560
+أعلى قيمة أو أعلى أصلة X بتكون واحد، هاي المفهوم
+
+50
+00:04:06,560 --> 00:04:13,730
+ال linearالان الـ predicted y بيتساوي ال intercept
+
+51
+00:04:13,730 --> 00:04:22,970
+B0 زائد ال mail M1 في X1 زائد M2 في X2 زائد زائد
+
+52
+00:04:22,970 --> 00:04:29,010
+Mk أو Bk في Xk ولمّا أنا بدي أجي أرسم معادلة بشكل
+
+53
+00:04:29,010 --> 00:04:32,290
+هذا أبسط المعادلات اللي ممكن أستوعبها أنا في الرسم
+
+54
+00:04:32,290 --> 00:04:35,950
+بعد هيكلما يكون لدي two independent variables ها
+
+55
+00:04:35,950 --> 00:04:41,050
+هي X1 و X2 two independent variables مع ال
+
+56
+00:04:41,050 --> 00:04:45,050
+dependent variables صاروا three attributes عشان
+
+57
+00:04:45,050 --> 00:04:48,830
+اقدر امثلهم انا او اتخيلهم صح بدي اتخيل ال 3D
+
+58
+00:04:48,830 --> 00:04:52,670
+space ممتاز طيب المعادلة الخطية في ال 3D space
+
+59
+00:04:52,670 --> 00:04:57,050
+معناته هي بتتكلم على surface سطح والسطح هذا
+
+60
+00:04:57,050 --> 00:05:03,840
+الومنين ميل هيكونمع الـ X و ميلم بيكون مع الـ X
+
+61
+00:05:03,840 --> 00:05:06,000
+التاني أو المحور التاني بما أن أنا في عيني الـ 2X
+
+62
+00:05:06,000 --> 00:05:09,680
+X1 و X2 و الـ Y ثابتة لأن الـ Y هي الـ predicted
+
+63
+00:05:09,680 --> 00:05:13,860
+value و أنا في عندي X1 و X2 بما أن في عندي ميلم مع
+
+64
+00:05:13,860 --> 00:05:20,400
+X1 و X2 وبناءً عليه أنا بتتكلم على معادلة خطية
+
+65
+00:05:20,400 --> 00:05:26,260
+لكنها في الـ 3D تمام، الآن لو أنا أفضل أو أعمل
+
+66
+00:05:26,260 --> 00:05:31,140
+predictionبالـ python بتمنى هذه الجزئية تكون سهلة
+
+67
+00:05:31,140 --> 00:05:34,320
+يعني مافيش فيها كلام انت بدك تستوعب طب لو كان في
+
+68
+00:05:34,320 --> 00:05:36,440
+عندي انا four attribute three independent
+
+69
+00:05:36,440 --> 00:05:40,180
+attribute جماعة الخير three independent attribute
+
+70
+00:05:40,180 --> 00:05:44,540
+و one independent attribute يعني صاروا اربعة ايش
+
+71
+00:05:44,540 --> 00:05:48,200
+الشكل تبعي اللي احب اتخيله في ال space في ال 4D
+
+72
+00:05:48,200 --> 00:05:51,900
+بسيط بتكلم على space مكعب ممكن تكون هذا ال space
+
+73
+00:05:51,900 --> 00:05:57,480
+cubeالمفروض عندما أزيد عدد الـ Attributes سأزيد
+
+74
+00:05:57,480 --> 00:06:01,880
+مخيلتي لكي أتكلم عليها لكن بفضل الله تبارك وتعالى
+
+75
+00:06:01,880 --> 00:06:06,220
+نحن بعد الـ 3D بنبطل نستوعب أيش اللي ممكن أصير
+
+76
+00:06:06,220 --> 00:06:09,520
+الآن بتعالي نشوف بالـ Python بدي أشغل على نفس
+
+77
+00:06:09,520 --> 00:06:12,780
+الطريقة أو نفس الفكرة السابقة استخدمت الـ NumPy
+
+78
+00:06:12,780 --> 00:06:17,440
+وروح وقلت له أنا في عندي Array لكن كل رو في الـ
+
+79
+00:06:17,440 --> 00:06:21,840
+Array بيحتوي على two attributes أو two variables
+
+80
+00:06:23,550 --> 00:06:27,310
+خمسة و ثلاثة يعني ال attribute X1 خمسة في الصف
+
+81
+00:06:27,310 --> 00:06:33,670
+الأول X2 ثلاثة X1 سبعة X2 خمسة و هكذا و ال Y ده هي
+
+82
+00:06:33,670 --> 00:06:37,670
+ال value تبعتهم لاحظوا ماتغيرش معايا ولا حاجة انا
+
+83
+00:06:37,670 --> 00:06:43,670
+غير انه غيرت بس ال X ال attributes تبعتي صارت في
+
+84
+00:06:43,670 --> 00:06:47,770
+ال 2D dimension 2D array و لاحظوا ماكنت لشري shape
+
+85
+00:06:47,770 --> 00:06:53,060
+لأنه خلاص ليش لأن انا كنت بده حلقت في صفوففي صفوف
+
+86
+00:06:53,060 --> 00:06:56,380
+وانتهى الأمر هنا مافيش داعي ان اعمله Reshape الـ y
+
+87
+00:06:56,380 --> 00:07:02,340
+.unarray وهي ال target attribute تبعتي نفس الكلام
+
+88
+00:07:02,340 --> 00:07:06,020
+from ASCII learn.linear model import linear
+
+89
+00:07:06,020 --> 00:07:09,520
+regression بنيت الموديل وعملته له fit فهنا راح
+
+90
+00:07:09,520 --> 00:07:14,850
+تعرف او بنى الموديل وحدد ال interceptأحدد قيمة الـ
+
+91
+00:07:14,850 --> 00:07:18,810
+slope للـ attribute الأول والـ attribute التاني أو
+
+92
+00:07:18,810 --> 00:07:20,810
+الـ coefficient للـ attribute الأول والـ attribute
+
+93
+00:07:20,810 --> 00:07:24,230
+التاني لو أنا طبعت بنفس القالية السابقة قلت له ال
+
+94
+00:07:24,230 --> 00:07:28,390
+model.coefficient و ال model.intercept طبع ليهم،
+
+95
+00:07:28,390 --> 00:07:34,170
+لاحظوا أنه طبع ليها ال model.coefficient جاب ليهم
+
+96
+00:07:34,170 --> 00:07:38,430
+على إنهم مصفوفة لأ و فيها two variablesأو two
+
+97
+00:07:38,430 --> 00:07:42,930
+values ليش؟ لأن أنا فعليًا عندي two independent
+
+98
+00:07:42,930 --> 00:07:47,550
+attributes X1 و X2 فانا روحت بس جملتها أكتر و
+
+99
+00:07:47,550 --> 00:07:50,190
+فصلتهم و طبعتهم بالشكل هذا قلت له model
+
+100
+00:07:50,190 --> 00:07:55,410
+.coefficient 0 عشان أجيب القيمة الأولى ضربتها في
+
+101
+00:07:55,410 --> 00:07:59,670
+X1 as a text زائد عشان أطبع معادلة الخط ال .. أو
+
+102
+00:07:59,670 --> 00:08:05,630
+بلاش ال .. ال linear space اللي موجود عندي هذا
+
+103
+00:08:09,310 --> 00:08:12,310
+تمام وبالتالي ما اتغيرش عندى في الشغل ولا حاجة انه
+
+104
+00:08:12,310 --> 00:08:14,730
+غير انه data set طب لو انا بعد data set بعد شو بدأ
+
+105
+00:08:14,730 --> 00:08:18,250
+اساوي بدل ما كنت انا تصيت او اخدت عمود واحد الآن
+
+106
+00:08:18,250 --> 00:08:21,630
+بدأ اخد عمودين او تلاتة او اربع عشان ال linear
+
+107
+00:08:21,630 --> 00:08:25,290
+regression اللي مولود خلينا ننتقل لل nonlinear مش
+
+108
+00:08:25,290 --> 00:08:28,750
+ضايل كتير عندنا في ال slides nonlinear regression
+
+109
+00:08:28,750 --> 00:08:33,770
+nonlinear معناته انا بتكلم على nonlinear line انا
+
+110
+00:08:33,770 --> 00:08:38,460
+في عندي خط لكن الخط هذا غير مستقيمأو ممكن يكون في
+
+111
+00:08:38,460 --> 00:08:41,880
+عندي surface ال surface هذا ممكن يكون على شكل
+
+112
+00:08:41,880 --> 00:08:45,780
+دائرة
+
+113
+00:08:45,780 --> 00:08:52,280
+مائلة أو slow أو ellipse بالشكل هذا فانا الآن بقلت
+
+114
+00:08:52,280 --> 00:09:00,700
+تتكلم على خط مستقيم الآن لما ال data مابتظهرش عندي
+
+115
+00:09:00,700 --> 00:09:01,980
+linear dependency
+
+116
+00:09:08,540 --> 00:09:12,100
+معناته انا ممكن ادور على accurate او احصل على
+
+117
+00:09:12,100 --> 00:09:14,460
+accurate model لو في حالة ان كان في عندي non
+
+118
+00:09:14,460 --> 00:09:16,700
+linear regression يعني بين قرصين الجامعة التخيار
+
+119
+00:09:16,700 --> 00:09:21,120
+انا ممكن اجرب و اجرب ال linear و اجرب ال non
+
+120
+00:09:21,120 --> 00:09:24,660
+linear و اشوف ايش المعادلة الأفضل example لو انا
+
+121
+00:09:24,660 --> 00:09:29,940
+قلتلك هى في عندى y تساوي w0 ال intercept لو انا
+
+122
+00:09:29,940 --> 00:09:33,820
+بدى اتكلم على معادل خط اللى هى نقطة التقاطع مع ال
+
+123
+00:09:33,820 --> 00:09:40,050
+yيوجد الـ Y و الـ W الـ coefficient تبع المتغير
+
+124
+00:09:40,050 --> 00:09:46,310
+الأول العلاقة الخطية الـ Y و W الـ W الـ Y و W الـ
+
+125
+00:09:46,310 --> 00:09:49,350
+W الـ Y و W الـ W الـ Y و W الـ Y و W الـ Y و W
+
+126
+00:09:49,350 --> 00:09:49,630
+الـ Y و W الـ Y و W الـ Y و W الـ Y و W الـ Y و W
+
+127
+00:09:49,630 --> 00:09:49,630
+الـ Y و W الـ Y و W الـ Y و W الـ Y و W الـ Y و W
+
+128
+00:09:49,630 --> 00:09:50,770
+الـ Y و W الـ Y و W الـ Y و W الـ Y و W الـ Y و W
+
+129
+00:09:50,770 --> 00:09:50,770
+الـ Y و W الـ Y و W الـ Y و W الـ Y و W الـ Y و W
+
+130
+00:09:50,770 --> 00:09:50,770
+الـ Y و W الـ Y و W الـ Y و W الـ Y و W الـ Y و W
+
+131
+00:09:50,770 --> 00:09:56,070
+الـ Y و W الـ Y و W الـ Y و W الـ Y و W الـ Y و W
+
+132
+00:09:56,070 --> 00:10:02,610
+الـ Y و W الـالـ equation تبعتي بتاخد different
+
+133
+00:10:02,610 --> 00:10:06,910
+forms أشكال مختلفة زي ما شوفنا في ملف ال Excel و
+
+134
+00:10:06,910 --> 00:10:11,670
+هنرجع لها على السريع في ملف ال Excel لما قلت له ال
+
+135
+00:10:11,670 --> 00:10:15,970
+line trend أو ال trend line كان فيه عنده
+
+136
+00:10:15,970 --> 00:10:18,450
+exponential عنده linear عنده logarithmic عنده
+
+137
+00:10:18,450 --> 00:10:22,330
+polynomial عنده power إلى آخره الآن أنا فيه عنده
+
+138
+00:10:22,330 --> 00:10:29,910
+ال exponential والعلاقة ما بين ال y و ال xإن الـ X
+
+139
+00:10:29,910 --> 00:10:35,370
+موجودة كأُص للـ exponential value E أُص B ضرب X و
+
+140
+00:10:35,370 --> 00:10:38,510
+الـ B هي ��لـ intercept اللي احنا بتكلم عليها يعني
+
+141
+00:10:38,510 --> 00:10:45,430
+ال coefficient تبعت ال X ال power value برضه
+
+142
+00:10:45,430 --> 00:10:50,150
+أنا ما زلت بتتكلم هنا هذه
+
+143
+00:10:50,150 --> 00:10:53,830
+المعادلة اللي موجودة عندي هنا ال growth saturation
+
+144
+00:10:53,830 --> 00:10:58,970
+model تبعتيو في عندى ال polynomial اللى احنا
+
+145
+00:10:58,970 --> 00:11:05,790
+شوفناها قبل لحظات polynomial هذا الرسمة لو كان
+
+146
+00:11:05,790 --> 00:11:08,230
+عندى بيانات و روحت رسمتها و قلت لها ارسملي ال
+
+147
+00:11:08,230 --> 00:11:13,010
+trend اللى موجود ارسملي المعادلة اللى موجودة مش
+
+148
+00:11:13,010 --> 00:11:16,150
+هكون في عندي مشكلة لان هذه مستحيل انا الاقي خط
+
+149
+00:11:16,150 --> 00:11:25,530
+مستقيم ما بين النقطة هاي نقفون النقطة هاي و النقطة
+
+150
+00:11:25,530 --> 00:11:30,270
+هاي مباشرةلحظه ليش؟ لأن الخط المستقيم أبعد لكن لو
+
+151
+00:11:30,270 --> 00:11:32,710
+انت قلتله والله انا ممكن اتكلم عن خط مستقيم في
+
+152
+00:11:32,710 --> 00:11:37,310
+المنطقة high نسبة الخطأ أقل لكن في الأول مستحيل
+
+153
+00:11:37,310 --> 00:11:40,430
+يكون لكن واضح ان ال trend تبعها non-linear
+
+154
+00:11:42,880 --> 00:11:47,180
+يعني انا بدي اجرب و احاول للفهم لل data و علاقة ال
+
+155
+00:11:47,180 --> 00:11:50,420
+attributes اللي اشتغل عليها هو اللي بيحدد انا فعلا
+
+156
+00:11:50,420 --> 00:11:54,380
+هشغل على linear ولا على non-linear طيب في الموضوع
+
+157
+00:11:54,380 --> 00:11:56,900
+ال evaluation يا جماعة الخير في الموضوع ال
+
+158
+00:11:56,900 --> 00:12:02,000
+evaluation انا بدي في عندي prediction في عندي true
+
+159
+00:12:02,000 --> 00:12:07,980
+values هي لأن خليناأهم metric لقياس ال regression
+
+160
+00:12:07,980 --> 00:12:12,700
+هو الـ root mean square error والبعض يعتمد فقط على
+
+161
+00:12:12,700 --> 00:12:15,600
+الـ mean square error وليس فارق كتير لأنني أريد
+
+162
+00:12:15,600 --> 00:12:19,020
+فرق و أزيل الجذر بعد ذلك لكن الـ root mean square
+
+163
+00:12:19,020 --> 00:12:22,540
+error ماهو ال error اللي موجود عندي؟ ال error هي
+
+164
+00:12:22,540 --> 00:12:27,450
+عبارة عن ال actual valueنقص الـ Predicted Value
+
+165
+00:12:27,450 --> 00:12:30,610
+لان انا بتكلم على continuous بتكلم على continuous
+
+166
+00:12:30,610 --> 00:12:34,270
+value انا عمال ال prediction و ال actual value
+
+167
+00:12:34,270 --> 00:12:36,970
+لازم تكون continuous الفرق بينهم هو نسبة الخطأ
+
+168
+00:12:36,970 --> 00:12:40,070
+اللي موجود عندها لو بدي اجي للرسم يا جماعة الخير
+
+169
+00:12:40,070 --> 00:12:44,830
+هذه النقطة بتمثل ال actual point النقطة الحقيقية
+
+170
+00:12:44,830 --> 00:12:50,490
+مصبوط؟ طيب و ال predicted value تبعتها اللي هتكون
+
+171
+00:12:50,490 --> 00:12:55,890
+هنا اللي على الخطكذلك هنا، لاحظوا الـ distance
+
+172
+00:12:55,890 --> 00:12:59,870
+المسافة اللي هنا بحسب الـ Euclidean distance اللي
+
+173
+00:12:59,870 --> 00:13:03,490
+احنا شوفناها لـ predicted value ناقص ل true value
+
+174
+00:13:03,490 --> 00:13:10,210
+تربيه، بصبوط؟ هاي الـ Euclidean الآن لو انا روح
+
+175
+00:13:10,210 --> 00:13:16,150
+اتجمعت كل المسافات هايوجسمتها على عدد النقاط اللي
+
+176
+00:13:16,150 --> 00:13:21,190
+موجودة عندها أنا بكون حصلت على الـ main square
+
+177
+00:13:21,190 --> 00:13:25,390
+error الـ main square error rotated بحطهم تحت
+
+178
+00:13:25,390 --> 00:13:29,520
+الجذر اللي موجود عندهاطبعا الـ Residual المقصود
+
+179
+00:13:29,520 --> 00:13:32,600
+فيها المسافة أو الـ Error الموجود بين العناصر اللي
+
+180
+00:13:32,600 --> 00:13:36,340
+موجودة عندك يعني بكل بساطة باخد الفروقات ما بين
+
+181
+00:13:36,340 --> 00:13:40,460
+الـ Predicted Value و الـ Actual Value بربعهم بجمع
+
+182
+00:13:40,460 --> 00:13:43,820
+الفروقات هذه بعد مربعات الفروقات و بجسمها على عدد
+
+183
+00:13:43,820 --> 00:13:47,860
+ال test value أو ال test set اللي موجودة عندها
+
+184
+00:13:47,860 --> 00:13:53,890
+طبعا لما تكونالفرق بينهم Zero معناته أنا فعليًا
+
+185
+00:13:53,890 --> 00:13:57,770
+أوصلت Actually للقيمة الحقيقية اللي موجودة عندهان
+
+186
+00:13:57,770 --> 00:14:01,490
+طبعًا الآن في عندي ال observation القيمة الحقيقية
+
+187
+00:14:01,490 --> 00:14:06,050
+طبعًا هو عمله بغير للرسم high كل ال X أو النقطة
+
+188
+00:14:06,050 --> 00:14:08,610
+السودة هي الحقيقية والخط اللي وقع الخط الأحمر
+
+189
+00:14:08,610 --> 00:14:10,950
+الكلام اللي أنا شرحته سابقًا هي فعليًا ال
+
+190
+00:14:10,950 --> 00:14:15,590
+predicted value اللي موجودة عندها وبالتالي مع كل
+
+191
+00:14:15,590 --> 00:14:18,870
+observation أنا فعليًا عندي ال Y الحقيقية ال
+
+192
+00:14:18,870 --> 00:14:23,780
+actual تساوي ال predictedزائد قيمة الخطأ اللي
+
+193
+00:14:23,780 --> 00:14:33,240
+موجود بينهم تمام okay معناته انا sum of error لو
+
+194
+00:14:33,240 --> 00:14:36,540
+انا بدى اجمع قيمة الخطأ فقط بجمعهم لكن احنا بنشتغل
+
+195
+00:14:36,540 --> 00:14:40,060
+على squared error تعالى نشوف ال implementation
+
+196
+00:14:40,060 --> 00:14:43,840
+ونشوف فعليا شغل مع data base موجودة في عندي data
+
+197
+00:14:43,840 --> 00:14:48,200
+base موجودة في ال .. ال .. الascular ال diabetes
+
+198
+00:14:48,200 --> 00:14:52,320
+اللي هي علاقة بمرض السكريfrom ascii learn import
+
+199
+00:14:52,320 --> 00:14:55,240
+dataset linear model اعملت import لهدول الشغلتين
+
+200
+00:14:55,240 --> 00:14:59,140
+مع بعض انا ال diabetes تساوي diabetes dot load
+
+201
+00:14:59,140 --> 00:15:02,420
+diabetes اعملت load لل dataset و اذا بقيت اطباعها
+
+202
+00:15:02,420 --> 00:15:06,920
+مش مشكلة روحت اعملت import لل non-bi طبعا انا كنت
+
+203
+00:15:06,920 --> 00:15:09,880
+بدي اعمل cut عشان اخد ال X لحالة و ممكن اخده طريقة
+
+204
+00:15:09,880 --> 00:15:14,300
+تانية بعيدا عن ال non-bi مش هستخدمها الآن X تساوي
+
+205
+00:15:14,300 --> 00:15:15,420
+ال diabetes dot
+
+206
+00:15:18,860 --> 00:15:24,920
+data 2.3 وكان شغالها على ال first attribute فقط اه
+
+207
+00:15:24,920 --> 00:15:28,120
+احنا بنشغل على ال linear نحصها على ال simple
+
+208
+00:15:28,120 --> 00:15:34,240
+linear فأخدت ال first attribute اللي هو ترقيه هيه
+
+209
+00:15:34,240 --> 00:15:38,020
+المحصور ما بين ال index 2 و index 3 خدت one
+
+210
+00:15:38,020 --> 00:15:43,250
+attribute فقطالان روحت في ال forum ال scale model
+
+211
+00:15:43,250 --> 00:15:47,910
+selection روحت ال data set عملت لها split صار في
+
+212
+00:15:47,910 --> 00:15:52,330
+عند X train او X test و Y train و Y test حسب ما
+
+213
+00:15:52,330 --> 00:15:55,390
+بنعرف و نسبة 30% لل test set ال data set اللي
+
+214
+00:15:55,390 --> 00:15:59,870
+موجود عندى يعني فيها حوالي 5000 record او اكتر
+
+215
+00:15:59,870 --> 00:16:05,040
+شوية modelلينيار موديل اللي انا عملته لها
+
+216
+00:16:05,040 --> 00:16:08,280
+important فوق لينيار regression اعمل fit حصلت على
+
+217
+00:16:08,280 --> 00:16:13,240
+ال coefficient اللي موجود عندهان روحت و قلت له ال
+
+218
+00:16:13,240 --> 00:16:16,860
+y predictه ساوي الموديل ده ت predict و زودته بال X
+
+219
+00:16:16,860 --> 00:16:21,920
+test اللي موجود عندهان قلت له هيه جيب لي ال label
+
+220
+00:16:21,920 --> 00:16:25,580
+هدول طبعا ال label ال predicted label ال actual
+
+221
+00:16:25,580 --> 00:16:30,140
+label هيه موجود عندهان تمام فانا روحت بعد هيه قلت
+
+222
+00:16:30,140 --> 00:16:35,830
+له اطبع لل interceptوالـ coefficient عشان اتأكد او
+
+223
+00:16:35,830 --> 00:16:41,950
+افحص المعادلة الخطية اللى موجودة عندى وفي الآخر
+
+224
+00:16:41,950 --> 00:16:46,790
+from asclean dot matrix import ال main square
+
+225
+00:16:46,790 --> 00:16:52,350
+error ال main square error او ال rooted main
+
+226
+00:16:52,350 --> 00:16:56,330
+squared error حسب احنا الآن هطبقها ال main square
+
+227
+00:16:56,330 --> 00:17:01,000
+errorاللي في ال slide السابق هنا أنا كنت بتكلم على
+
+228
+00:17:01,000 --> 00:17:05,080
+ال route route اللي هي الجدر الترديعي اللي موجود
+
+229
+00:17:05,080 --> 00:17:10,300
+عندي هنا فممكن انت تستدعي كذلك ال print ال mean
+
+230
+00:17:10,300 --> 00:17:14,440
+square error percent to F عشان بقى جيبلي ال two
+
+231
+00:17:14,440 --> 00:17:19,920
+digits بعد الفاصلة العشرية ال mean square error هي
+
+232
+00:17:19,920 --> 00:17:22,280
+الدالة اللي استدعيتها هنا او ال metric اللي
+
+233
+00:17:22,280 --> 00:17:28,150
+استدعيته وزودته بالy test و ال y predicted و
+
+234
+00:17:28,150 --> 00:17:33,310
+يدّيني ال value اللي موجودة عندنا وبهيك بنكون احنا
+
+235
+00:17:33,310 --> 00:17:40,430
+فعليا انتهينا من موضوع ال regression شبتر زريف و
+
+236
+00:17:40,430 --> 00:17:48,510
+خفيف نشتغل عليه بتمنى يكون .. بقدر توصل الفكرة
+
+237
+00:17:48,510 --> 00:17:53,690
+بشكل كويس بل في عندنا شغل اخرى اللي علاقة بال
+
+238
+00:17:53,690 --> 00:17:59,090
+assignmentلما أتكلم عن ال assignment أنا مش عارف
+
+239
+00:17:59,090 --> 00:18:03,730
+مش عامله hide اتكلم بال assignment انه جامعة الخير
+
+240
+00:18:03,730 --> 00:18:09,790
+لازم احنا نشتغل و نطبق مع بعض لازم لازم لازم الان
+
+241
+00:18:09,790 --> 00:18:16,270
+ايش مطلوب منك انت في عندك data set عندك data set و
+
+242
+00:18:16,270 --> 00:18:22,560
+ال data set تبعتك مخصصة لل regressionلينيار
+
+243
+00:18:22,560 --> 00:18:25,840
+ريجريشن او نون لينيار ريجريشن احنا لسه عما بتعرف
+
+244
+00:18:25,840 --> 00:18:29,800
+بدك تروح على ال data set اللى موجود عندكوا و تفحص
+
+245
+00:18:29,800 --> 00:18:37,060
+تتعرف على ال data set اللى بشكل كويس وبعد هيك تروح
+
+246
+00:18:37,060 --> 00:18:43,520
+تختار multiple multiple attribute
+
+247
+00:18:45,410 --> 00:18:53,590
+تعمل تعمل تعمل تعمل regression تعمل تعمل تعمل تعمل
+
+248
+00:18:53,590 --> 00:18:55,610
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+249
+00:18:55,610 --> 00:18:55,610
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+250
+00:18:55,610 --> 00:18:55,650
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+251
+00:18:55,650 --> 00:18:55,770
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+252
+00:18:55,770 --> 00:18:55,770
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+253
+00:18:55,770 --> 00:18:55,830
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+254
+00:18:55,830 --> 00:19:06,590
+تعمل تعمل تعمل تعمل تعمل تعمل
+
+255
+00:19:06,590 --> 00:19:09,450
+ت
+
+256
+00:19:09,890 --> 00:19:13,130
+تقارن بين كل الحالات اللي موجودة يعني بالتفصيل
+
+257
+00:19:13,130 --> 00:19:16,870
+بالآخر بالتفصيل بدك تروح تجرب linear regression
+
+258
+00:19:16,870 --> 00:19:19,050
+simple linear regression و multiple linear
+
+259
+00:19:19,050 --> 00:19:23,750
+regression ماشي الحال على one attribute وعلى two
+
+260
+00:19:23,750 --> 00:19:28,770
+attributes ال multiple اعتبرها two والsimple
+
+261
+00:19:28,770 --> 00:19:34,830
+الاعتبرها one لكن ال multiple تكون two attributes
+
+262
+00:19:34,830 --> 00:19:38,680
+at leastبتطبق عليها Linear وتطبق عليها Unlinear
+
+263
+00:19:38,680 --> 00:19:43,680
+طبعا المفروض هذا يتسلم يوم اتناش اتنين لكن بما ان
+
+264
+00:19:43,680 --> 00:19:48,700
+التواريخ كلها تشجلبت فهيكون في عناياش التبتيب تاني
+
+265
+00:19:48,700 --> 00:19:54,080
+للتسليم وحوضح اكتر ان شاء الله تعالى ان خلال ال
+
+266
+00:19:54,080 --> 00:19:57,900
+modelبتمنى لكم التوفيق واتمنى يكون الموضوع ال
+
+267
+00:19:57,900 --> 00:20:00,660
+regression واضح بالنسبة لكم وإذا في أي استفسار
+
+268
+00:20:00,660 --> 00:20:04,320
+الموديل من خلال الموديل أو ال email أو جلسات
+
+269
+00:20:04,320 --> 00:20:08,180
+النقاش اللي هنعملها لاحقا السلام عليكم ورحمة الله
+
+270
+00:20:08,180 --> 00:20:09,220
+وبركاته
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/URknbds3fEY_postprocess.srt

@@ -0,0 +1,2748 @@
+1
+00:00:04,940 --> 00:00:07,280
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:07,280 --> 00:00:12,260
+أهلا وسهلا فيكم في محاضرتنا المستمر .. في
+
+3
+00:00:12,260 --> 00:00:15,740
+محاضراتنا المستمرة في مساق ال data mining وما زلنا
+
+4
+00:00:15,740 --> 00:00:20,980
+بنتكلم في باب ال classification و بالتحديد هنتكلم
+
+5
+00:00:20,980 --> 00:00:24,660
+اليوم على decision tree induction كنا في المحاضرات
+
+6
+00:00:24,660 --> 00:00:27,540
+السابقة أو المحاضرة الأخيرة أضفنا شغلة جديدة كنا
+
+7
+00:00:27,540 --> 00:00:31,040
+بنتكلم على النايف بياسوالـ Naive bias كانت فعليًا
+
+8
+00:00:31,040 --> 00:00:34,320
+هي واحدة من الـ Probabilistic approach المستخدمة
+
+9
+00:00:34,320 --> 00:00:36,800
+في ال machine learning من أجل ال classification
+
+10
+00:00:36,800 --> 00:00:41,680
+وقلنا احنا بيلزمني ان اعمل حسبة لمجموعة من ال
+
+11
+00:00:41,680 --> 00:00:44,300
+probabilities انا في عند ال instance اللي بدي ..
+
+12
+00:00:44,300 --> 00:00:46,600
+اللي هي ال unseen instance اللي انا بدي اعملها
+
+13
+00:00:46,600 --> 00:00:50,440
+classification بناء على ال .. وبالتالي ال class
+
+14
+00:00:50,440 --> 00:00:54,380
+طبعة ال instance هاي الموجودة عندى تساوي ال
+
+15
+00:00:54,380 --> 00:00:58,370
+maximum probabilityلل probabilities of the class
+
+16
+00:00:58,370 --> 00:01:05,470
+في احتمالية ان تكون ال instance هذه مع ال class
+
+17
+00:01:05,470 --> 00:01:10,110
+المعين و لما هروحنا بالتفصيل قلت انا فعليا بحاجة
+
+18
+00:01:10,110 --> 00:01:14,070
+انه هي data set اروح انشئ الجدول هذا بحيث انه انا
+
+19
+00:01:14,070 --> 00:01:18,550
+فالأروح حسبت ال probability لكل element أو لكل
+
+20
+00:01:18,550 --> 00:01:21,770
+classes اللي موجودة عندى ومن ثم انتقلنا في الخطوة
+
+21
+00:01:21,770 --> 00:01:24,910
+اللي بعدها جسمت أخدت ال attributes اللي المفروض
+
+22
+00:01:24,910 --> 00:01:27,370
+اللي المفروض عندها nominal attributes أخدت
+
+23
+00:01:27,370 --> 00:01:30,950
+distinct values وعملت حساب لكل واحدة فيهم وانتبه
+
+24
+00:01:30,950 --> 00:01:35,520
+دائما وانتبه دائما ان انا فعليا هان قاعد باشتغلعلى
+
+25
+00:01:35,520 --> 00:01:38,840
+ان ال probability نفسها يعني الآن عدد ال yes في ال
+
+26
+00:01:38,840 --> 00:01:42,880
+data 6 اللي عندي هنا 4 على 10 ومن ثم مع كل route
+
+27
+00:01:42,880 --> 00:01:48,400
+او كل attribute تحت ال yes هيكون 4 وكل مجموع
+
+28
+00:01:48,400 --> 00:01:51,920
+العناصر تحت كل no هيكون 6 و هكذا و هذا مفتاح
+
+29
+00:01:51,920 --> 00:01:56,510
+النجاح للعناصر الموجودة و لما اجينا بدنا نصنفالـ
+
+30
+00:01:56,510 --> 00:01:59,230
+sunny و ال mild و ال height قلنا حسبت ال
+
+31
+00:01:59,230 --> 00:02:01,670
+probability لل yes اللي كانت 4 على 10 في ال
+
+32
+00:02:01,670 --> 00:02:04,690
+probability لل sunny على ال yes و قلنا هذا الجدول
+
+33
+00:02:04,690 --> 00:02:07,810
+الأساس في الموضوع هي sunny و yes هيها 4 على 10
+
+34
+00:02:07,810 --> 00:02:12,530
+مضروبة فيه العنصر التاني كانت mild ال probability
+
+35
+00:02:12,530 --> 00:02:17,190
+تبعت ال mild يعني بين جسين هي ال yes ها دي مضروبة
+
+36
+00:02:17,190 --> 00:02:22,410
+في هيفي الـ mild في الـ high وهذه العناصر كانت
+
+37
+00:02:22,410 --> 00:02:25,050
+بتمثل ال probability فانا حسبت ال probability لل
+
+38
+00:02:25,050 --> 00:02:27,850
+different classes اللي موجودة عندى واخدت ال
+
+39
+00:02:27,850 --> 00:02:31,810
+maximum probability على ان هذه هي الاكتر احتمالا
+
+40
+00:02:31,810 --> 00:02:36,090
+في موضوع ان هذا العنصر او هذه ال instance تنتمي لل
+
+41
+00:02:36,090 --> 00:02:40,850
+class اللي موجود عندها الان اليوم ان شاء الله
+
+42
+00:02:40,850 --> 00:02:45,620
+تعالى هننتقلالموضوع الجديد اللي هو موضوع ال
+
+43
+00:02:45,620 --> 00:02:49,500
+decision tree في التعامل او ك different classifier
+
+44
+00:02:49,500 --> 00:02:53,300
+ال decision tree هي واحدة من ال classifiers المهمة
+
+45
+00:02:53,300 --> 00:02:57,200
+جدا المستخدمة في موضوع ال classification وهميتها
+
+46
+00:02:57,200 --> 00:03:00,840
+نبتكمن ان ممكن انا ارسم الشجرة وبالتالي بصير تفسير
+
+47
+00:03:00,840 --> 00:03:04,000
+ال model اللي موجود عندى او فهم ال model اللي عندى
+
+48
+00:03:04,000 --> 00:03:07,210
+اكثر منغيره على سبيل المثال احنا قولنا في ال
+
+49
+00:03:07,210 --> 00:03:10,610
+classifier الماضي اللي هو naive bias ان انا فعليا
+
+50
+00:03:10,610 --> 00:03:13,970
+عند ال classifier هذا مهم او جيد لأنه انا بقدر
+
+51
+00:03:13,970 --> 00:03:17,090
+افسر ليش النتيجة طلعت معايا هيك بناء انا على
+
+52
+00:03:17,090 --> 00:03:21,310
+الاحتمالات اللي موجودة في ال decision tree كذلكفي
+
+53
+00:03:21,310 --> 00:03:24,590
+decision tree هي عبارة عن انه انا فعليا حبني
+
+54
+00:03:24,590 --> 00:03:26,930
+decision tree جماعة الخير لما انا بتكلم على
+
+55
+00:03:26,930 --> 00:03:31,210
+decision tree اتذكروا خلينا نتذكر بشكل سريع ال
+
+56
+00:03:31,210 --> 00:03:34,930
+binary search tree مابديش اكتر من هيك ال binary
+
+57
+00:03:34,930 --> 00:03:38,490
+search tree كانت العناصر تبعتها انه كل node على
+
+58
+00:03:38,490 --> 00:03:43,580
+الاكثر عندها two childمظبوط هذه هي ال binary tree
+
+59
+00:03:43,580 --> 00:03:47,140
+وكان فيه rule بيحكمها ال rule انه انا في ال binary
+
+60
+00:03:47,140 --> 00:03:51,200
+search tree ان كل القيم اللي على اليمين هان هتكون
+
+61
+00:03:51,200 --> 00:03:55,570
+اكبرمن ال element وكل القيم اللي موجود عندها هن
+
+62
+00:03:55,570 --> 00:03:59,330
+هتكون أصغر طب القيم المتساوية مالهاش وجود المكررة
+
+63
+00:03:59,330 --> 00:04:02,830
+مالهاش وجود وبالتالي ال element مع كل node ال node
+
+64
+00:04:02,830 --> 00:04:05,690
+اللي عنده القيم اللي موجودة هن هتكون أصغر من القيم
+
+65
+00:04:05,690 --> 00:04:08,810
+اللي موجودة هن وهذه طبيعتها هتكون أصغر من القيم
+
+66
+00:04:08,810 --> 00:04:12,330
+اللي موجودة عندها بمعنى أخر أن ال structure تبع ال
+
+67
+00:04:12,330 --> 00:04:15,250
+decision tree أنا already بعرفها هي عبارة عن
+
+68
+00:04:15,250 --> 00:04:18,270
+مجموعة من ال nodes و ال connection أو ال connected
+
+69
+00:04:18,270 --> 00:04:22,790
+أو الgraph with no circuit زي ما كنا نسميها في الـ
+
+70
+00:04:22,790 --> 00:04:25,670
+discrete mathematics أشبه بالـ flow chart زي ما
+
+71
+00:04:25,670 --> 00:04:28,750
+قلنا سابقا في عند الـ internal node و اللي أنا
+
+72
+00:04:28,750 --> 00:04:32,150
+فعليا هي ال value تبعت .. هتمثل ال value تبعت ال
+
+73
+00:04:32,150 --> 00:04:35,490
+attribute اللي هحمل عليها الفحص هسأل قداش ال GPA
+
+74
+00:04:35,490 --> 00:04:40,550
+أكبر أو تساوي كذا بروح يمين أقل أو false بروح يسار
+
+75
+00:04:40,550 --> 00:04:45,090
+و هكذا فهذه ال internal node اللي هي عادة non-leaf
+
+76
+00:04:45,950 --> 00:04:49,790
+بتحدد ال test تبع ال attribute ال branch بيمثل ال
+
+77
+00:04:49,790 --> 00:04:53,210
+outcome وصولا لل leaf اللي موجودة عندى و ال leaf
+
+78
+00:04:53,210 --> 00:04:58,070
+node بتمثل ال class و طبعا لازم كل شجرة يكون لها
+
+79
+00:04:58,070 --> 00:05:03,690
+root node تعالى نشوف ال data set البسيطة اللى
+
+80
+00:05:03,690 --> 00:05:08,870
+موجودة عندها ال data set هاي مكونة من 14 rowالـ
+
+81
+00:05:08,870 --> 00:05:12,490
+Age و ال income و ال student و ال credit rating و
+
+82
+00:05:12,490 --> 00:05:15,710
+ال class تبعتي و طبعا جماعة الخير لما احنا بنروح
+
+83
+00:05:15,710 --> 00:05:20,610
+باتجاه ال binary class يعني two classes الأمر اللي
+
+84
+00:05:20,610 --> 00:05:23,690
+أسهل عشان استوعب إيش اللي بيصير لإنه لما تصير في
+
+85
+00:05:23,690 --> 00:05:26,430
+عندي تلاتة هتتشعب الأمور شوية في الحسبة لكن هي
+
+86
+00:05:26,430 --> 00:05:32,030
+عبارة عن تكرار لما سبق الآن أنا هذا .. عندي مجموعة
+
+87
+00:05:32,030 --> 00:05:35,530
+من الطلاب أو بيانات مجموعة من الناس اللي اشترت
+
+88
+00:05:35,530 --> 00:05:39,190
+حاسبات و ال data set كانت قديمة في ال 2000فكان
+
+89
+00:05:39,190 --> 00:05:42,630
+بيسأل هل هذا الشخص مؤهل أو ممكن مع احتمال ان يشتري
+
+90
+00:05:42,630 --> 00:05:47,430
+جهاز ولا لأ بناء على حالته ال age لاحظ ال age أنا
+
+91
+00:05:47,430 --> 00:05:52,190
+بتكلم على discrete او categorial data ال income
+
+92
+00:05:52,190 --> 00:05:56,210
+high و low و medium طالب ولا غير طالب yes or no و
+
+93
+00:05:56,210 --> 00:06:00,750
+ال credit ratingعادي او معتد الولا excellent
+
+94
+00:06:00,750 --> 00:06:03,830
+بالنسبة للمتوسط الراتب تبعته وفي الآخر ال class
+
+95
+00:06:03,830 --> 00:06:07,330
+اللي موجود عندهم الان لما انا بدي ابني tree ال
+
+96
+00:06:07,330 --> 00:06:11,730
+tree هتاخد بالشكل هذا خلينا بس عشان ناخد على
+
+97
+00:06:11,730 --> 00:06:16,110
+السريع ناخد ال role أول عشان نتذكر و نشوف كيف بدي
+
+98
+00:06:16,110 --> 00:06:19,350
+اتعامل مع ال tree او كيف تشغل ك calisphere yes يث
+
+99
+00:06:19,350 --> 00:06:24,090
+و high و no fair
+
+100
+00:06:26,540 --> 00:06:32,680
+الـ target تبعتي؟ لا هذا أول روح بس أنا عشان أغير
+
+101
+00:06:32,680 --> 00:06:36,700
+بدي أحق هنا yes عشان تصير هذا ال data أشبه بال
+
+102
+00:06:36,700 --> 00:06:41,660
+unseen و أشوف بال classification تبعتها كيف بدها
+
+103
+00:06:41,660 --> 00:06:47,620
+تكون الآن زي ما قلنا اللي يفهد ال age ال income
+
+104
+00:06:47,620 --> 00:06:50,860
+student
+
+105
+00:06:50,860 --> 00:06:54,920
+و في الآخر اللي هي ال credit
+
+106
+00:07:02,220 --> 00:07:06,100
+rate حاجة على decision tree ال decision tree او ال
+
+107
+00:07:06,100 --> 00:07:09,400
+model لما تم بناءه جالبه بيقول اهم element في
+
+108
+00:07:09,400 --> 00:07:13,660
+القرار عندي ال edge و هنتعرف كمان لحظات ان شاء
+
+109
+00:07:13,660 --> 00:07:17,240
+الله تعالى كيف احنا اختارنا ال edge ليش ماكنتش ل
+
+110
+00:07:17,240 --> 00:07:20,060
+student او ل credit rating اللي هي ال attributes
+
+111
+00:07:20,060 --> 00:07:23,260
+التانية و لاحظة ان في عندي بالكامل في عندي
+
+112
+00:07:23,260 --> 00:07:27,950
+attribute غايب اللي هي موضوعالـ income في الـ
+
+113
+00:07:27,950 --> 00:07:30,530
+decision tree اللي موجود عندي يعني هو كأنه بيقول
+
+114
+00:07:30,530 --> 00:07:35,270
+ال income هان مش صاحب تأثير كتير على ال decision
+
+115
+00:07:35,270 --> 00:07:39,010
+أو على القرار اللي موجود عندي طب كيف هذا الكلام
+
+116
+00:07:39,010 --> 00:07:44,590
+صار؟ هنشوفه كمان شوية ليش؟ في دلالة تانية هان بيجي
+
+117
+00:07:44,590 --> 00:07:47,350
+بيقول إنه ال high الأقل تأثيرا أو مالش تأثير يعني
+
+118
+00:07:47,350 --> 00:07:50,130
+بقدر أنا أشيله أو أستغني عنه بجمع البيانات التانية
+
+119
+00:07:50,130 --> 00:07:55,510
+بتكون أسهل الآن ال ageYouth, middle age و senior
+
+120
+00:07:55,510 --> 00:07:59,210
+فى عندى تفرعات غير هيك لأ هدولة ال three discrete
+
+121
+00:07:59,210 --> 00:08:02,850
+values اللى موجودة عندى بال age تمام حسب ال role
+
+122
+00:08:02,850 --> 00:08:09,970
+عندهان يف هي ال يف إذا أنا سألته يف يعني خلاص كل
+
+123
+00:08:09,970 --> 00:08:14,010
+branch السابق هاي ماليش دخل فيها إذا كان هو
+
+124
+00:08:14,010 --> 00:08:19,770
+student غالبا هيشتري ومش هدور على الفيرم مش
+
+125
+00:08:19,770 --> 00:08:22,210
+هتلزمني تعال طلع معايا عندهان
+
+126
+00:08:26,000 --> 00:08:28,800
+و هذا الطالب بيكون هيشتري كمبيوتر لإيش؟ لأن إذا
+
+127
+00:08:28,800 --> 00:08:31,800
+كان هو في ال middle ايه؟ أو في اليث صغير أو شاب
+
+128
+00:08:31,800 --> 00:08:35,300
+يافع و طالب في نفس الوقت يعني طالب جامعة فغالبا
+
+129
+00:08:35,300 --> 00:08:38,820
+هذا هيحتاج كمبيوتر و من ثم هيروح يشتريه لو أنا بدي
+
+130
+00:08:38,820 --> 00:08:42,000
+أرجع لل data set اللي موجودة عندي هان وان اليث و
+
+131
+00:08:42,000 --> 00:08:49,200
+student و fair yes يث student و fair
+
+132
+00:08:51,960 --> 00:08:54,880
+عشان تلاحظ ان هدولة التنتين هما اللي كانوا اكتر
+
+133
+00:08:54,880 --> 00:09:00,340
+تأثيرا في حالة ال elements اللي مولودة وهكذا لو
+
+134
+00:09:00,340 --> 00:09:05,040
+كان still age في ال middle age مباشرة هيكون هيشتري
+
+135
+00:09:05,040 --> 00:09:08,040
+ال attribute لو كان senior
+
+136
+00:09:10,850 --> 00:09:14,250
+وال income rate اللي عنده fair غالبا مش هيشتريه
+
+137
+00:09:14,250 --> 00:09:17,210
+وهذه هيك بتصير موضوع ال decision او موضوع ال
+
+138
+00:09:17,210 --> 00:09:19,950
+classification يعني ال leaves اللي عندي في ال node
+
+139
+00:09:19,950 --> 00:09:23,850
+او عفوا في ال .. في ال trees ال leaf nodes بتمثل
+
+140
+00:09:23,850 --> 00:09:27,930
+ال classes اللي انا بقى ادور عليها وطبعا عمق
+
+141
+00:09:27,930 --> 00:09:33,210
+الشجرة وحجمها مرتبط بعدد ال attributes وحجم ال
+
+142
+00:09:33,210 --> 00:09:35,970
+data set اللي موجودة عندى
+
+143
+00:09:38,250 --> 00:09:42,710
+الأن ال algorithm المستخدم مع ال decision tree
+
+144
+00:09:42,710 --> 00:09:50,490
+اللي هو ال basic algorithm بنسميه C4.5 وهذا بيشتغل
+
+145
+00:09:50,490 --> 00:09:54,150
+في مبدأ ال top-down recursive divide and conquer
+
+146
+00:09:54,150 --> 00:09:58,730
+الان الناس اللي أخدت خوارزميات حتما مر عليها مصطلح
+
+147
+00:09:58,730 --> 00:10:03,170
+divide and conquer الفكرة في ال algorithm هذا ان
+
+148
+00:10:03,170 --> 00:10:07,810
+المشكلة الكبيرة جزئها بتقدر تسيطر عليهايعني
+
+149
+00:10:07,810 --> 00:10:11,630
+بنجوسين حل جزء جزء من ال data set اللي موجودة عندك
+
+150
+00:10:11,630 --> 00:10:14,890
+هنا و هنشوف كمان شوية و هذا المبدأ هو مبدأ ال
+
+151
+00:10:14,890 --> 00:10:17,870
+greedy طبعا و من ثم ال algorithm هذا أخد ال greedy
+
+152
+00:10:17,870 --> 00:10:21,450
+algorithm شو يعني greedy يعني الطماع فكرته بكل
+
+153
+00:10:21,450 --> 00:10:24,710
+بساطة أنه أنا بنظر لل best solution في ال current
+
+154
+00:10:24,710 --> 00:10:29,210
+stage ماليش على المدى البعيد إيش اللي بيصير عندي؟
+
+155
+00:10:30,520 --> 00:10:33,720
+هبدأ مع كل examples هاخد مع ال data ال attributes
+
+156
+00:10:33,720 --> 00:10:38,280
+لكل ال data set و اروح عشان اوجدها او اوجد من
+
+157
+00:10:38,280 --> 00:10:45,240
+خلالها ال route الان كل ال data set اللي عندي هنا
+
+158
+00:10:45,240 --> 00:10:52,780
+must be categorical الان في ال C4.5 كل ال
+
+159
+00:10:52,780 --> 00:10:56,500
+attribute لازم تكون categorical طب انا ماعنديش انا
+
+160
+00:10:56,500 --> 00:11:01,750
+عندي continuous value اعملها discretizationو كل بن
+
+161
+00:11:01,750 --> 00:11:06,030
+اديها label و اعتمد اشتغل على ال label اللي موجود
+
+162
+00:11:06,030 --> 00:11:09,810
+عندك هان يعني لما تيجي مثلا ال age نقول والله
+
+163
+00:11:09,810 --> 00:11:19,390
+الياث من 16 مثلا ل 22 هيث ال
+
+164
+00:11:19,390 --> 00:11:24,870
+age اقول مثلا من 23 الى 35 senior
+
+165
+00:11:26,900 --> 00:11:30,060
+وبالتالي انا بقدر اشتغل .. بما ان ال algorithm بدو
+
+166
+00:11:30,060 --> 00:11:33,260
+مني discrete او nominal data فبقدر اعمل
+
+167
+00:11:33,260 --> 00:11:37,140
+discretization بعمل binning و بعد هيك بروح بحط
+
+168
+00:11:37,140 --> 00:11:43,280
+label لكل bin او لكل interval في ال continuous
+
+169
+00:11:43,280 --> 00:11:47,000
+attribute اللي موجودة عندهم على الرغم من هيك هتكلم
+
+170
+00:11:47,000 --> 00:11:51,160
+كمان شوية بشكل بسيط في موضوع فعليا كيف ممكن انا
+
+171
+00:11:51,160 --> 00:11:54,620
+افحص لو كان عندي continuous في algorithm مختلفة
+
+172
+00:11:54,620 --> 00:11:55,680
+طيب
+
+173
+00:11:58,590 --> 00:12:03,350
+ممتاز معناته انا فعليا هاخد ال data set و ابدأ امر
+
+174
+00:12:03,350 --> 00:12:08,530
+على كل attribute و على كل ال rows و اجسم العناصر
+
+175
+00:12:08,530 --> 00:12:12,510
+اللي موجودة ال test attribute اللي هيمثل ال node
+
+176
+00:12:12,510 --> 00:12:16,170
+اللي هاخد عليها decision اللي سمينها بين جثين ال
+
+177
+00:12:16,170 --> 00:12:19,930
+internal nodes سواء كانت هاي او هاي او هاي ماليش
+
+178
+00:12:19,930 --> 00:12:24,510
+beliefs لأن ال leaves بتمثل ال classes الآن هذه ال
+
+179
+00:12:24,510 --> 00:12:29,850
+test nodesأو test attributes هختارها تبعًا
+
+180
+00:12:29,850 --> 00:12:34,690
+لهيوريستيك أو statistical measurement بناءً على
+
+181
+00:12:34,690 --> 00:12:38,510
+مجموعة من ال rules المكتسبة سابقًا أو مجموعة من ال
+
+182
+00:12:38,510 --> 00:12:43,130
+statistics هعتمدها مثل الinformation gain أو
+
+183
+00:12:43,130 --> 00:12:47,920
+الgenie indexاللي هنشوف طبعا احنا هنكتفي في ال
+
+184
+00:12:47,920 --> 00:12:51,460
+course هذا على حسبة ال information gain وممكن
+
+185
+00:12:51,460 --> 00:12:55,480
+ازودكوا لاحقا ب description او بشرح لواحدة من ال
+
+186
+00:12:55,480 --> 00:13:00,440
+algorithm التانية اللي موجودة بتاعنا متى بدي اوقف
+
+187
+00:13:00,440 --> 00:13:05,800
+بوقف لما بتكون كل يعني في كل مرة احنا قولنا divide
+
+188
+00:13:05,800 --> 00:13:11,020
+and conquer في ال data set بروح باخد ال data set و
+
+189
+00:13:11,020 --> 00:13:13,480
+ببدأ بشتغل على ال attribute الأول ال attribute هذا
+
+190
+00:13:13,480 --> 00:13:21,080
+جسم ال data set ل2 أو 3 data sets مع كل data set
+
+191
+00:13:21,080 --> 00:13:24,700
+بأخدها إذا ال data set هذه كل العناصر اللي فيها
+
+192
+00:13:24,700 --> 00:13:28,480
+بتنتمي لنفس ال class يعني خلاص مافيش شغل على ال
+
+193
+00:13:28,480 --> 00:13:32,680
+data set هاي بمعنى آخر أنا أجيت لل middle age هنا
+
+194
+00:13:32,680 --> 00:13:37,500
+لما روحت قلت طبعا احنا حسبنا قلنا اخترنا ان ال
+
+195
+00:13:37,500 --> 00:13:40,760
+index هو ال major او ال root تبعتي الأول test
+
+196
+00:13:40,760 --> 00:13:44,420
+attribute وجيت دورت في ال middle age
+
+197
+00:13:47,510 --> 00:13:58,370
+Middle Age Middle Age تلاتاشة
+
+198
+00:13:58,370 --> 00:14:02,890
+واربعتاش بكل ال middle age هدولة يشملهم هدولة
+
+199
+00:14:02,890 --> 00:14:07,250
+بينتميوا لنفس ال class كلهم yes وبالتالي عند ال
+
+200
+00:14:07,250 --> 00:14:09,810
+middle age مافيش عندي continuous خلاص أنا وصلت
+
+201
+00:14:09,810 --> 00:14:13,590
+للنهايةلأ، طيب، ممتاز، معناته أول condition للـ
+
+202
+00:14:13,590 --> 00:14:18,070
+stopping أن كل ال samples لل node المعضاها بتنتمي
+
+203
+00:14:18,070 --> 00:14:21,530
+لنفس ال class زي ما شوفنا مع ال middle edge الحالة
+
+204
+00:14:21,530 --> 00:14:24,970
+التانية، أنه أنا فعليا بضلني بأجسم أو بعمل
+
+205
+00:14:24,970 --> 00:14:32,250
+partitioning لحد ما أصل أنه no remaining sample لل
+
+206
+00:14:32,250 --> 00:14:37,540
+attributes الموجودة، بدي أرجع معاك كمان مرة عفواno
+
+207
+00:14:37,540 --> 00:14:40,260
+remaining attributes او خلصت كل ال attributes اللي
+
+208
+00:14:40,260 --> 00:14:45,120
+عندي او فعليا ماضلش عندي samples موجودة بدي ارجع
+
+209
+00:14:45,120 --> 00:14:48,840
+معاك كمان مرهان انا الان هاتفقنا ان ال age هو اول
+
+210
+00:14:48,840 --> 00:14:55,700
+واحد خلصت من ال middle age انا ايش
+
+211
+00:14:55,700 --> 00:15:04,270
+بقي عندي بقي عندي ال young ال youthو ال senior ال
+
+212
+00:15:04,270 --> 00:15:08,610
+data set تبعتي هتنجسم ل two data sets يث و senior
+
+213
+00:15:08,610 --> 00:15:15,110
+يث و senior معناته انا هحصل على هاي
+
+214
+00:15:15,110 --> 00:15:19,990
+ال data set اللي موجودة عندي ها هي اليث فهروح انا
+
+215
+00:15:19,990 --> 00:15:26,650
+اخد هتعامل مع ال data set بعد هيك هايعلى إنها data
+
+216
+00:15:26,650 --> 00:15:30,390
+set مستقلة و أعمل و أبدأ بالحسبة مرة تانية يعني
+
+217
+00:15:30,390 --> 00:15:36,370
+بين جوسين أصبحت اليف الآن هي ال branch الآن مين
+
+218
+00:15:36,370 --> 00:15:40,830
+ضال عندي income و student و ال credit هروح أدور
+
+219
+00:15:40,830 --> 00:15:45,850
+بين هدول مين اللي هتكون عند ال test node هانو هعمل
+
+220
+00:15:45,850 --> 00:15:50,210
+split لل data هذه ال data set انسي الباقي كله هعمل
+
+221
+00:15:50,210 --> 00:15:54,570
+split لل data set هذه بناء على selected attribute
+
+222
+00:15:54,570 --> 00:15:57,930
+بين جثين احنا شفنا بال example مسبقا انه ال
+
+223
+00:15:57,930 --> 00:16:01,530
+student فكانت هي ال student ال student هدفي yes و
+
+224
+00:16:01,530 --> 00:16:06,370
+no بناء عليهالـ data set بتنجي سيملة two data sets
+
+225
+00:16:06,370 --> 00:16:10,450
+كمان مرة واحدة مع ال yes و واحدة مع ال no و بنقل
+
+226
+00:16:10,450 --> 00:16:14,510
+طبعا بما انه انا student yes و no بروح بدور صارت
+
+227
+00:16:14,510 --> 00:16:17,450
+هدولة بينتم دولة class و هدولة كل partition بينتم
+
+228
+00:16:17,450 --> 00:16:22,100
+ال class معناته انا وجفتطيب فحصت ال .. عفوا فحصت
+
+229
+00:16:22,100 --> 00:16:26,320
+ال age و فحصت ال student و فحصت ال income و في
+
+230
+00:16:26,320 --> 00:16:28,940
+الآخر لاجيت ان انا فعليا مافيش عندي attributes
+
+231
+00:16:28,940 --> 00:16:32,200
+فخلصنا فهذه ال condition او stopping conditions
+
+232
+00:16:32,200 --> 00:16:35,900
+اللي انا ممكن اوقف عليها طالما ال data ستة بقعت
+
+233
+00:16:35,900 --> 00:16:40,840
+كبيرة و فيها شغل ال decision tree بياخد مني وجد في
+
+234
+00:16:40,840 --> 00:16:44,820
+موضوع القرار اللي موجود هنا كمان مرة بلخص بشكل
+
+235
+00:16:44,820 --> 00:16:50,430
+سريعمتى انا ممكن اوقف اظل ابحث مين اللي بيحدد ال
+
+236
+00:16:50,430 --> 00:16:53,630
+depth تبعت letter E ال depth تبعت letter E تحدد
+
+237
+00:16:53,630 --> 00:16:56,810
+تبع ال dimensionality تبع ال data set عدد ال
+
+238
+00:16:56,810 --> 00:17:01,550
+attributes و عدد ال rows الان متى بدي اوقف لما
+
+239
+00:17:01,550 --> 00:17:04,890
+تكون كل ال sample في ال given node تنتمي لنفس ال
+
+240
+00:17:04,890 --> 00:17:07,950
+class يعني لما انا اخترت ال attribute و روحت اعمل
+
+241
+00:17:07,950 --> 00:17:11,970
+splitلاجيت واحدة من الـ partitions اللي موجودة
+
+242
+00:17:11,970 --> 00:17:13,970
+بتنتمي لنفس ال class خلاص هاد ابنا مافيش فيها شغل
+
+243
+00:17:13,970 --> 00:17:16,870
+لإن هاد ال decision تبعتها مباشرة لإنها بتنتمي
+
+244
+00:17:16,870 --> 00:17:20,850
+لنفس ال class معناته خلاص اوصلت ال leave node ال
+
+245
+00:17:20,850 --> 00:17:29,750
+leave node تبعتي ال leave node ال leave لماالخيار
+
+246
+00:17:29,750 --> 00:17:32,690
+التاني أنه لما بكون فعليًا أنا عملت splitting لل
+
+247
+00:17:32,690 --> 00:17:35,250
+data set على كل ال attributes وخلصت ال attributes
+
+248
+00:17:35,250 --> 00:17:40,030
+تبعتي برضه ماعنديش شغل و there is no sample left
+
+249
+00:17:40,030 --> 00:17:43,610
+مابغيش عندي ولا حاجة في ال data set عشان أجسمها
+
+250
+00:17:43,610 --> 00:17:47,510
+على مستوى الرأس تعالوا نروح مع بعض من خلال نشوف ال
+
+251
+00:17:47,510 --> 00:17:52,910
+information gain و هي الأكثر و الأشهر استخدامها و
+
+252
+00:17:52,910 --> 00:17:55,830
+ال Gain Index هنتكلم على ال information gain بكل
+
+253
+00:17:55,830 --> 00:17:59,970
+بساطةالـ information gain بتعتمد على ال
+
+254
+00:17:59,970 --> 00:18:02,830
+probability مش احنا قلنا قبل شوية موضوع ال
+
+255
+00:18:02,830 --> 00:18:06,970
+splitting او الفصل في ال attributes بيعتمد اعتماد
+
+256
+00:18:06,970 --> 00:18:12,250
+كله على فعليا العناصر اللي موجودة على احتمال
+
+257
+00:18:12,250 --> 00:18:15,930
+يقولنا اما heuristic rules او statistical
+
+258
+00:18:15,930 --> 00:18:19,650
+measurement لما بتكلم على probability معناته انا
+
+259
+00:18:19,650 --> 00:18:22,950
+جاي بتتكلم على احتمالات ال statistics الى اخرين
+
+260
+00:18:23,780 --> 00:18:27,160
+بقول افترض ان الـ P I هي عبارة عن ال probability
+
+261
+00:18:27,160 --> 00:18:34,780
+of an arbitrary tuple في ال data ال 6 تبعتي تبعتي
+
+262
+00:18:34,780 --> 00:18:36,740
+تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي
+
+263
+00:18:36,740 --> 00:18:36,820
+تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي
+
+264
+00:18:36,820 --> 00:18:37,520
+تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي
+
+265
+00:18:37,520 --> 00:18:40,280
+تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي
+
+266
+00:18:40,280 --> 00:18:49,560
+تبعتي تبعتي تبعتي تبعتي تبعتي تبعتي تبع
+
+267
+00:18:51,740 --> 00:18:55,960
+الـ Probability للـ CD الـ CI على ال D على كل
+
+268
+00:18:55,960 --> 00:18:59,300
+Probability تبع ال data set اللي موجودة بكل بساطة
+
+269
+00:18:59,300 --> 00:19:04,400
+أنا في عندي تلت عمليات حسابية هعملها عشان أخد ال
+
+270
+00:19:04,400 --> 00:19:07,560
+decision و أحدد من ال test node اللي موجود عندي
+
+271
+00:19:07,560 --> 00:19:11,540
+الأولى هسميها ال expected information أو ال
+
+272
+00:19:11,540 --> 00:19:19,260
+entropy وهي لكل ال data set اللي موجودة عندي هنا
+
+273
+00:19:19,260 --> 00:19:27,600
+شو يعني؟الان مطلوب مني ان احسب ال information او
+
+274
+00:19:27,600 --> 00:19:31,140
+ال entropy لل classes اللي موجودة في ال data set
+
+275
+00:19:31,140 --> 00:19:34,700
+لكل ال data set وهن�� بنجو سين وكأني بده يقوللي
+
+276
+00:19:34,700 --> 00:19:40,940
+احسب احتمالية او احسب ال probability لكل class في
+
+277
+00:19:40,940 --> 00:19:43,880
+ال data set عدد مرات ظهور ل class في ال data set
+
+278
+00:19:43,880 --> 00:19:46,840
+اللي موجودة عندي هنا وبعد هيك بروح طبق عليهم
+
+279
+00:19:46,840 --> 00:19:51,840
+العملية يعني انا لو كنت على سبيل المثالال data 6
+
+280
+00:19:51,840 --> 00:19:57,580
+تبعتي فيها عشر element أربعة منهم yes وستة منهم no
+
+281
+00:19:57,580 --> 00:20:01,040
+أنا
+
+282
+00:20:01,040 --> 00:20:04,100
+في عيني بتكلم على binary classification yes or no
+
+283
+00:20:04,100 --> 00:20:10,200
+أربعة yes وستة no ال information gained لل data 6
+
+284
+00:20:10,200 --> 00:20:16,720
+تبعتي كلها هي عبارة عن مجموع ناقص
+
+285
+00:20:16,720 --> 00:20:20,600
+مضروبة فيه ال probability تبعت ال data الأولى
+
+286
+00:20:22,150 --> 00:20:28,310
+احتمال ال class الأول 4 على 10 مضروبة في log ال 4
+
+287
+00:20:28,310 --> 00:20:33,210
+على 10 للأساس 2 زائد
+
+288
+00:20:34,590 --> 00:20:40,310
+6 على 10 مضروبة في ال logarithm 6 على 10 ال
+
+289
+00:20:40,310 --> 00:20:44,350
+logarithm ال binary logarithm و هكذا ليش القيمة
+
+290
+00:20:44,350 --> 00:20:48,030
+هتداني إشارة سالبة لأن ال logarithm تبعت ال binary
+
+291
+00:20:48,030 --> 00:20:52,690
+بتاعة الكسل هتطلع عندى سالب و إذا بتذكروا في عندى
+
+292
+00:20:52,690 --> 00:21:01,740
+log ال X على ال Yتساوي log X ناقص log Y وبما ان ال
+
+293
+00:21:01,740 --> 00:21:05,200
+Y عندي اكبر من ال X فستكون القيمة اللي عندي سالبة
+
+294
+00:21:05,200 --> 00:21:07,880
+عشان انا اخلص منها اخلص منها فكانت القيام اللي
+
+295
+00:21:07,880 --> 00:21:12,360
+عندي هان هتطلع قيم موجبة واضح الأمور ان شاء الله
+
+296
+00:21:12,360 --> 00:21:18,090
+جماعة الخيرالان يعني اول شغلة فعليا انا هسويها
+
+297
+00:21:18,090 --> 00:21:21,350
+هروح احسب ال probability لكل class او بين جثين
+
+298
+00:21:21,350 --> 00:21:27,670
+هحسب ال entropy هي عبارة عن حاصل .. عبارة عن مجموع
+
+299
+00:21:27,670 --> 00:21:33,310
+حاصل ضرب ال probability لكل class في ال logarithm
+
+300
+00:21:33,310 --> 00:21:38,830
+او ال binary log ل ال probability ل ال class اللي
+
+301
+00:21:38,830 --> 00:21:41,930
+موجود عندى و زي ما بقوله بال .. بال .. بال ..
+
+302
+00:21:42,360 --> 00:21:45,340
+بالمثال يتضح المقار كمان شوية هنتقل للمثال
+
+303
+00:21:45,340 --> 00:21:50,740
+بالتفصيل ان شاء الله تعالى الخطوة اللي بعد هيك بدي
+
+304
+00:21:50,740 --> 00:21:58,260
+اروح لكل attribute A احاول فعليا هيجسم ال data set
+
+305
+00:21:58,260 --> 00:22:02,040
+لمجموعة من ال partitions جداش عدد ال V هذه او جداش
+
+306
+00:22:02,040 --> 00:22:07,420
+عدد ال partitions بعدد ال distinct values اللي
+
+307
+00:22:07,420 --> 00:22:12,630
+موجودة عندى فيه ال attributeيعني ال age كان في
+
+308
+00:22:12,630 --> 00:22:19,910
+عندي تلاتة three three values يث و middle age و
+
+309
+00:22:19,910 --> 00:22:23,570
+senior ففعليا ال attribute ال age هي
+
+310
+00:22:26,960 --> 00:22:30,380
+الـ Attribute الـ Age يث و Middle Age والسينيور
+
+311
+00:22:30,380 --> 00:22:33,860
+هيلي الـ three distinct values ففعليا بناء على ال
+
+312
+00:22:33,860 --> 00:22:38,600
+attribute هذا هجسم ال data ستة باعتي كلها ل three
+
+313
+00:22:38,600 --> 00:22:43,860
+.. ل three subsets ل three partitions مع كل واحدة
+
+314
+00:22:43,860 --> 00:22:46,600
+من ال values اللي موجودة عندي هنا عشان انا فعليا
+
+315
+00:22:46,600 --> 00:22:52,190
+اروحأحسب ال information لل attribute اللي موجودة
+
+316
+00:22:52,190 --> 00:22:56,050
+عندها ايش ال information لل attribute ال
+
+317
+00:22:56,050 --> 00:23:01,870
+information لل attribute يساوي ال summationاحتمال
+
+318
+00:23:01,870 --> 00:23:04,870
+ال element اللي عندي او ال class اللي موجودة عندي
+
+319
+00:23:04,870 --> 00:23:08,310
+هنا لل attribute فيه ال information تبعت ال subset
+
+320
+00:23:08,310 --> 00:23:12,390
+اللي موجودة يعني بين جسيم ال subset الجديدة انا
+
+321
+00:23:12,390 --> 00:23:16,770
+هشتغل عليها و احسبها ال intro b السابقة بعد ما
+
+322
+00:23:16,770 --> 00:23:23,570
+احسب ال information لل attribute ال gain الانحياز
+
+323
+00:23:25,400 --> 00:23:28,740
+لأ ال element اللى موجود عندى هان أو التحصيل اللى
+
+324
+00:23:28,740 --> 00:23:33,400
+ممكن نسميها التحصيل ال a هي عبارة عن ال
+
+325
+00:23:33,400 --> 00:23:38,760
+information لل D الأولى ناقص ال information أو ال
+
+326
+00:23:38,760 --> 00:23:41,640
+entropy تبعت ال attribute اللى عندى ال entropy
+
+327
+00:23:41,640 --> 00:23:47,180
+تبعت ال attribute اللى عندى يعني أنا فعليا هاخد
+
+328
+00:23:47,180 --> 00:23:53,540
+هاي و هايهتراحهم من بعض بس ما تنسوش انه فعليا هذه
+
+329
+00:23:53,540 --> 00:23:59,580
+هي نفسها اللي فوق بس على different subset او على
+
+330
+00:23:59,580 --> 00:24:03,680
+different data set او بين جسين على subset set تبعا
+
+331
+00:24:03,680 --> 00:24:07,320
+لل values اللي جسمها لل partition اللي جسمت ليها
+
+332
+00:24:07,320 --> 00:24:11,480
+ال attribute اللي عندنا تعالوا نروح هن و نشوف
+
+333
+00:24:11,480 --> 00:24:17,140
+المثال اللي موجود عندنا قلنا في الخطوة رقم واحدفي
+
+334
+00:24:17,140 --> 00:24:21,600
+الخطوة رقم واحد قلنا انا اتفقنا ان انا فعليا هروح
+
+335
+00:24:21,600 --> 00:24:24,800
+احسب ال information gain او ال entropy لكل ال data
+
+336
+00:24:24,800 --> 00:24:29,260
+set ممتاز عشان احسب ال entropy لكل ال data set
+
+337
+00:24:29,260 --> 00:24:33,540
+بنذكر قلنا هو عبارة عن ال summation سالب واحد في
+
+338
+00:24:33,540 --> 00:24:40,160
+ال summation في probability لل I في log ل ال P I
+
+339
+00:24:40,160 --> 00:24:43,960
+ال probability لل I و ايش قلنا هاي ال classوالـ I
+
+340
+00:24:43,960 --> 00:24:46,920
+بيتساوى من واحد لأن بعدد ال classes اللي موجودة
+
+341
+00:24:46,920 --> 00:24:51,360
+حسب ال data set اللي موجودة عندها حسب ال data set
+
+342
+00:24:51,360 --> 00:24:53,900
+اللي موجودة عندها انا في عندى two different
+
+343
+00:24:53,900 --> 00:24:58,680
+classes only two different classes only اللي هم
+
+344
+00:24:58,680 --> 00:25:05,940
+yes و no حجم ال data set كل هجدش يا جماعة الخير 14
+
+345
+00:25:05,940 --> 00:25:11,280
+عدد ال yes 9 معناته ال probability تبعتها 9 على 14
+
+346
+00:25:13,570 --> 00:25:18,130
+الـ Probability للـ Yes 9 على 14 طب عدد الـ No
+
+347
+00:25:18,130 --> 00:25:24,810
+بجيتها 5 5 على 14 هي الاحتمالية تبعتها 5 على 14
+
+348
+00:25:24,810 --> 00:25:31,190
+وبهيك أنا حصلت على أول خطوةاللي هي عرفت ال
+
+349
+00:25:31,190 --> 00:25:34,790
+probability تبعت لـ classes اللي موجودة عندي اللي
+
+350
+00:25:34,790 --> 00:25:37,570
+هي ال probability لل yes و ال probability لل no
+
+351
+00:25:37,570 --> 00:25:40,030
+الخطوة التالية اللي المفروض ان انا اشتغل عليها
+
+352
+00:25:40,030 --> 00:25:43,410
+الان ان انا بدروح احسب ال information او ال
+
+353
+00:25:43,410 --> 00:25:48,210
+entropy تبعتي بالمعادلة التالية ال information
+
+354
+00:25:48,210 --> 00:25:57,610
+هنرمزلها لل I لل data set تبعتي تساوي تساوي
+
+355
+00:25:59,800 --> 00:26:04,940
+I تسعة كما خمسة تسعة و خمسة هدول هم الاربعتاش
+
+356
+00:26:04,940 --> 00:26:07,660
+تبعوتي يا جماعة الخير الان هي القانون تبع ال
+
+357
+00:26:07,660 --> 00:26:12,580
+information هيه بيلزمني فيها ان اعرف ال
+
+358
+00:26:12,580 --> 00:26:16,020
+probability لل yes و ال probability لل no وهذا
+
+359
+00:26:16,020 --> 00:26:24,260
+الكلام يساوي ماقص مضروبة فيه كام class and two
+
+360
+00:26:24,260 --> 00:26:27,790
+class هيهم هدوللو كانوا تلاتة هيكونوا تلاتة لو
+
+361
+00:26:27,790 --> 00:26:32,130
+أربعة هيكونوا أربعة إلى آخره مع كل واحدة فيهم الان
+
+362
+00:26:32,130 --> 00:26:36,270
+تسعة على أربعة اتناش هي تبعت ال class الأول اللي
+
+363
+00:26:36,270 --> 00:26:42,030
+بين جثين احنا قلنا ال yes مضروبة في ال binary
+
+364
+00:26:42,030 --> 00:26:48,970
+logarithm للتسعة على أربعة اتناشمجموعة لهم مجموعة
+
+365
+00:26:48,970 --> 00:26:54,010
+الخمسة تبعتها الخمسة تبعت النو خمسة على أربعة عاش
+
+366
+00:26:54,010 --> 00:27:01,670
+مضروبة في ال logarithm ال binary logarithm الخمسة
+
+367
+00:27:01,670 --> 00:27:07,950
+على أربعة عا�� هذا ال gain تبعت كل ال data set
+
+368
+00:27:07,950 --> 00:27:11,230
+توزيعت ال data set عندي على two classes تذكر كمان
+
+369
+00:27:11,230 --> 00:27:17,750
+مرةواحدة اتين تلاتة اربعة خمسة no خمسة من اربعة
+
+370
+00:27:17,750 --> 00:27:21,290
+اتاشر معناته عندى تسعة yes والان قولنا هي قانونهم
+
+371
+00:27:21,290 --> 00:27:25,670
+قانون ال information او ال gain عفوا ال entropy لل
+
+372
+00:27:25,670 --> 00:27:30,730
+data set هي عبارة عن سالب واحد مضروبة في مجميع ل
+
+373
+00:27:30,730 --> 00:27:35,410
+probability لكل class مضروبة في ال log ل log ل
+
+374
+00:27:35,410 --> 00:27:38,650
+probability لكل class فانا هيني حسبت المعادلة اللى
+
+375
+00:27:38,650 --> 00:27:40,670
+موجودة عندى هتظهر من خلال
+
+376
+00:27:43,770 --> 00:27:51,650
+سلايد هيه وهذه
+
+377
+00:27:51,650 --> 00:27:59,370
+قيمتها point تسعة أربعة أو أربعة وتسعين من مية هذه
+
+378
+00:27:59,370 --> 00:28:03,130
+ثابتة هتكون لكل ال data set لكل training set اللي
+
+379
+00:28:03,130 --> 00:28:06,830
+أنا ببني عليها ال model ممتاز انا مشيت اول خطوة في
+
+380
+00:28:06,830 --> 00:28:12,030
+الحل الخطوة التالية ان انا فعليا بدي اروح اي اتنين
+
+381
+00:28:16,020 --> 00:28:22,480
+بدأ أحسب ال information لكل attribute موجود في ال
+
+382
+00:28:22,480 --> 00:28:28,200
+data set لكل attribute؟ صحيح فهأخد احسب ال intro
+
+383
+00:28:28,200 --> 00:28:33,140
+بالان او ال information gain لل age و احسب ال
+
+384
+00:28:33,140 --> 00:28:39,490
+informationGain للـ income لل student لل credit
+
+385
+00:28:39,490 --> 00:28:45,670
+rating و هكذا خليني انا ابدأ معاكوا و اذكركم ان
+
+386
+00:28:45,670 --> 00:28:48,670
+انا فعليا بحسب ال information gain لل attribute
+
+387
+00:28:52,790 --> 00:28:56,270
+تبقى على ال data set اللي موجودة عندها لأن ال
+
+388
+00:28:56,270 --> 00:28:59,750
+summation على عدد ال partitions ال summation ال V
+
+389
+00:28:59,750 --> 00:29:02,830
+زي ما قلنا قبل شوية هيها اللي هي عدد ال partitions
+
+390
+00:29:02,830 --> 00:29:08,650
+اللي عندها number of partitions حجم
+
+391
+00:29:08,650 --> 00:29:12,850
+ال partition لل data set عدد عناصر ال partition
+
+392
+00:29:12,850 --> 00:29:16,290
+لعدد عناصر ال data set ratio احتمال ولا لأ
+
+393
+00:29:16,290 --> 00:29:21,880
+probability ضرب ال informationلل data set أو لل
+
+394
+00:29:21,880 --> 00:29:25,700
+partition اللي موجودة عندي يعني مع كل partition
+
+395
+00:29:25,700 --> 00:29:30,060
+انا بجسمه هروح احسب ال information لل data set
+
+396
+00:29:30,060 --> 00:29:33,120
+لجديدة و هذه مبدأ ال divide and conquer زي ما قلنا
+
+397
+00:29:33,120 --> 00:29:36,300
+سابقا في الالجو في الخصائص اللي موجودة هنا خلينا
+
+398
+00:29:36,300 --> 00:29:41,780
+ناخد ال age ال age بجسم ال data set اللي عندي ل
+
+399
+00:29:41,780 --> 00:29:45,280
+three partitions بناء على مين؟ بناء على ان عندي
+
+400
+00:29:45,280 --> 00:29:51,120
+youthو middle age و senior فش عني غيرهم هايهم ال
+
+401
+00:29:51,120 --> 00:29:56,100
+different elements اللي موجودين عندى الآن إيش هروح
+
+402
+00:29:56,100 --> 00:30:08,600
+أساوي بهمش هروح أشتغل التالي هعمل جدول بسيط
+
+403
+00:30:08,600 --> 00:30:11,680
+إيش
+
+404
+00:30:11,680 --> 00:30:15,570
+ال values اللي موجودة عندى هناطب انا بتكلم على ال
+
+405
+00:30:15,570 --> 00:30:26,170
+age الان ك attribute ال value تبعتي جدش
+
+406
+00:30:26,170 --> 00:30:32,330
+منهم yes جدش منهم no و بدى اروح احسب ال intro بيه
+
+407
+00:30:32,330 --> 00:30:35,610
+تبعت ال yes و ال no
+
+408
+00:30:41,850 --> 00:30:47,750
+متفقين الآن احنا في عيننا قولنا three elements او
+
+409
+00:30:47,750 --> 00:30:59,670
+three different values موجودة عندى الأولى يث هى
+
+410
+00:30:59,670 --> 00:31:07,030
+واحدة يث تنتين تلاتة اربعة خمسة
+
+411
+00:31:10,000 --> 00:31:17,900
+no بتعد ال yes الان واحدة تنتين تلاتة تلاتة yes
+
+412
+00:31:17,900 --> 00:31:21,380
+وتنتين
+
+413
+00:31:21,380 --> 00:31:27,740
+no الان المطلوب مني هو فعليا انا عند خمسة yes
+
+414
+00:31:27,740 --> 00:31:32,760
+العدد هم هتوزع تلاتة و اتنين مقلوب مني احسب I
+
+415
+00:31:32,760 --> 00:31:38,540
+تلاتة و اتنين��لـ Entropy للـ Yes والـ No تبع لل
+
+416
+00:31:38,540 --> 00:31:41,540
+class اللي موجود عندهم تعالى نشوف البعد هيك ال
+
+417
+00:31:41,540 --> 00:31:47,300
+middle age هي واحدة واحدة middle age اتنين تلاتة
+
+418
+00:31:47,300 --> 00:31:58,720
+اربعة اربعة middle age توزعتهم
+
+419
+00:31:58,720 --> 00:32:09,170
+واحدة yes تنتين yes تلاتة yesأربعة yes أربعة yes
+
+420
+00:32:09,170 --> 00:32:12,830
+هم كله عددهم أربعة فكم منهم أربعة yes معناته صفر
+
+421
+00:32:12,830 --> 00:32:18,930
+منهم no صحيح الكلام هيك و هيك صار في عندي أربعة و
+
+422
+00:32:18,930 --> 00:32:26,250
+zero بالنسبة لل senior الآن
+
+423
+00:32:26,250 --> 00:32:30,290
+صار في عندي تلاتة عفوا احنا قولنا هنا خمسة وهنا
+
+424
+00:32:30,290 --> 00:32:34,970
+أربعة مجموحهم تسعة جدش باقي عندي جدش باقي عندي
+
+425
+00:32:39,130 --> 00:32:43,930
+خمسة ليش؟ لأن ال data set حجمها 14 element فصار في
+
+426
+00:32:43,930 --> 00:32:47,070
+عندي تسعة rows موجودين مع ال value الأولى و
+
+427
+00:32:47,070 --> 00:32:50,070
+التانية لأنه ماتنساش و ماتنسيش أنه أنا قلت بدي
+
+428
+00:32:50,070 --> 00:32:55,270
+أجسم ال data set ل N من ال partition ال H بتجسم ال
+
+429
+00:32:55,270 --> 00:32:59,710
+data set اللي هي ال 14 row ل 3 partitions أنا حصلت
+
+430
+00:32:59,710 --> 00:33:04,610
+خمسة مع الياث مع الياثو 4 rows مع ال middle و خمسة
+
+431
+00:33:04,610 --> 00:33:08,430
+هم الباقين هيكونوا مع مين مع ال senior تعالى نعد
+
+432
+00:33:08,430 --> 00:33:14,270
+مع ال senior senior
+
+433
+00:33:14,270 --> 00:33:21,250
+yes senior yes no
+
+434
+00:33:22,980 --> 00:33:28,620
+senior yes وهي قيمة الأخيرة yes معناته انا عندي مع
+
+435
+00:33:28,620 --> 00:33:35,160
+ال senior تنتين yes و تلاتة no اتنين و تلاتة
+
+436
+00:33:35,160 --> 00:33:41,780
+وبالتالي انا لازم احسب ال entropy لتنين و تلاتة ال
+
+437
+00:33:41,780 --> 00:33:46,340
+entropy هاي او ال information gain كيف حسبناها
+
+438
+00:33:46,340 --> 00:33:51,320
+قانونها معروف سابقا ماتنسوش او ماتنسوش مطلقا عبارة
+
+439
+00:33:51,320 --> 00:33:58,630
+عن ناقصفي مجموع ال probabilities للبي في log ال
+
+440
+00:33:58,630 --> 00:34:04,270
+binary log للبي ال probability وال I تسوى من واحد
+
+441
+00:34:04,270 --> 00:34:13,010
+لعدد ال classes ساميه C الآن
+
+442
+00:34:14,700 --> 00:34:17,760
+ال data set هاي مش احنا قولنا divide and conquer
+
+443
+00:34:17,760 --> 00:34:21,940
+جسمنا ال data set والان بدي اعيد نفس الشغل عليها
+
+444
+00:34:21,940 --> 00:34:25,000
+نفس الحسبة فبرحت انا بدي احسب ال information gain
+
+445
+00:34:25,000 --> 00:34:30,520
+لهاي وهد اللي المفروض تساوي ناقص مضروبة فيه تلاتة
+
+446
+00:34:30,520 --> 00:34:37,040
+على خمسة في log أيوة جداش في ال binary log صحيح
+
+447
+00:34:37,040 --> 00:34:43,800
+تلاتة على خمسة زائد اتنين على خمسة في logاثنين على
+
+448
+00:34:43,800 --> 00:34:49,600
+خمسة هذه ال intro بالأولى هذه جمعة الخير صفر ليش
+
+449
+00:34:49,600 --> 00:34:59,080
+ناقص اربعة على خمسة اربعة على خمسة اربعة على خمسة
+
+450
+00:34:59,080 --> 00:35:07,160
+اربعة على اربعة sorry اربعة على اربعة في log ال
+
+451
+00:35:07,160 --> 00:35:13,210
+binary للاربعة على اربعة اللي هي واحد صفرزائد صفر
+
+452
+00:35:13,210 --> 00:35:21,090
+على أربعة في log صفر على أربعة ومن ثم القيمة هذه
+
+453
+00:35:21,090 --> 00:35:24,430
+هتروح عندي وهذه هي نفس اللي فوق بس مع تغيير ال
+
+454
+00:35:24,430 --> 00:35:30,110
+terms اللي موجودة عندها بنفس الحسبة وبالتالي أنا
+
+455
+00:35:30,110 --> 00:35:33,450
+حسبتها في الجدول فطلعت معايا هيها
+
+456
+00:35:39,160 --> 00:35:43,280
+خلصت؟ لأ لسه مخلصش بقال علي خطوة واحدة عشان اعرف
+
+457
+00:35:43,280 --> 00:35:51,340
+ان ال gain تبعت ال age جديش بدي اروح اقوله ال gain
+
+458
+00:35:51,340 --> 00:35:56,140
+تبعت ال data set اللي كلها اللي هي جمع الاي للتسعة
+
+459
+00:35:56,140 --> 00:36:02,380
+وخمسة حسبناها point تسعة اربعة صفر في ال slide
+
+460
+00:36:02,380 --> 00:36:03,020
+السادق هي
+
+461
+00:36:06,330 --> 00:36:10,670
+لم�� حسبناها هان لكل ال data set ال gain او ال
+
+462
+00:36:10,670 --> 00:36:13,470
+intro لكل ال data set حسبت الان ال intro ل ال age
+
+463
+00:36:13,470 --> 00:36:19,210
+هيها الان الخطوة اللي هشتغل عليها انه بدي اجيب ال
+
+464
+00:36:19,210 --> 00:36:23,510
+information gain لكل واحد فيهم طبعا المفروض انا
+
+465
+00:36:23,510 --> 00:36:27,350
+ممكن اشتغل الخطوة هاي تباعا اجرح اقوله مباشرة الان
+
+466
+00:36:27,350 --> 00:36:35,550
+ال information gain لل age تساوي
+
+467
+00:36:36,360 --> 00:36:40,700
+أو الـ Gain للـ Age تساوي ال Entropy لكل ال data
+
+468
+00:36:40,700 --> 00:36:46,120
+set نقص ال Entropy تبع ال Age ال
+
+469
+00:36:46,120 --> 00:36:53,940
+Gain لل Age تساوي ال Entropy لل data set 0.94 ناقص
+
+470
+00:36:53,940 --> 00:37:02,900
+ال Entropy ل ال Age اللي موجود عندى 6.94تساوي طبعا
+
+471
+00:37:02,900 --> 00:37:06,620
+ممكن تشتغل الخطوة التالية تشتغل مع ال income بنفس
+
+472
+00:37:06,620 --> 00:37:09,200
+ال concept ال income في عندي برضه .. برضه هان في
+
+473
+00:37:09,200 --> 00:37:12,420
+عندي three different values ال income في عندي
+
+474
+00:37:12,420 --> 00:37:16,340
+three different values high و medium و low
+
+475
+00:37:16,340 --> 00:37:19,840
+توزيعتهم بنفس الكيفية و بحسب ال entropy ل ال yes و
+
+476
+00:37:19,840 --> 00:37:28,780
+ال no و هكذا هى حسبت ال entropy ل ال ..Informat ..
+
+477
+00:37:28,780 --> 00:37:32,880
+لل income ال intro بي ل ال student ال intro بي ل
+
+478
+00:37:32,880 --> 00:37:39,660
+مين ل ال credit rating الآن خطوة تالية هروح رحسب
+
+479
+00:37:39,660 --> 00:37:45,500
+ال information gain او ال gain تبعت ال age و ال
+
+480
+00:37:45,500 --> 00:37:50,660
+gain تبعت هنا في slides مفقودة المفروض انا شكلي
+
+481
+00:37:50,660 --> 00:37:54,420
+نسيها او ما شابه لأ هي نفس ال .. okay بس مش مفصلة
+
+482
+00:37:54,420 --> 00:38:01,550
+فحسبت ال gain لل ageالـ gain للـ age هي
+
+483
+00:38:01,550 --> 00:38:08,250
+عبارة عن الـ entropy لكل ال data 6.94% ناقص ال
+
+484
+00:38:08,250 --> 00:38:13,450
+entropy تبعت ال age اللي هي 694 من الف و هيكون
+
+485
+00:38:13,450 --> 00:38:19,370
+الفرق بينهم 246 من الف و روحت حسبت ال incomeأو ال
+
+486
+00:38:19,370 --> 00:38:25,090
+gain لل income ال gain لل student و ال gain لل
+
+487
+00:38:25,090 --> 00:38:29,630
+credit rating لاحظ ال credit rating اقل ما يمكن
+
+488
+00:38:29,630 --> 00:38:36,270
+اقل اصغر واحدة من العناصر الموجودة عندى اقل
+
+489
+00:38:36,270 --> 00:38:40,830
+واحدة مع ال income مالهاش كان الهاش اقل تأثيرا
+
+490
+00:38:42,420 --> 00:38:47,460
+الفكرة ان انا بدي اروح اخد او بدي اعمل split على
+
+491
+00:38:47,460 --> 00:38:56,160
+ال maximum gain لل attributes مين
+
+492
+00:38:56,160 --> 00:39:05,760
+ال maximum؟ هي لان 244 من 1000 اكبر من اكبر قيمة
+
+493
+00:39:05,760 --> 00:39:09,680
+موجودة فيهم اللي هي هنا مع ال studentوهذا بتديني
+
+494
+00:39:09,680 --> 00:39:12,040
+إشارة إن ممكن ال student تكون هي ال next element
+
+495
+00:39:12,040 --> 00:39:14,920
+اللي أنحمل عليه splitting لكن مش قضيتي في الآخر
+
+496
+00:39:14,920 --> 00:39:26,420
+أنا هاي الآن الآن ال data set هرجعلها ال
+
+497
+00:39:26,420 --> 00:39:30,660
+data set الآن هنعملها partitioning هي ال data set
+
+498
+00:39:30,660 --> 00:39:37,180
+كيف ال partition تبعتي؟ بيبقى إنه قال لي إن ال age
+
+499
+00:39:37,180 --> 00:39:43,030
+هي هتكون الأساسكل الروز المحوطة باللون الأحمر هذه
+
+500
+00:39:43,030 --> 00:39:49,510
+أو بين جثين التبعت اليف هتمثل
+
+501
+00:39:49,510 --> 00:39:56,030
+one data set خمسة
+
+502
+00:39:56,030 --> 00:40:00,950
+روز تمام؟
+
+503
+00:40:00,950 --> 00:40:05,930
+بعد هيك ال middle age لحالهم اللي باللون الأزرق
+
+504
+00:40:05,930 --> 00:40:07,010
+عمالي بحوط عليهم
+
+505
+00:40:15,180 --> 00:40:19,840
+هدولة أربعة .. أربعة وضلوا ال senior العناصر
+
+506
+00:40:19,840 --> 00:40:23,460
+الباقية يعني بين قوسين إن ال data ستة بقى هتنجسم
+
+507
+00:40:23,460 --> 00:40:28,020
+الآن بعد ما أخدت ال route أنا هيها بقول ال age هي
+
+508
+00:40:28,020 --> 00:40:32,220
+الأساس لإن هي صاحبة الأكبر gain هيها فبدي أجسم ال
+
+509
+00:40:32,220 --> 00:40:35,000
+data ستة بقى لل three values اللي موجودة عندي يعني
+
+510
+00:40:35,000 --> 00:40:38,940
+ال youth و ال middle age و ال senior ممتاز
+
+511
+00:40:44,580 --> 00:40:48,980
+جسمناهم هذه ال data set اللى موجودة عندى الآن على
+
+512
+00:40:48,980 --> 00:40:54,480
+السريع شو هروح أساوي هاخد كل data set لان لاحظ ان
+
+513
+00:40:54,480 --> 00:40:56,040
+عمود ال student اختفت
+
+514
+00:40:58,670 --> 00:41:03,170
+عمود ال age اختفت ..عمود ال age اختفت ..الان كل
+
+515
+00:41:03,170 --> 00:41:08,270
+واحدة من ال data set هشتغل عليها بشكل مستقل لحد ما
+
+516
+00:41:08,270 --> 00:41:13,150
+احقق واحد من الشروط التلاتة اما فعليا كل ال
+
+517
+00:41:13,150 --> 00:41:17,690
+attributes او كل ال symbols تمتم لنفس ال classأو
+
+518
+00:41:17,690 --> 00:41:21,290
+ماضلش فيه عندي more attributes أنا جسمها أو ماضلش
+
+519
+00:41:21,290 --> 00:41:24,450
+فيه عنده rows بعد هيك يعني بين جثين حاجة لهان الآن
+
+520
+00:41:24,450 --> 00:41:28,890
+و هشتغل عليها بشكل مستقل هذه الآن new data set
+
+521
+00:41:28,890 --> 00:41:34,490
+هحسبلها information لمين؟ هذه كلها خمس عناصر اتنين
+
+522
+00:41:34,490 --> 00:41:39,330
+و تلاتة هذه ال information اللي اديه كلها ال ID
+
+523
+00:41:39,330 --> 00:41:42,630
+تبعتي I
+
+524
+00:41:43,610 --> 00:41:49,410
+تلا .. اتنين لليس و تلاتة لل no وهذا تساوي سالب في
+
+525
+00:41:49,410 --> 00:41:55,770
+مجموع .. في مجموع او بلاش نحط المجموع هيها اتنين
+
+526
+00:41:55,770 --> 00:42:02,790
+على خمسة في log اتنين على خمسة زائد تلاتة على خمسة
+
+527
+00:42:02,790 --> 00:42:09,060
+في log تلاتة على خمسةهذه المعلومات لكل ال data set
+
+528
+00:42:09,060 --> 00:42:12,940
+هذه as all ممتاز الآن كم attribute موجود عندي؟
+
+529
+00:42:12,940 --> 00:42:16,060
+عندي three different attributes عندي ال income و
+
+530
+00:42:16,060 --> 00:42:19,500
+عندي ال age يعفو ال student و ال credit rating
+
+531
+00:42:19,500 --> 00:42:23,640
+هروح أحسب ال information لمين؟ هروح أبدأ أبني
+
+532
+00:42:23,640 --> 00:42:27,500
+الجدول الآن لل attribute الأول مش اتفقنا هيك هشتغل
+
+533
+00:42:27,500 --> 00:42:31,360
+مع كل جدول على السريع أنا هشتغل بس مع هذه و الخطوة
+
+534
+00:42:31,360 --> 00:42:34,900
+التانية حاطر للباقية حاطر كواقلك الآن
+
+535
+00:42:37,170 --> 00:42:42,950
+مع العمود الأول ال income قلت
+
+536
+00:42:42,950 --> 00:42:49,250
+ال value تبعت ال income بعد هيك في عندي ال yes
+
+537
+00:42:49,250 --> 00:42:55,150
+وعندي ال no وعندي ال intro بلا ال yes و ال no بناء
+
+538
+00:42:55,150 --> 00:42:59,090
+على العدد اللي موجود عندي وبالتالي كام value موجود
+
+539
+00:42:59,090 --> 00:43:05,010
+عندي انا هان عندي low و medium و high هي
+
+540
+00:43:05,010 --> 00:43:05,290
+low
+
+541
+00:43:08,440 --> 00:43:16,120
+medium و high عد العناصر الموجودة مع بعضنا الان مع
+
+542
+00:43:16,120 --> 00:43:24,500
+ال law عندي قيمة واحدة فقط لمين بتنتمي لل yes واحد
+
+543
+00:43:24,500 --> 00:43:33,560
+yes و هنا صفر معناته ال entropy لواحد و صفر اجي
+
+544
+00:43:33,560 --> 00:43:35,780
+ل ال medium medium عندي تنتين
+
+545
+00:43:43,250 --> 00:43:50,310
+واحد yes وواحد no معناته انترو بي لواحد وواحد وضل
+
+546
+00:43:50,310 --> 00:43:53,950
+في عندي height انتين وبينتميوا لنفس ال class
+
+547
+00:43:53,950 --> 00:43:59,710
+معناته صفر واثنين انترو بي لصفر واثنين وذا بذكر ان
+
+548
+00:43:59,710 --> 00:44:03,650
+هاي القانون السابق اللي اعتند عليه حصل بحسب ال
+
+549
+00:44:03,650 --> 00:44:08,810
+gain الآن او بحسب ال information لل attribute اللي
+
+550
+00:44:08,810 --> 00:44:15,860
+موجود عندي من خلالالـ summation كمان مرة عدد ال
+
+551
+00:44:15,860 --> 00:44:21,840
+data set زي ما قلنا جديش جامعة الخير خمسة الان
+
+552
+00:44:21,840 --> 00:44:31,420
+واحد على خمسة في I واحد و صفر زائد هذه ال
+
+553
+00:44:31,420 --> 00:44:40,050
+information اتنين على خمسة في Iواحد و واحد زائد
+
+554
+00:44:40,050 --> 00:44:49,530
+اتنين على خمسة اتنين على خمسة صحيح اتنين على خمسة
+
+555
+00:44:49,530 --> 00:44:58,530
+في ال I صفر
+
+556
+00:44:58,530 --> 00:45:04,690
+و اتنين بحصل على ال information gain اللي موجود
+
+557
+00:45:04,690 --> 00:45:12,160
+عندي هان بعد هيك بقوله ال gainتبعت ال income هتمثل
+
+558
+00:45:12,160 --> 00:45:21,900
+ال ID اللي عندي فوق ناقص ال I لل income اللي
+
+559
+00:45:21,900 --> 00:45:28,380
+موجودة عندها هحسبها و فتالي بحسب لهذه و بحسب لل
+
+560
+00:45:28,380 --> 00:45:31,780
+العناصر
+
+561
+00:45:31,780 --> 00:45:37,640
+اللي موجودة عندى تماملل student بعيد الكرة و لل
+
+562
+00:45:37,640 --> 00:45:41,780
+credit rating و صاحب ال attribute صاحب أكبر gain
+
+563
+00:45:41,780 --> 00:45:46,480
+هو اللي حكون فعليا انا هعتمد وين في ال .. في
+
+564
+00:45:46,480 --> 00:45:49,740
+الرسمة او في decision node التالية حسب الحسبة
+
+565
+00:45:49,740 --> 00:45:54,200
+تبعتي حسبناها سابقا لازم انتوا تكملوها للاخر حسب
+
+566
+00:45:54,200 --> 00:45:57,740
+الحسبة تبعتي ال student حصلت اعلى game ال student
+
+567
+00:45:57,740 --> 00:46:02,680
+تبعتي حصلت اعلى game و بالتالي انا الان هان هصير
+
+568
+00:46:02,680 --> 00:46:07,260
+في عند ال studentهي الـ Internal node الجاية وفيها
+
+569
+00:46:07,260 --> 00:46:13,680
+two different values حقسم ال data set بعد هيك حقسم
+
+570
+00:46:13,680 --> 00:46:16,860
+ال data set تبعا لل nodes اللي موجودة عندي هيك و
+
+571
+00:46:16,860 --> 00:46:20,960
+بهكد صارت كل ال nodes بتنتمي لنفس ال class كل ال
+
+572
+00:46:20,960 --> 00:46:24,620
+samples بتنتمي لنفس ال class فهان بوقف هذه already
+
+573
+00:46:24,620 --> 00:46:28,260
+كلها بتنتمي لنفس ال class فانا وقفت هان ووقفت هان
+
+574
+00:46:28,260 --> 00:46:31,540
+هتكون ال final tree تبعتي طبعا هي الحسبة اللي
+
+575
+00:46:31,540 --> 00:46:36,430
+عندناها مرة تانية انا في الآخرالـ Tree تبعتي أحصل
+
+576
+00:46:36,430 --> 00:46:40,330
+عليها اللي احنا شفناها مسبقا المفروض قبل ما يبدأ
+
+577
+00:46:40,330 --> 00:46:50,130
+بالشغل اللي هي هذه ال income مابينتش عندي لإن
+
+578
+00:46:50,130 --> 00:46:54,770
+فعليا وزنها كان لا يذكر مقارنة بال data set و لما
+
+579
+00:46:54,770 --> 00:46:57,570
+أنا ماضلش عندي rows أو ماضلش عندي sample أروح
+
+580
+00:46:57,570 --> 00:47:01,650
+أجسمها الآن عشان
+
+581
+00:47:02,490 --> 00:47:06,390
+مانطولش عليكم بعد ما حسبنا العناصر اللي موجودة
+
+582
+00:47:06,390 --> 00:47:11,430
+عندها في ال continuous attributes في حالة ال
+
+583
+00:47:11,430 --> 00:47:14,470
+attributes اللي عندك continuous attribute ايش الحل
+
+584
+00:47:14,470 --> 00:47:19,610
+اعمل discretization اعملها categories جسمها لفئات
+
+585
+00:47:19,610 --> 00:47:22,830
+استخدم ال binning و اعطي label لكل bin و اشتغل
+
+586
+00:47:22,830 --> 00:47:28,710
+عليها بتكاشي تشتغل عليك في حل بسيط جدا الحل بيقولك
+
+587
+00:47:28,710 --> 00:47:33,760
+رتب ال data set تبع لل items اللي موجودة عندكرتبت
+
+588
+00:47:33,760 --> 00:47:38,260
+ال items تمام فصارت ال data sorted ان في حال كانت
+
+589
+00:47:38,260 --> 00:47:43,260
+عندي ال age عبارة عن number صار عندي تمنتعش خمسة و
+
+590
+00:47:43,260 --> 00:47:48,780
+عشرين تلاتين سبعة و تلاتين اربعين الان انت بقى
+
+591
+00:47:48,780 --> 00:47:55,500
+تيجي تفحص بين كل two nodes يعني هتاخد
+
+592
+00:47:55,500 --> 00:48:00,200
+ال midpoint اللي بين هدول الاتنين او الأسهل لك
+
+593
+00:48:01,200 --> 00:48:03,600
+فعلاً هي عبارة عن Discretization لكنها Binary
+
+594
+00:48:03,600 --> 00:48:07,780
+Discretization مع الأرقام انت ايش المقارنات تبعتك؟
+
+595
+00:48:07,780 --> 00:48:12,460
+اما هتقوللي أقل إذا قولت أقل من كده فهي أكبر أو
+
+596
+00:48:12,460 --> 00:48:16,340
+تساوي كده إذا قولت أكبر من أكبر من أو تساوي كده
+
+597
+00:48:16,340 --> 00:48:19,280
+فهي أقل من كده عكسها تماما فحكون بشغل عليها مع
+
+598
+00:48:19,280 --> 00:48:23,080
+binary يعني بين جسين بصير باخد decision هان بقوله
+
+599
+00:48:23,080 --> 00:48:30,500
+أقل أو تساوي خمسة وعشرين طب ما هي تمنتعش باجي هان
+
+600
+00:48:33,210 --> 00:48:39,230
+أقل أو تساوي تلاتين معتوا هدول في partitions و
+
+601
+00:48:39,230 --> 00:48:42,190
+هدول في partitions مع ال continuous attributes إذا
+
+602
+00:48:42,190 --> 00:48:45,830
+انت بدك تشتغل مع ال continuous values معناته انت
+
+603
+00:48:45,830 --> 00:48:49,990
+هيكون في عندك too many partitions لحد ما تصل ل
+
+604
+00:48:49,990 --> 00:48:55,300
+best point اللي بتعمل splitيعني هحسب الآن الجسم
+
+605
+00:48:55,300 --> 00:48:58,920
+كده كانت هان و لا لما كانوا تنتين و تلاتة و لما
+
+606
+00:48:58,920 --> 00:49:03,160
+كانوا تلاتة و اتنين و تجرب كلهم و تاخد أعلى gene
+
+607
+00:49:03,160 --> 00:49:06,900
+فيهم لأن في الآخر أنا بدور على ال gene لكل ال data
+
+608
+00:49:06,900 --> 00:49:12,320
+set تبعتي اللي موجودة عندي هان الان هدف الموضوع ال
+
+609
+00:49:12,320 --> 00:49:15,810
+spring لل continuous valuesلكن الـ Information
+
+610
+00:49:15,810 --> 00:49:21,330
+Game دائما بيحاز للـ attributes أو للـ test اللي
+
+611
+00:49:21,330 --> 00:49:25,230
+بيكون فيها two أو فيها many outcomes اللي فيها
+
+612
+00:49:25,230 --> 00:49:30,490
+values كتيرة عشان هي كانت في الأول عندى ال age
+
+613
+00:49:30,490 --> 00:49:33,190
+كانت هي أكثر ال values اللي موجودة جالك ممكن احنا
+
+614
+00:49:33,190 --> 00:49:37,070
+نحل هذه المشكلة و نعتمد أو نحاول نقضي على موضوع
+
+615
+00:49:37,070 --> 00:49:39,930
+انحياز ال values الكتيرة اللي هي موضوع ال gain
+
+616
+00:49:39,930 --> 00:49:43,500
+ratioالـ Gain Ratio فكرتها يا جماعة الخير انه انا
+
+617
+00:49:43,500 --> 00:49:48,240
+بده اروح احسب ال split info احنا سابقا كانت هذه
+
+618
+00:49:48,240 --> 00:49:52,240
+القيمة موجودة عندنا هي عدد عناصر ال partition على
+
+619
+00:49:52,240 --> 00:49:56,200
+.. على كل ال partition في موضوع ال probability لكل
+
+620
+00:49:56,200 --> 00:49:58,660
+ال partition اللي موجودة عندها و بعد ما بحسب ال
+
+621
+00:49:58,660 --> 00:50:02,280
+gain بروح بحط عليها ال split ratio و هيك برضه برجع
+
+622
+00:50:02,280 --> 00:50:07,180
+باخد ال maximum split ratio كذلك في عند ال gain
+
+623
+00:50:07,180 --> 00:50:13,020
+indexبيعتمد على الـ Multi-Valued Attributes بشكل
+
+624
+00:50:13,020 --> 00:50:19,340
+كبير الـ Ched بيعتمد على الـ Chi-Square عشان تحسب
+
+625
+00:50:19,340 --> 00:50:21,420
+الـ Independences أو في موضوع الـ Independences
+
+626
+00:50:21,420 --> 00:50:24,980
+وفي عند الكارت وإلى أخرى أي واحدة منهم أنا أختار
+
+627
+00:50:24,980 --> 00:50:28,580
+لعشان أنا أشتغل مافيش فرق ما بينهم كتير انت حسب ال
+
+628
+00:50:28,580 --> 00:50:32,500
+data set وحسب فهمك ال data set ممكن تختار أي واحدة
+
+629
+00:50:32,500 --> 00:50:36,810
+منهم لكن الأكثر عفواالأكتر استخداما الـ
+
+630
+00:50:36,810 --> 00:50:40,990
+Information Gain ومن ثم الجني أو العكس احنا بهيك
+
+631
+00:50:40,990 --> 00:50:44,190
+بنكون تقريبا خلصنا وضع لعينا one slide خلينا
+
+632
+00:50:44,190 --> 00:50:51,390
+ننهيها الآن رسمت لتري وحصلت على لتري و ال data set
+
+633
+00:50:51,390 --> 00:50:56,290
+تبعت كبيرة و كانت ال depth أو عمق الشجرة تبعت كتير
+
+634
+00:50:56,290 --> 00:51:01,370
+عالية طب ايش الحل؟ هاد احنا بنسميها ال tree هاد ..
+
+635
+00:51:01,370 --> 00:51:06,880
+او بيحصلنا على مرحلة اسمها ال overfittingمشكلة إنه
+
+636
+00:51:06,880 --> 00:51:10,900
+الـTree هذه جابته تماما مع مين؟ مع الـTraining
+
+637
+00:51:10,900 --> 00:51:14,060
+Data اللي أنا بديتها Overfit Fit يا شباب مناسب
+
+638
+00:51:14,060 --> 00:51:19,440
+ولمّا أقول Overfit مناسب بدرجة كبيرة لمين؟ للحالة
+
+639
+00:51:19,440 --> 00:51:23,240
+اللي هذه، يعني بين جوسينت وكأنه الشجرة هذه زبطت
+
+640
+00:51:23,240 --> 00:51:27,320
+حالها تماما مع الـDataset طب غير هي كانت لأ بتديني
+
+641
+00:51:27,320 --> 00:51:31,700
+مشاكل إيش الحل؟ الـOverfitting مع الـBinary Tree
+
+642
+00:51:31,700 --> 00:51:34,620
+أو مع الـDecision Tree بيعني Too Many Branches
+
+643
+00:51:37,860 --> 00:51:41,240
+ممكن يعكس الـ outlayer لو كان في عندي outlayer
+
+644
+00:51:41,240 --> 00:51:44,620
+موجودة عندي هان و بديني بور accuracy for unseen
+
+645
+00:51:44,620 --> 00:51:48,580
+هذا المفهوم ال outfitting ال overfitting ال
+
+646
+00:51:48,580 --> 00:51:51,880
+overfitting يعني اتنا سوات اكثر مع ال data set
+
+647
+00:51:51,880 --> 00:51:56,190
+اللي انا عملت عليها trainingو غير صالحة للـ .. للـ
+
+648
+00:51:56,190 --> 00:51:59,150
+correct prediction مع الـ unseen إيش الحل؟ في عندي
+
+649
+00:51:59,150 --> 00:52:02,150
+two approaches طبعا انت مش هتشتغل ولا واحد فيهم
+
+650
+00:52:02,150 --> 00:52:05,410
+هيتم الشغل تلقائي المفروض من خلال الـ python pre
+
+651
+00:52:05,410 --> 00:52:09,090
+-pruning انه انا فعليا ال attributes أو أدور على
+
+652
+00:52:09,090 --> 00:52:11,190
+ال attributes أو ال weak attribute و أخلص منها من
+
+653
+00:52:11,190 --> 00:52:19,550
+البداية انه .. ان اربط بناء الشجرة بالإيه؟ do not
+
+654
+00:52:19,550 --> 00:52:21,530
+split a node if ..
+
+655
+00:52:26,240 --> 00:52:28,680
+مالهاش علاقة كتير بالـ threshold الموجود يعني بين
+
+656
+00:52:28,680 --> 00:52:32,040
+جوسين أروح أحط minimum للـ threshold مش احنا قولنا
+
+657
+00:52:32,040 --> 00:52:36,500
+ال gain .. المفروض .. ال gain تبعتي أعلى gain طب
+
+658
+00:52:36,500 --> 00:52:38,780
+مابديش بس أحط gain أعلى gain و أروح أعمل .. و ألخ
+
+659
+00:52:38,780 --> 00:52:42,420
+.. و ألخم حالي في كل الحسبات لأ كمان هدول اللي تحت
+
+660
+00:52:42,420 --> 00:52:46,260
+اللي بدون gain قليلة من أول مرة بده أروح كلهم بدي
+
+661
+00:52:46,260 --> 00:52:50,160
+أعملهم neglect و مابديش إياهم طبعا هاي حيكون في
+
+662
+00:52:50,160 --> 00:52:53,400
+عندي تحدي كيف ممكن أختار ال threshold الصحيحة ال
+
+663
+00:52:53,400 --> 00:52:58,310
+boss browning بعد ما أنابنيت الشجرة بالكامل أروح
+
+664
+00:52:58,310 --> 00:53:03,150
+أبدأ أجشبر فيها بعبرة لإني أروح أفحص مين الأكثر
+
+665
+00:53:03,150 --> 00:53:06,970
+rows أو أكثر branches مستخدمة هي اللي أبقيها و
+
+666
+00:53:06,970 --> 00:53:11,450
+الأقل استخداما أخلص منها حسب ال data set اللي
+
+667
+00:53:11,450 --> 00:53:15,430
+موجود عندى أخر خطوة أو أخر slide في موضوع في موضوع
+
+668
+00:53:15,430 --> 00:53:18,630
+كي بدى أستدعيها الخطوات السابقة في ال python نفسها
+
+669
+00:53:18,630 --> 00:53:22,590
+from sklearn.tree import decision tree classifier
+
+670
+00:53:24,140 --> 00:53:27,880
+الموديل الـ Decision Tree Classifier عملت له fit
+
+671
+00:53:27,880 --> 00:53:31,720
+قلت له و هذه الجزئية في السطر هذا بتنبنى الشجرة
+
+672
+00:53:31,720 --> 00:53:36,500
+الآن ال
+
+673
+00:53:36,500 --> 00:53:39,340
+sample test نفسها لان شغالة نفسي بدا تست معاكم من
+
+674
+00:53:39,340 --> 00:53:44,060
+البداية جربتها مع ال kenia sniper وجربتها معالنايف
+
+675
+00:53:44,060 --> 00:53:48,840
+بايسين اروح تعمل ال test و هنحددني setosa بكل
+
+676
+00:53:48,840 --> 00:53:53,600
+تأكيد وبهيك بنكون احنا فعليا انتهينا من موضوع ال
+
+677
+00:53:53,600 --> 00:53:57,040
+decision tree لمحاضرتنا اليوم المطلوب بينكوا
+
+678
+00:53:57,040 --> 00:53:59,500
+تجربوا يا جماعة الخير في عندنا different data set
+
+679
+00:53:59,500 --> 00:54:02,780
+موجودة في ال slide سابقا جربوا الكلام هذا عليها و
+
+680
+00:54:02,780 --> 00:54:05,000
+جربوا الكلام عليها هذا كلام عليها يعني بينجو سين
+
+681
+00:54:05,000 --> 00:54:08,470
+هذا الكلام مش هتتقنوه من مرة و تنتين و تلاتةالشغل
+
+682
+00:54:08,470 --> 00:54:12,130
+التاني اللي بدي اياها منكوا بعد تجريب العمل يبدو
+
+683
+00:54:12,130 --> 00:54:15,730
+تعتبروها ك assignment عليكم الآن تبدو تروح تفكروا
+
+684
+00:54:15,730 --> 00:54:18,570
+او تدورولي كيف ممكن انا اذا كانت هذه عبارة عن ال
+
+685
+00:54:18,570 --> 00:54:21,930
+tree بعد ما انا عملتلها فت هل في مجال ارسم ال tree
+
+686
+00:54:21,930 --> 00:54:25,690
+تبعت بال بايثون اه في مجال وهذه متروكة لكم والسلام
+
+687
+00:54:25,690 --> 00:54:27,470
+عليكم ورحمة الله وبركاته
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/XptbH5_PJns_raw.srt

@@ -0,0 +1,1184 @@
+1
+00:00:01,030 --> 00:00:02,950
+بسم الله الرحمن الرحيم والصلاة والسلام على الرسول
+
+2
+00:00:02,950 --> 00:00:05,610
+الله أهلا و أهلا بكم في التسجيل الأخير أو في
+
+3
+00:00:05,610 --> 00:00:08,670
+المقطع الأخير من موضوع الـ Association role كنا
+
+4
+00:00:08,670 --> 00:00:12,050
+نتكلم في المحاضرة السابقة على ال FP Growth وقبلنا
+
+5
+00:00:12,050 --> 00:00:16,350
+.. أو في التسجيل السابق عفوا ال FP Growth وشوفنا
+
+6
+00:00:16,350 --> 00:00:21,290
+فعلا ال scalability و ال a priori algorithm سابقا
+
+7
+00:00:21,290 --> 00:00:25,110
+وطركني أقول مثل هذا تحلوه لوحدكم عشان تتدربوا عليه
+
+8
+00:00:25,510 --> 00:00:30,450
+الان اللى هنتكلم في جزئية ان انا فعليا موضوع ال
+
+9
+00:00:30,450 --> 00:00:37,450
+mining له different kinds of association rules ال
+
+10
+00:00:37,450 --> 00:00:40,730
+association
+
+11
+00:00:40,730 --> 00:00:46,330
+rules اللى عدي عبارة عن level واحدفهل في مجالي ان
+
+12
+00:00:46,330 --> 00:00:49,710
+انا اتكلم على multilevel association rules بمعنى
+
+13
+00:00:49,710 --> 00:00:54,450
+اخر if then else then بالشكل هذا involve concept
+
+14
+00:00:54,450 --> 00:00:57,050
+of different level of abstraction هل هذا ممكن
+
+15
+00:00:57,050 --> 00:00:59,890
+ممتاح او لا في ال multidimensional association
+
+16
+00:00:59,890 --> 00:01:03,710
+rules involve more than one dimension انا شغال ب
+
+17
+00:01:03,710 --> 00:01:08,900
+one dimension دائمااللي هي ال .. ال .. ال .. ال ..
+
+18
+00:01:08,900 --> 00:01:08,920
+ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال
+
+19
+00:01:08,920 --> 00:01:09,460
+.. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال ..
+
+20
+00:01:09,460 --> 00:01:17,480
+ال .. ال .. ال .. ال .. ال .. ال .. ال ..
+
+21
+00:01:17,480 --> 00:01:19,020
+ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال
+
+22
+00:01:19,020 --> 00:01:19,060
+.. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال ..
+
+23
+00:01:19,060 --> 00:01:19,620
+ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال
+
+24
+00:01:19,620 --> 00:01:19,720
+.. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال ..
+
+25
+00:01:19,720 --> 00:01:19,720
+ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال
+
+26
+00:01:19,720 --> 00:01:20,540
+.. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال ..
+
+27
+00:01:20,540 --> 00:01:21,420
+ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال
+
+28
+00:01:21,420 --> 00:01:24,100
+.. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال ..
+
+29
+00:01:24,100 --> 00:01:24,100
+ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال .. ال
+
+30
+00:01:24,100 --> 00:01:32,780
+.. ال .. ال .. ال .. ال .. ال .. الهذه عبارة عن
+
+31
+00:01:32,780 --> 00:01:37,920
+مسائل مفتوحة في موضوع الـ Association Rules ومازال
+
+32
+00:01:37,920 --> 00:01:43,900
+الناس عمالها بتحاول تشتغل عليهاهل الـ quantitative
+
+33
+00:01:43,900 --> 00:01:47,480
+هل الـ numeric values الاتريبوتس احنا سابقا شفنا
+
+34
+00:01:47,480 --> 00:01:53,000
+ان ال item موجود نفسه اشتراه و مااشتراهوش yes و no
+
+35
+00:01:53,000 --> 00:01:56,660
+صح حرناهم و لا بتحول في بداية العملية و بتحولهم ل
+
+36
+00:01:56,660 --> 00:01:59,460
+binary طب الآن هذا ال value كان في عندي different
+
+37
+00:01:59,460 --> 00:02:02,940
+values ال numeric values ال quantitative كيف ممكن
+
+38
+00:02:02,940 --> 00:02:06,240
+انا اتعامل مع ال association rules كذلك من الشغلات
+
+39
+00:02:06,240 --> 00:02:09,260
+المهمة بالنسبة لنا في الموضوع ال measurement احنا
+
+40
+00:02:09,260 --> 00:02:13,760
+اتعرفنا على ال support و ال confidenceو هدولة
+
+41
+00:02:13,760 --> 00:02:17,520
+كانوا هم الأساس طيب شو بده يصير لو انا كان في عندي
+
+42
+00:02:17,520 --> 00:02:20,940
+large support و large confidence لو انا كان هدولة
+
+43
+00:02:20,940 --> 00:02:24,100
+كبارة جدا يعني هو سيكون صير في عندي small number
+
+44
+00:02:24,100 --> 00:02:27,980
+من ال association rules بينموزيني يعني ان انا في
+
+45
+00:02:27,980 --> 00:02:37,040
+عندي علاقة أرضية عكسية ما بين ال support و ال
+
+46
+00:02:37,040 --> 00:02:44,990
+confidence و العدد ال association rulesوبالتالي كل
+
+47
+00:02:44,990 --> 00:02:49,690
+ما بزيد ال association rules بجل العدد اللي موجود
+
+48
+00:02:49,690 --> 00:02:54,870
+عندهم ال support small يعني انا اتومنس يعني ايش
+
+49
+00:02:54,870 --> 00:03:05,210
+افضل ال threshold او the best threshold ممكن
+
+50
+00:03:05,210 --> 00:03:10,270
+انا اطبقه في ال finding او في عملية البحث على ال
+
+51
+00:03:10,270 --> 00:03:13,640
+association rules اللي موجودة عندهمكذلك ان انا
+
+52
+00:03:13,640 --> 00:03:18,280
+ممكن يصير في موضوع ال confidence وال support بعض
+
+53
+00:03:18,280 --> 00:03:22,320
+ال misleading او بعض السوء الفهم خلينا نشوف ال
+
+54
+00:03:22,320 --> 00:03:26,820
+contingency table اللي موجود عندي هنا عملوا
+
+55
+00:03:26,820 --> 00:03:33,210
+استطلاع من 500 واحدحاول انه .. بيلعبوا .. بيلعبوا
+
+56
+00:03:33,210 --> 00:03:37,230
+كرة سلة و بيشربوا .. بين لعبين الكرة السلة و
+
+57
+00:03:37,230 --> 00:03:40,590
+بيشربوا حليب ولا مابيشربوش او خيانة اخد خمس سلاف
+
+58
+00:03:40,590 --> 00:03:44,390
+واحد و اشتغلوا ايه فكان من الخمس سلاف دول انه في
+
+59
+00:03:44,390 --> 00:03:48,390
+ألفين بيقولوا ان كل لعبين السلة لازم يشربوا الحليب
+
+60
+00:03:48,390 --> 00:03:51,570
+بينما ألف وسبعمائة و خمسين بيقولوا لأ مش ضروري
+
+61
+00:03:51,570 --> 00:03:56,540
+اللي بيشربوا الحليب هدول ما يكونوا بيلعبوا سلةكذلك
+
+62
+00:03:56,540 --> 00:04:04,460
+في الوف قالوا لأ الشرب الحليب مش مرتبط باللعب
+
+63
+00:04:04,460 --> 00:04:10,140
+السلة كرة السلة و 250 قالوا لا بيشربوا حليب ولا
+
+64
+00:04:10,140 --> 00:04:15,410
+بيلعبوا سلةيعني هو كأنه الاستطلاع بين رأيك انت
+
+65
+00:04:15,410 --> 00:04:20,290
+بتشرب حلو و بتلعب كرة سلة و تحاول أن تلعب انصارين
+
+66
+00:04:20,290 --> 00:04:24,690
+مع بعض يعني drinking milk و playing football هدولة
+
+67
+00:04:24,690 --> 00:04:27,770
+binary tables او binary attributes كانوا موجودين
+
+68
+00:04:27,770 --> 00:04:37,430
+عندي هيهم playing و drinking playing basketball و
+
+69
+00:04:37,430 --> 00:04:46,860
+ال values اللي موجودة عندهاyes و no و
+
+70
+00:04:46,860 --> 00:04:51,580
+العكس صحيح موجود في التنين تمام و هكذا هي
+
+71
+00:04:51,580 --> 00:04:54,500
+الاستطلاع فكانت ال contingency table تبع الاستطلاع
+
+72
+00:04:54,500 --> 00:04:57,620
+هي من ال contingency table اللي موجود عندها لما
+
+73
+00:04:57,620 --> 00:05:09,940
+انا جاعد بقول الفين تمامالنسبة 40% لعب كرة السلة
+
+74
+00:05:09,940 --> 00:05:16,600
+يؤدي إلى شرب الحليب الـ
+
+75
+00:05:16,600 --> 00:05:21,340
+Confidence
+
+76
+00:05:21,340 --> 00:05:29,640
+فعليا 2000 على 3000مصبوط لأن هؤلاء فئة الناس اللي
+
+77
+00:05:29,640 --> 00:05:33,900
+بتلعب السلة فعدد مرتبط على ال probability ألفين
+
+78
+00:05:33,900 --> 00:05:36,280
+على عدد اللي بيلعبوا سلة تلت تلاف ال high
+
+79
+00:05:36,280 --> 00:05:41,160
+confidence او ال support تبعت الأول على ال support
+
+80
+00:05:41,160 --> 00:05:46,240
+تبعت ال association rule على ال support تبعت الأول
+
+81
+00:05:46,240 --> 00:05:49,600
+من ال association rule ألفين على تلت تلاف سبعة
+
+82
+00:05:49,600 --> 00:05:55,730
+وسبعين في المائة هذه ال data is misleadingلأن ال
+
+83
+00:05:55,730 --> 00:05:58,270
+over all عندى percentage بين ال students او بين
+
+84
+00:05:58,270 --> 00:06:02,310
+الناس اللى زى شمالهم الاستطلاع بتكلموا عن شرب
+
+85
+00:06:02,310 --> 00:06:08,830
+الحليب هم عمارة عن خمسة و سبعين في المية تمام؟
+
+86
+00:06:08,830 --> 00:06:16,670
+وهذا الكلام اكتر من ستة و ستين في المية طيب تعالى
+
+87
+00:06:16,670 --> 00:06:23,930
+نشوفها لو انا جيت جلبت او اخدت ال playing football
+
+88
+00:06:23,930 --> 00:06:24,610
+و نطت
+
+89
+00:06:31,500 --> 00:06:36,520
+عشرين في المية لان عشرة على خمسة ألف و عشرة على
+
+90
+00:06:36,520 --> 00:06:37,240
+تلاتة و تلاتين
+
+91
+00:06:42,770 --> 00:06:51,250
+لكن ال support تبعتها confidence و ال support
+
+92
+00:06:51,250 --> 00:06:58,330
+تبعتها مجلال وبالتالي أنا مش هاخد ال role هذا لأن
+
+93
+00:06:58,330 --> 00:07:04,190
+هو فعليا higher support و higher confidence بينما
+
+94
+00:07:04,190 --> 00:07:07,690
+هو misleading وبالتالي م��ضوع ال support و ال
+
+95
+00:07:07,690 --> 00:07:13,370
+confidence لحالهمهو غير كافي بالنسبة لنا في موضوع
+
+96
+00:07:13,370 --> 00:07:16,790
+الـ Measuring تبع الـ Association Roles لأنه كما
+
+97
+00:07:16,790 --> 00:07:20,970
+رأينا نفسنا يمكن أن يكون هناك Misleading ماهو الحل
+
+98
+00:07:20,970 --> 00:07:25,330
+اللي نحن نتكلم عنه؟ هل يمكن أن يكون هناك زوّر؟ هل
+
+99
+00:07:25,330 --> 00:07:28,950
+يمكن أن يكون هناك Framework يشكل إضافة عندنا؟
+
+100
+00:07:36,110 --> 00:07:40,070
+الـ Correlation ممكن تستخدمها كمجارية ممكن
+
+101
+00:07:40,070 --> 00:07:43,430
+تستخدمها كمجارية تعمل تعمل تعمل تعمل تعمل تعمل
+
+102
+00:07:43,430 --> 00:07:44,910
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+103
+00:07:44,910 --> 00:07:45,010
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+104
+00:07:45,010 --> 00:07:45,270
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+105
+00:07:45,270 --> 00:07:45,630
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+106
+00:07:45,630 --> 00:07:45,630
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+107
+00:07:45,630 --> 00:07:45,630
+تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل
+
+108
+00:07:49,010 --> 00:07:54,510
+أنا ممكن أضيف الـ Correlation عشان يصير في عندي ك
+
+109
+00:07:54,510 --> 00:07:58,350
+Element تالت مع ال support و ال confidence عشان
+
+110
+00:07:58,350 --> 00:08:01,770
+انا اشوف العلاقة وبالتالي ال Correlation Major ليس
+
+111
+00:08:01,770 --> 00:08:06,210
+فقط بسبب ال support و ال confidence بل فقط بسبب ال
+
+112
+00:08:06,210 --> 00:08:09,370
+Correlation بين ال item set العلاقة ما بين ال item
+
+113
+00:08:09,370 --> 00:08:15,060
+set احنا متفقين ان ال A و ال Bتقاطع بينهم من
+
+114
+00:08:15,060 --> 00:08:19,880
+البداية في نعم و التقاطع بينهم في okay هذا كلام
+
+115
+00:08:19,880 --> 00:08:23,180
+صحيح يعني independent attributes لكن هل في ممكن
+
+116
+00:08:23,180 --> 00:08:26,840
+يكون في correlation بينهم و احنا مش شايفينه او ال
+
+117
+00:08:26,840 --> 00:08:31,990
+correlation هذا مش او لا ينتميأو لا يمثل بجموعة من
+
+118
+00:08:31,990 --> 00:08:34,270
+الـ Item Sets أو من الـ Items اللي موجودين في الـ
+
+119
+00:08:34,270 --> 00:08:38,570
+Item Set فممكن أنا أضيفه كذلك ممكن أنا أعتمد
+
+120
+00:08:38,570 --> 00:08:43,330
+أستخدم الـ Chi-Square تمام اللي لما اتكلمنا على
+
+121
+00:08:43,330 --> 00:08:47,690
+الـفي الـ Correlation أستخدم الـ Tri-Square لما
+
+122
+00:08:47,690 --> 00:08:50,850
+أكون في الـ Data اللي عندي هي categorial أو
+
+123
+00:08:50,850 --> 00:08:54,330
+nominal أو أعتمد على شغل بنسميها احنا ال left
+
+124
+00:08:54,330 --> 00:08:57,790
+analysis أو ال left correlation وهو عبارة عن
+
+125
+00:08:57,790 --> 00:09:02,290
+Correlation سهل الفكرة فيه بكل بساطة انه انا
+
+126
+00:09:02,290 --> 00:09:06,830
+المفروض ان ال item set ظهورها ال A و ال B
+
+127
+00:09:06,830 --> 00:09:11,370
+independent و ال occurrence تبعتهم غير مرتبطة في
+
+128
+00:09:11,370 --> 00:09:15,360
+ابعاطهمبالتالي ال probability تبع ال A اتحاد ال B
+
+129
+00:09:15,360 --> 00:09:20,100
+تساوي ال probability لل A في ال probability لل B
+
+130
+00:09:20,100 --> 00:09:25,300
+otherwise ال A و ال B are dependent يمكن أن يكون
+
+131
+00:09:25,300 --> 00:09:30,180
+بينهم dependent و ال correlation as دليل على ال
+
+132
+00:09:30,180 --> 00:09:35,270
+dependency اللي موجودةعندها فبكل بساطة ممكن انا
+
+133
+00:09:35,270 --> 00:09:37,790
+احنا اتفقنا كمان مرة لجماعة الخيار انه انا بدي
+
+134
+00:09:37,790 --> 00:09:40,970
+اضيف ال correlation ال correlation هذه اما بتكون H
+
+135
+00:09:40,970 --> 00:09:47,550
+I Square تمام او بتكون اللي هي ال left او بتكون ال
+
+136
+00:09:47,550 --> 00:09:50,350
+left measurement ال left بقول ليه لو كان في عندي
+
+137
+00:09:50,350 --> 00:09:55,360
+association rule A و BAA plus B as defined as
+
+138
+00:09:55,360 --> 00:10:00,020
+اللفت بعرف ليها انه تساوي ال probability للاتحادهم
+
+139
+00:10:00,020 --> 00:10:04,660
+على ال probability ل الحصل ضربهم وهذه تساوي ال
+
+140
+00:10:04,660 --> 00:10:06,780
+probability لل B difference ال A على ال
+
+141
+00:10:06,780 --> 00:10:10,160
+probability لل B الكلام أسهل بعيدا عن ال
+
+142
+00:10:10,160 --> 00:10:14,260
+probability اللفته ساوي ال confidence لل A و ال B
+
+143
+00:10:14,260 --> 00:10:18,140
+على ال support تبع ال B سابقا ال confidence هي
+
+144
+00:10:18,140 --> 00:10:23,720
+كانتالـ Support تبع الـ A و الـ B الـ Confidence
+
+145
+00:10:23,720 --> 00:10:29,260
+التي كانت الـ Support للـ A تبع الـ B على الـ
+
+146
+00:10:29,260 --> 00:10:35,340
+Support تبع الـ A الآن ستصبح المسألة كلها يتضف لها
+
+147
+00:10:35,340 --> 00:10:40,760
+الـ Support تبع الـ B وهكذا سأكون حققت الـ
+
+148
+00:10:40,760 --> 00:10:44,940
+Probability اللي موجودة عندها وبالتالي هي عبارة عن
+
+149
+00:10:44,940 --> 00:10:51,460
+الـ Ratioof confidence to expected confidence
+
+150
+00:10:51,460 --> 00:10:55,940
+وهكذا انا اتكلم ان هاتي عندى major تالت ممكن يكون
+
+151
+00:10:55,940 --> 00:10:59,660
+يضيفلي تحسين على موضوع ال selection للمولودها
+
+152
+00:10:59,660 --> 00:11:03,720
+والاصل انه انا كل ما بيجيل ابت المفروض ان ال lift
+
+153
+00:11:03,720 --> 00:11:08,340
+عشان اقدر افهمها صح اذا كانت ال lift قيمتها اكبر
+
+154
+00:11:08,340 --> 00:11:12,240
+من واحد معناته positively correlated معناته اذا
+
+155
+00:11:12,240 --> 00:11:18,260
+ظهر الاول هيظهر التانيطبعا هذه إشارة جيدة
+
+156
+00:11:18,260 --> 00:11:25,260
+Negatively correlated أقل من واحد معناته إذا ال ..
+
+157
+00:11:25,260 --> 00:11:30,440
+Discouraged occurrence .. معناته الظهر الأول لن
+
+158
+00:11:30,440 --> 00:11:35,660
+يظهر الثاني وإذا كانت واحد معناته هدول الاتنين
+
+159
+00:11:35,660 --> 00:11:40,260
+independent ومافيش correlation ما بينهم وبالتالي
+
+160
+00:11:40,260 --> 00:11:45,790
+ال .. الآن لو أنا سألت مين أفضل بالنسبة ليمن يدعي
+
+161
+00:11:45,790 --> 00:11:49,170
+support اكتر من يدعي موثوقية اكتر في ال confidence
+
+162
+00:11:49,170 --> 00:11:56,990
+المفروض لما تكون ال .. ال .. ال left عندي اكبر من
+
+163
+00:11:56,990 --> 00:12:00,380
+واحد وراها لما تكون العلاقة independentأقول
+
+164
+00:12:00,380 --> 00:12:03,680
+بالتانية اللي لما تكون ال lift أقل من واحد معناته
+
+165
+00:12:03,680 --> 00:12:09,100
+في عندي مشكلة حقيقية في ال association role اللي
+
+166
+00:12:09,100 --> 00:12:14,400
+ظهر عندي لأنه قيمته المفروض لما يظهر واحد يختفي
+
+167
+00:12:14,400 --> 00:12:16,780
+التاني طب ليش ظهروا التانين مع بعض في ال
+
+168
+00:12:16,780 --> 00:12:18,980
+association role هذا معناته في عندي مشكلة
+
+169
+00:12:18,980 --> 00:12:23,060
+وبالتانية ال role هذا لازم انا اتخلص منها هيك ممكن
+
+170
+00:12:23,060 --> 00:12:25,200
+احنا خلصنا محتويات ال chapter ان شاء الله تعالى
+
+171
+00:12:25,200 --> 00:12:29,470
+خلينا نروحبنشوف المثال اللي قمت بعمله مسبقاً في
+
+172
+00:12:29,470 --> 00:12:30,390
+الـ PyShare
+
+173
+00:12:54,110 --> 00:12:56,910
+طيب جماعة الخير خلينا نكمل في الفيلم نشوف ال
+
+174
+00:12:56,910 --> 00:13:00,630
+example
+
+175
+00:13:00,630 --> 00:13:04,410
+اللى موجود عندنا انا الان فروح جوجل اعمل import لل
+
+176
+00:13:04,410 --> 00:13:11,030
+pandas وعملي بدي ابني data set transaction من six
+
+177
+00:13:11,030 --> 00:13:17,040
+rows من ست صفوف و بدي اعمل import للعن طريق الـ
+
+178
+00:13:17,040 --> 00:13:20,540
+machine learning extend بدي processing import
+
+179
+00:13:20,540 --> 00:13:23,480
+transaction encoder وهذا ال transaction encoder
+
+180
+00:13:23,480 --> 00:13:27,080
+انا هستخدمه من أجل انه يتحول ال data set اللي
+
+181
+00:13:27,080 --> 00:13:31,900
+لديها ال data set هذه ل binary array وكذلك من ال
+
+182
+00:13:31,900 --> 00:13:34,840
+نفس ال machine learning extend بدي استخدم ال
+
+183
+00:13:34,840 --> 00:13:39,180
+frequent pattern وعملها import لل apriori هشوف في
+
+184
+00:13:39,180 --> 00:13:41,660
+ال hand ال apriori وفي المثال في ال code اللي
+
+185
+00:13:41,660 --> 00:13:42,680
+وراها هشوف
+
+186
+00:13:46,820 --> 00:13:48,400
+الخطوة الأولى كما قلنا في الفيديو الأ��لى هي ال
+
+187
+00:13:48,400 --> 00:13:51,640
+data set transactional data set طبعا انا انشأت
+
+188
+00:13:51,640 --> 00:13:55,540
+menu اللى بحسب المثال اللى موجود هنا سابقا حكيته
+
+189
+00:13:55,540 --> 00:13:59,940
+يعنى الخطوة الأولى انا استدعيت ل transaction
+
+190
+00:13:59,940 --> 00:14:05,860
+encoder تمام عشان احول ال array هذا ل 2d array بعد
+
+191
+00:14:05,860 --> 00:14:11,350
+الخطوة التالية روحت قلت له انا transactionalعن
+
+192
+00:14:11,350 --> 00:14:16,830
+طريق اتساوية TE.FET.TRANSFORM للـ data set اللي
+
+193
+00:14:16,830 --> 00:14:21,430
+موجود عندها و لما احاول ان اكتب قمر طبعا عشان اشوف
+
+194
+00:14:21,430 --> 00:14:26,110
+ال code اللي موجود عندها بعد هيك ال transaction ال
+
+195
+00:14:26,110 --> 00:14:28,750
+array تبعت اللي هي ال binary ال race ان سميها زي
+
+196
+00:14:28,750 --> 00:14:36,780
+ما بدك بندس data frame روح تحولت ل data frameهنا
+
+197
+00:14:36,780 --> 00:14:43,380
+في الأول انشأت data set عادية الري حولتها ل binary
+
+198
+00:14:43,380 --> 00:14:46,240
+array و الأن بدي أحولها ل data frame عشان ده من
+
+199
+00:14:46,240 --> 00:14:50,980
+خلال ال pandas أقدر أتعامل معاها و قلت له هيستخدم
+
+200
+00:14:50,980 --> 00:14:56,000
+ال columnsهذا الـ array الموجودة عندها كcolumn لمن
+
+201
+00:14:56,000 --> 00:15:01,000
+ال data frame اللي موجودة عندها الآن قلت له ال
+
+202
+00:15:01,000 --> 00:15:04,380
+frequent item set تبعتي تساوي ال a priori اللي انا
+
+203
+00:15:04,380 --> 00:15:09,720
+عملته on board فوق ال data frame work ال data
+
+204
+00:15:09,720 --> 00:15:12,700
+frame تبعتي هي ال minimum support اللي انا بدي
+
+205
+00:15:12,700 --> 00:15:18,220
+اشتغل عليها ستة واستخدم ال column names yes
+
+206
+00:15:18,220 --> 00:15:23,140
+استخدمهم لان انا بتتعامل مع ال columnاللي بتمثل
+
+207
+00:15:23,140 --> 00:15:25,980
+الـ attribute of value أو الـ items في ال sets
+
+208
+00:15:25,980 --> 00:15:31,020
+اللي موجودة عندي ما تنسوش ان ال data set هنا مافيش
+
+209
+00:15:31,020 --> 00:15:36,740
+فيها columns هي عبارة عن items فلما انا حولتها ل
+
+210
+00:15:36,740 --> 00:15:41,560
+binary data set او binary 2D array صارت ال milk و
+
+211
+00:15:41,560 --> 00:15:47,840
+ال onion و ال .. ميج و ال ..والـ items هاي عبارة
+
+212
+00:15:47,840 --> 00:15:50,660
+عن attributes أو أسماء الـ attributes و ال value
+
+213
+00:15:50,660 --> 00:15:52,860
+تبعتهم ال true و ال false ولكن هنشوفها في الموضوع
+
+214
+00:15:52,860 --> 00:15:57,330
+لما انا اروح عند عملية الطبعةعشان هي قلت له
+
+215
+00:15:57,330 --> 00:16:02,370
+استخدمها لأن ال data set مبنية على ال names على
+
+216
+00:16:02,370 --> 00:16:06,290
+المسميات وبالتالي ال frequent item set فرح جاب
+
+217
+00:16:06,290 --> 00:16:08,610
+ليها ليش؟ أنا قلت له ال minimum support لأنه ممكن
+
+218
+00:16:08,610 --> 00:16:11,710
+تتجهل من هناك ال support انت حر ممكن تتغيرها حسب
+
+219
+00:16:11,710 --> 00:16:15,870
+الحالة واتفقنا كل ما بقل ال support بتزيد عدد ال
+
+220
+00:16:15,870 --> 00:16:19,150
+minimum أو ال frequent item set فروحت طبعة ال
+
+221
+00:16:19,150 --> 00:16:24,650
+frequent item setعشان انا اجيب ال item set روحت من
+
+222
+00:16:24,650 --> 00:16:28,850
+نفس المكتبة تبعتي ال frequent patterns اللي عملت
+
+223
+00:16:28,850 --> 00:16:32,690
+منها support او import لل a priori روحت استدعيت
+
+224
+00:16:32,690 --> 00:16:37,050
+مين اللي عملت import لل association rules وقلت له
+
+225
+00:16:37,050 --> 00:16:41,630
+ال list تبع ال rules تساوي ال frequent item setقمت
+
+226
+00:16:41,630 --> 00:16:45,490
+بالاستخدام الاستخدام الخاص بالاسوشيشن رول و قمت
+
+227
+00:16:45,490 --> 00:16:53,590
+بالطبع بإطباع الهاتف الخاص بالهاتف الخاص بالهاتف
+
+228
+00:16:53,590 --> 00:16:53,770
+الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص
+
+229
+00:16:53,770 --> 00:16:54,250
+بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف
+
+230
+00:16:54,250 --> 00:16:54,490
+الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص
+
+231
+00:16:54,490 --> 00:16:54,530
+بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف
+
+232
+00:16:54,530 --> 00:16:54,530
+الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص
+
+233
+00:16:54,530 --> 00:16:54,530
+بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف
+
+234
+00:16:54,530 --> 00:16:54,570
+الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص
+
+235
+00:16:54,570 --> 00:16:59,450
+بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف
+
+236
+00:16:59,450 --> 00:17:03,190
+الخاصطبعا انا طبعت على تلت مرات في تلت جمال قباعة
+
+237
+00:17:03,190 --> 00:17:07,670
+الجملة الأولى كانت ب ال array او اللي احنا سميتها
+
+238
+00:17:07,670 --> 00:17:12,810
+ب binary2d array هيو راح اطبع لل array اللي موجودة
+
+239
+00:17:12,810 --> 00:17:19,250
+عندي من ست صفوف true
+
+240
+00:17:19,250 --> 00:17:20,030
+false
+
+241
+00:17:25,230 --> 00:17:28,910
+الجملة التانية جملة الطباعة كانت بتطبع ال item set
+
+242
+00:17:28,910 --> 00:17:32,590
+اللي عندي و ال support تبعتها فرح جالي هاي ال item
+
+243
+00:17:32,590 --> 00:17:35,350
+set و طبعا لما انا قلتله استخدم اسماء ال
+
+244
+00:17:35,350 --> 00:17:40,650
+attributes فهيش راح جابلي ال eggs و جابليها هان لو
+
+245
+00:17:40,650 --> 00:17:45,030
+انا قلتله نوم مش حطين عندي هاي ال minimum support
+
+246
+00:17:45,030 --> 00:17:53,650
+ال 6 من 10 اللي موجودة عندك هانفجاب لي هناك ست
+
+247
+00:17:53,650 --> 00:17:58,610
+عراصر فعليا مختلفة او عفوا ست frequent item sets
+
+248
+00:17:58,610 --> 00:18:01,970
+with minimum support بعتهم ستة من عشرة انا قصدت ان
+
+249
+00:18:01,970 --> 00:18:05,050
+اجربها مبتقال مثلها الاخر فالجملة الأخيرة لما قلت
+
+250
+00:18:05,050 --> 00:18:07,950
+له انا هات ال association rule فراح قال لي ال
+
+251
+00:18:07,950 --> 00:18:12,570
+association rule هي ال antecedent او ال consequent
+
+252
+00:18:12,570 --> 00:18:17,610
+طبعا في الأول ال antecedent implies ال consequent
+
+253
+00:18:17,770 --> 00:18:21,450
+هو الـ antecedent support وطبعاً في معلومات هنا
+
+254
+00:18:21,450 --> 00:18:27,630
+خفية لأن شاشة العرض أعتقد أنها غير كافية للتعامل
+
+255
+00:18:27,630 --> 00:18:31,630
+مع الأنصار الموجودة عندها لكن في الآخر قال لي هيي
+
+256
+00:18:31,630 --> 00:18:37,880
+ال left وفي عند ال averageطبعا ال lift واحد يعني
+
+257
+00:18:37,880 --> 00:18:42,400
+ال attributes اللي عندى independent فعليا هم مبدأش
+
+258
+00:18:42,400 --> 00:18:45,240
+يوجد علاقة وبالتالي انا ممكن اكتفي بال support وال
+
+259
+00:18:45,240 --> 00:18:51,800
+confidence اللي موجودة عندنا طيب لو انا بدى اروح
+
+260
+00:18:51,800 --> 00:18:55,900
+طبعا خليني بس نجرب هان زى ما قلنا هاي هان خمسة او
+
+261
+00:18:55,900 --> 00:19:02,580
+بلاش اربعة من عشرةهذه هي ترشيلتي الخاصة بيها
+
+262
+00:19:16,120 --> 00:19:22,460
+عندما قلت له
+
+263
+00:19:22,460 --> 00:19:26,660
+خلّي ال confidence خمسة من عشرة فقال لي عندي تلاتة
+
+264
+00:19:26,660 --> 00:19:33,440
+و عشرين rules association و ال support تبعتهم هيها
+
+265
+00:19:47,420 --> 00:19:51,500
+العناصر الموجودة هنا
+
+266
+00:20:10,880 --> 00:20:15,900
+بس ليش مايعرضهاش مش عارف الصحيح بس في الآخر ال
+
+267
+00:20:15,900 --> 00:20:19,200
+data موجودة عليها طيب بالمثال التاني لما انا بدأ
+
+268
+00:20:19,200 --> 00:20:23,800
+استخدم ال app ال fp growth ولشه مجرد بدك تستخدم
+
+269
+00:20:23,800 --> 00:20:28,740
+بكتب اسمه python fp growth هي نفس ال data set قلت
+
+270
+00:20:28,740 --> 00:20:32,860
+له ال frequent pattern تبعتي ال minimum support
+
+271
+00:20:32,860 --> 00:20:37,680
+تبعتي equal 3وهنا ايقول الـ 7 من 10 مش 6 من 10
+
+272
+00:20:37,680 --> 00:20:43,020
+عفوا الحسب زي ما انا .. طبعا هنا التجريب هيرن
+
+273
+00:20:43,020 --> 00:20:51,140
+للمثال اللي موجود هنا طبعا
+
+274
+00:20:51,140 --> 00:20:56,240
+هنا بتتكلم على الابريوليه وان كان هنا ال FB growth
+
+275
+00:20:56,240 --> 00:20:58,460
+defined frequent pattern ال data ال data set
+
+276
+00:20:58,460 --> 00:21:03,100
+مباشرة لاحظوا انا جزئيتي التحويل مش مسئوليتي اصلا
+
+277
+00:21:04,100 --> 00:21:10,120
+لان ��شتغل على ال data set مباشرة اتنين مجرد كان
+
+278
+00:21:10,120 --> 00:21:11,820
+السبعة مباشرة طبعا اسهل في ال coding
+
+279
+00:21:17,200 --> 00:21:20,040
+الـ FD Growth and Generate Association Rules فقلت
+
+280
+00:21:20,040 --> 00:21:22,060
+له انا هاي ال better او هاي ال association
+
+281
+00:21:22,060 --> 00:21:26,540
+التابعتي تمام ال better التابعي هيه ال milk طبعا
+
+282
+00:21:26,540 --> 00:21:32,060
+اتفقنا ان ال better هي عبارة عن العناصر اللي انا
+
+283
+00:21:32,060 --> 00:21:37,040
+عامالي بجيبها طبعا هو بدأ مع انصر وانصرين الاخرين
+
+284
+00:21:37,040 --> 00:21:39,740
+لما راح جاب ال association rule و كيف بدأ اقرأ ال
+
+285
+00:21:39,740 --> 00:21:42,680
+rules هي ال rule الأول طبعا هي عبارة عن جيسون في
+
+286
+00:21:42,680 --> 00:21:45,840
+الآخر النتيجة تبعتي للي ال rule الأول هي
+
+287
+00:21:51,680 --> 00:21:57,640
+الملك يعني كيندي
+
+288
+00:21:57,640 --> 00:22:02,680
+بيز واليوغرد وهذا ال confidence تبعتها خمسة أو
+
+289
+00:22:02,680 --> 00:22:10,240
+سبعين في المية التانية ال support تبعتها مية في
+
+290
+00:22:10,240 --> 00:22:14,080
+المية إلى آخرهم من العراسر ال confidence عفوا من
+
+291
+00:22:14,080 --> 00:22:16,980
+العراسر الموجودة هناهذه كانت جامعة الخير ..
+
+292
+00:22:16,980 --> 00:22:24,540
+انتهينا من موضوع ال .. ال association role .. هرفق
+
+293
+00:22:24,540 --> 00:22:29,580
+لكم ملفين ال coding هنا .. عشان تجربوا في موضوع ..
+
+294
+00:22:29,580 --> 00:22:35,440
+لو بقيت تجرب .. شغلة عندك .. وتشوف ال result اللي
+
+295
+00:22:35,440 --> 00:22:37,260
+موجود .. الله يعطيكم العافية .. والسلام عليكم
+
+296
+00:22:37,260 --> 00:22:37,720
+ورحمة الله
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/aBdn0U7iDfc_raw.srt

@@ -0,0 +1,3080 @@
+1
+00:00:05,030 --> 00:00:07,210
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:07,210 --> 00:00:11,270
+اليوم ان شاء الله تعالى هنكمل في ال chapter التاني
+
+3
+00:00:11,270 --> 00:00:16,410
+اللي هي data understanding وكنا حكينا المرات
+
+4
+00:00:16,410 --> 00:00:19,730
+الماضية على مجموعة او اتناقشنا في مجموعة من
+
+5
+00:00:19,730 --> 00:00:24,430
+الأسئلة اللي لها علاقة بفهم البياناتفي حد بيذكرنا
+
+6
+00:00:24,430 --> 00:00:28,250
+شباب مجموعة من الأسئلة كانت الأسئلة بتتمحور حوالين
+
+7
+00:00:28,250 --> 00:00:33,310
+شغلات أساسية اللي لها علاقة في فهم البيانات وإيش
+
+8
+00:00:33,310 --> 00:00:36,810
+المقصود وإيش البنيا من البيانات حد بيقدر يجاوبنا
+
+9
+00:00:36,810 --> 00:00:49,210
+حجم البيانات المتوفرة أيوة غيره هل
+
+10
+00:00:49,210 --> 00:00:54,710
+هناك مصادر أخرى لل data ممكن تدعمها غيرههل
+
+11
+00:00:54,710 --> 00:01:02,290
+الصلاحية .. هل البيانات هذه valid or invalid؟ كل
+
+12
+00:01:02,290 --> 00:01:07,790
+ال data حكاها السؤال، أيوةهل ال data artificial
+
+13
+00:01:07,790 --> 00:01:12,790
+ولا real data والسؤال الأهم من كل هذا هل ال data
+
+14
+00:01:12,790 --> 00:01:17,850
+هذه بتحل المشكلة هاي ولا لأ relevant to the
+
+15
+00:01:17,850 --> 00:01:21,450
+problem or not تمام لأنه لو ماكنتش relevant وكانت
+
+16
+00:01:21,450 --> 00:01:25,430
+valid وكانت كبيرة وفيها مصادر أخرى عالفاضي ماتنفعش
+
+17
+00:01:25,430 --> 00:01:28,570
+مع ال task اللي أنا بدي أشتغل عليها وكلنا اتكلمنا
+
+18
+00:01:28,570 --> 00:01:30,230
+أن أنواع البيانات بشكل عام
+
+19
+00:01:33,140 --> 00:01:36,220
+Structured Data اللي احنا متعامل مع الجداول وفي
+
+20
+00:01:36,220 --> 00:01:39,200
+عندي unstructured زي الصور و ال audio و ال text و
+
+21
+00:01:39,200 --> 00:01:42,880
+الاخره في عندك Dynamic Data انه بيصير في عندي
+
+22
+00:01:42,880 --> 00:01:46,860
+تحديث مستمر على البيانات اللي موجودة عندي وفي عندي
+
+23
+00:01:46,860 --> 00:01:50,360
+Static Data البيانات مابيصيرش عليها تحديل السؤال
+
+24
+00:01:50,360 --> 00:01:54,160
+الآن لو كان في عندي صورة و الصورة هذه انا بتصفحها
+
+25
+00:01:54,160 --> 00:01:58,910
+في اليوم عشر مرات بتغير على محتوى هالحاجةلأ
+
+26
+00:01:58,910 --> 00:02:01,390
+وبالتالي هي static واحد يقول يا دكتور لما هو ممكن
+
+27
+00:02:01,390 --> 00:02:04,750
+انا اروح اعدل عليها ال Photoshop كم مرة هتعدل
+
+28
+00:02:04,750 --> 00:02:09,370
+عليها مرتين تلاتة بس في الآخر هترجع static ومش
+
+29
+00:02:09,370 --> 00:02:11,890
+هتكون في ال data وزي ما قلنا المرة الماضية احنا
+
+30
+00:02:11,890 --> 00:02:19,090
+فعليا شغلنا هيكون في داخل ال static data الان ال
+
+31
+00:02:19,090 --> 00:02:24,470
+data set اللي عنديبشكل عام الان مش هقول عليها
+
+32
+00:02:24,470 --> 00:02:27,990
+database ولا هقول عليها data source هتصير هي
+
+33
+00:02:27,990 --> 00:02:31,970
+بمثابة data set اللي هي غالبا هتكون عبارة عن جدول
+
+34
+00:02:31,970 --> 00:02:36,430
+واحد بيجمع كل ال data اللي موجودة لما اتعامل معاها
+
+35
+00:02:36,430 --> 00:02:39,490
+الان ال data sets اللي عندي بدي أفهم ان هنا فيه
+
+36
+00:02:39,490 --> 00:02:42,740
+ممكن يكون عبارة عن مجموعة من ال recordsو ال record
+
+37
+00:02:42,740 --> 00:02:45,740
+إما من relational data أو data matrix مصفوفات
+
+38
+00:02:45,740 --> 00:02:51,560
+بتحتوي على بيانات document data ممكن يتحول ل
+
+39
+00:02:51,560 --> 00:02:54,940
+record بحيث إنه انا يكون في عندي مثلا في ال data
+
+40
+00:02:54,940 --> 00:02:59,080
+set أو في ال folder اللي معايا في عندي عشر ملفات
+
+41
+00:02:59,080 --> 00:03:04,160
+text files معناته أنا بتكلم على عشر أرز عشر صفوف
+
+42
+00:03:04,160 --> 00:03:08,960
+الأعمدة هي عبارة عن ال frequent terms اللي موجودة
+
+43
+00:03:08,960 --> 00:03:12,920
+common ما بينالـ three .. الـ ten documents هدول
+
+44
+00:03:12,920 --> 00:03:16,640
+بدور على الكلمات الأساسية و بنشوفهم فممكن أنا أعمل
+
+45
+00:03:16,640 --> 00:03:20,280
+record بناء على ال data ال transactional data في
+
+46
+00:03:20,280 --> 00:03:24,700
+ال graph data كلكوا بتعرفوا أو بتستخدموا ال google
+
+47
+00:03:24,700 --> 00:03:27,260
+maps و كلكوا درستوا data structure و discrete
+
+48
+00:03:27,260 --> 00:03:30,080
+mathematics و تعرفتهوا على ال graphs ال graph هو
+
+49
+00:03:30,080 --> 00:03:33,240
+عبارة عن مجموعة .. أنزوج مرتب من النقاط و الجسور
+
+50
+00:03:33,240 --> 00:03:38,610
+اللي بينها مصبوط فهذه عبارة عنفالـ Graph والشبكات
+
+51
+00:03:38,610 --> 00:03:41,710
+أو الشبكات تمثل بالـ Graph بشكل كويس سواء كان على
+
+52
+00:03:41,710 --> 00:03:45,170
+الشبكة العنكبوتية ولا في ال social networks أو حتى
+
+53
+00:03:45,170 --> 00:03:52,630
+في التراكيب النووية إلى آخره الآن في ال order data
+
+54
+00:03:52,630 --> 00:03:57,210
+البيانات المرتبطة بالزمن وانت شفت خلال ال
+
+55
+00:03:57,210 --> 00:03:59,890
+assignment البسيط اللي كان عندما انتوا عملتم التحث
+
+56
+00:03:59,890 --> 00:04:03,630
+عن ال time seriesالـ temporal والـ special
+
+57
+00:04:03,630 --> 00:04:06,350
+والشغلات هذه طبعا بعيدا عن ال special كان في عند
+
+58
+00:04:06,350 --> 00:04:10,730
+ال time series وال temporal وال sequence ذاتها هي
+
+59
+00:04:10,730 --> 00:04:14,970
+عبارة عن مرتبطة أو data مرتبطة بعمل الزمن بعمل
+
+60
+00:04:14,970 --> 00:04:22,130
+الزمن طيب الآن الفيديو هل هو ordered بس ordered
+
+61
+00:04:22,130 --> 00:04:26,170
+ترتيب و ترتيب زمني ولا لأ يعني بينجو سين لما أنا
+
+62
+00:04:26,170 --> 00:04:30,380
+باجي باستعرض الفيديوالفيديو هو عبارة عن sequence
+
+63
+00:04:30,380 --> 00:04:33,900
+of images صح؟ مجموعة من الصور أو بين جسيم of ال
+
+64
+00:04:33,900 --> 00:04:37,780
+frame وكل frame ممكن يكون مكوّن من مجموعة صور ففي
+
+65
+00:04:37,780 --> 00:04:41,060
+الآخر أنا مستحيل أنتقل لل frame التاني قبل ما أشوف
+
+66
+00:04:41,060 --> 00:04:44,540
+.. أستعرض ال frame الأول وكذلك عند التسجيل لما تم
+
+67
+00:04:44,540 --> 00:04:48,120
+تسجيل الفيديو هذا تم تسجيل ال frame الأول قبل ال
+
+68
+00:04:48,120 --> 00:04:51,680
+frame التاني ففعليا هو عبارة عن ordered و مرتبط
+
+69
+00:04:51,680 --> 00:04:56,130
+بزمنمن ال order كذلك ال genetic sequence زي ما
+
+70
+00:04:56,130 --> 00:04:59,490
+حكينا سابقا وشوفنا ال special و ال data و ال image
+
+71
+00:04:59,490 --> 00:05:03,550
+data او حكينا نوع من التبسيط المحاضرات الماضية
+
+72
+00:05:03,550 --> 00:05:09,630
+الان هذا الجدول بمثل record الجدول
+
+73
+00:05:09,630 --> 00:05:14,930
+صفوف و أعمدة هي ال data تبعتي و هذا اللي فوق ال
+
+74
+00:05:14,930 --> 00:05:18,330
+header تبع الأعمدة و الصفوف في عندي three
+
+75
+00:05:18,330 --> 00:05:22,560
+documents تلت ملفات textوهذه الـ frequent term
+
+76
+00:05:22,560 --> 00:05:27,700
+team و coach و play و ball و soccer و game و win و
+
+77
+00:05:27,700 --> 00:05:31,980
+lost و ال time out و ال season إلى آخره أنا بتكلم
+
+78
+00:05:31,980 --> 00:05:35,740
+على بيانات جمعناها اللي هي علاقة عن text أو
+
+79
+00:05:35,740 --> 00:05:41,640
+تغريدات على سبيل المثال من لناس محبين للكورةفهي ان
+
+80
+00:05:41,640 --> 00:05:45,220
+في الآخر ك text file أخدت ال frequent word الكلمات
+
+81
+00:05:45,220 --> 00:05:48,700
+المتكررة و حطيتهم في قالب أو حطيتهم في أعمدة و
+
+82
+00:05:48,700 --> 00:05:52,060
+شكلت صفوف زي ما هي هنا كذلك في ال market
+
+83
+00:05:52,060 --> 00:05:56,260
+transaction set انا ممكن هي في ال transaction
+
+84
+00:05:56,260 --> 00:05:59,380
+الأول في عندي مجموعة من ال items و لما نتكلم على
+
+85
+00:05:59,380 --> 00:06:02,220
+ال transaction set ممكن نشوف كيف بدى اعمل ال
+
+86
+00:06:02,220 --> 00:06:05,960
+processing بحيث ان احولها ل binary matrix
+
+87
+00:06:08,290 --> 00:06:11,030
+الان يعني لما انا بدي اتكلم على ال data set ال
+
+88
+00:06:11,030 --> 00:06:13,670
+data set تبعتي هي عبارة عن مجموعة من ال data
+
+89
+00:06:13,670 --> 00:06:19,270
+objects ال rows تبعتي data object وال data object
+
+90
+00:06:19,270 --> 00:06:23,160
+هي تمثل ال entityاللي أنا بشتغل عليها، ممكن تكون
+
+91
+00:06:23,160 --> 00:06:26,380
+طالب المدرسة، ممكن تكون السهم اللي أنا بدأ درسه في
+
+92
+00:06:26,380 --> 00:06:29,900
+السوق، بدنا يبقى في حالته، بدي .. ال .. ال ..
+
+93
+00:06:29,900 --> 00:06:31,740
+اليوم اللي أنا بدأ أتوقع في حجم المطنر اللي بديه
+
+94
+00:06:31,740 --> 00:06:35,540
+ينزل، فهي كل واحدة فيهم بتمثل entity أوروبت و عادة
+
+95
+00:06:35,540 --> 00:06:37,920
+ال data set تبعتي أو ال object تبعتي ممكن أنا
+
+96
+00:06:37,920 --> 00:06:40,300
+أجيبها من ال sales .. كما قلت لك في ال sales
+
+97
+00:06:40,300 --> 00:06:44,950
+database، معناة ال entities تبعوتي ال customerو ال
+
+98
+00:06:44,950 --> 00:06:48,650
+store items و المبيعات يعني العناصر اللي أنا
+
+99
+00:06:48,650 --> 00:06:52,070
+ببيعها و الزبون و إيش أنا باعته مش هيلترا ال
+
+100
+00:06:52,070 --> 00:06:58,510
+database الان هدولة كلتهم ممكن يمثلولي ال data set
+
+101
+00:06:58,510 --> 00:07:01,650
+كذلك في ال medical لما أنا بتكلم في ال medical في
+
+102
+00:07:01,650 --> 00:07:06,070
+الطب بتكلم على المريض بتكلم على الأعراض بتكلم على
+
+103
+00:07:06,070 --> 00:07:11,840
+ال diagnosis بتكلم على الطبيبطبيب مهم اسم الطبيب
+
+104
+00:07:11,840 --> 00:07:16,640
+مهم في التشخيص في العلاج و كذا ما مش قطيع للمراجعة
+
+105
+00:07:16,640 --> 00:07:21,580
+اسمه إجرائي لكن فعليا في ال database عشان ال
+
+106
+00:07:21,580 --> 00:07:25,180
+knowledge اسم الطبيب لا يعني شيء تم تشخيص المريض
+
+107
+00:07:25,180 --> 00:07:29,060
+هذا بكذا من اللي شخصه بيعني ليش كتير بس فعليا هو
+
+108
+00:07:29,060 --> 00:07:32,900
+فعليا حالة حقيقية للمرض اللي أنا بدي أعالجه كذلك
+
+109
+00:07:32,900 --> 00:07:35,740
+ال database تبعت الجامعة فيها الطالب و المدرس و
+
+110
+00:07:35,740 --> 00:07:38,970
+المساقى و الاخرينالان شغلة او واحدة من الشغلات
+
+111
+00:07:38,970 --> 00:07:42,790
+المهمة بالنسبة لنا احنا عادة بجينا في ال database
+
+112
+00:07:42,790 --> 00:07:56,090
+بنقول عنه record او table او raw مصبوط الان هنقل
+
+113
+00:07:56,090 --> 00:08:01,150
+عليه اسم sampleأو example أو instance وهذه أشهر
+
+114
+00:08:01,150 --> 00:08:05,010
+المسميات data point و طب الأخرهم يعني ممكن تفتح
+
+115
+00:08:05,010 --> 00:08:08,130
+الكتاب و تلاقي بتكلم يقولك أخدنا example example
+
+116
+00:08:08,130 --> 00:08:12,350
+يعني one row one entity one object of data تمام؟
+
+117
+00:08:12,350 --> 00:08:17,470
+بمثل ال entity هاي ال data object هاي عادة توصف من
+
+118
+00:08:17,470 --> 00:08:20,230
+خلال ال attributes لاحظوا كأني بتكلم عن ال
+
+119
+00:08:20,230 --> 00:08:24,420
+database بتكلم على relational databaseليش؟ لأن الـ
+
+120
+00:08:24,420 --> 00:08:28,500
+structure هي أفضل شغلة لها الجداول عشان أحصل على
+
+121
+00:08:28,500 --> 00:08:32,760
+structure ثابت وبالتالي ال entity أو ال object
+
+122
+00:08:32,760 --> 00:08:36,660
+بتمثل ال rows وال attribute بتمثل الوصف تبع ال
+
+123
+00:08:36,660 --> 00:08:40,820
+rows هذه أو الصفوف اللي موجودة عندها الآن احنا
+
+124
+00:08:40,820 --> 00:08:45,100
+هنروح باتجاه الأعمد لأن في عندنا شوية شغل أو في
+
+125
+00:08:45,100 --> 00:08:51,260
+شوية كلام عليهم لازم نفهمه و نفهمه كويس أولا
+
+126
+00:08:53,080 --> 00:08:57,240
+الـ attribute أو ال data field اللي موجود عندنا
+
+127
+00:08:57,240 --> 00:09:01,480
+هنا بيمثله فعليا ال characteristic أو الخاصية اللي
+
+128
+00:09:01,480 --> 00:09:05,940
+بتهمني يعني بنجو سيل لما بيجي بقول انه في عندي ال
+
+129
+00:09:05,940 --> 00:09:10,260
+attribute اللي اسمه ال age ايش ال values اللي هنا
+
+130
+00:09:10,260 --> 00:09:16,800
+number بتمثل العمر لما بلاقي خمسين يعني انا بعرف
+
+131
+00:09:16,800 --> 00:09:20,660
+خمسين سنة ولا لأ لما بلاقي خمستعش يعني خمستعشر سنة
+
+132
+00:09:21,560 --> 00:09:27,900
+بس مش ممكن ألاجى 250 سنة ولا شو رايكوا؟ في .. في
+
+133
+00:09:27,900 --> 00:09:30,760
+أيام زمان .. اه ماشي الحالة طب في أيام زمان كانش
+
+134
+00:09:30,760 --> 00:09:34,280
+اسمه الف ��نة إلا خمسين عاما .. هذا بقى فترة الدعوة
+
+135
+00:09:34,280 --> 00:09:39,080
+فكان عمره جديش صلى الله عليه وسلم على نبينا محمد
+
+136
+00:09:39,080 --> 00:09:46,860
+فالفكرة أن هذه ال attribute تعطيني وصف عن .. يعني
+
+137
+00:09:46,860 --> 00:09:52,780
+بتديني وصف لمين؟لل record اللي موجود الان باجي
+
+138
+00:09:52,780 --> 00:10:01,680
+بلاقي مثلا ال gender بقول email مثلا 45 تمام اللي
+
+139
+00:10:01,680 --> 00:10:06,760
+بتكلم مثلا healthy yes
+
+140
+00:10:06,760 --> 00:10:12,860
+فهي كل واحدة من ال attributes هذه بتحمل ميزةللـ
+
+141
+00:10:12,860 --> 00:10:15,880
+Entity .. عفوًا للـ Object ككل للشخص اللي عمّال
+
+142
+00:10:15,880 --> 00:10:22,120
+نتكلم عليه و عادةً هاي بنسميها احنا Feature و
+
+143
+00:10:22,120 --> 00:10:25,220
+مصطلح الـ Feature هو الأكثر استخداما مع الـ Data
+
+144
+00:10:25,220 --> 00:10:29,720
+Mining و Data Science ممكن
+
+145
+00:10:29,720 --> 00:10:32,160
+هذه الـ Feature سميها Dimension أو Variable
+
+146
+00:10:33,310 --> 00:10:38,830
+Dimension أو Variable الأهم من تسمياتها و كلياتها
+
+147
+00:10:38,830 --> 00:10:41,770
+على الرغم من أنك لازم تحفظها و تنيز ما بينها بشكل
+
+148
+00:10:41,770 --> 00:10:48,170
+كويس بدنا نتكلم على ال attribute types مش هي اللي
+
+149
+00:10:48,170 --> 00:10:51,930
+بتوصف البيانات أصبت مش هي اللي بتوصف ال object أو
+
+150
+00:10:51,930 --> 00:10:55,030
+ال entity اللي عندي الآن في ال database ايش
+
+151
+00:10:55,030 --> 00:10:59,810
+البيانات اللي عندي ال database
+
+152
+00:11:01,870 --> 00:11:07,010
+ايش ال data اللي عندي ال number؟ ال numeric ال
+
+153
+00:11:07,010 --> 00:11:14,250
+numeric هاي integer و float مادة من ال float غيره
+
+154
+00:11:14,250 --> 00:11:25,050
+gate text و ال text هذه character و var character
+
+155
+00:11:25,050 --> 00:11:28,090
+مظبوط غيره blob
+
+156
+00:11:30,730 --> 00:11:37,670
+binary large object غيره؟ إيش ال seal of؟ text
+
+157
+00:11:37,670 --> 00:11:42,630
+كبير؟ طب مافيه عشان؟ ماحنا قولنا خلاص text يعني
+
+158
+00:11:42,630 --> 00:11:46,970
+خلاص ده كل ال data type بغض النظر عن الحجم غيره؟
+
+159
+00:11:46,970 --> 00:11:56,330
+sequence؟ ال boolean غيره؟
+
+160
+00:11:56,330 --> 00:11:59,510
+قريبا هي ال data type اللي أنا بتعامل معاهاالآن
+
+161
+00:11:59,510 --> 00:12:03,110
+على الرغم من أهمية الـ Data Types هذه إلا إنه مش
+
+162
+00:12:03,110 --> 00:12:06,670
+هنعتمد عليها اعتماد كبير في التعامل مع الـ Data
+
+163
+00:12:06,670 --> 00:12:13,450
+Science أو في الـ Data Mining هعتمد مسميات شوية أو
+
+164
+00:12:13,450 --> 00:12:18,130
+بيانات وصفية للـ Data اللي موجودة عندها يعني مثلا
+
+165
+00:12:18,130 --> 00:12:20,750
+الـ Numeric أكيد هتكون الـ Numeric لكن هشوف إن في
+
+166
+00:12:20,750 --> 00:12:25,850
+عندي مسميات شوية مختلفةالها علاقة مثلا هل ال value
+
+167
+00:12:25,850 --> 00:12:30,870
+اللي أنا بتعامل معاها continuous ولا discrete؟ هل
+
+168
+00:12:30,870 --> 00:12:36,890
+هي بتمثل فعليا real number؟ رقم حقيقي ولا ratio؟
+
+169
+00:12:36,890 --> 00:12:41,330
+فالان لو انا اجيت وقلتلك هي انواع ال data أو انواع
+
+170
+00:12:41,330 --> 00:12:44,350
+ال attributes عندك في انواع ال data set nominal
+
+171
+00:12:44,350 --> 00:12:51,830
+nominal يعني categorial او فئوي او فئات
+
+172
+00:12:55,230 --> 00:13:03,310
+binary ثنائي ordinal ايش ordinal ترتيبي او مرتب
+
+173
+00:13:03,310 --> 00:13:09,210
+numerical رقمي طب ممكن يكون هناك تقاطعات او
+
+174
+00:13:09,210 --> 00:13:14,310
+تداخلات بينهم اه ممكن ليش هذا الكلام مهم يا شباب
+
+175
+00:13:14,310 --> 00:13:17,250
+لأن عاملا احنا متكلم في ال data understanding بدي
+
+176
+00:13:17,250 --> 00:13:20,730
+افهم البيانات اللي عندى عشان اعرف ايش بدي اخد
+
+177
+00:13:20,730 --> 00:13:28,540
+اجراءات لاحقا هبدأ معالـ Nominal Attributes الـ
+
+178
+00:13:28,540 --> 00:13:32,100
+Nominal Attributes Nominal Attributes يعني قاعد
+
+179
+00:13:32,100 --> 00:13:36,740
+بأتكلم أنا إنه ال data اللي عندي عبارة عن category
+
+180
+00:13:36,740 --> 00:13:44,560
+أو state أو أسماء أو مسميات لشغلات مثل لو أنا كنت
+
+181
+00:13:44,560 --> 00:13:49,960
+قلتلك في عندي مجموعة ال color تمام؟
+
+182
+00:13:49,960 --> 00:13:53,340
+black و blue, brown, grey, red, white هذه مجموعة
+
+183
+00:13:53,340 --> 00:14:00,110
+ألوانيعني ال attribute كله ياته تمام بياخد واحدة
+
+184
+00:14:00,110 --> 00:14:04,010
+من القيام الست اللي موجودة عندى في المجموعة هاي
+
+185
+00:14:04,010 --> 00:14:09,990
+هاي بسميها إيش category دلوقتي بتكلم على مستويات
+
+186
+00:14:09,990 --> 00:14:17,390
+الطلبة ممتاز جيد جدا جيد مقبول قراصب مصبوط فهاي
+
+187
+00:14:17,390 --> 00:14:23,230
+مستويات وكل واحدة بتمثل category بتمثل فئةالآن
+
+188
+00:14:23,230 --> 00:14:28,090
+غالبا .. غالبا إذا كانت ال text اللي عندي .. ال
+
+189
+00:14:28,090 --> 00:14:34,810
+text اللي عندي finite set ليش يعني finite set؟
+
+190
+00:14:34,810 --> 00:14:40,570
+مجموعة محددة فبقول عنها إيش؟ nominal بقول عنها
+
+191
+00:14:40,570 --> 00:14:44,610
+nominal مثل ال fruits اللي أنا ممكن أتعامل معاها
+
+192
+00:14:44,610 --> 00:14:51,100
+ال fruits اللي بنتعامل معاها جدش عددها؟في الآخر جد
+
+193
+00:14:51,100 --> 00:14:55,180
+ما بدها تكبر فهي limited وبالتالي فبتكلم على
+
+194
+00:14:55,180 --> 00:14:59,500
+categorial أو بسميها nominal وهذا الكلام في ال
+
+195
+00:14:59,500 --> 00:15:03,060
+marital status الحالة الاجتماعية في ال occupation
+
+196
+00:15:03,060 --> 00:15:11,020
+في الوظائف في ال ID numbers كيف؟ الآن لو سألتك عدد
+
+197
+00:15:11,020 --> 00:15:15,490
+الطلاب في الجامعة الإسلامية كده؟خمستاشر ألف الان
+
+198
+00:15:15,490 --> 00:15:18,890
+الرقم هذا اللي موجود عندك واحد ألفين و سبعتاشر
+
+199
+00:15:18,890 --> 00:15:25,810
+واحد اتنين تلاتة أربعة ليه يكون أخر أربع أرقام بس
+
+200
+00:15:25,810 --> 00:15:28,670
+بس في الآخر في الآخر أنا معايا ورقيا شباب بس من
+
+201
+00:15:28,670 --> 00:15:32,750
+الورق بضيعوش على الفاضي مش مشكلة مش مشكلة الان
+
+202
+00:15:32,750 --> 00:15:39,160
+finite ولا مش finiteكل رقم بيمثل قيمة مستقلة،
+
+203
+00:15:39,160 --> 00:15:42,800
+تمام؟ ممكن أقول عنه category، فئة، لكن فعلياً
+
+204
+00:15:42,800 --> 00:15:47,780
+category فيها طالب واحد، لأ، وهنا مشكلتنا الآن، مش
+
+205
+00:15:47,780 --> 00:15:52,060
+لأنه رقمه، مش لأنه العدد تبعهم كبير، الآن لو أنا
+
+206
+00:15:52,060 --> 00:15:55,680
+سأل نرجع لموضوع الفواكه، كام نوع من الفواكه ممكن
+
+207
+00:15:55,680 --> 00:16:00,380
+تعد انت؟خمسين .. ستين .. سبعين .. مية .. متين ..
+
+208
+00:16:00,380 --> 00:16:03,640
+تلات مية .. فيه فواكه ما بتعرفاش .. حتما تمام؟ بس
+
+209
+00:16:03,640 --> 00:16:08,900
+في الآخر مسميات واضحة و غير متداخلة لما باتش بتكلم
+
+210
+00:16:08,900 --> 00:16:15,060
+في ال marital status الحالة الإجتماعية اربع قيم
+
+211
+00:16:15,060 --> 00:16:21,620
+صح؟ ولا خمسة؟ أعزب متزوج .. خليني .. طلقته قبل ما
+
+212
+00:16:21,620 --> 00:16:27,150
+تزوج وزوجه طيب أعزب متزوجأرمل ومطلق أو مطلق و أرمل
+
+213
+00:16:27,150 --> 00:16:31,250
+مظبوط أربع في غيرهم علنية وخير الخامس إذا كان بدك
+
+214
+00:16:31,250 --> 00:16:36,730
+تحطها okay في الآخر finite وهذه كل واحدة ال label
+
+215
+00:16:36,730 --> 00:16:40,890
+تبعها أو النص تبعها معروف category فئة بس رقم
+
+216
+00:16:40,890 --> 00:16:44,790
+الطالب مفهوش يقول عنه فئة لكن لو جيت بولت السنة
+
+217
+00:16:44,790 --> 00:16:49,410
+تبع تسجيل الطالب بنفع تصير فئة جزء من ال number
+
+218
+00:16:49,410 --> 00:16:52,950
+فصارت تصير فئة احنا مابداش نخرب اقتها كتير الآن ال
+
+219
+00:16:52,950 --> 00:16:57,610
+occupation الوظائفمعروف الوظائف ومحصورة زي ما قلنا
+
+220
+00:16:57,610 --> 00:17:09,490
+و ال zip code الأرقام طيب نعم نعم نعم في
+
+221
+00:17:09,490 --> 00:17:13,970
+الآخر
+
+222
+00:17:13,970 --> 00:17:17,850
+جداش بده يزيد العدد يا مؤمن ما هو شوف مفهوم ال
+
+223
+00:17:17,850 --> 00:17:22,520
+finiteيعني في countable و في countably infinite
+
+224
+00:17:22,520 --> 00:17:26,260
+يعني مسموح فيه التزايد بس في الآخر في اللحظة اللي
+
+225
+00:17:26,260 --> 00:17:32,340
+أنا بدي أقرر أحصر الأعداد بأحصرها مش هيزيد مش
+
+226
+00:17:32,340 --> 00:17:35,300
+هيزيد عن سبعة مليار على رأي رامي كل ان كل هي كل مش
+
+227
+00:17:35,300 --> 00:17:38,770
+هتلاقي بشر اكتر من هي صح؟بالآخر احنا هنا بنتكلم
+
+228
+00:17:38,770 --> 00:17:42,430
+بشباب عشان ما نبعدش كتير على المسميات أو الحالات
+
+229
+00:17:42,430 --> 00:17:47,570
+اللي بتهمني لو انا اجيت سألت الأقسام أو أسماء
+
+230
+00:17:47,570 --> 00:17:53,470
+الأقسام أو أرقام الأقسام مثلا Computer Science 901
+
+231
+00:17:53,470 --> 00:18:00,290
+تطوير برمجيات 902 901 و 902 بنفع نقول عنها
+
+232
+00:18:00,290 --> 00:18:04,730
+nominal؟ اه nominal ليش؟ لأن هذه بتمثل category
+
+233
+00:18:04,730 --> 00:18:10,490
+بتمثل فئةبغض النظر عن القيمة اللي أنا كتبتها لكن
+
+234
+00:18:10,490 --> 00:18:16,930
+لو انا اجيت و قلتلك في عندي مجموعة بتمثل ال first
+
+235
+00:18:16,930 --> 00:18:22,610
+second و
+
+236
+00:18:22,610 --> 00:18:30,310
+ال third شو
+
+237
+00:18:30,310 --> 00:18:34,910
+رأيكوا؟ هل هذه ممكن nominal؟ nominal
+
+238
+00:18:37,310 --> 00:18:42,590
+nominal بس أصبر علينا nominal بس جاوبني nominal ده
+
+239
+00:18:42,590 --> 00:18:48,550
+nominal nominal هاي nominal لأنه فعليا قاعد بتكلم
+
+240
+00:18:48,550 --> 00:18:52,830
+على categories أو أسماء أو تلات أصنافات الأول
+
+241
+00:18:52,830 --> 00:18:57,330
+والتاني والتالت مصبوط؟ خلنا نقول الفائزين أو ال
+
+242
+00:18:57,330 --> 00:19:02,730
+winners الأول والتاني والتالت لكن هذه فيها ميزة مش
+
+243
+00:19:02,730 --> 00:19:05,590
+موجودة في ال colors في المجموع اللي فوق
+
+244
+00:19:09,080 --> 00:19:15,140
+إن القيمة إلها معنى معنى ترتيبي بمعنى آخر لو أنا
+
+245
+00:19:15,140 --> 00:19:20,580
+إجيت قولت ال color تبعي blue my favorite color
+
+246
+00:19:20,580 --> 00:19:28,040
+blue واحد تاني هيقولي white بتفرج؟
+
+247
+00:19:28,040 --> 00:19:33,740
+هل بين جسين في أولوية للأبيض عن الأزرق أو العكس؟
+
+248
+00:19:33,740 --> 00:19:37,820
+لأ مافيش لكن لما إجيت أنا قولت ال first
+
+249
+00:19:42,710 --> 00:19:50,030
+winner وقلت ال second او ال third winner وال
+
+250
+00:19:50,030 --> 00:19:56,050
+second winner تفرج ال values عن بعضها تفرج على
+
+251
+00:19:56,050 --> 00:19:59,730
+الرغم انها categorian وهذا يجعلنا نروح باتجاه فئة
+
+252
+00:19:59,730 --> 00:20:04,110
+جديدة اللي هي ال ordinal هيتكلم و يوداني على فئة
+
+253
+00:20:04,110 --> 00:20:08,470
+جديدة اللي هي فئات ال ordinal تمام يا جماعة الخير؟
+
+254
+00:20:08,840 --> 00:20:13,420
+الأن يعني ال ordinal هي عبارة عن حالة خاصة حالة
+
+255
+00:20:13,420 --> 00:20:19,000
+خاصة من من ال categorial أو من ال nominal بحيث إنه
+
+256
+00:20:19,000 --> 00:20:25,660
+في عندي معنى أو sequence موجودة في معاني الكلمات
+
+257
+00:20:25,660 --> 00:20:30,040
+مش بالضرورة تظهر بال sequence بس القيمة إلها معنى
+
+258
+00:20:30,040 --> 00:20:36,660
+ترتيبي تماما مثل الرتب العسكرية بيجي يقولني نقيب و
+
+259
+00:20:36,660 --> 00:20:43,560
+رقيب صح؟عقيد ولواء أو ملازم وملازم أول فهي كل
+
+260
+00:20:43,560 --> 00:20:46,220
+واحدة فيهم الرتبة بتفرج عن التاني على الرغم إنها
+
+261
+00:20:46,220 --> 00:20:50,540
+categorial فئة مصبوط فئة الملازمين فئة العقدة فئة
+
+262
+00:20:50,540 --> 00:20:54,660
+العمدة إلى آخرهم فبالتالي أنا جاعت بأتكلم .. أتكلم
+
+263
+00:20:54,660 --> 00:21:00,220
+على فئات أتكلم على فئات لكنه الكلمات تحمل دلالة
+
+264
+00:21:00,220 --> 00:21:05,650
+ترتيبيةتمام؟ في داخلها وهذا هو ال nominal كذلك من
+
+265
+00:21:05,650 --> 00:21:08,510
+ال .. من ال .. من ال .. عفوا من ال original كذلك
+
+266
+00:21:08,510 --> 00:21:11,590
+من ال nominal في عندي special type اللي هو ال
+
+267
+00:21:11,590 --> 00:21:16,610
+binary هي عبارة عن categorial data أو nominal data
+
+268
+00:21:16,610 --> 00:21:22,050
+لكن ال values اللي عندي فقط two values مش ضروري
+
+269
+00:21:22,050 --> 00:21:27,430
+يكونوا 01 01 one case منهم true false white و
+
+270
+00:21:27,430 --> 00:21:33,810
+black positive و negativehigh و low success و fail
+
+271
+00:21:33,810 --> 00:21:40,550
+اي category او اي مجموعة فقط من two values تمام
+
+272
+00:21:40,550 --> 00:21:47,590
+بسميها ايش؟ binary كيف
+
+273
+00:21:47,590 --> 00:21:52,330
+يعني عكس بعض؟ يعني مثلا انا عندي فئاتين الأول
+
+274
+00:21:52,330 --> 00:21:55,630
+والتاني فقط هاي الناس اللي أنا بدور عليهم الترتيب
+
+275
+00:21:55,630 --> 00:22:02,480
+الأول والتاني زي فئات الدمتمام اللي هي ال R تبعتها
+
+276
+00:22:02,480 --> 00:22:07,900
+مش الفئة ال A لإنه A وB اه تمام؟ الآن لو إجينا
+
+277
+00:22:07,900 --> 00:22:11,380
+نتكلم على تشغيل .. يعني إذا كانت أنت بتفرضها إن
+
+278
+00:22:11,380 --> 00:22:15,260
+هذا هي ال opposite تبعتها okay لكن في الآخر أنا
+
+279
+00:22:15,260 --> 00:22:19,260
+بتكلم إن هي فعليا two different values only في ال
+
+280
+00:22:19,260 --> 00:22:23,560
+value أو في ال attribute اللي موجودة عندهالكن في
+
+281
+00:22:23,560 --> 00:22:27,280
+ال binary values بدي أنتبه عشان أكون فاهم صح ال
+
+282
+00:22:27,280 --> 00:22:30,400
+data اللي عندي هل ال data هذه أو ال binary هذا
+
+283
+00:22:30,400 --> 00:22:34,520
+symmetric ولا asymmetric بمعنى هل القيمتين هدولة
+
+284
+00:22:34,520 --> 00:22:38,480
+لهم نفس الوزن في التعامل ولا أنا مهتم بال value
+
+285
+00:22:38,480 --> 00:22:43,100
+أكتر من التانية مثلا لما بدي بتكلم على ال gender
+
+286
+00:22:43,100 --> 00:22:47,400
+في عالم المساواة بتكلم على ال equality التانتين في
+
+287
+00:22:47,400 --> 00:22:52,410
+نفس الأهميةمصبوط اتنين بنفس الأهمية لكن لو كانت
+
+288
+00:22:52,410 --> 00:22:57,790
+اللي بتكلم على ال diagnosis لفيروس او لمرض معين ال
+
+289
+00:22:57,790 --> 00:23:02,830
+positive أهم مليون مرة من ال negative على الرغم ان
+
+290
+00:23:02,830 --> 00:23:07,240
+ال negative موجود لكن قيمة ال positive highأهم
+
+291
+00:23:07,240 --> 00:23:11,440
+بالنسبة لي اللي انا بتقطع عليها action مختلفة وهذه
+
+292
+00:23:11,440 --> 00:23:15,060
+بسميها احنا اذا لو كان في عندي غير تساوي او
+
+293
+00:23:15,060 --> 00:23:23,200
+القيمتين غير متساويات فبسميها asymmetric حكينا
+
+294
+00:23:23,200 --> 00:23:29,640
+مع ال ordinal بشكل كويس ال numeric في ال numeric
+
+295
+00:23:29,640 --> 00:23:35,000
+الآن كل الأرقام اللي ممكن تخطر على بالناnumeric
+
+296
+00:23:35,000 --> 00:23:43,760
+لكنها تصنف كذلك لتلت فئات quantitative كم وفي عندي
+
+297
+00:23:43,760 --> 00:23:50,340
+interval scaled وفي عندي ratio scaled هنبدأ مع ال
+
+298
+00:23:50,340 --> 00:23:53,800
+quantitative ال quantitative او الكم عادة لما
+
+299
+00:23:53,800 --> 00:23:58,300
+بتكلم على ال age بتكلم على الشغلات اللي بدي اعرف
+
+300
+00:23:58,300 --> 00:24:03,660
+عددها او بدي اعرف كميتها بحط رقم بحط value يعني
+
+301
+00:24:03,660 --> 00:24:08,820
+الآنلو انت روحت بدك تشتري ثاكهة ودخلت ال
+
+302
+00:24:08,820 --> 00:24:12,820
+supermarket ولاجيته بيجي بيقولك تلاتة كيلو او مثلا
+
+303
+00:24:12,820 --> 00:24:16,700
+ال كيلو مثلا بخمس شكل وروحت انت تاخد اتنين كيلو
+
+304
+00:24:16,700 --> 00:24:21,180
+عند الميزان لما حط على الميزان لاجى مثلا اتنين
+
+305
+00:24:21,180 --> 00:24:27,360
+كيلو متين جرام شو وضع المتين جرام هدول؟يا ما بيشيل
+
+306
+00:24:27,360 --> 00:24:30,740
+من الإبداع أو بيحسبك عليهم تمام؟ وبالتالي أنا
+
+307
+00:24:30,740 --> 00:24:33,700
+بتكلم على ال weight اللي أنت أخدته اتنين و اتنين
+
+308
+00:24:33,700 --> 00:24:38,620
+من عشرة، مصبوط؟ وبالتالي هذه إلها كمية معينة لازم
+
+309
+00:24:38,620 --> 00:24:41,740
+تنجسط بيجي بيقول في ال new في الأطفال حديثي
+
+310
+00:24:41,740 --> 00:24:46,180
+الولادة لما بيجي بيقولي والله طوله كده مثلا ستين
+
+311
+00:24:46,180 --> 00:24:49,960
+أو سبعين صنطي فهو فعليا بيقصد ستين أو سبعين صنط
+
+312
+00:24:49,960 --> 00:24:54,340
+بالمبلغ بالعفو بالرقم اللي كتبهلما بيجي بكتب وزنه
+
+313
+00:24:54,340 --> 00:25:00,240
+2450 جرام لان ��ل 50 جرام بتفرج معاه مابنضلش يكتب 2
+
+314
+00:25:00,240 --> 00:25:06,700
+.5 كيلو جرام ففعليا هو قاعد بيكتب exact quantity
+
+315
+00:25:06,700 --> 00:25:14,020
+كقمية موجودة و طبعا سواء كانت الكمية انتجر او real
+
+316
+00:25:14,020 --> 00:25:17,480
+number ما مش قضية كتير بس في الآخر بنتعامل مع كمية
+
+317
+00:25:17,480 --> 00:25:23,710
+موجودة بال interval scaled النوع التانيو هنا انا
+
+318
+00:25:23,710 --> 00:25:28,110
+بأتكلم ضمن range ال value تبعتي ضمن range لاحظ
+
+319
+00:25:28,110 --> 00:25:32,470
+باتكلمش على discrete و continuous باتكلم على ان
+
+320
+00:25:32,470 --> 00:25:36,670
+القيمة تبعتي هذه تقاس تبعا لمجموعة من ال units
+
+321
+00:25:36,670 --> 00:25:43,190
+لمجموعة من ال units مثال عليها ال temperature درجة
+
+322
+00:25:43,190 --> 00:25:46,030
+الحرارة الآن لو جينا و قولنا درجة الحرارة في
+
+323
+00:25:46,030 --> 00:25:50,690
+الغرفة هذه تقارب العشرين او عشرين
+
+324
+00:25:53,880 --> 00:26:00,540
+لو كانت 19 أنا غلطان؟ طب لو كانت 21؟ برضه لأ، ليش؟
+
+325
+00:26:00,540 --> 00:26:04,660
+لأن الفرق اللي بنتكلم فيه بسيط و في نفس الوجد
+
+326
+00:26:04,660 --> 00:26:10,820
+ماحدش هيحس فيه أو يبين جوسين هيميزه 100% أقولك حتى
+
+327
+00:26:10,820 --> 00:26:12,940
+درجة الحرارة اللي احنا بنقراها من خلال نشارات
+
+328
+00:26:12,940 --> 00:26:13,440
+الأخبار
+
+329
+00:26:16,880 --> 00:26:20,980
+plus minus يعني هو بديك درجة الحرارة القصوى أو
+
+330
+00:26:20,980 --> 00:26:25,940
+العظمة المتوقعة والصغرة أو الدنيا المتوقعة، مظبوط؟
+
+331
+00:26:25,940 --> 00:26:30,920
+خلال اليوم لكن في أي وجد في اليوم؟ ماعرفش، الآن
+
+332
+00:26:30,920 --> 00:26:34,480
+فعليا لكن هو في اليوم الفلاني زي اليوم مثلا ستة
+
+333
+00:26:34,480 --> 00:26:41,840
+عشر اتنين الفين وعشرين ال high temperature في ال
+
+334
+00:26:41,840 --> 00:26:48,010
+high temperature عشرين واللهتم بريتشار سابعة
+
+335
+00:26:53,720 --> 00:26:57,920
+المربوطة بإيش الآن؟ أكيد إيش ال unit تبعتي هنا؟
+
+336
+00:26:57,920 --> 00:27:02,180
+درجة الحرارة سيلز ولا فارينهايت بس في الآخر في
+
+337
+00:27:02,180 --> 00:27:07,780
+الآخر الرقم هذا لا يعبر عن القيمة الحقيقية اللي
+
+338
+00:27:07,780 --> 00:27:11,380
+كانت في اليوم هو عمل estimation وتوقع درجة الحرارة
+
+339
+00:27:11,380 --> 00:27:15,700
+بتكون كذا لكن فعليا جاسا جديش على مدار الساعة لأنه
+
+340
+00:27:15,700 --> 00:27:20,830
+أساسا في أي يوم عاديساعات الليل .. ساعات الليل
+
+341
+00:27:20,830 --> 00:27:25,970
+أبرد من ساعات النهار وأول الليل أدفع من آخره مصدوق
+
+342
+00:27:25,970 --> 00:27:30,390
+انا لأ و العكس كذلك أول النهار أبرد من وسطه وأبرد
+
+343
+00:27:30,390 --> 00:27:33,670
+من آخره لأن في حركة في حركة دوران الأرض والشمس
+
+344
+00:27:33,670 --> 00:27:37,350
+الاخر كلها بتأثر لكن الآن ال value اللي كمان مرة
+
+345
+00:27:37,350 --> 00:27:40,350
+أهم يميز هذه ال values أو هذه القيم اللي احنا
+
+346
+00:27:40,350 --> 00:27:46,710
+بنسميها interval ضمن range ثابت معروفة يعني مثلا
+
+347
+00:27:48,020 --> 00:27:52,540
+قدش أقل درجة حرارة ممكن تكون عندنا في فلسطين صفر
+
+348
+00:27:52,540 --> 00:27:56,600
+على جبال الشيخ مثلا على جبل الجرمق الجبال الشيخ مش
+
+349
+00:27:56,600 --> 00:28:01,300
+عندنا الجليل الجليل الأعلى عندنا تمام الآن صفر
+
+350
+00:28:01,300 --> 00:28:07,700
+سالب تلاتة تلاتة مش قضية كتير و أعلى درجة حرارة
+
+351
+00:28:07,700 --> 00:28:13,360
+خمسة و تلاتين اربعين اريحة في الأغوار هي ال range
+
+352
+00:28:13,360 --> 00:28:17,460
+تابعي من صفر لاربعينو صفر ل 40 مدورش فيه ولا مرة
+
+353
+00:28:17,460 --> 00:28:21,920
+على ال fraction دائما بتكلم على مجموعة من القيم و
+
+354
+00:28:21,920 --> 00:28:26,040
+عشان هيك بنسميها احنا equal size scale يعني انا
+
+355
+00:28:26,040 --> 00:28:30,240
+قلتلي 10 ولا قلتلي 12 صح انا بعرف مقدار درجة
+
+356
+00:28:30,240 --> 00:28:33,420
+الحرارة زي بعض بس في الآخر مش فارقة كتير معايا
+
+357
+00:28:33,420 --> 00:28:40,300
+الان تميز هذه درجة ال interval scale ان في إلها
+
+358
+00:28:40,300 --> 00:28:45,720
+ordered بفهمه انالمّا بيقولّي 15 حتمًا الجو أبرد
+
+359
+00:28:45,720 --> 00:28:51,540
+من 20 و أدفع من 10 فهذا ال order أنا صرت بفهم في
+
+360
+00:28:51,540 --> 00:28:55,460
+ال interval لأنه أنا بعرف ال interval دائمًا من
+
+361
+00:28:55,460 --> 00:29:00,640
+إلى و من هنا بتتغير القيم اللي موجودة عندي الشغل
+
+362
+00:29:00,640 --> 00:29:07,160
+التاني انه أنا فعليًا في ال interval scale مافيش
+
+363
+00:29:07,160 --> 00:29:11,080
+real zero أتعامل معاه لما بيجي يقولّي درجة الحرارة
+
+364
+00:29:11,080 --> 00:29:18,450
+بكرا متوقعة تكون صفرفعليا صفر؟ ممكن أو ممكن لأ، بس
+
+365
+00:29:18,450 --> 00:29:21,490
+الواقع بيقول إذا صارت صفر، كل شغلة فيها ميّه بدا
+
+366
+00:29:21,490 --> 00:29:25,550
+تتجمد، شئنا أمأ بينها، لأنها كانت الطبيعة، ولا لأ؟
+
+367
+00:29:25,550 --> 00:29:28,750
+فعليا تتجمدت؟ يعني فتحت المصورة هيك وما نزلتش
+
+368
+00:29:28,750 --> 00:29:32,110
+الميّه؟ لأ، وبالتالي فعليا مش صفر، على الرغم من
+
+369
+00:29:32,110 --> 00:29:35,550
+أنه جالس درجة الحرارة صفر، بالنسبة له، بالنسبة له،
+
+370
+00:29:35,550 --> 00:29:38,430
+هي يمكن حوالين الصفر، يعني هو اتوقع أنها تنزل أقل
+
+371
+00:29:38,430 --> 00:29:43,760
+من واحد،أو تصل للواحد أو ممكن تصل لأقل قالك درجة
+
+372
+00:29:43,760 --> 00:29:47,680
+الحرارة واحد مع minus one أو minus two plus or
+
+373
+00:29:47,680 --> 00:29:52,500
+minus two ممكن تصل سالب واحد فعليا لكن فعليا هل
+
+374
+00:29:52,500 --> 00:29:55,740
+الصفر اللي قالي يا ده هو الصفر الحقيقي اللي احنا
+
+375
+00:29:55,740 --> 00:29:59,220
+بنتعامل معاه لأ لأ لأ حتما لأ وبالتالي في ال
+
+376
+00:29:59,220 --> 00:30:03,530
+interval انا ماعنديش صفرأو بينجوسين حتى لو شفتوا
+
+377
+00:30:03,530 --> 00:30:07,730
+هذا الصفر فيه بمثل interval يعني هيكد لو أنا باجيت
+
+378
+00:30:07,730 --> 00:30:10,930
+قولت في درجة الحرارة جماعة الخير القيم المعطالة
+
+379
+00:30:10,930 --> 00:30:17,610
+كان plus or minus اتنين وجيت شو .. وجيت قولتلك
+
+380
+00:30:17,610 --> 00:30:22,370
+درجة الحرارة صفر هذه
+
+381
+00:30:22,370 --> 00:30:27,210
+تلت قيم، مصبوط؟ هذه فواقع .. ال value هذه فواقعها
+
+382
+00:30:27,210 --> 00:30:34,990
+تلت قيم تلتة؟ خمس قيمسالب اتنين سالب واحد والصفر
+
+383
+00:30:34,990 --> 00:30:39,450
+والواحد والاتنين طب الصفر دي بتمثل اي واحدة من
+
+384
+00:30:39,450 --> 00:30:44,070
+الخمسة دول الله أعلم عشانك بنقول no true zero تمام
+
+385
+00:30:44,070 --> 00:30:48,130
+في القيامة دي مافيش true zero interval scale
+
+386
+00:30:53,300 --> 00:30:59,620
+لما باجي بقول الأسبوع الرابع من الشهر عادة الأسبوع
+
+387
+00:30:59,620 --> 00:31:05,380
+اللي عندي بيبدأ مانواجتهاش مثلا من السبت لكن
+
+388
+00:31:05,380 --> 00:31:10,260
+الأسبوع الرابع من الشهر مين قال أنه بدأ السبت؟ لأن
+
+389
+00:31:10,260 --> 00:31:13,020
+أول أسبوع بيبدأ من أول يوم في الشهر، ده بتعد سبعة
+
+390
+00:31:13,020 --> 00:31:18,550
+أيام تمام؟ وبتصير إيش؟هيك بيصير تعد أسبوع فأنا
+
+391
+00:31:18,550 --> 00:31:21,030
+بصير آخر أسبوع في الشهر بتكلم عليه الأسبوع الرابع
+
+392
+00:31:21,030 --> 00:31:24,790
+اللي موجود عندي هل فهو صدف يوم سبت أو لأ ففعلا مش
+
+393
+00:31:24,790 --> 00:31:27,990
+.. مش .. مش دقيق أنه أنا لازم أبدأ من يوم السبت بس
+
+394
+00:31:27,990 --> 00:31:34,730
+مصطلح و من الشغلات اللي احنا بنتكلم عليها النوع
+
+395
+00:31:34,730 --> 00:31:41,230
+التالت في ال quantitative ال ratio scaled وهذا ال
+
+396
+00:31:41,230 --> 00:31:45,580
+ratio لما أنا بتكلم عليهنسبة مئوية والنسبة المئوية
+
+397
+00:31:45,580 --> 00:31:51,060
+جماعة الخير الصفر وارد فيها لما تكون ال value
+
+398
+00:31:51,060 --> 00:31:55,820
+تبعتي صفر وجسمتها على العشرة صفر مش النسبة أو
+
+399
+00:31:55,820 --> 00:32:00,540
+الرشو هي عبارة عن عملية قسمة تمام ليش أنا محتاجها
+
+400
+00:32:00,540 --> 00:32:05,320
+درجة
+
+401
+00:32:05,320 --> 00:32:15,530
+الحرارة اليوم أدفع مرتين من امبارح كلمة مرتين هيمش
+
+402
+00:32:15,530 --> 00:32:22,470
+نسبة؟ مصبوط ولا لأ؟ طيب، لو أنا اجيت قولت راتبي
+
+403
+00:32:22,470 --> 00:32:27,070
+أعلى خمس مرات من راتب فلان بره تكلمتي على نسبة
+
+404
+00:32:27,070 --> 00:32:34,210
+بلاش، الآن بعض الدول العمولات تبعتها أرقامها بتخوف
+
+405
+00:32:34,210 --> 00:32:37,930
+لبنان و سوريا و إيران و تركيا أعتقد لما بتكلم
+
+406
+00:32:37,930 --> 00:32:41,650
+بالليرة، روسيا، الهند
+
+407
+00:32:44,420 --> 00:32:47,760
+اليمن ما شاء الله خبرة في الاقتصاد كلكم صرتوا ما
+
+408
+00:32:47,760 --> 00:32:52,000
+شاء الله عليكم الآن العمل .. العملة بروح بده يشتري
+
+409
+00:32:52,000 --> 00:32:58,200
+مثلا البطارية .. باش بده يشتري علبة عصير بيجي
+
+410
+00:32:58,200 --> 00:33:02,060
+بيقولك حاجة مثلا خمس سلاف ليرة بده يشتري سيارة
+
+411
+00:33:02,060 --> 00:33:07,760
+بيقولك سبعتناشر مليون ليرة مش في محاضرة الاقتصاد
+
+412
+00:33:07,760 --> 00:33:14,440
+انا الفكرة اللي انا بوصلك إياها الآن تخيل17 مليون
+
+413
+00:33:14,440 --> 00:33:19,840
+ليرة و إذا كنت تضيف عليهم ضريبة بنسبة كذا فبصير
+
+414
+00:33:19,840 --> 00:33:25,320
+الرقم هذا شوية بخوف أبدأ أقول واحد سبعة تلاتة خمسة
+
+415
+00:33:25,320 --> 00:33:32,580
+و هاي اتنين جدّيش اقصروا مازالوا سبعة عشر مليون و
+
+416
+00:33:32,580 --> 00:33:37,620
+خمسة و عشرين ألف و متين و تلتمية و واحد و سبعين
+
+417
+00:33:37,620 --> 00:33:43,940
+ليرةتخيل نفسك بدك تعمل عملية ضرب بالرقم برقم زي
+
+418
+00:33:43,940 --> 00:33:49,360
+هذا جدش بدك واجده ع ال calculator ماشي الحل ع ال
+
+419
+00:33:49,360 --> 00:33:54,400
+calculator جدش بدك واجده واجد ادخالهم جدش بداخل
+
+420
+00:33:54,400 --> 00:33:58,160
+معاك بينما لو انا اجيت قلتلك الأرقام اللي زي هذه
+
+421
+00:33:58,160 --> 00:34:02,400
+انا هعملها scaling لواحد
+
+422
+00:34:03,440 --> 00:34:06,560
+1 من 10 مثلا بدي أجسم على 10 مليون كل الأرقام اللي
+
+423
+00:34:06,560 --> 00:34:09,580
+عندي أجسم عليها على 10 مليون فالرقم اللي عندي هذا
+
+424
+00:34:09,580 --> 00:34:14,640
+كده ايش بيصير؟ 1.7 مع ال truncation أو مع ال
+
+425
+00:34:14,640 --> 00:34:17,580
+roundation ال zero هذا ايش؟ اخر رقم هو اللي انا
+
+426
+00:34:17,580 --> 00:34:22,620
+بحتفظ فيه فشو رأيكم؟ مين أسهل؟ الرقم هذا ولا 17
+
+427
+00:34:22,620 --> 00:34:31,820
+.25371؟ لأ أكيد 1.7 أسهل1.7 أسهل فالان بعض ال data
+
+428
+00:34:31,820 --> 00:34:34,500
+.. بعض ال data صعب ان انا أروح و أحط فيها الأصفار
+
+429
+00:34:34,500 --> 00:34:38,280
+فبروح بيجي و بقولي حجم الاقتصاد كان في البلد
+
+430
+00:34:38,280 --> 00:34:44,900
+الفلاني على سبيل المثال بروح بيقولي مثلا ال dollar
+
+431
+00:34:44,900 --> 00:34:50,360
+بالmillion و بروح بيقولي مثلا 15
+
+432
+00:34:53,070 --> 00:34:56,890
+15 مليون مافيش داعي الأصفار كلها هي نسبة فجسم
+
+433
+00:34:56,890 --> 00:35:01,490
+الرقم اللي عنده على جداش على المليون اللي موجهة
+
+434
+00:35:01,490 --> 00:35:04,250
+هنا ليش لأنه زي ما قلتلك هي بتخفف علينا في ال
+
+435
+00:35:04,250 --> 00:35:07,310
+computation انت الآن لو أنا جيت فعليا قلتلك اضرب
+
+436
+00:35:07,310 --> 00:35:14,270
+للرقم هذا في تلاتة بعيدا عن ال calculator وضرب 1.7
+
+437
+00:35:14,270 --> 00:35:18,670
+في تلاتة حتما
+
+438
+00:35:18,670 --> 00:35:22,610
+هذا هياخد معاك أقل وقتاطبعاً لما بيجي بيقولك ان
+
+439
+00:35:22,610 --> 00:35:25,170
+الرقم هذا بتتحول ل binary وعملية الضرب بال binary
+
+440
+00:35:25,170 --> 00:35:28,470
+يعني كل digit بتدخل في العملية فبياخد مني وقت كتير
+
+441
+00:35:28,470 --> 00:35:31,490
+في عملية ال processing انا بكفيني حجم ال data اللي
+
+442
+00:35:31,490 --> 00:35:34,450
+ماخ�� عامة ال 100 ألف record كمان بيقولي هذا بياخد
+
+443
+00:35:34,450 --> 00:35:39,830
+مش عارف كم مليون digits فلازم نعمل ratio scaling
+
+444
+00:35:39,830 --> 00:35:43,870
+او بعض ال data بتكون فعليا هي عبارة عن ratio scale
+
+445
+00:35:43,870 --> 00:35:47,130
+temperature in Kelvin
+
+446
+00:35:49,870 --> 00:35:55,090
+درجة الحرارة بالكيلفن او بالفهرين هايت شو رأيكوا؟
+
+447
+00:35:55,090 --> 00:35:59,070
+مش هي عبارة عن نسبة؟ لما بتحول درجة الحرارة عبارة
+
+448
+00:35:59,070 --> 00:36:04,830
+عن طق سيلق عبارة عن طرح وقسمة أحيانا ال counts و
+
+449
+00:36:04,830 --> 00:36:08,290
+ال length الأميال أو الأطوال ممكن تكون عندي كذلك
+
+450
+00:36:08,290 --> 00:36:13,210
+كذلك من الشغلات اللي لازم نفهمها مع ال data set
+
+451
+00:36:13,210 --> 00:36:17,250
+اللي هي ال discrete و ال continuous شو يعني
+
+452
+00:36:17,250 --> 00:36:24,130
+discrete؟منفصل continuous متصل يا عيني عليكم كويس
+
+453
+00:36:24,130 --> 00:36:27,670
+الآن لما بتكون ال values اللي موجودة عندي هنا
+
+454
+00:36:27,670 --> 00:36:36,090
+finite منتهية منتهية شو يعني منتهية شباب محدودة
+
+455
+00:36:36,090 --> 00:36:41,670
+معروفين خمس خيارات عشرة عشرين تلاتين مية متين
+
+456
+00:36:41,670 --> 00:36:50,530
+مليون limited مليار أي رقم بدك تلفظهتمام؟ هذه رقم
+
+457
+00:36:50,530 --> 00:36:53,830
+معدود وبالتالي احنا نقدر نصلّه فهذا بسميه انا
+
+458
+00:36:53,830 --> 00:37:02,330
+discrete تالي تمام؟ لكن لو انا اجيت سألتك الأرقام
+
+459
+00:37:02,330 --> 00:37:07,210
+ما بين صفر و واحد في ال interval من صفر و واحد
+
+460
+00:37:07,210 --> 00:37:13,370
+جدّيش الأرقام الموجودة countably infinite حرام
+
+461
+00:37:13,370 --> 00:37:18,270
+عليك يا شيخ infinite اه من صفر لواحد infinite عارف
+
+462
+00:37:18,270 --> 00:37:32,020
+ليش؟هذه صفر point واحد لسه
+
+463
+00:37:32,020 --> 00:37:40,220
+ماتكلمش على صفار بعد جداش بدك توجف بعد
+
+464
+00:37:40,220 --> 00:37:47,880
+جداش fish limit تمام؟ وهذا فعليا infiniteمجموعة
+
+465
+00:37:47,880 --> 00:37:51,100
+غير منتهية وبالتالي المجموعة المنتهية أنا مستحيل
+
+466
+00:37:51,100 --> 00:37:56,700
+إيش أعدها لكن هنا بيجي يقولي ال discrete attribute
+
+467
+00:37:56,700 --> 00:38:00,240
+هو عبارة عن attribute بيحتوي على finite أو
+
+468
+00:38:00,240 --> 00:38:08,040
+countably infinite set شو يعني countably infinite؟
+
+469
+00:38:11,760 --> 00:38:16,000
+المجموعة غير منتهية لكن ممكن تجي عند حد معين فيها
+
+470
+00:38:16,000 --> 00:38:21,220
+يعني مثلا اجي اقولك عدد الأيام اللي على الكورة
+
+471
+00:38:21,220 --> 00:38:25,700
+الأرضية من
+
+472
+00:38:25,700 --> 00:38:28,280
+يوم الناس اللي صار ال big bang او الانفجار الكوني
+
+473
+00:38:28,280 --> 00:38:34,180
+العظيم حسب تعوت الجيلوجيا غداش عمر الكورة الأرضية
+
+474
+00:38:34,180 --> 00:38:36,420
+او عمر الحياة على الكورة الأرضية
+
+475
+00:38:39,180 --> 00:38:43,320
+انت ملاحظ؟ عملك بتديني رقم والرقم هذا جد مابدو
+
+476
+00:38:43,320 --> 00:38:47,720
+يكون كبير بقى تقولي .. بتقولي مستمر مستمر أخريته
+
+477
+00:38:47,720 --> 00:38:53,080
+اليوم لما نعيش بكرة بنعده عشان هي غير منتهية لكن
+
+478
+00:38:53,080 --> 00:39:00,080
+هياش مستمرة في العدد بس كوني أنا بعدهم كون انه
+
+479
+00:39:00,080 --> 00:39:03,140
+ممكن انا اعد Sir countable
+
+480
+00:39:06,570 --> 00:39:09,150
+ماشي الحال هو برقملك إياها جالك مليون مليون في
+
+481
+00:39:09,150 --> 00:39:12,030
+جيار الكبير هاي اليوم رقم صفر او اليوم رقم واحد
+
+482
+00:39:12,030 --> 00:39:17,050
+اول يوم و هذا كان قبل مثلا مش عارف تريليون سنة مش
+
+483
+00:39:17,050 --> 00:39:20,990
+مليون .. كام تريليون سنة لاحظوا أنه كونه دالي
+
+484
+00:39:20,990 --> 00:39:25,370
+أعداد لكن في الأيام الآن لو أنا إجيت اتطلعت في ال
+
+485
+00:39:25,370 --> 00:39:31,630
+gap بين كل يوم و التاني خلّيني
+
+486
+00:39:31,630 --> 00:39:37,840
+أقول للتفاصيل تبعته اليوم 24 ساعةماشي الحال الاربع
+
+487
+00:39:37,840 --> 00:39:43,600
+عشرين ساعة او الساعة فيها ستين دقيقة والستين دقيقة
+
+488
+00:39:43,600 --> 00:39:50,680
+فيها ستين ثانية الستان ثانية فيها milli second
+
+489
+00:39:50,680 --> 00:39:59,500
+مظبوط بس في لحظة من اللحظات هيجف على الرغم ان احنا
+
+490
+00:39:59,500 --> 00:40:04,520
+فعليا شايفينها infinite set لكن المجموعة هذه ممكن
+
+491
+00:40:04,520 --> 00:40:11,210
+تعدلو انا اجيت سألتك بدي عمرك تديني عمرك بال ..
+
+492
+00:40:11,210 --> 00:40:17,210
+بالسنة والشهر واليوم والساعة والدقيقة والثانية
+
+493
+00:40:17,210 --> 00:40:25,330
+ممكن ينحسب، مصبور؟ طيب،
+
+494
+00:40:25,330 --> 00:40:29,670
+الان هذه الكلام ليش عمال بحاول بازيد و بعيد في
+
+495
+00:40:29,670 --> 00:40:33,630
+الان؟ لما انا بتكلم على continuous .. او discrete
+
+496
+00:40:35,050 --> 00:40:39,070
+عشرة أرقام الأقسام اللي عندي عشرة عشرين تلاتين
+
+497
+00:40:39,070 --> 00:40:47,250
+أربعين خمسين finite مصبوط ليش لأنه فعليا مافيش
+
+498
+00:40:47,250 --> 00:40:52,130
+عندي أنا أي حاجة بين الأربعين والخمسين مافيش عندي
+
+499
+00:40:52,130 --> 00:40:55,430
+ولا قسم رقم واحد واربعين أو خمسة واربعين أو تسعة
+
+500
+00:40:55,430 --> 00:40:58,810
+واربعين هذه الأرقام اللي موجودة عندي هذه فهذه بقول
+
+501
+00:40:58,810 --> 00:41:03,460
+عنها إيشdiscrete يعني لو كانت الأرقام أو القيم
+
+502
+00:41:03,460 --> 00:41:08,100
+اللي عندهان finite او كان تبلي infinite values
+
+503
+00:41:08,100 --> 00:41:12,000
+فبقول عنها دي discrete values الآن لو بسكت المصطرة
+
+504
+00:41:12,000 --> 00:41:16,080
+انا يا شباب بسكت المصطرة اللي بجينا نستخدمها زمان
+
+505
+00:41:16,080 --> 00:41:18,920
+ماعرفش دايما تستخدموها ولا لأ تلاتين صنط طولة
+
+506
+00:41:18,920 --> 00:41:24,320
+بقولها وكل صنط فيه عشرة milli صح؟ الان لو انا بدي
+
+507
+00:41:24,320 --> 00:41:29,140
+اطلع على عدد الصنطيات اللي موجودةdiscrete اذا أنا
+
+508
+00:41:29,140 --> 00:41:32,240
+بتكلم بالصنطي الصنطي الأول التاني التالت الرابع
+
+509
+00:41:32,240 --> 00:41:36,260
+الخامس لحد التلاتين واذا طلعت على المليات اللي
+
+510
+00:41:36,260 --> 00:41:40,720
+موجودة برضه ممكن تكون هذه finite و discrete لأنه
+
+511
+00:41:40,720 --> 00:41:47,460
+بين الملي والتاني gap عادة الامور هذه ممكن تعمل
+
+512
+00:41:47,460 --> 00:41:53,520
+شوية ربكة بسيطة في التفريق في المقابل continuous
+
+513
+00:41:54,680 --> 00:41:59,560
+ماذا يعني continuous؟ بين أي قيمتين في ال
+
+514
+00:41:59,560 --> 00:42:04,320
+continuous بين أي قيمتين ممكن ألاقي قيمة غيرهم كفش
+
+515
+00:42:04,320 --> 00:42:11,980
+جاب بين أي قيمتين بلاجي قيم بينهم الآن في العشر
+
+516
+00:42:11,980 --> 00:42:17,200
+وعشرين وتلاتين ماكانش فيه مصبوط؟ الأرقام اللي احنا
+
+517
+00:42:17,200 --> 00:42:23,700
+كتبناها أرقام الطلابالان اقول عنها continuous ولا
+
+518
+00:42:23,700 --> 00:42:28,920
+اقول عنها discrete لان مافيش و نص في عندى واحد هي
+
+519
+00:42:28,920 --> 00:42:34,260
+ال unit تبعتي هي unit القياس تبعتي الان discrete
+
+520
+00:42:34,260 --> 00:42:41,980
+الان continuous لما يكون في عندى real number لما
+
+521
+00:42:41,980 --> 00:42:48,450
+يكون في عندىreal number يعني هيك أحط في بالي أنا
+
+522
+00:42:48,450 --> 00:42:54,930
+أي أعداد كانت عبارة عن integer integer accountable
+
+523
+00:42:54,930 --> 00:42:59,150
+integer accountable معناه تقعد بتروح وين؟ باتجاه
+
+524
+00:42:59,150 --> 00:43:03,930
+ال discrete ال discrete ليش؟ لأنه بين أي قيمتين
+
+525
+00:43:03,930 --> 00:43:10,750
+مابلجيش إيش قيمة عادة إن يا جماعة الخيرإذا لاجيت
+
+526
+00:43:10,750 --> 00:43:15,130
+كلام بسيط جدا مالوش علاقة بالرياضيات إذا ال step
+
+527
+00:43:15,130 --> 00:43:18,170
+between
+
+528
+00:43:18,170 --> 00:43:25,510
+any two values as a jump لو
+
+529
+00:43:25,510 --> 00:43:29,650
+كانت بتحسها هذه زي قفزة أو في مدى فهذه غالبا
+
+530
+00:43:29,650 --> 00:43:35,190
+discrete لو
+
+531
+00:43:35,190 --> 00:43:42,130
+كانت الخطوة أو ا��انتقال as smallor tiny step لو
+
+532
+00:43:42,130 --> 00:43:47,010
+كانت خطوة بسيطة معناته أنا بتكلم على إيش؟
+
+533
+00:43:47,010 --> 00:43:52,730
+continuous عشان
+
+534
+00:43:52,730 --> 00:43:58,670
+هيك لما باجه على الأرقام أو المسافات أو ما شابه
+
+535
+00:43:58,670 --> 00:44:02,770
+ممكن أنا أدرج فيها لحد ما أصل الملي متر لأن لما
+
+536
+00:44:02,770 --> 00:44:07,180
+أصل الملي ما جديش خطوة بين الملي والتانيلكن الملي
+
+537
+00:44:07,180 --> 00:44:11,280
+مع الـ kilometer بتصير الآن فعلياً العدد كبير و
+
+538
+00:44:11,280 --> 00:44:14,620
+join steps وبالتالي أنا بتكلم على small او بتكلم
+
+539
+00:44:14,620 --> 00:44:19,480
+عفوا على continuous values temperature و ال height
+
+540
+00:44:19,480 --> 00:44:25,560
+و ال weight شو رايكوا فيهم continuous continuous
+
+541
+00:44:25,560 --> 00:44:29,440
+او لأنه فيه fraction و زي ما قلنا قبل شوية بالمثال
+
+542
+00:44:29,440 --> 00:44:33,040
+السابق لما اتكلمنا على الأطفال او زن الأطفال حديثي
+
+543
+00:44:33,040 --> 00:44:40,180
+الولادةرح كتب الطبيب 2450 جرام لو الميزان اللى وزن
+
+544
+00:44:40,180 --> 00:44:46,700
+عليه الطفل كتبه 53 هتلاقيه هيكتبه 53 ليش؟ لأن ال
+
+545
+00:44:46,700 --> 00:44:50,080
+value فعليا لازم تكون بتفاصيلها الدقيقة الأبعد حد
+
+546
+00:44:50,080 --> 00:44:54,660
+الان هل ممكن الولد اللى بعديه او قبله جداش ال
+
+547
+00:44:54,660 --> 00:44:59,720
+value ممكن تكون طب ممكن يكون اربع .. ممكن يكون ..
+
+548
+00:44:59,720 --> 00:45:04,760
+جداش احنا قولنا 45يصير خمسين أو يصير اتخاذ اتخاذ
+
+549
+00:45:04,760 --> 00:45:05,600
+اتخاذ اتخاذ اتخاذ اتخاذ اتخاذ اتخاذ اتخاذ اتخاذ
+
+550
+00:45:05,600 --> 00:45:07,880
+اتخاذ اتخاذ اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز
+
+551
+00:45:07,880 --> 00:45:08,280
+اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز
+
+552
+00:45:08,280 --> 00:45:08,840
+اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز
+
+553
+00:45:08,840 --> 00:45:14,580
+اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز
+
+554
+00:45:14,580 --> 00:45:20,420
+اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز اتخاز
+
+555
+00:45:20,420 --> 00:45:28,370
+اتخاز اتخاز اتخاز افي كل document بيحتوي على
+
+556
+00:45:28,370 --> 00:45:31,690
+مجموعة من الكلمات فعندي رقم ال document وعدد
+
+557
+00:45:31,690 --> 00:45:34,450
+الكلمات اللي فيها فعدد الكلمات ال attribute هذا
+
+558
+00:45:34,450 --> 00:45:38,590
+discrete ولا continuous؟ discrete لأن القيم متقطعة
+
+559
+00:45:38,590 --> 00:45:43,710
+ومافيش بينها روابط لأنه في الآخر بتكلم على أعداد
+
+560
+00:45:51,890 --> 00:45:55,330
+بعد ما حاولنا نفهم ال data .. ال attributes وال
+
+561
+00:45:55,330 --> 00:45:59,290
+data set اللي موجود عندى من ضمن ال understanding
+
+562
+00:45:59,290 --> 00:46:06,950
+لازم أروح أحاول أعمل تحليل استكشافي للبيانات و هذا
+
+563
+00:46:06,950 --> 00:46:10,330
+التحليل الاستكشافي بطلبش مني خبرة كتيرة يعني ممكن
+
+564
+00:46:10,330 --> 00:46:13,430
+تكون بس مشكلتي مع الرسم عشان أحاول أفهم ال trend
+
+565
+00:46:13,430 --> 00:46:17,230
+تبع ال data أحاول أعمل visualization هذا ال trend
+
+566
+00:46:17,230 --> 00:46:22,820
+أو هذا ال ..التحليل الاستكشافي مهمته جدا .. مهم
+
+567
+00:46:22,820 --> 00:46:26,980
+جدا بالنسبة لي عشان يعرفنا ايه هو الرايح اذا انا
+
+568
+00:46:26,980 --> 00:46:31,400
+فعليا واقف على ارضية صلبة ال hypothesis تبعتي
+
+569
+00:46:31,400 --> 00:46:34,700
+الفرضيات اللي انا بشتغل عليها فعليا هتجيب النتيجة
+
+570
+00:46:34,700 --> 00:46:39,060
+المطلوبة ولا لأ وبناء عليه انا بالنسبة لإينا
+
+571
+00:46:39,060 --> 00:46:42,620
+الدراسة التحليلية الأولية هذه او التحليل
+
+572
+00:46:42,620 --> 00:46:48,140
+الاستطلاعي مهم جداو عادة هذا انا جاعد عمالي بحاول
+
+573
+00:46:48,140 --> 00:46:54,000
+زي ما بقوله انكوش ال data او اجلب ال data و غالبا
+
+574
+00:46:54,000 --> 00:46:57,300
+بستخدم فيها ال visualization عملية الرسم بحاول
+
+575
+00:46:57,300 --> 00:47:01,520
+ارسمها باشكال مختلفة عشان اشوف انماط البيانات اللي
+
+576
+00:47:01,520 --> 00:47:06,300
+ممكن عندي هضربلك مثال بسيط جدا هنا لو انا جيت قلت
+
+577
+00:47:06,300 --> 00:47:13,860
+على ال x axis هنا او على ال او على ال x y هنا فيه
+
+578
+00:47:13,860 --> 00:47:27,420
+بدي ارسممجموعة من النقاط نقاط باللون الأحمر بالشكل
+
+579
+00:47:27,420 --> 00:47:36,840
+هذا و نقاط باللون الأسود و
+
+580
+00:47:36,840 --> 00:47:40,880
+هاد ال data set تبعتي مكونة من two classes لحد
+
+581
+00:47:40,880 --> 00:47:42,760
+الآن أنا قاعد بأرسم في ال save side
+
+582
+00:47:46,880 --> 00:47:50,520
+ولمّا حطيت النقاط السودة هذه هان أو صار في تداخل
+
+583
+00:47:50,520 --> 00:47:54,160
+بالشكل
+
+584
+00:47:54,160 --> 00:47:59,580
+هذا هصير في عندي قناعة ان هدول ال two classes
+
+585
+00:47:59,580 --> 00:48:08,580
+متداخلين لدرجة ان من المستحيل اقدر افصل بينهم تفصل
+
+586
+00:48:08,580 --> 00:48:13,840
+بس كيف؟ راح اخسر نتفة انا مستعد اخسر كتير بس قداش
+
+587
+00:48:16,410 --> 00:48:21,170
+يعني هتقولي الآن محمد
+
+588
+00:48:21,170 --> 00:48:23,770
+بيقولي بدي أحط خط بالشكل هذا وهذا بنمثل نسبة ال
+
+589
+00:48:23,770 --> 00:48:28,050
+error صحيح؟ وهذه الخسارة كان بيتكلم عليها محمد
+
+590
+00:48:28,050 --> 00:48:32,050
+okay أنا ممكن أتفق معاه لكن ممكن أقوله كمان يا
+
+591
+00:48:32,050 --> 00:48:36,390
+محمد أنه فعليا ماعنديش خسارة مطلقا بس كل المطلوب
+
+592
+00:48:36,390 --> 00:48:41,750
+مني أن أعيد الرسم هذه في
+
+593
+00:48:41,750 --> 00:48:47,890
+ال 3D لما جيت رسمتها في ال 3Dلاقيت انه فعليا
+
+594
+00:48:47,890 --> 00:48:56,050
+المستوى
+
+595
+00:48:56,050 --> 00:49:01,770
+الـ Z أفرج مع النقاط هذه وصارت
+
+596
+00:49:01,770 --> 00:49:09,270
+النقاط الحمرة هيها شو
+
+597
+00:49:09,270 --> 00:49:13,750
+رأيك يا محمد الآن؟ في مجال ان انا افصل بينهم بدون
+
+598
+00:49:13,750 --> 00:49:15,490
+ما اخسر؟ اه في مجال
+
+599
+00:49:18,370 --> 00:49:26,390
+يعني فعليا شوية حطيتلك اياهم هيك وانت بتطلع الآن
+
+600
+00:49:26,390 --> 00:49:31,030
+شو شايف انت شايف ال cover تبعت ال pointer شايف ال
+
+601
+00:49:31,030 --> 00:49:34,230
+pointer على الرغم ان انا قاعد بقولك ان ال pointer
+
+602
+00:49:34,230 --> 00:49:40,170
+موجود بتقوللي ابد انا مش جادر اشوفه ممتاز روحت
+
+603
+00:49:40,170 --> 00:49:44,740
+عملت rotate فقطيعني بدل ما انت كنت شايف 2D خليك
+
+604
+00:49:44,740 --> 00:49:49,820
+تشوف 3D بالشكل هذا فصار في مجال اتكلم على ان ال
+
+605
+00:49:49,820 --> 00:49:52,800
+object site هذا بدون الدراسة الاستكشافية او
+
+606
+00:49:52,800 --> 00:49:58,520
+التحليل الاستكشافي لل data مش هيكون في نتيجة مرضية
+
+607
+00:49:58,520 --> 00:50:02,300
+بمعنى يا شباب اذا انا ماحاولتش اشوف افهم ال data
+
+608
+00:50:02,300 --> 00:50:06,540
+قبل ما اروح فيها انا في الآخر هاروح فيها هيكون كل
+
+609
+00:50:06,540 --> 00:50:11,760
+جهديعلى الفاضي لإيش؟ لإن إذا ضليت بالمنظر هذا ما
+
+610
+00:50:11,760 --> 00:50:15,980
+هي تحكول فيه عندي ال system هتدي نسبة خطأ مرتفعة
+
+611
+00:50:15,980 --> 00:50:21,980
+الجال محمد عليها بس شوية إيش هخسر بينما .. بينما
+
+612
+00:50:21,980 --> 00:50:26,120
+إنه أنا فعليا شغل بسيط يا هاشم كان بيقوللي لأ يعني
+
+613
+00:50:26,120 --> 00:50:29,400
+أنت ممكن تحصل على model يفصل بينهم بدون أي خسارة و
+
+614
+00:50:29,400 --> 00:50:34,890
+ال accuracy one hundred percentهذا الكلام بقويني
+
+615
+00:50:34,890 --> 00:50:37,990
+أو بديني confidence عالي ان انا استمر ان انا شغال
+
+616
+00:50:37,990 --> 00:50:41,610
+في ال track الصح ان ال data هذه ممكن من البداية
+
+617
+00:50:41,610 --> 00:50:46,030
+تكون تديني نتيجة نحا الشغل التاني اذا انت كنت عادة
+
+618
+00:50:46,030 --> 00:50:53,450
+بتدور على donor او ناس على اي نوع من ال funds اللي
+
+619
+00:50:53,450 --> 00:50:57,030
+ممكن تفعلك اياها الناس او المؤسسات الناس بهم هتشوف
+
+620
+00:50:57,030 --> 00:51:01,710
+result فإذا انت مجرد تتكلم معاهعلى الفاضل، لكن
+
+621
+00:51:01,710 --> 00:51:04,550
+بتقول هو هي في عندك دراسة تحليلية بسيطة على وين
+
+622
+00:51:04,550 --> 00:51:08,630
+إحنا رايحين تمام؟ ممكن تصير في عندك توفر قناعة
+
+623
+00:51:08,630 --> 00:51:13,690
+أكتر للشخص اللي موجود عندها هدف الدراسة التحليلية
+
+624
+00:51:13,690 --> 00:51:20,610
+الأساسي أنه أنت فعليا تصير تتعامل أو تندمج أنت و
+
+625
+00:51:20,610 --> 00:51:23,410
+البيانات تصير تحس في البيانات أو في ال data اللي
+
+626
+00:51:23,410 --> 00:51:26,410
+موجودة عندك بشكل عفوي تصير يعني بين قوسين يعني
+
+627
+00:51:26,410 --> 00:51:31,500
+تصير أنت و البيانات واحدتصير فاهم البيانات زي ما
+
+628
+00:51:31,500 --> 00:51:35,400
+انت فاهم حاجة جسمك متى بده يرتاح، متى بدك تاكل،
+
+629
+00:51:35,400 --> 00:51:39,920
+متى بدك تاخد shower إلى آخره هذه حاجتك انت
+
+630
+00:51:39,920 --> 00:51:42,560
+بتعرفها، اكتر واحد بتقدرها في اللحظة اللي بتصير
+
+631
+00:51:42,560 --> 00:51:46,100
+انت familiar مع البيانات بالشكل هذا معناته انت
+
+632
+00:51:46,100 --> 00:51:50,120
+تأكد تماما على خطوات ناجحة بإذن الله في موضوع ال
+
+633
+00:51:50,120 --> 00:51:55,860
+project الشغل التاني إذا انا عملت الدراسة
+
+634
+00:51:55,860 --> 00:52:01,470
+الاستطلاعية هذهبتقوّل فرضيات تبعتي وبتقول فعليا
+
+635
+00:52:01,470 --> 00:52:04,390
+انا بقدر اجيب مجموعة من الفرضيات القوية اللي انا
+
+636
+00:52:04,390 --> 00:52:08,890
+ابني عليها اه شوف بتكون عينك قوية على رأي اهاب
+
+637
+00:52:08,890 --> 00:52:14,530
+وانت بتتكلم انه انا فعليا قادر على انجاز كذا وفي
+
+638
+00:52:14,530 --> 00:52:17,810
+موضوع ال pilot study و الدراسة التحليلية انا خدت
+
+639
+00:52:17,810 --> 00:52:23,550
+تجربة بسيطة فقط في المقترح يسالة الدكتوراهكان
+
+640
+00:52:23,550 --> 00:52:26,650
+بيقولوا لازم على الأقل تمور تلت فصول قلت له أنا
+
+641
+00:52:26,650 --> 00:52:29,910
+عند مقترح و أنا في الفصل التاني قلت مقترح تبعي
+
+642
+00:52:29,910 --> 00:52:35,110
+جاهز ماحدش سمععملت دراسة استطلاعية زي هيكت تحليل
+
+643
+00:52:35,110 --> 00:52:38,650
+قلت لهم أنا جاهز وعندي دراسة تحليلية بس سمعوا
+
+644
+00:52:38,650 --> 00:52:43,630
+دراسة استطلاعية و بيسموها pilot study قال تعالي
+
+645
+00:52:43,630 --> 00:52:46,790
+اعمل presentation عملت presentation فقرروني ودخلت
+
+646
+00:52:46,790 --> 00:52:50,710
+ال discussion ال proposal defense وانا في الفصل
+
+647
+00:52:50,710 --> 00:52:54,190
+التاني ليش؟ لأنه بيقولك لسه يعني انت مش فاهم
+
+648
+00:52:54,190 --> 00:52:57,870
+الموضوع بس كون ان في عندي دراسة انا اساسية
+
+649
+00:52:57,870 --> 00:53:01,370
+وتحليلية استطلاعية مش على كل شيء عيني انا اخد
+
+650
+00:53:02,390 --> 00:53:06,370
+prototype ففعليا يثبت للناس اللي موجودين ان الفكرة
+
+651
+00:53:06,370 --> 00:53:11,170
+هي applicable أو ممكن يكتبلها إيش النجاح و هذا كله
+
+652
+00:53:11,170 --> 00:53:14,230
+بديك زي ما قلتلك بديك بخليك تعيش مع ال data حقيقة
+
+653
+00:53:14,230 --> 00:53:20,750
+و تبني فرضيات قوية ال data هذه لوين ممكن اتواصلك
+
+654
+00:53:20,750 --> 00:53:26,870
+بدي أديك مثال بسيط جدا الان فينا online shop
+
+655
+00:53:26,870 --> 00:53:32,860
+الدكان الإلكتروني أو متجر إلكترونيوالمتجر هذا كان
+
+656
+00:53:32,860 --> 00:53:37,700
+عنده زباين عنده قائمة بالزباين اللي موجودين عنده
+
+657
+00:53:37,700 --> 00:53:43,520
+فبعد سنة راح عمل دراسة بده يشوف عدد او بده يشوف
+
+658
+00:53:43,520 --> 00:53:50,300
+الزبائن تابعونه عدد مرات الزيارة للمتجر هذا الان
+
+659
+00:53:50,300 --> 00:53:56,230
+in the count عدد مرات الزيارةأو بنجوسين نسميها عدد
+
+660
+00:53:56,230 --> 00:54:00,950
+مرات الشراء ان شئت وفي عندى ال customer age أعمار
+
+661
+00:54:00,950 --> 00:54:06,650
+الناس من الدراسة اللى ��وجودة عندى هان ايش بقى الآن
+
+662
+00:54:06,650 --> 00:54:14,120
+نعم عمر ال 50 ل 80 اكتر ناس ماشتغلهاالان كمان مرة
+
+663
+00:54:14,120 --> 00:54:18,060
+هى الرسماء راح جالك هى كل الزباين تعونى وعدد مرات
+
+664
+00:54:18,060 --> 00:54:22,580
+الشراء اللى تمت من خلال المتجر خلال السنة واضح ان
+
+665
+00:54:22,580 --> 00:54:31,820
+الناس اللى بتراوحوا من ال 51 او 52 سنة لحد 83
+
+666
+00:54:31,820 --> 00:54:41,340
+تقريبا تمام او لأ 78بالـ 78 هدولة أكثر الناس شراء
+
+667
+00:54:41,340 --> 00:54:48,000
+عن الموقع يعني بينجوسين فئة الشباب نافرة من .. من
+
+668
+00:54:48,000 --> 00:54:53,140
+الموقع أو بينجوسين إن الموقع هدب اتناسب مع المسنين
+
+669
+00:54:53,140 --> 00:55:00,420
+أكثر من الشباب مصبوط؟ طب هو ممكن تكون الشغلات اللي
+
+670
+00:55:00,420 --> 00:55:08,540
+معروضة موجهة للمسنين الآن إذا صاحب المتجرقرر يزيد
+
+671
+00:55:08,540 --> 00:55:12,680
+عدد الزبائن اللي موجودين عنده إيش المفروض يساوي
+
+672
+00:55:12,680 --> 00:55:19,320
+يروح يدرس هدول إيش الشغلات اللي أخدوها أو آلية عرض
+
+673
+00:55:19,320 --> 00:55:22,760
+البضاعة أو آلية تسويقها أو أو إلى آخره ويحاول
+
+674
+00:55:22,760 --> 00:55:26,920
+يسقطها على الفئة اللي هو إيش بده يستهدفها عشان
+
+675
+00:55:26,920 --> 00:55:30,160
+يقدر يجيب نتيجة الآن هذا الكلام مستحيل كنت أنا
+
+676
+00:55:30,160 --> 00:55:35,680
+أفهمه لو فعليا طلعت فقط على الـ two attributesالـ
+
+677
+00:55:35,680 --> 00:55:39,980
+Age والـ Count أو عدد مرات الشراء و لا شو رايكوا؟
+
+678
+00:55:39,980 --> 00:55:44,340
+من المستحيل أن تصلّى هيك شغلة لكن بالـ Graph صار
+
+679
+00:55:44,340 --> 00:55:47,880
+في عندى Pattern واضح و ال Pattern هذا لو أنا خطبت
+
+680
+00:55:47,880 --> 00:55:52,680
+فيه ال Top Level Manager في المؤسسة هيفهمه بدون أي
+
+681
+00:55:52,680 --> 00:55:59,200
+مشاكل تمام يا جماعة الخير؟ طيب احنا تقريبا خلصنا
+
+682
+00:55:59,200 --> 00:56:05,400
+اليومالان بدأ نجمع data set لأول خطوة عملية انا
+
+683
+00:56:05,400 --> 00:56:09,980
+بدي اشغل عليها ال data set هي بتكون تتناسب مع ال
+
+684
+00:56:09,980 --> 00:56:13,160
+task سابق انا طلبت منكوا تبدوا تشكلوا مجموعات
+
+685
+00:56:13,160 --> 00:56:17,460
+وفتحتلكوا على ال forum على ال model ان زعيم
+
+686
+00:56:17,460 --> 00:56:21,560
+المجموعة زعيم العصابة يحط أسماء عصابته الان شو
+
+687
+00:56:21,560 --> 00:56:25,640
+المطلوب مني في ال data sets مطلوب مني شغلتين مطلوب
+
+688
+00:56:25,640 --> 00:56:28,960
+مني اختار two data sets واحدة لل classification
+
+689
+00:56:33,880 --> 00:56:39,520
+والتاني للـ regression شو
+
+690
+00:56:39,520 --> 00:56:43,340
+يعني classification؟ بدي اعمل ال predict لل label
+
+691
+00:56:43,340 --> 00:56:46,580
+ال predict لل category وال regression بدي اعمل ال
+
+692
+00:56:46,580 --> 00:56:51,420
+predict لل value ال continuous value تمام؟ بل وين
+
+693
+00:56:51,420 --> 00:56:54,940
+بدي اجيبهم؟ ال internet مليانة هاي قدامك تلت نماذج
+
+694
+00:56:54,940 --> 00:56:58,970
+ال kaggleوهذه الـ Completed Platform بتقدر الـ
+
+695
+00:56:58,970 --> 00:57:01,770
+Machine Learning و الـ Data Science ممكن تجرب فيها
+
+696
+00:57:01,770 --> 00:57:04,630
+ال Algorithm و ال Data Sets الاخره بتوفرلك Jupiter
+
+697
+00:57:04,630 --> 00:57:07,510
+Notebooks بالبايتون في عندك ال UCI Machine
+
+698
+00:57:07,510 --> 00:57:10,350
+Learning Repository بتوفرلك مجموعة من ال Data Sets
+
+699
+00:57:10,350 --> 00:57:13,670
+وإن كان بعضها قديم لكن في ال description تبعتها
+
+700
+00:57:13,670 --> 00:57:17,330
+واضحة وفي عندك من ال Data Quests كمان ممكن تختار
+
+701
+00:57:17,330 --> 00:57:22,710
+ايش المطلوب منك انت الآن كمجموعة؟ بدي اروح انا
+
+702
+00:57:22,710 --> 00:57:27,840
+ادور مثلاعلى ال classification data set ممكن انا
+
+703
+00:57:27,840 --> 00:57:39,060
+اروح اقوله مباشرة هنا free classification data set
+
+704
+00:57:39,060 --> 00:57:44,620
+وممكن اروح اقوله هاي كاجل على سبيل المثال
+
+705
+00:57:44,620 --> 00:57:51,480
+classification
+
+706
+00:57:51,480 --> 00:57:57,370
+مخطئين في كتابتها مش خاطيةهي الان find datasets
+
+707
+00:57:57,370 --> 00:58:08,990
+classification في الكاجل classification
+
+708
+00:58:08,990 --> 00:58:12,930
+في هنا في انا اربعمية و اتنين و عشرين data set في
+
+709
+00:58:12,930 --> 00:58:16,330
+competition في ال competition موجودة ال data set
+
+710
+00:58:16,330 --> 00:58:22,850
+hair diseases موجودة على ال UCI وهذه موجودة تم
+
+711
+00:58:22,850 --> 00:58:24,050
+تحميلها قبل سنتين
+
+712
+00:58:27,350 --> 00:58:32,110
+Google Landmark Data Set Blood Cell Image الاخرين
+
+713
+00:58:32,110 --> 00:58:36,010
+أنا الآن في المرحلة يا شباب بأنصحك تبعد عن ال data
+
+714
+00:58:36,010 --> 00:58:38,530
+set المكوّنة من الصور و من ال audio files و ال
+
+715
+00:58:38,530 --> 00:58:41,670
+text files هذه هنجيها في ال project الان ال data
+
+716
+00:58:41,670 --> 00:58:44,090
+set اللي هتشتغل عليها assignment اللي بين جثين
+
+717
+00:58:44,090 --> 00:58:49,490
+اللي هتتدرب عليها تمام تكون structured تكون
+
+718
+00:58:49,490 --> 00:58:52,730
+structured يعني مثلا لو أنا روحت هنا على ال UCI
+
+719
+00:58:57,270 --> 00:59:00,510
+في جوجل data sets في مجموعة كبيرة شباب انت مجرد
+
+720
+00:59:00,510 --> 00:59:07,750
+اكتب بس free data sets UCI
+
+721
+00:59:07,750 --> 00:59:17,450
+machine learning data sets بال
+
+722
+00:59:17,450 --> 00:59:20,830
+UCI في ال repository اللي موجود عندي هان الميزة عن
+
+723
+00:59:20,830 --> 00:59:26,510
+الكاجل او عن المواقع التانيةإنه فعليا بدي أمصن في
+
+724
+00:59:26,510 --> 00:59:30,070
+ال data set بسهولة يعني لو أنا قلتله في ال default
+
+725
+00:59:30,070 --> 00:59:33,230
+task هتلاقي فيه عنده classification, regression,
+
+726
+00:59:33,410 --> 00:59:35,930
+clustering إلى آخرين أنا بدي data set ل
+
+727
+00:59:35,930 --> 00:59:38,730
+classification واحدة ل regression فممكن قادي
+
+728
+00:59:38,730 --> 00:59:43,790
+مباشرة هان أروح على ال classification مجرد أختار
+
+729
+00:59:43,790 --> 00:59:44,530
+في ال classification
+
+730
+00:59:50,000 --> 00:59:53,520
+هذه هي ال classification هذه كل ال data sets الآن
+
+731
+00:59:53,520 --> 00:59:56,780
+في عنده تلاتمية و ستين data sets الأولى مثلا ال
+
+732
+00:59:56,780 --> 00:59:59,880
+two gigahertz indoor channel measurement نتكلم عن
+
+733
+00:59:59,880 --> 01:00:03,340
+ال wifi signalsتمام بقول ال classification
+
+734
+01:00:03,340 --> 01:00:07,020
+multivariate ال data types ال attributes real عدد
+
+735
+01:00:07,020 --> 01:00:12,940
+الصفوف 7840 عدد ال attributes خمسة والسنة اللي تم
+
+736
+01:00:12,940 --> 01:00:16,440
+عليها رفع البيانات اللي موجودة يعني مثلا لو أجينا
+
+737
+01:00:16,440 --> 01:00:23,590
+اتكلمنا عن ال .. ال nearing .. السيرartificial
+
+738
+01:00:23,590 --> 01:00:26,950
+character أو الناس اللي في عندها المشكلة في السمع
+
+739
+01:00:26,950 --> 01:00:31,670
+نفس الكلام انت ممكن تدور على ال data set اللي انت
+
+740
+01:00:31,670 --> 01:00:35,050
+بتشوفها مناسب لكن .. لكن بما ان احنا بنشتغل
+
+741
+01:00:35,050 --> 01:00:39,410
+كمجموعات مطلوب منك اسم ال data set و description
+
+742
+01:00:39,410 --> 01:00:45,570
+تبعتها و ال URL تبعتها تحطهم وينعلى ال forum عشان
+
+743
+01:00:45,570 --> 01:00:48,990
+اللي بيحط مثلا الشباب في الأول مجموعة الأولى اختار
+
+744
+01:00:48,990 --> 01:00:52,170
+ال data set خلاص انت مجبر تدور على data set تاني
+
+745
+01:00:52,170 --> 01:00:57,510
+وما تسألنيش يا دكتور انا اللي بيعمل post قبل هو
+
+746
+01:00:57,510 --> 01:01:00,510
+صاحب السبق في ال data set اللي موجودة ليش؟ لأني
+
+747
+01:01:00,510 --> 01:01:02,910
+بدي أحاول يكون في عندى أكبر قدر ممكن من ال
+
+748
+01:01:02,910 --> 01:01:08,770
+variation بين المجموعات انت و نصيبك اشتهدلأ لأ لأ
+
+749
+01:01:08,770 --> 01:01:11,110
+لأ هذه يا شباب النواقع اللي انا طرحتها على ال
+
+750
+01:01:11,110 --> 01:01:14,610
+slides قدامك هي عبارة عن بقعة samples يعني الجوجل
+
+751
+01:01:14,610 --> 01:01:18,250
+فيها data sets الفيسبوك بتوفرك data sets لتويتر
+
+752
+01:01:18,250 --> 01:01:21,770
+بتوفرك data sets لكن انا في المرحلة الحالية بقو��ك
+
+753
+01:01:21,770 --> 01:01:27,510
+المقلوب منك data set a structured data setإيش
+
+754
+01:01:27,510 --> 01:01:32,390
+هتعمل فيها بس جيبها افهم افهم عن إيش بتتكلم عدد ال
+
+755
+01:01:32,390 --> 01:01:35,170
+instances عدد ال attributes اللي فيها أنواع ال
+
+756
+01:01:35,170 --> 01:01:38,170
+attributes اللي فيها إيش هي عشان المحاضرة الجاية
+
+757
+01:01:38,170 --> 01:01:46,890
+فعليا إحنا هنبدأ نشتغل مع أول Python
+
+758
+01:01:46,890 --> 01:01:51,230
+أو RapidMiner واحد
+
+759
+01:01:51,230 --> 01:01:54,760
+اللي بدي يشتغل إيش بدي فيه جنته الأربعة؟الان احنا
+
+760
+01:01:54,760 --> 01:01:56,980
+من المحاضرة الجاية هنبدأ نتكلم عن ال data
+
+761
+01:01:56,980 --> 01:02:00,220
+preparation محاضراتنا التلاتة الماضيات او التنتين
+
+762
+01:02:00,220 --> 01:02:02,660
+الماضيات كانوا في ال data understanding في فهم
+
+763
+01:02:02,660 --> 01:02:07,000
+البيانات الان في تحضير البيانات لل mining تلزمك ال
+
+764
+01:02:07,000 --> 01:02:09,920
+data set عشان لما اقولك روح تدور على ال noise وقل
+
+765
+01:02:09,920 --> 01:02:13,240
+في عندك noise في ال data set ولا لأ طبعا الشباب
+
+766
+01:02:13,240 --> 01:02:17,580
+عشان برضه نكون منصفين الشغل الشغل بدي يكون جماعي
+
+767
+01:02:17,580 --> 01:02:21,420
+يعني ماترضاش انت ان واحد عندك في المجموع يكون
+
+768
+01:02:21,420 --> 01:02:25,250
+اتكالي معتمدي عليك لأنه مش هياخد نفس علامتكأو بين
+
+769
+01:02:25,250 --> 01:02:31,030
+بوسين حرام تنزل انت لعلامته برضه
+
+770
+01:02:31,030 --> 01:02:36,770
+بتشغله اللي انت بتشوفه مناسب غالبا ترضه
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/aMsNbWzP5iY.srt

@@ -0,0 +1,1719 @@
+1
+00:00:01,850 --> 00:00:03,950
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:03,950 --> 00:00:09,330
+أهلا وسهلا بكم إخواني وأخواتي في لقاء أو في تسجيل
+
+3
+00:00:09,330 --> 00:00:13,170
+لكن هذه المرة شغل عملي بالبايثون ل data preparation
+
+4
+00:00:13,850 --> 00:00:16,490
+المثال الذي أنا هشتغل عليه إن شاء الله تعالى سيغطي
+
+5
+00:00:16,490 --> 00:00:20,810
+كثيرًا من الجوانب المهمة التي ممكن تلزمكم سواء خلال
+
+6
+00:00:20,810 --> 00:00:24,890
+الـ course أو لاحقًا طبعًا، لن أخفيكم، أنا هشتغل على الـ
+
+7
+00:00:24,890 --> 00:00:28,810
+database الـ iris، طبعًا الـ database صغيرة نوعًا ما
+
+8
+00:00:28,810 --> 00:00:33,230
+عملت عليها بعض الـ modification أو بين قوسين استحدثت
+
+9
+00:00:33,230 --> 00:00:38,110
+بعض المشاكل فيها، يعني أضفت كمان attribute، عملت
+
+10
+00:00:38,110 --> 00:00:40,890
+redundant rows، أضفت
+
+11
+00:00:43,780 --> 00:00:48,120
+العمود الـ raw id، الـ raw number الذي قدامنا، شايفينه؟
+
+12
+00:00:48,120 --> 00:00:52,440
+نحن هنا، وعملت فيها بعض الـ noise data، دخلت values
+
+13
+00:00:52,440 --> 00:00:56,000
+كبيرة جدًا، يعني مثلًا بدل ما هي تكون مثلًا خمسة فاصلة
+
+14
+00:00:56,000 --> 00:00:59,400
+واحد، زي القيمة التي ستظهر، دخلت واحدة و خمسين
+
+15
+00:00:59,400 --> 00:01:02,360
+وخمسين، طبعًا واضح أنه سيكون الاتجاه خاطئًا، عشان
+
+16
+00:01:02,360 --> 00:01:06,220
+أحددها، هذه كلها قياسات دخلتها بالسالب، دخلت قيمة أو
+
+17
+00:01:06,220 --> 00:01:10,390
+اثنتين بالسالب، عشان أنا أقدر أعملهم handling، فلنّينا
+
+18
+00:01:10,390 --> 00:01:13,830
+نشوف مع بعض، طبعًا أنا هشتغل على الـ .. الـ .. الـ buy
+
+19
+00:01:13,830 --> 00:01:18,190
+charm الأصلي، والأصل أن يكون فيه، عندي أنا، أفتح ملف
+
+20
+00:01:18,190 --> 00:01:23,270
+وأعمل load للـ data set، لكن عشان أخرج من جزئية أن
+
+21
+00:01:23,270 --> 00:01:26,550
+والله كل مرة أريد أن أكرر نفس العمل السابق إلى آخره،
+
+22
+00:01:26,550 --> 00:01:30,370
+سأشتغل معكم، أن أعمل خلال الـ .. الـ Jupyter notebook،
+
+23
+00:01:30,370 --> 00:01:33,470
+والـ Jupyter notebook هي عبارة عن نظام interpreter،
+
+24
+00:01:33,470 --> 00:01:39,910
+ليس نظام compiler، طبعًا نعرف الفرق بين الاثنين، أنه بالـ
+
+25
+00:01:39,910 --> 00:01:42,390
+interpreter أنا أشتغل statement by statement، و
+
+26
+00:01:42,390 --> 00:01:46,330
+أعمل run وأنتقل لما بعدها، بينما بالـ
+
+27
+00:01:46,330 --> 00:01:50,210
+بالـ compiler، لا، أنا أشغل دائمًا البرنامج من البداية،
+
+28
+00:01:50,210 --> 00:01:53,990
+عشان هيك بتلاقي الـ Google colab، معظم الـ online
+
+29
+00:01:53,990 --> 00:01:58,310
+editors أو التي لنقل online platforms التي
+
+30
+00:01:58,310 --> 00:02:00,610
+موجودة لـ data science أو لـ machine learning
+
+31
+00:02:00,610 --> 00:02:06,000
+تشتغل عليها موضوع الـ Jupyter notebook أو نظام الـ
+
+32
+00:02:06,000 --> 00:02:09,420
+notebook، لنقل بشكل سريع، ما الذي قمت به،
+
+33
+00:02:09,420 --> 00:02:12,460
+طبعًا كل هذا لا يخفى على أحد منكم، أنه أنا عملت
+
+34
+00:02:12,460 --> 00:02:16,440
+import للـ pandas، وهي الـ library المسؤولة عن قراءة
+
+35
+00:02:16,440 --> 00:02:20,760
+الـ data framework، وأنا من الآن، الـ data تبعتي
+
+36
+00:02:20,760 --> 00:02:24,320
+موجودة في iris file، موجود على نفس المجلد الذي
+
+37
+00:02:24,320 --> 00:02:27,500
+موجود عليه الملف الذي موجود عندي هنا، فببساطة أنا عملت
+
+38
+00:02:27,500 --> 00:02:30,840
+عشان أتأكد أن عملية القراءة تمت بشكل صحيح، فذهبت
+
+39
+00:02:30,840 --> 00:02:35,730
+عملت data.head، طبعًا في ميزة هنا، أيها الكرام، أنا
+
+40
+00:02:35,730 --> 00:02:38,910
+لست بحاجة، في الـ notebook أو في الـ Jupyter notebook،
+
+41
+00:02:38,910 --> 00:02:42,170
+أن أستخدم جملة print، مجرد أنني أذهب إلى الـ
+
+42
+00:02:42,170 --> 00:02:45,390
+مجرد أن أكتب اسم الـ variable، فيقوم بتنفيذ الكثير من الـ
+
+43
+00:02:45,390 --> 00:02:50,210
+tasks، وهي أيضًا ميزة أسهل من موضوع الـ printing أو
+
+44
+00:02:50,210 --> 00:02:53,850
+الجزء .. هذه الأشياء الكثير من الكتابة وأنا أعمل print
+
+45
+00:02:53,850 --> 00:02:57,050
+أو أطلب منه أن يطبع لي بعض الـ values الموجودة
+
+46
+00:02:57,050 --> 00:02:59,850
+عندي، سأقوم بإعادة التشغيل من البداية، فقط لأتأكد
+
+47
+00:02:59,850 --> 00:03:00,350
+أتأكد
+
+48
+00:03:05,140 --> 00:03:08,620
+ممتاز، الخطوة الأولى تمت، تم قراءة الـ data file، وهي
+
+49
+00:03:08,620 --> 00:03:12,620
+تبدأ بـ header file، طبعًا يمكنك وضع عدد الـ headers
+
+50
+00:03:12,620 --> 00:03:17,120
+التي تريدها، ثلاثة أو خمسة أو عشرة، ما تريد، من الـ
+
+51
+00:03:17,120 --> 00:03:21,700
+values الموجودة عندك، طيب أول خطوة أنا أريد
+
+52
+00:03:21,700 --> 00:03:25,180
+أن أفعلها، أريد أن أحاول استقراء الـ data التي عندي بشكل عام،
+
+53
+00:03:25,180 --> 00:03:28,180
+أو أريد أن آخذ نظرة على الـ data الموجودة، قلنا لابد
+
+54
+00:03:28,180 --> 00:03:31,640
+من فهم الـ data بشكل جيد، طبعًا أنا أعود وأقول أن الـ
+
+55
+00:03:31,640 --> 00:03:34,620
+iris، جميع الأعمدة التي فيها عبارة عن numerical، فهذه
+
+56
+00:03:34,620 --> 00:03:40,240
+values، باستثناء الـ label، الـ values الموجودة
+
+57
+00:03:40,240 --> 00:03:44,680
+عندي، هذه من A1 إلى A5، هي عبارة عن قياسات لزهرة
+
+58
+00:03:44,680 --> 00:03:49,320
+السوسن، طبعًا أيها الكرام، العمود الخامس، أنا هذا
+
+59
+00:03:49,320 --> 00:03:53,120
+أنا أنشأته إنشاءً، بناءً على عمل معين، لأرى العلاقة بينها عند
+
+60
+00:03:53,120 --> 00:03:58,240
+الـ correlation، ونعمل عليها، تمام، الآن كل ما أريد
+
+61
+00:03:58,240 --> 00:04:03,100
+أن أفعل هو import للـ
+
+62
+00:04:03,100 --> 00:04:03,780
+matplotlib
+
+63
+00:04:14,870 --> 00:04:20,290
+library matplotlib.pyplot
+
+64
+00:04:20,290 --> 00:04:25,950
+وطبعًا أنا ممكن أستدعي الـ class هذا بشكل مباشر، لكن
+
+65
+00:04:25,950 --> 00:04:29,750
+أنا ممكن أختصر الـ class  as plt، كما وضعنا
+
+66
+00:04:29,750 --> 00:04:34,140
+لـ pandas إذا كنا نستخدم الـ pd، سأذهب الآن، الـ data
+
+67
+00:04:34,140 --> 00:04:39,360
+التي عندي، اسمها data، إذا شئت، أنا أُقلل load الذي
+
+68
+00:04:39,360 --> 00:04:44,360
+عندي، سأقول له d تساوي data، لأظهر، أكتب الـ d فقط، و
+
+69
+00:04:44,360 --> 00:04:50,240
+سأقول له الـ d.، يوجد لدينا function اسمها hist، و
+
+70
+00:04:50,240 --> 00:04:54,600
+المقصود فيها الـ histogram، و plt.show
+
+71
+00:04:57,690 --> 00:05:02,150
+مجرد استدعاء الـ Python library اسمها
+
+72
+00:05:02,150 --> 00:05:05,430
+mathematical plotting library for python
+
+73
+00:05:09,300 --> 00:05:12,980
+matplotlib، وأريد أن أرسم الـ data، هذه الجملة فقط، لأني
+
+74
+00:05:12,980 --> 00:05:15,140
+لا أريد أن أكتب كلمة data، سأضع حرف الـ D وأمضي على
+
+75
+00:05:15,140 --> 00:05:17,720
+السريع، يعني لأريح نفسي، كما أقول لكم، هذا ما
+
+76
+00:05:17,720 --> 00:05:21,600
+طبعًا هنا مباشرةً، طبعًا التي التي التي التي التي التي
+
+77
+00:05:21,600 --> 00:05:22,080
+التي التي التي التي التي التي التي التي التي
+
+78
+00:05:22,080 --> 00:05:22,200
+التي التي التي التي التي التي التي التي التي
+
+79
+00:05:22,200 --> 00:05:22,260
+التي التي التي التي التي التي التي التي التي
+
+80
+00:05:22,260 --> 00:05:25,300
+التي التي التي التي التي التي التي التي التي
+
+81
+00:05:25,300 --> 00:05:25,320
+التي التي التي التي التي التي التي التي التي
+
+82
+00:05:25,320 --> 00:05:35,520
+التي التي
+
+83
+00:05:35,520 --> 00:05:38,590
+الآن أقول أن تم رسمها، طبعًا الرسمة أين هي؟
+
+84
+00:05:38,590 --> 00:05:53,210
+لابد أن أراها، أين هي؟
+
+85
+00:05:53,210 --> 00:05:59,410
+لابد
+
+86
+00:05:59,410 --> 00:06:00,370
+أن أراها
+
+87
+00:06:03,600 --> 00:06:09,300
+سأقوم بعمل insert cell locally، مع أنه من المفترض أن
+
+88
+00:06:09,300 --> 00:06:15,480
+التزامن بين الاثنين يكون تامًا،  هنا الـ cell
+
+89
+00:06:15,480 --> 00:06:22,210
+هو الـ library أو الناتج الذي ظهر عندي، طبعًا هنا، نرى
+
+90
+00:06:22,210 --> 00:06:26,530
+الـ histogram، توزيع الـ data بين A1, A2, A3, A4,
+
+91
+00:06:26,630 --> 00:06:31,530
+A5, A6، طبعًا، هذا هو الصحيح، طبعًا عندما قلت لكم أنا
+
+92
+00:06:31,530 --> 00:06:35,050
+أجري العمل على تسجيل الفيديو، واجهت مشكلة أنني لا أعرف
+
+93
+00:06:35,050 --> 00:06:38,190
+ما الذي تعطّل لدي في الـ python، واضطررت أن أنزل من جديد،
+
+94
+00:06:38,190 --> 00:06:42,310
+صار يظهر عندي الـ histogram، الذي أنا في الحقيقة، حتى اللحظة، لست
+
+95
+00:06:42,310 --> 00:06:46,330
+قادراً على فهمه،  أشياء، على كل حال، طبعًا، هو استثنى الـ raw
+
+96
+00:06:46,330 --> 00:06:49,710
+number الذي موجود عندي هنا، الـ
+
+97
+00:06:49,710 --> 00:06:52,850
+الـ الخامس، لم يمثلني لأنه ليس فيه distribution،  قال لي
+
+98
+00:06:52,850 --> 00:06:54,810
+والله في واحد، معظم الـ distribution في عندي
+
+99
+00:06:54,810 --> 00:06:57,550
+value كبيرة جداً، واضح أنه في عندي value كبيرة جدًا، و
+
+100
+00:06:57,550 --> 00:07:00,830
+الباقية، تكاد القيم لا تظهر بالنسبة لها،
+
+101
+00:07:00,830 --> 00:07:05,570
+التوزيع بين العناصر الموجودة عندي، واضح أنه
+
+102
+00:07:05,570 --> 00:07:11,390
+أربعة أو خمسة، بينها علاقة ربما لست
+
+103
+00:07:11,390 --> 00:07:15,350
+أعرفها، خليني، لكن بالمجمل، هو يعطيني، أنا، الـ histogram
+
+104
+00:07:15,350 --> 00:07:20,460
+يعطيني الصورة عن الـ data الموجودة، فلننتقل
+
+105
+00:07:20,460 --> 00:07:24,840
+للخطوة التالية، الآن لو أتيت على سبيل المثال،
+
+106
+00:07:24,840 --> 00:07:29,320
+كلنا متفقون أن العمود الأول، هذا الذي هو الـ raw
+
+107
+00:07:29,320 --> 00:07:32,540
+number، غير مفيد، وأنا أريد هذا العمود، أريد
+
+108
+00:07:32,540 --> 00:07:37,360
+أن أحذفه، بكل بساطة، أذهب وأقول d.
+
+109
+00:07:37,360 --> 00:07:43,020
+drop الـ
+
+110
+00:07:43,020 --> 00:07:52,350
+drop هذه تحتاج مني اسم الـ raw number، طبعًا
+
+111
+00:07:52,350 --> 00:07:59,410
+الـ axis تساوي 1، الـ x axis، طبعًا التي تمثل الصفوف،
+
+112
+00:07:59,410 --> 00:08:03,690
+تمثل 0، والأعمدة تمثل 1، طبعًا يوجد لدينا
+
+113
+00:08:03,690 --> 00:08:08,830
+command in place، هذا مهم جدًا،  أجعلها true، يعني
+
+114
+00:08:08,830 --> 00:08:12,990
+التعديل يكون مباشرًا، صحيح، طبعًا بعدها،
+
+115
+00:08:12,990 --> 00:08:19,740
+ممكن أن أذهب وأقول له الـ d. head فقط 3، فقط لأن
+
+116
+00:08:19,740 --> 00:08:23,860
+أنا أريد أن أرى العناصر الموجودة، ماذا سيحدث لها؟
+
+117
+00:08:23,860 --> 00:08:27,920
+ممتاز، تم حذفها، سأقول، كل ما فعلته هنا لأنني
+
+118
+00:08:27,920 --> 00:08:31,100
+ذهبت وقلت له d.drop، أعطيته اسم الـ attribute الذي
+
+119
+00:08:31,100 --> 00:08:37,150
+أريده، ومن ثم أنا ذهبت، قلت له، هذا الحدث في
+
+120
+00:08:37,150 --> 00:08:43,110
+الإشارة من مجموعة الأعمدة، والـ inplace، طبعًا،
+
+121
+00:08:43,110 --> 00:08:45,650
+هذا نفس الكلام نفسه، لأنه لماذا، لماذا
+
+122
+00:08:45,650 --> 00:08:48,170
+الـ axis مهم، أيها الكرام، لأنني أيضًا، نفس الـ
+
+123
+00:08:48,170 --> 00:08:51,530
+function هذه من الـ data framework التي هي D، التي
+
+124
+00:08:51,530 --> 00:08:54,230
+هي الـ pandas كـ framework، أنا أستخدم الـ method
+
+125
+00:08:54,230 --> 00:08:56,910
+تبعها، الـ drop، أيضًا، أستخدمها للصفوف، وبناءً على
+
+126
+00:08:56,910 --> 00:09:00,110
+ذلك، أنا لابد أن أحدد الـ axis، طبعًا أنا ممكن أذهب، أنا
+
+127
+00:09:00,110 --> 00:09:04,940
+أكتب هنا قائمة بالـ rows أو بالأعمدة التي أريد
+
+128
+00:09:04,940 --> 00:09:11,160
+إياها، لو أنا أريد أن أحذف مجموعة من الأعمدة، أريد أن أقول
+
+129
+00:09:11,160 --> 00:09:18,860
+A1 و A2 و A3، طبعًا، أذكرهم كنص، كما كنا ..
+
+130
+00:09:18,860 --> 00:09:22,790
+كما رأينا في المثال السابق، ممتاز، النقطة التي
+
+131
+00:09:22,790 --> 00:09:25,750
+بعدها، ننتقل الآن، يعني أنا قد حذفت
+
+132
+00:09:25,750 --> 00:09:31,990
+العناصر التي ليست لها لازمة عندي، فلأبقَ في
+
+133
+00:09:31,990 --> 00:09:35,170
+موضوع حذف الصفوف، عندما نتكلم، أنا أريد أن أحذف صفًّا
+
+134
+00:09:35,170 --> 00:09:39,510
+معينًا، نأخذ كمثال ونحاول، طيب الآن لو أنا أريد أن أبحث
+
+135
+00:09:39,510 --> 00:09:41,990
+عن الـ duplicates، الآن أنا أريد أن أمشي على الـ
+
+136
+00:09:41,990 --> 00:09:44,670
+duplicates وأرى أين يوجد duplicates في الـ rows، و
+
+137
+00:09:44,670 --> 00:09:49,350
+أذهب وأحذفها، كما قلت لكم، الـ data هذه عملت
+
+138
+00:09:49,350 --> 00:09:54,650
+عليها شئياً، اصطنعت فيها بعض الأخطاء، من أجل أن أُظهر
+
+139
+00:09:54,650 --> 00:09:57,710
+البيانات الموجودة عندي، إذا أنا الآن أريد
+
+140
+00:09:57,710 --> 00:10:03,850
+أن أشتغل على الـ duplicates، معناته سأذهب وأقول له D.drop_duplicates
+
+141
+00:10:03,850 --> 00:10:06,290
+drop_duplicates
+
+142
+00:10:12,090 --> 00:10:15,090
+طبعًا مهم في موضوع الـ duplicates، عندما أريد
+
+143
+00:10:15,090 --> 00:10:19,510
+أن أحذفها، أنني أفهم القيم التي أريدها أن تتكرر، هل
+
+144
+00:10:19,510 --> 00:10:22,450
+التكرار قيمة معينة في عمود معين، يعني على سبيل
+
+145
+00:10:22,450 --> 00:10:26,650
+المثال، لو أنا الآن ذهبت وكتبت له، وقلت له أنا أريد
+
+146
+00:10:26,650 --> 00:10:32,050
+التكرار فقط في عمود A5، معناته،  الثلاث قيم هذه
+
+147
+00:10:32,050 --> 00:10:36,740
+التي ظهرت أمامي، وكل الـ values الموجودة، point
+
+148
+00:10:36,740 --> 00:10:40,480
+ثلاث في خمسة،  تحدد أم لا، أريدها في عمودين
+
+149
+00:10:40,480 --> 00:10:43,920
+اثنين وثلاثة، اثنين وثلاثة، اثنين وثلاثة، أم أريدها
+
+150
+00:10:43,920 --> 00:10:48,140
+في أربعة أعمدة، أو أربعة أعمدة، أو ما شابه، عشان
+
+151
+00:10:48,140 --> 00:10:50,500
+هكذا، دائمًا أول attribute الذي يطلبه مني في الـ
+
+152
+00:10:50,500 --> 00:10:54,440
+duplicates، هي الـ subset، الـ subset هنا هي عبارة
+
+153
+00:10:54,440 --> 00:10:59,320
+عن مجموعة الـ attributes التي أريدها، ما هي الـ
+
+154
+00:10:59,320 --> 00:11:04,040
+attributes التي أريدها؟ مرّة أخرى، هي A واحدة، هي
+
+155
+00:11:04,040 --> 00:11:07,760
+كانت، أنا أقول له، أين يوجد rows التكرار
+
+156
+00:11:07,760 --> 00:11:14,290
+تبعها، أو القيمة تتكرر فيها، الـ values تبع A1
+
+157
+00:11:14,290 --> 00:11:18,790
+يعدّها as duplicate rows، إذا أنا وضعت هنا
+
+158
+00:11:18,790 --> 00:11:24,770
+مرّة أخرى A2، معناته أنا أقول له أين يوجد rows A1
+
+159
+00:11:24,770 --> 00:11:28,690
+و A2 متشابهتان، فهذه duplicate rows، أتمنى أن تكون
+
+160
+00:11:28,690 --> 00:11:32,370
+الصورة واضحة، في A3، خليني فقط أجربها على سبيل
+
+161
+00:11:32,370 --> 00:11:36,910
+المثال على A1
+
+162
+00:11:37,440 --> 00:11:44,840
+Okay،  ما أقول، عملت هذه أيضًا، جيد، خمسة،
+
+163
+00:11:44,840 --> 00:11:48,700
+طيب، الـ values التي بعدها، هي، أنني أريد أن
+
+164
+00:11:48,700 --> 00:11:52,720
+أقول له ماذا سيحدث لها في موضوع الـ keep في حالة وجود
+
+165
+00:11:52,720 --> 00:11:55,860
+duplicates، ماذا سيحدث؟ لأن يوجد لدينا ثلاثة خيارات في
+
+166
+00:11:55,860 --> 00:11:59,240
+الـ keep، في الـ False، لا تحتفظ بشيء، يعني
+
+167
+00:11:59,240 --> 00:12:04,970
+جميع الـ rows المكررة احذفها، هل هذا الكلام منطقي؟ يعني
+
+168
+00:12:04,970 --> 00:12:10,870
+لا يبقى أي row، في الـ attribute A5 قيمته 0.310، على
+
+169
+00:12:10,870 --> 00:12:13,650
+سبيل المثال، إذا أنا وضعت الـ False، فتبقى القيمة
+
+170
+00:12:13,650 --> 00:12:17,410
+التالية التي بعدها هي الـ first، فتبقى الـ False
+
+171
+00:12:17,410 --> 00:12:22,970
+بتؤخذ، False
+
+172
+00:12:22,970 --> 00:12:27,030
+فهكذا لا يُخزّن شيء، first
+
+173
+00:12:29,160 --> 00:12:33,020
+احتفظ بالقيمة الأولى فقط، أو القيمة التي تجدها، أو
+
+174
+00:12:33,020 --> 00:12:36,400
+الـ last، في الآخر
+
+223
+00:17:00,360 --> 00:17:07,220
+قبل هيك في عندي  doc describe  الـ function هاي
+
+224
+00:17:07,220 --> 00:17:09,460
+describe نعم
+
+225
+00:17:12,280 --> 00:17:15,960
+معلومات كاملة عن الـ Attribute Statistical
+
+226
+00:17:15,960 --> 00:17:20,480
+Description المتوسط الحسابي، الـ Standardization
+
+227
+00:17:20,480 --> 00:17:26,540
+الـ Minimum، المتوسط، أو الربع الأول، أو الربع الثاني
+
+228
+00:17:26,540 --> 00:17:31,100
+أو الربع الثالث، طبعاً بيقول لي فيه إن الـ maximum
+
+229
+00:17:31,100 --> 00:17:35,580
+value  هذي سبعة و خمسين، سنتي، سبعة و خمسين سنتي قياس
+
+230
+00:17:35,580 --> 00:17:39,500
+الزهرة، هذا الكلام يكاد يكون مستحيل، طبعاً في عندي
+
+231
+00:17:39,500 --> 00:17:43,480
+قيمة سالبة، هان هكذا، أنا صرت أنا قادر أشوف إيش الـ
+
+232
+00:17:43,480 --> 00:17:47,000
+data أو وين مشاكل الـ data، بالإضافة للموضوع، طبعاً مش
+
+233
+00:17:47,000 --> 00:17:50,300
+مبين الـ missing عندي هان إلا غير من خلال الـ count
+
+234
+00:17:50,300 --> 00:17:53,500
+إلا من غير من خلال الـ count، ممتاز، معناته أنا صار
+
+235
+00:17:53,500 --> 00:17:54,200
+في عندي الآن
+
+236
+00:17:56,930 --> 00:18:00,190
+معرفة الـ Missing اللي موجودة، طبعاً ممكن أنا أحصل
+
+237
+00:18:00,190 --> 00:18:05,430
+للـ Missing، لو كتبت الـ .. أو عملت الـ code التالي
+
+238
+00:18:05,430 --> 00:18:08,490
+أنا بدي أروح أقول له الـ missing equal
+
+239
+00:18:13,760 --> 00:18:19,980
+PD.BANDAS.DATAFRAME وانشغل
+
+240
+00:18:19,980 --> 00:18:24,820
+DataFrame جديد، وأسمي الـ attribute اللي فيه
+
+241
+00:18:24,820 --> 00:18:36,660
+missing، والـ value تبعته، الـ D.IS NULL، وأقول له
+
+242
+00:18:36,660 --> 00:18:42,220
+sum، هذه الـ function المفروض إنها بدها تمر على كل
+
+243
+00:18:42,220 --> 00:18:46,280
+الـ data frame اللي موجود عندي، والـ data وإن في عندي
+
+244
+00:18:46,280 --> 00:18:49,700
+Null تروح تحاول تعدّلها، تبعاً لمين؟ الـ attributes
+
+245
+00:18:49,700 --> 00:18:54,940
+اللي موجودة عندها، okay، عشان يجيب لي الـ value اللي
+
+246
+00:18:54,940 --> 00:18:58,900
+موجودة، أنا بضرب هقول له هات لي الـ missing اللي عندك
+
+247
+00:18:58,900 --> 00:19:06,020
+هدول، هيديني ثابت، جملة الطباعة، run وإن أنا أخطأت، آه
+
+248
+00:19:06,020 --> 00:19:07,120
+في أقواس هنا
+
+249
+00:19:12,290 --> 00:19:20,350
+هي راح جاب لي الـ a1, a2, a3, a4, a5، والـ label، هدول
+
+250
+00:19:20,350 --> 00:19:23,530
+طبعاً قال لي إن هذه عدد الـ missing اللي موجود عندك
+
+251
+00:19:23,530 --> 00:19:27,970
+موجودة في a1, a3, a2، الآخرين، طبعاً ليش أنا أعمل
+
+252
+00:19:27,970 --> 00:19:30,570
+هيك يا جماعة الخير؟ طبعاً هي البيان اللي أحصلها
+
+253
+00:19:30,570 --> 00:19:34,200
+من هنا، لكن برضه هي في طريقة ثانية ممكن أحصر الـ
+
+254
+00:19:34,200 --> 00:19:37,440
+missing بشكل واضح مع كل attribute، طبعاً لو أنتَ
+
+255
+00:19:37,440 --> 00:19:40,700
+سألتني، الـ missing اللي هان شو ممكن أسوي فيه؟ ممكن
+
+256
+00:19:40,700 --> 00:19:43,980
+أعبيه بالـ mean، أو أعبيه بالـ median، مش فارقة كتير
+
+257
+00:19:43,980 --> 00:19:48,060
+معايا، ممكن أعمله drop، بس الـ label اللي هان، حتماً
+
+258
+00:19:48,060 --> 00:19:51,700
+لازم أعمله drop، لأن هذا ما بينفع يظل، ليش؟ لأن أنا
+
+259
+00:19:51,700 --> 00:19:54,780
+عندي قياسات ومش معروف نوع الزهرة، فأنا لازم أعمله
+
+260
+00:19:54,780 --> 00:19:58,620
+drop، طيب بما إنه صار لنا نتكلم على الـ drop، خليني
+
+261
+00:19:58,620 --> 00:20:04,300
+أروح أحذف الـ .. الـ attribute اللي فيها الـ label
+
+262
+00:20:04,300 --> 00:20:14,300
+أولاً، وهي اللي بدي أحطها هنا comment، drop rows with
+
+263
+00:20:14,300 --> 00:20:20,340
+null value in a certain attribute، اللي هسويه الآن، هروح أنا أقول
+
+264
+00:20:22,730 --> 00:20:28,730
+اللي هو data equal data، الـ data frame اللي
+
+265
+00:20:28,730 --> 00:20:36,330
+موجود عندي، الـ data، أو الـ data.label.
+
+266
+00:20:36,330 --> 00:20:51,030
+not null
+
+267
+00:20:53,220 --> 00:20:58,060
+not null هكذا
+
+268
+00:20:58,060 --> 00:21:05,080
+أنا قاعد بقى أقول له نفذ لي إياها، وهذه الجملة تماماً
+
+269
+00:21:05,080 --> 00:21:09,620
+تكافئ جملة ثانية هكتبها الآن، ممكن أنا أروح أقول له
+
+270
+00:21:09,620 --> 00:21:16,680
+data equal
+
+271
+00:21:16,680 --> 00:21:23,530
+data frame ��للي موجود عندي، بداخلها بيدي
+
+272
+00:21:23,530 --> 00:21:27,730
+.not null
+
+273
+00:21:29,960 --> 00:21:36,000
+null، والـ not null هاي بدي أزودها بالـ data باسم الـ
+
+274
+00:21:36,000 --> 00:21:41,260
+attribute اللي موجود عندنا، اللي هي مين؟ الـ label
+
+275
+00:21:41,260 --> 00:21:46,300
+سواء نفذت الجملة اللي فوق أو نفذت الجملة اللي تحت
+
+276
+00:21:46,300 --> 00:21:52,160
+الـ two، هيدوني نفس النتيجة، وهي إنه هيعمل drop
+
+277
+00:21:52,160 --> 00:21:57,270
+لـ الـ attribute اللي فيه الـ label، يبقى
+
+278
+00:21:57,270 --> 00:22:01,470
+فيه missing، هيرن، عشان نتأكد بدي أعيد الـ code تبع الـ
+
+279
+00:22:01,470 --> 00:22:09,210
+missing هذا الآن، ها، وهيرن، لاحظوا إنه ما فيش عندي
+
+280
+00:22:09,210 --> 00:22:12,250
+missing الآن في الـ label، طبعاً سواء نفذنا الجملة
+
+281
+00:22:12,250 --> 00:22:15,590
+الأولى يا جماعة الخير، أو الجملة الثانية، نفس الكلام
+
+282
+00:22:15,590 --> 00:22:19,370
+لكن مع اختلاف طبعاً، بنعتمد على الـ data أنا جا
+
+283
+00:22:19,370 --> 00:22:24,710
+عنها، اللي بقوله، خلص الـ data دي بتساوي d.where الـ
+
+284
+00:22:24,710 --> 00:22:30,670
+label not null اللي هي الـ values تبعته exist أو not null
+
+285
+00:22:30,670 --> 00:22:34,030
+تمام، هي كانت، أنا عملت drop، طيب بما إن وصلنا نتكلم
+
+286
+00:22:34,030 --> 00:22:37,250
+عن handling للـ missing، وهي أول واحدة عملناها هان
+
+287
+00:22:37,250 --> 00:22:41,750
+خليني أروح بعد هي كده، إيش نساوي؟ أروح نعمل الـ fill
+
+288
+00:22:41,750 --> 00:22:47,890
+بالاعتماد على الـ a2 و a3، هبتروح نعمل لهم fill بالـ
+
+289
+00:22:47,890 --> 00:22:53,730
+mean، طبعاً ليش ما بدي أعبي a1 بالـ mean؟ عندي 57
+
+290
+00:22:59,560 --> 00:23:05,720
+مقارنة بين الـ a1 و a3، خمسة وخمسة كبيرة، المين فلو
+
+291
+00:23:05,720 --> 00:23:08,960
+أنا بدي أخزن الـ median، بيمشي حالها، القيمة الوسيطة، و
+
+292
+00:23:08,960 --> 00:23:11,720
+قلنا الـ median فيها ميزة، إن لما بيعتمد عليها
+
+293
+00:23:11,720 --> 00:23:18,020
+ممكن تضيع تأثير الـ value الكبيرة الموجودة، وحد
+
+294
+00:23:18,020 --> 00:23:22,400
+هنرجع كمان مرة بنعالج الـ noise، خلينا فقط مع المين
+
+295
+00:23:23,090 --> 00:23:35,030
+هروح أبدأ بـ data of a واحد، بدها تساوي data of a
+
+296
+00:23:35,030 --> 00:23:43,870
+واحد.fillna، اللي هي not available، بإيش بدي
+
+297
+00:23:43,870 --> 00:23:49,930
+أعملها؟ في الـ data of a واحد
+
+298
+00:23:55,660 --> 00:24:04,060
+.mean، كمان هذه الأولى هنسخها
+
+299
+00:24:04,060 --> 00:24:17,100
+لـ a اتنين
+
+300
+00:24:17,100 --> 00:24:21,360
+لـ a اتنين
+
+301
+00:24:23,150 --> 00:24:26,010
+طبعاً يا جماعة الخير أنا بقى أشتغل، ولا يهمني أين
+
+302
+00:24:26,010 --> 00:24:29,850
+الخطأ أو الـ missing اللي موجودة، إذا أنا بدي الـ
+
+303
+00:24:29,850 --> 00:24:33,250
+missing، ممكن في عندي conditions، هنشوفها كمان شوية
+
+304
+00:24:33,250 --> 00:24:35,050
+زي ما لما بتدور على الـ maximum value، اللي هي
+
+305
+00:24:35,050 --> 00:24:39,390
+السبعة و خمسين، ممكن أنا أروح أطبق عليها بشكل كويس
+
+306
+00:24:39,390 --> 00:24:46,650
+انسخ هاي تلاتة
+
+307
+00:24:50,400 --> 00:24:54,340
+طبعاً أنا عملت هدول بالـ mean، وهدول بالـ median، ووراهم
+
+308
+00:24:54,340 --> 00:25:00,540
+مباشرة بدي أقول له هات لي إيش؟ حسب لي الـ missing
+
+309
+00:25:00,540 --> 00:25:05,600
+حطيتهم في نفس الـ cell عشان ما يكونش عندي مشكلة، وإن
+
+310
+00:25:05,600 --> 00:25:07,620
+شاء الله، آه، ليش هيك؟
+
+311
+00:25:16,070 --> 00:25:21,470
+مش خطأ، ودليل إنه ما ضلش في عندي values مفقودة
+
+312
+00:25:21,470 --> 00:25:29,430
+بالموجود، طب لو أنا راح قلت له d.describe
+
+313
+00:25:35,930 --> 00:25:40,790
+أوكي، كله صاروا 151، مصبوط، هي كان ما بيعيش الخياشة ده a
+
+314
+00:25:40,790 --> 00:25:45,650
+value is trying to be set to a copy of a slice
+
+315
+00:25:45,650 --> 00:25:51,030
+from that frame work، هي أشبه بالـ warning، نعم هذا هو
+
+316
+00:25:51,030 --> 00:25:57,250
+a setting with copy warning، هو بيحذرني إنه بيصير في
+
+317
+00:25:57,250 --> 00:26:03,110
+عندي تعديل على الـ data، بناءً على الـ data الموجودة، هو
+
+318
+00:26:03,110 --> 00:26:07,210
+عمال بيقول، استخدم loc، أو عمال بيقول استخدم iloc
+
+319
+00:26:07,210 --> 00:26:11,030
+بدل، مش قضيتنا كتير، بس في الآخر أنا هي الـ value
+
+320
+00:26:11,030 --> 00:26:16,630
+تبعتهم، أعمل لها iloc، ومفروض الآن ما فيش عندي
+
+321
+00:26:16,630 --> 00:26:21,910
+missing مطلقاً، طيب ننتقل بعد هيك للجزئية، إن والله
+
+322
+00:26:21,910 --> 00:26:26,690
+شو وضع الـ noise data؟ وين الـ noise data تبعي؟ طبعاً
+
+323
+00:26:26,690 --> 00:26:29,430
+أنا ممكن أستدل على noise data، أولاً بما إنه أنا
+
+324
+00:26:29,430 --> 00:26:32,990
+بتكلم على measurement، معناته هذه مش سالب تلاتة، هذه
+
+325
+00:26:32,990 --> 00:26:36,960
+تلاتة، وبما إنه أنا بتكلم على Measurement لوردة، برضه مش
+
+326
+00:26:36,960 --> 00:26:40,320
+منطقي يكون في عندي الـ maximum value هي 57، عشان هي
+
+327
+00:26:40,320 --> 00:26:44,540
+دائماً دراسة مفيدة للـ data، أو الـ contents اللي
+
+328
+00:26:44,540 --> 00:26:50,060
+موجودة عندي في كل الـ data set، طيب إيش الحل؟ كيف
+
+329
+00:26:50,060 --> 00:26:53,340
+بدنا نشوف، طبعاً هذه إشارات عندي، طبعاً في عندي طريقة
+
+330
+00:26:53,340 --> 00:27:00,120
+ثانية كمان، ممكن أنا أروح أشتغل عليها، لو أنا قلت
+
+331
+00:27:00,120 --> 00:27:03,200
+هذه الـ attributes equal، اللي هي الـ list تبعنا
+
+332
+00:27:03,200 --> 00:27:08,580
+اللي فوق، خليني بس أنسخها بدل ما إيش أكتب من ثاني
+
+333
+00:27:08,580 --> 00:27:11,760
+okay
+
+334
+00:27:15,030 --> 00:27:17,410
+هو، عاد تظهر، وضالة في الـ list، يعني، أوى المشكلة في
+
+335
+00:27:17,410 --> 00:27:21,930
+الموضوع، لأ، بدي أعدّل عليها، الـ label أنا مش بحاجة
+
+336
+00:27:21,930 --> 00:27:27,030
+ألاقيه، okay، هذه مجموعة الـ attributes اللي موجودة
+
+337
+00:27:27,030 --> 00:27:31,790
+عندي، فأنا بدي أروح أعمل .. بدي أرسم figure، هي plot
+
+338
+00:27:31,790 --> 00:27:41,070
+plt.figure، حجم الـ figure قد إيش؟ هي big size
+
+339
+00:27:44,660 --> 00:27:52,600
+مثلاً، دعوني أختار عشرين، عشرة، تمام، الـ figure هذا
+
+340
+00:27:52,600 --> 00:27:59,040
+يحتاج الـ data دي، of attributes اللي هم الخمسة
+
+341
+00:27:59,040 --> 00:28:02,840
+attributes اللي موجودة عندي، طبعاً الـ label اللي احنا
+
+342
+00:28:02,840 --> 00:28:09,200
+بدنا إياها هي nominal، لأنها مرتبة، تمام، أو بدي أروح .
+
+343
+00:28:09,200 --> 00:28:12,940
+attributes
+
+344
+00:28:12,940 --> 00:28:20,700
+.boxplot
+
+345
+00:28:20,700 --> 00:28:24,500
+الـ box plot يا جماعة الخير، هذه عبارة عشان تحدد الـ
+
+346
+00:28:24,500 --> 00:28:30,870
+outlier اللي موجود عندي، ممكن أضع للرسمة title، plt
+
+347
+00:28:30,870 --> 00:28:34,290
+.title، هذا الكلام ممكن يلزمَني في شرح التسجيل
+
+348
+00:28:34,290 --> 00:28:38,070
+الجديد اللي هو إيش؟ اللي له علاقة بالـ visualisation
+
+349
+00:28:38,070 --> 00:28:47,650
+iris attributes، وفي
+
+350
+00:28:47,650 --> 00:28:54,350
+الآخر بدي أروح أقول له show للرسم اللي موجود عندي
+
+351
+00:28:54,350 --> 00:29:02,760
+و run، آها، تمام، لاحظوا معايا الآن، هذه الرسمة جاب لي
+
+352
+00:29:02,760 --> 00:29:07,280
+الـ data، طبعاً واضح، بقول، الـ data الـ range تبعي
+
+353
+00:29:07,280 --> 00:29:10,540
+المسموح فيه، الـ outlier المسموح فيه، اللي هو داخل
+
+354
+00:29:10,540 --> 00:29:12,980
+المربعات السوداء، طبعاً اللي دول، من الخطوط السوداء
+
+355
+00:29:12,980 --> 00:29:15,240
+طبعاً إحنا لما نرسم الـ outlier، لاحظوا إن إن شاء الله
+
+356
+00:29:15,240 --> 00:29:19,580
+تعالى هنفهم الكلام بشكل كويس، بشكل أحسن، لكن واضح إن
+
+357
+00:29:19,580 --> 00:29:23,600
+هذه outlier، وهذه outlier، لأنهم بعاد تماماً، هذه جايّة
+
+358
+00:29:23,600 --> 00:29:26,400
+مع الـ fit، خليني، طبعاً لو أنا بدي أغير القيمتين هدول
+
+359
+00:29:26,610 --> 00:29:29,450
+القيمتين هدول، إحنا شفناهم، عاملين، وهي هذه سالب
+
+360
+00:29:29,450 --> 00:29:35,110
+تلاتة، وهذه سبعة وخمسين، سبعة وخمسين، تمام، طيب بدنا
+
+361
+00:29:35,110 --> 00:29:37,970
+الآن نشوف كيف بدي أتعامل مع الـ noise data اللي
+
+362
+00:29:37,970 --> 00:29:42,410
+موجودة، مع الـ noise data، بدنا ننتقل، ونكتب code
+
+363
+00:29:42,410 --> 00:29:44,510
+نشوف كيف بدي أتعامل، أو بدي أتخلص من الـ code مع الـ
+
+364
+00:29:44,510 --> 00:29:46,430
+noise data اللي موجودة
+
+365
+00:29:50,740 --> 00:29:54,560
+طيب أول حاجة أنا بدي أعرف الـ 57 هذه اللي في الـ
+
+366
+00:29:54,560 --> 00:29:57,140
+attribute الأول، جاية في أي row، عشان أروح فوق، أو
+
+367
+00:29:57,140 --> 00:30:00,060
+أروح أعدلها أو ما شابه، أنا okay، بعرف في العمود
+
+368
+00:30:00,060 --> 00:30:06,160
+الأول، لكن في أي row ما بعرف، تمام، determine the
+
+369
+00:30:06,160 --> 00:30:08,620
+noise value
+
+370
+00:30:12,090 --> 00:30:17,050
+location، أو بين قوسين الـ row، الآن عشان أحدد الـ row
+
+371
+00:30:17,050 --> 00:30:21,310
+اللي موجود، أو اللي فيه الـ data، طبعاً أنا عندي الـ
+
+372
+00:30:21,310 --> 00:30:24,190
+data، وأنا بعرف إنه موجود في الـ attribute الأول
+
+373
+00:30:24,190 --> 00:30:29,950
+فأنا بروح بقول له، اديني الـ row وين، إن الـ attribute
+
+374
+00:30:29,950 --> 00:30:36,610
+عفواً، a1 equal
+
+375
+00:30:36,610 --> 00:30:42,930
+57، إيش اللي أنا سويته هنا؟ هنا رحت وقلت له أنا بدي
+
+376
+00:30:42,930 --> 00:30:51,890
+الـ row، الـ row اللي فيه a1 equal 57، a1، لاحظوا أنا
+
+377
+00:30:51,890 --> 00:30:54,510
+بإعتماعي على الـ data، طبعاً هو لو كان فيه أكثر من
+
+378
+00:30:54,510 --> 00:30:58,450
+واحد شو يصير؟ هيديني الـ rows اللي موجودة عندهم، فراح
+
+379
+00:30:58,450 --> 00:31:02,490
+قال لي الـ row 113، هي الـ row 113، طبعاً هنقول لكم يا
+
+380
+00:31:02,490 --> 00:31:07,590
+جماعة الخير، معالجة الـ noise data غالباً manual، طبعاً
+
+381
+00:31:07,590 --> 00:31:11,430
+الـ data preparation معظمها manual، تمام، وبالتحديد
+
+382
+00:31:11,430 --> 00:31:14,930
+الـ noise ذاتَه، أنا حددتها الآن، معناته لو كان في عندي
+
+383
+00:31:14,930 --> 00:31:18,050
+أكثر من row، أكثر من row، هتكون موجودة عندي، يعني لو
+
+384
+00:31:18,050 --> 00:31:21,950
+على سبيل المثال، على سبيل المثال بدي أنا أروح أكتب
+
+385
+00:31:21,950 --> 00:31:27,950
+code مشابه للـ code هذا، بس من باب العلم
+
+386
+00:31:27,950 --> 00:31:37,550
+يعني أروح أقول له a5 بدأ تساوي تلاتة مثلاً، و
+
+387
+00:31:38,640 --> 00:31:41,420
+لاحظوا، هذاني القائمة، وبالتالي أنا بدي أعمل
+
+388
+00:31:41,420 --> 00:31:45,540
+handling لكل واحد من هدول بشكل مستقل، لما يكونوا
+
+389
+00:31:45,540 --> 00:31:47,920
+لكن هدول أنا ما بيهمنيش، أنا اللي بيهمني هالـ 113
+
+390
+00:31:47,920 --> 00:31:52,040
+تمام، طب مع الـ 113 هذا شو أنا بدي أروح أساوي الآن؟
+
+391
+00:31:52,040 --> 00:31:54,760
+بدي أعدل الـ value، الآن هذا الـ value مكتوب يا جماعة
+
+392
+00:31:54,760 --> 00:32:00,600
+الخير 57، 5
+
+445
+00:35:43,450 --> 00:35:46,350
+شغلة قبل أخيرة، لما أنا بدي اشتغل على موضوع الـ
+
+446
+00:35:46,350 --> 00:35:49,100
+correlation، أنا الـ data موجودة عندي، والـ attributes
+
+447
+00:35:49,100 --> 00:35:52,200
+اللي عندي كلها numeric، معناته أنا بدي أطبق الـ
+
+448
+00:35:52,200 --> 00:35:57,120
+correlation، في عندي method اسمها dot correlation
+
+449
+00:35:57,120 --> 00:36:00,660
+شوفي
+
+450
+00:36:00,660 --> 00:36:05,440
+مسحت الـ command، run، راح حسب الـ person الـ
+
+451
+00:36:05,440 --> 00:36:09,120
+correlation، وقال لي والله هي الـ attributes اللي عندك
+
+452
+00:36:10,330 --> 00:36:15,530
+لكن واضح أن في عندي على، طبعاً القطر، يا جماعة الخير
+
+453
+00:36:15,530 --> 00:36:19,330
+المفروض كله يكون ايش؟ واحد، لأن الـ attribute مع نفسه
+
+454
+00:36:19,330 --> 00:36:23,850
+واحد، الـ attribute الأول والثاني ما فيش dependency
+
+455
+00:36:23,850 --> 00:36:29,550
+مطلقاً، الأول والثالث فوق الخمسين، فوق الثمانين، الأول
+
+456
+00:36:29,550 --> 00:36:33,530
+والرابع فوق الثمانين، الأول والخامس فوق الثمانين
+
+457
+00:36:33,530 --> 00:36:43,250
+لكن الثالث والرابع 95%، الثالث والخامس 95%،
+
+458
+00:36:43,250 --> 00:36:49,510
+الرابع والخامس 99%، طيب الآن بس أنا بدي أحذف واحد
+
+459
+00:36:49,510 --> 00:36:52,850
+من الـ correlation اللي هو الخامس هذا، طب أنا بدي
+
+460
+00:36:52,850 --> 00:36:54,750
+أقول أن والله الـ attributes اللي عندي الـ
+
+461
+00:36:54,750 --> 00:36:58,530
+correlation تبعته فوق فوق الـ 97%، هي اللي بدي
+
+462
+00:36:58,530 --> 00:37:03,190
+أحذفها، أنتم بالمثال كان عندكم فوق الـ 80%، الآن
+
+463
+00:37:03,190 --> 00:37:08,980
+أجيب في الواجبات الآن يا جماعة الخير لهذا الكلام، ليش؟
+
+464
+00:37:08,980 --> 00:37:14,000
+لأن أنا فعلياً فعلياً الـ attribute الخامس هو عبارة
+
+465
+00:37:14,000 --> 00:37:17,840
+كان عن واحد ونص، حاصل ضرب الـ values اللي موجودة
+
+466
+00:37:17,840 --> 00:37:21,580
+تعالوا احسبوها أنتم هيك، واحد ونص في
+
+467
+00:37:24,940 --> 00:37:30,300
+1.5، 4، 6، 1.5، هنتلقى طبعاً صار في بعض التغييرات على
+
+468
+00:37:30,300 --> 00:37:35,560
+الـ values، 1، 2، 1.5، الفكرة أنه أنا طبعاً عملت
+
+469
+00:37:35,560 --> 00:37:37,580
+rounding للـ values اللي موجودة، عشان يصير فيه
+
+470
+00:37:37,580 --> 00:37:40,860
+اختلاف، ما تصيرش يعني مية في المية، فجأة هو بس واضح
+
+471
+00:37:40,860 --> 00:37:44,020
+أن الـ value تسعة، تلت تسعات يعني، وكانها واحد، طب ايش
+
+472
+00:37:44,020 --> 00:37:46,760
+الحال؟ أوكي، الـ attribute هذا أنا بدي أحذفه، كيف بدي
+
+473
+00:37:46,760 --> 00:37:49,500
+أروح أحذف الـ attribute؟ كيف بدي أحذف الـ attribute
+
+474
+00:37:49,500 --> 00:37:50,180
+يا جماعة الخير؟
+
+475
+00:37:54,700 --> 00:38:00,440
+قلنا فيه نقطة، رقتين اللي هي حدف الـ attribute بس
+
+476
+00:38:00,440 --> 00:38:07,800
+هذا، مع الـ null أولاً، حذفنا الـ attribute الأول، drop
+
+477
+00:38:07,800 --> 00:38:18,700
+أو الـ function اسمها drop، drop
+
+478
+00:38:18,700 --> 00:38:22,160
+a5, replace
+
+479
+00:38:24,110 --> 00:38:30,040
+وأروح أقول له احسب الـ correlation مرة ثانية، هي run
+
+480
+00:38:30,040 --> 00:38:34,700
+ممتاز، هي جاني الـ data، طار الـ attribute، والـ
+
+481
+00:38:34,700 --> 00:38:38,340
+correlation، طبعاً هذه من الأصل أنها ما تتغيرش، لكن
+
+482
+00:38:38,340 --> 00:38:43,660
+الحسبة بتظل نوعاً ما فيها اختلافات بالنسبة للكل، طيب
+
+483
+00:38:43,660 --> 00:38:46,500
+خلصنا الآن في موضوع الـ correlation، شفنا موضوع الـ
+
+484
+00:38:46,500 --> 00:38:49,660
+data، ضل آخر جزئية كنت أنا بدي أعرفها منكم اللي هي
+
+485
+00:38:49,660 --> 00:38:55,360
+جزئية تقسيم الـ data لـ two different sets، وكتبتهم
+
+486
+00:38:55,360 --> 00:39:01,630
+على الـ file اللي موجود هنا، طيب الآن عشان أنا أجزم الـ
+
+487
+00:39:01,630 --> 00:39:09,750
+data from escalare.model
+
+488
+00:39:09,750 --> 00:39:12,910
+underscore selection
+
+489
+00:39:26,800 --> 00:39:32,640
+هذا الكود بينفذ stratified sampling على الـ data
+
+490
+00:39:32,640 --> 00:39:37,290
+الموجودة، طبعاً احنا كنا طالبين منكم الـ data set اللي
+
+491
+00:39:37,290 --> 00:39:39,890
+موجودة عندكم، هي الـ data أو الـ data اللي أنتم
+
+492
+00:39:39,890 --> 00:39:43,970
+حملتوها، تجسّمها، بتكلم عشان تفاصيل ثانية لحد اللحظة
+
+493
+00:39:43,970 --> 00:39:49,510
+طبعاً هدفي إلى استخدام الـ train test split، هذا ممكن
+
+494
+00:39:49,510 --> 00:39:52,510
+يرجع لي بمجموعتين، وممكن يرجع لي بأربعة، ممكن يرجع لي
+
+495
+00:39:52,510 --> 00:39:56,090
+بمجموعتين، وممكن يرجع لي بأربعة، لكن أنا بدي اشتغل
+
+496
+00:39:56,090 --> 00:39:59,710
+فقط على نظام مجموعتين، ولما بنحتاج الأربعة بنتكلم
+
+497
+00:39:59,710 --> 00:40:07,060
+عليهم، فالمجموعة الأولى أنا بدي اسميها train set، كما
+
+498
+00:40:07,060 --> 00:40:15,560
+ثانية test set، equal اللي هو اللي .. خليني بس أقوله
+
+499
+00:40:15,560 --> 00:40:23,580
+as، طبعاً هذه ميزة الـ as، TTS، TTS، وTTS هذا اللي هي
+
+500
+00:40:23,580 --> 00:40:28,640
+train test split، بياخذ مني الـ data اللي هي دي
+
+501
+00:40:28,640 --> 00:40:35,860
+بياخذ مني الـ test أو الـ train size، والباقي طبعاً
+
+502
+00:40:35,860 --> 00:40:41,600
+بياخذ النسبة التالية، point، ثلاثة من عشرة، كده أنا
+
+503
+00:40:41,600 --> 00:40:45,800
+عم بقول له بدي للـ test set حجمها ثلاثين في
+
+504
+00:40:45,800 --> 00:40:49,920
+المئة من الـ data set اللي موجودة عندي، ومن ثم أنا
+
+505
+00:40:49,920 --> 00:40:54,280
+بدي أروح أتحقق، هي في عندي الـ train، والسبعين في
+
+506
+00:40:54,280 --> 00:40:56,280
+المئة حتظهر للـ train، هي train
+
+507
+00:40:59,560 --> 00:41:13,260
+set.head ثلاثة، ونفس الكلام test set.head ثلاثة
+
+508
+00:41:13,260 --> 00:41:18,160
+وهي run، هد
+
+509
+00:41:18,160 --> 00:41:22,140
+النتائج، ثمانية فيهم، عاد عشان هدول جابهم كل واحد لحال، و
+
+510
+00:41:22,140 --> 00:41:23,120
+غالباً، هدول الأخيرة
+
+511
+00:41:25,690 --> 00:41:28,370
+غالباً هذه الأخيرة، بدي أعملهم كل واحدة لحالي بشكل
+
+512
+00:41:28,370 --> 00:41:35,390
+مستقل، هاي run هاي
+
+513
+00:41:35,390 --> 00:41:42,590
+الـ train set، وهي الـ test set، run
+
+514
+00:41:42,590 --> 00:41:47,090
+طبعاً، ادّى الـ two different sets موجودة، ضل هلّأ موضوع
+
+515
+00:41:47,090 --> 00:41:50,230
+موضوع الـ train set اللي أنا أكتبها على الـ
+
+516
+00:41:53,880 --> 00:41:58,620
+موضوع كتبتها على الـ disk، بسيط جداً، أنا للآن في عندي
+
+517
+00:41:58,620 --> 00:42:04,700
+الـ pandas، dot، زي ما كنت بقوله، read csv، بروح بقوله to
+
+518
+00:42:04,700 --> 00:42:14,440
+csv، وبديله اسم الملف، أي train set
+
+519
+00:42:21,360 --> 00:42:30,340
+tsv .. يا عفو، إن هاد الـ train set، train set، run، و
+
+520
+00:42:30,340 --> 00:42:36,120
+بقى آخذ test set بنفس الكيفية، test set، dot
+
+521
+00:42:36,120 --> 00:42:40,280
+underscore csv
+
+522
+00:42:44,940 --> 00:42:50,960
+testset.csv، run، وبهيك احنا بنكون إن شاء الله
+
+523
+00:42:50,960 --> 00:42:54,160
+انتهينا من الـ application، بس عشان أنا أتأكد، ممكن
+
+524
+00:42:54,160 --> 00:42:59,260
+أروح أدور على الـ files اللي موجودة عندي، احنا من
+
+525
+00:42:59,260 --> 00:43:04,730
+الأسماء هو طبعاً الأسماء كلها مرتبة، ترتيب train set
+
+526
+00:43:04,730 --> 00:43:11,730
+وهي train set، وهي test set، الآن seconds ago، هاي الـ
+
+527
+00:43:11,730 --> 00:43:17,230
+data موجودين كـ excel file أو كـ csv file، إن شاء
+
+528
+00:43:17,230 --> 00:43:20,850
+الله، بتكون المعلومات سهلة، بتعيدوا الفيديو مرة
+
+529
+00:43:20,850 --> 00:43:25,310
+وثنتين، بحيث إنكم تستوعبوا، وإن شاء الله تعالى الله
+
+530
+00:43:25,310 --> 00:43:28,610
+يعطيكم العافية، والسلام عليكم ورحمة الله وبركاته

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/cUQb5hESOvo.srt

@@ -0,0 +1,2751 @@
+1
+00:00:05,030 --> 00:00:08,110
+أعوذ بالله السلام عليهم بسم الله الرحمن الرحيم
+
+2
+00:00:08,110 --> 00:00:11,910
+الحمد لله والصلاة والسلام على رسول الله أهلًا وسهلًا
+
+3
+00:00:11,910 --> 00:00:15,150
+فيكم، نسأل الله لكم ولنا السلام دائمًا ولجميع
+
+4
+00:00:15,150 --> 00:00:18,710
+المسلمين، وإن شاء الله تزول هذه الغمة، ونلقاكم من
+
+5
+00:00:18,710 --> 00:00:22,220
+جديد. اليوم هنستعرض مع بعض إن شاء الله تعالى
+
+6
+00:00:22,220 --> 00:00:27,400
+المحاضرات المصورة لموضوع الـ data mining، ومن ثم
+
+7
+00:00:27,400 --> 00:00:31,100
+سنعمل review سريعة. لو وقفنا... كنا بدأنا في
+
+8
+00:00:31,100 --> 00:00:33,800
+chapter data mining... data mining chapter ثلاثة
+
+9
+00:00:33,800 --> 00:00:36,760
+في الـ classification، وقلنا الـ classification هي
+
+10
+00:00:36,760 --> 00:00:40,600
+عبارة عن classical task تقليدية أو مهمة
+
+11
+00:00:40,600 --> 00:00:43,680
+التقليدية في الـ machine learning. هدفها أن
+
+12
+00:00:43,680 --> 00:00:49,160
+أعمل فعليًا prediction لـ discrete أو لـ nominal value
+
+13
+00:00:49,160 --> 00:00:52,240
+اللتي سميناها الـ categorical value، ولما حاولنا نعرف
+
+14
+00:00:52,240 --> 00:00:55,240
+الـ classification مع بعض، كنتم تذكرون كنا نقول أن
+
+15
+00:00:55,240 --> 00:00:59,320
+الـ classification هي عبارة عن عملية لتحديد عضوية
+
+16
+00:00:59,320 --> 00:01:06,530
+العناصر في مجموعات معرفة مسبقًا. وتكلمنا أو وضعنا
+
+17
+00:01:06,530 --> 00:01:09,770
+الرسم هذا على السريع، وقلنا أنه يمثل الـ
+
+18
+00:01:09,770 --> 00:01:13,230
+model الخاص بالـ classification، أنه أُضيف الـ raw
+
+19
+00:01:13,230 --> 00:01:16,390
+data، يُحدد الـ algorithm، الـ algorithm يبني الـ model،
+
+20
+00:01:16,390 --> 00:01:19,110
+والـ model بعد ذلك يجب أن يكون قادرًا على الـ
+
+21
+00:01:19,110 --> 00:01:25,180
+prediction بشكل صحيح. وبالتالي، الـ classification هي
+
+22
+00:01:25,180 --> 00:01:28,920
+عبارة عن تقنية تُستخدم في موضوع الـ prediction
+
+23
+00:01:28,920 --> 00:01:34,080
+للعضوية، لعضوية العناصر في المجموعة. وتكلمنا أن
+
+24
+00:01:34,080 --> 00:01:37,620
+فعليًا في الـ classification task، يوجد لديّ two
+
+25
+00:01:37,620 --> 00:01:40,300
+steps. أي classification task، لإنجازها، يوجد لديّ
+
+26
+00:01:40,300 --> 00:01:43,460
+two steps. الأولى هي construction للموديل،
+
+27
+00:01:43,460 --> 00:01:47,160
+بناء الموديل، بحيث أن أحاول من خلال الخطوات
+
+28
+00:01:47,160 --> 00:01:53,090
+هذه أن أعرف علاقة الـ attribute مع الـ class، أعرف
+
+29
+00:01:53,090 --> 00:01:55,490
+علاقة الـ attribute بالـ class، وهذه تُسمى
+
+30
+00:01:55,490 --> 00:01:58,890
+مرحلة الـ training، والتي دائمًا آخذ جزءًا من الـ data
+
+31
+00:01:58,890 --> 00:02:02,450
+set، التي تُسمى الـ training set، وشاهدنا مثالها سابقًا.
+
+32
+00:02:02,450 --> 00:02:05,410
+الخطوة الثانية أو المحل، الخطوة الثانية التي
+
+33
+00:02:05,410 --> 00:02:08,890
+هي الـ model usage، استخدامه، بحيث أن أجد الـ
+
+34
+00:02:08,890 --> 00:02:13,090
+label أو الـ target class لـ data set، أو عفواً، لـ
+
+35
+00:02:13,090 --> 00:02:18,970
+sample set الموجودة لديّ مسبقًا. وقلنا مهم جدًا أن
+
+36
+00:02:18,970 --> 00:02:21,450
+الـ model أو الـ classification model يتمتع بالـ
+
+37
+00:02:21,450 --> 00:02:24,790
+accuracy، بالدقة، وبالـ speed، سرعة الحساب،
+
+38
+00:02:24,790 --> 00:02:28,110
+والـ robustness، الـ robustness،  التي تعني
+
+39
+00:02:28,110 --> 00:02:33,710
+قدرة الـ classifier هذا على أن يتعامل أو
+
+40
+00:02:33,710 --> 00:02:36,950
+يقدر أن يعطيني  prediction دقيقة عندما تكون الـ data
+
+41
+00:02:36,950 --> 00:02:39,370
+تحتوي على noise أو missing data. تكلمنا عن
+
+42
+00:02:39,370 --> 00:02:42,830
+الـ scalability والـ interpretability للـ data set، أو
+
+43
+00:02:42,830 --> 00:02:46,910
+عفوًا، للـ classifier. ويُخبرنا هذه مجموعة من الـ
+
+44
+00:02:46,910 --> 00:02:50,050
+algorithms الموجودة، وكنا في المحاضرة الماضية مع
+
+45
+00:02:50,050 --> 00:02:53,850
+بعض، في آخر محاضرة، الـ k-nearest neighbor.  طبعًا لو
+
+46
+00:02:53,850 --> 00:02:57,880
+سألت الآن سؤالًا، والمفروض منكم أن تأخذوا لحظة قبل
+
+47
+00:02:57,880 --> 00:03:02,460
+أن تجيبوا عليّ،  على ماذا يعتمد الـ k-nearest neighbor
+
+48
+00:03:02,460 --> 00:03:08,700
+؟ المفروض الآن أن تبدأوا تفكرون في الإجابة. الـ k-
+
+49
+00:03:08,700 --> 00:03:11,760
+nearest neighbor يعتمد على تصنيف العناصر تبعًا
+
+50
+00:03:11,760 --> 00:03:17,360
+للنقاط المجاورة له. وقلنا هذا هو واحد من
+
+51
+00:03:17,360 --> 00:03:20,530
+الـ instance-based. تذكرون معي؟ ماذا هو؟ كنا
+
+52
+00:03:20,530 --> 00:03:23,850
+نتحدث عن ماذا؟ Instance-Based. Instance-Based يعني
+
+53
+00:03:23,850 --> 00:03:28,250
+يعتمد على الـ data set بدون بناء model، يعتمد على
+
+54
+00:03:28,250 --> 00:03:33,050
+الـ data set بدون بناء models، وبالتالي
+
+55
+00:03:33,050 --> 00:03:38,230
+لا يوجد لديّ أي model، ولا يعتمد إلا على العمل في الـ
+
+56
+00:03:38,230 --> 00:03:41,650
+memory، يعني بين  الـ جسيم الحساب، وهذا يعطيني
+
+57
+00:03:41,650 --> 00:03:46,580
+دائمًا الـ Result بناءً على الـ majority  الخاصة بالـ
+
+58
+00:03:46,580 --> 00:03:49,600
+جيران الموجودة عنده.  وقلنا بالـ K أنه يجب
+
+59
+00:03:49,600 --> 00:03:53,440
+أن أُحدد عدد العناصر الموجودة عنده. ومررنا
+
+60
+00:03:53,440 --> 00:03:57,600
+بشكل سريع، وقلنا كيف أحسب التشابه أو أحسب القرب أو
+
+61
+00:03:57,600 --> 00:04:00,680
+البعد بين النقاط أو الـ objects، وقلنا يعتمد على
+
+62
+00:04:00,680 --> 00:04:03,740
+شيء نسميه similarity function، والـ similarity
+
+63
+00:04:03,740 --> 00:04:06,620
+function، عندما تكون لديّ أرقام، معناته أتحدث
+
+64
+00:04:06,620 --> 00:04:09,180
+عن Euclidean distance أو Manhattan distance أو
+
+65
+00:04:09,180 --> 00:04:12,750
+غيرها من الأشياء، وشاهدنا المعادلات مع بعضنا،
+
+66
+00:04:12,750 --> 00:04:17,110
+وَفرّقنا بينهم، وبين العناصر الموجودة.  ما الذي يطلبه
+
+67
+00:04:17,110 --> 00:04:19,510
+الـ k-nearest neighbor، حسب ما شرحنا في المحاضرة
+
+68
+00:04:19,510 --> 00:04:23,610
+الأخيرة؟ كان يطلب مني أن أُحدد الـ K، وهي عدد
+
+69
+00:04:23,610 --> 00:04:26,910
+الجيران الذين سأُجري بينهم voting، يعني لو
+
+70
+00:04:26,910 --> 00:04:30,150
+قلتُ، سأُصنف الجار هذا أو سأُصنف الـ
+
+71
+00:04:30,150 --> 00:04:32,330
+object الجديد بناءً على العناصر الموجودة
+
+72
+00:04:32,330 --> 00:04:36,210
+وبالتالي، أنا أتحدث عن أن لديّ فعليًا
+
+73
+00:04:37,240 --> 00:04:41,100
+عشرة جيران، حسب أغلبهم. الأغلبية طبعًا، أتحدث هنا على
+
+74
+00:04:41,100 --> 00:04:45,880
+ستة. الستة ماذا تصنفه؟ أذهب وأصنفه تبعًا للستة الذين
+
+75
+00:04:45,880 --> 00:04:50,720
+موجودين لديّ. سأحدد الـ distance method التي سأستخدمها
+
+76
+00:04:50,720 --> 00:04:53,940
+كمقياس. وبالتالي، بعد أن حددت الـ K،
+
+77
+00:04:53,940 --> 00:04:58,240
+أحسب الـ distance بين الـ sample الموجودة لديّ،
+
+78
+00:04:58,240 --> 00:05:01,300
+وكل الـ data set أو الـ training set التي
+
+79
+00:05:01,300 --> 00:05:04,580
+موجودة لديّ هنا.  ممكن أعتمد الـ Euclidean أو الـ
+
+80
+00:05:04,580 --> 00:05:08,410
+Manhattan. أرتب البيانات، وقلنا موضوع الترتيب ليس
+
+81
+00:05:08,410 --> 00:05:11,650
+مهم إلا عندما تكون الـ data set كبيرة، يصبح عليه
+
+82
+00:05:11,650 --> 00:05:16,150
+حصر، يسهل عليّ أن أحصر العناصر الأقرب، الـ
+
+83
+00:05:16,150 --> 00:05:21,810
+k-nearest، مجموعة العناصر العشرة، أصحاب أقصر مسافة
+
+84
+00:05:21,810 --> 00:05:25,130
+بين الـ sample الموجودة لديهم،  أجري بينهم voting،
+
+85
+00:05:25,130 --> 00:05:28,300
+بحيث أُحدد الأغلبية. وشاهدنا المثال الموجود
+
+86
+00:05:28,300 --> 00:05:33,040
+هنا، وكيف اشتغلنا على الـ Euclidean، وإذا تتذكرون،
+
+87
+00:05:33,040 --> 00:05:36,220
+المفروض أن المعادلة الخاصة بنا هذه، حسب الـ Euclidean
+
+88
+00:05:36,220 --> 00:05:40,420
+distance، فيها الجذر التربيعي. وطبعًا،  لأجل التسهيل،
+
+89
+00:05:40,420 --> 00:05:43,440
+عندما نتحدث عن الجذر التربيعي والجذر التربيعي
+
+90
+00:05:43,440 --> 00:05:48,400
+موجود في كل المعادلات، من باب المقارنة، ممكن أن
+
+91
+00:05:48,400 --> 00:05:54,050
+أتغاضى عنه، لأن الأكبر تحت الجذر، أو أكبر عنصر تحت
+
+92
+00:05:54,050 --> 00:05:58,490
+الجذر، سيبقى أكبر عنصر خارج... خارج الجذر، عندما...
+
+93
+00:05:58,490 --> 00:06:03,670
+يعني مثلاً، جذر الـ 16، جذر الـ 25، جذر الـ 13، جذر
+
+94
+00:06:03,670 --> 00:06:06,850
+التسعة. أصغر واحدة فيهم جذر التسعة، التي هي ثلاثة.
+
+95
+00:06:08,510 --> 00:06:12,350
+وأكبر واحدة فيهم جذر الخمسة وعشرين، خمسة. كذلك،
+
+96
+00:06:12,350 --> 00:06:15,570
+الخمسة وعشرون هي أكبر value، والتسعة هي أصغر value
+
+97
+00:06:15,570 --> 00:06:18,490
+موجودة لديّ. وبالتالي، كنت أقول أنه ممكن من
+
+98
+00:06:18,490 --> 00:06:21,550
+ناحية الحساب السريع، لأني أخلص من
+
+99
+00:06:21,550 --> 00:06:26,930
+المقارنات السريعة،  ممكن أن أتغاضى عن الجذر التربيعي،
+
+100
+00:06:26,930 --> 00:06:32,470
+وأبقى أتكلم على الـ Euclidean distance. وشاهدنا
+
+101
+00:06:32,470 --> 00:06:36,150
+مع بعض المثال، وانتهينا من المثال هذا. قلنا
+
+102
+00:06:36,150 --> 00:06:40,660
+في حالة أن كانت الـ data set الموجودة لديّ
+
+103
+00:06:40,660 --> 00:06:44,960
+تحتوي على nominal attributes أو categorical
+
+104
+00:06:44,960 --> 00:06:48,300
+attributes، قلنا هنا يلزم أن أرى
+
+105
+00:06:48,300 --> 00:06:52,260
+طريقة، لأني لا أستطيع أن أحسب مسافة بين عنصرين لو
+
+106
+00:06:52,260 --> 00:06:57,080
+قلنا مثلاً، أنا male و female في الـ
+
+107
+00:06:57,080 --> 00:07:02,760
+gender attribute، المسافة بينهما غير معرفة، لا أستطيع
+
+108
+00:07:02,760 --> 00:07:08,840
+أن أتحدث عنها. وبالتالي، الآن، لو قلنا أحمد،
+
+109
+00:07:08,840 --> 00:07:14,120
+أحمد مع الـ E في الوسط هنا، ما هي المسافة
+
+110
+00:07:14,120 --> 00:07:17,120
+بينهما؟ طبعًا، نحن متفقون أن الأسماء لا تدخل في
+
+111
+00:07:17,120 --> 00:07:20,200
+الحسابات لديّ، لأنها دائمًا غير مفيدة. وبالتالي، أنا
+
+112
+00:07:20,200 --> 00:07:23,900
+أثناء التحضير، سأزيلها. ولكن في النهاية، عندما
+
+113
+00:07:23,900 --> 00:07:26,580
+يكون لديّ string أو text أو كما سميناها في
+
+114
+00:07:26,580 --> 00:07:29,520
+لغة الـ data mining، categorical data أو nominal
+
+115
+00:07:29,520 --> 00:07:33,170
+data، كيف سأحسبها أو سأحسب المقارنة بينها؟ هذا
+
+116
+00:07:33,170 --> 00:07:35,970
+الكلام صعب في الـ Euclidean distance والـ Manhattan.
+
+117
+00:07:35,970 --> 00:07:40,510
+فلذلك، في الـ k-nearest neighbor، يصبح عليّ العمل. هل فعليًا الـ
+
+118
+00:07:40,510 --> 00:07:43,730
+term هاتان متطابقتان؟ إذا كانت الـ two terms متطابقتان،
+
+119
+00:07:43,730 --> 00:07:47,050
+معناته أضع لهما صفرًا. إذا كانت الـ two terms مختلفتان، يعني
+
+120
+00:07:47,050 --> 00:07:50,590
+أبعد ما يمكن عن بعض أو بعيدتان عن بعض، أضع الفرق بينهما
+
+121
+00:07:50,590 --> 00:07:56,170
+واحدًا. وطبعًا،  تحدثنا بعد ذلك عن أهمية الـ scaling في
+
+122
+00:07:56,170 --> 00:08:01,120
+موضوع الـ k-nearest neighbor. وقلنا من أهم... أهم مميزاته
+
+123
+00:08:01,120 --> 00:08:04,160
+الـ robustness اتجاه الـ noisy data والـ
+
+124
+00:08:04,160 --> 00:08:08,420
+effectiveness في موضوع مرحلة الـ training.
+
+125
+00:08:08,420 --> 00:08:13,100
+العيوب: تحديد الـ K... أي K هي الأنسب
+
+126
+00:08:13,100 --> 00:08:17,740
+للموضوع الذي أعمل عليه. مفهوم الـ distance غير
+
+127
+00:08:17,740 --> 00:08:20,380
+واضح، خصوصًا عندما تظهر لديّ الـ categorical data، و
+
+128
+00:08:20,380 --> 00:08:23,940
+هذه  تتمتع بـ computation cost عالية. تخيل الـ
+
+129
+00:08:23,940 --> 00:08:27,040
+data set فيها مئة ألف record. وبالتالي، عندما أريد
+
+130
+00:08:27,040 --> 00:08:29,680
+أن أُجري evaluation أو عفواً، أن أُجري prediction لـ
+
+131
+00:08:29,680 --> 00:08:34,520
+class لـ one example، معناته سأذهب وأحسب مئة ألف
+
+132
+00:08:34,520 --> 00:08:38,180
+distance.  طيب لو كان لديّ في المقابل،  لديّ
+
+133
+00:08:38,180 --> 00:08:42,960
+ع��رة أو مئة سأُجري عليهم testing، مئة في مئة ألف،
+
+134
+00:08:42,960 --> 00:08:46,440
+معناته نحن نتحدث عن عشرة ملايين تقريبًا
+
+135
+00:08:46,440 --> 00:08:51,160
+computation. وبالتالي، العملية ستأخذ مني وقتًا
+
+136
+00:08:51,160 --> 00:08:55,540
+طويلًا. الآن، عندما رأينا الـ code، أهم شيء في الـ code السابق،
+
+137
+00:08:55,540 --> 00:09:00,890
+إذا كنتم تتذكرون،  أخذت من scikit-learn،
+
+138
+00:09:00,890 --> 00:09:08,330
+KNeighborsClassifier. KNeighborsClassifier. KNeighborsClassifier.
+
+139
+00:09:08,330 --> 00:09:11,520
+KNeighborsClassifier. KNeighborsClassifier. الخاصة بالـ K-nearest neighbor، وأعطيتها الـ
+
+140
+00:09:11,520 --> 00:09:15,420
+K الخاصة بي، تساوي خمسة. وهنا نتذكر، قلنا دائمًا الـ X
+
+141
+00:09:15,420 --> 00:09:18,680
+الخاصة بك أو الـ K الخاصة بك، يجب أن تكون كبيرة
+
+142
+00:09:18,680 --> 00:09:22,660
+كفاية، وتكون دائمًا قادرة على إعطائي الـ predictions أو
+
+143
+00:09:22,660 --> 00:09:25,780
+أن تُجري الـ voting الصحيح، لأنه ليس معقولًا مثلاً أن تكون
+
+144
+00:09:25,780 --> 00:09:28,640
+لديّ two binary أو two labels، وأذهب وأقول
+
+145
+00:09:28,640 --> 00:09:32,510
+سآخذ مثلاً أربعة أو ستة، ستة، يعني الاحتمال أن
+
+146
+00:09:32,510 --> 00:09:35,270
+يكون خمسة خمسة، على الأقل، أحتاج أكثر، في حالة
+
+147
+00:09:35,270 --> 00:09:38,510
+الـ binary classification، لأُقدر أن الـ voting
+
+148
+00:09:38,510 --> 00:09:42,710
+يميل لأحد الـ classes الموجودة لديهم.  وتذكروا جيدًا، وتذكروا جميعًا أنني عندما
+
+149
+00:09:42,710 --> 00:09:46,950
+تحدثت عن الـ k-nearest neighbors، وأعطيتها الـ test
+
+150
+00:09:46,950 --> 00:09:50,050
+attribute، test sample الخاصة بي التي بنيتها هنا، و
+
+151
+00:09:50,050 --> 00:09:53,110
+مع الـ K الخاصة بي،  التي تساوي خمسة، فعليًا أعطاني من
+
+152
+00:09:53,110 --> 00:09:56,710
+بينهم هذه العناصر، وما هي الـ distances الموجودة
+
+153
+00:09:56,710 --> 00:09:59,990
+بينها، وبقي عليّ أن أعود إلى الـ data set، أحصل على
+
+154
+00:09:59,990 --> 00:10:03,890
+الـ label الخاصة بهذه العناصر، وأُجري بينها voting. كان
+
+155
+00:10:03,890 --> 00:10:07,830
+هذا... حتى هنا أنهينا محاضرتنا السابقة عند
+
+156
+00:10:07,830 --> 00:10:11,530
+هذا المثال، وأتمنى أن أكون قد وفقت في أن
+
+157
+00:10:11,530 --> 00:10:16,340
+أذكركم بعد انقطاع أسبوع من الدراسة، بما سبق في موضوع
+
+158
+00:10:16,340 --> 00:10:22,180
+الـ classification. لكن تعالوا لنرى قبل أن ننتقل
+
+159
+00:10:22,180 --> 00:10:26,760
+إلى الموضوع الجديد، تعالوا لنرى هذا المثال، المفروض أن
+
+160
+00:10:26,760 --> 00:10:29,320
+هذا المثال ليس موجودًا لديكم في الـ slides، أنتم
+
+161
+00:10:29,320 --> 00:10:31,700
+المفروض أن...  المفروض أن الـ slides معكم، وتبدأون
+
+162
+00:10:31,700 --> 00:10:34,100
+بتراجعوها باستمرار. لو نظرتُ إلى الـ attributes
+
+163
+00:10:34,100 --> 00:10:38,840
+أو إلى الـ data set الموجودة هنا، وأجب معي، أو
+
+164
+00:10:42,800 --> 00:10:46,240
+أجبوا معي على السؤال التالي: ما هو الـ data type
+
+165
+00:10:46,240 --> 00:10:50,840
+الخاص بالـ outlook؟  المفروض
+
+166
+00:10:50,840 --> 00:10:52,360
+nominal، صحيح.
+
+167
+00:10:55,100 --> 00:11:00,320
+الـ data type الخاص بالـ temperature، numeric.
+
+168
+00:11:00,320 --> 00:11:03,800
+وإن
+
+169
+00:11:03,800 --> 00:11:10,700
+قلتم ratio أو interval، كلامكم صحيح، كـ interval،
+
+170
+00:11:10,700 --> 00:11:15,300
+وليس كـ ratio.  الـ play golf أو play
+
+171
+00:11:15,300 --> 00:11:18,820
+golf، binary classification، يعني لديّ two labels،
+
+172
+00:11:18,820 --> 00:11:23,160
+yes و no، حسب الـ data set الموجودة لديّ، و
+
+173
+00:11:23,160 --> 00:11:29,460
+المطلوب أن أذهب وأحصل على الـ class الخاصة بالـ instance
+
+174
+00:11:29,460 --> 00:11:36,100
+التي فيها الـ sunny، وهذه طبعًا في الـ outlook، الـ
+
+175
+00:11:36,100 --> 00:11:3
+
+223
+00:15:38,860 --> 00:15:44,660
+تبع للـ distance اللي صارت التنين، هذه هتظهر أول
+
+224
+00:15:44,660 --> 00:15:49,780
+واحدة. ليش؟ لأنه الآن لما بتتساوى القيم، بصير ظهور
+
+225
+00:15:49,780 --> 00:15:52,800
+تبع الـ value هو الأول، هو اللي بياخد في الترتيب.
+
+226
+00:15:53,670 --> 00:15:56,810
+الظهور تبع الـ values هي اللي بتاخد في الترتيب.
+
+227
+00:15:56,810 --> 00:16:00,570
+وبالتالي هذي هتكون أول واحدة فوق. الآن لو أنا والـ
+
+228
+00:16:00,570 --> 00:16:03,390
+key and nearest neighbor equal one. إيش الـ key
+
+229
+00:16:03,390 --> 00:16:09,510
+تبعتي أو الـ label تبعتي true، وبالتالي هتكون عندي
+
+230
+00:16:09,510 --> 00:16:15,170
+yes. طيب في حالة أن الـ key تبعتي equal تلاتة، تلاتة
+
+231
+00:16:15,170 --> 00:16:20,210
+هي واحدة، نتين، تلاتة، معناته هي واحدة، هي نتين، هي
+
+232
+00:16:20,210 --> 00:16:26,420
+تلاتة. الـ majority بينهم نتين yes وواحدة no، يعني
+
+233
+00:16:26,420 --> 00:16:33,080
+بنتكلم على 66% yes و33% no، وبالتالي الـ majority
+
+234
+00:16:33,080 --> 00:16:39,420
+تبعتي لـ playing golf equal yes، تمام. الخطوة الأخيرة
+
+235
+00:16:39,420 --> 00:16:44,540
+لو أنا قلت له K equal خمسة، K equal خمسة، معناته بده
+
+236
+00:16:44,540 --> 00:16:51,320
+يدور على الـ shortest distances. أي واحدة، نتين، هذه
+
+237
+00:16:51,320 --> 00:17:00,640
+تلاتة، وهذه أربعة، وهذه خمسة. الـ label سبعتها واحدة،
+
+238
+00:17:00,640 --> 00:17:07,980
+نتين، تلاتة، أربعة، وهذه خمسة. الآن بدي أعمل voting ما
+
+239
+00:17:07,980 --> 00:17:11,080
+بين الخمسة اللي موجودة عندي. واحدة، اتنين، تلاتة،
+
+240
+00:17:11,080 --> 00:17:14,960
+أربعة yes، 80% yes، و20% no.
+
+241
+00:17:14,960 --> 00:17:19,480
+وبالتالي لما تكون الـ key تبعتي equal five، معناته
+
+242
+00:17:19,480 --> 00:17:22,400
+برضه الـ golf تبعتي، أو الـ playing golf يعني فرصة
+
+243
+00:17:22,400 --> 00:17:25,580
+أني ألعب الـ golf في الظروف المناخية اللي موجودة في
+
+244
+00:17:25,580 --> 00:17:27,920
+الـ data set اللي موجودة عندي، فرصة عالية  اللي أشارناها
+
+245
+00:17:27,920 --> 00:17:30,480
+yes، تمام.
+
+246
+00:17:32,780 --> 00:17:38,280
+طيب، سؤال، ونفرض تقدروا تجاوبوا عليه، بما أنه هذا الـ
+
+247
+00:17:38,280 --> 00:17:41,400
+attribute هو الـ dominant attribute، يعني هو صاحب
+
+248
+00:17:41,400 --> 00:17:45,500
+القرار في موضوع الـ classification، درجة الحرارة. في
+
+249
+00:17:45,500 --> 00:17:49,120
+حين، أنت لو أنت تخيلنا أن لو كان الجو ماطر، ممكن
+
+250
+00:17:49,120 --> 00:17:54,140
+يأثر في لعبة الـ golf ولا مش هيأثر؟ بتعرفوا إيش
+
+251
+00:17:54,140 --> 00:17:58,710
+يعني لعبة golf؟ ممكن تشوفوا اليوتيوب، how to play
+
+252
+00:17:58,710 --> 00:18:01,770
+golf، وبيعلموكم إياه، وتتفرجوا عليها، في الآخر هي
+
+253
+00:18:01,770 --> 00:18:06,370
+رياضة بالعصب، وبيضربوا الكورة عشان يسقطها في حفرة.
+
+254
+00:18:06,370 --> 00:18:10,750
+الآن، بما أن هذا الـ dominant attribute، إيش الحلول
+
+255
+00:18:10,750 --> 00:18:15,690
+اللي قدامي؟ وهل لو أنا غيرت، ممكن أحصل على
+
+256
+00:18:15,690 --> 00:18:20,590
+different result؟ اه، ممكن. أول حل موجود قدامي تماماً
+
+257
+00:18:20,590 --> 00:18:27,330
+زي ما بتبادر لذهنك الآن، أن أعمل scaling. صحيح، ممكن
+
+258
+00:18:27,330 --> 00:18:31,710
+أنا أعمل scaling، لو صارت هذه أربعة ونص، أربعة و
+
+259
+00:18:31,710 --> 00:18:36,110
+تلاتة من عشرة، أربعة point واحد، تلاتة point ستة
+
+260
+00:18:36,110 --> 00:18:40,770
+واحد point تمانية، واحد point سبعة، اتنين point zero
+
+261
+00:18:40,770 --> 00:18:45,410
+تلاتة point تلاتة، واحد point ستة، تلاتة point اتنين
+
+262
+00:18:45,410 --> 00:18:49,850
+اتنين point تلاتة، اتنين point أربعة، أربعة point
+
+263
+00:18:49,850 --> 00:18:54,730
+zero، تلاتة point اتنين، وطبيعي الحال هتصير واحد
+
+264
+00:18:54,730 --> 00:18:55,070
+point
+
+265
+00:18:57,730 --> 00:19:00,870
+8. إيش اللي صار عندي بعد الـ scaling؟ طبعاً أعمل الـ
+
+266
+00:19:00,870 --> 00:19:04,870
+ratio، قسمت على عشرة، أو ضربت في عشر، أو سالب واحد.
+
+267
+00:19:04,870 --> 00:19:10,170
+شو بتتوقع تصير الـ distance؟ هتقل بين جثين، هتصير فيه
+
+268
+00:19:10,170 --> 00:19:16,310
+عندي أنا أربعة ونص ناقص واحد وتمانية، اللي هي بين
+
+269
+00:19:16,310 --> 00:19:21,510
+جثين 2.9. لاحظوا أن 2.9 صارت قريبة من القيم اللي
+
+270
+00:19:21,510 --> 00:19:25,970
+موجودة، وإذا كمان روحت دربت في عشرة أو سالب 2، ممكن
+
+271
+00:19:25,970 --> 00:19:32,650
+أقلل الـ weight تبعتها، بتصير الـ value balance، تفكير
+
+272
+00:19:32,650 --> 00:19:38,110
+منطقي، لكن هل فعلياً يقودني للنتيجة أفضل؟ بده تجربة
+
+273
+00:19:38,110 --> 00:19:42,650
+وعشان بناءً على هيك، أعتبرها assignment لك، واتقارنها
+
+274
+00:19:42,650 --> 00:19:48,580
+ما بين، في حالة كانت الـ ratio، عملت ratio data، تمام؟
+
+275
+00:19:48,580 --> 00:19:55,220
+أو اشتغلت على الـ numeric data اللي موجودة. حل
+
+276
+00:19:55,220 --> 00:20:00,960
+الثاني، هل في حلول ثانية؟ اه، في حلول ثانية. استخدموا
+
+277
+00:20:00,960 --> 00:20:05,440
+أدمغتكم، هوش الشغلات اللي كنا بنسويها مع الـ data
+
+278
+00:20:05,440 --> 00:20:08,820
+الموجودة. جماعة الخير، أنا بتكلم على درجة الحرارة.
+
+279
+00:20:08,820 --> 00:20:14,970
+درجة الحرارة، شو يعني؟ عادة لما بنقول درجة الجو،
+
+280
+00:20:14,970 --> 00:20:18,010
+بسألُك كيف الجو اليوم يا فلان أو يا فلانة، والله الجو
+
+281
+00:20:18,010 --> 00:20:23,150
+حار، شوب كتير بارد، ماحدش بيقول لي عشرين وتلاتة أو
+
+282
+00:20:23,150 --> 00:20:26,510
+أربعين وكذا، فبالتالي ممكن لو أنا... بالضبط لو أنا
+
+283
+00:20:26,510 --> 00:20:31,030
+حولتها لـ categorical، ممكن تفرج معايا. طيب، هاي حولتها
+
+284
+00:20:31,030 --> 00:20:38,650
+لـ categorical، شو يعني categorical؟ أن
+
+285
+00:20:38,650 --> 00:20:41,390
+أنا حطيتها لفئات، على الـ data set اللي موجودة
+
+286
+00:20:41,390 --> 00:20:48,970
+عندي، عشان بس تكونوا في الصورة. من عشرين، أقل أو تساوي
+
+287
+00:20:48,970 --> 00:20:55,650
+عشرين، استخدمنا cool. أكبر
+
+288
+00:20:55,650 --> 00:21:03,330
+من عشرين وأقل أو تساوي أربعين، استخدمنا أقل من أربعين،
+
+289
+00:21:03,330 --> 00:21:10,770
+عفواً، استخدمنا mild. وفوق الأكبر أو تساوي الأربعين،
+
+290
+00:21:13,100 --> 00:21:18,600
+روحنا استخدمنا الـ hot. اتذكروا
+
+291
+00:21:18,600 --> 00:21:23,120
+أن كانت عندي hand، تمانتاشر درجة الحرارة في الـ test
+
+292
+00:21:23,120 --> 00:21:26,820
+sample اللي موجودة عندي hand، الآن. وبالتالي لما أنا
+
+293
+00:21:26,820 --> 00:21:30,820
+بداجي أفحص درجة الحرارة اللي موجودة، خمسة وأربعين،
+
+294
+00:21:30,820 --> 00:21:35,940
+hot، تلاتة وأربعين hot، واحدة وأربعين hot، ستة و
+
+295
+00:21:35,940 --> 00:21:41,060
+تلاتين mild، cool، cool، cool، mild، cool.
+
+296
+00:21:45,290 --> 00:21:52,930
+Mild، Mild، Hot، Mild، تمام؟
+
+297
+00:21:52,930 --> 00:21:55,950
+هذه الـ data set، وبينما هذه الـ 18 هتكون عندي cool.
+
+298
+00:21:55,950 --> 00:21:59,790
+الآن صارت كل الـ data عندي categorical، وبالتالي صارت
+
+299
+00:21:59,790 --> 00:22:04,310
+كل الـ attributes اللي عندي نفس الـ weight، شو
+
+300
+00:22:04,310 --> 00:22:10,430
+ضال عليّ أحسب الـ distance؟ طيب، أنا هسكت دقيقة، هعمل
+
+301
+00:22:10,430 --> 00:22:15,270
+pause دقيقة، أترك لكم مجال، أجيب الحسبة تبعتي. أستخدم
+
+302
+00:22:15,270 --> 00:22:19,050
+Manhattan ولا أستخدم الـ Euclidean distance لحساب
+
+303
+00:22:19,050 --> 00:22:22,690
+الـ similarity ما بين العناصر اللي موجودة عندنا.
+
+304
+00:22:28,290 --> 00:22:32,770
+طيب... الآن، بما أن كل الـ data categorical، معناته صفر
+
+305
+00:22:32,770 --> 00:22:35,830
+وواحد، هتصير المعادلة تبعتي، وخلينا مش فارق كتير
+
+306
+00:22:35,830 --> 00:22:39,530
+معايا من هاتن أو إكلوديا، مش فارق كتير، في الآخر أنا
+
+307
+00:22:39,530 --> 00:22:45,570
+بدي أجمع أصفار وواحدات. sunny وsunny، zero، زائد
+
+308
+00:22:45,570 --> 00:22:51,390
+hot وcool، واحد، لأن اتفقنا في حالة التشابه صفر، في
+
+309
+00:22:51,390 --> 00:22:58,750
+حالة الاختلاف واحد. زائد normal وhigh، واحد، زائد
+
+310
+00:22:58,750 --> 00:23:03,690
+false وtrue، و��حد. وبالتالي هذه القيمة تلاتة. الـ
+
+311
+00:23:03,690 --> 00:23:09,170
+attribute اللي بعدها، sunny 0، زائد hot واحد، زائد
+
+312
+00:23:09,170 --> 00:23:13,950
+واحد، زائد صفر، وهذا يساوي اتنين. ولاحظ، لاحظ كل الـ
+
+313
+00:23:13,950 --> 00:23:17,030
+values تبعتي بالدور حوالين الـ range اللي موجود
+
+314
+00:23:17,030 --> 00:23:21,410
+عندي هان، اما بين الأربعة والصفر. هذه القيم اللي
+
+315
+00:23:21,410 --> 00:23:25,070
+موجودة عندي هان. طبعاً أنا مجهز هان عشان ما نضيعش
+
+316
+00:23:25,070 --> 00:23:29,190
+الوقت في الحساب. هذه
+
+317
+00:23:29,190 --> 00:23:30,510
+الـ computation بالكامل.
+
+318
+00:23:35,230 --> 00:23:47,810
+تمام؟ shortest distance مع الـ K equal واحد، اتنين،
+
+319
+00:23:47,810 --> 00:23:54,590
+أول اتنين هي... لأ، في عندي واحد، هيها الـ
+
+320
+00:23:54,590 --> 00:24:03,970
+label تبعتها no، والـ label هيختلف عن السابقة. في
+
+321
+00:24:03,970 --> 00:24:07,210
+المثال السابق، كانت لما الـ K تبعتي equal واحد، كان
+
+322
+00:24:07,210 --> 00:24:12,990
+بيقول لي ألعب، تمام؟ وبالتالي لما أنا اشتغلت هان،
+
+323
+00:24:12,990 --> 00:24:18,450
+بيقول لي no. هيها، ليش؟ ماحدش يقول لي، لأن؟ ليش يا دكتور
+
+324
+00:24:18,450 --> 00:24:21,470
+مش هذه الـ yes هي اللي كانت؟ لأن عندي الـ sorting،
+
+325
+00:24:21,470 --> 00:24:24,990
+هذا الـ attribute، أو عفواً، هذا الروح، هياخد المرتبة
+
+326
+00:24:24,990 --> 00:24:29,550
+الأولى. يعني، بينجو سي، لما أنت بتيجي ترتب، خلينا نتكلم
+
+327
+00:24:29,550 --> 00:24:33,110
+بالـ bubble sort. شو مفهوم الـ bubble sort؟ بضلني
+
+328
+00:24:33,110 --> 00:24:36,590
+أقارن العنصر، لما بلاقي أصغر عنصر، ما بدي أش اساوي
+
+329
+00:24:36,590 --> 00:24:41,210
+فيه، أحركه للأعلى. بضلني أقارن العنصر مع عناصر
+
+330
+00:24:41,210 --> 00:24:44,370
+الجابلة، لحد ما بلاقي أصغر عنصر، بصير أرفعه. بهيك أنا
+
+331
+00:24:44,370 --> 00:24:50,430
+بأضمن، بدور على الـ minimum value، بروح بحطها فوق.
+
+332
+00:24:50,430 --> 00:24:54,330
+بدور على الـ minimum وبعملها shift، وهكذا، وبالتالي
+
+333
+00:24:55,510 --> 00:24:59,750
+هذه هي أول واحدة ستحصل عليها. أنت مش مصدق؟ خد الـ
+
+334
+00:24:59,750 --> 00:25:06,270
+data set هذه على الـ Excel، واعمل لها sort تبعاً للـ
+
+335
+00:25:06,270 --> 00:25:09,350
+distance، وستجد أن الـ attribute هذه ستكون أول
+
+336
+00:25:09,350 --> 00:25:15,430
+attribute موجود عندك. تمام؟ لو الـ K equal 3، هاي
+
+337
+00:25:15,430 --> 00:25:22,000
+واحدة، وهي واحدة، وهي واحدة. أنا عندي أربعة، فأخد أول
+
+338
+00:25:22,000 --> 00:25:27,040
+تلاتة. واحد، اتنين، تلاتة، الـ majority تبعتها yes.
+
+339
+00:25:27,040 --> 00:25:32,960
+وبالتالي هتكون yes. لو قلت له خمسة، هضيف الواحد هذه
+
+340
+00:25:32,960 --> 00:25:37,740
+معهم كمان، وهتيجي وراهم الاتنين هذه. الآن، تعالَ
+
+341
+00:25:37,740 --> 00:25:39,260
+نشوف الـ label اللي صارت عندي هنا.
+
+342
+00:25:42,540 --> 00:25:49,660
+صار في عندي 1، 2، 3، 60% yes، و40% no. وبالتالي لما
+
+343
+00:25:49,660 --> 00:25:52,980
+تكون الخمسة، الـ K تبعتي equal خمسة، معناته المجلة
+
+344
+00:25:52,980 --> 00:25:58,180
+تبعتي بتقول yes. ملاحظين معايا تأثير فعلياً الـ
+
+345
+00:25:58,180 --> 00:26:01,770
+processing على الـ data set؟ جدّاً مهم، جدّاً مهم. بتمنى
+
+346
+00:26:01,770 --> 00:26:05,610
+أن يكون هذا الموضوع أصبح اليوم يعني من بديهيات
+
+347
+00:26:05,610 --> 00:26:11,210
+لديكم، ومن ثم أنه إحنا فعلياً أصبحنا غطينا كل جوانب
+
+348
+00:26:11,210 --> 00:26:14,370
+الـ K nearest neighbor، إن شاء الله تبارك وتعالى.
+
+349
+00:26:14,370 --> 00:26:19,510
+تمام. الآن، هنتقل إن شاء الله تبارك وتعالى للـ
+
+350
+00:26:19,510 --> 00:26:23,690
+algorithm الثاني. للـ algorithm الثاني، اللي هو بيبني
+
+351
+00:26:23,690 --> 00:26:28,390
+شبه model، تمام، وبيعتمد على الـ probabilistic. الـ
+
+352
+00:26:28,390 --> 00:26:32,050
+classification، هيعتمد على نظرية الاحتمالات في الـ
+
+353
+00:26:32,050 --> 00:26:36,750
+classification، وفهمها اللي
+
+354
+00:26:36,750 --> 00:26:41,690
+هو الـ naive Bayesian algorithm، أو الـ bias، يعني
+
+355
+00:26:41,690 --> 00:26:45,790
+classification، وبالتحديد الـ naive bias classifier.
+
+356
+00:26:45,790 --> 00:26:50,390
+طيب.
+
+357
+00:26:50,390 --> 00:26:56,640
+الآن إحنا اتفقنا... اتفقنا سابقاً أن الـ K nearest neighbor
+
+358
+00:26:56,640 --> 00:27:02,340
+هو عبارة عن instance based model، مصبوط. يعني بيعتمد
+
+359
+00:27:02,340 --> 00:27:06,420
+دائماً في كل مرة، مع كل sample، بروح بعمل حسبة للـ
+
+360
+00:27:06,420 --> 00:27:09,440
+distance من الـ sample الأولى في الـ training set للـ
+
+361
+00:27:09,440 --> 00:27:13,220
+sample الأخيرة، تمام. وبدور على الـ data set اللي
+
+362
+00:27:13,220 --> 00:27:19,760
+موجودة عندها. في الـ Bayesian، شوية الأمور مختلفة. الـ
+
+363
+00:27:19,760 --> 00:27:24,970
+Bayesian model، أو الـ Naive bias، هو عبارة عن very fast
+
+364
+00:27:24,970 --> 00:27:29,910
+model وsimple classification في نفس الوقت. مناسب
+
+365
+00:27:29,910 --> 00:27:33,450
+جدّاً مع الـ high dimensional data set اللي موجودة
+
+366
+00:27:33,450 --> 00:27:38,330
+عندي، لأنه
+
+367
+00:27:38,330 --> 00:27:41,250
+فعلياً ما فيش فيه parameters. لو كانت فيه parameters موجودة،
+
+368
+00:27:41,250 --> 00:27:44,730
+ما فيش فيه parameters كتير أعتمد عليها. العناصر أو الـ
+
+369
+00:27:44,730 --> 00:27:49,690
+Naive bias بشكل عام بيعتمد على الـ probabilistic، و
+
+370
+00:27:49,690 --> 00:27:54,410
+بوصف العلاقة ما بين العناصر أو الـ attributes والـ
+
+371
+00:27:54,410 --> 00:27:59,790
+label بناءً على احتمالات. خلينا نيجي نقول، أذكركم
+
+372
+00:27:59,790 --> 00:28:03,090
+بس بالاحتمالات اللي موجودة عندي هان. لو كان أنا في
+
+373
+00:28:03,090 --> 00:28:11,870
+عندي صندوق بيحتوي على عشرة samples، 6
+
+374
+00:28:11,870 --> 00:28:17,410
+plus و4 minus.
+
+375
+00:28:25,310 --> 00:28:32,810
+الآن بلاش plus، خلينا نرسم عمود بالشكل هذا، لحاجة في
+
+376
+00:28:32,810 --> 00:28:39,670
+بالي. يعني الآن، وجئت قلت لك قداش احتمال أنه يطلع
+
+377
+00:28:39,670 --> 00:28:42,770
+معايا plus، عشان بس نذكرك بالاحتمالات.
+
+378
+00:28:45,650 --> 00:28:49,910
+6 على 10، صحيح. الـ probability تبعت الـ plus 6 على 10.
+
+379
+00:28:49,910 --> 00:28:56,810
+والـ probability طبعاً
+
+380
+00:28:56,810 --> 00:29:02,310
+عشرة، هي حجم الـ space، اللي أنا، population اللي أنا
+
+381
+00:29:02,310 --> 00:29:10,010
+بقى اشتغل عليها. طبعاً هذه 4 على 10. الآن
+
+382
+00:29:10,010 --> 00:29:16,670
+في عندي مصطلحات زي الـ most likely، الـ prior، الـ
+
+383
+00:29:16,670 --> 00:29:20,530
+posterior، الـ probability إلى آخرها. الـ posterior،
+
+384
+00:29:20,530 --> 00:29:23,130
+السابق، الـ most likely، اللي هي الأغلب الظن، أو
+
+385
+00:29:23,130 --> 00:29:26,870
+الغالب، العناصر الموجودة، أو الأكثر احتمالا، وكل هذه
+
+386
+00:29:26,870 --> 00:29:30,210
+الحسبة تبعتي بناءً على الـ probabilities. إحنا
+
+387
+00:29:30,210 --> 00:29:33,770
+متفقين الآن... إحنا متفقين الآن أن أنا، هي الـ
+
+388
+00:29:33,770 --> 00:29:36,130
+probability تبعتي. لكن لو أنا جئت وقلت لك مش بس
+
+389
+00:29:36,130 --> 00:29:41,670
+على الـ final shape، وبدخل معاها الـ color، وروحت و
+
+390
+00:29:41,670 --> 00:29:43,670
+قلت لك في عندي الـ dash هذه.
+
+391
+00:29:49,240 --> 00:30:00,200
+
+445
+00:34:21,990 --> 00:34:29,110
+عليها أو أخلص منها عفواً، بس الآن خلّيني أقول هنا C
+
+446
+00:34:29,110 --> 00:34:34,430
+of X الـ class لـ X يساوي الـ maximum probability
+
+447
+00:34:34,430 --> 00:34:39,660
+لمين؟ الـ B لـ Probability لـ الـ class يعني بينجو
+
+448
+00:34:39,660 --> 00:34:42,580
+سيم يجي ويقول لي والله الـ instance الفلانية اللي
+
+449
+00:34:42,580 --> 00:34:49,080
+هي الـ dash هذه الـ class طبعتها الـ class طبعت الـ
+
+450
+00:34:49,080 --> 00:34:52,440
+dash هذه تساوي الـ maximum probability
+
+451
+00:34:52,440 --> 00:34:56,260
+probability يعني بدي آخذ أعلى probability لمين؟ لـ
+
+452
+00:34:56,260 --> 00:34:59,080
+الـ classes أنا في عندي two classes يعني بدي أحسب
+
+453
+00:34:59,080 --> 00:35:02,360
+two probabilities الـ probability لـ الـ class أنَّها
+
+454
+00:35:02,360 --> 00:35:08,530
+تكون زائد أو تكون عمود، تمام؟ فمضروبة انه جداش
+
+455
+00:35:08,530 --> 00:35:12,310
+احتمال عناصر... مجموع العناصر اللي موجودة عندي هنا
+
+456
+00:35:12,310 --> 00:35:17,150
+مع الـ class اللي عندي، وبما أنَّه عملية مقارنة زي ما
+
+457
+00:35:17,150 --> 00:35:20,890
+خلصت سابقاً من الجذر التربيعي، ممكن أخلص الآن من
+
+458
+00:35:20,890 --> 00:35:25,250
+المقام لأن ما بدي أجسم على ثابت، فممكن أنا أخلص منه
+
+459
+00:35:25,250 --> 00:35:29,890
+وبالتالي أنا بُصغر المسألة تبعتي للـ argument X
+
+460
+00:35:29,890 --> 00:35:33,390
+تعالَ نشوف العناصر، إيش المقصود فيها بشكل سريع
+
+461
+00:35:34,040 --> 00:35:40,160
+المعادلة السابقة اللي إحنا ظهرت عندنا هنا الـ
+
+462
+00:35:40,160 --> 00:35:44,900
+posterior probability اللي هيقول لنا posterior سابقاً
+
+463
+00:35:44,900 --> 00:35:49,400
+الـ class على الـ conditional probability تبعت الـ
+
+464
+00:35:49,400 --> 00:35:52,930
+class والـ attributes اللي موجودة عندي هنا الـ
+
+465
+00:35:52,930 --> 00:35:57,510
+Probability لـ X على الـ class، الـ likelihood اللي
+
+466
+00:35:57,510 --> 00:36:01,650
+هي فعلياً الاحتمال اللي أنا بدور عليه، وهو عبارة عن
+
+467
+00:36:01,650 --> 00:36:05,850
+summation سنشوفها قليلاً الآن، Probability تبع الـ
+
+468
+00:36:05,850 --> 00:36:10,710
+class نفسه، الـ prior اللي موجود عندي هنا، والـ X الـ
+
+469
+00:36:10,710 --> 00:36:15,170
+predictor، الـ probability اللي أنا فعلياً بدي أشوفها
+
+470
+00:36:15,170 --> 00:36:18,370
+تعالَ نشوفه عشان نفهم الكلام هذا، والمعادلة من
+
+471
+00:36:18,370 --> 00:36:21,130
+ناحية الحساب، لأن شوية الأمور لو بدأت تبقى في
+
+472
+00:36:21,130 --> 00:36:27,150
+المعادلات الرياضية، هتغم الأمور علينا، لأن إحنا في
+
+473
+00:36:27,150 --> 00:36:31,250
+جماعة هنا على غرار الناس اللي كانت بدأت تلعب golf
+
+474
+00:36:31,250 --> 00:36:34,870
+قررت تروح على البحر، على الشاطئ، الآن هل بدهم يروحوا
+
+475
+00:36:34,870 --> 00:36:37,390
+على الشاطئ ولا ما يروحوش؟ والله قالوا في عندنا ثلاث
+
+476
+00:36:37,390 --> 00:36:42,870
+عوامل أساسية: الطقس، المظهر مشمس ولا ممطر ولا غائم،
+
+477
+00:36:42,870 --> 00:36:47,850
+درجة الحرارة، والـ humidity اللي هي الرطوبة، نفس
+
+478
+00:36:47,850 --> 00:36:50,790
+المثال السابق، لكن غيرنا الـ label من playing golf لـ
+
+479
+00:36:50,790 --> 00:36:53,310
+beach
+
+480
+00:36:54,570 --> 00:36:58,550
+الآن مطلوب مني أشتغل كالتالي: بدي أعمل جدول بسيط
+
+481
+00:36:58,550 --> 00:37:02,290
+الجدول مثل هذا الجدول، هلق إحنا هنشتغل معاكم بكل
+
+482
+00:37:02,290 --> 00:37:06,970
+بساطة، إيش بده يساوي؟ أنا بدي أعمل prediction لـ data
+
+483
+00:37:06,970 --> 00:37:12,390
+set بناءً على probability، أنا الآن هاد الـ data set
+
+484
+00:37:12,390 --> 00:37:15,990
+أو الـ training set تبعتي جاهزة وثابتة، الآن اللي
+
+485
+00:37:15,990 --> 00:37:21,470
+هرَوح أسويه، هرَوح أحسب علاقة الـ X، الـ outlook مع الـ
+
+486
+00:37:21,470 --> 00:37:25,600
+label، الـ Probability تبعتها مع الـ... مع الـ sunny
+
+487
+00:37:25,600 --> 00:37:29,300
+الـ... الـ Probability تبعتها... عفواً، الـ Outlook
+
+488
+00:37:29,300 --> 00:37:31,980
+فيها كم value، different value، three values: sunny
+
+489
+00:37:31,980 --> 00:37:36,920
+وrainy وcloudy، علاقة الـ sunny مع الـ yes ومع الـ
+
+490
+00:37:36,920 --> 00:37:41,020
+no، علاقة الـ rainy مع الـ yes ومع الـ no، علاقة الـ
+
+491
+00:37:41,020 --> 00:37:44,400
+cloudy مع الـ yes مع الـ no، وأفصل في الجدول اللي
+
+492
+00:37:44,400 --> 00:37:50,000
+موجود عندي، يعني بدك تيجي لكل attribute بشكل مستقل
+
+493
+00:37:50,000 --> 00:37:55,380
+هذا الجدول، حاجة أقول والله أنا بدي أتكلم على الـ
+
+494
+00:37:55,380 --> 00:38:01,380
+outlook، طبعاً جابلي جماعة الخير، لو أنا سألتك، لأن الـ
+
+495
+00:38:01,380 --> 00:38:05,840
+going للـ beach للـ yes وللـ no زي ما حسبنا هن�� الـ
+
+496
+00:38:05,840 --> 00:38:09,140
+probability للـ yes جداش تساوي؟ الـ data 6 فيها
+
+497
+00:38:09,140 --> 00:38:15,620
+عشرة، هنا واحدة، اثنين، ثلاث، أربعة yes، أربعة على
+
+498
+00:38:15,620 --> 00:38:20,340
+عشرة، الـ probability للـ no ستة على عشرة بكل تأكيد
+
+499
+00:38:20,340 --> 00:38:27,530
+بدون ما أروح أضطر أعدّ الـ yes مظبوطة، الـ outlook الـ
+
+500
+00:38:27,530 --> 00:38:34,230
+outlook الآن فيها three different values، في
+
+501
+00:38:34,230 --> 00:38:38,830
+عندي الـ sunny، في
+
+502
+00:38:38,830 --> 00:38:49,690
+عندي الـ rainy وفي عندي الـ cloudy، ممتاز، طيب وأنا في
+
+503
+00:38:49,690 --> 00:38:54,950
+عندي فعلياً في الـ labels في عندي الـ yes وفي عندي
+
+504
+00:38:54,950 --> 00:39:02,450
+الـ No، الـ beach، صح؟
+
+505
+00:39:02,450 --> 00:39:05,810
+الآن
+
+506
+00:39:05,810 --> 00:39:10,130
+كم واحدة sunny عندي؟ أنا واحدة، اثنين، ثلاث، أربعة
+
+507
+00:39:10,130 --> 00:39:16,170
+ممتاز، علاقة الأربع الـ sunny هدول المفروض يكونوا
+
+508
+00:39:16,170 --> 00:39:22,350
+مُجسَّمات على الـ yes والـ no، الـ yes جداش؟ أربعة، طيب
+
+509
+00:39:22,350 --> 00:39:26,890
+الآن بدي أقول sunny وyes، يعني أنا بدي أجسّم على
+
+510
+00:39:26,890 --> 00:39:32,470
+أربعة يا جماعة الخير، وأنَّه ستة، مضبوط، لأن الـ over
+
+511
+00:39:32,470 --> 00:39:36,030
+all probability تبعت الـ yes، ظهور الـ yes فقط أربع
+
+512
+00:39:36,030 --> 00:39:40,290
+عناصر، أربع مرات، وظهور الـ no ست مرات، إذا كانت الـ
+
+513
+00:39:40,290 --> 00:39:43,170
+yes مرتبطة بالـ classes هاي، فعشان أنا أحسب الـ
+
+514
+00:39:43,170 --> 00:39:48,650
+probability تبعت الـ yes والـ sunny، الـ sunny هاي
+
+515
+00:39:48,650 --> 00:39:49,670
+مرة yes
+
+516
+00:39:55,170 --> 00:40:00,990
+اثنين، ثلاث، أربعة، صح؟ ليش هذه لا؟ لأن هذه جاء الـ label
+
+517
+00:40:00,990 --> 00:40:03,550
+تبعتها no، هاي خلّصنا الأربع الـ sunny اللي موجودة
+
+518
+00:40:03,550 --> 00:40:06,410
+عندها، يعني بينجو، اثنين، الـ sunny الـ probability
+
+519
+00:40:06,410 --> 00:40:15,970
+تبعتها ثلاث على أربعة، زائد جداش؟ جداش واحد على ستة
+
+520
+00:40:17,560 --> 00:40:20,760
+خلاص، أنت ما فيش داعي إنك أنت عايش تنظر لباقي
+
+521
+00:40:20,760 --> 00:40:23,600
+العناصر، مجموع الـ sun اللي فوق على العناصر اللي
+
+522
+00:40:23,600 --> 00:40:29,940
+موجودة عندي هنا، الـ rainy الآن جداش؟ حسّبة الـ yes ما
+
+523
+00:40:29,940 --> 00:40:34,440
+زالت أربعة، والنقل ستة، rainy بدي أشتغل عليها نفس
+
+524
+00:40:34,440 --> 00:40:42,160
+الكلام، rainy واحدة، اثنين، ثلاث، في عندي ثلاث rainy
+
+525
+00:40:42,160 --> 00:40:49,180
+والثلاث جايات كلهن من نفس الـ class، معناته صفر على
+
+526
+00:40:49,180 --> 00:40:57,220
+أربعة زائد ثلاث على ستة، وهلّق بيقول لك طريقة كيف
+
+527
+00:40:57,220 --> 00:41:00,200
+تتأكد من حيث تفكر إن كل الـ probability بتاعتك صح
+
+528
+00:41:00,200 --> 00:41:06,140
+cloudy الآن برضه نفس الكلام، أربعة على ستة،
+
+529
+00:41:06,140 --> 00:41:12,100
+cloudy فيها واحدة مع الـ yes وهم ثلاث، واثنين مع
+
+530
+00:41:15,120 --> 00:41:20,080
+الستة، الآن لو عديت العناصر تبعت الـ yes، ثلاث على
+
+531
+00:41:20,080 --> 00:41:24,520
+أربعة زائد صفر على أربعة زائد واحد على أربعة، تطلع
+
+532
+00:41:24,520 --> 00:41:31,420
+أربعة على أربعة، لو عديت عناصر إنَّه واحد على ستة
+
+533
+00:41:31,420 --> 00:41:34,820
+زائد ثلاث على ستة زائد اثنين على ستة، تطلع ستة على
+
+534
+00:41:34,820 --> 00:41:38,740
+ستة، وهي فعلياً الـ probability، لازم مجموع الاحتمالات
+
+535
+00:41:38,740 --> 00:41:43,600
+كلها تكون عندي واحد، ممتاز، هذا بالنسبة للـ attribute
+
+536
+00:41:43,600 --> 00:41:44,180
+الأول
+
+537
+00:41:46,970 --> 00:41:49,970
+وبدي أروح أحسبها للـ attribute الثاني بنفس الكيفية،
+
+538
+00:41:49,970 --> 00:41:55,530
+temperature
+
+539
+00:41:55,530 --> 00:41:59,870
+temperature كان فيه... كان value عندي، عندي three
+
+540
+00:41:59,870 --> 00:42:04,410
+values: high، وlow، وmild، الـ low نبدأ مع الـ low هاي
+
+541
+00:42:04,410 --> 00:42:11,250
+واحدة، هاي اثنين، اثنين بدهم يتوزّعوا على الـ yes والـ
+
+542
+00:42:11,250 --> 00:42:17,570
+no، الآن صفر no، و no، معناته صفر على أربعة، واثنين
+
+543
+00:42:17,570 --> 00:42:23,870
+على ستة مع الـ no، طيب خلّصنا من الـ من الـ low، الـ mild
+
+544
+00:42:23,870 --> 00:42:32,710
+الـ mild هي واحدة، اثنين، ثلاث، ثلاث عناصر، الثلاث
+
+545
+00:42:32,710 --> 00:42:36,560
+عناصر هدول يتوزّعوا ما بين الـ yes والـ no، هي الـ
+
+546
+00:42:36,560 --> 00:42:40,700
+mild الأولى yes، الـ mild الثانية no، والـ mild
+
+547
+00:42:40,700 --> 00:42:45,900
+الأخيرة no، معناته الآن هم هيكونوا واحد على أربعة مع الـ
+
+548
+00:42:45,900 --> 00:42:52,580
+yes اللي هي الأولى هاي، واثنين على ستة في حالة الـ no، و
+
+549
+00:42:52,580 --> 00:42:58,320
+بكمل الجدول لكل العناصر اللي موجودة عندي هنا، الـ
+
+550
+00:42:58,320 --> 00:43:00,580
+probability تبعت الـ beach، ممكن أحطّ لإيه؟ أنا كتبت
+
+551
+00:43:00,580 --> 00:43:05,790
+هنا قبل شوية، ممكن أحطها في نهاية الجدول، عشان أنا
+
+552
+00:43:05,790 --> 00:43:09,790
+أشتغل على العناصر اللي موجودة عندي فعلياً، ستة على عشرة
+
+553
+00:43:09,790 --> 00:43:15,230
+... الآن أربعة على عشرة، المفروض
+
+554
+00:43:15,230 --> 00:43:19,550
+في كل واحدة من هدول، ما يلاحظ أربعة على عشرة... أربعة على عشرة
+
+555
+00:43:19,550 --> 00:43:24,980
+... أربعة على عشرة، ليش أربعة؟ لأن فعلاً أربعة على الـ yes، و
+
+556
+00:43:24,980 --> 00:43:28,220
+هدول لازم يكون مجموعهم أربعة في كل attribute، وهدول
+
+557
+00:43:28,220 --> 00:43:31,260
+مجموعهم لازم يكون ستة، وفي المحصلة ستة على عشرة
+
+558
+00:43:31,260 --> 00:43:36,140
+ممتاز، الآن لاحظوا هذه الـ computation كم مرة هأعملها؟
+
+559
+00:43:36,140 --> 00:43:43,120
+لمرة واحدة على نفس الـ data set، هأعملها لمرة واحدة
+
+560
+00:43:43,120 --> 00:43:46,180
+فقط، ولما الـ data... ولما الـ data set ما صار
+
+561
+00:43:46,180 --> 00:43:51,030
+عليها تغيير، هتظل هذه موجودة عندي، إيش اللي حيصير
+
+562
+00:43:51,030 --> 00:43:55,810
+لاحقاً، عشان أطبّق المعادلة السابقة هذه، هأشتغل كالتالي:
+
+563
+00:43:55,810 --> 00:44:01,030
+بيجي بقول: بالله شوف اللي، إيش الـ label تبعت الـ
+
+564
+00:44:01,030 --> 00:44:06,810
+sunny والـ mild والـ high، إيش الـ label تبعت الـ
+
+565
+00:44:06,810 --> 00:44:12,130
+sunny، sunny
+
+566
+00:44:12,130 --> 00:44:17,450
+و mild، و
+
+567
+00:44:17,450 --> 00:44:18,850
+high، درجة الحرارة
+
+568
+00:44:21,880 --> 00:44:27,460
+عشان بدي أرجع معاكم للجدول السابق، تمّ ذكره في
+
+569
+00:44:27,460 --> 00:44:34,380
+المعادلة، المعادلة بتقول: الـ argmax لـ CI اللي
+
+570
+00:44:34,380 --> 00:44:37,000
+هي الـ class، الـ probability للـ CI مضروبة في الـ
+
+571
+00:44:37,000 --> 00:44:44,120
+probability لـ X على الـ CI، طيب هلّق قد بنفسر لك
+
+572
+00:44:44,120 --> 00:44:47,920
+إيّاها أوضح، وبنفسر لك إيّاها أوضح مع الأرقام، نرجع هنا
+
+573
+00:44:47,920 --> 00:44:54,580
+الـ probability للـ class، هو قاعد بيقول لي: بدور على الـ
+
+574
+00:44:54,580 --> 00:44:58,480
+argmax، بدور على الـ maximum probability لكل classes
+
+575
+00:44:58,480 --> 00:45:02,740
+كم class أنا عندي؟ عندي two classes، يعني بين جثين
+
+576
+00:45:02,740 --> 00:45:05,600
+الجماعة الخير، هو عمال بيسألني، بيسألني الـ
+
+577
+00:45:05,600 --> 00:45:10,800
+probability تبعت الـ element اللي موجود عندها على
+
+578
+00:45:10,800 --> 00:45:14,520
+أنّه يكون الـ class، والـ instance اللي أعطاني إيّاها
+
+579
+00:45:17,240 --> 00:45:19,840
+مش قلنا هذه اللي أنا بدور عليها، قاعد؟ هاي الـ
+
+580
+00:45:19,840 --> 00:45:23,160
+value، هو بدي تجيب لي الـ probability تبعت الـ class
+
+581
+00:45:23,160 --> 00:45:27,760
+مع الـ given instance اللي موجودة عندي هنا، طيب،
+
+582
+00:45:27,760 --> 00:45:31,080
+الآن حسب الـ data set، معناته أنا بدي أروح أشتغل
+
+583
+00:45:31,080 --> 00:45:36,960
+كالتالي: مرة مع الـ yes ومرة مع no، هذا الكلام بيقول
+
+584
+00:45:36,960 --> 00:45:42,480
+إيه؟ الـ probability مع الـ yes، الـ label مع مين؟ مع
+
+585
+00:45:42,480 --> 00:45:51,040
+الـ given data set، الـ sunny والـ mild والـ high، إيش الـ
+
+586
+00:45:51,040 --> 00:45:56,340
+probability تبعت high؟ أولاً بقول: هذه تساوي الـ
+
+587
+00:45:56,340 --> 00:46:02,260
+probability تبعت الـ yes، مضروبة
+
+588
+00:46:02,260 --> 00:46:09,520
+في الـ probability تبعت مين؟ تبعت الـ instance اللي
+
+589
+00:46:09,520 --> 00:46:14,590
+موجودة عندي هنا، أي instance، طب الـ instance تبعتي
+
+590
+00:46:14,590 --> 00:46:20,510
+مكونة من الـ outlook والـ temperature والـ humidity
+
+591
+00:46:20,510 --> 00:46:25,390
+مضبوط؟ كمان مرة، الـ instance تبعتي هنا اللي هي الـ X
+
+592
+00:46:25,390 --> 00:46:33,830
+هذه اللي أنا الآن هيها، مكونة من الـ outlook والـ
+
+593
+00:46:33,830 --> 00:46:39,000
+temperature والـ humidity، و بدي أروح بقول لي: علاقة كل
+
+594
+00:46:39,000 --> 00:46:41,580
+الـ values اللي موجودة عندهم بالـ class مين؟ بالـ
+
+595
+00:46:41,580 --> 00:46:47,740
+class yes، يعني بين جثين، هي عبارة عن الـ probability
+
+596
+00:46:47,740 --> 00:46:53,700
+لـ
+
+597
+00:46:53,700 --> 00:47:01,840
+S، للـ sunny، الـ outlook، equal
+
+598
+00:47:01,840 --> 00:47:04,980
+sunny مع الـ yes
+
+599
+00:47:08,130 --> 00:47:15,570
+مضروبة في الـ attribute الثانية، الـ probability تبعت
+
+600
+00:47:15,570 --> 00:47:26,130
+الـ temperature على الـ yes، هاي الـ sunny أو
+
+601
+00:47:26,130 --> 00:47:34,470
+الآن mild، هاي الـ mild، الـ temperature تبعتي high
+
+602
+00:47:37,170 --> 00:47:44,970
+هي الـ high، بكل بساطة بقول: ليه؟ ثلاث على أربعة، أو
+
+603
+00:47:44,970 --> 00:47:47,530
+عفواً، من الأول، أربعة على عشرة، تبع الـ yes، الـ
+
+604
+00:47:47,530 --> 00:47:50,050
+probability اللي موجودة عندي هنا، أربعة على عشرة
+
+605
+00:47:50,050 --> 00:47:57,970
+مضروبة في ثلاث على أربعة، مضروبة في اثنين، عفواً
+
+606
+00:47:57,970 --> 00:48:04,640
+واحد على أربعة، في اثنين على أربعة، وبهيك بكون أنا بدي
+
+607
+00:48:04,640 --> 00:48:13,800
+أعيد الحسبة تبعت لمين؟ لكل العناصر الموجودة، يعني الـ
+
+608
+00:48:13,800 --> 00:48:17,720
+probability للـ yes، طبعاً أنا فصلت لكم إيّاها عشان
+
+609
+00:48:17,720 --> 00:48:21,540
+ما تنسوهاش، لأن لاحظوا إن هي عبارة عن عملية ضرب
+
+610
+00:48:21,540 --> 00:48:26,320
+هادي لـ probability تبعت
+
+611
+00:48:26,320 --> 00:48:33,860
+الـ X على Ci، على class، تساوي لـ probability لمن؟ للـ
+
+612
+00:48:33,860 --> 00:48:42,700
+values x i على... هي بنجسّم الـ product للـ x i على
+
+613
+00:48:42,700 --> 00:48:50,080
+الـ class اللي موجودة عندها x j، والـ j equal 1 to n،
+
+614
+00:48:50,080 --> 00:48:57,240
+بعدد الـ attributes اللي موجودة عندها، الآن الـ
+
+615
+00:48:57,240 --> 00:49:03
+
+667
+00:53:34,950 --> 00:53:41,710
+Outlook equals sunny يا جماعة الخير اللي
+
+668
+00:53:41,710 --> 00:53:44,330
+هي الـ attribute الأول، خلاص هي إحنا هنعتمدها بالشكل
+
+669
+00:53:44,330 --> 00:53:50,330
+هذا على الـ yes مضروبة في الـ probability للـ mild
+
+670
+00:53:50,330 --> 00:53:54,070
+اللي هي الـ attribute الثاني على الـ yes مضروبة في
+
+671
+00:53:54,070 --> 00:53:56,830
+الـ probability للـ attribute الثالث اللي هي الـ low
+
+672
+00:53:56,830 --> 00:54:00,730
+على الـ yes، بنجي نسينيج، هي عمود الـ yes، كل شغل على
+
+673
+00:54:00,730 --> 00:54:07,740
+الكيون على العمود هذا، sunny هي الـ value، هي الـ
+
+674
+00:54:07,740 --> 00:54:17,800
+value، و normal هي هيها
+
+675
+00:54:17,800 --> 00:54:22,160
+normal normal
+
+676
+00:54:22,160 --> 00:54:28,680
+بس عشان الـ example يكون تمام، بالـ normal هيها الآن
+
+677
+00:54:28,680 --> 00:54:38,860
+بكل بساطة، أربعة على عشرة ضرب ثلاثة على أربعة ضرب واحد
+
+678
+00:54:38,860 --> 00:54:45,460
+على أربعة ضرب اثنين على أربعة، وإذا أنا بدي أطلع الـ calculator
+
+679
+00:54:45,460 --> 00:54:50,980
+على السريع عشان أشوف حسابة هل في فعلياً تأثير للـ
+
+680
+00:54:50,980 --> 00:54:52,140
+element هذا أو لأ
+
+681
+00:54:56,850 --> 00:55:04,090
+قولنا أربعة على عشرة ضرب ثلاثة على أربعة ضرب واحد
+
+682
+00:55:04,090 --> 00:55:13,790
+على أربعة ضرب، طفت الـ calculator، أربعة
+
+683
+00:55:13,790 --> 00:55:24,110
+تقسيم عشرة ضرب ثلاثة تقسيم أربعة ضرب واحد تقسيم
+
+684
+00:55:24,110 --> 00:55:24,750
+أربعة
+
+685
+00:55:27,550 --> 00:55:34,890
+ضرب اثنين تقسيم أربعة anyway
+
+686
+00:55:34,890 --> 00:55:41,550
+الـ calculator خذلتنا في الآخر، الـ probability لأنه
+
+687
+00:55:41,550 --> 00:55:45,750
+بدي أعمل الـ probability لأنه لنفس الـ instance M N
+
+688
+00:55:45,750 --> 00:55:49,070
+حتكون
+
+689
+00:55:49,070 --> 00:55:53,810
+الـ probability لأنه مضروبة
+
+690
+00:56:14,390 --> 00:56:17,910
+القيم المقابلة لهم اللي عمال يحوطهم باللون الأزرق
+
+691
+00:56:20,470 --> 00:56:23,350
+بالإضافة للقيمة الأخيرة، ما تنسوهاش طبعاً، هاي اللي
+
+692
+00:56:23,350 --> 00:56:27,190
+هي في الأول، الـ probability لأنه كلها حتصير في
+
+693
+00:56:27,190 --> 00:56:37,470
+عندها ستة على عشرة مضروبة في واحد على ستة مضروبة في اثنين على ستة
+
+694
+00:56:37,470 --> 00:56:46,630
+مضروبة في اثنين على ستة، طبعاً لو إحنا فعلياً ٣٦ المقام هنا
+
+695
+00:56:46,630 --> 00:56:51,010
+أكبر من هنا، فغالباً اللي بالنتيجة حتكون yes، والـ
+
+696
+00:56:51,010 --> 00:56:56,290
+computation هي اللي بتحكم الموضوع، بتمنى تكون الآن
+
+697
+00:56:56,290 --> 00:57:00,010
+أصبحت الصورة بالنسبة لنا واضحة، كيف الـ naive baysian
+
+698
+00:57:00,010 --> 00:57:04,410
+بيشتغل، الفكرة أنه أبني الجدول، إذا أنت بنيت أو أنت
+
+699
+00:57:04,410 --> 00:57:08,690
+بنيت الجدول صح، معناته أنا مافيش عندي مشكلة، طيب في
+
+700
+00:57:08,690 --> 00:57:11,010
+حالة، هذا مثال ثاني على السريع
+
+701
+00:57:14,970 --> 00:57:19,530
+بغض النظر، إحنا مش هنطول عليكم إن شاء الله تعالى، و
+
+702
+00:57:19,530 --> 00:57:22,550
+بنفترض إنكم حتكونوا متابعين معانا، وبيكونوا كأنّه
+
+703
+00:57:22,550 --> 00:57:28,790
+في فرصة تشتغلوا، وزيادة الآن، هاي الـ data set كام
+
+704
+00:57:28,790 --> 00:57:31,470
+attribute؟ ثلاثة على نفس الغرار الـ attribute
+
+705
+00:57:31,470 --> 00:57:34,210
+السابق، السابق اللي لها دخل في الموضوع؟ لأ، هذا رقم
+
+706
+00:57:34,210 --> 00:57:37,270
+العينة، أو رقم الـ sample، الـ class تبعتي binary
+
+707
+00:57:37,270 --> 00:57:41,210
+class، ما فرجتش كتير يا جماعة الخير، بدي أبني الجدول
+
+708
+00:57:41,210 --> 00:57:44,030
+السابق بالكامل
+
+709
+00:57:46,870 --> 00:57:52,690
+هو بيقولوا، بدوا مني لـ class، مصبوط، الـ attribute A1
+
+710
+00:57:52,690 --> 00:57:59,670
+إيش الـ attribute A1 فيه values؟ طبعاً هنا في عندي
+
+711
+00:57:59,670 --> 00:58:05,130
+yes، واحد أو صفر، واحد في الـ attribute الأول كام
+
+712
+00:58:05,130 --> 00:58:08,250
+value؟ في عندي صفر، واحد، اثنين، يعني في عندي three
+
+713
+00:58:08,250 --> 00:58:12,850
+values، صفر، واحد، اثنين، أنا بكتبه من مرتب أفضل
+
+714
+00:58:12,850 --> 00:58:14,830
+إليه، الـ attribute الثاني
+
+715
+00:58:17,880 --> 00:58:20,240
+مع الـ labels اللي موجودة، إيش في عندي برضه values؟
+
+716
+00:58:20,240 --> 00:58:29,700
+صفر، واحد، اثنين، برضه ما عندي مشكلة، صفر، واحد، اثنين، الـ attribute الثالث اللي
+
+717
+00:58:29,700 --> 00:58:33,800
+أنا هشتغل عليه فقط
+
+718
+00:58:33,800 --> 00:58:43,000
+قيمتين، واحد، اثنين، وهنا في الآخر الـ probability للـ class، الـ
+
+719
+00:58:43,000 --> 00:58:45,880
+probability للـ class تبعتي، جدّش الـ probability..
+
+720
+00:58:45,880 --> 00:58:50,900
+كام class فيه؟ عندي three classes، عفواً، مصبوط الـ..
+
+721
+00:58:50,900 --> 00:59:01,360
+واحد، اثنين، ثلاثة، هاتوا، هل بدنا كمان عمود الـ class
+
+722
+00:59:01,360 --> 00:59:06,540
+اللي موجود عندي هنا، واحد
+
+723
+00:59:06,540 --> 00:59:09,400
+اثنين، ثلاثة
+
+724
+00:59:11,920 --> 00:59:17,300
+أي، ثلاثة، الـ
+
+725
+00:59:17,300 --> 00:59:23,540
+class الأول، واحد، واحد، اثنين، ثلاثة، أربعة، أربعة على
+
+726
+00:59:23,540 --> 00:59:31,500
+عشرة، الـ class الثاني، اثنين، واحد، اثنين، ثلاثة، ثلاثة
+
+727
+00:59:31,500 --> 00:59:36,100
+على عشرة، وهدا الأخير، ثلاثة على عشرة، مجموعهم عشرة
+
+728
+00:59:36,100 --> 00:59:41,890
+على عشرة، بدي أجي للعلاقة العناصر مع الـ class الأول
+
+729
+00:59:41,890 --> 00:59:48,170
+اللي موجود عندي هنا، صفر و واحد، هاي صفر، هاي صفر
+
+730
+00:59:48,170 --> 00:59:52,410
+اثنين مع
+
+731
+00:59:52,410 --> 00:59:59,230
+الواحد، أربعة، الـ
+
+732
+00:59:59,230 --> 01:00:04,910
+class واحد، معناته اثنين على أربعة، وحتمًا.. حتماً
+
+733
+01:00:04,910 --> 01:00:11,020
+الصفر مع الـ class الثاني، صفر على عشرة.. صفر على
+
+734
+01:00:11,020 --> 01:00:18,160
+جدّش، الاثنين على ثلاثة، وهنا صفر على ثلاثة، ليش؟ لأن
+
+735
+01:00:18,160 --> 01:00:21,020
+هون فعلياً الصفر هادي بينت مرتين فقط مع الـ
+
+736
+01:00:21,020 --> 01:00:24,240
+attribute الأول، وبالتالي أنا هنا بشغل في الـ
+
+737
+01:00:24,240 --> 01:00:28,560
+attribute الأول، الـ value الثانية، الواحد، الواحد هي
+
+738
+01:00:28,560 --> 01:00:37,560
+في المربع، واحد، واحد، واحد، واحد، أربعة عناصر، برضه حتكون
+
+739
+01:00:37,560 --> 01:00:41,220
+عندها القيمة على أربعة يا جماعة الخير، ما تنساش، وهذه
+
+740
+01:00:41,220 --> 01:00:46,760
+حتكون على ثلاثة، وهذه حتكون على ثلاثة، الآن واحد و
+
+741
+01:00:46,760 --> 01:00:55,800
+واحد هي.. okay، وهي كمان واحد، ممتاز، يعني اثنين على
+
+742
+01:00:55,800 --> 01:00:59,880
+أربعة، اثنين
+
+743
+01:00:59,880 --> 01:01:07,100
+على أربعة، هذه واحدة، وهذه اثنين، طيب جدّش الواحد على
+
+744
+01:01:07,100 --> 01:01:14,440
+ثلاثة، واحد وثلاثة هيها، ما، واحد على ثلاثة، وجدّش
+
+745
+01:01:14,440 --> 01:01:20,220
+مع الواحد والاثنين هيها، الـ probability تبعتها، ضال
+
+746
+01:01:20,220 --> 01:01:25,140
+عند الـ value الأخيرة الموجودة
+
+747
+01:01:25,140 --> 01:01:31,320
+عندي لمين؟ للثنين، هي الثنين، هي الثنين، هي الثنين، في
+
+748
+01:01:31,320 --> 01:01:34,060
+عندي أربعة قيم، الأربعة قيم منهم
+
+749
+01:01:37,600 --> 01:01:41,080
+ولا واحدة مع الـ attribute أو مع الـ class الأول، صفر
+
+750
+01:01:41,080 --> 01:01:44,640
+على أربعة، ولو أنت جمعت فعلياً هنا، اثنين على أربعة
+
+751
+01:01:44,640 --> 01:01:50,720
+أو اثنين على أربعة، لازم يطلع معاك أربعة على أربعة
+
+752
+01:01:50,720 --> 01:01:54,040
+لأن هما الـ maximum أربعة، عفواً، إن هنا اثنين على
+
+753
+01:01:54,040 --> 01:02:00,060
+أربعة، الآن مع الواحد ولا مافيش شيء مع الاثنين هي
+
+754
+01:02:00,060 --> 01:02:04,880
+واحدة، هي اثنين، وبالتالي هنا
+
+755
+01:02:11,280 --> 01:02:16,080
+هذه اثنين على ثلاثة، وهذه اثنين على ثلاثة، لو جمعت
+
+756
+01:02:16,080 --> 01:02:18,420
+العناصر اللي موجودة عندي هنا، والعناصر اللي عندي
+
+757
+01:02:18,420 --> 01:02:21,660
+هنا، لازم تاخد ثلاثة وواحد صحيح، وهذه تاخد واحد
+
+758
+01:02:21,660 --> 01:02:27,000
+صحيح، كمليّة الجدول، نفس الصورة السابقة، حيكون الجدول
+
+759
+01:02:27,000 --> 01:02:32,980
+هيه عندي بالتمام، ومجرد إن أنا أعمل الجدول هذا
+
+760
+01:02:32,980 --> 01:02:39,420
+بيسهل عليّ جداً إن أحسب العناصر، خليني على السريع بس
+
+761
+01:02:39,420 --> 01:02:45,260
+أحط المثال الأخير، لو أنا افترضت إن أنا عندي واحد
+
+762
+01:02:45,260 --> 01:02:52,620
+واحد واثنين، ما أعرفش، أنا كتبت بشكل random، هل فعلياً
+
+763
+01:02:52,620 --> 01:02:57,380
+هذه إيش الاحتمال تبعتها إنّها تظهر عندي، أو إيش الـ
+
+764
+01:02:57,380 --> 01:03:02,560
+class تبعتها اللي توجد عندها، هذه مع الـ class الأول
+
+765
+01:03:02,560 --> 01:03:04,160
+بدي أحسبها
+
+766
+01:03:09,260 --> 01:03:16,820
+و بدي أحسبها مع الـ class الثاني، وبدي أحسبها مع الـ
+
+767
+01:03:16,820 --> 01:03:26,560
+class الثالث، طيب مع الـ class الأول، واحد، وين الـ
+
+768
+01:03:26,560 --> 01:03:31,440
+واحد؟ هيها يا جماعة الخير، الـ attribute الثاني برضه
+
+769
+01:03:31,440 --> 01:03:36,460
+واحد، الـ attribute الثالث كانت اثنين، هيها، معناته
+
+770
+01:03:36,460 --> 01:03:40,240
+أنا بدي آخذ الاحتمال تبع الـ row للـ class الأول
+
+771
+01:03:40,240 --> 01:03:49,580
+معناته أنا بدي أضرب القيم اللي عليها تحتها
+
+772
+01:03:49,580 --> 01:03:55,160
+الخط هذه في بعضها، الـ probability تبعتي الواحد
+
+773
+01:03:55,160 --> 01:03:59,160
+أربعة على عشرة مضروبة في الـ probability، واحد على
+
+774
+01:03:59,160 --> 01:04:03,440
+واحد، اللي هي attribute A1 equal واحد على واحد
+
+775
+01:04:03,440 --> 01:04:10,760
+مضروبة في الـ probability، A1A2 equal واحد على واحد، مضروبة
+
+776
+01:04:10,760 --> 01:04:15,000
+في الـ probability، الـ
+
+777
+01:04:15,000 --> 01:04:18,280
+probability للواحد as class، مضروبة في الـ
+
+778
+01:04:18,280 --> 01:04:23,440
+probability للـ A1 equal واحد على واحد، مضروبة في الـ
+
+779
+01:04:23,440 --> 01:04:29,860
+probability للـ A2 equal واحد على واحد، مضروبة في الـ
+
+780
+01:04:29,860 --> 01:04:36,420
+probability تبعت الـ A3 equal اثنين على الواحد، اللي هي
+
+781
+01:04:36,420 --> 01:04:39,640
+القيم اللي أنا حددتها، هيها، هذا بجيبها للـ class
+
+782
+01:04:39,640 --> 01:04:42,320
+الأول، بجيبها للـ class الثاني، بجيبها للـ class
+
+783
+01:04:42,320 --> 01:04:47,160
+الثالث، ومن ثم هاي
+
+784
+01:04:47,160 --> 01:04:52,300
+الحسبة اللي موجودة عندي الآن، بدور على الـ maximum
+
+785
+01:04:52,300 --> 01:05:00,970
+عندي ٢٥ من ألف، أربعة وأربعين، ٢٥٠ من عشرة آلاف، وأربعة وأربعين
+
+786
+01:05:00,970 --> 01:05:05,150
+من عشرة آلاف، و ١١١ من عشرة آلاف، الـ most
+
+787
+01:05:05,150 --> 01:05:10,610
+probability تبعتي، والـ maximum probability أربعة
+
+788
+01:05:10,610 --> 01:05:14,050
+من مئة، أكيد أكبر من اثنين من مئة، وأكبر من واحد من
+
+789
+01:05:14,050 --> 01:05:18,850
+مئة، وبالتالي أغلب الظن إن هذه الـ instance حتُصنّف
+
+790
+01:05:18,850 --> 01:05:23,750
+مع الـ class الثاني، مع الـ class الثاني، لكن أنا
+
+791
+01:05:23,750 --> 01:05:30,560
+انتبهت لشغلة وأنا بقى أشتغل في الحسبة، وهي إن الـ
+
+792
+01:05:30,560 --> 01:05:38,820
+instances اللي أنا كتبتها موجودة بس
+
+793
+01:05:38,820 --> 01:05:43,670
+إيش الـ class تبعتها؟ ثلاثة، يعني صار في عندي
+
+794
+01:05:43,670 --> 01:05:47,170
+misclassification، هل هذه مسئوليتي؟ لأ، مش مسئوليتي
+
+795
+01:05:47,170 --> 01:05:52,310
+أنا اشتغلت عليها لأن أَخْضَعْتها لاحتمالات تمام، وهذه
+
+796
+01:05:52,310 --> 01:05:55,770
+وزنها كان واحدة من العناصر اللي موجودة، لكن الـ node
+
+797
+01:05:55,770 --> 01:05:58,170
+تبعتي هذه حسب الاحتمالات أو حسب الـ naive baysian
+
+798
+01:05:58,170 --> 01:06:03,950
+بتطلع لمين؟ مع العنصر الـ class two اللي موجود
+
+799
+01:06:03,950 --> 01:06:09,130
+عندها، الآن زي ما قلنا، الـ Naive Bayesian، ختاماً للكلام
+
+800
+01:06:09,130 --> 01:06:11,950
+اللي إحنا اشتغلناه، طبعاً، يا جماعة الخير، في إنّكم data
+
+801
+01:06:11,950 --> 01:06:15,210
+set موجودة سابقاً في الـ examples السابقة، جرّبوا
+
+802
+01:06:15,210 --> 01:06:18,050
+عليها Naive Bayesian، ما تستناش، ما تقوليش،  ملّون، بدي
+
+803
+01:06:18,050 --> 01:06:20,270
+أسئلة، في عندك الـ data set اللي موجود في الـ slides
+
+804
+01:06:20,270 --> 01:06:23,960
+واللي أنا اشتغلت عليها سابقاً، كـ classifier في عنده
+
+805
+01:06:23,960 --> 01:06:25,960
+strict assumptions زي ما قلنا، about الـ data اللي
+
+806
+01:06:25,960 --> 01:06:28,400
+هو الـ independent attributes، والـ normal
+
+807
+01:06:28,400 --> 01:06:32,920
+distribution تبع الـ data اللي موجودة، وهذا بيخليه
+
+808
+01:06:32,920 --> 01:06:35,920
+fast، very fast، أو extremely fast في الـ training
+
+809
+01:06:35,920 --> 01:06:38,060
+وفي الـ prediction، في الـ training لأنه بيبني
+
+810
+01:06:38,060 --> 01:06:41,020
+الجدول مرة واحدة، وفي الـ prediction مافيش.. يعني
+
+811
+01:06:41,020 --> 01:06:43,540
+الـ computation تبعتها قليلة، straightforward
+
+812
+01:06:43,540 --> 01:06:47,900
+probabilistic prediction، بيعتمد على الـ
+
+813
+01:06:47,900 --> 01:06:52,640
+probabilities تماماً، على الاحتمالات، سهل جداً إنّي أفسر
+
+814
+01:06:52,640 --> 01:06:58,620
+ليش طلع هيك، مش بحاجة إنّي أعمل tuning لـ parameter
+
+815
+01:06:58,620 --> 01:07:06,120
+لأن فعلياً أنا ما شفتش أي حاجة بيطلب مني بما
+
+816
+01:07:06,120 --> 01:07:12,360
+إنّه في عندي strict and
+
+817
+01:07:12,360 --> 01:07:17,040
+complicated
+
+818
+01:07:17,040 --> 01:07:22,370
+model، فعلياً الـ Naive Bayesian زي ما إحنا شفنا في
+
+819
+01:07:22,370 --> 01:07:30,490
+حسابه سهل، نعم، لكنه مش سهل إنّي أطبقه في كل مكان، طبعاً
+
+820
+01:07:30,490 --> 01:07:35,690
+ما هي المطلوب إن أنا فعلياً، وين أنا بدي أروح أطبق
+
+821
+01:07:35,690 --> 01:07:38,330
+الـ Naive Bayesian؟ فعلياً أنا بقدر أروح أستخدمه أو
+
+822
+01:07:38,330 --> 01:07:40,990
+ممكن اشتغل كويس لما يكون الـ Naive Assumption
+
+823
+01:07:40,990 --> 01:07:46,240
+فعلياً موجودة مع الـ data، يعني بين قوسين أنا شبه
+
+824
+01:07:46,240 --> 01:07:49,320
+متأكد إن الـ attributes اللي عندي كلها independent
+
+825
+01:07:49,320 --> 01:07:53,740
+attributes، لكن أنت الكلام متأكد منه ولا مش متأكد
+
+826
+01:07:53,740 --> 01:07:57,840
+منه؟ ما بعرفش، ما بيعرفش، الحل كيف بتتأكد من الـ
+
+827
+01:07:57,840 --> 01:08:00,740
+dependency من الـ attributes؟ بدك ترجع للـ data
+
+828
+01:08:00,740 --> 01:08:03,940
+preparation وتفحص الـ correlation ما بين الـ
+
+829
+01:08:03,940 --> 01:08:07,600
+attributes، وزي ما شفنا في عندنا الـ chi-square، و
+
+830
+01:08:07,600 --> 01:08:12,230
+في عندنا إيش كمان؟ الـ Pearson coefficient، إلى
+
+831
+01:08:12,230 --> 01:08:16,010
+آخره هو، بناءً على هيك أنت بتصير تدور على تفهم الـ
+
+832
+01:08:16,010 --> 01:08:19,310
+data set أكثر، very well separated categories، لما
+
+833
+01:08:19,310 --> 01:08:22,350
+يكون الـ categories اللي عنده فعلياً finite، و
+
+834
+01:08:22,350 --> 01:08:26,130
+مفصلين عن بعض، مافيش بينهم يعني، بين قوسين الـ data
+
+835
+01:08:26,130 --> 01:08:29,830
+set بتفرج بشكل كويس، وإحنا لاحظنا في المثال السابق
+
+836
+01:08:29,830 --> 01:08:33,070
+إنّه فعلياً عمل misclassification للـ point اللي
+
+837
+01:08:33,070 --> 01:08:36,870
+موجودة عندها، very high dimensional data، لما تكون
+
+838
+01:08:36,870 --> 01:08:41,870
+الـ data تبعتي عالية جداً، أو فيها عدد كبير من الـ
+
+839
+01:08:41,870 --> 01:08:45,630
+attributes، ممكن أنا أشتغل، آخر شغلة في محاضرتنا هي
+
+840
+01:08:45,630

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/cUQb5hESOvo_postprocess.srt

@@ -0,0 +1,3504 @@
+1
+00:00:05,030 --> 00:00:08,110
+أعوذ بالله السلام عليهم باسم الله الرحمن الرحيم
+
+2
+00:00:08,110 --> 00:00:11,910
+الحمد لله والصلاة والسلام على رسول الله أهلا وسهلا
+
+3
+00:00:11,910 --> 00:00:15,150
+فيكم او ناسأل الله لكم و لنا السلام دائما و لجميع
+
+4
+00:00:15,150 --> 00:00:18,710
+المسلمين و ان شاء الله بتزولها الغمة و بنلقاكم من
+
+5
+00:00:18,710 --> 00:00:22,220
+جديداللي اليوم هنستقنف مع بعض ان شاء الله تعالى
+
+6
+00:00:22,220 --> 00:00:27,400
+المحاضرات المصورة لموضوع ال data mining ومن ثم
+
+7
+00:00:27,400 --> 00:00:31,100
+هنعمل review سريعة لو احنا وقفنا .. كنا بدينا في
+
+8
+00:00:31,100 --> 00:00:33,800
+chapter data mining .. data mining chapter تلاتة
+
+9
+00:00:33,800 --> 00:00:36,760
+في ال classification وقلنا ال classification هي
+
+10
+00:00:36,760 --> 00:00:40,600
+عبارة عن classical task تقليدية او المهمة
+
+11
+00:00:40,600 --> 00:00:43,680
+التقليدية في ال machine learning هدفها ان انا
+
+12
+00:00:43,680 --> 00:00:49,160
+فعليا اعمل prediction لdiscrete او لنومينال value
+
+13
+00:00:49,160 --> 00:00:52,240
+اللي حسمناها ال categorial value و لما حاولنا نعرف
+
+14
+00:00:52,240 --> 00:00:55,240
+ال classification مع بعض كنتوا فاكرين كنا بنقول ان
+
+15
+00:00:55,240 --> 00:00:59,320
+ال classification هي عبارة عن عملية لتحديد عضوية
+
+16
+00:00:59,320 --> 00:01:06,530
+العناصر إلى مجموعات معرفة مسبقاوتكلمنا أو حطينا
+
+17
+00:01:06,530 --> 00:01:09,770
+الرسم هاي على السريع وقلنا انه هذه هي بتمثل ال
+
+18
+00:01:09,770 --> 00:01:13,230
+model تبع ال classification انه انا بزود ال raw
+
+19
+00:01:13,230 --> 00:01:16,390
+data بحدد ال algorithm ال algorithm بيبني model
+
+20
+00:01:16,390 --> 00:01:19,110
+وال model بعد هيك المفروض يكون قادر على ال
+
+21
+00:01:19,110 --> 00:01:25,180
+prediction بشكل صحيح وبالتاليالـ classification هي
+
+22
+00:01:25,180 --> 00:01:28,920
+عبارة عن تقنية يستخدم في موضوع ال prediction
+
+23
+00:01:28,920 --> 00:01:34,080
+للممبرشب لعضوية العناصر المجموعة واتكلمنا انه
+
+24
+00:01:34,080 --> 00:01:37,620
+فعليا في ال classification task انا فيه عندي two
+
+25
+00:01:37,620 --> 00:01:40,300
+steps اي classification task عشان انجزها انا فيه
+
+26
+00:01:40,300 --> 00:01:43,460
+عندي two steps الأولى ال construction للموديل
+
+27
+00:01:43,460 --> 00:01:47,160
+ابناء الموديل بحيث انه انا احاول من خلال الخطوات
+
+28
+00:01:47,160 --> 00:01:53,090
+هذه اتعرف علىعلاقة الـ attribute مع ال class اتعرف
+
+29
+00:01:53,090 --> 00:01:55,490
+على علاقة ال attribute بال class وهذه بيسميناها
+
+30
+00:01:55,490 --> 00:01:58,890
+مرحلة لل training واللي دائما باخد جزء من ال data
+
+31
+00:01:58,890 --> 00:02:02,450
+set اللي بيسميها ال training set وشوفنا مثالها ده
+
+32
+00:02:02,450 --> 00:02:05,410
+سابقا اللحظة التانية او المحل الخطوة التانية اللي
+
+33
+00:02:05,410 --> 00:02:08,890
+هي ال model usage استخدامه بحيث انه انا اوجد ال
+
+34
+00:02:08,890 --> 00:02:13,090
+label او ال target class ل data set او عفوا ل
+
+35
+00:02:13,090 --> 00:02:18,970
+sample set موجودة عندى مسبقاوقلنا مهم جدا ان ال
+
+36
+00:02:18,970 --> 00:02:21,450
+model او ال classification model تبعي يتمتع بال
+
+37
+00:02:21,450 --> 00:02:24,790
+accuracy بالدقة بال speed سرعة ال computation
+
+38
+00:02:24,790 --> 00:02:28,110
+الموجودة robustness ال robustness اللى مبسوط فيها
+
+39
+00:02:28,110 --> 00:02:33,710
+اللى مجددش قدرة ال classifier هذا علىانه يتعامل او
+
+40
+00:02:33,710 --> 00:02:36,950
+يقدر يديني اكيرية prediction لما تكون ال data
+
+41
+00:02:36,950 --> 00:02:39,370
+بتحتوي على noise او missing data اتكلمنا عن
+
+42
+00:02:39,370 --> 00:02:42,830
+scalability و ال interpretability لل data set او
+
+43
+00:02:42,830 --> 00:02:46,910
+عفوا لل classifier و بيقولنا هذه مجموعة من ال
+
+44
+00:02:46,910 --> 00:02:50,050
+algorithms الموجودة و كنا المحاضرة الماضية هنا مع
+
+45
+00:02:50,050 --> 00:02:53,850
+بعض في اخر محاضرة ال canary's neighbor طبعا لو انا
+
+46
+00:02:53,850 --> 00:02:57,880
+سألت الآن سؤال و المفروض منك انت هيك تاخد لحظةجبل
+
+47
+00:02:57,880 --> 00:03:02,460
+ما انت تجاوبني، على إيش كان الـk-nearest neighbor
+
+48
+00:03:02,460 --> 00:03:08,700
+بيعتمد؟ المفروض الآن انت تبدأ تفكر في الإجابة الـk
+
+49
+00:03:08,700 --> 00:03:11,760
+-nearest neighbor بيعتمد على تصنيف العناصر تبعا
+
+50
+00:03:11,760 --> 00:03:17,360
+للنقاط المجاورة له وقولنا هذا هو عن واحد من
+
+51
+00:03:17,360 --> 00:03:20,530
+الـinstance basedفاكرين معايا ايش هو؟ انا كنا
+
+52
+00:03:20,530 --> 00:03:23,850
+بنتكلم ايش هو؟ Instance Based Instance Based يعني
+
+53
+00:03:23,850 --> 00:03:28,250
+بيعتمد على ال data set بدون بناء model بيعتمد على
+
+54
+00:03:28,250 --> 00:03:33,050
+ال data set بدون بناء ال models الموجودة وبالتالي
+
+55
+00:03:33,050 --> 00:03:38,230
+مافيش عندي اي model ولا بيعتمد فقط على العمل في ال
+
+56
+00:03:38,230 --> 00:03:41,650
+memory يعني بين ال جسيم ال computation وهذا بيديني
+
+57
+00:03:41,650 --> 00:03:46,580
+دائماالـ Result تبعته بناءً على ال majority تبعت
+
+58
+00:03:46,580 --> 00:03:49,600
+للجيران اللي موجود عينيه هان وقلنا بال K إنه أنا
+
+59
+00:03:49,600 --> 00:03:53,440
+لازم أحدد عدل العناصر اللي موجودة عينيهان ومرينا
+
+60
+00:03:53,440 --> 00:03:57,600
+بشكل سريع وقلنا كيف بحسب التشابه أو بحسب القرب أو
+
+61
+00:03:57,600 --> 00:04:00,680
+البعد ما بين النقاط أو ال objects وقلنا بيعتمد على
+
+62
+00:04:00,680 --> 00:04:03,740
+شغلة بنسميها similarity function و ال similarity
+
+63
+00:04:03,740 --> 00:04:06,620
+function هي لما تكون عندي أرقام معناته أنا بتكلم
+
+64
+00:04:06,620 --> 00:04:09,180
+على Euclidean distance أو Manhattan distance أو
+
+65
+00:04:09,180 --> 00:04:12,750
+غيرها من الشغلات هي وشوفنا المعادلاتمع بعضنا
+
+66
+00:04:12,750 --> 00:04:17,110
+وفرقنا بينهم وبين العناصر اللي موجودة ايش بيتطلب
+
+67
+00:04:17,110 --> 00:04:19,510
+من ال kennery snippet حسب ما شرحنا المحاضرة
+
+68
+00:04:19,510 --> 00:04:23,610
+الأخيرة كان بيتطلب مني ان احدد ال K و هي قولنا عدد
+
+69
+00:04:23,610 --> 00:04:26,910
+الجيران اللي انا بدي اعمل بينهم voting يعني لو
+
+70
+00:04:26,910 --> 00:04:30,150
+قولنا انا والله بدي اصنف الجار هذا او بدي اصنف ال
+
+71
+00:04:30,150 --> 00:04:32,330
+object الجديدة بناء على العناصر اللي موجودة
+
+72
+00:04:32,330 --> 00:04:36,210
+وبالتالي انا قاعد بقى اتكلم انه انا في عندى فعليا
+
+73
+00:04:37,240 --> 00:04:41,100
+عشر جيران حسب أغلبيتهم الأغلبية طبعا بتكلم هنا على
+
+74
+00:04:41,100 --> 00:04:45,880
+ستة الست إيش بتصنفه بروح بصنفهم تبع للست اللي
+
+75
+00:04:45,880 --> 00:04:50,720
+موجودين عندى بدي أحدد ال distance method اللي بدي
+
+76
+00:04:50,720 --> 00:04:53,940
+أستخدمها ك metric وبالتالي أنا بعد ما حددت ال K
+
+77
+00:04:53,940 --> 00:04:58,240
+بحسب ال distance بين ال sample اللي موجودة عندى
+
+78
+00:04:58,240 --> 00:05:01,300
+وكل ال data set اللي أو ال training set اللي
+
+79
+00:05:01,300 --> 00:05:04,580
+موجودة عندى هنا ممكن اعتمد ال Euclidean او ال
+
+80
+00:05:04,580 --> 00:05:08,410
+Manhattanبرتب البيانات وقولنا هذي موضوع الترتيب مش
+
+81
+00:05:08,410 --> 00:05:11,650
+مهم إلا غير لما تكون ال data set كبيرة بصير عليه
+
+82
+00:05:11,650 --> 00:05:16,150
+حصر عليه بسهل عليه أن أحصر العناصر الأقصر ال
+
+83
+00:05:16,150 --> 00:05:21,810
+kenyerist مجموعة العناصر العشرة أصحاب أقصر مسافة
+
+84
+00:05:21,810 --> 00:05:25,130
+ما بين ال sample الموجودين عندها بعمل بينهم voting
+
+85
+00:05:25,130 --> 00:05:28,300
+بحيث أن احدد المجارتينوشوفنا ال example الموجود
+
+86
+00:05:28,300 --> 00:05:33,040
+هنا وكيف اشتغلنا على ال Eclidean واذا بتتذكروا
+
+87
+00:05:33,040 --> 00:05:36,220
+المفروض ان المعادلة تبعتنا هذه حسب ال Eclidean
+
+88
+00:05:36,220 --> 00:05:40,420
+distance فيها الجدر التربيعي وطبعا لجماعة الخير
+
+89
+00:05:40,420 --> 00:05:43,440
+لما احنا بنتكلم الجدر التربيعي والجدر التربيعي
+
+90
+00:05:43,440 --> 00:05:48,400
+موجود في كل المعادلات انا من باب المقارنة ممكن انا
+
+91
+00:05:48,400 --> 00:05:54,050
+استغني عنه لأنه الكبير تحت الجدرأو أكبر عنصر تحت
+
+92
+00:05:54,050 --> 00:05:58,490
+الجذر هيظل أكبر عنصر خارج .. برا الجذر لما أنا ..
+
+93
+00:05:58,490 --> 00:06:03,670
+يعني مثلا جذر ال 16، جذر ال 25، جذر ال 13، جذر
+
+94
+00:06:03,670 --> 00:06:06,850
+التسعة، أصغر واحدة فيهم جذر التسعة، اللي هي تلاتة
+
+95
+00:06:08,510 --> 00:06:12,350
+هو أكبر واحدة فيهم جذر الخمسة وعشرين خمسة كذلك
+
+96
+00:06:12,350 --> 00:06:15,570
+الخمسة وعشرين هي أكبر value والتسعة هي أصغر value
+
+97
+00:06:15,570 --> 00:06:18,490
+موجودة عندي وبالتالي كنت أنا بقول انه ممكن من
+
+98
+00:06:18,490 --> 00:06:21,550
+ناحية calculation على السريع عشان أنا أخلص من
+
+99
+00:06:21,550 --> 00:06:26,930
+المقارنات السريعة ممكن أستغني عن الجذر التربيعي
+
+100
+00:06:26,930 --> 00:06:32,470
+وابقى ما زلت بتكلم على ال Eclidean distance وشوفنا
+
+101
+00:06:32,470 --> 00:06:36,150
+مع بعض ال example وانتهينا من ال example هذا قلنا
+
+102
+00:06:36,150 --> 00:06:40,660
+في حالةان والله كانت ال data set اللي موجودة عندي
+
+103
+00:06:40,660 --> 00:06:44,960
+بتحتوي على nominal attributes او categorial
+
+104
+00:06:44,960 --> 00:06:48,300
+attributes قلنا هان بيلزمني ان انا فعليا اشوف
+
+105
+00:06:48,300 --> 00:06:52,260
+طريقة لان مابقدرش احسب مسافة ما بين عنصرين لو
+
+106
+00:06:52,260 --> 00:06:57,080
+اجينا اقول انا والله مثلا انا male و female في ال
+
+107
+00:06:57,080 --> 00:07:02,760
+gender attribute ال distance بينهم جداش مش هقدر
+
+108
+00:07:02,760 --> 00:07:08,840
+اتكلم عليهم وبالتالي الآن لو اجينا اقول انا احمدو
+
+109
+00:07:08,840 --> 00:07:14,120
+أحمد مع ال E اللي في الوسط هنا جدّيش ال distance
+
+110
+00:07:14,120 --> 00:07:17,120
+بينهم طبعا إحنا متفقين إن الأسماء مابتدخلش في
+
+111
+00:07:17,120 --> 00:07:20,200
+الحسبة اللي عندي لأنه دائما useless وبالتالي أنا
+
+112
+00:07:20,200 --> 00:07:23,900
+خلال ال preparation بقى أشيلها لكن في الآخر لما
+
+113
+00:07:23,900 --> 00:07:26,580
+بكون أنا في عندي string أو text أو زي ما سمناها
+
+114
+00:07:26,580 --> 00:07:29,520
+لغة ال data mining categorical data أو nominal
+
+115
+00:07:29,520 --> 00:07:33,170
+dataكيف بدي أحسبهم أو بدي أحسب المقارنة بينهم؟ هذا
+
+116
+00:07:33,170 --> 00:07:35,970
+الكلام صعب في الـEuclidean distance و المنهاتين
+
+117
+00:07:35,970 --> 00:07:40,510
+فلو في الكنياري سنيبر فبتصير أنا أشتغل هل فعليا ال
+
+118
+00:07:40,510 --> 00:07:43,730
+term هدولة match إذا كانت ال two terms match
+
+119
+00:07:43,730 --> 00:07:47,050
+معناته بحطلهم صفر إذا ال two terms مختلفات يعني
+
+120
+00:07:47,050 --> 00:07:50,590
+أبعد ما يمكن عن بعض أو بعاد عن بعض بحط الفرق بينهم
+
+121
+00:07:50,590 --> 00:07:56,170
+واحد وطبعا حكينا بعد هي كده عن مهمية ال scaling في
+
+122
+00:07:56,170 --> 00:08:01,120
+موضوع الكنياري سنيبروقلنا من أهمه .. أهم ميزاته
+
+123
+00:08:01,120 --> 00:08:04,160
+robustness باتجاه الـ noisy data و ال
+
+124
+00:08:04,160 --> 00:08:08,420
+effectiveness في موضوع مرحلة ال training ال
+
+125
+00:08:08,420 --> 00:08:13,100
+disadvantages تحديد ال K .. أي K هي الأكتر مناسبة
+
+126
+00:08:13,100 --> 00:08:17,740
+للموضوع اللي أنا بأشغل عليه ال distanceمفهوم not
+
+127
+00:08:17,740 --> 00:08:20,380
+clear خصوصا لما ظهرت عندي ال categorical data و
+
+128
+00:08:20,380 --> 00:08:23,940
+هذه موجودة عندها ال computation cost عالية تخيل ال
+
+129
+00:08:23,940 --> 00:08:27,040
+data set فيها مائة الف record وبالتالي لما انا بدي
+
+130
+00:08:27,040 --> 00:08:29,680
+اعمل evaluation او عفوا بدي اعمل prediction ل
+
+131
+00:08:29,680 --> 00:08:34,520
+class ل one example معناته بيدروح احسبمئة ألف
+
+132
+00:08:34,520 --> 00:08:38,180
+distance طيب لو كانت في عندي في المقابل في عندي
+
+133
+00:08:38,180 --> 00:08:42,960
+عشرة او مية بدي اعملهم testing مية في مائة ��لف
+
+134
+00:08:42,960 --> 00:08:46,440
+معناته احنا صارنا بتكلمها عشرة مليون تقريبا
+
+135
+00:08:46,440 --> 00:08:51,160
+computation وبالتالي العملية شوية هتاخد مني وجهة
+
+136
+00:08:51,160 --> 00:08:55,540
+طويلة الان لما شوفنا ال code أهم في ال code السادق
+
+137
+00:08:55,540 --> 00:09:00,890
+اذا كنا بتتذكروا معانا بدي اعمل importأخذت من أسكي
+
+138
+00:09:00,890 --> 00:09:08,330
+لير نيبرز أسكي لير نيبرز نيبرز أسكي لير نيبرز
+
+139
+00:09:08,330 --> 00:09:11,520
+نيبرز نيبرزتبعت ال K nearest neighbor و اتديته ال
+
+140
+00:09:11,520 --> 00:09:15,420
+K تبعتي equal خمسة و هنا نتذكر قلنا دائما ال X
+
+141
+00:09:15,420 --> 00:09:18,680
+تبعتك او ال K تبعتك لازم تكون فيها لازم تكون large
+
+142
+00:09:18,680 --> 00:09:22,660
+enough و تكون دائما تقدر تديني ال predictions او
+
+143
+00:09:22,660 --> 00:09:25,780
+تعمل ال voting الصح لأنه مش معقول مثلا تكون في
+
+144
+00:09:25,780 --> 00:09:28,640
+عندي two binary او two labels و اروح اقول والله
+
+145
+00:09:28,640 --> 00:09:32,510
+بدي اخد مثلا اربعة او ستةستة يعني الاحتمال انه
+
+146
+00:09:32,510 --> 00:09:35,270
+ممكن يكون خمسة خمسة على الاقل انا بحتاج اد في حالة
+
+147
+00:09:35,270 --> 00:09:38,510
+ال binary classification عشان اقدر انه ال voting
+
+148
+00:09:38,510 --> 00:09:42,710
+بينحاز لواحد من ال classes اللي موجودة عندهم و
+
+149
+00:09:42,710 --> 00:09:46,950
+اتذكر تماما و اتذكروا جميعا انه انا هلأ لما اتكلمت
+
+150
+00:09:46,950 --> 00:09:50,050
+على ال kenya restaurantneighbors و اديته ال test
+
+151
+00:09:50,050 --> 00:09:53,110
+attribute test sample تبعتي اللي انا بنيتها هان و
+
+152
+00:09:53,110 --> 00:09:56,710
+مع ال key تبعتي ال equal خمسة فعليا راح اداني من
+
+153
+00:09:56,710 --> 00:09:59,990
+هم العناصر هدول و جداش ال distances اللي موجودة
+
+154
+00:09:59,990 --> 00:10:03,890
+بينهم وضل علي انا ان ارجع على ال data set اجيب ال
+
+155
+00:10:03,890 --> 00:10:07,830
+label تبعتي العناصر هدول و اعمل بينهم voting كان
+
+156
+00:10:07,830 --> 00:10:11,530
+هذا .. لحد احنا نهينا محاضرتنا السادقة عند ال
+
+157
+00:10:11,530 --> 00:10:16,340
+example هذا و بتمنىان يكون انجحت على عجالة ان
+
+158
+00:10:16,340 --> 00:10:22,180
+اذكرك بعد انقطاع اسبوع من الدراسة بما سبق في موضوع
+
+159
+00:10:22,180 --> 00:10:26,760
+ال classificationلكن تعالى نشوف قبل ما ننتقل
+
+160
+00:10:26,760 --> 00:10:29,320
+للموضوع الجديد تعالى نشوف هذا المثال المفروض ان
+
+161
+00:10:29,320 --> 00:10:31,700
+هذا المثال مش موجود معاكوا في ال slides فانت
+
+162
+00:10:31,700 --> 00:10:34,100
+المفروض انت المفروض ال slides معاكوا و بتبدوا
+
+163
+00:10:34,100 --> 00:10:38,840
+تراجعوا عليها باستمرار لو انا نظرتلك لل attributes
+
+164
+00:10:38,840 --> 00:10:42,800
+او لل data set اللي موجودة عندهان وجاوب معايا او
+
+165
+00:10:42,800 --> 00:10:46,240
+جاوبوا معايا على السؤال التالي ايش ال data type
+
+166
+00:10:46,240 --> 00:10:50,840
+تبع ال outlook المفروض
+
+167
+00:10:50,840 --> 00:10:52,360
+nominal صحيح
+
+168
+00:10:55,100 --> 00:11:00,320
+الـ data type تبع ال temperature numeric
+
+169
+00:11:00,320 --> 00:11:03,800
+وإن
+
+170
+00:11:03,800 --> 00:11:10,700
+قلت انت ratio او ال interval كلامك صحيح ك interval
+
+171
+00:11:10,700 --> 00:11:15,300
+مش ك ratio nominal nominal ال golf play أو play
+
+172
+00:11:15,300 --> 00:11:18,820
+golf binary classification يعني عندي two labels
+
+173
+00:11:18,820 --> 00:11:23,160
+yes و no حسب ال data set اللي موجودة عندي و
+
+174
+00:11:23,160 --> 00:11:29,460
+المطلوب ان اناأروح أجيب ال class تبعت ال instance
+
+175
+00:11:29,460 --> 00:11:36,100
+اللي فيها ال sunny وهذه طبعا في ال outlook ال
+
+176
+00:11:36,100 --> 00:11:39,800
+temperature بعد
+
+177
+00:11:39,800 --> 00:11:44,440
+هي كان ال humidity و ال windy
+
+178
+00:11:47,670 --> 00:11:51,910
+الان مع الـ K equal واحد والـ K equal تلاتة والـ K
+
+179
+00:11:51,910 --> 00:11:56,670
+equal خمسة طبعا ملاحظين بالمثال الآن في الأمثلة
+
+180
+00:11:56,670 --> 00:11:59,610
+السابقة اللي اشتغلنا عليها كانت فقط عند الـ
+
+181
+00:11:59,610 --> 00:12:03,250
+numeric data طب الآن لأ صار في عندي nominal وفي
+
+182
+00:12:03,250 --> 00:12:06,840
+عندي numericطبعا ليش المثال هذا أنا تعمدت أجيبه
+
+183
+00:12:06,840 --> 00:12:09,840
+اليوم تعمدت أجيبه عشان أقولك في الحالة اللي زي هذه
+
+184
+00:12:09,840 --> 00:12:13,520
+أنا هتكون في عندي dominant attribute يعني في عندي
+
+185
+00:12:13,520 --> 00:12:17,800
+attribute هو المسيطر هو اللي هياخد ال data set أو
+
+186
+00:12:17,800 --> 00:12:20,920
+ال classification process بمنحاه يعني بينجو سين هو
+
+187
+00:12:20,920 --> 00:12:25,040
+هيكون صاحب القرار تخيل خلينا نشتغل مع بعض من باب
+
+188
+00:12:25,040 --> 00:12:29,450
+التسهيل نشتغل على موضوع المنهات in distanceحسب الـ
+
+189
+00:12:29,450 --> 00:12:31,610
+Manhattan distance يعني انا بدي استخدم الـ
+
+190
+00:12:31,610 --> 00:12:34,170
+absolute value هو بيقول في ال Manhattan ال
+
+191
+00:12:34,170 --> 00:12:44,510
+summation لل X ناقص X واحد X اتنين و I اعفوا I
+
+192
+00:12:44,510 --> 00:12:50,490
+واحد و I اتنين و I equal واحد مع كل ال attributes
+
+193
+00:12:50,490 --> 00:12:53,550
+اللي موجودة عندها هذا في حالة ال numerical طب في
+
+194
+00:12:53,550 --> 00:12:58,760
+حالة ال ..الـ nominal معناته انا بدي استخدم صفر في
+
+195
+00:12:58,760 --> 00:13:02,760
+حالة التساوي الواحد في حالة الاختلاف وبالتالي
+
+196
+00:13:02,760 --> 00:13:07,080
+بتصير المعادلة اللي عندي هان الان sunny و sunny
+
+197
+00:13:07,080 --> 00:13:17,740
+الفرق بينهم zero زائد ال absolute value 45 ناقص 18
+
+198
+00:13:17,740 --> 00:13:27,830
+زائد high و normal الاختلاف واحدزائد true و false
+
+199
+00:13:27,830 --> 00:13:32,330
+اختلاف بينهم واحد معناته هي القيمة اللي موجودة
+
+200
+00:13:32,330 --> 00:13:39,150
+عندى اللي بعدها sunny zero زائد تلاتة و أربعين
+
+201
+00:13:39,150 --> 00:13:46,890
+ناقص تمانتعش زائد high واحدة مختلفة true zero و
+
+202
+00:13:46,890 --> 00:13:50,710
+هكذا طبعا حنا بنتكلم احنا عندى هنا سبعة و عشرين
+
+203
+00:13:50,710 --> 00:13:54,290
+سبعة و عشرين و اتنين هنا تسعة و عشرين هنا في عندى
+
+204
+00:14:20,610 --> 00:14:24,670
+ملاحظين دائما ال attribute الخاص بال temperature
+
+205
+00:14:24,670 --> 00:14:25,050
+هنا
+
+206
+00:14:27,900 --> 00:14:31,880
+هيكون هو الـ dominant attribute لأنه فعليا المساء
+
+207
+00:14:31,880 --> 00:14:35,480
+هو اللي بيقرر وزنه او ال scale تبعته ال weight
+
+208
+00:14:35,480 --> 00:14:38,800
+تبعته في موضوع ال computation تبعتي بتفرق كبير
+
+209
+00:14:38,800 --> 00:14:43,960
+كتير عن العناصر التانية او ال attributes التانية
+
+210
+00:14:43,960 --> 00:14:48,040
+اللي موجودة طيب بدنا نكمل ال computation هنكمل ال
+
+211
+00:14:48,040 --> 00:14:51,420
+computation هاي ال computation بالكامل موجودة الآن
+
+212
+00:14:51,420 --> 00:14:53,040
+قدامي ممتاز
+
+213
+00:15:00,250 --> 00:15:02,470
+طبعا مافيش مشكلة .. مش فارق .. احنا اتفقنا سابق ان
+
+214
+00:15:02,470 --> 00:15:05,530
+جربنا بال inclusion جربنا بالمنهاتين وماكانش كتير
+
+215
+00:15:05,530 --> 00:15:09,010
+الفرق ما بينهم ..الان تسعة و عشرين .. ستة و عشرين
+
+216
+00:15:09,010 --> 00:15:11,970
+.. ستة و عشرين .. واحد و عشرين .. الى اخره .. بدي
+
+217
+00:15:11,970 --> 00:15:15,350
+حسب ال Kenya nearest neighbor ..الان يا جماعة
+
+218
+00:15:15,350 --> 00:15:20,190
+الخير بدك تنتبه لشغل مهم جدا .. بالمثال هذا واضح
+
+219
+00:15:20,190 --> 00:15:23,090
+ان في عندي high distance اعطتني اتنين
+
+220
+00:15:26,920 --> 00:15:31,440
+تنين وهي كمان واحدة تنين لما أنا بدي أعمل sorting
+
+221
+00:15:31,440 --> 00:15:34,600
+تبع لل distance حسب الخطوة السابقة اللي حكينا فيها
+
+222
+00:15:34,600 --> 00:15:38,860
+أول واحدة لإنه هذه .. لما يقولوا sort لل data set
+
+223
+00:15:38,860 --> 00:15:44,660
+تبع لل distance اللي صارت التنين هذه هتظهر أول
+
+224
+00:15:44,660 --> 00:15:49,780
+واحدة ليش؟ لأنه الآن لما بتتساوى القيم بصير ظهور
+
+225
+00:15:49,780 --> 00:15:52,800
+تبع ال value هو الأول هو اللي بياخد في الترتيب
+
+226
+00:15:53,670 --> 00:15:56,810
+الظهور تبع ال values هي اللي بتاخد في الترتيب
+
+227
+00:15:56,810 --> 00:16:00,570
+وبالتالي هذي هتكون أول واحدة فوق الآن لو انا و ال
+
+228
+00:16:00,570 --> 00:16:03,390
+key and nearest neighbor equal one ايش ال key
+
+229
+00:16:03,390 --> 00:16:09,510
+تبعتي او ال label تبعتي true وبالتالي هتكون عندي
+
+230
+00:16:09,510 --> 00:16:15,170
+yes طيب في حالة ان ال key تبعتي equal تلاتة تلاتة
+
+231
+00:16:15,170 --> 00:16:20,210
+هي واحدة تنتين تلاتة معناته هي واحدة هي تنتين هي
+
+232
+00:16:20,210 --> 00:16:26,420
+تلاتةالـ majority بينهم تنتين yes و واحدة no يعني
+
+233
+00:16:26,420 --> 00:16:33,080
+بنتكلم على 66% yes و 33% no وبالتالي ال majority
+
+234
+00:16:33,080 --> 00:16:39,420
+تبعتي ل playing golf equal yes تمام الخطوة الأخيرة
+
+235
+00:16:39,420 --> 00:16:44,540
+لو أنا قلتله K equal خمسة K equal خمسة معناته بده
+
+236
+00:16:44,540 --> 00:16:51,320
+يدور على ال shortest distances أي واحدة تنتينهذه
+
+237
+00:16:51,320 --> 00:17:00,640
+تلاتة وهذه أربعة وهذه خمسة ال label سبعتهم واحدة
+
+238
+00:17:00,640 --> 00:17:07,980
+تنتين تلاتة أربعة وهذه خمسةالآن بدي أعمل voting ما
+
+239
+00:17:07,980 --> 00:17:11,080
+بين الخمسة اللي موجودة عندي واحدة، اتنين، تلاتة،
+
+240
+00:17:11,080 --> 00:17:14,960
+أربعة yes تمانين في المية yes وعشرين في المية no
+
+241
+00:17:14,960 --> 00:17:19,480
+وبالتالي لما تكون ال key تبعتي equal five معناته
+
+242
+00:17:19,480 --> 00:17:22,400
+برضه ال golf تبعتي أو ال playing golf يعني فرصة
+
+243
+00:17:22,400 --> 00:17:25,580
+أني ألعب ال golf في الظروف المناخية اللي موجودة في
+
+244
+00:17:25,580 --> 00:17:27,920
+ال data set اللي موجودة عندي فوجها اللي أشارناها
+
+245
+00:17:27,920 --> 00:17:30,480
+yes تمام
+
+246
+00:17:32,780 --> 00:17:38,280
+طيب سؤال ونفرض تقدروا تجاوبه عليه بما انه هذا ال
+
+247
+00:17:38,280 --> 00:17:41,400
+attribute هو ال dominant attribute يعني هو صاحب
+
+248
+00:17:41,400 --> 00:17:45,500
+القرار في موضوع ال classification درجة الحرارة في
+
+249
+00:17:45,500 --> 00:17:49,120
+حين انت لو انت تخيلنا ان لو كان الجو ماطر ممكن
+
+250
+00:17:49,120 --> 00:17:54,140
+يأثر في لعبة ال golf ولا مش هيأثر؟ بتعرفوش ايش
+
+251
+00:17:54,140 --> 00:17:58,710
+يعني لعبة golf؟ممكن تشوفوا اليوتيوب how to play
+
+252
+00:17:58,710 --> 00:18:01,770
+golf وبيعلموكوا إياه و تتفرجوا عليها في الآخر هي
+
+253
+00:18:01,770 --> 00:18:06,370
+رياضة بالعصب و بيضربوا الكورة عشان يسقطها في حفرة
+
+254
+00:18:06,370 --> 00:18:10,750
+الآن بما أن هذا ال dominant attribute ايش الحلول
+
+255
+00:18:10,750 --> 00:18:15,690
+اللي قدامي؟ وهل لو أنا غيرت ممكن احصل على
+
+256
+00:18:15,690 --> 00:18:20,590
+different result؟ اه ممكن اول حل موجود قدامي تماما
+
+257
+00:18:20,590 --> 00:18:27,330
+زي ما بتبادر لذهنك الآن ان اعمل scalingصحيح ممكن
+
+258
+00:18:27,330 --> 00:18:31,710
+انا اعمل scaling لو صارت هذه اربعة و نص اربعة و
+
+259
+00:18:31,710 --> 00:18:36,110
+تلاتة من عشرة اربعة point واحد تلاتة point ستة
+
+260
+00:18:36,110 --> 00:18:40,770
+واحد point تمانية واحد point سبعة اتنين point zero
+
+261
+00:18:40,770 --> 00:18:45,410
+تلاتة point تلاتة واحد point ستة تلاتة point اتنين
+
+262
+00:18:45,410 --> 00:18:49,850
+اتنين point تلاتة اتنين point اربعة اربعة point
+
+263
+00:18:49,850 --> 00:18:54,730
+zero تلاتة point اتنين و طبيعتي الحال هتصير واحد
+
+264
+00:18:54,730 --> 00:18:55,070
+point
+
+265
+00:18:57,730 --> 00:19:00,870
+8 ايش اللي صار عندى بعد ال scaling طبعا اعمل ال
+
+266
+00:19:00,870 --> 00:19:04,870
+ratio جسمتها على عشرة او ضربت في عشر او سالب واحد
+
+267
+00:19:04,870 --> 00:19:10,170
+شو بتتوقع تصير ال distance هتقل بين جثين هتصير فيه
+
+268
+00:19:10,170 --> 00:19:16,310
+عندى انا اربعة و نص ناقص واحد و تمانيةاللي هي بين
+
+269
+00:19:16,310 --> 00:19:21,510
+جثين 2.9 لاحظوا أن 2.9 صارت قريبة من القيم اللي
+
+270
+00:19:21,510 --> 00:19:25,970
+موجودة وإذا كمان روحت دربت في عشر أو سالب 2 ممكن
+
+271
+00:19:25,970 --> 00:19:32,650
+أقلل ال weight تبعته بتصير ال value balance تفكير
+
+272
+00:19:32,650 --> 00:19:38,110
+منطقي لكن هل فعليا يقودني للنتيجة أفضل بده تجربة
+
+273
+00:19:38,110 --> 00:19:42,650
+وعشان بناء على هيك اعتبرها assignment لك واتقارنه
+
+274
+00:19:42,650 --> 00:19:48,580
+ما بينفي حالة كانت ال ratio اعملت ratio data تمام
+
+275
+00:19:48,580 --> 00:19:55,220
+او اشتغلت على ال numeric data اللي موجودة حل
+
+276
+00:19:55,220 --> 00:20:00,960
+التاني هل في حلول تانية اه في حلول تانية استحثوا
+
+277
+00:20:00,960 --> 00:20:05,440
+ادمغاتكوا هوش الشغلات اللي كنا بنسويها مع ال data
+
+278
+00:20:05,440 --> 00:20:08,820
+الموجودة جماعة الخير انا بتكلم على درجة الحرارة
+
+279
+00:20:08,820 --> 00:20:14,970
+درجة الحرارة شو يعني عادة لما بنقول درجة الجولو
+
+280
+00:20:14,970 --> 00:20:18,010
+سألك كيف الجو اليوم يا فلان أو يا فلانة والله الجو
+
+281
+00:20:18,010 --> 00:20:23,150
+حار شوب كتير بارد ماحدش بيقوللي عشرين و تلاتة أو
+
+282
+00:20:23,150 --> 00:20:26,510
+اربعين وكذا فبالتالي ممكن لو انا .. بالضبط لو انا
+
+283
+00:20:26,510 --> 00:20:31,030
+حولتها ل categorial ممكن تفرج معايا طيب هاي حولتها
+
+284
+00:20:31,030 --> 00:20:38,650
+ل categorial شو يعني categorial؟ ان
+
+285
+00:20:38,650 --> 00:20:41,390
+انا حطيتها لفئات تبقى على ال data set اللي موجودة
+
+286
+00:20:41,390 --> 00:20:48,970
+عندىعشان بس تكونوا في الصورة من عشرين أقل أو تساوي
+
+287
+00:20:48,970 --> 00:20:55,650
+عشرين استخدمنا cool أكبر
+
+288
+00:20:55,650 --> 00:21:03,330
+من عشرين وأقل أو تساوي أربعين استخدم أقل من أربعين
+
+289
+00:21:03,330 --> 00:21:10,770
+عفوا استخدمنا mild وفوق الأكبر أو تساوي الأربعين
+
+290
+00:21:13,100 --> 00:21:18,600
+روحنا استخدمنا ال hot اتذكروا
+
+291
+00:21:18,600 --> 00:21:23,120
+ان كانت عندي hand تمانتاش درجة الحرارة في ال test
+
+292
+00:21:23,120 --> 00:21:26,820
+sample اللي موجودة عندي hand الآن وبالتالي لما انا
+
+293
+00:21:26,820 --> 00:21:30,820
+بداجي افحص درجة الحرارة اللي موجودة خمسة و أربعين
+
+294
+00:21:30,820 --> 00:21:35,940
+hot تلاتة و أربعين hot واحدة و أربعين hot ستة و
+
+295
+00:21:35,940 --> 00:21:41,060
+تلاتين mild cool cool cool mild cool
+
+296
+00:21:45,290 --> 00:21:52,930
+Mild Mild Hot Mild تمام؟
+
+297
+00:21:52,930 --> 00:21:55,950
+هذه ال data set و بينما هذه ال 18 هتكون عندي cool
+
+298
+00:21:55,950 --> 00:21:59,790
+الآن صارت كل ال data عندي categorical و بانجو سين
+
+299
+00:21:59,790 --> 00:22:04,310
+صارت كل ال attributes اللي عند نفس ال weight شو
+
+300
+00:22:04,310 --> 00:22:10,430
+ضال علي أحسب ال distanceطيب انا هسكت دقيقة هعمل
+
+301
+00:22:10,430 --> 00:22:15,270
+pause دقيقة اتركلك مجال اجيش الحسبة تبعتي استخدم
+
+302
+00:22:15,270 --> 00:22:19,050
+Manhattan ولا استخدم ال Euclidean distance لحساب
+
+303
+00:22:19,050 --> 00:22:22,690
+ال similarity ما بين العناصر اللي موجودة عندنا
+
+304
+00:22:28,290 --> 00:22:32,770
+طيب ..الان بما ان كل ال data categorial معناته صفر
+
+305
+00:22:32,770 --> 00:22:35,830
+و واحد هتصير المعادلة تبعتي و خلينا مش فارق كتير
+
+306
+00:22:35,830 --> 00:22:39,530
+معايا من هاتن او اكلوديا مش فارق كتير في الآخر انا
+
+307
+00:22:39,530 --> 00:22:45,570
+بدي اجمع أصفار و واحدات sunny و sunny zero زائد
+
+308
+00:22:45,570 --> 00:22:51,390
+hot و cool واحد انه اتفقنا في حالة التشابه صفر في
+
+309
+00:22:51,390 --> 00:22:58,750
+حالة الاختلاف واحدزائد normal و high واحد زائد
+
+310
+00:22:58,750 --> 00:23:03,690
+false و true واحد وبالتالي هذه القيمة تلاتةالـ
+
+311
+00:23:03,690 --> 00:23:09,170
+attribute اللي بعدها sunny 0 زائد hot واحد زائد
+
+312
+00:23:09,170 --> 00:23:13,950
+واحد زائد صفر وهذا يساوي اتنين و لاحظ لاحظ كل ال
+
+313
+00:23:13,950 --> 00:23:17,030
+values تبعتي بالدور حوالين ال range اللي موجود
+
+314
+00:23:17,030 --> 00:23:21,410
+ع��دي هان اما بين الأربعة والصفر هذه القيم اللي
+
+315
+00:23:21,410 --> 00:23:25,070
+موجودة عندي هان طبعا انا مجهز هان عشان مانجضيش
+
+316
+00:23:25,070 --> 00:23:29,190
+الوقت في الحساب هذه
+
+317
+00:23:29,190 --> 00:23:30,510
+ال computation بالكامل
+
+318
+00:23:35,230 --> 00:23:47,810
+تمام؟ shortest distance مع ال k equal واحد اتنين
+
+319
+00:23:47,810 --> 00:23:54,590
+اول اتنين هي .. لأ في عندي واحد هيها ال
+
+320
+00:23:54,590 --> 00:24:03,970
+label تبعتها no وال label هيختلفت عن السابقةفي
+
+321
+00:24:03,970 --> 00:24:07,210
+المثال السابق كانت لما الـK تبعتي equal واحد كان
+
+322
+00:24:07,210 --> 00:24:12,990
+بيقوللي ألعب تمام؟ وبالتالي لما أنا اشتغلت هاين
+
+323
+00:24:12,990 --> 00:24:18,450
+بيقوللي no هيها ليش محدش يقوللي لأن؟ ليش يا دكتور
+
+324
+00:24:18,450 --> 00:24:21,470
+مش هذه ال yes هي اللي كانت؟ لأن عندي ال sorting
+
+325
+00:24:21,470 --> 00:24:24,990
+هذا ال attribute أو عفوًا هذا الروح هياخد المرتبة
+
+326
+00:24:24,990 --> 00:24:29,550
+الأولى يعني بينجو سي لما انت بتجي ترتب خلينا نتكلم
+
+327
+00:24:29,550 --> 00:24:33,110
+بال bubble sortشو مفهوم ال bubble sort؟ بضلني
+
+328
+00:24:33,110 --> 00:24:36,590
+أقارن العنصر لما بلاقي أصغر عنصر مابدأياش أساوي
+
+329
+00:24:36,590 --> 00:24:41,210
+فيه أحركه للأعلى بضلني أقارن العنصر مع عناصر
+
+330
+00:24:41,210 --> 00:24:44,370
+الجابلة لحد ما بلاقي أصغر عنصر بصير أرفعه بهيك أنا
+
+331
+00:24:44,370 --> 00:24:50,430
+بأضمن بدور على ال minimum value بروح بحطها فوق
+
+332
+00:24:50,430 --> 00:24:54,330
+بدور على ال minimum و بعملها shift وهكذا وبالتالي
+
+333
+00:24:55,510 --> 00:24:59,750
+هذه هي أول واحدة ستحصل عليها انت مش مصدق؟ خد ال
+
+334
+00:24:59,750 --> 00:25:06,270
+data set هذه على ال Excel و اعمل لها sort تبعا لل
+
+335
+00:25:06,270 --> 00:25:09,350
+distance و ستجد ان ال attribute هذه ستكون أول
+
+336
+00:25:09,350 --> 00:25:15,430
+attribute موجود عندك تمام؟ لو ال K equal 3 هاي
+
+337
+00:25:15,430 --> 00:25:22,000
+واحد وهي واحدو هاي واحد انا عندي اربعة فهاخد اول
+
+338
+00:25:22,000 --> 00:25:27,040
+تلاتة واحد اتنين تلاتة ال majority تبعتهم yes
+
+339
+00:25:27,040 --> 00:25:32,960
+وبالتالي هتكون yes لو قلتله خمسة هضيف الواحد هذه
+
+340
+00:25:32,960 --> 00:25:37,740
+معاهم كمان و هتيجي وراهم الاتنين هذه الآن تعالى
+
+341
+00:25:37,740 --> 00:25:39,260
+نشوف ال label اللي صارت عندي هنا
+
+342
+00:25:42,540 --> 00:25:49,660
+صار في عندى 1 2 3 60% yes و 40% no وبالتالي لما
+
+343
+00:25:49,660 --> 00:25:52,980
+تكون الخمسة ال K تبعتي equal خمسة معناته المجلة
+
+344
+00:25:52,980 --> 00:25:58,180
+تبعتي بتقول yes ملاحظين معايا تأثير فعليا ال
+
+345
+00:25:58,180 --> 00:26:01,770
+processing على ال data set جداش مهم جداش مهمبتمنى
+
+346
+00:26:01,770 --> 00:26:05,610
+ان تكون هذه الموضوع اصبح اليوم يعني من بدهيات
+
+347
+00:26:05,610 --> 00:26:11,210
+لديكم ومن ثم انه احنا فعليا اصبحت غطينا كل جوانب
+
+348
+00:26:11,210 --> 00:26:14,370
+الـk nearest neighbor ان شاء الله تبارك وتعالى
+
+349
+00:26:14,370 --> 00:26:19,510
+تمام الآن هنتقل ان شاء الله تبارك وتعالى لل
+
+350
+00:26:19,510 --> 00:26:23,690
+algorithm التاني لل algorithm التاني اللي هو بيبني
+
+351
+00:26:23,690 --> 00:26:28,390
+شبه model تمام وبيعتمد على ال probabilisticالـ
+
+352
+00:26:28,390 --> 00:26:32,050
+classification هيعتمد على نظرية الاحتمالات في ال
+
+353
+00:26:32,050 --> 00:26:36,750
+classification و فهمها اللي
+
+354
+00:26:36,750 --> 00:26:41,690
+هو ال naive Bayesian algorithm او ال bias يعني
+
+355
+00:26:41,690 --> 00:26:45,790
+classification وبالتحديد ال naive bias classifier
+
+356
+00:26:45,790 --> 00:26:50,390
+طيب
+
+357
+00:26:50,390 --> 00:26:56,640
+الان احنا اتفقنا .. اتفقنا سابقاإن الكنيري سنابر
+
+358
+00:26:56,640 --> 00:27:02,340
+هو عبارة عن instance based model مصبوط يعني بيعتمد
+
+359
+00:27:02,340 --> 00:27:06,420
+دائما في كل مرة مع كل sample بروح بعمل حسبة لل
+
+360
+00:27:06,420 --> 00:27:09,440
+distance من ال sample الأولى في ال training set لل
+
+361
+00:27:09,440 --> 00:27:13,220
+sample الأخيرة تمام وبدور على ال data set اللي
+
+362
+00:27:13,220 --> 00:27:19,760
+موجودة عندها في ال bison شوية الأمور مختلفة ال
+
+363
+00:27:19,760 --> 00:27:24,970
+bison modelأو الـ Naive bias هو عبارة عن very fast
+
+364
+00:27:24,970 --> 00:27:29,910
+model وsimple classification في نفس الوقت مناسب
+
+365
+00:27:29,910 --> 00:27:33,450
+جدا مع ال high dimensional data set اللي موجودة
+
+366
+00:27:33,450 --> 00:27:38,330
+عندي لأنه
+
+367
+00:27:38,330 --> 00:27:41,250
+فعليا مافيش فيه براميتر لو كانت فيه برامتر موجودة
+
+368
+00:27:41,250 --> 00:27:44,730
+مافيش فيه برامتر كتير أعتمد عليها العناصر أو الـ
+
+369
+00:27:44,730 --> 00:27:49,690
+Naive bias بشكل عام بيعتمد على ال probabilisticو
+
+370
+00:27:49,690 --> 00:27:54,410
+بوصف العلاقة ما بين العناصر او ال attributes و ال
+
+371
+00:27:54,410 --> 00:27:59,790
+label بناء على احتمالات خلّينا نيجي نقول اذكركوا
+
+372
+00:27:59,790 --> 00:28:03,090
+بس بالاحتمالات اللي موجودة عندى هان لو كان انا في
+
+373
+00:28:03,090 --> 00:28:11,870
+عندى صندوق بيحتوي على عشر sample 6
+
+374
+00:28:11,870 --> 00:28:17,410
+plus و 4 minus
+
+375
+00:28:25,310 --> 00:28:32,810
+الان بلاش plus خلينا نحق عمود بالشكل هذا لحاجة في
+
+376
+00:28:32,810 --> 00:28:39,670
+بالي يعني الان وجيت قلتلك قداش احتمال انه يطلع
+
+377
+00:28:39,670 --> 00:28:42,770
+معايا plus عشان بس نذكرك بالاحتمالات
+
+378
+00:28:45,650 --> 00:28:49,910
+6 على 10 صحيح ال probability تبعت ال plus 6 على 10
+
+379
+00:28:49,910 --> 00:28:56,810
+و ال probability طبعا
+
+380
+00:28:56,810 --> 00:29:02,310
+عشرة هي حجم ال space اللي انا population اللي انا
+
+381
+00:29:02,310 --> 00:29:10,010
+بقى اشتغل عليها طبعا هذه 4 على 10 الآن
+
+382
+00:29:10,010 --> 00:29:16,670
+في عند مصطلحات زي ال most likelyالـ prior الـ
+
+383
+00:29:16,670 --> 00:29:20,530
+posterior الـ probability إلى آخرها الـ posterior
+
+384
+00:29:20,530 --> 00:29:23,130
+السابق الـ most likely اللي هي الأغلب الظن أو
+
+385
+00:29:23,130 --> 00:29:26,870
+الغلبة العناصر الموجودة أو الأكثر احتمالا و كل هذه
+
+386
+00:29:26,870 --> 00:29:30,210
+الحسبة تباعتي بناء على ال probabilities احنا
+
+387
+00:29:30,210 --> 00:29:33,770
+متفقين الآن .. احنا متفقين الآن ان انا هي ال
+
+388
+00:29:33,770 --> 00:29:36,130
+probability تباعتي لكن لو انا جيت و قلتلك مش بس
+
+389
+00:29:36,130 --> 00:29:41,670
+على ال final shape و بدخل معاها ال color و روحت و
+
+390
+00:29:41,670 --> 00:29:43,670
+قلتلك في عندي ال dash هذه
+
+391
+00:29:49,240 --> 00:30:00,200
+شو هتساوي؟ عليش هتصنفها؟ plus ولا column؟ مش هتقدر
+
+392
+00:30:00,200 --> 00:30:05,940
+تصنفها ليش؟ لإن هذه لا هي column ولا هي جاية plus
+
+393
+00:30:06,640 --> 00:30:10,880
+طيب إذا أنا قلتلك اللون جزء من حسبك شوبك تساوي
+
+394
+00:30:10,880 --> 00:30:15,320
+معناته هتختلف معايا الحسبة تماما و هصير ابني انا
+
+395
+00:30:15,320 --> 00:30:20,140
+اخد علاقة الشكل مع ال label و علاقة اللون مع ال
+
+396
+00:30:20,140 --> 00:30:22,920
+label و بناء انا على ال probability ال probability
+
+397
+00:30:22,920 --> 00:30:28,320
+تبعت الأحمر 6 على 11أو .. اه عفوا ال probability
+
+398
+00:30:28,320 --> 00:30:32,400
+بتاعة الأحمر 6 على 10 و ال probability تبعت الأسود
+
+399
+00:30:32,400 --> 00:30:36,380
+4 على 10 و كذلك في كل واحدة منهم وبالتالي الحسبة
+
+400
+00:30:36,380 --> 00:30:40,660
+تبعتي هتصير بناء على العنصر اللي موجود عندى هاني
+
+401
+00:30:40,660 --> 00:30:45,340
+ال naive bias نايف من اسمه جامعة الخير ان هو سهل
+
+402
+00:30:45,340 --> 00:30:52,260
+او trivial ليش انه مبني على trivial assumption ان
+
+403
+00:30:52,260 --> 00:30:57,790
+ال generative model هذاتمام؟ بده يشتغل على الموضوع
+
+404
+00:30:57,790 --> 00:31:02,410
+ال classification وبيفترض انه في عندي ان ال data
+
+405
+00:31:02,410 --> 00:31:07,550
+فيها normal distribution وبناء على هيكاد وفي عندي
+
+406
+00:31:07,550 --> 00:31:10,910
+independent attributes وبالتالي انا مافيش عندي
+
+407
+00:31:10,910 --> 00:31:14,870
+مشكلة في موضوع العناصر يعني naive assumption ان كل
+
+408
+00:31:14,870 --> 00:31:17,430
+ال data اللي عندي هي عبارة عن independent
+
+409
+00:31:17,430 --> 00:31:21,590
+attributes ومن ثم انا قاعد بأتكلم انه في عندي
+
+410
+00:31:22,500 --> 00:31:28,520
+normal distribution لل data اللي موجودة عندها طيب
+
+411
+00:31:28,520 --> 00:31:31,520
+عشان نحاول نسهل و نوصل للمعادلة اللي انا هشتغل
+
+412
+00:31:31,520 --> 00:31:37,780
+عليها هروح اشتغل على حسبة ال probability الان هذا
+
+413
+00:31:37,780 --> 00:31:41,560
+ال probability وفي
+
+414
+00:31:41,560 --> 00:31:46,240
+عند اللون حسبة اللون خلينا
+
+415
+00:31:46,240 --> 00:31:51,410
+نغير بس شغلة سريعة هيكأجي أهان على المثال هذا أجي
+
+416
+00:31:51,410 --> 00:31:57,290
+أقول في عندي plus سودة هيصار مازال عشرة وصار في
+
+417
+00:31:57,290 --> 00:32:04,610
+عندي عمود أحمر معناته أن الأن ال probability تبعت
+
+418
+00:32:04,610 --> 00:32:11,050
+ال plus صحيح واحد اتنين تلاتة أربعة خمسة ستة ستة
+
+419
+00:32:11,050 --> 00:32:16,510
+على عشرة بنفس المنطق و ال probability تبعت العمود
+
+420
+00:32:17,590 --> 00:32:24,710
+تساوي اربع على عشرة هذا الشكل مصبوط هذا ال final
+
+421
+00:32:24,710 --> 00:32:29,350
+هذا ال label طب ال color ال probability تبعت ال
+
+422
+00:32:29,350 --> 00:32:36,970
+red واحد اتنين تلاتة اربع خمسة ستة ستة على عشرة و
+
+423
+00:32:36,970 --> 00:32:44,970
+ال probability تبعت ال black تساوي اربع على عشرة
+
+424
+00:32:45,630 --> 00:32:50,510
+لاحظين ان هاي ال label تبعتي و هاي ال color تبعتي
+
+425
+00:32:50,510 --> 00:32:53,410
+بما انه صار في عندي color و صار في عندي label
+
+426
+00:32:53,410 --> 00:32:57,710
+معناته انا ال label هاد ال posterior معروفة مسبقا
+
+427
+00:32:57,710 --> 00:33:01,880
+يعني من العناصر المعطائليو انا بتروح ادور على ال
+
+428
+00:33:01,880 --> 00:33:05,600
+most likelihood او ال most likely property على
+
+429
+00:33:05,600 --> 00:33:09,900
+الاكتر الظن لوين هتكون وبالتالي هدور على شغل
+
+430
+00:33:09,900 --> 00:33:13,600
+بسميها انا يا جماعة الخير conditional properties
+
+431
+00:33:19,820 --> 00:33:23,800
+الـ class و الـ feature قدّاش علاقة ال class مع ال
+
+432
+00:33:23,800 --> 00:33:27,680
+feature هاي عشان نفهمها بشكل صحيح خلّينا نفترض ..
+
+433
+00:33:27,680 --> 00:33:32,860
+نفترض ان انا في عندى instance X فيها مجموعة ال
+
+434
+00:33:32,860 --> 00:33:40,740
+attribute من X1 ل Xn وفي عندى M classes M من ال
+
+435
+00:33:40,740 --> 00:33:46,520
+classالـ conditional probability تبعت لـ class CI
+
+436
+00:33:46,520 --> 00:33:49,860
+على ال X على ال instance هاي يعني بين قوسين ان ال
+
+437
+00:33:49,860 --> 00:33:53,960
+instance هي تحتوي لل class اللي موجود عندهان تساوي
+
+438
+00:33:53,960 --> 00:33:58,360
+ال probability لل class مضروبة في ال probability
+
+439
+00:33:58,360 --> 00:34:02,260
+لل instance في ال classes على ال probability لل
+
+440
+00:34:02,260 --> 00:34:07,000
+instance نفسها احتمال ظهور ال instance طيب انا
+
+441
+00:34:07,000 --> 00:34:12,010
+فعليا ال instance اللي موجودة عندهانقدش احتمالها
+
+442
+00:34:12,010 --> 00:34:15,410
+تكون ظهورها؟ الأصل تكون صفر ليش الأصل تكون صفر؟
+
+443
+00:34:15,410 --> 00:34:18,370
+لأن هي instance جديدة مش بالضرورة موجودة في ال
+
+444
+00:34:18,370 --> 00:34:21,990
+data set مسبقاً وبالتالي أنا .. هذه مدعاة أني أخلص
+
+445
+00:34:21,990 --> 00:34:29,110
+عليها أو أخلص منها عفواً بس الآن خلّيني أقول هنا C
+
+446
+00:34:29,110 --> 00:34:34,430
+of X ال class ل X يساوي ال maximum probability
+
+447
+00:34:34,430 --> 00:34:39,660
+لمين؟الـ B لـ Probability ل ال class يعني بينجو
+
+448
+00:34:39,660 --> 00:34:42,580
+سيم يجي و يقول لي والله ال instance الفلانية اللي
+
+449
+00:34:42,580 --> 00:34:49,080
+هي ال dash هذه ال class طبعتها ال class طبعت ال
+
+450
+00:34:49,080 --> 00:34:52,440
+dash هذه تساوي ال probability ال maximum
+
+451
+00:34:52,440 --> 00:34:56,260
+probability يعني بدي أخد أعلى probability لمين؟ ل
+
+452
+00:34:56,260 --> 00:34:59,080
+ال classes أنا في عندي two classes يعني بدي أحسب
+
+453
+00:34:59,080 --> 00:35:02,360
+two probabilities ال probability ل ال class أنها
+
+454
+00:35:02,360 --> 00:35:08,530
+تكون زائد أو تكون عمودتمام؟ فمضروبة انه جديش
+
+455
+00:35:08,530 --> 00:35:12,310
+احتمال عناصر .. مجموع العناصر اللي موجودة عندي هان
+
+456
+00:35:12,310 --> 00:35:17,150
+مع ال class اللي عندي و بما انه عملية مقارنة زي ما
+
+457
+00:35:17,150 --> 00:35:20,890
+خلصت سابقا من الجدر التربيعي ممكن اخلص الآن من
+
+458
+00:35:20,890 --> 00:35:25,250
+المقام لان مابدي اجسم على ثابت فممكن انا اخلص منه
+
+459
+00:35:25,250 --> 00:35:29,890
+وبالتالي انا بصجر المسألة تبعتي لل argument X
+
+460
+00:35:29,890 --> 00:35:33,390
+تعالى نشوف العناصر ايش المقصود فيها بشكل سريع
+
+461
+00:35:34,040 --> 00:35:40,160
+المعادلة السابقة اللي احنا ظهرت عندنا هنا ال
+
+462
+00:35:40,160 --> 00:35:44,900
+posterior probability اللي هيقولنا posterior سابقا
+
+463
+00:35:44,900 --> 00:35:49,400
+ال class على ال conditional probability تبعت ال
+
+464
+00:35:49,400 --> 00:35:52,930
+class وال attributes اللي موجودة عندي هناالـ
+
+465
+00:35:52,930 --> 00:35:57,510
+Probability لـ X على ال class الـ likelihood اللي
+
+466
+00:35:57,510 --> 00:36:01,650
+هي فعليا الاحتمال اللي أنا بدور عليه وهو عبارة عن
+
+467
+00:36:01,650 --> 00:36:05,850
+summation سنشوفها قليلا الان Probability تبع ال
+
+468
+00:36:05,850 --> 00:36:10,710
+class نفسه ال prior اللي موجود عندي هناو ال X ال
+
+469
+00:36:10,710 --> 00:36:15,170
+predictor ال probability اللي انا فعليا بدي اشوفها
+
+470
+00:36:15,170 --> 00:36:18,370
+تعالى نشوفه عشان نفهم الكلام هذا و المعادلة من
+
+471
+00:36:18,370 --> 00:36:21,130
+ناحية حساب لإن شوية الأمور لو بدت تبقى في
+
+472
+00:36:21,130 --> 00:36:27,150
+المعادلات الرياضية هت غم الأمور علينا لأن احنا في
+
+473
+00:36:27,150 --> 00:36:31,250
+جماعة هنا على غرار الناس اللي كانت بدت تلعب golf
+
+474
+00:36:31,250 --> 00:36:34,870
+قررت تروح على البحر على الشطالان هل بدهم يروحوا
+
+475
+00:36:34,870 --> 00:36:37,390
+على الشاطئ ولا ميروحوش؟ والله قالوا في عندنا تلت
+
+476
+00:36:37,390 --> 00:36:42,870
+عوامل أساسية الطقس المظهر مشمس و لا ممطر و لا غائم
+
+477
+00:36:42,870 --> 00:36:47,850
+درجة الحرارة و ال humidity اللي هي الرقوبة نفس
+
+478
+00:36:47,850 --> 00:36:50,790
+المثال السابق لكن غيرنا ال label من playing golf ل
+
+479
+00:36:50,790 --> 00:36:53,310
+beach
+
+480
+00:36:54,570 --> 00:36:58,550
+الان مطلوب مني اشتغل كالتالي بدي اعمل جدول بسيط
+
+481
+00:36:58,550 --> 00:37:02,290
+الجدول مثل هذا الجدول هلاقيت هنشتغل معاكم بكل
+
+482
+00:37:02,290 --> 00:37:06,970
+بساطة ايش بده يساوي انا بدي اعمل prediction ل data
+
+483
+00:37:06,970 --> 00:37:12,390
+set بناء على probability انا الان هاد ال data set
+
+484
+00:37:12,390 --> 00:37:15,990
+او ال training set تبعتي جاهزة و ثابتة الان اللي
+
+485
+00:37:15,990 --> 00:37:21,470
+هروح اسويه هروح احسب علاقة ال X ال outlook مع ال
+
+486
+00:37:21,470 --> 00:37:25,600
+labelالـ Probability تبعتها مع الـ .. مع الـ sunny
+
+487
+00:37:25,600 --> 00:37:29,300
+ال .. ال Probability تبعتها .. عفواً ال Outlook
+
+488
+00:37:29,300 --> 00:37:31,980
+فيها كام value different value، three values sunny
+
+489
+00:37:31,980 --> 00:37:36,920
+و rainy و cloudy علاقة ال sunny مع ال yes و مع ال
+
+490
+00:37:36,920 --> 00:37:41,020
+no علاقة ال rainy مع ال yes و مع ال no علاقة ال
+
+491
+00:37:41,020 --> 00:37:44,400
+cloudy مع ال yes مع ال no و أفصل في الجدول اللي
+
+492
+00:37:44,400 --> 00:37:50,000
+موجود عندى يعني بدك تيجي لكل attribute بشكل مستقل
+
+493
+00:37:50,000 --> 00:37:55,380
+هذا الجدولحاجة اقول والله انا بدي اتكلم على ال
+
+494
+00:37:55,380 --> 00:38:01,380
+outlook طبعا جابلي جماعة الخير لو انا سألتك لان ال
+
+495
+00:38:01,380 --> 00:38:05,840
+going لل beach لل yes و ال no زي ما حسبنا هان ال
+
+496
+00:38:05,840 --> 00:38:09,140
+probability لل yes جد ايش تساوي ال data 6 فيها
+
+497
+00:38:09,140 --> 00:38:15,620
+عشرة عندهان واحدة اتين تلاتة اربعة yes اربعة على
+
+498
+00:38:15,620 --> 00:38:20,340
+عشرة ال probability لل no ستة على عشرة بكل تأكيد
+
+499
+00:38:20,340 --> 00:38:27,530
+بدون ما اروح اضطر اعدال yes مظبوطة ال outlook ال
+
+500
+00:38:27,530 --> 00:38:34,230
+outlook الآن فيها three different values في
+
+501
+00:38:34,230 --> 00:38:38,830
+عندي ال sunny في
+
+502
+00:38:38,830 --> 00:38:49,690
+عندي الريني و في عندي ال cloudy ممتاز طيب و أنا في
+
+503
+00:38:49,690 --> 00:38:54,950
+عندي فعليا في ال labels في عندي ال yesو في عندى
+
+504
+00:38:54,950 --> 00:39:02,450
+الـ No ال beach صح؟
+
+505
+00:39:02,450 --> 00:39:05,810
+الان
+
+506
+00:39:05,810 --> 00:39:10,130
+كام واحدة sunny عندى انا واحدة تنتين تلاتة اربعة
+
+507
+00:39:10,130 --> 00:39:16,170
+ممتاز علاقة الاربع ال sunny هدول المفروض يكونوا
+
+508
+00:39:16,170 --> 00:39:22,350
+مجسمات على ال yes و ال no ال yes جديشأربعة طيب
+
+509
+00:39:22,350 --> 00:39:26,890
+الآن بدي أقول sunny و yes يعني أنا بدي أجسم على
+
+510
+00:39:26,890 --> 00:39:32,470
+أربعة يا جماعة الخير و أنه ستة مصبوط لأن ال over
+
+511
+00:39:32,470 --> 00:39:36,030
+all probability تبعت ال yes ظهور ال yes فقط أربع
+
+512
+00:39:36,030 --> 00:39:40,290
+عناصر أربع مرات و ظهور ال no ست مرات إذا كانت ال
+
+513
+00:39:40,290 --> 00:39:43,170
+yes مرتبطة بال classes هاي فعشان أنا أحسب ال
+
+514
+00:39:43,170 --> 00:39:48,650
+probability تبعت ال yes و ال sunny ال sunny هاي
+
+515
+00:39:48,650 --> 00:39:49,670
+مرة yes
+
+516
+00:39:55,170 --> 00:40:00,990
+تنتين تلاتة أصبت؟ ليش هذه لأ؟ لأن هذه جال ال label
+
+517
+00:40:00,990 --> 00:40:03,550
+تبعتها no هاي خلصنا الأربعة ال sunny اللي موجودة
+
+518
+00:40:03,550 --> 00:40:06,410
+عندها يعني بينجوستين ال sunny ال probability
+
+519
+00:40:06,410 --> 00:40:15,970
+تبعتها تلاتة على أربعة زائد جداش جداش واحد على ستة
+
+520
+00:40:17,560 --> 00:40:20,760
+خلاص انت مافيش داعي انك انت عايش تنظر لباقي
+
+521
+00:40:20,760 --> 00:40:23,600
+العناصر مجموع ال sun اللي فوق على العناصر اللي
+
+522
+00:40:23,600 --> 00:40:29,940
+موجودة عندي هان ال rainy الان جدش حسبة ال yes ما
+
+523
+00:40:29,940 --> 00:40:34,440
+زالت أربعة و النقل ستة rainy بدي أشغل عليها نفس
+
+524
+00:40:34,440 --> 00:40:42,160
+الكلام rainy واحدة تنتين تلاتة في عندي تلاتة rainy
+
+525
+00:40:42,160 --> 00:40:49,180
+والتلاتة جايات كلهمنفس ال class معناته zero على
+
+526
+00:40:49,180 --> 00:40:57,220
+أربعة زائد تلاتة على ستة و هلجت بيقولك طريقة كيف
+
+527
+00:40:57,220 --> 00:41:00,200
+تتأكد من حيث تفتكر ان كل ال probability بتبعتك صح
+
+528
+00:41:00,200 --> 00:41:06,140
+cloudy الآن برضه نفس الكلام على أربعة على ستة
+
+529
+00:41:06,140 --> 00:41:12,100
+cloudy فيها واحدة مع ال yes و هم تلاتة و تنتين مع
+
+530
+00:41:15,120 --> 00:41:20,080
+الستة الان لو عديت العناصر تبعت ال yes تلاتة على
+
+531
+00:41:20,080 --> 00:41:24,520
+أربعة زائد صفر على أربعة زائد واحد على أربعة تطلع
+
+532
+00:41:24,520 --> 00:41:31,420
+أربعة على أربعة لو عديت عناصر انه واحد على ستة
+
+533
+00:41:31,420 --> 00:41:34,820
+زائد تلاتة على ستة زائد تانين على ستة تطلع ستة على
+
+534
+00:41:34,820 --> 00:41:38,740
+ستة وهي فعليا ال probability لازم مجموع الاحتمالات
+
+535
+00:41:38,740 --> 00:41:43,600
+كلها تكون عندى واحد ممتاز هذا بالنسبة لل attribute
+
+536
+00:41:43,600 --> 00:41:44,180
+الأول
+
+537
+00:41:46,970 --> 00:41:49,970
+و بدي أروح أحسبها لل attribute التاني بنفس الكيفية
+
+538
+00:41:49,970 --> 00:41:55,530
+temperature
+
+539
+00:41:55,530 --> 00:41:59,870
+temperature كان فيه .. كان value عندي عندي three
+
+540
+00:41:59,870 --> 00:42:04,410
+values high و low و mild ال low نبدأ مع ال low هاي
+
+541
+00:42:04,410 --> 00:42:11,250
+واحدة هاي تنتين اتنين بدهم يتوزعوا على ال yes و ال
+
+542
+00:42:11,250 --> 00:42:17,570
+no الآن صفرno و no معناته صفر على أربعة و اتنين
+
+543
+00:42:17,570 --> 00:42:23,870
+على ستة مع ال no طيب خلصنا من ال من ال low ال mild
+
+544
+00:42:23,870 --> 00:42:32,710
+ال mild هي واحدة تنتين تلاتة تلاتة عناصر التلاتة
+
+545
+00:42:32,710 --> 00:42:36,560
+عناصر هدول يتوزعوا ما بين ال yes و ال noهي الـ
+
+546
+00:42:36,560 --> 00:42:40,700
+mild الأولى yes الـ mild التانية no والـ mild
+
+547
+00:42:40,700 --> 00:42:45,900
+الأخيرة no معناته الآن هم هيكونوا 1 على 4 مع ال
+
+548
+00:42:45,900 --> 00:42:52,580
+yes اللي هي الأولى هاي و 2 على 6 في حالة ال no و
+
+549
+00:42:52,580 --> 00:42:58,320
+بكمل الجدول لكل العناصر اللي موجودة عندي هان ال
+
+550
+00:42:58,320 --> 00:43:00,580
+probability تبعت ال beach ممكن أحط لإيه أنا كتبت
+
+551
+00:43:00,580 --> 00:43:05,790
+هان قبل شوية ممكن أحطها في نهاية الجدولعشان انا
+
+552
+00:43:05,790 --> 00:43:09,790
+اشغل على العناصر اللي موجودة عندي فعليا 6 على 10
+
+553
+00:43:09,790 --> 00:43:15,230
+.. ار ..الان 4 على 10 المفروض
+
+554
+00:43:15,230 --> 00:43:19,550
+في كل واحدة من هدول ما هيلاحظ 4 على 10 .. 4 على 10
+
+555
+00:43:19,550 --> 00:43:24,980
+.. 4 على 10ليش أربع؟ لأنه فعلاً أربع على ال yes و
+
+556
+00:43:24,980 --> 00:43:28,220
+هدول لازم يكون مجموحهم أربع في كل attribute و هدول
+
+557
+00:43:28,220 --> 00:43:31,260
+مجموحهم لازم يكون ستة و في المحصلة ستة على عشر
+
+558
+00:43:31,260 --> 00:43:36,140
+ممتاز الآن لاحظوا هذه ال computation كم مرة هعملها
+
+559
+00:43:36,140 --> 00:43:43,120
+لمرة واحدة على نفس ال data set هعملها لمرة واحدة
+
+560
+00:43:43,120 --> 00:43:46,180
+فقط و هتظل ال data .. و لما ال data set ماصارش
+
+561
+00:43:46,180 --> 00:43:51,030
+عليها تغيير هتظلها هذه موجودة عندىإيش اللي حيصير
+
+562
+00:43:51,030 --> 00:43:55,810
+لاحقا عشان اطبق المعادلة السابقة هذه هشغل كالتالي
+
+563
+00:43:55,810 --> 00:44:01,030
+بيجي بقول بالله شوف اللي إيش ال label تبعت ال
+
+564
+00:44:01,030 --> 00:44:06,810
+sunny و ال mild و ال high إيش ال label تبعت ال
+
+565
+00:44:06,810 --> 00:44:12,130
+sunny sunny
+
+566
+00:44:12,130 --> 00:44:17,450
+و mild و
+
+567
+00:44:17,450 --> 00:44:18,850
+high درجة الحرارة
+
+568
+00:44:21,880 --> 00:44:27,460
+عشان بدي ارجع معاكم للجدول السابق تم ذكرك في
+
+569
+00:44:27,460 --> 00:44:34,380
+المعادلة المعادلة بتقول الارج ماكس لا لل CI اللي
+
+570
+00:44:34,380 --> 00:44:37,000
+هي ال class ال probability لل CI مضروبة في ال
+
+571
+00:44:37,000 --> 00:44:44,120
+probability لا ال X على ال CI طيب هلأ قد بنفسرلك
+
+572
+00:44:44,120 --> 00:44:47,920
+إياها أوضح و بنفسرك إياها أوضح مع الأرقام نرجع هنا
+
+573
+00:44:47,920 --> 00:44:54,580
+ال probability لل classهو قاعد بيقوللي بدور على ال
+
+574
+00:44:54,580 --> 00:44:58,480
+argmax بدور على ال maximum probability لكل classes
+
+575
+00:44:58,480 --> 00:45:02,740
+كام class انا عندي؟ عندي two classes يعني بين جثين
+
+576
+00:45:02,740 --> 00:45:05,600
+الجامعة الخير هو عمال بيسألني بيسألني ال
+
+577
+00:45:05,600 --> 00:45:10,800
+probability تبعت ال element اللي موجود عندها على
+
+578
+00:45:10,800 --> 00:45:14,520
+انه يكون ال class و ال instance اللي اعطاني اياها
+
+579
+00:45:17,240 --> 00:45:19,840
+مش قولنا هذه اللي أنا بدور عليها قاعد؟ هاي ال
+
+580
+00:45:19,840 --> 00:45:23,160
+value هو بدي تجيبلي ال probability تبعت ال class
+
+581
+00:45:23,160 --> 00:45:27,760
+مع ال given instance اللي موجودة عندي هنا طيب،
+
+582
+00:45:27,760 --> 00:45:31,080
+الآن حسب ال data set معناته أنا بدي أروح أشتغل
+
+583
+00:45:31,080 --> 00:45:36,960
+كتالي مرة مع ال yes و مرة مع انه هذا الكلام بيقول
+
+584
+00:45:36,960 --> 00:45:42,480
+ايه؟ ال probability مع ال yes ال label مع مين؟ مع
+
+585
+00:45:42,480 --> 00:45:51,040
+ال given data set ال sunnyو mild و high ايش ال
+
+586
+00:45:51,040 --> 00:45:56,340
+probability تبعت high اولا بقول لهذه تساوي ال
+
+587
+00:45:56,340 --> 00:46:02,260
+probability تبعت ال yes مضروبة
+
+588
+00:46:02,260 --> 00:46:09,520
+في ال probability تبعت مين تبعت ال instance اللى
+
+589
+00:46:09,520 --> 00:46:14,590
+موجودة عندى هنا اي instanceطب ال instance تبعتي
+
+590
+00:46:14,590 --> 00:46:20,510
+مكونة من ال outlook و ال temperature و ال humidity
+
+591
+00:46:20,510 --> 00:46:25,390
+مصبوط؟ كمان مرة ال instance تبعتي هان اللي هي ال X
+
+592
+00:46:25,390 --> 00:46:33,830
+هذه اللي أنا الآن هيها مكونة من ال outlook و ال
+
+593
+00:46:33,830 --> 00:46:39,000
+temperature و ال humidityوبدي اروح بقوللي علاقة كل
+
+594
+00:46:39,000 --> 00:46:41,580
+ال values اللي موجودة عندهم بال class مين بال
+
+595
+00:46:41,580 --> 00:46:47,740
+class yes يعني بين جثين هي عبارة عن ال probability
+
+596
+00:46:47,740 --> 00:46:53,700
+لل
+
+597
+00:46:53,700 --> 00:47:01,840
+S لل sunny ال outlook equal
+
+598
+00:47:01,840 --> 00:47:04,980
+sunny مع ال yes
+
+599
+00:47:08,130 --> 00:47:15,570
+مضروبة في ال attribute التانية ال probability تبعت
+
+600
+00:47:15,570 --> 00:47:26,130
+ال temperature على ال yes هاي ال sunny او
+
+601
+00:47:26,130 --> 00:47:34,470
+الآن mild هاي ال mild ال temperature تبعتي high
+
+602
+00:47:37,170 --> 00:47:44,970
+هي ال high بكل بساطة بقول ليه تلاتة على اربعة او
+
+603
+00:47:44,970 --> 00:47:47,530
+عفوا من الاول اربعة على عشرة تبع ال yes ال
+
+604
+00:47:47,530 --> 00:47:50,050
+probability اللي موجودة عندى هان اربعة على عشرة
+
+605
+00:47:50,050 --> 00:47:57,970
+مضروبة في تلاتة على اربعة مضروبة في اتنين واعفوا
+
+606
+00:47:57,970 --> 00:48:04,640
+واحد على اربعة في اتنين على اربعةوبهك بكون انا بدي
+
+607
+00:48:04,640 --> 00:48:13,800
+اعيد الحسبة تبعت لمين لكل العناصر الموجودة يعني ال
+
+608
+00:48:13,800 --> 00:48:17,720
+probability لل yes طبعا انا فصلتلكوا ياها عشان
+
+609
+00:48:17,720 --> 00:48:21,540
+ماتنسوهاش لانوا لاحظوا ان هي عبارة عن عملية ضرب
+
+610
+00:48:21,540 --> 00:48:26,320
+هادي ل probability تبعت
+
+611
+00:48:26,320 --> 00:48:33,860
+ال X على Ci على class تساوي ل probabilityلمن؟ لل
+
+612
+00:48:33,860 --> 00:48:42,700
+values x i على .. هي بنجسيل ال product لل x i على
+
+613
+00:48:42,700 --> 00:48:50,080
+ال class اللي موجود عندها x j و ال j equal 1 to n
+
+614
+00:48:50,080 --> 00:48:57,240
+بعدد ال attributes اللي موجودة عندها الآن ال
+
+615
+00:48:57,240 --> 00:49:03,280
+probability لل yes حسبناها 4 ع العشرة هي ..الـ
+
+616
+00:49:03,280 --> 00:49:08,200
+sunny مع ال yes كانت 3 على 4 حسب الجدول السابق ال
+
+617
+00:49:08,200 --> 00:49:13,880
+mild مع ال yes 1 على 4 ال high مع ال yes طبعا زي
+
+618
+00:49:13,880 --> 00:49:18,860
+ما قلتلك هذه بتمثل ال outlook ال sunny ال
+
+619
+00:49:18,860 --> 00:49:21,400
+temperature و ال humidity اللي هي ال attributes
+
+620
+00:49:21,400 --> 00:49:25,000
+اللي موجودة عندها مع ال yes و فحسبناها فكانت
+
+621
+00:49:25,000 --> 00:49:32,820
+الدانيال value high اللي هي 375 من عشرة ألفممتاز
+
+622
+00:49:32,820 --> 00:49:37,800
+هدي ال probability لمن؟ لل yes يعني بين جوسين انه
+
+623
+00:49:37,800 --> 00:49:43,920
+احتمال انه تكون هادي ال instance انه نروح في
+
+624
+00:49:43,920 --> 00:49:48,180
+الظروف هادية على الشاطئ هي احتماليتها حسب ال data
+
+625
+00:49:48,180 --> 00:49:51,900
+set اللي موجودة عندها طب لو احتمال اننا مانروحش
+
+626
+00:49:51,900 --> 00:49:54,660
+احنا لسه مااخدناش قرار فالان بما انه class تاني
+
+627
+00:49:54,660 --> 00:49:58,180
+فهروح احسب نفس الحسبة السابقة بس مع مين يا جماعة
+
+628
+00:49:58,180 --> 00:50:10,280
+الخير مع النومsunny و ال mild و ال high ممتاز
+
+629
+00:50:10,280 --> 00:50:16,760
+تساوي probability of no حسبناها اذا كانت هذه اربع
+
+630
+00:50:16,760 --> 00:50:20,500
+على عشر فالتاني هتكون ستة على عشر اللي هم فعلا
+
+631
+00:50:20,500 --> 00:50:24,460
+مجسمين مضروبة في ال probability تبعت ال sunny على
+
+632
+00:50:24,460 --> 00:50:29,120
+ال no مضروبة في ال probability تبعت ال mild تبعت
+
+633
+00:50:29,120 --> 00:50:33,040
+ال temperatureفي الـ No مضروبة في ال probability
+
+634
+00:50:33,040 --> 00:50:38,160
+تبع ال humidity اللي هي المفروض عندي high على no و
+
+635
+00:50:38,160 --> 00:50:54,060
+هكذا وبالتالي الحسبة تبعتي هتكون بالشكل هذا الان
+
+636
+00:50:54,060 --> 00:50:59,390
+القانون بيقولليفي ال classification في ال
+
+637
+00:50:59,390 --> 00:51:03,730
+classification هتشتغل على ال instance اللي موجودة
+
+638
+00:51:03,730 --> 00:51:09,750
+عندنا وهي هتشتغل على ال maximum probability ال
+
+639
+00:51:09,750 --> 00:51:13,570
+احتمال الاكبر الان عندك رقمين بغض النظر جداش
+
+640
+00:51:13,570 --> 00:51:15,930
+الرقمين يا جماعة الخير اللي طلعوا مين اكبر من
+
+641
+00:51:15,930 --> 00:51:21,850
+التاني مية و احد عشرة على عشرة الف ولا تلاتمية
+
+642
+00:51:21,850 --> 00:51:25,860
+خمسة و سبعين على عشرة الف اكيدالـ maximum value
+
+643
+00:51:25,860 --> 00:51:30,700
+تبعتي هيها هان معناته ال most likely تبع ال
+
+644
+00:51:30,700 --> 00:51:36,160
+existence اللي موجودة عندي هان عبارة عنyes غالبا
+
+645
+00:51:36,160 --> 00:51:41,820
+لو كان الظرف sunny مشرق او مشمس والدرجة الحرارة
+
+646
+00:51:41,820 --> 00:51:46,800
+متوسطة والرقوبة عالية غالبا هروح على البحر بناء او
+
+647
+00:51:46,800 --> 00:51:50,720
+على الشاطئ بناء على ال data set الاحتمالات انتبه
+
+648
+00:51:50,720 --> 00:51:55,860
+معايا او انتبه معايا كمان مرة الجدول هذا الجدول
+
+649
+00:51:55,860 --> 00:52:01,100
+هذا هيظل قائم عندى هيظل قائم عندى قول ما ال data
+
+650
+00:52:01,100 --> 00:52:08,940
+set هيلم تتغيركم مرة بحسبه؟ لمرة واحدة وكأنه
+
+651
+00:52:08,940 --> 00:52:13,020
+model وكأنه model بس مش model حساب أصبحت الآن
+
+652
+00:52:13,020 --> 00:52:16,060
+العملية عملية إيش؟ computation لكن ال computation
+
+653
+00:52:16,060 --> 00:52:20,660
+مش مع كل ال data set يعني الآن تخيلوا لو روحت أنا
+
+654
+00:52:20,660 --> 00:52:23,680
+غيرت في ال instance .. في ال instance high بعد
+
+655
+00:52:23,680 --> 00:52:27,900
+إذنكم وروحت قولت والله إنه أنا بدي أروح أبدل بدال
+
+656
+00:52:27,900 --> 00:52:28,960
+high high low
+
+657
+00:52:33,280 --> 00:52:37,200
+بدل ال high low ايش اللي هتفرق معايا؟ هرجع للجدول
+
+658
+00:52:37,200 --> 00:52:42,780
+اللي هو الجدول تبعي هذا وحاجة
+
+659
+00:52:42,780 --> 00:52:52,120
+أشتغل كتالي طبعا
+
+660
+00:52:52,120 --> 00:53:01,180
+عشان بس أظل نتذكر ال sunny و
+
+661
+00:53:01,180 --> 00:53:06,830
+mildو low هذه ال instances اللي موجودة عندي و أنا
+
+662
+00:53:06,830 --> 00:53:11,410
+بدي أضطر أرجع للجدول الآن بكل بساطة الحسبة السابقة
+
+663
+00:53:11,410 --> 00:53:18,450
+تبعتي هتكون كالتالي ال probability لل yes على ال
+
+664
+00:53:18,450 --> 00:53:22,670
+sunny مش حد كل الكلمات و ال m ال s و ال m و ال low
+
+665
+00:53:22,670 --> 00:53:29,690
+تساوي ال probability لل yes مضروبة في ال
+
+666
+00:53:29,690 --> 00:53:34,950
+probability ل ال sunny على ال yesهي المفروض فيها
+
+667
+00:53:34,950 --> 00:53:41,710
+الـ Outlook equals sunny يا جماعة الخير اللي
+
+668
+00:53:41,710 --> 00:53:44,330
+هي ال attribute الأول خلاص هي احنا هنعتمدها بالشكل
+
+669
+00:53:44,330 --> 00:53:50,330
+هذا على ال yes مضروبة في ال probability لل mild
+
+670
+00:53:50,330 --> 00:53:54,070
+اللي هي ال attribute التاني على ال yes مضروبة في
+
+671
+00:53:54,070 --> 00:53:56,830
+ال probability لل attribute التالت اللي هي ال low
+
+672
+00:53:56,830 --> 00:54:00,730
+على ال yes بنجو سينيج هي عمود ال yes كل شغل على
+
+673
+00:54:00,730 --> 00:54:07,740
+الكيون على العمود هذا sunny هي ال valuemy هي ال
+
+674
+00:54:07,740 --> 00:54:17,800
+value و normal هي هيها
+
+675
+00:54:17,800 --> 00:54:22,160
+normal normal
+
+676
+00:54:22,160 --> 00:54:28,680
+بس عشان ال example يكون تمام بال normal هيها الان
+
+677
+00:54:28,680 --> 00:54:38,860
+بكل بساطة أربعة على عشرة ضرب المحوطات3 على 4 ضرب 1
+
+678
+00:54:38,860 --> 00:54:45,460
+على 4 ضرب 2 على 4 وإذا أنا بدي أطلع ال calculator
+
+679
+00:54:45,460 --> 00:54:50,980
+على السريع عشان أشوف حسبة هل في فعليا تأثير لل
+
+680
+00:54:50,980 --> 00:54:52,140
+element هذا أو لأ
+
+681
+00:54:56,850 --> 00:55:04,090
+قولنا أربعة على عشرة ضرب تلاتة على أربعة ضرب واحد
+
+682
+00:55:04,090 --> 00:55:13,790
+على أربعة ضرب طفت ال calculator أربعة
+
+683
+00:55:13,790 --> 00:55:24,110
+تقسيم عشرة ضرب تلاتة تقسيم أربعة ضرب واحد تقسيم
+
+684
+00:55:24,110 --> 00:55:24,750
+أربعة
+
+685
+00:55:27,550 --> 00:55:34,890
+درب اتنين تقسيم اربعة anyway
+
+686
+00:55:34,890 --> 00:55:41,550
+ال calculator خذلتنا في الآخر ال probability لانه
+
+687
+00:55:41,550 --> 00:55:45,750
+بدي اعمل ال probability لانه لنفس ال instance M N
+
+688
+00:55:45,750 --> 00:55:49,070
+هتكون
+
+689
+00:55:49,070 --> 00:55:53,810
+ال probability لانه مضروبة
+
+690
+00:56:14,390 --> 00:56:17,910
+القيم المقابلة لهم اللي عمال يحوقهم باللون الأزرق
+
+691
+00:56:20,470 --> 00:56:23,350
+بالاضافة للقيمة الأخيرة ما تنسوهاش طبعا هاي اللي
+
+692
+00:56:23,350 --> 00:56:27,190
+هي في الأول ال probability لانه كلها هتصير في
+
+693
+00:56:27,190 --> 00:56:37,470
+عندها 6 على 10 مضروبة في 1 على 6 مضروبة في 2 على 6
+
+694
+00:56:37,470 --> 00:56:46,630
+مضروبة في 2 على 6 طبعا لو احنا فعليا36 المقام هنا
+
+695
+00:56:46,630 --> 00:56:51,010
+أكبر من هنا فغالبا اللي بالتباعتي هتكون yes و ال
+
+696
+00:56:51,010 --> 00:56:56,290
+computation هي اللي بتحكم الموضوع بتمنى تكون الأن
+
+697
+00:56:56,290 --> 00:57:00,010
+أصبحت الصورة بالنسبة لنا واضحة كيف النييف بايسان
+
+698
+00:57:00,010 --> 00:57:04,410
+بيشتغل الفكرة انه ابني الجدول اذا انت بنيت او انت
+
+699
+00:57:04,410 --> 00:57:08,690
+بنيت الجدول صح معناته انا مافيش عندى مشكلة طيب في
+
+700
+00:57:08,690 --> 00:57:11,010
+حالة هذه مثال تاني على السريع
+
+701
+00:57:14,970 --> 00:57:19,530
+بغض النظر احنا مش هنطول عليكم ان شاء الله تعالى و
+
+702
+00:57:19,530 --> 00:57:22,550
+بنفترض انكوا هتكونوا متابعين معانا و بيكونوا كأنه
+
+703
+00:57:22,550 --> 00:57:28,790
+في فرصة تشتغلوا وزيادة الان هاي ال data set كام
+
+704
+00:57:28,790 --> 00:57:31,470
+attribute؟ تلاتة على نفس الغرار ال attribute
+
+705
+00:57:31,470 --> 00:57:34,210
+السابق السابق اللي لها دخل في الموضوع؟ لأ هذا رقم
+
+706
+00:57:34,210 --> 00:57:37,270
+العينة او رقم ال sample ال class تبعتي binary
+
+707
+00:57:37,270 --> 00:57:41,210
+class مافرجتش كتير يا جماعة الخير بدي ابني الجدول
+
+708
+00:57:41,210 --> 00:57:44,030
+السابق بالكامل
+
+709
+00:57:46,870 --> 00:57:52,690
+هو بيقولوا بدوا منى ل class مصبوط ال attribute a1
+
+710
+00:57:52,690 --> 00:57:59,670
+ايش ال attribute a1 فيه values طبعا هنا في عندى
+
+711
+00:57:59,670 --> 00:58:05,130
+yes واحد او صفر واحد في ال attribute الاول كام
+
+712
+00:58:05,130 --> 00:58:08,250
+value في عندى صفر واحد اتنين يعني في عندى three
+
+713
+00:58:08,250 --> 00:58:12,850
+values صفر واحد اتنين انا بكتبه من مرتبات افضل
+
+714
+00:58:12,850 --> 00:58:14,830
+اليه ال attribute التانى
+
+715
+00:58:17,880 --> 00:58:20,240
+مع ال labels اللي موجودة ايش في عندي برضه values
+
+716
+00:58:20,240 --> 00:58:29,700
+012 برضه ماعندي مشكلة 012 ال attribute التالت اللي
+
+717
+00:58:29,700 --> 00:58:33,800
+انا هشتغل عليه فقط
+
+718
+00:58:33,800 --> 00:58:43,000
+قيمتين 112 وهنا في الآخر ال probability لل classال
+
+719
+00:58:43,000 --> 00:58:45,880
+probability لل class تبعتي جدش ال probability ..
+
+720
+00:58:45,880 --> 00:58:50,900
+كام class فيه؟ عندى three classes عفوا مصبوط ال ..
+
+721
+00:58:50,900 --> 00:59:01,360
+واحد اتنين تلاتة هاتوا هل بدنا كمان اعمود ال class
+
+722
+00:59:01,360 --> 00:59:06,540
+اللى موجود عندى هان واحد
+
+723
+00:59:06,540 --> 00:59:09,400
+اتنين تلاتة
+
+724
+00:59:11,920 --> 00:59:17,300
+أي تلاتة ال
+
+725
+00:59:17,300 --> 00:59:23,540
+class الأول واحد واحد اتنين تلاتة اربعة اربعة على
+
+726
+00:59:23,540 --> 00:59:31,500
+عشرة ال class التاني اتنين واحد اتنين تلاتة تلاتة
+
+727
+00:59:31,500 --> 00:59:36,100
+على عشرة وهدت الأخير تلاتة على عشرة مجموحهم عشرة
+
+728
+00:59:36,100 --> 00:59:41,890
+على عشرةبدي أجي العلاقة العناصر مع ال class الأول
+
+729
+00:59:41,890 --> 00:59:48,170
+اللي موجود عندي هنا صفر و واحد هاي صفر هاي صفر
+
+730
+00:59:48,170 --> 00:59:52,410
+تن��ين مع
+
+731
+00:59:52,410 --> 00:59:59,230
+الواحد أربعة ال
+
+732
+00:59:59,230 --> 01:00:04,910
+class واحد معناته اتنين على أربعة وحتما ..حتما
+
+733
+01:00:04,910 --> 01:00:11,020
+الصفر مع ال class التانيصفر على عشرة .. صفر على
+
+734
+01:00:11,020 --> 01:00:18,160
+جداش الاتنين على تلاتة وهنا صفر على تلاتة ليش؟ لأن
+
+735
+01:00:18,160 --> 01:00:21,020
+هون فعليا الصفرها دي بينت مرتين فقط مع ال
+
+736
+01:00:21,020 --> 01:00:24,240
+attribute الأول وبالتالي أنا هنا بشغل في ال
+
+737
+01:00:24,240 --> 01:00:28,560
+attribute الأول ال value التانية الواحد الواحد هي
+
+738
+01:00:28,560 --> 01:00:37,560
+في المربع واحد واحد واحد واحد اربع عناصربرضه هتكون
+
+739
+01:00:37,560 --> 01:00:41,220
+عندها القيمة على أربعة يا جماعة الخير ماتنساش وهذه
+
+740
+01:00:41,220 --> 01:00:46,760
+هتكون على تلاتة وهذه هتكون على تلاتة الان واحد و
+
+741
+01:00:46,760 --> 01:00:55,800
+واحد هي .. okay وهي كمان واحد ممتاز يعني اتنين على
+
+742
+01:00:55,800 --> 01:00:59,880
+أربعة اتنين
+
+743
+01:00:59,880 --> 01:01:07,100
+على أربعة هذه واحدة وهذه اتنين طيبجدّش الواحد على
+
+744
+01:01:07,100 --> 01:01:14,440
+تلاتة واحد و تلاتة هيها مات واحد على تلاتة وجدّش
+
+745
+01:01:14,440 --> 01:01:20,220
+مع الواحد والتنين هيها ال probability تبعتها ضال
+
+746
+01:01:20,220 --> 01:01:25,140
+عند ال value الأخيرة الموجودة
+
+747
+01:01:25,140 --> 01:01:31,320
+عندى لمين؟ للتنين هي التنين هي التنين هي التنين في
+
+748
+01:01:31,320 --> 01:01:34,060
+عندى أربع قيم الأربع قيم منهم
+
+749
+01:01:37,600 --> 01:01:41,080
+ولا واحدة مع ال attribute أو مع ال class الأول صفر
+
+750
+01:01:41,080 --> 01:01:44,640
+على أربعة و لو انت جمعت فعليا هان اتنين على أربعة
+
+751
+01:01:44,640 --> 01:01:50,720
+او اتنين على أربعة لازم يطلع معاك أربعة على أربعة
+
+752
+01:01:50,720 --> 01:01:54,040
+لأن هما ال maximum أربعة عفوا ان هان اتنين على
+
+753
+01:01:54,040 --> 01:02:00,060
+أربعة الان مع الواحد و لا مافيش شي مع التنين هي
+
+754
+01:02:00,060 --> 01:02:04,880
+واحدة هي تنتين وبالتالي هان
+
+755
+01:02:11,280 --> 01:02:16,080
+هذه اتنين على تلاتة وهذه اتنين على تلاتة لو جمعت
+
+756
+01:02:16,080 --> 01:02:18,420
+العناصر اللي موجودة عندي هان و العناصر اللي عندي
+
+757
+01:02:18,420 --> 01:02:21,660
+هان لازم تاخد تلاتة و واحد صحيح وهذه تاخد واحد
+
+758
+01:02:21,660 --> 01:02:27,000
+صحيح كملية الجدول نفس الصورة السابقة هكون الجدول
+
+759
+01:02:27,000 --> 01:02:32,980
+هيه عندى بالتمام و مجرد ان انا اعمل الجدول هذا
+
+760
+01:02:32,980 --> 01:02:39,420
+بيسهل علي جدا ان احسبالعناصر خليني على السريع بس
+
+761
+01:02:39,420 --> 01:02:45,260
+احط المثال الأخير لو انا افترضت ان انا عندي واحد
+
+762
+01:02:45,260 --> 01:02:52,620
+واحد واتنين ماعرفش انا كتبت بشكل random هل فعليا
+
+763
+01:02:52,620 --> 01:02:57,380
+هذه ايش الاحتمال تبعتها انها تظهر عندى او ايش ال
+
+764
+01:02:57,380 --> 01:03:02,560
+class تبعتها اللى توجد عندها هذه مع ال class الاول
+
+765
+01:03:02,560 --> 01:03:04,160
+بدي احسبها
+
+766
+01:03:09,260 --> 01:03:16,820
+و بدي أحسبها مع ال class التاني و بدي أحسبها مع ال
+
+767
+01:03:16,820 --> 01:03:26,560
+class التالت طيب مع ال class الأول واحد وين ال
+
+768
+01:03:26,560 --> 01:03:31,440
+واحد هيها يا جماعة الخير ال attribute التاني برضه
+
+769
+01:03:31,440 --> 01:03:36,460
+واحد ال attribute التالت كانت اتنين هيها معناته
+
+770
+01:03:36,460 --> 01:03:40,240
+انا بدي اخد الاحتمال تبع ال rowللـ class الأول
+
+771
+01:03:40,240 --> 01:03:49,580
+معناته أنا بدي أضرب القيم اللي عليها تحتها
+
+772
+01:03:49,580 --> 01:03:55,160
+الخط هذه في بعضها ال probability تبعتي الواحد
+
+773
+01:03:55,160 --> 01:03:59,160
+أربعة على عشرة مضروبة في ال probability واحد على
+
+774
+01:03:59,160 --> 01:04:03,440
+واحد اللي هي attribute A1 equal واحد على واحد
+
+775
+01:04:03,440 --> 01:04:10,760
+مضروبة في ال probability A1A2 equal 1 على 1 مضروبة
+
+776
+01:04:10,760 --> 01:04:15,000
+في ال probability ال
+
+777
+01:04:15,000 --> 01:04:18,280
+probability للواحد as class مضروبة في ال
+
+778
+01:04:18,280 --> 01:04:23,440
+probability لل A1 equal 1 على 1 مضروبة في ال
+
+779
+01:04:23,440 --> 01:04:29,860
+probability لل A2 equal 1 على 1 مضروبة في ال
+
+780
+01:04:29,860 --> 01:04:36,420
+probability تبعت ال A3 equal2 على الواحد اللي هي
+
+781
+01:04:36,420 --> 01:04:39,640
+القيم اللي انا حددتها هيها هذا بجيبها لل class
+
+782
+01:04:39,640 --> 01:04:42,320
+الأول بجيبها لل class التاني بجيبها لل class
+
+783
+01:04:42,320 --> 01:04:47,160
+التالت و من ثم هاي
+
+784
+01:04:47,160 --> 01:04:52,300
+الحسبة اللي موجودة عندي الآن بدور على ال maximum
+
+785
+01:04:52,300 --> 01:05:00,970
+عندي 25 من ألف أربعة وأربعين250 من عشرة ألاف و 444
+
+786
+01:05:00,970 --> 01:05:05,150
+من عشرة ألاف و 111 من عشرة ألاف ال most
+
+787
+01:05:05,150 --> 01:05:10,610
+probability تبعتي و ال maximum probability أربعة
+
+788
+01:05:10,610 --> 01:05:14,050
+من مية أكيد أكبر من اتنين من مية و أكبر من واحد من
+
+789
+01:05:14,050 --> 01:05:18,850
+مية وبالتالي أغلب الظن ان هذه ال instance هتتصنف
+
+790
+01:05:18,850 --> 01:05:23,750
+مع ال class التاني مع ال class التاني لكن أنا
+
+791
+01:05:23,750 --> 01:05:30,560
+انتبهت لشغلة و أنا بقى أشتغل في الحسبةو هي ان ال
+
+792
+01:05:30,560 --> 01:05:38,820
+instances اللي أنا كتبتها موجودة بس
+
+793
+01:05:38,820 --> 01:05:43,670
+ايش ال class تبعتها؟تلاتة يعني صار في عندي
+
+794
+01:05:43,670 --> 01:05:47,170
+misclassification هل هذه مسئوليتي؟ لا مش مسئوليتي
+
+795
+01:05:47,170 --> 01:05:52,310
+انا اشتغلت عليها لان اخضعتها لاحتمالات تمام و هذه
+
+796
+01:05:52,310 --> 01:05:55,770
+وزنها كان واحدة من العناصر اللي موجودة لكن ال node
+
+797
+01:05:55,770 --> 01:05:58,170
+تبعتي هذه حسب الاحتمالات او حسب ال naive bison
+
+798
+01:05:58,170 --> 01:06:03,950
+بتطلع لمين؟ مع العنصر ال class two اللي موجود
+
+799
+01:06:03,950 --> 01:06:09,130
+عندهاالأن زي ما قلنا الـ Naive Bison ختاما للكلام
+
+800
+01:06:09,130 --> 01:06:11,950
+اللي احنا اشتغلناه طبعا جامعة الخير في انكو data
+
+801
+01:06:11,950 --> 01:06:15,210
+set موجودة سابقا في ال examples السابقات جربوا
+
+802
+01:06:15,210 --> 01:06:18,050
+عليها Naive Bison ما تستناش ما تقوليش ملون بدي
+
+803
+01:06:18,050 --> 01:06:20,270
+اسئلة في عندك ال data set اللي موجود في ال slides
+
+804
+01:06:20,270 --> 01:06:23,960
+و اللي انا اشتغلت عليها سابقاكـClassifier في عنده
+
+805
+01:06:23,960 --> 01:06:25,960
+strict assumptions زي ما قلنا about ال data اللي
+
+806
+01:06:25,960 --> 01:06:28,400
+هو ال independent attributes و ال normal
+
+807
+01:06:28,400 --> 01:06:32,920
+distribution تبع ال data اللي موجودة وهذا بيخليه
+
+808
+01:06:32,920 --> 01:06:35,920
+fast .. very fast أو extremely fast في ال training
+
+809
+01:06:35,920 --> 01:06:38,060
+و في ال prediction في ال training لأنه بيبني
+
+810
+01:06:38,060 --> 01:06:41,020
+الجدول مرة واحدة و في ال prediction مفيش .. يعني
+
+811
+01:06:41,020 --> 01:06:43,540
+ال competition تبعت قليلة straightforward
+
+812
+01:06:43,540 --> 01:06:47,900
+probabilistic prediction بيعتمد على ال
+
+813
+01:06:47,900 --> 01:06:52,640
+probabilities تماما على الاحتمالاتسهل جدا اني افسر
+
+814
+01:06:52,640 --> 01:06:58,620
+ليش طلع هيك مش بحاجة ان اعمل tuning لاني parameter
+
+815
+01:06:58,620 --> 01:07:06,120
+لان فعليا انا ماشوفتش اي حاجة بيطلب مني بما
+
+816
+01:07:06,120 --> 01:07:12,360
+انه في عندي strict and
+
+817
+01:07:12,360 --> 01:07:17,040
+complicated
+
+818
+01:07:17,040 --> 01:07:22,370
+modelفعليا الـ Naive Bison زي ما حنا شوفنا في
+
+819
+01:07:22,370 --> 01:07:30,490
+حسبته سهل نعم لكنه مش سهل ان اطبقه في كل مكان طبعا
+
+820
+01:07:30,490 --> 01:07:35,690
+ماهي المطلوب ان انا فعليا وين انا بدي اروح اطبق
+
+821
+01:07:35,690 --> 01:07:38,330
+الـ Naive Bison فعليا انا بقدر اروح استخدمه او
+
+822
+01:07:38,330 --> 01:07:40,990
+ممكن اش��غل كويس لما يكون الـ Naive Assumption
+
+823
+01:07:40,990 --> 01:07:46,240
+فعليا موجودة مع ال data يعني بين جثينان انا شبه
+
+824
+01:07:46,240 --> 01:07:49,320
+متأكد ان ال attributes اللى عندى كلها independent
+
+825
+01:07:49,320 --> 01:07:53,740
+attributes لكن انت الكلام متأكد منه ولا مش متأكد
+
+826
+01:07:53,740 --> 01:07:57,840
+منه؟ مابعرفش، مابيش الحل كيف بتتأكد من ال
+
+827
+01:07:57,840 --> 01:08:00,740
+dependency من ال attributes؟ بدك ترجع لل data
+
+828
+01:08:00,740 --> 01:08:03,940
+preparation و تفحص ال correlation ما بين ال
+
+829
+01:08:03,940 --> 01:08:07,600
+attributes و زى ما شوفنا في عندنا ال chi-square و
+
+830
+01:08:07,600 --> 01:08:12,230
+في عندنا ال اش كمان؟الـ Pearson coefficient إلى
+
+831
+01:08:12,230 --> 01:08:16,010
+آخره هو بناءً على هيك انت بتصير تدور على تفهم ال
+
+832
+01:08:16,010 --> 01:08:19,310
+data set أكتر very well separated categories لما
+
+833
+01:08:19,310 --> 01:08:22,350
+يكون ال categories اللي عنده فعليًا finite و
+
+834
+01:08:22,350 --> 01:08:26,130
+مفصلين عن بعض مافيش بينهم يعني بين جثين ال data
+
+835
+01:08:26,130 --> 01:08:29,830
+set بتفرج بشكل كويس و احنا لاحظين في المثال السابق
+
+836
+01:08:29,830 --> 01:08:33,070
+انه فعليًا عمل misclassification لل point اللي
+
+837
+01:08:33,070 --> 01:08:36,870
+موجودة عندها very high dimensional data لما تكون
+
+838
+01:08:36,870 --> 01:08:41,870
+ال data تبعتيالعالية جدا او فيها عدد كبير من ال
+
+839
+01:08:41,870 --> 01:08:45,630
+attributes ممكن انا اشتغل اخر شغلة في محاضرتنا هي
+
+840
+01:08:45,630 --> 01:08:49,270
+ال code ال code ال bython المفروض اللي انا بدي
+
+841
+01:08:49,270 --> 01:08:52,310
+اشتغله على السريع في code ال bython اللي موجود
+
+842
+01:08:52,310 --> 01:08:55,810
+عندي اعملت import لل data set فصلت ال features
+
+843
+01:08:55,810 --> 01:08:59,770
+حددت ال labels كما المثال السابق تماما مع ال naive
+
+844
+01:08:59,770 --> 01:09:03,590
+byes يعني مع ال kenyar snapperتمام؟ هذا شغل ال
+
+845
+01:09:03,590 --> 01:09:07,530
+data set احضار ال data set from ال k .. ال sklearn
+
+846
+01:09:07,530 --> 01:09:12,390
+.naive biased import gaussian لما قلتلكوا في عندي
+
+847
+01:09:12,390 --> 01:09:14,990
+توزيع طبيعي أو ال gaussian distribution الموجود في
+
+848
+01:09:14,990 --> 01:09:19,430
+ال .. هذا ال assumption تبعتي الأساسية as ..
+
+849
+01:09:19,430 --> 01:09:23,070
+حطيتله alias name هنا بنيت عليه model و قلتله اعمل
+
+850
+01:09:23,070 --> 01:09:27,170
+training على ال feature و ال label هذا الكلام
+
+851
+01:09:27,170 --> 01:09:32,010
+ماكانش موجود إذا بتتذكره وينفي ال data set او مع
+
+852
+01:09:32,010 --> 01:09:35,770
+.. عفوا مع ال canary snapper فالان اوجد العلاقة ما
+
+853
+01:09:35,770 --> 01:09:39,790
+بين ال features و ال labels بنجو سينت بنى جدول
+
+854
+01:09:39,790 --> 01:09:43,650
+الاحتمالات اللى بدناها قبل شوية و لما هى اللى
+
+855
+01:09:43,650 --> 01:09:47,390
+قلتله هى فى عندى test sample روح اعملهايها و روح
+
+856
+01:09:47,390 --> 01:09:50,450
+اعملها prediction فلما راح اعملها prediction
+
+857
+01:09:50,450 --> 01:09:54,470
+هيديني ال label تبعتها بناء على جدول الاحتمالات
+
+858
+01:09:54,470 --> 01:09:59,180
+اللى حصل منها فى حد فيكوا بيتذكرفي مرحلة الـ
+
+859
+01:09:59,180 --> 01:10:01,080
+Prediction مع الـ Canary Snapper أشكال اللي بيطلع
+
+860
+01:10:01,080 --> 01:10:01,420
+معايا
+
+861
+01:10:05,300 --> 01:10:08,140
+لأ بالزمكوا المراجعة دي باستمرار عشان تتذكروا
+
+862
+01:10:08,140 --> 01:10:11,620
+وبهيك .. لأ انا بذكرك انه كان بيديني ال distances
+
+863
+01:10:11,620 --> 01:10:15,340
+بيديني ال shortest five distance او shortest k
+
+864
+01:10:15,340 --> 01:10:20,280
+distances و ال index تبعت ال attributes تبعتها هذا
+
+865
+01:10:20,280 --> 01:10:24,020
+مثال بتمنى موجود معاكم وموجود بين اديكم بال slides
+
+866
+01:10:24,020 --> 01:10:27,200
+مثال ال golf السابق اللي احنا شوفناه روحوا طبقوا
+
+867
+01:10:27,200 --> 01:10:28,560
+عليه ال ..
+
+868
+01:10:31,690 --> 01:10:34,870
+الـ Naive Bison Algorithm وبدو اشتغلوا بحيث انكوا
+
+869
+01:10:34,870 --> 01:10:38,750
+تفهموا اللي موجود هنا في الختام بدي اذكر انه في
+
+870
+01:10:38,750 --> 01:10:44,050
+عندنا forum موجود منتده حواري على الموضل لأي سؤال
+
+871
+01:10:44,050 --> 01:10:47,950
+لكل محاضراتنا باستمرار فإذا في عندك او عندك اي
+
+872
+01:10:47,950 --> 01:10:52,180
+سؤالمشكورين اضيفوا السؤال على ال forum وانا ان شاء
+
+873
+01:10:52,180 --> 01:10:56,120
+الله تعالى برد عليكوا بالإجابة الشافية اللى
+
+874
+01:10:56,120 --> 01:10:59,380
+بترضيكوا بإذن الله تبارك وتعالى بتمنى لكوا السلامة
+
+875
+01:10:59,380 --> 01:11:02,560
+دوما والسلام عليكم ورحمة الله والمحاضرة الجاية
+
+876
+01:11:02,560 --> 01:11:06,300
+بنكمل في decision algorithm يعطيكم العافية
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/hrMDIeuEJkQ.srt

@@ -0,0 +1,2867 @@
+1
+00:00:04,840 --> 00:00:07,380
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:07,380 --> 00:00:11,680
+أهلا وسهلا بكم يا شباب، إن شاء الله، نحن اليوم نكمل
+
+3
+00:00:11,680 --> 00:00:14,360
+مع الـ chapter data understanding and data
+
+4
+00:00:14,360 --> 00:00:16,700
+preparation، وهذا الـ chapter، المحاضرة هي التي
+
+5
+00:00:16,700 --> 00:00:20,200
+ستكون المحاضرة الأخيرة في الـ chapter الموجود
+
+6
+00:00:20,200 --> 00:00:23,200
+بين أيدينا. كنا قد تكلمنا أن فعلياً، عشان أنا أعمل أي
+
+7
+00:00:23,200 --> 00:00:27,100
+data mining project، يلزمُني data cleaning، data
+
+8
+00:00:27,100 --> 00:00:32,500
+integration، data transformation، data selection،
+
+9
+00:00:32,500 --> 00:00:36,130
+data mining pattern evaluation، وknowledge
+
+10
+00:00:36,130 --> 00:00:39,150
+presentation. وقلنا هذه الخطوات السبعة التي أنا
+
+11
+00:00:39,150 --> 00:00:43,310
+فعلياً أمر بها في أي مشروع له علاقة بـ data mining.
+
+12
+00:00:43,310 --> 00:00:47,290
+وكنا قد حكينا في المحاضرة الأخيرة، بدأنا نتكلم عن الـ
+
+13
+00:00:47,290 --> 00:00:49,910
+data transformation، وقلنا هدف الـ data
+
+14
+00:00:49,910 --> 00:00:55,030
+transformation أن أضع البيانات في صورة جديدة تتناسب
+
+15
+00:00:55,030 --> 00:00:58,970
+مع عملية الـ mining التي أنا أريد أن أقوم بها، وذكرنا
+
+16
+00:00:58,970 --> 00:01:01,230
+أن من الممكن أن أطبق smoothing أو aggregation،
+
+17
+00:01:01,230 --> 00:01:04,770
+generalization، و الـ normalization. ومحاضرتنا الأخيرة
+
+18
+00:01:04,770 --> 00:01:08,190
+شغلة في المحاضرة الماضية، بدأنا مع الـ normalization،
+
+19
+00:01:08,190 --> 00:01:11,870
+وقلنا الـ normalization أنه أنا فعلياً أذهب وأعمل
+
+20
+00:01:11,870 --> 00:01:15,850
+scaling للـ data set الموجودة عندي، أو عفواً للـ
+
+21
+00:01:15,850 --> 00:01:19,030
+attributes، أو للـ data التي عندي، بحيث أن تتناسب مع
+
+22
+00:01:19,990 --> 00:01:23,850
+طبيعة الـ mining task التي عندي، وقلنا أبسط الأمور
+
+23
+00:01:23,850 --> 00:01:27,110
+لو كان في عندي two attributes، و الـ range أو الـ
+
+24
+00:01:27,110 --> 00:01:30,290
+gap بين الـ ranges التابعة لهما عالية جداً أو عالية كثيراً،
+
+25
+00:01:30,290 --> 00:01:34,210
+مثل ما قلنا، واحد من صفر لواحد، والـ attribute
+
+26
+00:01:34,210 --> 00:01:38,240
+الثاني من مئة لألف، هذين الاثنين، لو أنا أردت أن أجمعهما
+
+27
+00:01:38,240 --> 00:01:42,400
+معاً على رسمة واحدة، من المستحيل أن أقدر أُطبقهما.
+
+28
+00:01:42,400 --> 00:01:45,400
+فبالتالي، لازم أنا أعمل scaling، أحطّهُما في
+
+29
+00:01:45,400 --> 00:01:49,600
+نفس الـ range، يُسهل عليّ رسمهما، والشغل الثاني أيضاً، الـ
+
+30
+00:01:49,600 --> 00:01:52,620
+computation التابعة للـ algorithm تصبح أبسط عندما تكون
+
+31
+00:01:52,620 --> 00:01:56,600
+أعطيتها كلها من نفس المستوى. وكنا قد تكلمنا عن الـ
+
+32
+00:01:56,600 --> 00:01:59,800
+zero score، أو الـ z score normalization، أو الـ
+
+33
+00:01:59,800 --> 00:02:04,180
+standard normalization. قلنا الفكرة بالـ normal بالـ
+
+34
+00:02:04,180 --> 00:02:07,480
+standard، أو بالـ zero score، أنه أنا فعلياً للـ
+
+35
+00:02:07,480 --> 00:02:11,500
+attributes التي عندي، أحتاج أن أحسب المتوسط الحسابي
+
+36
+00:02:11,500 --> 00:02:17,380
+الـ mean، وأحسب الـ variance أو الانحراف المعياري للـ
+
+37
+00:02:17,380 --> 00:02:21,400
+attributes الموجودة عندي. والانحراف المعياري هو
+
+38
+00:02:21,400 --> 00:02:28,200
+عبارة عن حاصل مجموع تربيع الفروقات ما بين النقاط و
+
+39
+00:02:28,200 --> 00:02:32,020
+المتوسط الحسابي، على العدد، تحت الجذر التربيعي،
+
+40
+00:02:32,020 --> 00:02:38,090
+وشفنا المرة الماضية تأثيره فعلياً بالشكل هذا، عندما
+
+41
+00:02:38,090 --> 00:02:40,970
+ذهبتُ وأطبقتُ الـ zero mean، كان مفهومها أن عندما
+
+42
+00:02:40,970 --> 00:02:45,110
+أبدأُ أطبق الـ normalization هذه، أو الـ scaling،
+
+43
+00:02:45,110 --> 00:02:47,770
+هذا، المتوسط الحسابي الذي سيظهر مع الـ attribute
+
+44
+00:02:47,770 --> 00:02:51,630
+الجديد، أو مع الـ value الجديد، قيمته صفر، وبالتالي
+
+45
+00:02:51,630 --> 00:02:57,870
+ستكون عندي الـ variance قيمتها واحد. وطبعاً قلنا هذه
+
+46
+00:02:57,870 --> 00:03:02,560
+واضحة في الرسمة. لاحظ أن هذه الـ data، الـ original، طبيعية.
+
+47
+00:03:02,560 --> 00:03:06,300
+الآن، هيها موزعة على two classes، عندما عملت لها
+
+48
+00:03:06,300 --> 00:03:11,760
+scaling بالـ standard scalar، أو بالـ zero score. لاحظ
+
+49
+00:03:11,760 --> 00:03:16,000
+توزعت على الأربع أرباع التي في الـ Cartesian plane،
+
+50
+00:03:16,000 --> 00:03:19,320
+وبالتالي، أنا أقدر أتكلم أن فعلياً، في قيم تلغي
+
+51
+00:03:19,320 --> 00:03:22,660
+البعض عندما أجمع متوسطهما، أو عندما أبحث عن متوسطهما
+
+52
+00:03:22,660 --> 00:03:27,020
+الحسابي. اليوم، إن شاء الله، سنكمل، أو كنا قد حكينا أيضاً في
+
+53
+00:03:27,020 --> 00:03:29,380
+الموضوع، لأن هذه آخر الشغلات التي أنهينا بها محاضرتنا
+
+54
+00:03:29,380 --> 00:03:32,340
+الماضية، الـ robust scalar، هي عبارة عن special
+
+55
+00:03:32,340 --> 00:03:38,240
+scalar من الـ zero score، لكن بدلاً من أن يعتمد على
+
+56
+00:03:38,240 --> 00:03:43,200
+الـ mean، يعتمد على الـ median، والـ quartile، بدلاً من
+
+57
+00:03:43,200 --> 00:03:46,440
+الـ mean، الـ median، والـ variance، الـ min max score.
+
+58
+00:03:46,440 --> 00:03:50,750
+قلنا الـ min max score، مفهومها أن أنا فعلياً أحاول أن
+
+59
+00:03:50,750 --> 00:03:54,130
+أحصر الـ attributes هذه، أو الـ values هذه، ضمن فترة أنا
+
+60
+00:03:54,130 --> 00:03:58,830
+أحددها، ضمن مجموعة من العناصر التي أنا أريدها.
+
+61
+00:03:58,830 --> 00:04:03,850
+وليكن على سبيل المثال، أنا كان عندي الـ values: 12،
+
+62
+00:04:03,850 --> 00:04:12,170
+15، 10، 11، 20. هذه القيم الموجودة عندي، وأبدأ أذهب
+
+63
+00:04:12,170 --> 00:04:17,210
+وأضعها في فترة من صفر لواحد، أبسط، لكي تكون معي الآن
+
+64
+00:04:17,210 --> 00:04:22,510
+أسهل في الحل. الآن حسب الـ Min Max Normalization هذه،
+
+65
+00:04:22,510 --> 00:04:25,770
+كل ما أنا أفعله، أقوم بعمل Shift، وتقليص للـ
+
+66
+00:04:25,770 --> 00:04:28,610
+interval، الـ interval الحقيقي الذي عندي، من عشرة
+
+67
+00:04:28,610 --> 00:04:34,090
+لعشرين.  الـ data موجودة، الـ data موجودة
+
+68
+00:04:34,090 --> 00:04:37,850
+من عشرة لعشرين. الآن أنا أريد أن أذهب وأجعلَها كلها
+
+69
+00:04:37,850 --> 00:04:43,330
+محصورة ما بين صفر وواحد. يعني الـ minimum التابعة لي
+
+70
+00:04:43,330 --> 00:04:51,310
+جديداً قيمتها عشرة، والعشرون هذه هي الـ max.  طب الـ new
+
+71
+00:04:51,310 --> 00:04:59,650
+minimum التي أنا أريدها صفر، والـ new max واحد.
+
+72
+00:04:59,650 --> 00:05:03,550
+أنا قاعد بقول، بيُخليها من صفر لواحد. كل الأرقام
+
+73
+00:05:03,550 --> 00:05:07,170
+ستصبح من صفر لواحد. الآن بكل بساطة، أي قيمة من القيم
+
+74
+00:05:07,170 --> 00:05:10,710
+هذه، تُطبق عليها هذا القانون البسيط الموجود
+
+75
+00:05:10,710 --> 00:05:14,610
+عندنا. طبعاً قوانينه يا شباب مطلوبة بالحفظ، تمام؟ لأن
+
+76
+00:05:14,610 --> 00:05:19,290
+لن أزيدك بالقانون وأنت تحلم. الآن نأتي نأخذ على
+
+77
+00:05:19,290 --> 00:05:23,630
+سبيل المثال، المفروض العشرة هذه، بعد القانون، ستطابق
+
+78
+00:05:23,630 --> 00:05:28,650
+من؟ الصفر. تعال نأخذ العشرة، القيمة الجديدة للعشرة
+
+79
+00:05:28,650 --> 00:05:35,950
+تساوي العشرة ناقص الـ minimum التابعة للـ attribute، الـ
+
+80
+00:05:35,950 --> 00:05:42,330
+minimum التابعة للـ attribute كم؟ عشرة، على الـ
+
+81
+00:05:42,330 --> 00:05:46,700
+maximum ناقص الـ minimum التابعة للـ attribute، عشرون
+
+82
+00:05:46,700 --> 00:05:52,640
+ناقص عشرة، مضروبة في الـ new maximum، ناقص الـ new
+
+83
+00:05:52,640 --> 00:06:01,260
+minimum. الـ new maximum واحد، ناقص صفر، زائد الـ
+
+84
+00:06:01,260 --> 00:06:08,000
+minimum. الـ new minimum للـ attribute صفر، صفر على
+
+85
+00:06:08,000 --> 00:06:15,310
+عشرة، مضروب في واحد، زائد صفر، صفر.  بصفر؟ وبهكذا أنا
+
+86
+00:06:15,310 --> 00:06:19,770
+أحصل على الـ values، وأطبقها. تعالوا نشوف الخمسة عشر أين
+
+87
+00:06:19,770 --> 00:06:28,810
+ستصبح. نفس الكلام يا أصدقائي. الآن، خمسة عشر ناقص عشرة، على
+
+88
+00:06:28,810 --> 00:06:37,410
+عشرين ناقص عشرة، مضروبة في واحد ناقص صفر، زائد الصفر.
+
+89
+00:06:39,330 --> 00:06:43,130
+لا، ليست صفر، حرام عليك! خمسة عشر ناقص عشرة، خمسة، خمسة على
+
+90
+00:06:43,130 --> 00:06:49,010
+عشرة في واحد زائد صفر، نصف.
+
+91
+00:06:49,010 --> 00:06:52,790
+فعلاً، هي تقع في نصف الـ interval ما بين العشرة
+
+92
+00:06:52,790 --> 00:06:57,410
+والعشرين، الخمسة عشر تقع في الوسط، تمام؟  مفهوم يا شباب؟
+
+93
+00:06:57,410 --> 00:07:01,290
+طيب، وبهذا نكون قد أنهينا من الـ normalization،
+
+94
+00:07:01,290 --> 00:07:04,610
+بإعتمادنا على الـ min max.
+
+95
+00:07:08,350 --> 00:07:11,010
+Normalization أو Scalar. طبعاً هنا أنا أتكلم عن
+
+96
+00:07:11,010 --> 00:07:15,810
+Linear Transformation، مجرد معادلة خطية، نقلت الـ
+
+97
+00:07:15,810 --> 00:07:24,550
+data إلى range جديد. هذا مثال فقط، أنا أُزوّدك بالـ
+
+98
+00:07:24,550 --> 00:07:29,150
+minimum، والـ maximum في الأصل، وأسألك، الـ 73600
+
+99
+00:07:29,150 --> 00:07:34,910
+هذه، ستصبح أسهل.  أسهل scalar يمكن أن أطبقه أنا، وهو الـ
+
+100
+00:07:34,910 --> 00:07:39,910
+decimal scalar. Decimal Scalar، الـ Decimal Scalar، أو
+
+101
+00:07:39,910 --> 00:07:42,970
+الـ Decimal Scaling. أنا عندي قيم، كما قلنا، بعض
+
+102
+00:07:42,970 --> 00:07:51,710
+العملات تُقاس بالملايين، 170 مليون في
+
+103
+00:07:51,710 --> 00:07:54,550
+الحساب، أو في الـ computation التابعة للـ system، سيُرهقني
+
+104
+00:07:54,550 --> 00:07:57,370
+كثيراً هذا الرقم، وسيُرهق الـ computer أيضاً يا أصدقائي.
+
+105
+00:07:57,370 --> 00:08:01,470
+فما هو الحل؟ أريد أن أغير هذه الأرقام. كل الـ
+
+106
+00:08:01,470 --> 00:08:05,330
+attribute يكون لها هذه الصفة. مفهوم الـ scaling أنه أنا
+
+107
+00:08:05,330 --> 00:08:10,710
+ممكن أن أصغر له قيم معينة، أحجمه، كيف أحجمه؟  أقسمه على
+
+108
+00:08:10,710 --> 00:08:14,630
+عشرة أس عشرة.
+
+109
+00:08:14,630 --> 00:08:18,310
+أس. الآن أنا أريد أن أتخلص من كل الأصفار، معناته هي سبعة،
+
+110
+00:08:18,310 --> 00:08:24,490
+و هذا الثامن. معناته، نقسم الـ X على عشرة أس
+
+111
+00:08:24,490 --> 00:08:28,910
+ثمانية، على سبيل المثال. ما هي القيمة التي ستظهر عندي؟
+
+112
+00:08:28,910 --> 00:08:34,690
+واحد فاصلة سبعة، وكل الأرقام بنفس النظام الموجود عند
+
+113
+00:08:34,690 --> 00:08:38,450
+هنا، وبالتالي هذا أسهل واحد.  طب هل من الـ decimal
+
+114
+00:08:38,450 --> 00:08:44,130
+scaling هذا، أو ضمن الـ scalars السابقة، أقدر أُغير
+
+115
+00:08:44,130 --> 00:08:51,430
+أو أكبّر الـ range؟ كيف أفعل يا أصدقائي؟  نضرب
+
+116
+00:08:51,430 --> 00:08:57,030
+في ماذا؟ نضرب في عشرة، نضرب في عشرة، تمام؟ أو نترك نفس
+
+117
+00:08:57,030 --> 00:08:58,910
+المعادلة ونجعل الـ K سالبة.
+
+118
+00:09:01,480 --> 00:09:05,840
+فتتحول العملية مباشرة إلى ضرب.  طيب، في الـ min max،
+
+119
+00:09:05,840 --> 00:09:10,540
+أقدر أكبّر الـ range.  كانت أساساً عندي من صفر لـ
+
+120
+00:09:10,540 --> 00:09:16,560
+واحد، أنا أريد أن أجعلها من واحد لعشرة. ينفع نفس
+
+121
+00:09:16,560 --> 00:09:21,600
+القانون، نفس المعادلة، لكن مع تطبيق معاملات جديدة
+
+122
+00:09:21,600 --> 00:09:25,180
+في المعادلة الجديدة. ستكون الـ old minimum، أو الـ
+
+123
+00:09:25,180 --> 00:09:28,280
+attribute minimum،  لـ الـ new minimum، و للـ new
+
+124
+00:09:28,280 --> 00:09:33,180
+maximum.  وخلصنا. طب هل ممكن هذا
+
+125
+00:09:33,180 --> 00:09:41,240
+الكلام يصير مع الـ Standard Scalar؟  أكبر الـ .. ماذا؟
+
+126
+00:09:41,240 --> 00:09:44,780
+الـ .. ماذا؟ الـ Standard Scalar؟ الذي يحسب المتوسط
+
+127
+00:09:44,780 --> 00:09:52,320
+الحسابي، والانحراف المعياري. أولاً، هذا لا يُمكن،
+
+128
+00:09:52,320 --> 00:09:56,400
+لأن المتغيرات تابعة، تابعة لكل الـ attributes،
+
+129
+00:09:56,400 --> 00:10:00,620
+الـ variance تابعة لكل الـ attributes، وبالتالي، لا
+
+130
+00:10:00,620 --> 00:10:04,650
+يوجد مجال. اسمه Standard، مافيش فيه لعب.
+
+131
+00:10:04,650 --> 00:10:14,470
+تمام. سنتنقل الآن إلى موضوع data reduction.  نحن كنا
+
+132
+00:10:14,470 --> 00:10:18,010
+نتكلم عن من؟ عن الـ data transformation، وكان
+
+133
+00:10:18,010 --> 00:10:20,650
+نتكلم بالتحديد في الـ transformation، الـ scaling.
+
+134
+00:10:20,650 --> 00:10:24,590
+الآن أريد أن أتكلم في الـ data، في الـ transformation، أريد
+
+135
+00:10:24,590 --> 00:10:27,710
+أن أتكلم عن الـ data reduction. الآن، مفهوم الـ
+
+136
+00:10:27,710 --> 00:10:33,360
+transformation، أن صورة الـ data كانت في صورة، و أصبحت
+
+137
+00:10:33,360 --> 00:10:37,480
+في صورة مختلفة.  ممكن هذه الصورة فعلياً كانت تأثير
+
+138
+00:10:37,480 --> 00:10:41,820
+فقط في البيانات، كما عملت بالـ Scaling. نفس الـ
+
+139
+00:10:41,820 --> 00:10:45,620
+attributes بقيت كما هي، والـ rows بقيت كما هي،
+
+140
+00:10:45,620 --> 00:10:48,840
+من ناحية العدد، لكن الـ data الموجودة في الـ
+
+141
+00:10:48,840 --> 00:10:53,220
+attributes هي التي أخذت صورة جديدة، وبهذا أصبحت كل
+
+142
+00:10:53,220 --> 00:10:57,360
+الـ data's لها صورة جديدة، أو form جديدة. لكن
+
+143
+00:10:57,360 --> 00:11:01,860
+الآن، في الـ data reduction، هو عبارة عن تحوير للـ data
+
+144
+00:11:01,860 --> 00:11:07,360
+أنني أريد أن أقلل حجم البيانات. يا دكتور، أنت منذ البداية
+
+145
+00:11:07,360 --> 00:11:09,760
+الـ chapter، و تقول لنا، اكبروا البيانات، ومصادر بنا
+
+146
+00:11:09,760 --> 00:11:12,960
+البيانات أخرى، وعزز، و integration، و هكذا.  وتقول لي أريد
+
+147
+00:11:12,960 --> 00:11:15,860
+أن أفعل reduction؟  آه، أنت بحاجة أن تعمل reduction
+
+148
+00:11:15,860 --> 00:11:21,180
+أحياناً، الـ data set  already كبيرة عندك، فيها مليون
+
+149
+00:11:21,180 --> 00:11:21,600
+record.
+
+150
+00:11:24,360 --> 00:11:28,360
+آخذ المليون record، وأتعلم عليهم؟  جيد، لكن سيكلفك كثيراً
+
+151
+00:11:28,360 --> 00:11:32,040
+وقتاً، وتقوم بالـ analysis.  لو أنا جئتُ وسألتك، أن تعمل
+
+152
+00:11:32,040 --> 00:11:35,700
+analysis لخمسة attributes، وعشرة rows، يعني خمسون
+
+153
+00:11:35,700 --> 00:11:41,040
+value، أو أزيد الـ rows، وأقول مئة، يصبح خمسمائة
+
+154
+00:11:41,040 --> 00:11:43,800
+خمسون، أم خمسمائة؟  أيٌّ منها تستخدم في الـ analysis؟
+
+155
+00:11:44,390 --> 00:11:47,750
+الخمسون، بكل تأكيد.  قلنا، هو الكمبيوتر يختلف معي يا
+
+156
+00:11:47,750 --> 00:11:50,470
+أستاذ؟ آه، يختلف معك عندما يتعلق الأمر بالشغل بالملايين، كما
+
+157
+00:11:50,470 --> 00:11:54,030
+نحن نتكلم. جالسين، ليست قيمة واحدة، وليست معادلة واحدة
+
+158
+00:11:54,030 --> 00:11:57,970
+التي تُحسب، لكن تصبح تختلف معك.  فعشان هيك، أنا
+
+159
+00:11:57,970 --> 00:12:02,590
+أحتاج أحياناً أن أعمل reduction. لكن الشرط الأساسي، الـ
+
+160
+00:12:02,590 --> 00:12:08,090
+reduction هذا، ليس على حساب جودة الـ data. يعني، بين
+
+161
+00:12:08,090 --> 00:12:11,010
+الجيدين، عندما أقول، والله، أنني أريد أن آخذ مثلاً من
+
+162
+00:12:11,010 --> 00:12:15,370
+المئة ألف، أريد أن آخذ خمسين ألف فقط، أريد أن أضمن أن الـ 50
+
+163
+00:12:15,370 --> 00:12:18,870
+ألف هؤلاء يمثلون كل الـ data الحقيقية،
+
+164
+00:12:18,870 --> 00:12:22,490
+representative لكل الـ data.  أجي أقول، إن في عندي
+
+165
+00:12:22,490 --> 00:12:25,870
+مجموعة من الـ attributes، أنا لا أريدها فعلياً، أنا
+
+166
+00:12:25,870 --> 00:12:31,510
+لا أريدها، لأنها إما useless، غير مفيدة عندي، أو
+
+167
+00:12:31,510 --> 00:12:35,850
+فعلياً، الـ effect التابعة لها بسيط جداً، لا يؤثر،
+
+168
+00:12:35,850 --> 00:12:41,690
+وبالتالي أنا جالس أتكلم عن reduction، هدفها أن أجعل
+
+169
+00:12:41,690 --> 00:12:48,250
+الـ data set تصبح عندي much smaller من الأول، جبتها
+
+170
+00:12:48,250 --> 00:12:51,070
+صغيرة في الأول، أنت الـ data ما كنت تعرفها أساساً،
+
+171
+
+223
+00:16:33,890 --> 00:16:37,990
+discretization بتكلم على reduction على مستوى ال values
+
+224
+00:16:37,990 --> 00:16:42,830
+عدد ال distinct values في ال attribute و خلينا
+
+225
+00:16:42,830 --> 00:16:48,340
+الآن نبدأ مع الأولى كمان مرة، جماعة الخير، بعيد و
+
+226
+00:16:48,340 --> 00:16:53,140
+بأكد أنا بدي أعمل reduction لل data set بحيث أنها
+
+227
+00:16:53,140 --> 00:16:57,700
+تكون أصغر ما يمكن بنفس الخصائص أو نفس النتائج
+
+228
+00:16:57,700 --> 00:17:02,100
+التحليلية اللي تطلع فيها، كل الـ database الكبيرة، هل
+
+229
+00:17:02,100 --> 00:17:05,400
+الكلام هذا متاح؟ آه، متاح بعد ما أطبق المجموعة
+
+230
+00:17:05,400 --> 00:17:08,820
+من العناصر التالية. نبدأ مع الـ data reduction و الـ
+
+231
+00:17:08,820 --> 00:17:14,600
+feature selection. احنا متفقين أنه الـ data relevant
+
+232
+00:17:14,600 --> 00:17:18,480
+للـ task. سألنا نفسنا من البداية: هل الـ data هذه
+
+233
+00:17:18,480 --> 00:17:22,520
+relevant؟ مناسبة للـ task؟ آه، مناسبة... مناسبة
+
+234
+00:17:22,520 --> 00:17:27,380
+تماماً. الآن بدي أبدأ أسأل نفسي: هل الـ feature هاي
+
+235
+00:17:27,380 --> 00:17:32,700
+relevant ولا irrelevant للـ task؟ مثلاً، كنا متفقين
+
+236
+00:17:32,700 --> 00:17:36,940
+سابقا، أن الـ ID و الـ names مالهاش علاقة بأي شيء
+
+237
+00:17:36,940 --> 00:17:39,720
+فهذه الـ attributes لو كانت موجودة، شو بدي أسوي
+
+238
+00:17:39,720 --> 00:17:45,050
+فيها؟ بدي أشيلها. الآن، تخيل أن الـ data  بتاعتي
+
+239
+00:17:45,050 --> 00:17:48,310
+بتتكلم على تشخيص مرض معين: positive or negative.
+
+240
+00:17:48,310 --> 00:17:53,790
+تمام؟ و من ضمن الـ attribute، اسم الـ physical، اسم
+
+241
+00:17:53,790 --> 00:17:59,330
+الطبيب اللي قرر الحالة هاي أو عمل التشخيص هذا. هل
+
+242
+00:17:59,330 --> 00:18:03,790
+اسم الطبيب هذا، الاسم مش اسم المريض، اسم الطبيب الـ
+
+243
+00:18:03,790 --> 00:18:07,510
+expert اللي قال فعلياً أن الحالة هذه positive أو
+
+244
+00:18:07,510 --> 00:18:11,710
+قال عنها negative. هل اسم الطبيب بالوزن في الـ
+
+245
+00:18:11,710 --> 00:18:17,650
+mining؟ أكيد لا، irrelevant. بدي أشيله. واحد يقول: لما
+
+246
+00:18:17,650 --> 00:18:20,530
+أنت رجعتي يا دكتور لنفس المثال بالأسماء، كل الأسماء
+
+247
+00:18:20,530 --> 00:18:25,030
+و الـ IDs، كلها بدنا نشيلها. حتى أفق معك: تحصيل
+
+248
+00:18:25,030 --> 00:18:33,150
+الطالب في المدرسة اللي له علاقة براتب والده؟ آه،
+
+249
+00:18:33,150 --> 00:18:35,910
+شوف، في الأول معظمنا قال لا، بس بعدين شوية صرنا نقول
+
+250
+00:18:35,910 --> 00:18:41,990
+قد يكون okay. هذه القد إيش مقدارها؟ لا، ممكن نحسبها
+
+251
+00:18:42,740 --> 00:18:45,280
+بناء على الـ data set اللي عندي. واحد بيقول خمسين،
+
+252
+00:18:45,280 --> 00:18:49,000
+وهنا واحد بيقوله أقل. أنا ممكن أحسبها وأقول لك فعلياً
+
+253
+00:18:49,000 --> 00:18:53,140
+تأثير الـ attribute هذا بمقدار كذا على النتيجة. لسه
+
+254
+00:18:53,140 --> 00:18:57,460
+دي بلاش، لأن هذا احنا مختلفين في الموضوع هذا. هل
+
+255
+00:18:57,460 --> 00:19:06,600
+تحصيل الطالب له علاقة بعمر والده؟ هتقول لي طبعاً؟ وين
+
+256
+00:19:06,600 --> 00:19:10,620
+هو اللي بيقوله. أنا صراحة هشوف، بسأل، طبعاً لا، بس في
+
+257
+00:19:10,620 --> 00:19:17,340
+واحد قال: آه صحيح، بصراحة لا، آه، يمكن ننزل من العلامة
+
+258
+00:19:17,340 --> 00:19:17,680
+يعني
+
+259
+00:19:21,300 --> 00:19:26,040
+بس شوف، أنت مع كل واحدة صرت تقول: إيش؟ يمكن، يمكن
+
+260
+00:19:26,040 --> 00:19:30,400
+لأنه فعلياً الأقرب بالنسبة لك لا، مالوش علاقة
+
+261
+00:19:30,400 --> 00:19:33,720
+بسلوك والده في متابعته، بغض النظر عن عمره، كان شاب
+
+262
+00:19:33,720 --> 00:19:36,880
+صغير أو كهل، ولا لا. إذا طول ما هو حامل العصاية فوق
+
+263
+00:19:36,880 --> 00:19:42,800
+رأسه و بنجر على رأسه، بيدرس، بيدرس، بتحس إن في ناس
+
+264
+00:19:42,800 --> 00:19:44,560
+بيظلوا موجودين أكثر من الشباب. نعم.
+
+265
+00:19:48,990 --> 00:19:52,730
+صار... صار هذا له... له تأثير، بس أنا قاعد بتكلم
+
+266
+00:19:52,730 --> 00:19:56,390
+بأطرح معك إنه ممكن ألاقي attributes شكلها بيوحي
+
+267
+00:19:56,390 --> 00:20:02,030
+أنه ممكن يكون تمام؟ لكنه فعلياً مالوش علاقة. تمام.
+
+268
+00:20:02,030 --> 00:20:04,590
+دكتور، جهدك للتصك باسم اللي أنت جاي تتكلم عنه؟
+
+269
+00:20:04,590 --> 00:20:07,270
+معليش، قاعد بقول لك: الآن قاعد بتكلم، التصنيف بتاع
+
+270
+00:20:07,270 --> 00:20:11,530
+تحصيل الطالب في المدرسة وعمر والده. الآن، متوفر
+
+271
+00:20:11,530 --> 00:20:18,760
+attribute اسمه الـ father age. بتتوقع هيك... by sins
+
+272
+00:20:18,760 --> 00:20:22,360
+هل father age مؤثر؟ أنا بقول لك من واقع خبرتي؟ لا،
+
+273
+00:20:22,360 --> 00:20:26,880
+لا، ليش؟ لأنه كمان مرة، إلها علاقة بالـ attitude تبع
+
+274
+00:20:26,880 --> 00:20:31,680
+الأب. إذا هو متابع، هتظل متابع لآخر نفس، وإذا هو
+
+275
+00:20:31,680 --> 00:20:40,180
+مهم من البداية، هتظل نفس العنصر. الآن وبالتالي،
+
+276
+00:20:40,180 --> 00:20:42,900
+أنا عشان أطلع من الجدل اللي ما يمكن وما يمكنش وجدش
+
+277
+00:20:42,900 --> 00:20:47,190
+تأثيره، أنا فيه عندي بعض الـ formal methods، بعض الطرق
+
+278
+00:20:47,190 --> 00:20:50,610
+الرسمية، الـ Practical اللي ممكن أنا أستخدمها وأصل
+
+279
+00:20:50,610 --> 00:20:55,270
+لنتيجة. طيب، لما أنا بقلل عدد الـ attributes، جماعة
+
+280
+00:20:55,270 --> 00:21:00,510
+الخير، واحد، اثنين، ثلاثة، أربعة، كانوا عشرة attributes.
+
+281
+00:21:00,510 --> 00:21:04,650
+محمد، قد إيش عدد الـ attributes عندك في الـ data set؟ 87
+
+282
+00:21:04,650 --> 00:21:09,710
+attribute. قد إيش حجم الـ data set اللي عندك أنت؟ أيوة،
+
+283
+00:21:09,710 --> 00:21:19,260
+آه، آه، 13 attribute و أربعة عشر row؟ أربعة عشر
+
+284
+00:21:19,260 --> 00:21:24,720
+attributes. آه، و الـ rows؟ الآن، الـ attributes هذه
+
+285
+00:21:24,720 --> 00:21:27,800
+ستة وثمانين أو أربعة عشر. ممكن غيره يقول لي عشرة و
+
+286
+00:21:27,800 --> 00:21:32,740
+الناس يقول لي سبعة، و واحد يقول لي خمسة. المهم أحافظ...
+
+287
+00:21:32,740 --> 00:21:38,920
+لا... احنا حكينا مئة مرة، أجلش يبدأ خمسة آلاف row
+
+288
+00:21:38,920 --> 00:21:40,540
+بتعيده؟
+
+289
+00:21:44,740 --> 00:21:51,580
+لما أراجعها إن شاء الله، برد عليك. آه،
+
+290
+00:21:51,580 --> 00:21:59,640
+أنت بقى كتناسبها. آه، بقى، دوّارت
+
+291
+00:21:59,640 --> 00:22:05,700
+على الجليل مش ضروري يديك knowledge كويسة. نشوف، نشوف.
+
+292
+00:22:05,700 --> 00:22:12,600
+ماشي، ماشي. طيب خلينا نرجع، خلينا نرجع لمحاضرتنا. الهدف
+
+293
+00:22:12,600 --> 00:22:17,480
+من الـ Feature Selection، أن أحتفظ فقط بالـ Most
+
+294
+00:22:17,480 --> 00:22:22,120
+Relevant Attributes، بالـ Most Effective Attributes.
+
+295
+00:22:22,120 --> 00:22:28,900
+والباقي بدي أخلص منه. وهذا عشان يديني زيادة في كفاءة
+
+296
+00:22:28,900 --> 00:22:35,720
+الـ System بتاعتي. ولما أنا فعلياً أتكلم Feature
+
+297
+00:22:35,720 --> 00:22:39,080
+Selection أو data reduction، لما أنا زي ما قلت لك
+
+298
+00:22:39,080 --> 00:22:42,360
+بحدث attribute، يعني بحدث variable من المعادلة اللي
+
+299
+00:22:42,360 --> 00:22:45,620
+بدها تصير، وبالتالي أنا بقلل الـ computation اللي
+
+300
+00:22:45,620 --> 00:22:50,760
+بدها تصير عندي لاحقاً. عادة يا جماعة الخير لو قلت لك
+
+301
+00:22:50,760 --> 00:22:57,720
+أنا ما بعرف أي مجموعة هي اللي بتأثر، أي مجموعة من
+
+302
+00:22:57,720 --> 00:23:01,260
+الـ features هي صاحبة التأثير الأكبر، لكن بدي أجرب،
+
+303
+00:23:01,260 --> 00:23:05,500
+وهذا فعلياً هذا اللي بيصير: try and measure. هذا الـ
+
+304
+00:23:05,500 --> 00:23:08,800
+concept موجود جداً في الـ machine learning، و مطبق و
+
+305
+00:23:08,800 --> 00:23:15,680
+effective، بس مكلف. الآن، لو أنا أجيت وقلت لك عندي
+
+306
+00:23:15,680 --> 00:23:20,840
+three attributes، إيش
+
+307
+00:23:20,840 --> 00:23:23,980
+هي الـ data set أو إيش هي الـ subsets من الـ
+
+308
+00:23:23,980 --> 00:23:27,690
+attributes هذه اللي ممكن أ��رب عليها؟ ما بعرف يعني إيش
+
+309
+00:23:27,690 --> 00:23:32,750
+تجرب عليها؟ يعني تطبق الـ mining task بتاعتك على الـ
+
+310
+00:23:32,750 --> 00:23:35,910
+attributes هي. ممكن واحد، الـ label و كمان variable،
+
+311
+00:23:35,910 --> 00:23:39,730
+one dependent أو one independent و one dependent
+
+312
+00:23:39,730 --> 00:23:42,570
+variable، هي الـ target بتاعتي. إلا لو كانت عندي three
+
+313
+00:23:42,570 --> 00:23:46,570
+classes، أي three attributes، عفواً. أي واحد، وأي
+
+314
+00:23:46,570 --> 00:23:52,370
+اثنين، وأي ثلاثة، بالإضافة للـ target، هي الـ data set
+
+315
+00:23:52,370 --> 00:23:57,710
+بتاعتي، مكونة من four attributes، وأنا بدي أجرب الآن
+
+316
+00:23:57,710 --> 00:24:03,850
+آخذ قرار: مين الأكثر أهمية فيهم؟ وبدي أجرب وأجيب
+
+317
+00:24:03,850 --> 00:24:08,290
+كل مرة، كيف كان الـ performance؟ لأن ممكن أنا أشغل
+
+318
+00:24:08,290 --> 00:24:12,150
+على الـ attribute الأول لحاله مع الـ target، و الـ
+
+319
+00:24:12,150 --> 00:24:15,390
+attribute الثاني مع الـ target، و الـ attribute
+
+320
+00:24:15,390 --> 00:24:20,330
+الثالث مع الـ target. بعدين الأول والثاني مع الـ
+
+321
+00:24:20,330 --> 00:24:26,830
+target، الأول والثالث مع الـ target، الثاني والثالث
+
+322
+00:24:26,830 --> 00:24:32,690
+مع الـ target، وكلهم مع الـ target. عادةً، عمال
+
+323
+00:24:32,690 --> 00:24:36,410
+بذكرنا هون، بقول لي: معناته إن أنت عندك عدد احتمالات
+
+324
+00:24:36,410 --> 00:24:42,330
+اثنين أس اثنين. إذا ترجع للرياضيات المنفصلة في الـ
+
+325
+00:24:42,330 --> 00:24:48,520
+subset، الـ power set. الـ power set بتحتوي على كل
+
+326
+00:24:48,520 --> 00:24:52,280
+المجموعات الجزئية من المجموعة A اللي هي عددهم 2
+
+327
+00:24:52,280 --> 00:24:55,620
+أس الـ cardinality للمجموعة A، باستثناء طبعاً، ما
+
+328
+00:24:55,620 --> 00:24:59,620
+راح منا منهم واحد. فاحنا مش قضية اثنين أس n، تمام؟
+
+329
+00:24:59,620 --> 00:25:07,480
+هذا العدد. إذا أنا بدي أجرب كويس على خمسة، على عشرة،
+
+330
+00:25:07,480 --> 00:25:12,600
+الآن أنا اثنين أس عشرة، نتكلم عن ألف وأربع وعشرين
+
+331
+00:25:12,600 --> 00:25:16,570
+محاولة عندي. بدي أغير منهم واحدة: ألف وثلاثة وعشر
+
+332
+00:25:16,570 --> 00:25:24,090
+محاولة. بس مع سبعة وثمانين، قضية... و
+
+333
+00:25:24,090 --> 00:25:27,650
+أنا هريحك في العلمات، إن شاء الله تعالى، ولا يهمك، مش
+
+334
+00:25:27,650 --> 00:25:32,850
+هخليك تتعب من حملها بالمرة، هشيل منهم قدر ما أقدر.
+
+335
+00:25:32,850 --> 00:25:38,510
+الآن، وبالتالي الـ feature selection اللي هتصير عندي
+
+336
+00:25:38,510 --> 00:25:45,560
+الآن، واحدة من اثنين: supervised و unsupervised. لو
+
+337
+00:25:45,560 --> 00:25:54,700
+أنا أجيت قلت لك: كـ test، شو يعني supervised؟ يعني
+
+338
+00:25:54,700 --> 00:25:59,940
+الـ human exist فيه supervision، فيه إشراف. وين
+
+339
+00:25:59,940 --> 00:26:04,920
+الإشراف بتاع الـ human؟ لا، مش في الـ data collection،
+
+340
+00:26:04,920 --> 00:26:10,480
+في الـ test، في الـ target، في تحديد الـ target. ممكن
+
+341
+00:26:10,480 --> 00:26:13,580
+الآن يكون الـ selection بتاعي للـ features بناء على
+
+342
+00:26:14,450 --> 00:26:17,590
+علاقة الـ Feature بالـ Target، وهدي بنسميها
+
+343
+00:26:17,590 --> 00:26:22,350
+Supervised. يعني لما أنا فعلياً بدي أقرر أتخلص من
+
+344
+00:26:22,350 --> 00:26:26,810
+Attribute أو أبقي، بدي أفحص علاقة الـ Attribute هذا
+
+345
+00:26:26,810 --> 00:26:32,650
+بالـ Target، وهدي بسميها Supervised، بسميها
+
+346
+00:26:32,650 --> 00:26:38,330
+Supervised. لما بأشتغل على أنه أنا بدي أقرر بين Two
+
+347
+00:26:38,330 --> 00:26:42,690
+Attributes جانب بعض، هل هما dependent أو redundant
+
+348
+00:26:42,690 --> 00:26:47,210
+attributes أو لا؟ هذي بسميها unsupervised. ما دخلتش
+
+349
+00:26:47,210 --> 00:26:54,170
+الـ target في حسبتي. الآن بشكل عام... بشكل عام الآن،
+
+350
+00:26:54,170 --> 00:26:57,510
+بدي أشيل الـ redundant attributes أو redundant
+
+351
+00:26:57,510 --> 00:27:02,130
+features. redundant عند الـ age، وعند الـ date of
+
+352
+00:27:02,130 --> 00:27:07,910
+birth، وعند الـ age category. شو رأيكم في الـ three
+
+353
+00:27:07,910 --> 00:27:12,690
+attributes هدول؟ كلهم زي بعض، بيحملوا نفس المعلومة
+
+354
+00:27:12,690 --> 00:27:19,990
+بس بصور مختلفة. تماماً مثل: يقول في عند الراتب، وعند
+
+355
+00:27:19,990 --> 00:27:25,630
+الراتب السنوي، أو صافي الراتب، وعند الراتب السنوي. بما
+
+356
+00:27:25,630 --> 00:27:28,610
+أن كلهم بيحملوا نفس المعلومة. هذه redundant attributes.
+
+357
+00:27:28,610 --> 00:27:33,690
+فأنت بدك تشيل اثنين من الثلاثة هدول، وتحتفظ بواحد
+
+358
+00:27:33,690 --> 00:27:36,890
+فقط، اللي بتناسب مع الـ task بتاعتك.
+
+359
+00:27:40,720 --> 00:27:44,200
+بدك ترجع للخلف سطرين وتعمل data cleaning
+
+360
+00:27:44,200 --> 00:27:48,660
+عشان تعالج الـ consistency. احنا خلصنا، أنا خلصت من
+
+361
+00:27:48,660 --> 00:27:52,300
+الـ missing، عملت لها handling، عبيتها، خلصت الـ noise
+
+362
+00:27:52,300 --> 00:27:56,840
+data، وحليت الـ inconsistency اللي موجودة. الآن
+
+363
+00:27:56,840 --> 00:28:00,720
+انتقلت لمرحلة الـ data selection. تمام يا مؤمن.
+
+364
+00:28:00,720 --> 00:28:03,560
+ففعلياً أنا يا شباب، أنا خلصت المرحلة اللي لها كل
+
+365
+00:28:03,560 --> 00:28:07,320
+علاقة بالـ preparation. الشيء الثاني زي ما قلنا، بدنا
+
+366
+00:28:07,320 --> 00:28:10,730
+نشيل الـ irrelevant attributes. أي attribute
+
+367
+00:28:10,730 --> 00:28:16,210
+irrelevant، تمام؟ irrelevant attribute بدي أخلص منه
+
+368
+00:28:16,210 --> 00:28:22,730
+في
+
+369
+00:28:22,730 --> 00:28:26,510
+شغل مهم جداً، لأول مرة هنقولها، إن أنا بدي أحذف الـ
+
+370
+00:28:26,510 --> 00:28:30,830
+attribute اللي مش فيها قيم مختلفة أو فيها تغيير
+
+371
+00:28:30,830 --> 00:28:38,630
+بسيط في الاختلاف. يعني كان في عندنا ملف طبي بيتكلم
+
+372
+00:28:38,630 --> 00:28:46,800
+عن النساء الحوامل. آه، أحسن، بدي أتنبأ بوزن المولود
+
+373
+00:28:46,800 --> 00:28:53,880
+لما ينولد، ولا جئت فيه attribute اسمه الـ gender. ليش
+
+374
+00:28:53,880 --> 00:28:59,320
+نشيل يا كريم؟ بالعجل، بالعجل، نشيل. ليش نشيل؟ بالعجل،
+
+375
+00:28:59,320 --> 00:29:04,880
+لأن كل الحوامل female، وبالتالي أنا ما فيش داعي لـ
+
+376
+00:29:04,880 --> 00:29:06,060
+attribute هذه يظل موجود.
+
+377
+00:29:08,960 --> 00:29:12,060
+لا، لا، بتكلم... بتكلم على الأم... عن الأم... جنس
+
+378
+00:29:12,060 --> 00:29:16,080
+الأم... بتكلم... أنا بدي أتنبأ بوزن المولود، أو بدي
+
+379
+00:29:16,080 --> 00:29:20,440
+أعمل regression لوزن المولود، تمام؟ الآن، وراجعت
+
+380
+00:29:20,440 --> 00:29:22,860
+البيانات... من بيانات الأم، موجود عندي الـ gender،
+
+381
+00:29:22,860 --> 00:29:28,160
+ما يلزمش... الآن، واحد يقول لي: هذا الـ attribute مهم؟
+
+382
+00:29:28,160 --> 00:29:31,800
+لا، مش مهم. ليش؟ لأن كل الـ attributes أو... عفواً...
+
+383
+00:29:31,800 --> 00:29:36,320
+كل الـ rows بتتشارك نفس الـ value، وبالتالي هذا
+
+384
+00:29:36,320 --> 00:29:40,880
+useless. تضحكوا، ماشي الحال، الله يهنيكم يا رب. زي
+
+385
+00:29:40,880 --> 00:29:46,120
+العمر في مثال المدرسة،
+
+386
+00:29:46,120 --> 00:29:50,360
+شكراً لك يا أحمد. الآن، العمر في مثال المدرسة،
+
+387
+00:29:50,360 --> 00:29:52,680
+الابتدائي، المرحلة الابتدائية، كلهم موجودين في نفس الـ
+
+388
+00:29:52,680 --> 00:29:56,600
+range. إلا إذا كان ما أنا بدي فعلياً، أنا معناته أشوف
+
+389
+00:29:56,600 --> 00:30:05,240
+تأثيره: العمر، أو فرق السنين، على تحصيله. عملية
+
+390
+00:30:05,240 --> 00:30:09,160
+الفحص أو المشاهدة أو شوف مين الـ attributes الأحسن، و
+
+391
+00:30:09,160 --> 00:30:15,900
+كذا مكلف أكثر. الحل الآن وبالتالي، موضوع إن أنا أجرب
+
+392
+00:30:15,900 --> 00:30:21,080
+الـ subset اللي موجود عندي زي
+
+445
+00:34:20,420 --> 00:34:25,500
+التنتين أنه بالـ forward ببدأ مع single attribute و
+
+446
+00:34:25,500 --> 00:34:28,180
+ببدأ أضيف الثاني والثالث والرابع وهكذا والـ
+
+447
+00:34:28,180 --> 00:34:32,540
+attribute اللي ما بأثرش في الـ result النهائي أو
+
+448
+00:34:32,540 --> 00:34:38,590
+تأثيره قليل بقى أشيله، بقى أشيله من اللي بعدين بينما
+
+449
+00:34:38,590 --> 00:34:43,470
+الـ Backward بقى أبدأ معاهم كلهم وببدأ أغيرهم
+
+450
+00:34:43,470 --> 00:34:46,730
+واحد وراء الثاني والـ Attribute اللي بقى أحس أنه
+
+451
+00:34:46,730 --> 00:34:49,770
+الـ Accuracy أو الـ performance تبع الـ
+
+452
+00:34:49,770 --> 00:34:53,250
+knowledge rule تبعها Down، صارت الـ Accuracy
+
+453
+00:34:53,250 --> 00:34:58,010
+نزلت لتحت بقى أشيله وأشوف اللي بعده وهكذا
+
+454
+00:34:58,010 --> 00:35:02,430
+بعض الناس بتروح بتطبق Machine Learning Algorithm
+
+455
+00:35:02,430 --> 00:35:09,230
+على الـ data set، فبتروح بتبني Decision Tree للـ data
+
+456
+00:35:09,230 --> 00:35:13,530
+set مكونة من six attributes عشان توصلنا للـ class
+
+457
+00:35:13,530 --> 00:35:18,270
+الـ Decision Tree لما بنوها لقوا إن الـ rules تبع الـ
+
+458
+00:35:18,270 --> 00:35:22,850
+Decision Tree فقط معتمدة على three attributes: a1 و
+
+459
+00:35:22,850 --> 00:35:33,290
+a4 و a6. هذا يعني أن a2 و a3 و a5 are useless. فراح
+
+460
+00:35:33,290 --> 00:35:36,130
+هدفهم يقول لك خلاص أنا بقدر أبني النظام تبعي على
+
+461
+00:35:36,130 --> 00:35:42,970
+الـ data set اللي موجودة عندها الآن
+
+462
+00:35:42,970 --> 00:35:48,750
+الـ data set هيها، اه بتتكون من six attributes، فلما
+
+463
+00:35:48,750 --> 00:35:50,810
+احنا أخدنا الـ six attributes هدول وبنينا عليهم
+
+464
+00:35:50,810 --> 00:35:54,170
+Decision Tree، الـ Decision Tree  عاليه واضحة جداً
+
+465
+00:35:54,170 --> 00:35:58,330
+لما رسمتها بتتكون من ايش؟ فقط من الـ three attributes
+
+466
+00:35:58,330 --> 00:36:07,350
+A1 و A4 و A6، ولسه بيقول لي A4 هو الأكثر أهمية، وراء
+
+467
+00:36:07,350 --> 00:36:13,050
+بيجي A1 و A6 بنفس المنزلة في ناحية الأهمية، يعني أن
+
+468
+00:36:13,050 --> 00:36:17,950
+2 و 3 و 5 مالهمش معنى، مالهمش لازمة، فإيش بروح أنا؟
+
+469
+00:36:17,950 --> 00:36:21,250
+بحذفهم وببني نظامي من جديد فقط على الـ three
+
+470
+00:36:21,250 --> 00:36:25,870
+attributes الموجودة، اه اه اه، هنشوفه مع بعض إن شاء
+
+471
+00:36:25,870 --> 00:36:30,050
+الله لاحقاً، طيب الآن
+
+472
+00:36:32,550 --> 00:36:37,790
+بما إنه مبدأ إنه والله أنا أطبق وأجرب على كلهم مزعج،
+
+473
+00:36:37,790 --> 00:36:40,650
+خصوصاً في ناس حيصير في عندها ألف وأربع مئة محاولة،
+
+474
+00:36:40,650 --> 00:36:44,170
+و ناس الله يعينهم، مش عارف قد ايش، اثنين مليون تقريباً،
+
+475
+00:36:44,170 --> 00:36:49,150
+مصبوط؟ فالكلام حيصير in a sense، فهو مش منطقي، الآن
+
+476
+00:36:49,150 --> 00:36:54,550
+في بعض الـ correlation algorithms بتفحص العلاقة ما
+
+477
+00:36:54,550 --> 00:36:58,470
+بين الـ attributes سواء كانت العلاقة بين الـ
+
+478
+00:36:58,470 --> 00:37:01,830
+attribute والـ label عشان يقول لي والله قد ايش هذا
+
+479
+00:37:01,830 --> 00:37:06,620
+effect أو قد ايش correlated أو بين الـ attributes
+
+480
+00:37:06,620 --> 00:37:11,960
+نفسها عشان يتكلم من ناحية redundancy، الآن إبعاد
+
+481
+00:37:11,960 --> 00:37:15,700
+الخير في موضوع الـ correlation، عادة كل ما كان الـ
+
+482
+00:37:15,700 --> 00:37:19,340
+value ناتج التحصيل تبع الـ correlation analysis
+
+483
+00:37:19,340 --> 00:37:23,760
+عالية أو قريبة من الواحد، إن هدول الـ two attributes
+
+484
+00:37:23,760 --> 00:37:28,240
+هدول mostly dependent، بيعتمدوا على بعض، وممكن
+
+485
+00:37:28,240 --> 00:37:32,590
+يكونوا completely duplicated، طيب في الحالة هذه بدي
+
+486
+00:37:32,590 --> 00:37:37,490
+أخلص من واحد منهم، كل ما كانت القيمة قريبة للصفر
+
+487
+00:37:37,490 --> 00:37:41,950
+بقول إن الـ two attributes هدول independent، ما فيش
+
+488
+00:37:41,950 --> 00:37:45,910
+بينهم علاقة، وبالتالي أنا مضطر أبقي اثنين، يعني
+
+489
+00:37:45,910 --> 00:37:49,550
+فعلياً أنا المطلوب مني الآن واحدة، هنشوفه كمان شوية
+
+490
+00:37:49,550 --> 00:37:53,790
+لأنه في أول واجب جاينى الآن، هنشوفه فعلياً مطلوب مني
+
+491
+00:37:53,790 --> 00:37:57,250
+من مجموعة الـ features هدول أعمل دراسة بالـ
+
+492
+00:37:57,250 --> 00:38:01,770
+coefficient عشان أُحدد قياس الـ dependency اللي
+
+493
+00:38:01,770 --> 00:38:05,190
+موجودة من الـ ... من الـ attributes، أو عفواً من الـ
+
+494
+00:38:05,190 --> 00:38:09,010
+algorithm المستخدم عند الـ person وهي بيستخدمها لما
+
+495
+00:38:09,010 --> 00:38:12,450
+يكون في عندي numerical attributes وفي عندي الـ chi-
+
+496
+00:38:12,450 --> 00:38:15,110
+square لما تكون الـ attributes عبارة عن nominal
+
+497
+00:38:15,110 --> 00:38:19,350
+attributes، وفي عندي الـ spearman والـ kendall tau
+
+498
+00:38:19,350 --> 00:38:21,790
+برضه مجموعة ... في مجموعة كتير من الـ algorithms
+
+499
+00:38:21,790 --> 00:38:26,410
+ممكن تطبق، خلينا احنا نتكلم على الـ pearson والـ chi-
+
+500
+00:38:26,410 --> 00:38:30,830
+square، كونوا واحدة للـ numerical، واحدة للـ nominal
+
+501
+00:38:30,830 --> 00:38:34,370
+في
+
+502
+00:38:34,370 --> 00:38:36,810
+الـ pearson coefficient أنا فيه عندي two attributes
+
+503
+00:38:36,810 --> 00:38:46,290
+الآن a1 و a2، a1
+
+504
+00:38:46,290 --> 00:38:51,470
+و a2 numeric
+
+505
+00:38:51,470 --> 00:38:55,830
+attributes، لها description، مديني إجابته، إيش
+
+506
+00:38:55,830 --> 00:39:00,070
+العلاقة اللي بينهم، ولا الأسماء جادرة من خلالها أحدد
+
+507
+00:39:00,070 --> 00:39:03,930
+إيش اللي موجود، أو شو علاقة الـ two attributes مع
+
+508
+00:39:03,930 --> 00:39:08,410
+بعضهم، والاثنين بما إنه الاثنين الـ numeric فبقدر أطبق
+
+509
+00:39:08,410 --> 00:39:12,770
+بينهم الـ Pearson correlation، إيش الـ Pearson
+
+510
+00:39:12,770 --> 00:39:17,830
+بقول؟ بقول كالتالي، القانون تبعنا هو عبارة عن مجموع
+
+511
+00:39:17,830 --> 00:39:23,250
+حاصل ضرب الفروقات، كل value في الـ attribute ناقص
+
+512
+00:39:23,250 --> 00:39:27,070
+المتوسط الحسابي تبعته، يعني
+
+513
+00:39:28,590 --> 00:39:33,650
+لو كان هذا واحد ... اثنين ... ثلاثة ... وهنا مثلاً
+
+514
+00:39:33,650 --> 00:39:42,270
+سبعة ... خمسة ... عشرة، أو  عشرة، المتوسط الحسابي
+
+515
+00:39:42,270 --> 00:39:46,830
+الـ summation، يا معظم الخير الـ μ للـ A1، للـ A1
+
+516
+00:39:46,830 --> 00:39:54,270
+واحد زائد ستة على ثلاثة ... ثلاثة ... اثنين، والمجموع
+
+517
+00:39:55,400 --> 00:40:00,560
+المتوسط الحسابي 7.7257
+
+518
+00:40:00,560 --> 00:40:15,380
+.512 و 10.22، 22 على 3، 7.380، 33 من 100، مصبوط؟ الآن
+
+519
+00:40:15,380 --> 00:40:20,640
+عشان أنا أحسب طيب الانحراف المعياري، أو الـ variance
+
+520
+00:40:20,640 --> 00:40:22,500
+إيش قانون الـ variance؟
+
+521
+00:40:26,440 --> 00:40:32,460
+الـ Standard Deviation، سيجما
+
+522
+00:40:32,460 --> 00:40:35,460
+... أيوة، الجذر يساوي الجذر التربيعي لـ summation
+
+523
+00:40:35,460 --> 00:40:42,640
+الـ xi ناقص μ تربيع على عددهم، تحت الجذر، برجع بأكد
+
+524
+00:40:42,640 --> 00:40:45,980
+عليك القوانين هذه كلها للحفظ يا شباب، وهذا زيهم
+
+525
+00:40:45,980 --> 00:40:51,920
+أكيد، وهذا ... هذا الانحراف المعياري، المعادلة مكتوبة بشكلين
+
+526
+00:40:51,920 --> 00:40:59,090
+هي ... فأنت احفظ هذه أو هذه، الأسهل لك، لأ مش كتير
+
+527
+00:40:59,090 --> 00:41:05,350
+يا مؤمن، مش كتير يا مؤمن، الآن، فهذه المعلومات بدي
+
+528
+00:41:05,350 --> 00:41:10,230
+أحسبها على الـ attributes اللي موجودة عندي، وبالتالي
+
+529
+00:41:10,230 --> 00:41:15,770
+بصير وبقوله واحد ناقص اثنين مضروبة في سبعة ناقص
+
+530
+00:41:15,770 --> 00:41:23,350
+سبعة فاصلة ثلاثة، زائد اثنين ناقص اثنين مضروبة في
+
+531
+00:41:23,350 --> 00:41:30,460
+خمسة ناقص سبعة فاصلة ثلاثة، زائد ثلاثة ناقص اثنين مضروبة
+
+532
+00:41:30,460 --> 00:41:35,020
+في عشرة ناقص سبعة فاصلة ثلاثة، هذا المجموع على
+
+533
+00:41:35,020 --> 00:41:40,060
+عددهم، ثلاثة، في الانحراف المعياري، الـ variance للـ
+
+534
+00:41:40,060 --> 00:41:43,480
+attribute الأول، والـ variance للـ attribute الثاني
+
+535
+00:41:43,480 --> 00:41:50,680
+تمام، الآن الـ
+
+536
+00:41:50,680 --> 00:41:57,220
+value اللي هتطلعه، بيطلع من سالب واحد، أكبر أو يساوي
+
+537
+00:41:57,220 --> 00:42:05,200
+سالب ��احد، وأقل أو يساوي موجب واحد، صفر يعني
+
+538
+00:42:05,200 --> 00:42:09,040
+independent attributes، ما فيش بينهم علاقة، إشارة
+
+539
+00:42:09,040 --> 00:42:13,740
+سالبة، يعني العلاقة عكسية، في علاقة، بس عكسية، الإشارة
+
+540
+00:42:13,740 --> 00:42:17,960
+موجبة، بقى في علاقة، لكن علاقة طردية بين الأرقام اللي
+
+541
+00:42:17,960 --> 00:42:18,700
+موجودة
+
+542
+00:42:23,010 --> 00:42:26,390
+وين؟ للاتنين، علاقة الاثنين مع بعض، وإذا كان الاثنين
+
+543
+00:42:26,390 --> 00:42:29,890
+بيختلفوا في الـ ... في إيش؟ في الـ rows، بيختلفوا ...
+
+544
+00:42:29,890 --> 00:42:32,810
+two attributes بيختلفوا ... بيختلفوا بعدد الـ rows؟
+
+545
+00:42:32,810 --> 00:42:35,370
+كيف هذا الكلام بده يصير؟ مش الاثنين موجودين في نفس
+
+546
+00:42:35,370 --> 00:42:40,430
+الـ data set؟ طيب، وخلصت أنا مرحلة الـ data
+
+547
+00:42:40,430 --> 00:42:46,750
+preparation،  عبيت المسألة الآن، positive correlation
+
+548
+00:42:46,750 --> 00:42:50,370
+يعني
+
+549
+00:42:50,370 --> 00:42:55,690
+الاثنين الـ value أكبر من صفر، يعني الاثنين dependent
+
+550
+00:42:55,690 --> 00:42:59,610
+أو في علاقة ... في علاقة قوية ما بينهم، وبالتالي
+
+551
+00:42:59,610 --> 00:43:05,970
+بقدر أستغني عن واحد فيهم، وكذلك لو كانت القيمة
+
+552
+00:43:05,970 --> 00:43:10,450
+قريبة للسالب واحد، في علاقة، لكن علاقة عكسية
+
+553
+00:43:10,450 --> 00:43:15,050
+وبالتالي بقدر أستغني عن واحد منهم، بإيش أنا ...
+
+554
+00:43:15,050 --> 00:43:17,690
+الصفر هو الـ perfect، يعني الـ two attributes هدول
+
+555
+00:43:17,690 --> 00:43:21,710
+لازم يظلوا، بس مش دائماً  حدّيني صفر ولا حدّيني واحد
+
+556
+00:43:21,710 --> 00:43:26,010
+ولا حدّيني سالب واحد، فحدّيني قيم في الـ range هذا
+
+557
+00:43:26,010 --> 00:43:32,850
+قيم حقيقية، يعني سالب خمسة من عشرة في
+
+558
+00:43:32,850 --> 00:43:39,250
+علاقة عكسية في خمسين في المئة، فأنت بتاخد قرار بناء
+
+559
+00:43:39,250 --> 00:43:43,770
+على إيش؟ بدي أقيّمها، مثلاً بتقول كل الـ relation أو كل
+
+560
+00:43:43,770 --> 00:43:49,860
+coefficient relation اللي بتكون فوق الـ 70% هي اللي
+
+561
+00:43:49,860 --> 00:43:54,420
+بدي أحذفها، بدون ذلك بدي أحتفظ فيها، فهذا بيظل عندك
+
+562
+00:43:54,420 --> 00:44:00,940
+قرار أنت بدك تطبقه، بس بتأثر في الجودة اللي هي ...
+
+563
+00:44:00,940 --> 00:44:05,640
+إذا اخترت 50 أو 70 أو ... أكيد أنت شوف إن الأصل
+
+564
+00:44:05,640 --> 00:44:10,560
+أنا بدي أخلص من الـ dependent attribute، الـ full
+
+565
+00:44:10,560 --> 00:44:13,880
+dependent اللي بينهم، هي عبارة عن الـ redundant
+
+566
+00:44:13,880 --> 00:44:18,660
+data، لأنه مسموح لي أعمل Transformation، مصبوط؟ يعني
+
+567
+00:44:18,660 --> 00:44:21,840
+الأصل إنه لما يكون Attribute A و Attribute B لما
+
+568
+00:44:21,840 --> 00:44:25,280
+يكون في بينهم Linear Equation، بقدر أرجّح الـ A للـ
+
+569
+00:44:25,280 --> 00:44:30,160
+B أو أودي الـ A للـ B، مصبوط؟ والعكس صحيح، الآن
+
+570
+00:44:30,160 --> 00:44:34,440
+واحد من الاثنين دول لازم ينشال، بس هل كل الـ data
+
+571
+00:44:34,440 --> 00:44:37,660
+اللي عندي هذه بتمثل الـ relation هذه؟ إذا كل الـ
+
+572
+00:44:37,660 --> 00:44:40,780
+data بتمثل الـ relation هذه، أنا بقول لك لازم تشيله،
+
+573
+00:44:40,780 --> 00:44:46,960
+استخدامه useless، لكن والله الارتباط 80%، في إما آخذ
+
+574
+00:44:46,960 --> 00:44:50,160
+قرار، إما أضحي، ما بدي الـ knowledge اللي بتيجي من
+
+575
+00:44:50,160 --> 00:44:53,540
+وراء الـ 80% هذه، لأن الـ correlation عالية، أو فعلياً
+
+576
+00:44:53,540 --> 00:44:56,100
+بدي أبقي وأتحمل التابعات عشان الـ knowledge
+
+577
+00:44:56,100 --> 00:45:02,900
+تأثيرها، الله أعلم، وقد يكون هذا الجدول في three
+
+578
+00:45:02,900 --> 00:45:17,200
+attributes: 1، 3، 4، 5، 6، 4، 6، 6، 8، 9، C، 5، 5، 10، 1، 8، هدول
+
+579
+00:45:17,200 --> 00:45:24,640
+two attributes،  بيساوي a زائد ثلاثة، linear
+
+580
+00:45:24,640 --> 00:45:29,800
+transformation عملت، ومش بس هيك، روحت عملت، ��يرت
+
+581
+00:45:29,800 --> 00:45:34,340
+واحد وهذا
+
+582
+00:45:34,340 --> 00:45:41,660
+الـ attribute عملت له generate randomly من واحد لعشرة، حسبت
+
+583
+00:45:41,660 --> 00:45:46,050
+المتوسط الحسابي لكل واحد فيهم، حسبت الانحراف
+
+584
+00:45:46,050 --> 00:45:49,310
+المعياري لكل واحد فيهم، من هنا على المعادلة اللي
+
+585
+00:45:49,310 --> 00:45:54,850
+شفناها قبل شوية، ضل أطبق main في المعادلة السابقة
+
+586
+00:45:54,850 --> 00:46:02,370
+أو روحت حسبت المعادلة اللي عندي هان، a في b، اه بقى
+
+587
+00:46:02,370 --> 00:46:08,930
+إنك تحفظها، أنا قاعد بقول لك حفظها سهل جداً، واحد
+
+588
+00:46:08,930 --> 00:46:13,830
+ناقص المتوسط الحسابي زائد
+
+589
+00:46:15,210 --> 00:46:20,330
+مضروبة في، مضروبة في أربعة ناقص المتوسط الحسابي
+
+590
+00:46:20,330 --> 00:46:23,550
+ستة
+
+591
+00:46:23,550 --> 00:46:28,670
+فاصلة ستة، زائد، وبدك تكررها مع كل الـ values اللي موجودة
+
+592
+00:46:28,670 --> 00:46:32,510
+عندك، البرمجة طبعاً بتريحني في موضوع الـ function زي
+
+593
+00:46:32,510 --> 00:46:38,950
+هيك ولا لأ؟ لكن لاحظ أنت الفرق، أو المتوسط الحسابي
+
+594
+00:46:38,950 --> 00:46:42,310
+قد ايش بيفرق، لكن عند الـ variance
+
+595
+00:46:45,820 --> 00:46:50,120
+تقريباً متساوي، والفرق اللي صار إنه لو ضلت هذه
+
+596
+00:46:50,120 --> 00:46:57,000
+سبعة كانت نفسها، وهذه إشارة ممكن تديني لو أنا بدي
+
+597
+00:46:57,000 --> 00:47:00,360
+أعمل برنامج من بدري، أقول الـ attribute اللي بتديني
+
+598
+00:47:00,360 --> 00:47:06,580
+نفس الـ variance، بديش إياها، بس بظل في عندي حالة إن
+
+599
+00:47:06,580 --> 00:47:09,420
+بعض الأحيان الـ values، اختلاف الـ values فعلاً جاي
+
+600
+00:47:09,420 --> 00:47:13,650
+random، مش جاي ضمن الـ linear equation، فمش دائماً الـ
+
+601
+00:47:13,650 --> 00:47:17,490
+variance لوحده كافي إن أنا أحكم على الـ dependency
+
+602
+00:47:17,490 --> 00:47:21,710
+بين الـ two attributes، بالمجمل روحنا حسبنا الـ
+
+603
+00:47:21,710 --> 00:47:24,710
+Pearson correlation coefficient، أو coefficient
+
+604
+00:47:24,710 --> 00:47:33,510
+correlation بين a و b كان فاصلة 779، يعني 78 من 100
+
+605
+00:47:33,510 --> 00:47:41,730
+والـ dependency تبع الـ a والـ c فاصلة 085، شو
+
+606
+00:47:41,730 --> 00:47:42,150
+يعني؟
+
+607
+00:47:45,000 --> 00:47:52,200
+يعني أنا الآن، إني الخيار أشيل واحد a أو b، والـ c
+
+608
+00:47:52,200 --> 00:47:56,480
+لازم يظل، ليش
+
+609
+00:47:56,480 --> 00:48:01,620
+الـ c لازم يظل؟ قريبة من الصفر القيمة، مصبوط؟
+
+610
+00:48:01,620 --> 00:48:05,220
+قريبة من الصفر، كل ما كانت القيمة قريبة للصفر، فهذا
+
+611
+00:48:05,220 --> 00:48:08,800
+الـ attribute يُعد independent، مستقل، مالوش علاقة
+
+612
+00:48:08,800 --> 00:48:11,800
+بالـ attribute اللي في جنبه، وكل ما كبرت الـ value
+
+613
+00:48:11,800 --> 00:48:15,640
+باتجاه الواحد، معنى فيهُ  dependence عالية ما بين الـ
+
+614
+00:48:15,640 --> 00:48:20,420
+two attributes، وبالتالي لازم أخلص بواحد منهم، تمام
+
+615
+00:48:20,420 --> 00:48:28,940
+يا شباب؟ هذا الـ Python code بسيط عملته الصبح مع
+
+616
+00:48:28,940 --> 00:48:
+
+667
+00:52:32,410 --> 00:52:35,130
+أو قصص علمية أو حقيقية سمّها زي ما بدّك
+
+668
+00:52:37,850 --> 00:52:43,990
+الـ data set مكوّنة من 1500 row تمام؟ يعني في عندي
+
+669
+00:52:43,990 --> 00:52:50,550
+two attributes في الـ data set الـ gender preferred
+
+670
+00:52:50,550 --> 00:52:56,830
+reading male
+
+671
+00:52:56,830 --> 00:53:08,500
+fiction male nonfiction female fiction female nonfiction
+
+672
+00:53:08,500 --> 00:53:14,720
+وهكذا هذه
+
+673
+00:53:14,720 --> 00:53:19,280
+الـ variables لاحظوا أن الـ data اللي عندي في كل الـ
+
+674
+00:53:19,280 --> 00:53:25,300
+attributes فقط قيمتين عشان هيك الجدول اللي طلع عندي
+
+675
+00:53:25,300 --> 00:53:30,060
+اثنين في اثنين الجدول اللي طلع عندي هنا اثنين في
+
+676
+00:53:30,060 --> 00:53:30,400
+اثنين
+
+677
+00:53:34,140 --> 00:53:39,700
+في الـ preferred reading لأ في أكثر بقول لك أدب.. أدب
+
+678
+00:53:39,700 --> 00:53:44,220
+.. آه فيش.. فيش هنا فيش هنا okay بس هذا كمثال بدي
+
+679
+00:53:44,220 --> 00:53:47,240
+أجيب لك هنا في الـ preferred reading راح يقول لي
+
+680
+00:53:47,240 --> 00:53:52,320
+والله أنا بدي الأدب literature في politics في
+
+681
+00:53:52,320 --> 00:53:57,860
+economics في sport هاي صارت أربعة fantasy fantasy
+
+682
+00:53:57,860 --> 00:54:04,390
+هاي خمسة فانت ممكن تعد قد ما بدك في الآخر جدع
+
+683
+00:54:04,390 --> 00:54:09,230
+هتصير حجم هذا على جد الـ data اللي عندك يعني بين
+
+684
+00:54:09,230 --> 00:54:14,070
+جسين أربعة values لأن فعلياً two two two values في
+
+685
+00:54:14,070 --> 00:54:15,890
+الـ attribute الأول و two values في الـ attribute
+
+686
+00:54:15,890 --> 00:54:18,790
+الثاني لكن في الحالة اللي أنا جاي أتكلم أنه
+
+687
+00:54:18,790 --> 00:54:24,090
+القراءة بتاعتي السياسة و اقتصاد و أدب و علوم و.. و
+
+688
+00:54:24,090 --> 00:54:30,730
+..و فن 102 في 5 هتزيد أكيد الآن
+
+689
+00:54:32,090 --> 00:54:35,510
+الـ values الـ 250 سيبك من اللي في الأحمر هذه بس
+
+690
+00:54:35,510 --> 00:54:37,630
+أنا عشان احنا قاعدين نتعلم نقول لك أن هنا فيه
+
+691
+00:54:37,630 --> 00:54:40,650
+values بده أحسبه الآن الـ values اللي باللون الأسود
+
+692
+00:54:40,650 --> 00:54:45,690
+هذه هي عبارة عن computation للي موجود يعني بين
+
+693
+00:54:45,690 --> 00:54:48,250
+جثيم هين بيقول لي في الـ data set أو في الـ two
+
+694
+00:54:48,250 --> 00:54:51,790
+attributes 250 واحد من الـ male بيحبوا يقرأوا الـ
+
+695
+00:54:51,790 --> 00:54:59,400
+fiction stories 200 من الـ female بيقرأوا fiction لو
+
+696
+00:54:59,400 --> 00:55:02,280
+أنا قرأت الصفوف اللي هي الـ value summation اللي
+
+697
+00:55:02,280 --> 00:55:06,200
+موجود عندي 450 هي عبارة عن عدد الناس اللي بتقرأ
+
+698
+00:55:06,200 --> 00:55:10,120
+fiction في 1500 تمام؟
+
+699
+00:55:10,120 --> 00:55:17,360
+العمود 300 male 1200 female تمام؟ واضحة الـ values
+
+700
+00:55:17,360 --> 00:55:20,700
+اللي بلون الأسود؟ هذه اللي احنا بنسميها سميناها قبل
+
+701
+00:55:20,700 --> 00:55:26,940
+شوية هي الـ actual أو الـ observation O الـ actual
+
+702
+00:55:26,940 --> 00:55:27,520
+values
+
+703
+00:55:30,330 --> 00:55:35,630
+الـ actual count الآن الـ expected اللي هي باللون
+
+704
+00:55:35,630 --> 00:55:38,650
+الأحمر هذه لازم تكون عندك عشان تظبط عملية الـ
+
+705
+00:55:38,650 --> 00:55:43,970
+coordination فكرتها كالتالي يا جماعة الخير الآن في
+
+706
+00:55:43,970 --> 00:55:49,070
+الصف والعمود اللي أنا بدي اشتغل عليه بدي الـ
+
+707
+00:55:49,070 --> 00:55:55,420
+expected اللي هنا expect لمين؟ عدد الرجال أو الـ
+
+708
+00:55:55,420 --> 00:55:59,640
+male اللي بيقرأ fiction قيمة المتوقعة بناء على الـ
+
+709
+00:55:59,640 --> 00:56:06,500
+1500 اللي موجودين الـ expected value هذه تساوي في
+
+710
+00:56:06,500 --> 00:56:12,160
+المقام 1500 الـ total number وفوق مضروبة بقيمتين
+
+711
+00:56:12,160 --> 00:56:15,280
+عدد
+
+712
+00:56:15,280 --> 00:56:19,080
+الرجال في
+
+713
+00:56:19,080 --> 00:56:28,670
+عدد الـ fiction تمام؟ على 1500 250 عفواً 300 العدد
+
+714
+00:56:28,670 --> 00:56:42,090
+الرجال ضرب 450 بالـ fiction على 1500 ولاحظ
+
+715
+00:56:42,090 --> 00:56:45,330
+هو هاني حط لك في القانون حط لك الـ I والـ J عشان
+
+716
+00:56:45,330 --> 00:56:50,700
+يُسهّل عليك الصف والعمود اللي بتشتغل معه لكن كمان
+
+717
+00:56:50,700 --> 00:56:54,980
+مرة أنت افهمها كالتالي في أي attribute أو في أي
+
+718
+00:56:54,980 --> 00:57:00,400
+cell.. في أي cell عشان أحسب الـ expected value هي
+
+719
+00:57:00,400 --> 00:57:06,080
+عبارة عن حاصل ضرب المجموع بتاع الصف في مجموع العمود
+
+720
+00:57:06,080 --> 00:57:12,360
+على العدد الكل 1500 يعني الـ expected بتاع هنا
+
+721
+00:57:12,360 --> 00:57:20,310
+هتكون عبارة عن 1200 في 1050 على 1500 الـ Expected
+
+722
+00:57:20,310 --> 00:57:26,610
+اللي هنا 300 في 1050 على 1500 وهيك بتصير عندك أسهل
+
+723
+00:57:26,610 --> 00:57:33,810
+أنك تتذكر الـ Expected Value جدع قيمته يا مؤمن؟
+
+724
+00:57:33,810 --> 00:57:41,770
+15؟ آه بدك آلة حاسبة هذه
+
+725
+00:57:41,770 --> 00:57:43,670
+آلة حاسبة 90 على كل
+
+726
+00:57:48,570 --> 00:57:59,090
+300 ضرب 450 تقسيم 1500 300 ضرب 450 على 1500 تسعين
+
+727
+00:57:59,090 --> 00:58:03,450
+تسعين تسعين تسعين تسعين تسعين تسعين تسعين تسعين
+
+728
+00:58:03,450 --> 00:58:14,470
+تسعين تسعين تسعين تسعين تسعين تسعين تسعين
+
+729
+00:58:14,470 --> 00:58:15,930
+تسعين
+
+730
+00:58:18,440 --> 00:58:24,260
+اللي بعدها ثلاثمئة في ألف وخمسين ثلاثمئة ضرب ألف
+
+731
+00:58:24,260 --> 00:58:34,720
+وخمسين تقسيم ألف وخمسمائة اللي
+
+732
+00:58:34,720 --> 00:58:37,980
+هتستفيد من الرقم أن هو الرقم هذا بيَلْزَمُك في
+
+733
+00:58:37,980 --> 00:58:44,980
+المعادلة عشان تجيب قيمة الـ correlation expected
+
+734
+00:58:44,980 --> 00:58:47,940
+هاي الأرقام اللي موجودة عندنا
+
+735
+00:58:50,970 --> 00:58:58,290
+إحصاء شغل إحصاء أكيد بدي أجيب لك إياه ونلزّمك فيه
+
+736
+00:58:58,290 --> 00:59:01,110
+الاتباع الرياضي بتاعه احنا عاملين بيقول لك احفظ
+
+737
+00:59:01,110 --> 00:59:06,290
+القانون أيوة
+
+738
+00:59:06,290 --> 00:59:10,190
+جلبك مادة إيش إحصاء احنا قلنا من الأول
+
+739
+00:59:10,190 --> 00:59:14,210
+multidisciplinary مهمّين بدك تعرف إحصاء وبدك تعرف
+
+740
+00:59:14,210 --> 00:59:17,790
+database وبدك تعرف برمجة وبدك تعرف machine
+
+741
+00:59:17,790 --> 00:59:21,690
+learning وبدك تعرف knowledge presentation وبدك تعرف
+
+742
+00:59:21,690 --> 00:59:28,130
+ترسم كل حاجة نعم الـ course مكسب للي بدوا يشتغلوا
+
+743
+00:59:28,130 --> 00:59:32,670
+وللي ما بدواش طيب
+
+744
+00:59:32,670 --> 00:59:37,870
+الآن عبّينا الجدول هاي عبّينا الجدول هذا جماعة
+
+745
+00:59:37,870 --> 00:59:40,830
+الخير في الامتحان إذا أنا بدي أسألك في الموضوع هذا
+
+746
+00:59:40,830 --> 00:59:47,590
+لازم أزوّدك بالـ data أما هزوّدك بالـ data as two rows
+
+747
+00:59:47,590 --> 00:59:54,610
+جدول مكوّن من two rows أو هديك الجدول بدون الـ
+
+748
+00:59:54,610 --> 00:59:58,410
+expected الآن
+
+749
+00:59:58,410 --> 01:00:03,810
+حسبت للـ chi-square بناء على المعادلة الـ actual
+
+750
+01:00:03,810 --> 01:00:07,850
+ناقص الـ expected تربيع على الـ expected على كل
+
+751
+01:00:07,850 --> 01:00:11,550
+الخلايا الأربع اللي موجودة في الجدول المحصلة كانت
+
+752
+01:00:11,550 --> 01:00:13,730
+خمسمائة وسبعة
+
+753
+01:00:16,280 --> 01:00:20,860
+بما أن عدد الأعمدة اللي عندي هنا والصفوف اثنين
+
+754
+01:00:20,860 --> 01:00:25,000
+اثنين ناقص واحد وناقص واحد معناته أنا بتكلم one
+
+755
+01:00:25,000 --> 01:00:29,820
+degree of freedom الـ
+
+756
+01:00:29,820 --> 01:00:33,440
+hypothesis بتاعتي one degree of freedom هتكون
+
+757
+01:00:33,440 --> 01:00:37,900
+المفروض عندي هنا عشرة بناء على الـ values اللي
+
+758
+01:00:37,900 --> 01:00:44,400
+موجودة لو أنا جيت للجدول هذا و
+
+759
+01:00:44,400 --> 01:00:51,980
+أين القيمة بتاعتنا؟ خمسمائة وجدع طلعت احنا
+
+760
+01:00:51,980 --> 01:00:54,460
+ليه بندور هيك one degree of freedom المفروض في
+
+761
+01:00:54,460 --> 01:00:59,160
+الصف الأول الآن
+
+762
+01:00:59,160 --> 01:01:02,820
+بناء على القيمة اللي موجودة عندك بناء على القيمة
+
+763
+01:01:02,820 --> 01:01:08,880
+اللي موجودة هنا هيكون القرار أن أنا فعلياً أقبل أو
+
+764
+01:01:08,880 --> 01:01:14,300
+أرفض الـ
+
+765
+01:01:14,300 --> 01:01:15,560
+value اللي موجودة عندي هنا
+
+766
+01:01:21,160 --> 01:01:26,300
+We need to reject بنرفض القيمة هذه وين؟ point zero
+
+767
+01:01:26,300 --> 01:01:31,900
+zero واحد إذا كانت القيمة اللي طالعة يعني بالعقل
+
+768
+01:01:31,900 --> 01:01:34,700
+الإمام علي رضي الله عنه قال لو كان ال.. لو كان
+
+769
+01:01:34,700 --> 01:01:37,640
+الدين بالعقل ما كان مسحه باطل الخفي أو لا من
+
+770
+01:01:37,640 --> 01:01:42,780
+ظاهر صح؟ لما.. لما نمسح على الجربان في الشتاء
+
+771
+01:01:42,780 --> 01:01:47,020
+نمسح من فوق بينما الوسخ من أين بيجي؟ يعني من من
+
+772
+01:01:47,020 --> 01:01:51,330
+تحت بس الدين مش بالعقل مش كل شيء بالعقل بيجي ماشي
+
+773
+01:01:51,330 --> 01:01:58,530
+أحمد؟ فأنت بدك تروح تحسب عش��ن تثبت كلامك طيب الـ
+
+774
+01:01:58,530 --> 01:02:02,710
+reduction الأخيرة اللي عندنا الـ data reduction
+
+775
+01:02:02,710 --> 01:02:05,330
+اللي بتمتّع من الـ reduction خلصنا من الـ attributes
+
+776
+01:02:05,330 --> 01:02:08,670
+احنا وقلت بقى أخلص من الـ irrelevant attributes أو
+
+777
+01:02:08,670 --> 01:02:12,230
+الـ dependent attributes الآن بدي أعمل sampling
+
+778
+01:02:12,230 --> 01:02:15,870
+sampling يعني أنا بدي أتكلم على الـ rows جماعة الخير
+
+779
+01:02:15,870 --> 01:02:20,090
+أنا خلصت خلصت عدد الـ attributes الآن بدي أقلّص عدد
+
+780
+01:02:21,080 --> 01:02:24,780
+الـ rows افترض
+
+781
+01:02:24,780 --> 01:02:29,540
+أن أنا عندي الصندوق هذا وفيه
+
+782
+01:02:29,540 --> 01:02:43,100
+عشر كرات وقلت لك
+
+783
+01:02:43,100 --> 01:02:53,290
+بدي أسحب كرتين متتاليتين كل واحدة بشكل مستقل تمام؟
+
+784
+01:02:53,290 --> 01:02:59,910
+احتمال أن الكرتين هدول يطلعوا حمر جدع؟ خلط
+
+785
+01:02:59,910 --> 01:03:08,590
+السحب الأولى أربعة على عشرة من جلك؟
+
+786
+01:03:08,590 --> 01:03:13,850
+حسب الـ random sample بتاعتي with replacement أو
+
+787
+01:03:13,850 --> 01:03:17,670
+without هذا اللي أنا بدي أوصلك إياه الآن أنا في الـ
+
+788
+01:03:17,670 --> 01:03:28,030
+sampling أو في الـ Random Sample في
+
+789
+01:03:28,030 --> 01:03:34,190
+عندي With Replacement و
+
+790
+01:03:34,190 --> 01:03:40,630
+Without Replacement مع
+
+791
+01:03:40,630 --> 01:03:44,870
+الإرجاع وبدون الإرجاع الآن احتمال أن أسحب كرتين
+
+792
+01:03:44,870 --> 01:03:56,610
+حمر مع الإرجاع 4 على 10 ضرب 4 على 10 بدون
+
+793
+01:03:56,610 --> 01:04:06,250
+إرجاع 4 على 10 ضرب 3 على 9 لأن الآن اتغيّرت الـ
+
+794
+01:04:06,250 --> 01:04:09,890
+sample بتاعتي أو الـ population بتاعتي اتغيّرت
+
+795
+01:04:09,890 --> 01:04:17,120
+وبالتالي قلت وقيمتين تمام الآن احنا معظم شغلنا لما
+
+796
+01:04:17,120 --> 01:04:21,300
+بنعمل sampling معظمُه نتكلم sampling without
+
+797
+01:04:21,300 --> 01:04:26,180
+replacement لأن أنا ما بديش تكرار فأحنا بنشتغل
+
+798
+01:04:26,180 --> 01:04:32,280
+هنا without replacement ليش؟ لأن كمان مرة عاملة
+
+799
+01:04:32,280 --> 01:04:35,060
+بقول أنا بدي أخلص من التكرار أخلص من الـ rows
+
+800
+01:04:35,060 --> 01:04:38,560
+المكرّرة أخلص من الـ attributes المكرّرة فلو أنا
+
+801
+01:04:38,560 --> 01:04:43,920
+الصاحب بتاعي أو الـ random sample مع الإرجاع ممكن الـ
+
+802
+01:04:43,920 --> 01:04:48,660
+record نفسه يظل يطلع عندي الشغل الثاني اللي أنا
+
+803
+01:04:48,660 --> 01:04:54,260
+بدي إياه لأن في الـ random sampling تخيّل أنا جيت و
+
+804
+01:04:54,260 --> 01:05:01,620
+قلت لك بدي 70 أو عفواً بدي خمسين أربعين في المئة من
+
+805
+01:05:01,620 --> 01:05:07,400
+الـ data set هاي بدي تاخد لي أربعين في المئة من الـ
+
+806
+01:05:07,400 --> 01:05:07,960
+data set
+
+807
+01:05:13,280 --> 01:05:19,680
+كم كرة بقى تحطها أنت؟ أربع كرات بدك تسحب أربع كرات
+
+808
+01:05:19,680 --> 01:05:27,300
+عشوائي شو
+
+809
+01:05:27,300 --> 01:05:32,240
+وراك بهيك؟ sample صح من ناحية sample without
+
+810
+01:05:32,240 --> 01:05:39,000
+replacement صح بس هي مشكلة أن الـ data set ها دي لا
+
+811
+01:05:39,000 --> 01:05:42,560
+تمثّل البيانات does not representative أنا قلت بدي
+
+812
+01:05:42,560 --> 01:05:47,540
+أجل حجم الـ data 6 نعم لكن بدي أضل أتمثّل الوضع
+
+813
+01:05:47,540 --> 01:05:54,520
+العام بتاعتها ما بضبط الحل كيف أنا بدي أضمن نسبة نسبة
+
+814
+01:05:54,520 --> 01:06:00,380
+وتناسب 40% من الأحمر و40% من الأسود وبهيك بكون
+
+815
+01:06:00,380 --> 01:06:04,640
+حصلت على الـ 40% وهذه الـ 40% بنسميها stratified
+
+816
+01:06:05,470 --> 01:06:10,590
+Sampling أو بين جثيم Supervised Sampling بروح على
+
+817
+01:06:10,590 --> 01:06:16,530
+كل class وبأخذ منه 40% الـ data set موجودة حقيقة
+
+818
+01:06:16,530 --> 01:06:20,470
+نعم موزّعة على two classes three classes four
+
+819
+01:06:20,470 --> 01:06:26,310
+classes أنا بدي 40% منها بأخذهم يا شي stratified
+
+820
+01:06:26,310 --> 01:06:30,270
+Sampling مباشرة بتجيب لي 30% من كل أو 40% من كل
+
+821
+01:06:30,270 --> 01:06:34,400
+class ضايل عندنا نقطة واحدة في موضوع الـ
+
+822
+01:06:34,400 --> 01:06:37,740
+Discretization في موضوع الـ Discretization يا شباب
+
+823
+01:06:37,740 --> 01:06:44,840
+الفكرة أنا قلّلت عدد الـ attributes قلّلت عدد الـ rows
+
+824
+01:06:44,840 --> 01:06:51,520
+بالـ sampling والآن بدي أَقلّل عدد الـ distinct values
+
+825
+01:06:51,520 --> 01:06:55,060
+في الـ attribute الـ attribute نفسه موجود مش هقص منه
+
+826
+01:06:55,060 --> 01:06:58,860
+على مستوى الـ rows والـ attribute هيبقى بدي أقلّل
+
+827
+01:06:58,860 --> 01:07:03,430
+العدد الـ Variable.. Variant أو العدد الـ Values
+
+828
+01:07:03,430 --> 01:07:06,810
+أقل العدد الـ Values أو أقل الـ Variety الـ Variety
+
+829
+01:07:06,810 --> 01:07:11,550
+بين الـ Values اللي موجودة بتفرج معايا؟ آه بتفرج
+
+830
+01:07:11,550 --> 01:07:17,970
+أنا عندي الـ Age من عشر لخمسين نتكلم على تسعة و
+
+831
+01:07:17,970 --> 01:07:20,830
+أربعين distinct value واحد وأربعين.. واحد و
+
+832
+01:07:20,830 --> 01:07:24,090
+أربعين، صح؟ لأن الصفر موجود معناته واحد وأربعين
+
+833
+01:07:24,090 --> 01:07:27,490
+واحد وأربعين distinct value يعني الـ rule بتاعي بدي
+
+834
+01:07:27,490 --> 01:07:32,780
+يحتوي على واحد وأربعين F41 condition هذا الكلام
+
+835
+01:07:32,780 --> 01:07:38,400
+مشكلة ما بضبط الحل اعمل discretization أقلّل الـ values
+
+836
+01:07:38,400 --> 01:07:43,280
+اللي موجودة كيف لاحظ هي number number continuous
+
+837
+01:07:43,280 --> 01:07:47,820
+وأنت بقى بتحوّلها discrete discretization بتعملهم
+
+838
+01:07:47,820 --> 01:07:52,500
+قيم يعني بنجمع بقى بتعملهم فئات بس بده تحافظ
+
+839
+01:07:52,500 --> 01:07:57,850
+على الأرقام اللي موجودة الآن ممكن أنت تستخدم طرق
+
+840
+01:07:57,850 --> 01:08:02,170
+سواء بالاعتماد على الـ Label أو بدونه Supervised و
+
+841
+01:08:02,170 --> 01:08:05,570
+Unsupervised بالـ Unsupervised بدي أطبّق مفهوم الـ
+
+842
+01:08:05,570 --> 01:08:09,650
+Binning وأستبدل القيم بالـ Mean أو بالـ Median زي
+
+843
+01:08:09,650 --> 01:08:13,530
+ما شفنا وين في الـ Data Transformation يعني بيجي
+
+844
+01:08:13,530 --> 01
+
+889
+01:12:04,190 --> 01:12:10,240
+باستخدام python تقرأ الـ data set
+
+890
+01:12:10,240 --> 01:12:14,340
+وتطبق عليها عمليات الـ cleaning التالية بناءً على
+
+891
+01:12:14,340 --> 01:12:18,720
+الحاجة: إزالة الـ missing values، الـ noise، الـ duplicate records، و
+
+892
+01:12:18,720 --> 01:12:22,960
+إزالة الـ correlated attributes واختيار الـ relevant attributes
+
+893
+01:12:22,960 --> 01:12:28,940
+كيف تتعامل مع الـ correlated attributes؟ الآن، إذا كانت
+
+894
+01:12:28,940 --> 01:12:34,560
+معاملات الـ correlation بين الـ attributes أكبر من أو تساوي 80%،
+
+895
+01:12:34,560 --> 01:12:41,490
+فإنك تحذف جميعها ماعدا واحد منها.
+
+896
+01:12:41,490 --> 01:12:44,410
+فقط، وهكذا تكرر العملية وتطبقها على الجميع.
+
+897
+01:12:44,410 --> 01:12:51,910
+بعد ذلك، قم بتقسيم الـ data set بنسبة 70% للتدريب (training) و
+
+898
+01:12:51,910 --> 01:12:57,630
+30% للاختبار (testing) باستخدام stratified sampling، و
+
+899
+01:12:57,630 --> 01:13:00,290
+أضف تعليقات (comments) كافية على الـ code.
+
+900
+01:13:01,090 --> 01:13:05,730
+بعد ذلك، يرجى رفع ملف بايثون (Python) منفرداً لكل واحد.
+
+901
+01:13:05,730 --> 01:13:09,570
+من المهم أن يكون عمل كل شخص مختلفاً عن عمل زملائه، حتى على نفس الـ data set.
+
+902
+01:13:09,570 --> 01:13:12,990
+التعليقات، الطرق التي تستخدمها، كل هذا يجب أن يكون مختلفاً.
+
+903
+01:13:12,990 --> 01:13:16,770
+ستناقشون عمل كل منكم مع مجموعتكم، لكن العمل بالبايثون يجب أن يكون فردياً.
+
+904
+01:13:16,770 --> 01:13:20,970
+الآن، يوجد بعض الأكواد في
+
+905
+01:13:20,970 --> 01:13:24,050
+الشرائح (slides) ستساعدكم على العديد من التفاصيل.
+
+906
+01:13:25,420 --> 01:13:28,560
+منذ بداية الشهر الماضي وأنا أقول
+
+907
+01:13:28,560 --> 01:13:31,720
+للطلاب أن يقوموا بعملية الـ install. إذا لم تقم
+
+908
+01:13:31,720 --> 01:13:34,440
+بعملية الـ install، فأنت جاهز للعمل غداً أو الآن.
+
+909
+01:13:34,440 --> 01:13:40,100
+أما إذا لم تقم بعملية الـ install، فسيتوجب عليك البدء الآن.
+
+910
+01:13:40,100 --> 01:13:43,720
+ستعملون بشكل فردي، وترفعون ملف الـ python الخاص بكم على
+
+911
+01:13:43,720 --> 01:13:48,640
+الـ model بشكل مستقل، وبعد ذلك ستناقشون مع مجموعاتكم.
+
+912
+01:13:48,640 --> 01:13:52,420
+لاحقاً، كما سنشرح لكم.  
+
+913
+01:13:52,420 --> 01:13:54,820
+سأغادر الآن إن شاء الله، وسأرفع لكم
+
+914
+01:13:54,820 --> 01:13:59,360
+على الـ model. لا تقلقوا، إن شاء الله سيكون كل شيء على ما يرام.
+
+915
+01:13:59,360 --> 01:14:01,840
+شكراً لكم، وأتمنى لكم نهاية أسبوع سعيدة إن شاء الله.

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/j7QLNeXbOs4_postprocess.srt

@@ -0,0 +1,1592 @@
+1
+00:00:00,910 --> 00:00:04,730
+بسم الله و الحمد لله و الصلاة والسلام على رسول
+
+2
+00:00:04,730 --> 00:00:08,090
+الله اليوم ان شاء الله تعالى في التسجيل اللي محاضر
+
+3
+00:00:08,090 --> 00:00:13,910
+عليه هنشغل عملي فيه مع موضوع ال .. ال clustering و
+
+4
+00:00:13,910 --> 00:00:17,550
+هنبدأ في .. مع ال k means ال data set اللي هنشغل
+
+5
+00:00:17,550 --> 00:00:21,170
+عليها مؤقتا او هنشغل عليها انا هي عبارة عن جزء
+
+6
+00:00:21,170 --> 00:00:27,430
+صغير من ال iris المكونة من 30 rowاللي هو مع كل
+
+7
+00:00:27,430 --> 00:00:33,310
+عشرة row بتخضع ل class معين sitosa و versicolor و
+
+8
+00:00:33,310 --> 00:00:37,170
+virginica هذه ال data set اللي موجودة او انا هشغل
+
+9
+00:00:37,170 --> 00:00:42,150
+عليها خلينا بداية طبعا كالعادة مع اي مشروع احنا او
+
+10
+00:00:42,150 --> 00:00:44,950
+معايا بال python و program في ال data science او
+
+11
+00:00:44,950 --> 00:00:50,570
+في ال data mining بيلزمني انيأحمل البيانات اللي
+
+12
+00:00:50,570 --> 00:00:55,510
+موجودة عندي فخلينا نبدأ انه هي comment انا هى بدي
+
+13
+00:00:55,510 --> 00:01:05,610
+اعمل import ال data set طبعا بيلزمني استخدم ال
+
+14
+00:01:05,610 --> 00:01:12,150
+banders import banders
+
+15
+00:01:12,150 --> 00:01:13,670
+as pd
+
+16
+00:01:26,850 --> 00:01:32,410
+الان بدي اسم ال data set iris="bandas
+
+17
+00:01:32,410 --> 00:01:36,530
+.read
+
+18
+00:01:36,530 --> 00:01:49,870
+-csv">اسم الملف الموجود في نفس ال folder iris-mini
+
+19
+00:01:49,870 --> 00:01:52,990
+.csv
+
+20
+00:02:00,180 --> 00:02:03,400
+أذا انا بدى اتأكد ان عملية ال loading كباعة صحيحة
+
+21
+00:02:03,400 --> 00:02:12,140
+او لأ ممكن اتأكد ان والله اقوله ال iris.head
+
+22
+00:02:12,140 --> 00:02:15,660
+اقولنا ال head هي بتتكلم على by default خمس صفوف
+
+23
+00:02:15,660 --> 00:02:18,760
+لكن ممكن اخليها تلاتة او اربعة
+
+24
+00:02:34,600 --> 00:02:51,360
+بداية موثقة إن شاء الله قرأنا
+
+25
+00:02:51,360 --> 00:02:54,970
+ال data setهذه المفروضة الطريقة أو هذا الخطوة يعني
+
+26
+00:02:54,970 --> 00:03:00,670
+مافيش فيها خطأ مطلقا طيب الان بما ان انا بدي اشتغل
+
+27
+00:03:00,670 --> 00:03:11,130
+unsupervised learning task فانا بدي افصل عفوا
+
+28
+00:03:11,130 --> 00:03:15,430
+ال label لا ال label attribute عن ال data set فانا
+
+29
+00:03:15,430 --> 00:03:18,530
+هروح اقول ان في عندى ال attribute
+
+30
+00:03:20,420 --> 00:03:34,540
+أوكي خلّيني أقوم بالإعادة split data attribute and
+
+31
+00:03:34,540 --> 00:03:44,680
+label الان
+
+32
+00:03:44,680 --> 00:03:51,670
+سأقوم بالإعادة attribute equalالـ iris أنا بدي كل
+
+33
+00:03:51,670 --> 00:03:55,290
+ال data set .drop طبعا هذه اللي اتعلمناها في موضوع
+
+34
+00:03:55,290 --> 00:03:59,050
+ال processing
+
+35
+00:03:59,050 --> 00:04:05,750
+اسم ال attribute ال variety اذا انا مش غلطان
+
+36
+00:04:05,750 --> 00:04:09,150
+variety
+
+37
+00:04:16,110 --> 00:04:23,610
+Okay طبعا هذا الكلب موجود لان انا على axis equal
+
+38
+00:04:23,610 --> 00:04:42,270
+واحد ومن دي ال labels attributes
+
+39
+00:04:42,270 --> 00:04:51,740
+وال labelsequal to iris of
+
+40
+00:04:51,740 --> 00:04:55,460
+الوريدة
+
+41
+00:04:55,460 --> 00:05:04,940
+تمام هيك انا ال data فصلت
+
+42
+00:05:04,940 --> 00:05:09,800
+تمام معايا من
+
+43
+00:05:09,800 --> 00:05:15,000
+و بينكم هو مش متحمل انا بكتب نص الاسمو ال label
+
+44
+00:05:15,000 --> 00:05:17,760
+فانا فصلت ال data attributes هيك و ال label
+
+45
+00:05:17,760 --> 00:05:28,020
+attribute تمام
+
+46
+00:05:28,020 --> 00:05:36,540
+اصبح لدي الان ال data set متوفرة لكن انا فيه مشكلة
+
+47
+00:05:36,540 --> 00:05:42,850
+حقيقية انه لما انا بدى اعمل clusterالـ data set
+
+48
+00:05:42,850 --> 00:05:46,870
+تبعتي هتظهر .. هيديني أرقام clusters ال lizard
+
+49
+00:05:46,870 --> 00:05:50,730
+هيديني أرقام clusters والأرقام اللي عندي أنا فعليا
+
+50
+00:05:50,730 --> 00:05:55,490
+هي عبارة عن .. الله مصلى على سيدنا محمد عن nominal
+
+51
+00:05:55,490 --> 00:06:00,030
+class وبالتالي انا لازم اشكون في عنده طريقة معينة
+
+52
+00:06:00,030 --> 00:06:02,710
+عشان اقدر اقارن بيهم .. اذا انا بدي ��تكلم في موضوع
+
+53
+00:06:02,710 --> 00:06:06,910
+ال majority لو انا بدي اتجاه الخطوة هاي و هرجعلها
+
+54
+00:06:06,910 --> 00:06:13,320
+بعد هي كانتمباشرة الآن خلّينا نروح على الـ
+
+55
+00:06:13,320 --> 00:06:17,600
+SKLAYER.CLUSTER
+
+56
+00:06:17,600 --> 00:06:20,620
+IMPORT
+
+57
+00:06:20,620 --> 00:06:26,460
+K-MEANS IMPORT K-MEANS
+
+58
+00:06:37,490 --> 00:06:41,430
+الان بدي أبني model مثل ما كنت بشغل معاه في ال
+
+59
+00:06:41,430 --> 00:06:51,610
+classification من ال key means و
+
+60
+00:06:51,610 --> 00:06:56,270
+number of clusters ال argument كام cluster اللي هي
+
+61
+00:06:56,270 --> 00:07:05,870
+ال key تبعتنا أنا هروح أقوله تلاتة model dot
+
+62
+00:07:07,920 --> 00:07:13,640
+فت عشان يدرس ال data set وقلنا بدي أتعامل مع ال
+
+63
+00:07:13,640 --> 00:07:25,220
+attributes فقط okay هاي import okay
+
+64
+00:07:25,220 --> 00:07:33,480
+means from sk learn
+
+65
+00:07:36,700 --> 00:07:42,660
+بورد و build و create كميز object
+
+66
+00:07:47,690 --> 00:07:52,070
+تمام عملنا لوفيت وهي كانت الأمور تمام الخطوة اللي
+
+67
+00:07:52,070 --> 00:07:56,690
+بعد هيك ايش بتتوقع ان انا بدي اسوي فيه بدي اتعرف
+
+68
+00:07:56,690 --> 00:08:00,310
+على ال classes اللي موجودة عندها طبعا ال method
+
+69
+00:08:00,310 --> 00:08:02,910
+اللي كنا نشوفها مع ال class مع ال classification
+
+70
+00:08:02,910 --> 00:08:09,050
+اللي هي method الخاصة بال prediction
+
+71
+00:08:09,050 --> 00:08:13,470
+مع ال classification هي نفسها مازالت متاحة اما ان
+
+72
+00:08:13,470 --> 00:08:14,850
+انا هروح و اقول له why
+
+73
+00:08:20,450 --> 00:08:31,910
+wire predict equal model.predict
+
+74
+00:08:31,910 --> 00:08:38,210
+طبعا و ال predict هاي كالعقب بده تاخد برضه من
+
+75
+00:08:41,820 --> 00:08:45,500
+الـ attributes اللي هي ال data set هو راح درسهم
+
+76
+00:08:45,500 --> 00:08:49,460
+هان في ال fit راح ادرس ال attributes و اعمل
+
+77
+00:08:49,460 --> 00:08:52,860
+computation حسب ال means الان في ال predicts بدي
+
+78
+00:08:52,860 --> 00:08:57,920
+يديني قائمة بال classes اللي بتنتمي لها كل
+
+79
+00:08:57,920 --> 00:09:03,270
+instance او قائمة بال classes نعمبحيث انك .. يعني
+
+80
+00:09:03,270 --> 00:09:06,370
+هيبدين قائمة من 30 element بنفس عدد ال data set
+
+81
+00:09:06,370 --> 00:09:09,890
+لكن هذه ال value اللي فيها بتمثل ال class number
+
+82
+00:09:09,890 --> 00:09:13,510
+اللي .. عفوا ال cluster number اللي بتتميله ال
+
+83
+00:09:13,510 --> 00:09:18,710
+instance اللي موجودة عندها لو انا حبيت انا اطبع
+
+84
+00:09:18,710 --> 00:09:24,910
+print ypredict وهي
+
+85
+00:09:24,910 --> 00:09:25,130
+run
+
+86
+00:09:30,860 --> 00:09:36,000
+أي data set اللي طلعت عندي هنا أي هدول عشرة لو
+
+87
+00:09:36,000 --> 00:09:43,830
+عدناهموهي كمان عشرة وهي كمان عشرين لاحظوا معايا ان
+
+88
+00:09:43,830 --> 00:09:46,410
+العشرين اللي في الآخر هدول يعني هاي هذه ال
+
+89
+00:09:46,410 --> 00:09:49,570
+instance تنتمى لل class الأول هذه ال instance عفوا
+
+90
+00:09:49,570 --> 00:09:53,190
+لل cluster الأول ال instance هي لل cluster التالد
+
+91
+00:09:53,190 --> 00:09:56,950
+ال instance هي لل cluster التاني ليش؟ لأنه أخد
+
+92
+00:09:56,950 --> 00:10:01,350
+الأرقام ل clusters بنفس الترتيب اللي موجود بيبدأ
+
+93
+00:10:01,350 --> 00:10:06,530
+صفر واحد اتنين تلاتة اربعة بحسب العدد اللي انالو
+
+94
+00:10:06,530 --> 00:10:09,310
+انا ايدي اتغيرت هنا و قلت له عدد ال cluster تبعت 2
+
+95
+00:10:09,310 --> 00:10:14,710
+و عملت run هاي
+
+96
+00:10:14,710 --> 00:10:18,870
+بس 01 تمام؟ لو انا قلت له 4
+
+97
+00:10:26,090 --> 00:10:30,990
+هي دهر الرقم تلاتة في ال cluster فهو دائما مجبر ان
+
+98
+00:10:30,990 --> 00:10:35,550
+يوزع حسب العناصر الموجودة لو قلت له خمسة في
+
+99
+00:10:35,550 --> 00:10:39,490
+التجربة الأخيرة مع ال K زي ما قلنا سابقا مافيش
+
+100
+00:10:39,490 --> 00:10:42,710
+لازم يكون كل العناصر موجودة استحالة ألا يجي
+
+101
+00:10:42,710 --> 00:10:47,850
+cluster فاضيليش؟ لأنه بألزمه بألزمه أن ال data set
+
+102
+00:10:47,850 --> 00:10:51,370
+تتوزع على عدد معين من ال clusters وقولنا هذه هي
+
+103
+00:10:51,370 --> 00:10:54,470
+التحدي الأساسي الموجود في ال K-Means أو في ال
+
+104
+00:10:54,470 --> 00:10:57,590
+partitional clustering إن أنا أكون فعليا عارف عدد
+
+105
+00:10:57,590 --> 00:11:00,950
+ال clusters مسبقا أنا فعليا ال data set تبعتي
+
+106
+00:11:00,950 --> 00:11:03,370
+مكونة من ال three clusters ف already هي من ال
+
+107
+00:11:03,370 --> 00:11:07,590
+three clusters الآن
+
+108
+00:11:07,590 --> 00:11:12,230
+لو أنا بده أروح أعمل metric بده أسأل الآن هي بده
+
+109
+00:11:12,230 --> 00:11:12,750
+أروح ال
+
+110
+00:11:15,990 --> 00:11:27,230
+بس هنحطها ن comment find the clusters list
+
+111
+00:11:27,230 --> 00:11:38,190
+for the data set find او predict لإن في الآخر
+
+112
+00:11:38,190 --> 00:11:42,110
+عملية prediction اللي احنا بنتكلم
+
+113
+00:11:49,020 --> 00:11:53,000
+التي في الآخر عملية prediction تمام الآن مثلها مثل
+
+114
+00:11:53,000 --> 00:11:57,840
+ال classification task او ال .. انا في عندي ال
+
+115
+00:11:57,840 --> 00:12:00,400
+matrix فممكن انا بدي اروح لمرحلة ال evaluation
+
+116
+00:12:00,400 --> 00:12:07,960
+الان لو
+
+117
+00:12:07,960 --> 00:12:12,780
+انا روحت طبعا from a
+
+118
+00:12:12,780 --> 00:12:18,340
+scalar dot
+
+119
+00:12:24,970 --> 00:12:32,430
+بارد الـ matrix الـ
+
+120
+00:12:32,430 --> 00:12:40,990
+contingency الـ
+
+121
+00:12:40,990 --> 00:12:47,190
+contingency matrix
+
+122
+00:12:47,190 --> 00:12:49,110
+equal
+
+123
+00:13:03,230 --> 00:13:05,590
+metric.clusterscontingencymatrix وإيش ال
+
+124
+00:13:05,590 --> 00:13:10,150
+contingency matrix هيها حسب ال help بتاخد مني two
+
+125
+00:13:10,150 --> 00:13:14,030
+parameters بتاخد مني ال true label وبتاخد مني اللي
+
+126
+00:13:14,030 --> 00:13:16,710
+بدك label لأن ال label السابعة اللي موجودة في ال
+
+127
+00:13:16,710 --> 00:13:22,560
+label صحعشان اريكم انه الاستحاق ال labels وهيها
+
+128
+00:13:22,560 --> 00:13:30,920
+وهي كومة وهي ال y predict لو
+
+129
+00:13:30,920 --> 00:13:37,680
+انا قلت له print ال contingency matrix وعملت
+
+130
+00:13:37,680 --> 00:13:37,940
+run
+
+131
+00:13:47,130 --> 00:13:55,510
+اللي صار انه اخد هو فعليا ال .. الصحيح دائما العمل
+
+132
+00:13:55,510 --> 00:14:04,630
+بيحمل مفاجأات جديدة انا ال .. okay اللي
+
+133
+00:14:04,630 --> 00:14:09,670
+صار عندي هان انه هي ال data setتوزعت قال لي ان ال
+
+134
+00:14:09,670 --> 00:14:13,670
+class هي contingency ان ال attribute او ال cluster
+
+135
+00:14:13,670 --> 00:14:17,190
+الأول pure العشرة اللي فيه و هي .. لو الصفر هدولة
+
+136
+00:14:17,190 --> 00:14:22,410
+عشرة تمام ال class التاني اللي هو واحد فيه عشرة
+
+137
+00:14:22,410 --> 00:14:25,930
+كذلك مافيش فيه pure بناء على المقارنة اللي موجودة
+
+138
+00:14:25,930 --> 00:14:33,230
+لو عديت هدولة انا اتنين
+
+139
+00:14:33,230 --> 00:14:34,450
+ستة
+
+140
+00:14:36,250 --> 00:14:42,110
+عشرة أو عشرة تمام لكن جال ليه ان في عندي مشكلة انا
+
+141
+00:14:42,110 --> 00:14:46,970
+انه في ال class التالت موزع ما بين فعليا مش pure
+
+142
+00:14:46,970 --> 00:14:52,070
+بالاساس ان القيم تبعته مختلفة من العناصر اللي
+
+143
+00:14:52,070 --> 00:14:58,220
+موجودة وبالتالي قيمة ال contingency matrix هييعني
+
+144
+00:14:58,220 --> 00:15:01,740
+انا فعليا هو في عنده مشكلة مع ال cluster التالت في
+
+145
+00:15:01,740 --> 00:15:06,640
+موضوع التقييم لو انا روحت هان و قلتله اربعة ايش
+
+146
+00:15:06,640 --> 00:15:14,220
+حيصير عندي هان جاب
+
+147
+00:15:14,220 --> 00:15:18,760
+لي مصفوفة اربعة في اربعة و حاول يتعرف على ال data
+
+148
+00:15:18,760 --> 00:15:25,630
+set اللي موجودةعندي طيب ليش تلاتة في أربعة مش
+
+149
+00:15:25,630 --> 00:15:28,650
+أربعة في أربعة الأصل أنا أكون أربعة في أربعة لأن
+
+150
+00:15:28,650 --> 00:15:33,130
+ال labels اللي عندي أنا فعليا هم تلاتة اللي في ال
+
+151
+00:15:33,130 --> 00:15:36,790
+true label فدولة تريد وبالتالي المقارنة بدها تكون
+
+152
+00:15:36,790 --> 00:15:46,450
+دائما صحيحة طبعا
+
+153
+00:15:46,450 --> 00:15:46,810
+كذلك
+
+154
+00:15:50,590 --> 00:15:54,970
+في عندى من ال matrix اللى حكينا عليها سابقا اللى
+
+155
+00:15:54,970 --> 00:16:01,030
+هي adjusted rent score و ال purity ال purity طبعا
+
+156
+00:16:01,030 --> 00:16:04,070
+اللى بنحسبها حنا منها ال maximum مع كل row في
+
+157
+00:16:04,070 --> 00:16:08,490
+المصفوفة عشرة عشرة تمانية تمانية و عشرين على
+
+158
+00:16:08,490 --> 00:16:11,550
+تلاتين هي ال purity تبعت ال algorithm اللى موجود
+
+159
+00:16:11,550 --> 00:16:15,270
+عندى لكن لو انا بدى اتكلم على ال adjusted rent
+
+160
+00:16:15,270 --> 00:16:20,500
+index هروح اقوله من ال matrixاللي هي عندى ال
+
+161
+00:16:20,500 --> 00:16:28,620
+cluster dot اللى هي ال adjusted score
+
+162
+00:16:28,620 --> 00:16:36,130
+نفس الكلام بتاخد منى ال labels اللى موجودةخلّينا
+
+163
+00:16:36,130 --> 00:16:42,210
+نعمل رن نحنا هنا بس إداني أنها رقم أيها point 8
+
+164
+00:16:42,210 --> 00:16:46,410
+وكنا متفقين أن ال adjusted rand index كل ما قربت
+
+165
+00:16:46,410 --> 00:16:50,610
+للواحد يكون الأداء ال cluster ال algorithm تبعتي
+
+166
+00:16:50,610 --> 00:16:51,970
+أفضل فهي قيمتها هنا
+
+167
+00:16:57,350 --> 00:17:02,150
+بنفس النظام ممكن انا اجيبها وهذه عبارة عن مجموعة
+
+168
+00:17:02,150 --> 00:17:09,150
+من ال matrix كذلك خلنا نسميها mi equal نفس الكلام
+
+169
+00:17:09,150 --> 00:17:17,210
+السابق matrix dot cluster dot
+
+170
+00:17:19,300 --> 00:17:23,340
+نقوم باستخدام البرنامج InfoScore نقوم باستخدام
+
+171
+00:17:23,340 --> 00:17:30,920
+البرنامج InfoScore نقوم باستخدام البرنامج
+
+172
+00:17:30,920 --> 00:17:36,960
+InfoScore نقوم باستخدام البرنامج InfoScore
+
+173
+00:17:41,330 --> 00:17:49,990
+هذه هي قيمة الان ام اي نوعا ما عندي تمام الخطأ
+
+174
+00:17:49,990 --> 00:17:56,570
+اللي كان warning مش خطأ warning
+
+175
+00:17:56,570 --> 00:18:02,690
+future warning the behavior will not changeأنا
+
+176
+00:18:02,690 --> 00:18:07,110
+بتتكلم إن ال NMI حسب ال version أنا صحيح عملت
+
+177
+00:18:07,110 --> 00:18:11,930
+update قريب وهي المفاجأات اللي موجودة عندها تمام
+
+178
+00:18:11,930 --> 00:18:16,170
+هدفي ما يتعلق في ال partitional clustering نعمل
+
+179
+00:18:16,170 --> 00:18:19,410
+review على السريع إيش اللي سوناه طبعا زي ما تشوفين
+
+180
+00:18:19,410 --> 00:18:24,170
+جامعة الخيار ال python سهل مش بحاجة ل .. مافيش
+
+181
+00:18:24,170 --> 00:18:27,690
+فيها تعقيدات دي functions تبعت جاهزة و ممكن أنا
+
+182
+00:18:27,690 --> 00:18:30,450
+أشتغل عليها بكل سهولة
+
+183
+00:18:42,150 --> 00:18:48,390
+الان بدي أنتقل معاكم لجزئية ال hierarchical
+
+184
+00:18:48,390 --> 00:18:53,190
+clustering في
+
+185
+00:18:53,190 --> 00:19:04,350
+ال hierarchical clustering نعمل
+
+186
+00:19:04,350 --> 00:19:07,450
+ال data set بنفس الكلام خلّينا في الأول أنشئ ملف
+
+187
+00:19:07,450 --> 00:19:09,150
+جديد file
+
+188
+00:19:15,560 --> 00:19:26,460
+my new python file اخرى
+
+189
+00:19:26,460 --> 00:19:31,540
+كلمة
+
+190
+00:19:31,540 --> 00:19:39,140
+cluster
+
+191
+00:19:39,140 --> 00:19:42,420
+class
+
+192
+00:19:47,320 --> 00:19:52,220
+عن طريق الـ Clustering طبعا انا هاختصر و هاخد نفس
+
+193
+00:19:52,220 --> 00:20:02,760
+الفكرة و هعمل نفس ال split لبعض ال data هاي
+
+194
+00:20:02,760 --> 00:20:03,700
+ال clustering
+
+195
+00:20:15,390 --> 00:20:28,770
+من مكتبة مختلفة اتمنى استدعي الموديل from scipy
+
+196
+00:20:28,770 --> 00:20:33,610
+.cluster
+
+197
+00:20:33,610 --> 00:20:35,950
+.hierarical
+
+198
+00:20:38,670 --> 00:20:44,290
+emport بدي اعمل emport لشيء اتين الشغل الأولى لل
+
+199
+00:20:44,290 --> 00:20:51,210
+linkage اللى هى
+
+200
+00:20:51,210 --> 00:20:55,610
+ال
+
+201
+00:20:55,610 --> 00:20:59,810
+linkage و ال dendogram اللى هى بتمثل عشان لو انا
+
+202
+00:20:59,810 --> 00:21:05,730
+فكرت ارسمها طيب الخطوة
+
+203
+00:21:07,060 --> 00:21:09,920
+التالية ان انا بدي استد الـ Hierarchical Cluster
+
+204
+00:21:16,860 --> 00:21:23,900
+HC Hierarchical Clustering Equal Linkage و ال
+
+205
+00:21:23,900 --> 00:21:28,140
+linkage هذا بده ياخد مني ال attributes ال data set
+
+206
+00:21:28,140 --> 00:21:33,200
+تبعتي و بده يحددله ال linkage criteria اللي موجودة
+
+207
+00:21:33,200 --> 00:21:37,200
+عندنا احنا قولنا في عندنا single و في عندنا ال
+
+208
+00:21:37,200 --> 00:21:41,120
+complete و في عندنا ال average و في عندنا ال word
+
+209
+00:21:41,120 --> 00:21:43,960
+تمام
+
+210
+00:21:46,240 --> 00:21:50,820
+هيك ال algorithm تبعي تم التقسيمة تمت من ناحية
+
+211
+00:21:50,820 --> 00:21:57,940
+hierarchical و بدأ معاهم خطوة خطوة لكن فعليا انا
+
+212
+00:21:57,940 --> 00:22:02,040
+كيف ال cluster كيف بدى اشوفها يعني لو انا راح
+
+213
+00:22:02,040 --> 00:22:06,960
+قلتله هنا print at c ايش بده يعطيني؟
+
+214
+00:22:14,290 --> 00:22:25,250
+sorry هذا ملف HD لازم اعمله run داني
+
+215
+00:22:25,250 --> 00:22:37,750
+قائمة من تلاتين أو list من تلاتين element فيها
+
+216
+00:22:37,750 --> 00:22:40,170
+أرقام العناصر اللي موجودة عندى
+
+217
+00:22:42,940 --> 00:22:47,220
+ومين أقرب عنصر كان لها العملية محتاجة تتجمع
+
+218
+00:22:47,220 --> 00:23:00,840
+انستانس انستانس انستانس
+
+219
+00:23:00,840 --> 00:23:01,320
+انستانس انستانس انستانس انستانس انستانس انستانس
+
+220
+00:23:06,600 --> 00:23:10,320
+وهي ال distance أو قيمة ال linkage أو ال distance
+
+221
+00:23:10,320 --> 00:23:16,220
+اللي نشتغل عليها وكيف تحت أي cluster بنضمن يعني ال
+
+222
+00:23:16,220 --> 00:23:20,060
+points صفر و أربعة المسافة بينهم وهي ال cluster
+
+223
+00:23:20,060 --> 00:23:24,040
+اللي بعده طبعا كل نقطة زي ما قلنا سابقا هي بدأتبع
+
+224
+00:23:24,040 --> 00:23:27,560
+بعضهم كل cluster بدأ يشتغل كل نقطة كانت cluster
+
+225
+00:23:27,560 --> 00:23:31,980
+لكن النص اللي زي هذا غير مفهوم عشان انا استوعبه صح
+
+226
+00:23:31,980 --> 00:23:37,760
+يلزمني ان ارسمه يلزمني ان ارسمه طيب عشان انا ارسمه
+
+227
+00:23:37,760 --> 00:23:51,160
+بس خليني هنا نحط comment and import and build
+
+228
+00:24:05,560 --> 00:24:11,260
+Hierarchical cluster model
+
+229
+00:24:16,260 --> 00:24:21,000
+خلّينا من جزئية الرسم انتهينا منها الان او عفوًا
+
+230
+00:24:21,000 --> 00:24:23,980
+الطباعة بدي اروح على جزئية الرسم عشان في عند
+
+231
+00:24:23,980 --> 00:24:30,900
+المكتب المشهورة اللي هي ال math plot library ال
+
+232
+00:24:30,900 --> 00:24:34,700
+math اختصار ل math plot library تحتمل للرسم هبقى
+
+233
+00:24:34,700 --> 00:24:45,930
+بقوله import by plot python plotواختصرها بلت بيثون
+
+234
+00:24:45,930 --> 00:24:51,230
+بروفيشنال الان الخطوة اللى هشتغل عليها
+
+235
+00:24:53,810 --> 00:24:57,570
+لأن أنا لن أتعامل مع ال labels اللي موجودة عندي
+
+236
+00:24:57,570 --> 00:25:02,650
+فانا بدي اضع ال range و اعمل index للنقاط اللي
+
+237
+00:25:02,650 --> 00:25:08,190
+موجودة عندي هان هروح انا في عندي الخطوة اللي
+
+238
+00:25:08,190 --> 00:25:11,430
+استدعيناها تبع الترسم مافيها مشكلة انتهينا هروح
+
+239
+00:25:11,430 --> 00:25:20,170
+اقول له انا ال label list تبعتي تساوي
+
+240
+00:25:20,170 --> 00:25:20,810
+ال range
+
+241
+00:25:29,390 --> 00:25:33,110
+عند تلاتين element تبدأ نقاط تأخذ واحد واحدة لان
+
+242
+00:25:33,110 --> 00:25:37,530
+انا بدي ارسمهم على شكل ديندوجرام ليس حد من نقطة
+
+243
+00:25:37,530 --> 00:25:37,810
+صفر
+
+244
+00:25:40,690 --> 00:25:47,390
+فمش هارسمه على ال X axis و ال Y في ال 2D plane في
+
+245
+00:25:47,390 --> 00:25:50,190
+ال X و Y فمش هبدأ من عند النقطة صفر هبدأ من عند
+
+246
+00:25:50,190 --> 00:25:54,010
+النقطة واحد و ال range تبعتي ال واحد و التلاتين
+
+247
+00:25:54,010 --> 00:26:00,310
+هذا غير متضمن فيهم فهيكون عندي ال list تبعتي هان
+
+248
+00:26:00,310 --> 00:26:05,090
+تلاتين element تلاتين element بناء على ال list
+
+249
+00:26:05,090 --> 00:26:09,620
+اللي موجودة على ال range اللي موجود عنديطيب هذه مش
+
+250
+00:26:09,620 --> 00:26:13,700
+كتير لها علاقة بالرسم يعني ممكن انا احطها فوق لكن
+
+251
+00:26:13,700 --> 00:26:19,160
+هتلزمني فعليا جزئية الرسم بشكل كبير طيب الان بدي
+
+252
+00:26:19,160 --> 00:26:24,980
+.. بس انا عشان اقول انه الان انا بدت احضر لل
+
+253
+00:26:24,980 --> 00:26:37,400
+dendrogram بدي ارسم plot the dendrogram
+
+254
+00:26:47,630 --> 00:26:58,430
+make list list for labels for هي المفروض ال
+
+255
+00:26:58,430 --> 00:27:02,750
+instance list instance
+
+256
+00:27:02,750 --> 00:27:12,730
+list instance
+
+257
+00:27:12,730 --> 00:27:16,650
+list او ساهم بال list ساهم بالاسهل
+
+258
+00:27:19,200 --> 00:27:25,260
+sample list for data
+
+259
+00:27:25,260 --> 00:27:31,460
+samples تمام
+
+260
+00:27:31,460 --> 00:27:34,980
+الآن
+
+261
+00:27:34,980 --> 00:27:42,520
+عملت import import
+
+262
+00:27:42,520 --> 00:27:48,440
+لل by blot library
+
+263
+00:27:55,150 --> 00:28:01,110
+خطوة اللي بعد هيك في داخل ال plt بدي اجهز للصورة
+
+264
+00:28:01,110 --> 00:28:08,310
+هي figure figure
+
+265
+00:28:08,310 --> 00:28:15,050
+حجم الصورة جداش بدي احددله يا ال f size fig size
+
+266
+00:28:15,050 --> 00:28:24,730
+equal ولي اكون مثلا عشرة عرض وسبعةأنا فعليا الارض
+
+267
+00:28:24,730 --> 00:28:30,950
+عندي هتكون تلاتين و بخلي الارتفاع خمستاشر خليني
+
+268
+00:28:30,950 --> 00:28:33,470
+أشوف كيف نتيجتها هنا بس في الآخر يعني في الآخر هي
+
+269
+00:28:33,470 --> 00:28:38,190
+حصورة هتظهر في ال area الخاصة بال plot اللي موجودة
+
+270
+00:28:38,190 --> 00:28:43,810
+عندها هتشوفها لما نعند الرد طيب تمام ال figure هذه
+
+271
+00:28:43,810 --> 00:28:48,450
+خلاص أنا عشان أضيف ال .. بدي أسبع الآن ال
+
+272
+00:28:48,450 --> 00:28:52,650
+dendrogram ال dendrogram بتاخد مني مجموعةعناصر
+
+273
+00:28:52,650 --> 00:28:57,730
+بدأت أخد مني ال model هذه ال axis ال model تبعي
+
+274
+00:28:57,730 --> 00:29:03,330
+بدأ أخد مني ال orientation ال orientation انا ..
+
+275
+00:29:03,330 --> 00:29:07,030
+ال .. ال .. ال .. الاتجاه تبع الرسم تبعه بيكون عمو
+
+276
+00:29:07,030 --> 00:29:14,890
+.. أفقي ولا عمودي ولا كيف انا هروح أقوله ال top ال
+
+277
+00:29:14,890 --> 00:29:20,470
+labels تبعت ال x axis انا
+
+278
+00:29:20,470 --> 00:29:21,570
+في عندي ال sample list
+
+279
+00:29:25,360 --> 00:29:31,140
+الترتيب الـ distance distance
+
+280
+00:29:31,140 --> 00:29:37,820
+source الان احنا متفقين ان ال element موجودة
+
+281
+00:29:37,820 --> 00:29:42,580
+sequential 1 2 3 4 5 6 هذا ال sample data لكن مش
+
+282
+00:29:42,580 --> 00:29:49,780
+بالضرورة ال instance الأولى هي الأول عملية الدمج
+
+283
+00:29:49,780 --> 00:29:55,080
+هتتم بين اقصر two distances لما انا بقول رتب ليهم
+
+284
+00:29:55,080 --> 00:29:57,140
+تساعدي او تنازلي
+
+285
+00:30:10,640 --> 00:30:14,480
+descending فانا ركبتهم ترتيب تنازلي عشان فعليا
+
+286
+00:30:14,480 --> 00:30:18,640
+تسائق descending تنازلي عشان يبدأ يقول من المسافة
+
+287
+00:30:18,640 --> 00:30:23,980
+الأكبر بين من تم عملية الدمج طب أنا جماعة الخير لو
+
+288
+00:30:23,980 --> 00:30:26,840
+انتوا بتستخدموا ال bython ال by chart المفروض في
+
+289
+00:30:26,840 --> 00:30:31,400
+عندك library هان بتوضحلك كل ال arguments بتديك
+
+290
+00:30:31,400 --> 00:30:35,540
+تفاصيل كاملة او بتديكوا تفاصيل كاملة عن العناصر او
+
+291
+00:30:35,540 --> 00:30:39,500
+اللي انتوا بتشتغلوها على سبيل المثال احنا شغالين
+
+292
+00:30:39,500 --> 00:30:46,760
+وينهي الـ descending الـ
+
+293
+00:30:46,760 --> 00:30:49,720
+distance for each node and order
+
+294
+00:30:59,460 --> 00:31:04,880
+أقصر أو أكبر مسافات هيبدأ يرتب ليهم بالترتيب
+
+295
+00:31:04,880 --> 00:31:08,540
+التنازل اللي موجود عندي يعني اقصر او اكبر مسافات
+
+296
+00:31:08,540 --> 00:31:09,360
+اقصر او اكبر مسافات هيبدأ يرتب ليهم بالترتيب
+
+297
+00:31:09,360 --> 00:31:09,980
+التنازل اللي موجود عندي اقصر اقصر او اكبر مسافات
+
+298
+00:31:09,980 --> 00:31:15,740
+هيبدأ يرتب ليهم بالترتيب
+
+299
+00:31:15,740 --> 00:31:19,300
+التنازل اللي موجود عندي اقصر اقصر اقصر اقصر اقصر
+
+300
+00:31:19,300 --> 00:31:22,690
+اقصر اقصر اقصر اقصأفضهر الـ leaf و العدد ال
+
+301
+00:31:22,690 --> 00:31:30,250
+elements اللي فيها I show leaf count و الخيار true
+
+302
+00:31:30,250 --> 00:31:36,050
+هى كده اندغرام جهز المفروض بقى اللى عندي انا اروح
+
+303
+00:31:36,050 --> 00:31:44,450
+اقوله ال plot blt.show
+
+304
+00:31:57,450 --> 00:32:02,690
+على السريع، اش اللي انا سويته استدعيت الـ
+
+305
+00:32:02,690 --> 00:32:08,430
+Hierarchical Cluster من الـ Science Python استخدمت
+
+306
+00:32:08,430 --> 00:32:13,600
+الـ linkage والددومجرامالان الـ hierarchical الـ
+
+307
+00:32:13,600 --> 00:32:16,740
+cage قلت له هى ال data set و هى ال attributes اللى
+
+308
+00:32:16,740 --> 00:32:20,620
+موجودة عندى حضرت list أو قائمة للعناصر اللى موجودة
+
+309
+00:32:20,620 --> 00:32:23,680
+هجرب الآن عدى استخدم ال labels بدل ال label list
+
+310
+00:32:23,680 --> 00:32:28,160
+أشوف تظهر أسماءها اللى موجودة عندى ولا لأ بس مش
+
+311
+00:32:28,160 --> 00:32:31,340
+هتسفيد منها لأن كلهم هيظهروا نفس القائمة خلينا
+
+312
+00:32:31,340 --> 00:32:35,480
+نعمل بعد هيك رسمتهم استدعيت المكتب تبع ال python
+
+313
+00:32:35,480 --> 00:32:40,360
+ال matlab plot libraryعملت فيها figure حددت لها ال
+
+314
+00:32:40,360 --> 00:32:44,760
+size وانشأت في داخلها ديندو جرام الديندو جرام هذا
+
+315
+00:32:44,760 --> 00:32:51,920
+بيحتوي على مجموعة العناصر التالية ال cluster و ال
+
+316
+00:32:51,920 --> 00:32:54,960
+orientation اللي بدرسون فيها و ال labels و ال
+
+317
+00:32:54,960 --> 00:32:59,260
+distance إلى أخره الأمور بتهيألي تمام خلينا نعمل
+
+318
+00:32:59,260 --> 00:32:59,500
+run
+
+319
+00:33:04,350 --> 00:33:09,090
+حيّر رسمة ظهرت لو انا فكرت ان اكبر الرسمة بالشكل
+
+320
+00:33:09,090 --> 00:33:12,810
+هذا او
+
+321
+00:33:12,810 --> 00:33:16,090
+اذا بدي انا اكبرها هيك كمان لان انا فعليا انا
+
+322
+00:33:16,090 --> 00:33:19,670
+عملها تلاتين في خمستاشر فارتفاعها خمستاشر و عرضها
+
+323
+00:33:19,670 --> 00:33:26,170
+تلاتين لاحظوا ان هاي بقول هان هاي جسملي فعليا بقول
+
+324
+00:33:26,170 --> 00:33:29,870
+التقسيمة تبعتك هذي انسب عبارة عن two clusters اذا
+
+325
+00:33:29,870 --> 00:33:33,800
+انت بتجسمهم في المستوى هذا في two clustersالأخضر
+
+326
+00:33:33,800 --> 00:33:38,180
+والأحمر لكن كذلك ان في عندي cluster هان ال
+
+327
+00:33:38,180 --> 00:33:42,020
+variation بينهم قليلة جدا هيها فممكن انا اخد هذه
+
+328
+00:33:42,020 --> 00:33:44,980
+في cluster لحالي وهذه في cluster لحالي ايش ال
+
+329
+00:33:44,980 --> 00:33:49,120
+elements هيهم ال instances ال instances بدي اعيد
+
+330
+00:33:49,120 --> 00:33:51,840
+الرسم يا جماعة الخير بدي اعيد الرسم على السريع او
+
+331
+00:33:51,840 --> 00:33:55,960
+بدي اعيد ال code على السريع واروح استبدل بدل ال
+
+332
+00:33:55,960 --> 00:34:00,220
+sample list هان بدي اروح استخدم ال labels اللي هي
+
+333
+00:34:00,220 --> 00:34:09,130
+الحقيقية اللي موجودة عندي هانوهي run ما
+
+334
+00:34:09,130 --> 00:34:15,750
+زبطتش ليش؟ لأن الـ x-axis بدى يتعامل مع number فهو
+
+335
+00:34:15,750 --> 00:34:18,230
+بتعامل مع number فعشان هيك كان ال sample list
+
+336
+00:34:18,230 --> 00:34:25,670
+ضروري جدا بالنسبة لنا ان نتعامل معاه وبهيك الرسمة
+
+337
+00:34:25,670 --> 00:34:27,350
+بتكون صحيحة
+
+338
+00:34:39,030 --> 00:34:44,390
+هذه الرسمة output
+
+339
+00:34:44,390 --> 00:34:59,310
+يهان ال instances او
+
+340
+00:34:59,310 --> 00:35:03,310
+بدلت لو جبت له ascending و run
+
+341
+00:35:07,960 --> 00:35:18,480
+هذه الرسومتين أصبحوا موجودات تمام،
+
+342
+00:35:18,480 --> 00:35:28,060
+لو أنا شريتها بالمرة run
+
+343
+00:35:36,610 --> 00:35:40,190
+ما تغيرش عندى ولا حاجة بالتالي انا ممكن استجنى
+
+344
+00:35:40,190 --> 00:35:46,530
+عنها عفوا اللى المفروض خلّيتها انا كهيران انا
+
+345
+00:35:46,530 --> 00:35:52,010
+بحتفظ باخر الصورة موجودة عشان اقارن لو انا هان
+
+346
+00:35:52,010 --> 00:35:59,990
+قلتله false run
+
+347
+00:36:07,320 --> 00:36:10,520
+الخيارات هي الـ default اللي موجودة عندي يعني هذه
+
+348
+00:36:10,520 --> 00:36:17,000
+وهذه هي
+
+349
+00:36:17,000 --> 00:36:20,520
+عبارة عن مجموعة الخيارات ال default اللي موجودة
+
+350
+00:36:20,520 --> 00:36:24,380
+عندي باستثناء ال algorithm المفروض و تكون ال data
+
+351
+00:36:24,380 --> 00:36:28,360
+set اللي موجودة عندى نفسي اه في شغل مهم جدا لو انا
+
+352
+00:36:28,360 --> 00:36:30,020
+بدى اقارن مثلا بين ال
+
+353
+00:36:34,310 --> 00:36:38,130
+عفوا اللهم صلى الله عليه و سلم يا محمد بين ال
+
+354
+00:36:38,130 --> 00:36:42,970
+clusters بال word و بال single هعيد ال code هذا
+
+355
+00:36:42,970 --> 00:36:48,570
+نفسه تمام لو انا اخدت ال code هذا حتى بما في الرسم
+
+356
+00:36:48,570 --> 00:36:54,870
+يعني okay هان
+
+357
+00:36:54,870 --> 00:36:57,970
+ال code لو انا قلت له هنا ال complete
+
+358
+00:37:03,650 --> 00:37:08,090
+lead أو عشان اقدر اميز بين الرسمتين بدي اضيف title
+
+359
+00:37:08,090 --> 00:37:16,370
+للرسمة هروح اقول له هنا ال blt.title
+
+360
+00:37:16,370 --> 00:37:22,390
+ال title تبع هنا اللي هي single linkage
+
+361
+00:37:31,250 --> 00:37:37,090
+عند الرسم فقط هذا الشغل الوحيد اللي هتتغير عندي
+
+362
+00:37:37,090 --> 00:37:52,610
+complete linkage
+
+363
+00:37:52,610 --> 00:37:58,050
+اللي انا عملت الان two modelsبنعمل ال two models
+
+364
+00:37:58,050 --> 00:38:02,310
+هذه مافيش داعي ان اعملها الان import مجرد ان انا
+
+365
+00:38:02,310 --> 00:38:09,330
+اعمل complete in case جديد عشان هيسميته h1 و هبقى
+
+366
+00:38:09,330 --> 00:38:16,430
+بيسميه h1 فبغض النظر عن التسميات وهيبقى اعمل run
+
+367
+00:38:16,430 --> 00:38:21,750
+هذا المفروض ال algorithm يديني رسمتين الأولى و هي
+
+368
+00:38:21,750 --> 00:38:28,550
+التانية لو انا بدي اكبر بس الصفحه هنا شويةهذا ال
+
+369
+00:38:28,550 --> 00:38:33,730
+complete linkage وهذا ال single linkage لاحظوا
+
+370
+00:38:33,730 --> 00:38:37,770
+معايا اختلفت الترتيبة مع ال single linkage اول ما
+
+371
+00:38:37,770 --> 00:38:41,970
+عمل merge عمل بين ال 26 وال28 هذا في ال complete
+
+372
+00:38:41,970 --> 00:38:48,240
+بينما ال single linkage عمل بين ال 6 وال8في الآخر
+
+373
+00:38:48,240 --> 00:38:51,400
+التوزيعة نعم هي عبارة عن three different clusters
+
+374
+00:38:51,400 --> 00:38:54,660
+او two different clusters واضحة هان يعني هي بحسب
+
+375
+00:38:54,660 --> 00:38:57,480
+الهيراريك اللي بيقول أفضل شغلة هنا هي عبارة عن two
+
+376
+00:38:57,480 --> 00:39:00,180
+clusters اللي انت بدك يعني لكن لو انت بدك تلاتة
+
+377
+00:39:00,180 --> 00:39:03,320
+ممكن تحصل زي ما قلنا سابقا على هان وهذه الفروقات
+
+378
+00:39:03,320 --> 00:39:07,360
+واضحة بالاتلقال لاحظوا انه هان قال لأ مع ال
+
+379
+00:39:07,360 --> 00:39:10,480
+complete قال ممكن تحصل على أربعة كمان different
+
+380
+00:39:10,480 --> 00:39:15,400
+clusters لو نزلت للمستوى هذاهي هدول واحدة تنتين
+
+381
+00:39:15,400 --> 00:39:19,320
+تلاتة اربعة وبهي كده اصبح لدي اجلوميراتيف او
+
+382
+00:39:19,320 --> 00:39:22,640
+Hierarchical Clustering ممكن تديني معلومات عن ال
+
+383
+00:39:22,640 --> 00:39:30,800
+data set اكتر من ان انا موجود اكتر
+
+384
+00:39:30,800 --> 00:39:33,640
+من ال partition ال cluster زي ما قلنا وهي مزيتها
+
+385
+00:39:33,640 --> 00:39:38,240
+لكن تبقى و هده هتركها لإيكوا تعلموها لوحدكوا ان
+
+386
+00:39:38,240 --> 00:39:44,320
+كيف انا ممكن احصلعند اي مستوى انا بدي اجفه انا
+
+387
+00:39:44,320 --> 00:39:47,880
+الآن هو بقول هي ال data set تبعتك وهي رسمتها لو
+
+388
+00:39:47,880 --> 00:39:50,800
+انا بدي افصل ال data set تروح على ال model هذا
+
+389
+00:39:50,800 --> 00:39:57,760
+وتبدأ تجمع فيه لحد مستوى معين يعني ان انا هي 26 26
+
+390
+00:39:57,760 --> 00:40:03,640
+28 21 23 30 هدول اقرب ما يمكن لبعضهم ازوان cluster
+
+391
+00:40:03,640 --> 00:40:10,170
+بعدين 11 13 15 19 12 17تمام؟ لو انت بقى تنزل كمان
+
+392
+00:40:10,170 --> 00:40:14,590
+مستوى هذا اكتر فحسب حاجتك و زي ما قلتلكوا هذه اللي
+
+393
+00:40:14,590 --> 00:40:20,070
+هتركها لإلكوا تشوفوا كيف ممكن انا احصل على ال data
+
+394
+00:40:20,070 --> 00:40:22,630
+set في different clusters لما انا اعتمديت ال
+
+395
+00:40:22,630 --> 00:40:26,730
+hierarchical clustering هذا اللي بديه في الجزء
+
+396
+00:40:26,730 --> 00:40:28,750
+العملي هرفعلكم إياه الآن ان شاء الله تعالى
+
+397
+00:40:28,750 --> 00:40:34,550
+بالاضافة لل python code هذا للي حابب يشتغل اتمنى
+
+398
+00:40:34,550 --> 00:40:36,570
+لكوا فايدة دائما والسلام عليكم ورحمة الله
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/mLZ1tevgxvs.srt

@@ -0,0 +1,3001 @@
+1
+00:00:05,300 --> 00:00:07,540
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:07,540 --> 00:00:12,300
+اليوم إن شاء الله.. إن شاء الله تعالى، هنكمل في الـ
+
+3
+00:00:12,300 --> 00:00:14,680
+introduction على الـ data mining، نتعرف على الـ data
+
+4
+00:00:14,680 --> 00:00:19,000
+mining tasks، ونشوف الـ tools اللي هنشتغل عليها خلال
+
+5
+00:00:19,000 --> 00:00:26,950
+الفصل الـ.. لكن الـ.. بدنا نعمل review سريعة لما تم
+
+6
+00:00:26,950 --> 00:00:30,170
+عرضه الأسبوع الماضي، بدي واحد منكم على السريع الآن
+
+7
+00:00:30,170 --> 00:00:33,270
+يذكرني سواء كان من الدفتر، من الـ slides، من دماغه،
+
+8
+00:00:33,270 --> 00:00:36,690
+طبعًا لو كان من دماغه أفضل، ما هو، ما هي الـ data
+
+9
+00:00:36,690 --> 00:00:41,270
+mining؟ عرف لي الـ data mining، أه
+
+10
+00:00:41,270 --> 00:00:44,990
+محمد: عملية
+
+11
+00:00:44,990 --> 00:00:47,650
+cleaning و analyzing  الـ data عشان أطلع منها
+
+12
+00:00:47,650 --> 00:00:51,250
+knowledge، more professional definition؟ أعطيني
+
+13
+00:00:51,250 --> 00:00:55,800
+التعريف professional أكتر، كلامك صح لكن إحنا بدنا
+
+14
+00:00:55,800 --> 00:01:02,300
+الآن تعريف رسمي، محمد أحمد فروخ: knowledge discovery
+
+15
+00:01:02,300 --> 00:01:15,800
+كمان non trivial، implicit، useful،
+
+16
+00:01:21,930 --> 00:01:28,370
+أيوة، novel، طيب
+
+17
+00:01:28,370 --> 00:01:32,690
+عرفنا الـ data mining على إنها عبارة عن الـ process
+
+18
+00:01:32,690 --> 00:01:38,270
+for extracting interesting patterns، اللي هي
+
+19
+00:01:38,270 --> 00:01:42,690
+الأنماط المهمة أو المثيرة أو أو إلى آخره، مصبوط؟
+
+20
+00:01:42,690 --> 00:01:47,620
+وقلنا كلمة interesting pattern تعني novel، إنه الـ
+
+21
+00:01:47,620 --> 00:01:50,600
+pattern هذا أو النمط هذا جديد، ما حد شافه قبل هيك
+
+22
+00:01:50,600 --> 00:01:55,640
+previously unseen، non-trivial، مش تقليدي، وطبعًا
+
+23
+00:01:55,640 --> 00:02:00,000
+متكافئات تقريبًا، لكن إذا كنت أنا بتكلم إنه
+
+24
+00:02:00,000 --> 00:02:03,460
+الـ process نفسها non-trivial، إنه العملية مش عملية
+
+25
+00:02:03,460 --> 00:02:06,360
+تقليدية، مش عملية سهلة، مش كل الناس هتقوم فيها،
+
+26
+00:02:06,360 --> 00:02:09,060
+implicit، فهو حقيقي أو valid،
+
+27
+00:02:11,940 --> 00:02:16,100
+نطق Simplest، يعني بين جثتين، مش fake، فده حقيقي موجود
+
+28
+00:02:16,100 --> 00:02:21,160
+في الـ data، و useful عشان يبقى بني عليه action، مفيد
+
+29
+00:02:21,160 --> 00:02:26,200
+للناس، وطبعًا understandable،
+
+30
+00:02:26,200 --> 00:02:32,180
+مفهوم، عشان الناس تقدر تبني عليه action، previously
+
+31
+00:02:32,180 --> 00:02:38,380
+unknown أو unseen، اللي هي novel، تمام، قلنا بعد هيك
+
+32
+00:02:38,380 --> 00:02:43,050
+أن الـ data mining تمر بـ.. أو أي data mining
+
+33
+00:02:43,050 --> 00:02:48,110
+project فيه له سبع مراحل، سبع مراحل بتبدأ من
+
+34
+00:02:48,110 --> 00:02:54,570
+cleaning، integration،
+
+35
+00:02:54,570 --> 00:02:59,910
+selection،
+
+36
+00:02:59,910 --> 00:03:05,630
+transformation،
+
+37
+00:03:05,630 --> 00:03:08,830
+mining،
+
+38
+00:03:14,020 --> 00:03:21,740
+evaluation، و presentation، وعشان
+
+39
+00:03:21,740 --> 00:03:26,160
+ما تنساش من الـ cleaning لحد الـ mining، مرتبط
+
+40
+00:03:26,160 --> 00:03:30,320
+بمصطلح data،
+
+41
+00:03:30,320 --> 00:03:36,000
+cleaning، data integration، data selection، data
+
+42
+00:03:36,000 --> 00:03:40,570
+transformation، data mining، أنا على السريع، cleaning
+
+43
+00:03:40,570 --> 00:03:44,790
+كانت تقتضي مني أن أعالج incomplete data أو الـ
+
+44
+00:03:44,790 --> 00:03:52,270
+missing data، أعمل handling للـ missing data، noisy
+
+45
+00:03:52,270 --> 00:04:00,610
+data، inconsistent data، شو
+
+46
+00:04:00,610 --> 00:04:04,050
+يعني missing data، أن في عندي field ما فيش فيه value،
+
+47
+00:04:04,050 --> 00:04:08,330
+null، والـ field هذا أنا محتاجه، فبالتالي بدي أشوف كيف
+
+48
+00:04:08,330 --> 00:04:12,470
+بدي أعبي الـ value المناسبة أو الحقيقية أو الصحيحة أو
+
+49
+00:04:12,470 --> 00:04:16,750
+القريبة من الصحيحة للـ attributes هذا، noisy إنه
+
+50
+00:04:16,750 --> 00:04:20,010
+فيها خطأ، الـ value واضح فيها خطأ، مثل ال��اتب بالـ
+
+51
+00:04:20,010 --> 00:04:26,030
+salary أو الراتب بالـ salary، الـ salary بالسالب أو
+
+52
+00:04:26,030 --> 00:04:31,190
+الراتب بالسالب، وبالتالي أنا بدي أنتبه لهذه الشغلة،
+
+53
+00:04:31,190 --> 00:04:32,530
+inconsistent،
+
+54
+00:04:35,480 --> 00:04:40,460
+في two fields متناقضين مع بعض، عمره تلاتين سنة وهو
+
+55
+00:04:40,460 --> 00:04:44,700
+مولوده الألفين، تمام؟ أو mail و pregnant زي ما قلنا
+
+56
+00:04:44,700 --> 00:04:50,440
+سابقا، الـ integration، data integration، أن الـ data
+
+57
+00:04:50,440 --> 00:04:54,700
+source تبعتي أو مصادر البيانات تبعتي مختلفة، فبدي
+
+58
+00:04:54,700 --> 00:04:58,560
+أكون عندي المقدرة على أني أقدر أجمع البيانات هذه
+
+59
+00:04:58,560 --> 00:05:02,020
+عشان تكمل بعضها، وضربنا المثال إنه أنا بدي أشتغل
+
+60
+00:05:02,020 --> 00:05:06,400
+على مشروع يقيم أو يتنبأ لي بتحصيل الطالب في
+
+61
+00:05:06,400 --> 00:05:08,600
+المدرسة بناءً على الحالة الصحية تبعته أو الأرشيف
+
+62
+00:05:08,600 --> 00:05:12,140
+الصحي تبعه، وزارة التربية والتعليم ووزارة الصحة
+
+63
+00:05:12,140 --> 00:05:15,220
+مصدرين مختلفين للبيانات، فبالتالي أنا لازم أقدر
+
+64
+00:05:15,220 --> 00:05:17,740
+أكون عندي التعامل معاهم، وهنا بلزمك تعامل مع
+
+65
+00:05:17,740 --> 00:05:23,620
+البيانات، بلزمك database وبرمجة غالبًا في الـ data
+
+66
+00:05:23,620 --> 00:05:27,670
+selection، اختيار البيانات، بعد ما جمعت البيانات وصارت
+
+67
+00:05:27,670 --> 00:05:32,170
+في عندي huge data أو many attributes، مين اللي بده
+
+68
+00:05:32,170 --> 00:05:34,970
+يظل ومين اللي بده يبقى؟ مين الـ relevant attribute
+
+69
+00:05:34,970 --> 00:05:39,110
+ومين الـ irrelevant؟ وبالتالي أنا مطلوب مني أحذف الـ
+
+70
+00:05:39,110 --> 00:05:42,510
+irrelevant، أحذف الـ redundant attribute وأحذف فقط
+
+71
+00:05:42,510 --> 00:05:47,890
+بالـ relevant attributes، الـ data transformation، الـ
+
+72
+00:05:47,890 --> 00:05:52,070
+rules أو الـ knowledge أو الـ pattern، إحنا اتفقنا
+
+73
+00:05:52,070 --> 00:05:58,170
+أنه في تعريفنا للـ pattern هو عبارة عن group أو
+
+74
+00:05:58,170 --> 00:06:02,930
+ordering parts، repeated parts، مصبوط؟ يعني هذه
+
+75
+00:06:02,930 --> 00:06:07,410
+العناصر أو هذه الـ parts ظهرت بترتيب معين وبنسبة
+
+76
+00:06:07,410 --> 00:06:12,990
+تكرار معينة، في الـ transformation لو كان عندي الـ
+
+77
+00:06:12,990 --> 00:06:18,770
+date of birth، قلنا عدد الـ values اللي عندي كبير
+
+78
+00:06:18,770 --> 00:06:25,450
+جداً وبالتالي بيصير التكرار، الـ pattern، تكرار البتر
+
+79
+00:06:25,450 --> 00:06:31,550
+قليل جدًا، طيب، بهمش أبسط الأمور، يعني كل الناس اللي
+
+80
+00:06:31,550 --> 00:06:35,970
+مولودين في نفس السنة، ممكن أنا أستغني عن الشهر وأستغني
+
+81
+00:06:35,970 --> 00:06:39,090
+عن اليوم، لأنه في الآخر لو سألت أي واحد فيهم
+
+82
+00:06:39,090 --> 00:06:43,390
+مثلًا للناس اللي ولدت في الألفين، قد ايش عمرك يا فلان؟
+
+83
+00:06:44,810 --> 00:06:48,750
+عشرين، مباشرة عشرين أو تسعة عشر، بغض النظر، ليش؟
+
+84
+00:06:48,750 --> 00:06:52,750
+لأن كله مولود في سنة.. فهذه أسهل، وفعليًا ما أبعد
+
+85
+00:06:52,750 --> 00:06:56,130
+عن الحقيقة، بالعكس هي الحقيقة بذاتها، إنه هو مولود
+
+86
+00:06:56,130 --> 00:07:01,490
+الألفين للآن، فنحن نتكلم عن عشرين سنة، طيب، لاحظ أن
+
+87
+00:07:01,490 --> 00:07:08,570
+أنا فعليًا قللت الـ variant data، الاختلاف الكثير في
+
+88
+00:07:08,570 --> 00:07:12,090
+الـ data، قللته، وصار بإمكاني الآن أعتمد على الـ year
+
+89
+00:07:12,090 --> 00:07:16,590
+فقط، أو الأفضل من الـ year كمان أن أروح أعمل الـ age
+
+90
+00:07:16,590 --> 00:07:19,970
+لـ category، بيصير مثلًا والله بتكلم على فئة أطفال،
+
+91
+00:07:19,970 --> 00:07:26,910
+شباب، يافعين، كبار، مثلًا، عجزاء، هذه خمس فئات بدل ما
+
+92
+00:07:26,910 --> 00:07:33,070
+كنت بتعامل مع خمسين، ستين، رقم مختلف، لأ صار عندي
+
+93
+00:07:33,070 --> 00:07:38,710
+هان، وهيك أنا بأضمن أن الـ pattern تبعي صار فيه
+
+94
+00:07:38,710 --> 00:07:42,290
+frequent أكتر، وبالتالي في الـ data transformation،
+
+95
+00:07:42,290 --> 00:07:46,750
+تصير، صحيح، الـ data mining هي عبارة عن الـ task، هو الـ
+
+96
+00:07:46,750 --> 00:07:49,950
+prediction task، اللي أنا بدور فيها فعليًا هي البحث
+
+97
+00:07:49,950 --> 00:07:54,570
+عن المعرفة أو knowledge extraction، اللي بديها الـ
+
+98
+00:07:54,570 --> 00:07:55,770
+selection قبل الـ cleaning
+
+99
+00:08:02,610 --> 00:08:06,110
+أجازك عشان تخفف العدد، أنت اللي عندك، okay، الآن..
+
+100
+00:08:06,110 --> 00:08:12,630
+الآن أنت عندك الـ data set، عندك الـ data set للاجئات
+
+101
+00:08:12,630 --> 00:08:15,870
+فيها value ناقصة أو مفقودة أو فيها value غير صحيحة،
+
+102
+00:08:15,870 --> 00:08:21,250
+ممكن فعليًا تروح تقدر تروح تدور برا أنت عشان تجيبها،
+
+103
+00:08:21,250 --> 00:08:26,850
+الآن بعدين أنا في الـ selection غالبًا ما عنديش.. أنا
+
+104
+00:08:26,850 --> 00:08:29,930
+بقدر أحكم على الأسماء والأرقام، يعني رقم تليفون
+
+105
+00:08:29,930 --> 00:08:34,230
+الشخص مش مهم لصحته، رقم هويته مش مهم لمستوى حالته
+
+106
+00:08:34,230 --> 00:08:38,570
+اجتماعيًا، مصبوط؟ اسمه مش متعلق بتحصيله الدراسي،
+
+107
+00:08:38,570 --> 00:08:40,650
+هذه كلها الـ irrelevant attribute، أنا بقدر أعتمد
+
+108
+00:08:40,650 --> 00:08:44,410
+عليها، مصبوط، وأحذفهم، لكن في عندي مجموعة
+
+109
+00:08:44,410 --> 00:08:46,190
+هتلاقي فيه مجموعة عن الـ attributes أنا ما أقدرش
+
+110
+00:08:46,190 --> 00:08:50,370
+أتكلم عليها، فإيش أحضر؟ أحضر بعد الـ integration، بعد
+
+111
+00:08:50,370 --> 00:08:54,090
+الـ integration، أروح أبدأ أستخدم بعض الـ algorithm
+
+112
+00:08:54,090 --> 00:08:57,370
+اللي تروح تحسب الـ correlation أو الـ dependency بين
+
+113
+00:08:57,370 --> 00:09:01,650
+الـ attributes عشان أقرر مين أشيل ومين أبقى،
+
+114
+00:09:01,650 --> 00:09:06,310
+فبالتالي لأ، لازم تكون فعليًا الـ cleaning number one،
+
+115
+00:09:06,310 --> 00:09:10,470
+لأنه بعد أنت الآن الـ cleaning للـ source الأول، الـ
+
+116
+00:09:10,470 --> 00:09:14,340
+cleaning للـ source الثاني، وبعدين بتيجي لمرحلة الـ
+
+117
+00:09:14,340 --> 00:09:17,500
+integration، لأنه كمان مرة الـ cleaning هذه بتتم
+
+118
+00:09:17,500 --> 00:09:21,420
+بمعرفة الـ source، يعني الآن مصدر بيانات وزارة الصحة،
+
+119
+00:09:21,420 --> 00:09:26,980
+أنا والله في السنة 2005 لـ 2007 مش لاقي حاجة أو في
+
+120
+00:09:26,980 --> 00:09:31,640
+عندي بعض الـ missing values للطفل هذا، زودوني فيهم،
+
+121
+00:09:31,640 --> 00:09:37,440
+قبل ما أفكر في موضوع الـ integration، الآن زي ما
+
+122
+00:09:37,440 --> 00:09:41,350
+قلنا الـ mining هي عبارة عن الـ task اللي أنا فعليًا
+
+123
+00:09:41,350 --> 00:09:44,710
+بدي من خلالها أعمل extract للـ knowledge، بعد هيك
+
+124
+00:09:44,710 --> 00:09:46,410
+الـ knowledge اللي أنا حصلت عليها بدي أعملها
+
+125
+00:09:46,410 --> 00:09:50,550
+evaluation وأعملها presentation، هذا اللي هيكون
+
+126
+00:09:50,550 --> 00:09:55,610
+محطة حضرتنا اليوم في موضوع الـ data mining tasks،
+
+127
+00:09:55,610 --> 00:10:00,790
+لكن كنا سألناكم سؤال أو كنا أعطيناكم شبه واجب للـ
+
+128
+00:10:00,790 --> 00:10:08,660
+discussion، time series data، temporal data، special
+
+129
+00:10:08,660 --> 00:10:18,860
+data، و series، الـ sequence data، أيوة، من يبدأ يسمعنا
+
+130
+00:10:18,860 --> 00:10:23,480
+بالأول، بس اللي حضروا الواجب أو حضروا الكلام ده
+
+131
+00:10:23,480 --> 00:10:29,160
+يرفعوا أيديهم، الشباب، طيب، الآن يعني في عندنا واحد،
+
+132
+00:10:29,160 --> 00:10:38,260
+اثنين، ثلاثة، أربعة، خمسة، ستة، مش جايبين، سبعة، ليش؟ أول
+
+133
+00:10:38,260 --> 00:10:43,240
+محاضرة؟ أول محاضرة.. مش أول محاضرة.. okay، ماشي،
+
+134
+00:10:43,240 --> 00:10:47,500
+الحالة okay.. نرد.. نتمنى من الجميع يكون التزام
+
+135
+00:10:47,500 --> 00:10:50,400
+حديد في الشغلات اللي إحنا بنعطيها.. آه،
+
+136
+00:10:50,400 --> 00:10:55,320
+مؤمن: series.. time series data، بصوت عالي بس،
+
+137
+00:10:55,320 --> 00:10:58,020
+عشان كلنا نسمع، والكاميرا تقدر، ارفع صوتك.. أيوة،
+
+138
+00:10:58,020 --> 00:10:59,400
+it's a series of data،
+
+139
+00:11:02,930 --> 00:11:06,910
+يعني هي عبارة عن مجموعة من البيانات مؤرشفة تبعًا
+
+140
+00:11:06,910 --> 00:11:11,010
+لظهورها الزمني، تمام؟ في حد حصل على شغل غير هيك،
+
+141
+00:11:11,010 --> 00:11:14,150
+شباب، أيوة؟ هو الوصول للبيانات التي اتصل الزمن مع
+
+142
+00:11:14,150 --> 00:11:17,410
+بعضها ببعض، و الوصول لنمط معين يمكن من خلال
+
+143
+00:11:17,410 --> 00:11:21,650
+التنبؤ بالقيم المُتوقعة، هيك أنت بتتكلم على الـ Time
+
+144
+00:11:21,650 --> 00:11:26,270
+Series Mining، تمام؟ لكن إحنا بنتكلم على الـ Time
+
+145
+00:11:26,270 --> 00:11:29,750
+Series Data، أيوة، حسن؟ Data connected to look at
+
+146
+00:11:31,670 --> 00:11:37,190
+data، بيانات بناءً على تغييراتها تبعًا للتسلسل
+
+147
+00:11:37,190 --> 00:11:40,970
+الزمني، يعني بنقول للشباب، كل الـ data اللي
+
+148
+00:11:40,970 --> 00:11:47,510
+مرتبطة بعامل الزمن بنصنفها على إنها إيش؟ الـ Time
+
+149
+00:11:47,510 --> 00:11:50,630
+Series Data، أمثلة، مين بقدر يديني مثال؟ آه، رامي،
+
+150
+00:11:50,630 --> 00:11:53,650
+مثلًا،
+
+151
+00:11:53,650 --> 00:11:58,250
+الأمراض، تطور الأمراض، الـ Time Series،
+
+152
+00:12:02,050 --> 00:12:06,150
+درجات الحرارة والرطوبة، القياسات الطقس بشكل عام،
+
+153
+00:12:06,150 --> 00:12:16,570
+غيره، عدد مثلًا المسافرين خارج البلاد، زيادة الكثافة،
+
+154
+00:12:16,570 --> 00:12:21,210
+السكانية، الكثوف والكسوف، الظاهر الطبيعي، السؤال يا
+
+155
+00:12:21,210 --> 00:12:25,190
+شباب، الفترة الزمنية هذه هل لها better معين؟ يعني كل
+
+156
+00:12:25,190 --> 00:12:29,680
+دقيقة، كل ثانية، كل ساعة، كل يوم، كل.. كده، في الآخر
+
+157
+00:12:29,680 --> 00:12:33,360
+أنت فعليًا جمعت الـ data كيف؟ يعني الآن، تعوضت
+
+158
+00:12:33,360 --> 00:12:37,440
+الأرصاد، تعوضت، الأرصاد بيحاولوا يجمعوا الـ data
+
+159
+00:12:37,440 --> 00:12:41,500
+مثلًا على مدار الأيام، لكن الـ sensor بيزودهم،
+
+160
+00:12:41,500 --> 00:12:47,540
+بيزودهم بالقراءات على مدار الساعة، وبالتالي كل ثانية
+
+161
+00:12:47,540 --> 00:12:52,140
+عنده قراءة، لكن هو متى، بإيش بيحتفظ؟ بالقراءات اللي
+
+162
+00:12:52,140 --> 00:12:57,630
+بيصير فيها تغيير، وبيجي يقولك والله هاي تبع للزمن
+
+163
+00:12:57,630 --> 00:13:00,490
+كان كذا، يعني دائمًا الـ data مرتبط أو تجمع بعامل
+
+164
+00:13:00,490 --> 00:13:11,770
+الزمن، temporal data، temporal data، هاني، الـ temporal
+
+165
+00:13:11,770 --> 00:13:16,750
+.. هاني، هاني، بقول أن الـ temporal data هي عبارة عن
+
+166
+00:13:16,750 --> 00:13:24,080
+data، كنا معنين شغلتين، الـ state، الحالة، والفترة
+
+167
+00:13:24,080 --> 00:13:27,760
+الزمنية اللي ظهرت فيها الحالة هاي، غيره، أنا عبدالله
+
+168
+00:13:27,760 --> 00:13:34,940
+كريم: temporal يعني
+
+169
+00:13:34,940 --> 00:13:38,920
+أنت حصرتها لي في وقت، جبت لي مثال عليها، temporal، شو
+
+170
+00:13:38,920 --> 00:13:43,620
+تعريف الـ temporal data؟
+
+171
+00:13:43,620 --> 00:13:46,300
+طيب، related to time and instance،
+
+172
+00:13:51,130 --> 00:13:57,290
+ما زلت بتتكلم عن الـ time series، الـ state.. الحالة..
+
+173
+00:13:57,290 --> 00:14:00,670
+شو.. التغير اللي في الحالة.. كيف كانت.. يعني
+
+174
+00:14:00,670 --> 00:14:08,190
+أو كأن الآن.. هذا الزمن.. هذا الزمن.. هذا
+
+175
+00:14:08,190 --> 00:14:12,430
+العامل الزمني.. كيف الحالة كانت هان، والحالة كانت
+
+176
+00:14:12,430 --> 00:14:13,330
+هان، والحالة كانت هان،
+
+177
+00:14:22,460 --> 00:14:28,
+
+223
+00:17:36,770 --> 00:17:41,990
+حضرت يا هاشم؟ ماشي، الحل تمام. يعني فعليًا أنا في
+
+224
+00:17:41,990 --> 00:17:45,510
+الـ Data Mining بقدر أشتغل في كل الاتجاهات، سواء في
+
+225
+00:17:45,510 --> 00:17:50,730
+الأرقام؟ طيب، بدي أسأل في الـ Biology، في الـ
+
+226
+00:17:50,730 --> 00:17:55,450
+Geography، في الـ Geology، في كل المجالات أنا ممكن
+
+227
+00:17:55,450 --> 00:17:59,290
+أشتغل بناءً على الـ data اللي موجودة. سؤال اللي بيطرح
+
+228
+00:17:59,290 --> 00:18:05,270
+نفسه الآن: أنا بدي أروح أدرس سوق أو حالة سوق فلسطين
+
+229
+00:18:05,270 --> 00:18:11,430
+للأوراق المالية (يعني بين قوسين بورصة فلسطين). تحت أي
+
+230
+00:18:11,430 --> 00:18:17,040
+نوع من أنواع الـ data؟  time series. في حد بيقول
+
+231
+00:18:17,040 --> 00:18:22,320
+غير الكلام هذا؟ special .. special .. special ..
+
+232
+00:18:22,320 --> 00:18:26,140
+special .. special .. special .. special ..
+
+233
+00:18:26,140 --> 00:18:27,200
+special .. special .. special .. special ..
+
+234
+00:18:27,200 --> 00:18:28,440
+special .. special .. special .. special ..
+
+235
+00:18:28,440 --> 00:18:29,840
+special .. special .. special .. special ..
+
+236
+00:18:29,840 --> 00:18:29,860
+special .. special .. special .. special ..
+
+237
+00:18:29,860 --> 00:18:29,880
+special .. special .. special .. special ..
+
+238
+00:18:29,880 --> 00:18:30,120
+special .. special .. special .. special ..
+
+239
+00:18:30,120 --> 00:18:30,180
+special .. special .. special .. special ..
+
+240
+00:18:30,180 --> 00:18:31,320
+special .. special .. special .. special ..
+
+241
+00:18:31,320 --> 00:18:31,620
+special .. special .. special .. special ..
+
+242
+00:18:31,620 --> 00:18:31,880
+special .. special .. special .. special ..
+
+243
+00:18:31,880 --> 00:18:34,940
+special .. special .. special ..
+
+244
+00:18:34,940 --> 00:18:41,320
+special
+
+245
+00:18:41,320 --> 00:18:43,570
+.. special .. special .. لكن الـ location الـ
+
+246
+00:18:43,570 --> 00:18:47,850
+location هو بيكون في صميم العملية، ودائمًا بأثر
+
+247
+00:18:47,850 --> 00:18:52,650
+تمام؟ مثل الناس اللي بتشتغل في التنقيب عن النفط و
+
+248
+00:18:52,650 --> 00:18:57,910
+الذهب. الآن الـ special data جزء من شغلها، جزء من الـ
+
+249
+00:18:57,910 --> 00:19:03,410
+data تبعتهم. يعني أنا بدي أروح أجيب البيانات
+
+250
+00:19:03,410 --> 00:19:07,750
+عن أنواع التربة، وأنَبُؤ على طول
+
+251
+00:19:07,750 --> 00:19:12,950
+فلسطين، تمام؟ أي منطقة ممكن ألاقي فيها .. أفحر فيها
+
+252
+00:19:12,950 --> 00:19:18,810
+منجم ذهب مثلًا. هاي special .. هاي special. تمام؟ لكن
+
+253
+00:19:18,810 --> 00:19:21,550
+سوق أوراق فلسطين .. الأوراق الفلسطينية .. أو سوق
+
+254
+00:19:21,550 --> 00:19:25,510
+الفلسطيني للأوراق المالية. أنا بتكلم على time series
+
+255
+00:19:25,510 --> 00:19:32,810
+data. هل ممكن تكون هذه temporal data؟ هل
+
+256
+00:19:32,810 --> 00:19:38,920
+في الـ state؟ يعني بين قوسين؟ ماشي، بحكي: ما هو أنا
+
+257
+00:19:38,920 --> 00:19:42,200
+كنت مبارح مرتفع، اليوم ممكن أنخفض، ممكن في الساعة
+
+258
+00:19:42,200 --> 00:19:45,500
+الـحادية بقى أنخفض شوية، بعد نص ساعة أرتفع. هل فعليًا
+
+259
+00:19:45,500 --> 00:19:48,560
+أنا بدور على state؟ يعني بين قوسين، هل في عندي
+
+260
+00:19:48,560 --> 00:19:51,880
+السوق كله اللي بيرتفع وبينخفض مرة واحدة؟ ولا شغلات
+
+261
+00:19:51,880 --> 00:19:55,500
+بسيطة؟ إذا كان السوق كله، مجموعة القيم كلها مع بعضها
+
+262
+00:19:55,500 --> 00:20:00,750
+ممكن أتكلم عليها temporarily، لكن إذا كنت بتكلم إنه
+
+263
+00:20:00,750 --> 00:20:03,230
+لأ، السوق هو عبارة عن مجموعة من الأسهم. إيش من
+
+264
+00:20:03,230 --> 00:20:05,610
+الأسهم بتطلع، وإيش بنزل، وإيش ثابت. معناته أنا
+
+265
+00:20:05,610 --> 00:20:09,070
+بتتكلم على time series، وما فيه dependency ما بين
+
+266
+00:20:09,070 --> 00:20:16,170
+الأسهم اللي موجودة بشكل عام. تمام يا شباب، على
+
+267
+00:20:16,170 --> 00:20:19,270
+الأسهم، على تداول الأسهم اللي موجودة: أسهم
+
+268
+00:20:19,270 --> 00:20:23,970
+الاتصالات، أسهم الجوال، أسهم شركات التأمين ..
+
+269
+00:20:28,570 --> 00:20:32,950
+أكيد أكيد أكيد. احنا مش مختلفين معك، لكن هل الآن
+
+270
+00:20:32,950 --> 00:20:37,110
+هذا لما أنا بدي أروح أجيب الـ data تبعتي وبدي
+
+271
+00:20:37,110 --> 00:20:39,910
+أشتغل عندهم، هيكون الوضع السياسي: اليوم كان في عندنا
+
+272
+00:20:39,910 --> 00:20:43,170
+قصف في المنطقة الفلانية. هذا لا يُذكر ��ي الـ data
+
+273
+00:20:43,170 --> 00:20:46,150
+اللي موجودة. وبناءً على هيك احنا بنفترض دائمًا أن
+
+274
+00:20:46,150 --> 00:20:49,130
+احنا شغالين في الـ ideal case، أن الحياة ماشية تمام
+
+275
+00:20:49,130 --> 00:20:52,670
+مش فيها مشاكل، وبدنا نعمل دراسة للموضوع لأن
+
+276
+00:20:52,670 --> 00:20:56,370
+بالمناسبة، لحظة الحروب كل الدراسات هذه مالهاش معنى
+
+277
+00:20:56,370 --> 00:21:01,320
+بتصير، لأن بتصير الأولوية للحياة، الأولوية من أجل
+
+278
+00:21:01,320 --> 00:21:05,980
+الحياة. تمام، ندخل في موضوع محاضرتنا اليوم. نص ساعة
+
+279
+00:21:05,980 --> 00:21:08,460
+هنا عملنا refresh كويسة. تلت ساعة فعليًا بعد ما أنتم
+
+280
+00:21:08,460 --> 00:21:12,460
+اتأخرتم. خليني أروح باتجاه نتعرف على الـ data mining
+
+281
+00:21:12,460 --> 00:21:15,860
+tasks اللي بدنا نشتغل عليها. لما أنا بتكلم على الـ
+
+282
+00:21:15,860 --> 00:21:20,940
+data mining tasks، معناته أنا قاعد بدور على النمط
+
+283
+00:21:20,940 --> 00:21:25,850
+اللي أنا بدي إياه، الـ knowledge اللي أنا بدي أشوفها،
+
+284
+00:21:25,850 --> 00:21:30,350
+اللي بدي أستخرجها. الآن الناس اللي بتنقب على الذهب
+
+285
+00:21:30,350 --> 00:21:34,530
+عاملة حسابها، بتدور على كل شغلة صفراء بتلمع. وهذه
+
+286
+00:21:34,530 --> 00:21:39,230
+عينها دائمًا اللي بتغسل في التربة وبتصفّي فيها. عينها
+
+287
+00:21:39,230 --> 00:21:42,450
+على هي الشغلة. بينما الناس اللي بتنقب على الأحجار
+
+288
+00:21:42,450 --> 00:21:47,250
+الكريمة، بتدور على الألوان الجذابة. أثناء البحث.  مولا
+
+289
+00:21:47,250 --> 00:21:50,670
+لأ؟ يعني ممكن، عفوًا، أن الذهب يكون أشبه بالرمل،
+
+290
+00:21:50,670 --> 00:21:54,390
+بالتراب. لكن الأحجار الكريمة لأ، هي فعليًا نوع من
+
+291
+00:21:54,390 --> 00:21:57,810
+أنواع الحجر، هيكون وموجود عندنا. اللي بده ينقب على
+
+292
+00:21:57,810 --> 00:22:02,110
+البترول، كل الكلام هذا ما بيعنيهوش لحد ما فعليًا يصل
+
+293
+00:22:02,110 --> 00:22:06,010
+للنفط الخام، ويبدأ يظهر في التربة بشكل جلي، ويقول
+
+294
+00:22:06,010 --> 00:22:10,370
+أنا أصلًا .. فإحنا فعليًا الـ data mining task هي عبارة
+
+295
+00:22:10,370 --> 00:22:15,510
+عن أنواع الـ patterns اللي أنا بدي أدور عليها،
+
+296
+00:22:15,510 --> 00:22:18,250
+أنواع الـ knowledge، المعرفة اللي أنا بدي أدور
+
+297
+00:22:18,250 --> 00:22:22,630
+عليها. وبالتالي أنا قاعد أتكلم على مجموعة الـ
+
+298
+00:22:22,630 --> 00:22:30,430
+functions اللي تمثل الـ task هاي. عادة أو بشكل أساسي،
+
+299
+00:22:30,430 --> 00:22:35,090
+الـ data mining task بتأخد واحد من الـ two trends: إما
+
+300
+00:22:35,090 --> 00:22:43,130
+descriptive (وصفية) أو predictive (تنبؤية). بالوصفية،
+
+301
+00:22:43,130 --> 00:22:49,070
+الهدف منها بيكون إن أنا أقدر أوصف الـ data أو أقدم
+
+302
+00:22:49,070 --> 00:22:54,350
+وصف جديد للـ data، تمام؟ وهلأ رح أشوف معاكم مثال
+
+303
+00:22:54,350 --> 00:22:59,330
+برضه،  بشارككم كويس معايا، وبخلينا نفرّق بين اتنين
+
+304
+00:22:59,330 --> 00:23:05,820
+بشكل واضح. بينما الـ predictive task هي: بدي أنفذ تقصي
+
+305
+00:23:05,820 --> 00:23:11,600
+أو تحقيق، أو دراسة، أو تحليل للـ data عشان أقدر أتنبأ
+
+306
+00:23:11,600 --> 00:23:17,140
+مستقبلًا لـ instance معينة. يعني أنا بروح بأدرس وضع
+
+307
+00:23:17,140 --> 00:23:23,360
+السوق الحالي عشان أتنبأ إن قيمة السوق هترتفع ولا
+
+308
+00:23:23,360 --> 00:23:28,320
+تنخفض. طيب، متى أنا بدي أتنبأ؟ في اليوم؟ لأ، الأصل
+
+309
+00:23:28,320 --> 00:23:31,200
+لكمان ساعة مثلًا، لأن السوق مثلًا بتغير كل ساعة مثلًا،
+
+310
+00:23:31,200 --> 00:23:34,620
+كمان ساعة. بتعرفش هو وضع السوق بكرا، بتعرفش هو وضع
+
+311
+00:23:34,620 --> 00:23:38,900
+السوق بعد أسبوع، بعد شهر، بعد سنة. هذه مفهوم التنبؤ.
+
+312
+00:23:38,900 --> 00:23:43,840
+لكن كله بناءً على إيش؟ على الـ current data، البيانات
+
+313
+00:23:43,840 --> 00:23:50,200
+الحالية اللي موجودة عندي. طيب، الآن رح أروح معاكم
+
+314
+00:23:50,200 --> 00:23:56,800
+على الصورة. هاي مش واضحة كتير. رح أساعدكم في الصورة، لأن
+
+315
+00:23:56,800 --> 00:24:00,220
+الإضاءة شوية، وحتى والصورة تبعت كمان بلورة باهتة، مش
+
+316
+00:24:00,220 --> 00:24:05,400
+كتير. الصف الأول طبعًا هدول مئة صورة. الصف الأول
+
+317
+00:24:05,400 --> 00:24:11,780
+مجموعة من الطائرات. الصف الثاني: مجموعة من السيارات.
+
+318
+00:24:11,780 --> 00:24:16,740
+الثالث: مجموعة من الطيور. كلها طيور منزلية بالمناسبة.
+
+319
+00:24:16,740 --> 00:24:21,000
+الرابع: مجموعة من القطط، الغزلان.
+
+320
+00:24:23,650 --> 00:24:30,330
+الـ Dogs، الكلاب. Frogs، ضفادع. Horses، خيول. Boots،
+
+321
+00:24:30,330 --> 00:24:36,410
+أحذية. Trucks أو شاحنات. هدول عشرة، أو هدول مئة صورة.
+
+322
+00:24:36,410 --> 00:24:41,510
+هدول مئة صورة. الآن، افترض إن هدول هما الـ data set
+
+323
+00:24:41,510 --> 00:24:45,730
+اللي موجودين عندك. هذه الـ data set ممكن تكون هيك
+
+324
+00:24:45,730 --> 00:24:50,430
+مئة صورة. الآن خلينا نروح باتجاه الـ descriptive
+
+325
+00:24:50,430 --> 00:24:55,900
+mining tasks. بدي أديك مثال على واحد منها. لو أنا
+
+326
+00:24:55,900 --> 00:25:02,800
+إجيت سألتك، قلت لك،  ذكرت لك الصور، إيش هما،
+
+327
+00:25:02,800 --> 00:25:07,320
+بناءً على معرفتك السابقة اللي أنت تراكمت عليها مدار
+
+328
+00:25:07,320 --> 00:25:13,160
+تسعة عشر أو عشرين سنة بالـ objects هدول، جسملي إياها
+
+329
+00:25:13,160 --> 00:25:16,180
+لمجموعتين،
+
+330
+00:25:16,180 --> 00:25:21,380
+لاحظ؟ بدك تجسملي إياها لمجموعتين، وبدك تديلي وصف مقنع
+
+331
+00:25:22,880 --> 00:25:26,940
+للـ إيه؟ للعناصر أو للمجموعتين هدول؟ آه محمد: شويّة، ده
+
+332
+00:25:26,940 --> 00:25:30,120
+.. جمادات وكائنات حية .. جمادات وكائنات حية .. مين
+
+333
+00:25:30,120 --> 00:25:32,660
+بيشارك محمد في التقسيمة هاي؟ أو بيوافق على
+
+334
+00:25:32,660 --> 00:25:38,320
+التقسيمة؟ كلها .. منطقية؟ جدًا .. جدًا .. الآن مين
+
+335
+00:25:38,320 --> 00:25:43,520
+الجمادات؟ السيارات .. طائرات .. السيارات ..
+
+336
+00:25:43,520 --> 00:25:50,590
+والقوارب .. والشاحنات. فعليًا هدول واحد، اتنين،
+
+337
+00:25:50,590 --> 00:25:56,130
+ثلاثة، أربعة. بمثل 40% من الـ data set. مضبوط. والستين
+
+338
+00:25:56,130 --> 00:25:59,490
+في المئة اللي ضلّوا في الكائنات الحية. تصنيف تمام،
+
+339
+00:25:59,490 --> 00:26:03,590
+وجميل. مئة في المئة، وما عليه أي غبار. معقدة
+
+340
+00:26:03,590 --> 00:26:08,630
+المسألة .. آه يا محمد: وسائل نقل، حيوانات. سماها
+
+341
+00:26:08,630 --> 00:26:12,790
+تسمية مختلفة. صحيحة مئة في المئة. ما فيش مشكلة فيها
+
+342
+00:26:12,790 --> 00:26:19,540
+غيره يا شباب. حد في عنده أي تسمية ثانية؟ طيب، الآن يا
+
+343
+00:26:19,540 --> 00:26:24,380
+سيدي العزيز، هدول المجموعتين بديش إياها مجموعتين،
+
+344
+00:26:24,380 --> 00:26:28,160
+بدي إياها أربع،
+
+345
+00:26:28,160 --> 00:26:32,920
+بدي تلاحظ .. خد وجهة نظرك وأنت بتفكر في الموضوع و
+
+346
+00:26:32,920 --> 00:26:36,440
+تشاور أنت وجارك، ما فيش مشكلة عندك. بدي تلاحظ أنه
+
+347
+00:26:36,440 --> 00:26:44,040
+الآن بدك .. دماغك هيعصر أكثر. لأ، أنت الآن مش على كيفك
+
+348
+00:26:44,040 --> 00:26:48,480
+زي ما أنا ألزمتك بالاثنتين. الآن جسملي إياها لأربع
+
+349
+00:26:48,480 --> 00:26:52,260
+مجموعات، بديش ثلاثة، بدي أربع مجموعات.
+
+350
+00:26:55,310 --> 00:27:03,210
+اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر
+
+351
+00:27:03,210 --> 00:27:04,850
+..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر
+
+352
+00:27:04,850 --> 00:27:05,010
+..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر
+
+353
+00:27:05,010 --> 00:27:05,050
+..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر
+
+354
+00:27:05,050 --> 00:27:07,670
+..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر
+
+355
+00:27:07,670 --> 00:27:08,050
+..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر
+
+356
+00:27:08,050 --> 00:27:08,410
+..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر ..اصبر
+
+357
+00:27:08,410 --> 00:27:11,050
+..اصبر ..اصبر ..اصبر ..اصبر ..اصبر
+
+358
+00:27:24,450 --> 00:27:28,910
+وسائل نقل جوية، وسائل نقل برية، وسائل نقل برية،
+
+359
+00:27:28,910 --> 00:27:36,630
+طيور، وحيوانات. طيور، وحيوانات. طيب،
+
+360
+00:27:36,630 --> 00:27:42,370
+ما قلت لك قوارب؟ أنا معناته الآن لاحظ إن أنت ضيعت 10
+
+361
+00:27:42,370 --> 00:27:46,750
+% من الـ data. أنت ما استفدت منها. معناته ذكرت لك إياها
+
+362
+00:27:46,750 --> 00:27:50,610
+قوارب. قلنا عددهم هدول. عشر فئات مختلفات. بدنا
+
+363
+00:27:50,610 --> 00:27:51,750
+نجسمهم على أربع. آه، هاشم:
+
+364
+00:27:55,230 --> 00:28:05,710
+وسائل المواصلات، برمائيات، طيور، ثدييات. الضفادع ..
+
+365
+00:28:05,710 --> 00:28:12,790
+برمائية، مش مشكلة. أنا رح أكتب على اللوح يا شباب. طيب،
+
+366
+00:28:12,790 --> 00:28:16,010
+مش مشكلة. طائرات،
+
+367
+00:28:58,530 --> 00:29:03,210
+يلا يا هاشم، أربع تصنيفات بدنا منك. صنفهم
+
+368
+00:29:03,210 --> 00:29:07,850
+عيدهم ثاني بعد ما كتبنا برمائيات. هاشم بصنف لي إياها.
+
+369
+00:29:07,850 --> 00:29:16,650
+الآن: برمائيات، طيور .. طيور ..
+
+370
+00:29:16,650 --> 00:29:21,510
+أربعة.
+
+371
+00:29:21,510 --> 00:29:25,770
+غيره: وسائل نقل جوية .. وسائل نقل جوية
+
+372
+00:29:29,950 --> 00:29:39,330
+وحيوانات. okay، نوقف. خلاص.
+
+373
+00:29:39,330 --> 00:29:46,450
+الوصف بيكون مُبرر في
+
+374
+00:29:46,450 --> 00:29:56,130
+الآخر. هذا اسم المجموعة. يعني صنف. شوف جامعة الخير
+
+375
+00:29:56,130 --> 00:30:00,040
+كمان مرة. يعني إيش .. إيش الـ .. إيش الـ data mining؟
+
+376
+00:30:00,040 --> 00:30:03,120
+إنّه كل واحد بدي يشوف الـ .. الـ analyst بدي يطلع بـ
+
+377
+00:30:03,120 --> 00:30:11,360
+pattern ما شافهوش سابقًا. تفضل: مجموعة جوية، وبتضم ..
+
+378
+00:30:11,360 --> 00:30:20,240
+بتضم مين؟ آه الطائرات والطيور. بس الـ judge ما بيطيرش،
+
+379
+00:30:20,240 --> 00:30:20,900
+بنطيّره.
+
+380
+00:30:31,000 --> 00:30:38,600
+مش هتقدر تصنفه في المجموعة الجوية. أيوة، وإنما تصنفه
+
+381
+00:30:38,600 --> 00:30:47,640
+في البرية. آه، التصنيف اللي أنا فعليًا اجتهدت وشفته
+
+382
+00:30:47,640 --> 00:30:49,460
+التالي: قلت أنا أنا أنا أنا أنا أنا أنا أنا أنا أنا
+
+383
+00:30:49,460 --> 00:30:52,230
+أنا أنا أنا أنا أنا أنا أنا الـ Living objects
+
+384
+00:30:52,230 --> 00:30:56,010
+هدول، و Non-living objects الثاني. مش مختلفين عليهم
+
+385
+00:30:56,010 --> 00:31:00,410
+بالـ Non-living objects، في منهم بيسير على عجلات، وفي
+
+386
+00:31:00,410 --> 00:31:05,870
+منهم بدون: طائرات وقوارب بدون عجلات، سيارات و
+
+387
+00:31:05,870 --> 00:31:14,150
+شاحنات بعجلات، بتمشي على العجلات. الطائرة هاش
+
+388
+00:31:14,150 --> 00:31:20,520
+الحالة، في طائرة مسيرة فيهم. ها هان برضه برضه بعجلات. فيه
+
+389
+00:31:20,520 --> 00:31:25,960
+في الآخر العجل مش هو الأساس، الحركة تبعتها اللي أنا
+
+390
+00:31:25,960 --> 00:31:30,100
+بدي أقوله. فالآن: على عجلات، وبدون عجلات. هذا الـ non
+
+391
+00:31:30,100 --> 00:31:36,920
+-living objects. طيب، والـ living objects؟ مثلًا؟
+
+392
+00:31:36,92
+
+445
+00:35:56,570 --> 00:36:00,570
+جديش مثلاً التدخين مرتبط بسرطان الرئة، جديش فقر الدم
+
+446
+00:36:00,570 --> 00:36:03,790
+مرتبط بسرطان الرئة أو الشغلات اللي زي هيك كانت جديش
+
+447
+00:36:03,790 --> 00:36:07,850
+الحالة الاجتماعية بتأثر على الطالب تماماً على تحصيله
+
+448
+00:36:07,850 --> 00:36:12,850
+العلمي، إلى آخره في الـ predictive، في عندنا
+
+449
+00:36:12,850 --> 00:36:16,090
+classification، وفي الـ classification بدي أعمل
+
+450
+00:36:16,090 --> 00:36:20,550
+predict لمين؟ للفئة، الـ category، الفئة هذه بتكون محددة
+
+451
+00:36:20,550 --> 00:36:26,890
+ومسبقاً في الـ regression بدي أعمل prediction لقيمة، لـ value
+
+452
+00:36:26,890 --> 00:36:30,630
+certain value، قيمة بذاتها، وفي الـ recommendation
+
+453
+00:36:30,630 --> 00:36:35,030
+بدي أحاول أعمل predict للـ preference، للشغلات اللي
+
+454
+00:36:35,030 --> 00:36:39,330
+ممكن تكون مفيدة للشخص هذا، نبدأ بنوع من التفصيل
+
+455
+00:36:39,330 --> 00:36:42,870
+للعناصر اللي موجودة هنا، في الـ classification زي ما
+
+456
+00:36:42,870 --> 00:36:45,970
+قلنا هي عبارة عن predictive data mining task
+
+457
+00:36:45,970 --> 00:36:52,310
+classification، predictive data mining task، بدي
+
+458
+00:36:52,310 --> 00:36:58,880
+أتنبأ في الـ data set، عادةً بتكون تحتوي على شغلتين، يا
+
+459
+00:36:58,880 --> 00:37:03,060
+جماعة الخير، أو نوعين من الـ variables، نوعين من الـ
+
+460
+00:37:03,060 --> 00:37:09,620
+attributes، النوع الأول اللي هو مجموعة الـ
+
+461
+00:37:09,620 --> 00:37:15,420
+explanatory variables، أو المجموعة الاستكشافية
+
+462
+00:37:15,420 --> 00:37:19,340
+المجموعة المميزة، سميها زي ما بدك، الفكرة فيها هذه
+
+463
+00:37:19,340 --> 00:37:24,560
+عبارة عن مجموعة الـ attributes اللي بتحمل خصائص الـ
+
+464
+00:37:24,560 --> 00:37:31,900
+object، خصائص الـ raw اللي أنا بتكلم عليه، والتاني هي
+
+465
+00:37:31,900 --> 00:37:38,480
+عبارة عن الـ target variable، يعني بقي لي أقول أنه
+
+466
+00:37:38,480 --> 00:37:48,020
+أنا عندي data set فيها كالتالي، هاي الـ target
+
+467
+00:37:51,340 --> 00:37:56,120
+وهان مجموعة الـ fields اللي موجودة، مجموعة الـ fields
+
+468
+00:37:56,120 --> 00:38:01,840
+كالتالي
+
+469
+00:38:01,840 --> 00:38:06,320
+brief
+
+470
+00:38:06,320 --> 00:38:13,500
+نفس eat، fly
+
+471
+00:38:13,500 --> 00:38:16,900
+whales
+
+472
+00:38:25,410 --> 00:38:33,490
+feather، مثلاً، هي هدول الآن: التنفس، يأكل، يطير، عجلات،
+
+473
+00:38:33,490 --> 00:38:43,970
+ريش، والـ target، الـ role، أولاً breathe
+
+474
+00:38:43,970 --> 00:38:48,650
+no، eat، no، yes، بحط X
+
+475
+00:38:51,580 --> 00:39:01,160
+wheel، yes، no، وأنا في عندي plane، في المقابل في عندي
+
+476
+00:39:01,160 --> 00:39:10,740
+أنا breathe، eat، fly، no، weather، ريش، هيبرد
+
+477
+00:39:10,740 --> 00:39:15,220
+الآن لاحظ، أنا جاهز، بجهز الـ data set، طبعاً هذا بيكون
+
+478
+00:39:15,220 --> 00:39:18,420
+وصف للعناصر اللي موجودة عندنا
+
+479
+00:39:28,840 --> 00:39:31,660
+الآن يا جماعة الخير، المفروض أنه كل row من الـ rows
+
+480
+00:39:31,660 --> 00:39:36,760
+هي تختلف، تستوفي لما رح نتكلم عليها، لأ، ممنوع يتكرر، تكرار
+
+481
+00:39:36,760 --> 00:39:40,180
+الـ rows لا يضيف شيء في المعرفة، عشان هي class، كل
+
+482
+00:39:40,180 --> 00:39:43,360
+row يكون مختلف عن الثاني، عشان يقدر الـ system وهو
+
+483
+00:39:43,360 --> 00:39:47,740
+بيتعلم، يقدر يجمع أكثر قدر ممكن من الـ different
+
+484
+00:39:47,740 --> 00:39:53,480
+properties، لمين؟ لكل class، بنجي بنقول هان breathe
+
+485
+00:39:53,480 --> 00:40:03,880
+بالخطأ yes، no، wheels، feather، وهنا
+
+486
+00:40:03,880 --> 00:40:14,580
+plane، الآن شو رأيك بالـ breath؟ شو يعني بدها؟ بدها
+
+487
+00:40:14,580 --> 00:40:19,560
+cleaning، هان بيجي جزء للـ cleaning، الآن أنا في عندي
+
+488
+00:40:19,560 --> 00:40:26,790
+بأبحث عن errors، inconsistent، ولا missing، ولا noise
+
+489
+00:40:26,790 --> 00:40:31,230
+inconsistent يعني
+
+490
+00:40:31,230 --> 00:40:35,170
+في تعارض ما بين الـ two attributes، غالباً هذه noise
+
+491
+00:40:35,170 --> 00:40:43,310
+data، خطأ في الإدخال، طبعاً ما فيش...ما فيش...لا في
+
+492
+00:40:48,950 --> 00:40:53,230
+تمام؟ الآن...هذه الآن، ده الـ  مقصد من في الـ
+
+493
+00:40:53,230 --> 00:41:00,570
+classification، هذه كلها الـ attributes هدول، صححتها
+
+494
+00:41:00,570 --> 00:41:07,330
+و...وصححتها، تمام؟
+
+495
+00:41:07,330 --> 00:41:11,570
+explanatory variables، اللي أنا فعلياً بدي أستكشف
+
+496
+00:41:11,570 --> 00:41:16,130
+من خلالهم الـ properties، الـ different properties
+
+497
+00:41:16,130 --> 00:41:20,790
+عشان أربطها أو أشوف إيش بيميز الـ target، بيان جوسين
+
+498
+00:41:20,790 --> 00:41:24,350
+بدي أستكشف زي ما أنتم بتفضلوا الـ target من خلال
+
+499
+00:41:24,350 --> 00:41:28,990
+الـ attributes هاي، ببدأ بأدرس العلاقات، ملاحظين أنا
+
+500
+00:41:28,990 --> 00:41:36,790
+في عندنا تلت شغلات أساسية مرتبطة بالـ bird، الأكل
+
+501
+00:41:36,790 --> 00:41:44,730
+والشرب، والريش، والـ feather، مضبوط؟ عفواً، الأكل، والتنفس
+
+502
+00:41:44,730 --> 00:41:51,230
+والأكل، والريش، الـ flying مرتبطة بالطائر؟ لأ، لأن
+
+503
+00:41:51,230 --> 00:41:54,550
+العنصر الثاني، أو الـ class الثاني، بيشترك بالطائر
+
+504
+00:41:54,550 --> 00:41:59,430
+طبعاً ما هيش الشغلات المرتبطة بالطائرة، الـ
+
+505
+00:41:59,430 --> 00:42:04,800
+discriminative attribute اللي عندي، الـ wheel، الـ
+
+506
+00:42:04,800 --> 00:42:09,200
+wheels، تمام؟ والـ fly، يعني مع بعضهم، إذا الـ fly و
+
+507
+00:42:09,200 --> 00:42:12,460
+الـ wheel، فخلاص على المضمون، فهيك أنا صار في عندي
+
+508
+00:42:12,460 --> 00:42:15,800
+knowledge، بقدر أقول أنا general knowledge، وهذه
+
+509
+00:42:15,800 --> 00:42:21,680
+valid، والأصل هي تكون novel، أن أي object عنده
+
+510
+00:42:21,680 --> 00:42:30,700
+المقدرة أنه يطير وله عجلات، فهو طائرة، تمام؟
+
+511
+00:42:32,580 --> 00:42:35,980
+محمد أبو حاسم يقول لك: كل قاعدة شوية بناءً على الـ
+
+512
+00:42:35,980 --> 00:42:38,480
+data set اللي موجود عندنا، هنا كمان مرة يا جماعة
+
+513
+00:42:38,480 --> 00:42:43,320
+الخير، لما أنا بأتعامل، بأتعامل ضمن الـ data set اللي
+
+514
+00:42:43,320 --> 00:42:50,120
+موجودة، لاحظ سابقاً في الصور، مسألة cash والدبابات
+
+515
+00:42:50,120 --> 00:42:54,900
+وين صنفتها؟ أو وين ضمنتها؟ ليش؟ لأنها مش موجودة
+
+516
+00:42:54,900 --> 00:43:00,300
+وبالتالي أنا بأشتغل ضمن حدود الـ data set تبعتي، و
+
+517
+00:43:00,300 --> 00:43:04,340
+بعدين لما تكلمنا عن الـ validity تبعت الـ pattern
+
+518
+00:43:04,340 --> 00:43:09,500
+تبعي، ما قلتش ضروري يكون one hundred percent، ما قلتش
+
+519
+00:43:09,500 --> 00:43:13,080
+أنه لازم يكون مئة في المئة دقيق، لكن قلت لك with
+
+520
+00:43:13,080 --> 00:43:18,280
+some degree of certainty، مع نسبة معينة من الدقة
+
+521
+00:43:18,280 --> 00:43:22,720
+النسبة هاي عشان يكون في مجال لقبول أو رفض البيانات
+
+522
+00:43:22,720 --> 00:43:24,700
+ملك؟ لأ، نعم
+
+523
+00:43:29,430 --> 00:43:33,750
+هو الـ data set لازم تكون التنين موجودات عندك أنت
+
+524
+00:43:33,750 --> 00:43:37,230
+الآن الـ data mining task تعمل analysis للـ
+
+525
+00:43:37,230 --> 00:43:42,410
+explanatory، تمام؟ عشان تعمل prediction لاحقاً للـ
+
+526
+00:43:42,410 --> 00:43:50,350
+target هذا
+
+527
+00:43:50,350 --> 00:43:53,810
+اللي عند الطائرة وتتنفس، تمام، الآن إحنا عرفنا
+
+528
+00:43:53,810 --> 00:44:02,290
+لأنه عندنا كم؟ أربعة، أو أربعة rows، 100%، عادة الـ
+
+529
+00:44:02,290 --> 00:44:05,870
+missing data أو الـ noise data مش بسهولة الكشف
+
+530
+00:44:05,870 --> 00:44:09,270
+عنها، وإلا كان ما قال cash، إنه فعلياً أنت بدك تجد
+
+531
+00:44:09,270 --> 00:44:12,210
+وجد، وأنت بتدرس البيانات اللي موجودة، إيش أنت بتروح
+
+532
+00:44:12,210 --> 00:44:17,370
+بتساوي؟ بتروح بتقول له مثلاً إيش ممكن أساوي الـ
+
+533
+00:44:17,370 --> 00:44:20,630
+attribute هذه؟ دور، أعمل الـ maximum والـ minimum، و
+
+534
+00:44:20,630 --> 00:44:23,250
+أعمل association ما بين الـ attribute والـ
+
+535
+00:44:23,250 --> 00:44:26,030
+attribute الثاني، زي الـ association مع الـ attribute
+
+536
+00:44:26,030 --> 00:44:31,320
+والـ target، لحد ما تصل لارتباط، لكن برضه بتظهر
+
+537
+00:44:31,320 --> 00:44:34,900
+الفرصة أن هذه تبقى مثل ما هي، لأن من اللي ممكن هذي
+
+538
+00:44:34,900 --> 00:44:39,820
+يعملها bridge، لو أنت ما شفتهاش، حجم البيانات الآن
+
+539
+00:44:39,820 --> 00:44:45,380
+هذه واحدة، تمام، خطأ واحد في مئة ألف record، جديش
+
+540
+00:44:45,380 --> 00:44:51,630
+تأثيره؟ يكاد يكون صفر، يكاد يكون له تأثير، لكن يكاد
+
+541
+00:44:51,630 --> 00:44:55,910
+يكون صفر، لكن لو هذا العنصر واحد من عشرة أو واحد من
+
+542
+00:44:55,910 --> 00:44:59,650
+أربعة زي هيك، صار تأثيره 25% على الـ decision تبعتي
+
+543
+00:44:59,650 --> 00:45:01,070
+في الموضوع، إيه رأيك؟
+
+544
+00:45:06,320 --> 00:45:10,220
+تمام، بس أنا الآن...الآن هذا تماماً مثل المثال
+
+545
+00:45:10,220 --> 00:45:13,660
+السابق اللي عرضت لك مجموعة الصور، قلت لك هي...أنا بس
+
+546
+00:45:13,660 --> 00:45:16,940
+حاول تكتب الـ data set قدامك، المفروض أنا عرضت الـ
+
+547
+00:45:16,940 --> 00:45:20,040
+data set سابقاً، جهزت الـ data set سابقاً، زي ما
+
+548
+00:45:20,040 --> 00:45:23,340
+اشتغلنا بالمثال تبع المحاضرة الماضية، الجدول اللي
+
+549
+00:45:23,340 --> 00:45:27,220
+فيه الصناديق الحمراء وال...ال...والكون اللي هي
+
+550
+00:45:27,220 --> 00:45:31,160
+القمع وال...والكرة الزرقاء، تمام؟ وربطنا
+
+551
+00:45:31,160 --> 00:45:35,240
+بالأوزان، قلت لك هي الـ data set، وشوف الـ pattern، لأن
+
+552
+00:45:35,240 --> 00:45:39,080
+أنا بس كتبتها قدامك، وأنت معيّ واحد بواحد، لو جئت
+
+553
+00:45:39,080 --> 00:45:42,000
+عرضت لك إياها بالشكل هذا، وقلت لك يا رامي شوف لي الـ
+
+554
+00:45:42,000 --> 00:45:45,840
+patterns، اعطيني pattern للطائرة، واعطيني pattern
+
+555
+00:45:45,840 --> 00:45:51,820
+للطائر، إيش رح تروح تقول؟ رح تاخد مني وقت بسيط أو طويل
+
+556
+00:45:51,820 --> 00:45:57,840
+حسب حجم الـ data set، وتبدأ تدرس العناصر، if bird to
+
+557
+00:45:57,840 --> 00:46:03,420
+feather، معناته bird، otherwise
+
+558
+00:46:05,030 --> 00:46:08,830
+وعادة هدف الـ binary classification يا شباب، دائماً
+
+559
+00:46:08,830 --> 00:46:14,750
+بصير بدور على الـ more strongest rule
+
+560
+00:46:14,750 --> 00:46:24,810
+أو value، باجي بقول مين أقوى عندي؟ تنفس، وأكل، وريش
+
+561
+00:46:24,810 --> 00:46:33,100
+مع البرد، ولا عجلات وطيران مع الطائرة، حسب الـ data
+
+562
+00:46:33,100 --> 00:46:38,920
+set اللي عندنا هنا، مين أقوى؟ يعني هيك
+
+563
+00:46:38,920 --> 00:46:42,220
+أنا قلت يا عزيزي، اتبعت أنه برد، توصف الليلة بعدها
+
+564
+00:46:42,220 --> 00:46:45,060
+...لا لا لا، ما هو أنا هيك جاي لك، أنا جاي لك لاحقاً
+
+565
+00:46:45,060 --> 00:46:48,200
+أجي أقول لك التالي، أنت ما خلينا...ما خلينا نخصص
+
+566
+00:46:48,200 --> 00:46:52,000
+إحنا، الآن هي الـ data set اللي عندك، وجئت قلت لك أن
+
+567
+00:46:52,000 --> 00:46:56,840
+الآن أنا في عندي object، عندي object واضح أنه
+
+568
+00:46:56,840 --> 00:47:05,420
+بيتنفس، والمعلومات اللي عندي بتقول أنه بيأكلش وبيطير
+
+569
+00:47:05,420 --> 00:47:16,740
+وما لوش عجلات، وإله ريش، عصفور
+
+570
+00:47:16,740 --> 00:47:22,780
+عيّان، أه؟ لأ، مرت حردانة منه بس دو ده نفسه مضرب
+
+571
+00:47:22,780 --> 00:47:26,960
+عن الطعام، الآن إيش التصنيف هذا للـ object هذا يا
+
+572
+00:47:26,960 --> 00:47:33,450
+رامي؟ كيف أشيله؟ مش كيفك، هذا واحد من الاثنين اللي
+
+573
+00:47:33,450 --> 00:47:38,910
+عندك، حسب الـ role، لازم الـ algorithm تديني قرار bird
+
+574
+00:47:38,910 --> 00:47:47,430
+ولا plane؟ ليش bird؟ لأنه بتنفس وإله ريش، فهو 90%
+
+575
+00:47:47,430 --> 00:47:53,190
+من الـ role تبعت الـ bird تنطبق عليه، بتنفس وبيطير
+
+576
+00:47:53,190 --> 00:47:58,330
+وإله ريش وما لوش عجلات، وبالتالي أنا قاعد أتكلم على
+
+577
+00:47:58,330 --> 00:48:07,050
+80% من خصائص الطائر موجودة عنده، فهو طائر، تمام؟
+
+578
+00:48:07,050 --> 00:48:10,890
+هذه الـ prediction، هذه البيانات بتلزم في مرحلة الـ
+
+579
+00:48:10,890 --> 00:48:17,430
+learning، مرحلة الـ analysis، عشان أبدأ أبني rules في
+
+580
+00:48:17,430 --> 00:48:21,430
+تحديد الـ object هذه، في مرحلة الـ prediction باجي
+
+581
+00:48:21,430 --> 00:48:26,770
+بسأل، بقول: والله okay، الـ...في سوق أوراق فلسطين
+
+582
+00:48:26,770 --> 00:48:31,390
+المالية، سهم شركة الاتصالات على مدار عشر سنوات
+
+583
+00:48:31,390 --> 00:48:38,790
+بيطلع وبينزل، تمام؟ بكرة كيف وضع السهم؟ بناءً...
+
+584
+00:48:38,790 --> 00:48:44,690
+رح نتكلم، المفروض منه، كيف وضع السهم بكرة؟ بده يرتفع ولا
+
+585
+00:48:44,690 --> 00:48:46,310
+بده ينزل...بده ينخفض؟
+
+586
+00:48:49,530 --> 00:48:53,730
+حسب الـ data تبعتنا، الآن مثلاً كان واضح في الـ
+
+587
+00:48:53,730 --> 00:48:56,950
+pattern...واضح في الـ pattern أنه في الأيام...في
+
+588
+00:48:56,950 --> 00:49:01,270
+الأيام اللي بيكون، أو مثلاً في فصل الشتاء، واللي
+
+589
+00:49:01,270 --> 00:49:08,050
+بيكون فيها مطر غزير، تمام، السهم بينزل، بكرة...هذا
+
+590
+00:49:08,050 --> 00:49:10,210
+الـ pattern هيك بيقول لي، الـ historical data هيك
+
+591
+00:49:10,210 --> 00:49:16,580
+بتقول لي بكرة...بكرة واضح أنه في عندنا منخفض برياح
+
+592
+00:49:16,580 --> 00:49:21,340
+شديدة، تمام، وكتير من المدارس، أو عفواً من الوزارات
+
+593
+00:49:21,340 --> 00:49:28,600
+أعلنت عن عدم انتظام الدوام في الغد، اعطيني حالة تسهم
+
+594
+00:49:28,600 --> 00:49:34,680
+بكرة، ما بتقوليش لأ لأ لأ، مش...مش معروفة الزمن، لأ أنا
+
+595
+00:49:34,680 --> 00:49:37,920
+متعلق بالزمن، أما أنت حاجة أساسية موجودة، التنتين
+
+596
+00:49:37,920 --> 00:49:41,800
+نفس الشغل يا رامي، أنا ما قلت لكش الطائر بدون ريش
+
+597
+00:49:46,050 --> 00:49:49,530
+ها، الآن أنا ما قلت لكش أنا طائر بدون ريش، تمام؟
+
+598
+00:49:49,530 --> 00:49:54,090
+لكن افترض إنه طائرة مسيرة أو طائرة صغيرة للتمويه
+
+599
+00:49:54,090 --> 00:50:00,850
+كسوها بالريش، تخيل، شو رح تقول لي عليه؟ الآن إجاك،
+
+600
+00:50:00,850 --> 00:50:05,290
+قال لك في عندك object، لأ شباب، أنت الآن، ماشي
+
+601
+00:50:05,290 --> 00:50:07,930
+الحالة، ممكن تضحك، خد راحتك، لكن فعلياً إيه هيك
+
+602
+00:50:07,930 --> 00:50:13,330
+السؤال المطروح عندك؟ وجوابك من هون، يا رح تقول لي
+
+603
+00:50:13,330 --> 00:50:19,490
+plane؟ يا رح تقول لي bird، وما لكش خيار ثاني، الآن
+
+604
+00:50:19,490 --> 00:50:23,330
+اصبر شوية...الآن قلت لك أنه أنا في عندي object
+
+605
+00:50:23,330 --> 00:50:31,350
+object لا يأكل ولا يتنفس، بيطير وله عجلات، ومغطى
+
+606
+00:50:31,350 --> 00:50:36,650
+بالريش، جاوبني
+
+607
+00:50:36,650 --> 00:50:38,590
+ليش؟
+
+608
+00:50:40,420 --> 00:50:43,040
+مئه بالمئة، انتهى الأمر، إذا كنت تقول لي ما فيش عنصر
+
+609
+00:50:43,040 --> 00:50:47,740
+أو ما فيش وجود للعنصر هذا، بقول لك أنت غلطان، ممكن
+
+610
+00:50:47,740 --> 00:50:50,280
+يصير زي لما قعدوا يدوروا على الـ bigfoot، ولّاقوا
+
+611
+00:50:50,280 --> 00:50:54,540
+عينات وشعر أسود وقجز وزي...الآن أنا بدي أجيب لك
+
+612
+00:50:54,540 --> 00:51:00,780
+مثال على طائرات فعلياً...فعلياً مغطاة بالريش، الطائرات
+
+613
+00:51:00,780 --> 00:51:04,240
+اللي بيحطوها ضمن أسراب الطيور ويصورهم، أنت بتحتاج
+
+614
+00:51:04,240 --> 00:51:06,460
+حساب على National Geographic لما بيصوروهم
+
+615
+00:51:06,460 --> 00:51:11,480
+بيبعتوا لهم drone أو بيبعتوا لهم طائرة عادية؟ لأ
+
+667
+00:55:14,020 --> 00:55:18,480
+.. «أو ما تخدعش معين الأدبار» خلاص، هذا الـ «Raw»
+
+668
+00:55:18,480 --> 00:55:21,340
+بده ينشال مش لازم يظل موجود عندي أو الـ
+
+669
+00:55:21,340 --> 00:55:25,140
+«Attribute» هذا عفواً، بطل القيمة لأنه كمان مرة يا
+
+670
+00:55:25,140 --> 00:55:29,560
+جماعة الخير، الأصل... الأصل أنه أنا بأدور على
+
+671
+00:55:29,560 --> 00:55:33,100
+«Discriminative Attributes» صفات مميزة، آجي أقول
+
+672
+00:55:33,100 --> 00:55:37,580
+على سبيل المثال، آجي أقول والله الـ «Gender» بدي
+
+673
+00:55:37,580 --> 00:55:43,100
+أحطه من ضمن الـ «Attribute»، فيه تأثير الحالة الصحية
+
+674
+00:55:43,100 --> 00:55:48,220
+تأثير الحالة الصحية لطلاب مدرسة الشجاعية
+
+675
+00:55:48,220 --> 00:55:53,720
+الإبتدائية للذكور، إنت ملاحظ؟ لأن هذا الـ attribute
+
+676
+00:55:53,720 --> 00:56:00,340
+useless، لأن الـ society تبعتك اللي إنت مستهدفها
+
+677
+00:56:00,340 --> 00:56:06,160
+كلها نفس الفئة، فبالتالي هذا الـ attribute مش مميز
+
+678
+00:56:06,160 --> 00:56:07,120
+نعم
+
+679
+00:56:10,800 --> 00:56:13,700
+ما هي اللي أنا قلته، عشان ��يك ما كانت الـ Fly هي
+
+680
+00:56:13,700 --> 00:56:19,720
+المؤثرة، كنت بتكلم على النفس والأكل والريش، هدول
+
+681
+00:56:19,720 --> 00:56:24,480
+اللي طائر، وكانت النفس والأكل أقوى، ليش؟ لأنه زي ما
+
+682
+00:56:24,480 --> 00:56:28,580
+قلنا، ممكن يكون في عندي طائر مغطى، مغطى بريش الآن
+
+683
+00:56:28,580 --> 00:56:32,940
+هذا مثال آخر، جاله هي الـ data set، هذا مثال شركة
+
+684
+00:56:32,940 --> 00:56:38,410
+تأمين، بدها تأمين السيارات، شركات التأمين بتفتح عشان
+
+685
+00:56:38,410 --> 00:56:40,930
+تكسب من المصاري اللي بتاخدها، حجب بوليست التأمين
+
+686
+00:56:40,930 --> 00:56:44,690
+الآن، إذا كل واحد بده يسجل عندي أو بده يأمن عندي
+
+687
+00:56:44,690 --> 00:56:48,410
+بده يعمل حادث وأنا بدي أدفع له، وأنا هاخسر، فالآن
+
+688
+00:56:48,410 --> 00:56:52,890
+قالوا بده نعمل دراسة نقدر الـ risk تبع بوليست
+
+689
+00:56:52,890 --> 00:56:57,930
+التأمين، high high ولا low، جابوا له الـ circle data
+
+690
+00:56:57,930 --> 00:57:04,430
+عندهم، هيها فيها الـ age وفيها الـ type، وفعلياً الـ
+
+691
+00:57:04,430 --> 00:57:08,150
+risk في الـ reality، هذه الأحداث كانت موجودة عندهم
+
+692
+00:57:08,150 --> 00:57:12,010
+كانت الـ risk high ولا low، الآن مفهوم الـ
+
+693
+00:57:12,010 --> 00:57:16,490
+classification أنه يجب أن يبني أو يدرس الـ data set
+
+694
+00:57:16,490 --> 00:57:21,510
+high، ويبني لي predictor أو يديني classifier عشان
+
+695
+00:57:21,510 --> 00:57:26,850
+لما أنا آجي أقول له والله أنا فيه عندي راجل عمره
+
+696
+00:57:26,850 --> 00:57:30,690
+ستين سنة وبيودي سوق sport car
+
+697
+00:57:36,030 --> 00:57:39,910
+الـ Risk High ولا Low؟ إنت بقى بتقول High، وغيرك
+
+698
+00:57:39,910 --> 00:57:43,630
+بده يقول Low، بس الآن مش على كيفك، الـ system بعد ما
+
+699
+00:57:43,630 --> 00:57:50,490
+بيعمل Analysis، تمام؟ هيروح يديني Specific Rule، وهو
+
+700
+00:57:50,490 --> 00:57:54,110
+اللي بدي يقول لي، الـ system هذا استخدمنا فيه
+
+701
+00:57:54,110 --> 00:57:59,650
+decision tree، فقال لي إذا كان العمر أقل من 25 فالـ
+
+702
+00:57:59,650 --> 00:58:07,660
+Risk High مباشرة، إذا الـ age أكبر من 25، تمام؟ العامل
+
+703
+00:58:07,660 --> 00:58:11,540
+الثاني اللي في الـ risk، نوع السيارة، إذا كانت sport
+
+704
+00:58:11,540 --> 00:58:18,620
+car فهي الـ risk high، otherwise الـ risk low، بالتالي
+
+705
+00:58:18,620 --> 00:58:25,540
+الـ prediction تبعت هذه high، تمام؟
+
+706
+00:58:25,540 --> 00:58:30,080
+هي المطلوب مني إن الـ system أو الـ Machine Learning
+
+707
+00:58:30,080 --> 00:58:34,560
+Algorithm كـ classifier ياخد الـ data set، يحللها،
+
+708
+00:58:34,560 --> 00:58:40,940
+يبني decisions، قرارات، عشان يقول في الآخر الـ risk
+
+709
+00:58:40,940 --> 00:58:43,540
+high ولا low، بينفعش يقول intermediate
+
+710
+00:58:46,030 --> 00:58:50,150
+ولا بيقوله نسبة معينة، الآن هو تعلم عشان ياخد
+
+711
+00:58:50,150 --> 00:58:54,930
+قرار إما بـ high أو low، مافيش... مافيش له خيار غير
+
+712
+00:58:54,930 --> 00:58:57,950
+هيك، الآن يا جماعة، الخيار... وهذه الميزة اللي
+
+713
+00:58:57,950 --> 00:59:01,810
+بتميز فيها الإنسان عن الآلة، الآلة بتعلم... الآلة
+
+714
+00:59:01,810 --> 00:59:05,390
+بتعلم high و low بس، فبيصير جوابك high و low،
+
+715
+00:59:05,390 --> 00:59:07,730
+مافيش... مافيش عندها غير هيك، بتع... لكن
+
+716
+00:59:07,730 --> 00:59:11,550
+الإنسان بيجي يقول لك يا عم، يصبر شوية، هذا ستين سنة
+
+717
+00:59:12,370 --> 00:59:16,810
+راجل، عاجز وراكز، ومش عارف... وربنا، ومنعم عليه
+
+718
+00:59:16,810 --> 00:59:22,610
+بالفلوس، وين المشكلة الـ Mercedes Sport Car؟ هيمشي
+
+719
+00:59:22,610 --> 00:59:26,910
+فيها بالراحة، جامد الراجل، بخاف عليها لا تنخدش،
+
+720
+00:59:26,910 --> 00:59:30,470
+فهيمشي فيها بالراحة، فهذه المعايير بتصير عند الـ
+
+721
+00:59:30,470 --> 00:59:34,410
+human بتلعب دور، لكن عند الآلة strict، واحد زائد
+
+722
+00:59:34,410 --> 00:59:37,500
+واحد يساوي اثنين، وبالتالي الـ prediction يا رامي
+
+723
+00:59:37,500 --> 00:59:41,420
+تبقى على الـ data set، ما تقول لي أنت الـ case، طبعاً
+
+724
+00:59:41,420 --> 00:59:45,180
+برجع وبأكد يا جماعة الخير اللي كانت المشكلة أنه
+
+725
+00:59:45,180 --> 00:59:48,440
+أنا رسمت الـ data set قدامك أو حاولت أبنيها قدامك
+
+726
+00:59:48,440 --> 00:59:52,580
+بالتشاور معاك، لكن لو حاططها لك إياها فجأة، هتختلف
+
+727
+00:59:52,580 --> 00:59:56,980
+نظرتك تماماً، إلا الـ mining task الثاني اللي في
+
+728
+00:59:56,980 --> 01:00:01,420
+الـ prediction، الـ regression وحكينا فيها كتير
+
+729
+01:00:01,420 --> 01:00:05,920
+قيمة الأسس، قيمة السهم، الآن لما أنا بتكلم في الـ
+
+730
+01:00:05,920 --> 01:00:10,160
+regression يا شباب، إنه أنا فعلياً بتكلم إنه بدي
+
+731
+01:00:10,160 --> 01:00:17,580
+أعمل prediction لـ value، كمية المبيعات، قيمة السهم،
+
+732
+01:00:17,580 --> 01:00:25,080
+كمية المطر المتساقطة، سرعة الرياح، درجة الحرارة، لاحظ
+
+733
+01:00:25,080 --> 01:00:29,420
+ولا مرة من المرات قلت لك بده يرتفع ولا ينخفض ولا
+
+734
+01:00:29,420 --> 01:00:33,740
+يبقى ثابت، قلت لك اديني value، وغالباً بندور على
+
+735
+01:00:33,740 --> 01:00:39,640
+continuous value، تمام؟ وهكذا... هكذا أنا بتكلم على
+
+736
+01:00:39,640 --> 01:00:44,120
+regression... regression task، باجي بقول والله
+
+737
+01:00:44,120 --> 01:00:49,060
+أسعار المنازل في المنطقة الفلانية بعد ثلاث سنوات
+
+738
+01:00:49,060 --> 01:00:55,030
+كده هتتصير، بناء على مواصفات المنزل، 200 متر، مكون من
+
+739
+01:00:55,030 --> 01:00:58,830
+أربع غرف مثلاً، وشرفة وإلى آخره، وحديقة من هالكلام
+
+740
+01:00:58,830 --> 01:01:02,830
+هذا، هذه المواصفات كلها بتقول إن البيت بعد هيك
+
+741
+01:01:02,830 --> 01:01:07,490
+هيكون هذا الحاجة مثلاً 600 ألف دولار بعد ثلاث سنوات
+
+742
+01:01:07,490 --> 01:01:12,610
+هذه regression، ليش؟ لأن فعلياً أنا بتكلم على value
+
+743
+01:01:19,930 --> 01:01:22,330
+الـ Clustering في الـ Descriptive Data Mining
+
+744
+01:01:22,330 --> 01:01:27,730
+Tasks، في الـ Descriptive، البيانات الوصفية، إحنا
+
+745
+01:01:27,730 --> 01:01:31,170
+شفنا واشتغلنا مع بعض بالمثال الأول لما قلت لك
+
+746
+01:01:31,170 --> 01:01:37,040
+وزّعناهم لمجموعتين، وزّعناهم لأربع مجموعات، إنت
+
+747
+01:01:37,040 --> 01:01:40,200
+فعلياً كنت بتوزّع الـ data points اللي هو الصور
+
+748
+01:01:40,200 --> 01:01:43,220
+كانوا عندنا أو الـ rows اللي في الـ data set اللي
+
+749
+01:01:43,220 --> 01:01:48,720
+عندي بناءً على الـ similarity تبعتها في المجموعة
+
+750
+01:01:48,720 --> 01:01:55,200
+ليش ما حطّيتش الطير أو العصفور مع الطيارة؟ لأن فيه
+
+751
+01:01:55,200 --> 01:01:57,480
+إيه الـ characteristics أو attributes خاصة عن
+
+752
+01:01:57,480 --> 01:02:02,060
+الطيارة، فكان في مجموعة ثانية، لكن لو إحنا مثلاً
+
+753
+01:02:04,060 --> 01:02:07,300
+بقولوا والله إنهم بيكونوا هدول في مجموعتين، وبناء
+
+754
+01:02:07,300 --> 01:02:13,980
+على سرعة التنقل الموجودة كمان، ممكن الطيارة والعصفور
+
+755
+01:02:13,980 --> 01:02:16,700
+يكونوا في نفس المكان ولا لأ؟ بناء على الـ
+
+756
+01:02:16,700 --> 01:02:19,480
+properties أو الـ characteristics، لكن الـ data... الـ
+
+757
+01:02:19,480 --> 01:02:24,780
+system كل اللي بياخده منك عدد الـ clusters اللي أنت
+
+758
+01:02:24,780 --> 01:02:28,780
+محتاجها، قد إيش... كام cluster أنت محتاجه؟ اثنين،
+
+759
+01:02:28,780 --> 01:02:33,490
+ثلاثة، أربعة؟ وبروح بصنّف لك إياهم أو عفواً، بجسم لك
+
+760
+01:02:33,490 --> 01:02:37,270
+إياهم وبقول لك العناصر كذا في المجموعة الفلانية،
+
+761
+01:02:37,270 --> 01:02:39,910
+العناصر كذا في المجموعة التالية، العناصر كذا في
+
+762
+01:02:39,910 --> 01:02:43,050
+المجموعة الثالثة، في الرابعة، وبعد هيك وبيقف لحد
+
+763
+01:02:43,050 --> 01:02:48,050
+الأربعة، لا بيزيد خمسة ولا بيوقف عن ثلاثة بناء على
+
+764
+01:02:48,050 --> 01:02:52,110
+الـ similarity الموجودة، ه��ه العناصر الآن اللي هي
+
+765
+01:02:52,110 --> 01:02:56,250
+دوائر اللون اللي باللون الأصفر، فعلياً هي الـ data
+
+766
+01:02:56,250 --> 01:03:02,450
+set تبعتنا، هي مجموعة الصور تبعتنا، الآن واضح أنه في
+
+767
+01:03:02,450 --> 01:03:07,130
+توزيع، ما بينهم، أبعاد عن بعض في الرسم، يعني فعلياً
+
+768
+01:03:07,130 --> 01:03:13,830
+مجموعاتهم، مقسمات، مصنّفات، فكانت هذه واحدة، هذه اثنتين،
+
+769
+01:03:13,830 --> 01:03:17,850
+هذه ثلاثة، وهذا هو التجميع، فبيجي دور الـ cluster
+
+770
+01:03:17,850 --> 01:03:22,470
+algorithm، بيجي يقول لي هذه العناصر من كذا لكذا في
+
+771
+01:03:22,470 --> 01:03:25,730
+المجموعة الأولى، كذا لكذا لمجموعة ثانية، كذا وكذا
+
+772
+01:03:25,730 --> 01:03:30,790
+للمجموعة اللي بعدها، من الـ Outer، طبعاً فيه هنا مثال
+
+773
+01:03:30,790 --> 01:03:33,850
+على الـ document clustering، تجميع المستندات أو
+
+774
+01:03:33,850 --> 01:03:37,170
+تصنيف المستندات، المستندات اللي موجودة على الـ web
+
+775
+01:03:37,170 --> 01:03:42,680
+أو في الـ Wikipedia، ممكن تصنف؟ أه، ممكن تصنف، بناء
+
+776
+01:03:42,680 --> 01:03:46,120
+على إيش؟ بناء على المحتوى، معناته أنا ببدأ أروح
+
+777
+01:03:46,120 --> 01:03:49,400
+أدور، آخد الـ frequent term أو الـ frequent words
+
+778
+01:03:49,400 --> 01:03:52,660
+اللي في كل document، تمام؟ وأحاول أعرف الـ
+
+779
+01:03:52,660 --> 01:03:55,800
+categories اللي موجودة، وأجسمهم بدون ما أعرف الـ
+
+780
+01:03:55,800 --> 01:03:58,200
+categories، اللي أنا بصير classification، هجسمهم
+
+781
+01:03:58,200 --> 01:04:01,780
+على مجموعات بناء على قربهم لبعضهم، حسب بديهم
+
+782
+01:04:01,780 --> 01:04:07,330
+مجموعتين، ثلاثة، أربعة، في الـ Outlier Detection
+
+783
+01:04:07,330 --> 01:04:11,830
+كذلك هي Descriptive Task، Descriptive Task، الآن
+
+784
+01:04:11,830 --> 01:04:17,710
+بتفرق شوية عن الـ Clustering، إنه أنا بدي أصير أدور
+
+785
+01:04:17,710 --> 01:04:22,630
+على النقاط البعيدة اللي مافيش شغلات بتشبهها، لو أنا
+
+786
+01:04:22,630 --> 01:04:26,030
+أجيب، وقلت لك هذا الرسم في الـ 2D لكل الـ data، 6
+
+787
+01:04:26,030 --> 01:04:31,720
+نقطة، الآن واضح إن هي هذه النقطة outlier، لأنه مافيش
+
+788
+01:04:31,720 --> 01:04:36,100
+شغلة حواليها، مافيش إشي بيشابهها، بعيدة عن
+
+789
+01:04:36,100 --> 01:04:39,940
+الجيران، نفس
+
+790
+01:04:39,940 --> 01:04:42,920
+الكلام، النقطة هاي... نفس الكلام، النقطة هاي، طب
+
+791
+01:04:42,920 --> 01:04:46,840
+الثلاث هدول، آه، بنقدر نعتبرهم outlier، الثلاث، لأنه
+
+792
+01:04:46,840 --> 01:04:51,020
+لم يصلوا إلى الحد الأدنى من التجمع، يعني أقول
+
+793
+01:04:51,020 --> 01:04:54,640
+والله مثلاً أقل عدد... أقل تجمع بدي أعتبره أربعة
+
+794
+01:04:54,640 --> 01:04:58,360
+عناصر، خمس عناصر، عشر عناصر، مائة عنصر، وبيتلاحظ
+
+795
+01:04:58,360 --> 01:05:03,360
+شغلة ثانية كمان، هدول كلياتهم جايات مع بعض as one
+
+796
+01:05:03,360 --> 01:05:08,560
+cluster، على الرغم إن النقاط نوعاً ما متباعدة، وهنا
+
+797
+01:05:08,560 --> 01:05:13,460
+بيصير إنه ماحد بيقول إن الـ density تبعت الـ
+
+798
+01:05:13,460 --> 01:05:18,280
+cluster اللي عندي تكون متساوية، المجموعات اللي عندي
+
+799
+01:05:18,280 --> 01:05:22,700
+مش بالضرورة تكون بتحتوي نفس الأعداد، ومش بالضرورة
+
+800
+01:05:22,700 --> 01:05:27,400
+كلها نفس الكثافة، واضح هذا أكثر كثافة من كل الـ
+
+801
+01:05:27,400 --> 01:05:30,380
+clusters اللي موجودة عندي ولا لأ؟ بينما هذا هو
+
+802
+01:05:30,380 --> 01:05:34,520
+الأقل كثافة، هذا الأكثر انتظاماً، هذا وهذا، بينما هذا
+
+803
+01:05:34,520 --> 01:05:38,460
+لأ، شوية في بعض، لكن في الآخر بالـ outlier detection
+
+804
+01:05:38,460 --> 01:05:44,130
+أنا بكون بهمني فقط التعامل مع النقاط اللي هي
+
+805
+01:05:44,130 --> 01:05:48,290
+المنفردة أو المعزولة عن التجمعات اللي موجودة، اللي
+
+806
+01:05:48,290 --> 01:05:55,650
+أنا عمالاً بحاول أح��دها، ممكن
+
+807
+01:05:55,650 --> 01:06:00,910
+...ممكن... إنت مش ممكن تختصر تساوي تتحقق... تتحقق
+
+808
+01:06:00,910 --> 01:06:04,910
+الـ value هذه... هذه صارت out، ليش؟ بسبب إيش؟
+
+809
+01:06:04,910 --> 01:06:10,290
+مثلاً في طائر ومش مسجّل إنه بينفس، ممكن أراح...
+
+810
+01:06:10,290 --> 01:06:13,050
+أراح سجّل الحالة تبعتة بعد ما مات
+
+811
+01:06:16,070 --> 01:06:19,230
+طبعاً؟ فهيبدأ تصير تسأل هذه الـ outlier، ليش كانت
+
+812
+01:06:19,230 --> 01:06:22,650
+موجودة؟
+
+813
+01:06:22,650 --> 01:06:28,250
+الآن
+
+814
+01:06:28,250 --> 01:06:31,370
+بيصير في عندك مشكلة في data، يعني الآن تخيّل النقاط
+
+815
+01:06:31,370 --> 01:06:32,710
+موزعة هيك، مؤمن بيقول
+
+816
+01:06:46,680 --> 01:06:52,300
+لا، حتماً في عندك مشكلة في الـ data، آه
+
+817
+01:06:52,300 --> 01:06:56,040
+آه، الـ outlier، ليش أنا بدي أعمل عليها detection، إذا
+
+818
+01:06:56,040 --> 01:06:58,620
+هدفها جابت لي، طبعاً واحدة من الـ learn، من الـ
+
+819
+01:06:58,620 --> 01:07:05,570
+preprocessing، تَحْيِيْض الـ outlier، لأنه بيأثر على قرار
+
+820
+01:07:05,570 --> 01:07:08,530
+النظام أو على تعليم الـ system اللي موجود عندك
+
+821
+01:07:08,530 --> 01:07:12,610
+فإنت data set بالشكل هذا، data set غير منظم، فيها
+
+822
+01:07:12,610 --> 01:07:17,750
+مشكلة، بدك تشوف الآن إيه سبب المشكلة هذه، وتحاول
+
+823
+01:07:17,750 --> 01:07:21,890
+تتجنبها أو بتروح تحذف كل out layers point هاي اللي
+
+824
+01:07:21,890 --> 01:07:26,230
+موجودة عندك، حتى لو بيخسر data كتير، ما حد بيقول إنه
+
+825
+01:07:26,230 --> 01:07:34,360
+data، الآن يعني تخيّل... الأصل الـ data تكون ملائمة
+
+826
+01:07:34,360 --> 01:07:38,220
+وتكون ذات جودة عالية للـ task اللي إنت بتنفذها،
+
+827
+01:07:38,220 --> 01:07:42,720
+وإلا مش هتحصل على قرار سليم، لأنه كمان مرة، إذا هذه
+
+828
+01:07:42,720 --> 01:07:46,160
+النقاط بدها تدخل في الحسبة لاحقاً، في حسبة القرار
+
+829
+01:07:46,160 --> 01:07:50,200
+بتصير تحرف القرار عن الصحة، وبالتالي مافيش قدامك
+
+830
+01:07:50,200 --> 01:07:53,080
+إلّا إنك إنت إيش؟ تخلص منها
+
+831
+01:08:01,120 --> 01:08:06,140
+مش هني مشكلة، لأن أنا فعلياً بدور هل في عندي outlier
+
+832
+01:08:06,140 --> 01:08:10,460
+ولا لأ، أديك حالة إن الـ outlier هيصير بحد ذاته هو
+
+833
+01:08:10,460 --> 01:08:14,680
+المطلوب، الآن إياد الشامي بيستخدم بطاقة ائتمان
+
+834
+01:08:14,680 --> 01:08:22,160
+وبيشتري، معدل الشهر 250 دولار، تمام؟ وهذا الكلام للـ
+
+835
+01:08:22,160 --> 01:08:25,020
+trend تبعه، له خمس أو ست سنوات من يوم ما أخد
+
+836
+01:08:25,020 --> 01:08:32,470
+البطاقة، الشهر هذا، شهر اثنين 2020، مشتريات
+
+837
+01:08:32,470 --> 01:08:36,330
+إياد الشامي تجاوزت الستمائة
+
+889
+01:12:20,930 --> 01:12:26,990
+نعم، بصير ممكن أوفر، على قد ما بعرف هدول جديش هم من حجم
+
+890
+01:12:26,990 --> 01:12:30,190
+الزبائن اللي عندي، وبصير أنا بجيب الكمية اللي
+
+891
+01:12:30,190 --> 01:12:34,250
+تتناسب مع احتياجاتهم بدون ما أتضرر أنا من خسارة
+
+892
+01:12:34,250 --> 01:12:37,850
+فالـ Association Rules مهمة، وتطبيقاتها واسعة جداً
+
+893
+01:12:37,850 --> 01:12:44,170
+جديش الناس اللي بتستخدم Android و IOS، مقابلًا في
+
+894
+01:12:44,170 --> 01:12:47,190
+الـ Accessories وارتباطهم في... مع البرامج اللي
+
+895
+01:12:47,190 --> 01:12:52,090
+موجودة، وإلى آخره. فعلياً أنه أنا بأدور... بحاول
+
+896
+01:12:52,090 --> 01:12:58,230
+أدور على set of rules، أبني مجموعة من القوانين توصف
+
+897
+01:12:58,230 --> 01:13:06,310
+ارتباط العناصر مع بعضها، وهذا عادة يكون ضمن قوانين
+
+898
+01:13:06,310 --> 01:13:08,450
+محددة، مثلاً، جالي هذه في عندي transaction
+
+899
+01:13:08,450 --> 01:13:12,070
+لسوبرماركت، Beef و chicken و milk، في عندي سبعة
+
+900
+01:13:12,070 --> 01:13:18,550
+transactions الآن، لو أنا سألت: قداش عدد الناس اللي
+
+901
+01:13:18,550 --> 01:13:25,690
+اشترت حليب ولحمة مع بعض؟ آه، أخدت حليب ولح��ة Beef و
+
+902
+01:13:25,690 --> 01:13:32,830
+milk واحد... اثنين... اثنين. هل أنا لو أنا سألت
+
+903
+01:13:32,830 --> 01:13:35,730
+هدول، لو قرفت راطون هي ال data 6 بقعت يا رايمي بس
+
+904
+01:13:35,730 --> 01:13:40,250
+عشان أنا أقدر أتخيل الموضوع، قديش أقول والله لأن
+
+905
+01:13:40,250 --> 01:13:44,620
+في ارتباط بين اللحمة والحليب مثلاً. Okay، جديش هذا
+
+906
+01:13:44,620 --> 01:13:49,080
+الكلام مدعوم من ال data set؟ جديش حقيقة ما موجود؟
+
+907
+01:13:49,080 --> 01:13:53,300
+اثنين على سبعة، اثنين على سبعة نسبة متدنية، وصلتش
+
+908
+01:13:53,300 --> 01:13:57,120
+لخمسين في المئة، ولا لأ؟ ولو أتينا مثلاً، جديش
+
+909
+01:13:57,120 --> 01:14:02,320
+الناس اللي أخدت مثلاً ال chicken و beef مع بعض؟
+
+910
+01:14:02,320 --> 01:14:11,710
+واحد، اثنين، واحد، اثنين، ثلاثة. ال beef والـ
+
+911
+01:14:11,710 --> 01:14:15,110
+chicken، ال beef والـ chicken واحدة... اثنين...
+
+912
+01:14:15,110 --> 01:14:19,070
+ثلاثة... وين الرابع يا أخو؟ ال cheese... ال cheese
+
+913
+01:14:19,070 --> 01:14:23,110
+...جبنة... جبنة... تمام؟ الآن ال beef والـ chicken
+
+914
+01:14:23,110 --> 01:14:28,350
+هذا ثلاثة... هذا الارتباط أكثر، بس برضه ما وصلش...
+
+915
+01:14:28,350 --> 01:14:31,710
+بس لكن أفضل من الأولاني، على الأقل ممكن يصير فيه
+
+916
+01:14:31,710 --> 01:14:35,250
+توجه أن والله أن الناس... يعني مش كلها بتاكل لحمة
+
+917
+01:14:35,250 --> 01:14:38,490
+حمراء، فبياخدوا اللحمة وبياخدوا الدجاج لأنهم هم في
+
+918
+01:14:38,490 --> 01:14:44,820
+البيت. الناس مقسمين على موضوع الأكل، ففي الآخر ممكن
+
+919
+01:14:44,820 --> 01:14:47,940
+أحسب ال support وأحسب ال confidence، حنشوف جديش
+
+920
+01:14:47,940 --> 01:14:51,540
+دقة الكلام، الرول اللي أنا بقول عليه هذا بشكل
+
+921
+01:14:51,540 --> 01:14:56,300
+صحيح. وزن التكرار... اه، التكرار مهم... وزنه... كل
+
+922
+01:14:56,300 --> 01:15:01,380
+موقف... مثلاً اثنين تكرر تسعة، أربع مرات الملك لحاله
+
+923
+01:15:01,380 --> 01:15:06,060
+يعني بكون frequent item. لأ، المقصد أنه لو قسمنا كل
+
+924
+01:15:06,060 --> 01:15:10,990
+...لأ لأ، هو الأنش كمان، الفكرة وين إذا بتكلم عن
+
+925
+01:15:10,990 --> 01:15:15,070
+الملك لحاله، هذا attribute، إذا ال beef لحالها دي
+
+926
+01:15:15,070 --> 01:15:19,630
+attribute، الآن باجي بتكلم: هذا جديش ال frequent،
+
+927
+01:15:19,630 --> 01:15:22,730
+جديش الطلب عليه، okay، لكن مش association،
+
+928
+01:15:22,730 --> 01:15:24,930
+association لازم يكون في عندي two different
+
+929
+01:15:24,930 --> 01:15:29,690
+attributes على الأقل متلازمين مع بعضهم، هدول اللي
+
+930
+01:15:29,690 --> 01:15:34,340
+أنا ببدأ أورّي عليهم. ال Minimum Support والـ Minimum
+
+931
+01:15:34,340 --> 01:15:37,700
+Confidence، حنتكلم عليهم لاحقاً لما نروح على ال
+
+932
+01:15:37,700 --> 01:15:42,500
+cluster، على ال association rule بالتفصيل. الآن، آخر
+
+933
+01:15:42,500 --> 01:15:47,800
+شغلة بدنا إياها في محاضرة اليوم، قبل ما نتكلم في ال
+
+934
+01:15:47,800 --> 01:15:54,260
+tools، يعني إحنا فعلياً... فعلياً قدرنا نلخص اليوم الـ
+
+935
+01:15:54,260 --> 01:15:58,320
+mining tasks الخمسة اللي إحنا بدنا إياهم، اللي هم
+
+936
+01:16:02,200 --> 01:16:05,940
+classification، regression، as predictive tasks، بعد
+
+937
+01:16:05,940 --> 01:16:10,520
+هيك، clustering و association rules و outlier
+
+938
+01:16:10,520 --> 01:16:14,440
+detection، as descriptive tasks. بالنسبة للـ tools
+
+939
+01:16:14,440 --> 01:16:16,820
+اللي بدنا نشتغل عليها، طبعاً بإمكانك تشتغل بالـ data
+
+940
+01:16:16,820 --> 01:16:20,800
+mining، أي شغلة programming languages، ممكن Python والـ
+
+941
+01:16:20,800 --> 01:16:23,580
+R والـ Java، و software packages، في عندنا الـ
+
+942
+01:16:23,580 --> 01:16:26,720
+RapidMiner والـ Weka والـ Orange، هذه أساس الـ
+
+943
+01:16:26,720 --> 01:16:32,260
+software packages. إحنا بالنسبة لنا، حنشتغل Python و
+
+944
+01:16:32,260 --> 01:16:36,180
+RapidMiner، فبدي منك تنزل على جهازك الآن، تنزل على
+
+945
+01:16:36,180 --> 01:16:41,160
+ج��ازك RapidMiner، point 9، RapidMiner Studio، والـ
+
+946
+01:16:41,160 --> 01:16:48,700
+Python، بدي تنزل لي الـ Anaconda Spider distribution
+
+947
+01:16:51,730 --> 01:16:56,050
+ما هو؟ عشان أنا أريحك من تنزيل المكتبات هاي، نزل الـ
+
+948
+01:16:56,050 --> 01:16:58,890
+Anaconda Spider Distribution تبع الـ Python، هذه
+
+949
+01:16:58,890 --> 01:17:03,690
+فيها كل الـ libraries اللي أنت محتاجها، تمام؟ الله
+
+950
+01:17:03,690 --> 01:17:06,390
+يعطيكم العافية، ونشوفكم إن شاء الله لمحاضرة الجاية

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/oxlQUhGi7Cg_postprocess.srt

@@ -0,0 +1,1764 @@
+1
+00:00:03,310 --> 00:00:06,250
+السلام عليكم .. طبعا احنا جلنا .. كنا و جفنا هان
+
+2
+00:00:06,250 --> 00:00:09,790
+اللي في قطاعنا التسجيل لأنه تجاوز ال 30 دقيقة و
+
+3
+00:00:09,790 --> 00:00:12,390
+ماقلناش يكون التسجيل كبير بالنسبة لكم أو وقت طويل
+
+4
+00:00:12,390 --> 00:00:16,610
+.. بترتبوا معرفتكم ان شاء الله تعالى، مع أن لو كان
+
+5
+00:00:16,610 --> 00:00:20,990
+متواصل ممكن يكون أفضل، مايبقى عرفتالان هنتكلم عن
+
+6
+00:00:20,990 --> 00:00:27,030
+الـ Appropriate Algorithm قلنا سابقا أن البحث عن
+
+7
+00:00:27,030 --> 00:00:30,510
+ال association rules بيعتمد على شغلتين أساسيتين أو
+
+8
+00:00:30,510 --> 00:00:33,410
+خطواتين أساسيتين أي ألجوريثم مكوّن من خطواتين
+
+9
+00:00:33,410 --> 00:00:40,150
+الخطوة الأولى أن أنا فعليا أدور على كل frequent
+
+10
+00:00:40,150 --> 00:00:41,170
+item set
+
+11
+00:00:44,140 --> 00:00:46,780
+وطبعا عندما أتكلم على frequent يعني أنها تتجاوز ال
+
+12
+00:00:46,780 --> 00:00:49,480
+support ال minimum support اللي معروف عندها او ال
+
+13
+00:00:49,480 --> 00:00:53,340
+threshold الخاص بيه وبعدين اروح اعمل generate ل
+
+14
+00:00:53,340 --> 00:00:57,140
+strong association rules بناء على ال minimum أو ال
+
+15
+00:00:57,140 --> 00:01:00,720
+frequent item sets اللي موجودة عندها وعندما أتكلم
+
+16
+00:01:00,720 --> 00:01:03,380
+على strong association rules يعني أن ال rules يجب
+
+17
+00:01:03,380 --> 00:01:07,930
+أن يحققوا ال minimum support وال minimumconfidence
+
+18
+00:01:07,930 --> 00:01:11,510
+condition هذا شرمالة الـ association role القوي
+
+19
+00:01:11,510 --> 00:01:17,750
+الابريري بيستخدم او يستخدم من أجل الحصول على كل
+
+20
+00:01:17,750 --> 00:01:22,190
+frequent item set تمام it computes the frequent
+
+21
+00:01:22,190 --> 00:01:25,430
+item set in a data set through several iterations
+
+22
+00:01:25,430 --> 00:01:31,830
+من خلال دورات متعددة بيصل اياش ال case iteration
+
+23
+00:01:31,830 --> 00:01:40,050
+compute all the frequent item setالان يا جماعة
+
+24
+00:01:40,050 --> 00:01:43,970
+الخير احنا متفقين ان ال data set او ال attributes
+
+25
+00:01:43,970 --> 00:01:47,370
+او ال transactional data set اللي انا بده اشتغل
+
+26
+00:01:47,370 --> 00:01:54,470
+عليها مكونة of element elements اللي هو عددهم M من
+
+27
+00:01:54,470 --> 00:01:59,950
+I واحد زي ما قلنا ل I M items فهي M من ال items
+
+28
+00:01:59,950 --> 00:02:05,250
+معناته ال K تبعته تتراوحمن الـ 1 to M هذه
+
+29
+00:02:05,250 --> 00:02:09,070
+المجموعات اللي موجودة عندى وبالتالي هي عبارة عدد
+
+30
+00:02:09,070 --> 00:02:12,930
+الـ iteration بعدد ال elements اللي موجودة عندى او
+
+31
+00:02:12,930 --> 00:02:16,010
+عفوا بعدد ال items اللي موجودة عندى في ال data set
+
+32
+00:02:16,010 --> 00:02:20,330
+اللي موجودة هناEach iteration has two steps
+
+33
+00:02:20,330 --> 00:02:24,670
+Candidate generation بتحدد ال candidates و بعدين
+
+34
+00:02:24,670 --> 00:02:27,810
+ال candidates counting and selection بتاخد ال
+
+35
+00:02:27,810 --> 00:02:31,090
+candidate اللي هو المرشح ال element المرشح او ال
+
+36
+00:02:31,090 --> 00:02:35,690
+item 6 المرشحة وبتروح بتعدلها تمام وبناء على العدد
+
+37
+00:02:35,690 --> 00:02:40,890
+بتختارها او مابتختارهاش في
+
+38
+00:02:40,890 --> 00:02:43,010
+المثال اللي موجود عندنا هنا جماعة الخير
+
+39
+00:02:46,520 --> 00:02:51,000
+أنا بأتكلم على ال minimum support with count equal
+
+40
+00:02:51,000 --> 00:02:54,800
+to with count equal to ال minimum support with
+
+41
+00:02:54,800 --> 00:02:59,400
+count equal to with count equal to with count
+
+42
+00:02:59,400 --> 00:02:59,600
+equal to with count equal to with count equal to
+
+43
+00:02:59,600 --> 00:03:00,800
+with count equal to with count equal to with count
+
+44
+00:03:00,800 --> 00:03:01,380
+equal to with count equal to with count equal to
+
+45
+00:03:01,380 --> 00:03:01,720
+with count equal to with count equal to with count
+
+46
+00:03:01,720 --> 00:03:03,220
+equal to with count equal to with count equal to
+
+47
+00:03:03,220 --> 00:03:04,120
+with count equal to with count equal to with count
+
+48
+00:03:04,120 --> 00:03:04,780
+equal to with count equal to with count equal to
+
+49
+00:03:04,780 --> 00:03:05,920
+with count equal to with count equal to with count
+
+50
+00:03:05,920 --> 00:03:08,320
+equal to with count equal to with count equal to
+
+51
+00:03:08,320 --> 00:03:14,250
+with countالـ data set تبعت في الهام لكن لو انا
+
+52
+00:03:14,250 --> 00:03:17,610
+اتيت و اتطلعت في ال database او ال data sets اللي
+
+53
+00:03:17,610 --> 00:03:23,710
+موجودة عندى اقصى شغلة عندى خمس elements او اربع
+
+54
+00:03:23,710 --> 00:03:29,830
+items موجودين في كل transactionهذا يجعلني أتوقف
+
+55
+00:03:29,830 --> 00:03:36,030
+مبكرا لأنه لن يكون لدي اي item set في ال database
+
+56
+00:03:36,030 --> 00:03:40,350
+الموجودة فيها خمس عناصر وبالتالي لا يوجد لدي أي
+
+57
+00:03:40,350 --> 00:03:44,890
+rules تحتوي على خمس عناصر هكذا يبدو بالنسبة لنا
+
+58
+00:03:44,890 --> 00:03:49,190
+تمام، دعنا نرى ماذا سيحدث الآن
+
+59
+00:03:58,360 --> 00:04:04,340
+ماشي الحال خلّيني أنا أوقف التسجيل للحظة عشان أعدل
+
+60
+00:04:04,340 --> 00:04:08,300
+شغلة في ال slide هذه في طريقة عرض ال slide ممكن
+
+61
+00:04:08,300 --> 00:04:23,640
+تكون أريح لإينا في الفهم طيب
+
+62
+00:04:23,640 --> 00:04:26,200
+جماعة الخير أرجو المثال نعرضه بشكل أفضل إن شاء
+
+63
+00:04:26,200 --> 00:04:31,930
+الله تعالىالان كما قلنا سابقا ان ال algorithm كله
+
+64
+00:04:31,930 --> 00:04:35,470
+يبحث عن ال item frequent set في الأول و بعدين
+
+65
+00:04:35,470 --> 00:04:39,490
+بيعمل generate و قلنا ان ال app priori هان في كل
+
+66
+00:04:39,490 --> 00:04:43,230
+step في كل iteration بيشتغل جيش بروح بساوي بيعمل
+
+67
+00:04:43,230 --> 00:04:44,590
+generate ل
+
+68
+00:04:47,090 --> 00:04:50,450
+للـ group بالـ candidates و بعدين بيعدلوا ال
+
+69
+00:04:50,450 --> 00:04:53,550
+elements تبعته و بعدين بيعملوا منه selection فاحنا
+
+70
+00:04:53,550 --> 00:04:56,630
+الآن هذا مع ال algorithm اللي حاسسه الآن معناته
+
+71
+00:04:56,630 --> 00:05:02,930
+حبدأ انا مع شغل بسميها C1 C1 هي عبارة عن ال
+
+72
+00:05:02,930 --> 00:05:10,210
+candidates of item set with one element اللي هم I1
+
+73
+00:05:10,210 --> 00:05:15,770
+I2 I3 I4
+
+74
+00:05:17,700 --> 00:05:21,560
+I5 مش هم ال elements اللي عندي هاي هم خمسة هدول و
+
+75
+00:05:21,560 --> 00:05:27,840
+بدى أروح أحسب ال support لكل واحدة فيهم نيجي لل I1
+
+76
+00:05:27,840 --> 00:05:31,300
+طبعا انا الآن هيك المفروض انا اساوي ارسم رسمة زي
+
+77
+00:05:31,300 --> 00:05:36,260
+هذه اقول هي C1 ال candidates تعوتي بنعملهم
+
+78
+00:05:36,260 --> 00:05:44,380
+generation generate الان I1 I2
+
+79
+00:05:49,900 --> 00:05:57,880
+I3 I4 I5 الخطوة اللي بعد هيك انا بدروح احسب لهم
+
+80
+00:05:57,880 --> 00:06:03,080
+جماعة الخير ال support لما انا بده احسب ال support
+
+81
+00:06:03,080 --> 00:06:09,900
+لل C2 لل C1 يعني ما زلت candidate واحد الان I1
+
+82
+00:06:09,900 --> 00:06:14,460
+جديش هي واحدة تلاتة
+
+83
+00:06:14,460 --> 00:06:21,050
+اربعة خمسة ستةبقدر اكتبهم مع بعض انا هاي ستة
+
+84
+00:06:21,050 --> 00:06:26,490
+support لان
+
+85
+00:06:26,490 --> 00:06:34,930
+الخطوة التانية هي عبارة هاي I1 equal 6 I2 واحدة
+
+86
+00:06:34,930 --> 00:06:45,510
+اتنين تلاتة اربعة خمسة ستة سبعة I2 equal 7 I3
+
+87
+00:06:48,370 --> 00:06:55,430
+1,2,3,4,5,6 I4
+
+88
+00:06:55,430 --> 00:07:09,550
+1,2,3,4,5,6 I5 1,2,3,4,5,6 I5 I5 I5
+
+89
+00:07:09,550 --> 00:07:12,590
+I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5
+
+90
+00:07:12,590 --> 00:07:12,790
+I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5
+
+91
+00:07:17,500 --> 00:07:27,780
+I1 I2 I3 I4 I5 I5
+
+92
+00:07:27,780 --> 00:07:27,800
+I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5
+
+93
+00:07:27,800 --> 00:07:28,640
+I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5
+
+94
+00:07:28,640 --> 00:07:28,700
+I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5
+
+95
+00:07:28,700 --> 00:07:36,340
+I5 I5 I5 I5الخطوة الأولى رحت عملت لهم generation و
+
+96
+00:07:36,340 --> 00:07:40,740
+حسبت ال candidate وهي روحت أخدتهم لأن ال minimum
+
+97
+00:07:40,740 --> 00:07:45,240
+support بتحقق ال minimum support اللي موجودة عندي
+
+98
+00:07:45,240 --> 00:07:49,860
+تمام الخطوة التالية أنا الآن خلصت من ال candidate
+
+99
+00:07:49,860 --> 00:07:54,180
+C1 بدأ أروح أعمل candidate من C2 و لازم تكون ال
+
+100
+00:07:54,180 --> 00:08:00,940
+element ه��ا موجود عندي يعني أنا بدأ أقول I1 I2
+
+101
+00:08:02,300 --> 00:08:09,700
+لازم يكون موجود في ال database I1 I3
+
+102
+00:08:09,700 --> 00:08:23,920
+I1 I4 I1 I5 هد ايش هدول ال candidates of C2 لان هم
+
+103
+00:08:23,920 --> 00:08:29,460
+مجموعات من اتنين بعد هيك ببدأ ب I2أكتب I1 لأ
+
+104
+00:08:29,460 --> 00:08:36,720
+already هي موجودة عندي انا كتبتها I2 و I3 I3 I2 و
+
+105
+00:08:36,720 --> 00:08:53,680
+I4 I2 و I5 as groups بعد هي I3 و I4 I3
+
+106
+00:08:53,680 --> 00:08:55,020
+و I5
+
+107
+00:08:58,450 --> 00:09:06,210
+و بعد هي I4 و I5 و هك انا بأضمن ان انا جيبت كل ال
+
+108
+00:09:06,210 --> 00:09:11,370
+items اللي شغالة اللي موجودة بال element 2 ليش في
+
+109
+00:09:11,370 --> 00:09:17,150
+جامعة الخير انا ماروحتش كتابة I2 و I1 كمان مرة لان
+
+110
+00:09:17,150 --> 00:09:20,870
+حسب المجموعات او ما درسنا من discrete mathematics
+
+111
+00:09:20,870 --> 00:09:26,810
+انه فعليا ترتيب العناصر كمجموعة A و B
+
+112
+00:09:32,860 --> 00:09:35,720
+بالتالي ترتيب العناصر في المجموع لايعني شيء و
+
+113
+00:09:35,720 --> 00:09:39,200
+تكرار العنصر في المجموع لايعني شيء فانا ضمانة هيك
+
+114
+00:09:39,200 --> 00:09:42,800
+بأضمن ان انا جيبت كل ال elements و مافوتش ولا واحد
+
+115
+00:09:42,800 --> 00:09:46,440
+منهم و بنفس الكلام بروح بحسب ال support لكل واحد
+
+116
+00:09:46,440 --> 00:09:51,950
+فيهمأي واحد مع اي اتنين مع اتنين مع اتنين مع اتنين
+
+117
+00:09:51,950 --> 00:10:00,630
+مع اتنين مع اتنين مع اتنين مع اتنين مع اتنين مع
+
+118
+00:10:00,630 --> 00:10:03,050
+اتنين مع اتنين مع اتنين مع اتنين مع اتنين مع اتنين
+
+119
+00:10:03,050 --> 00:10:03,210
+مع اتنين مع اتنين مع اتنين مع اتنين مع اتنين مع
+
+120
+00:10:03,210 --> 00:10:03,730
+اتنين مع اتنين مع اتنين مع اتنين مع اتنين مع اتنين
+
+121
+00:10:03,730 --> 00:10:05,750
+مع اتنين مع اتنين مع اتنين مع اتنين مع اتنين مع
+
+122
+00:10:05,750 --> 00:10:09,490
+مع اتنين مع اتنين مع اتنين مع اتنين مع اتنين
+
+123
+00:10:09,490 --> 00:10:15,050
+مع اتنين مع اتبتحتوي فقط على العناصر اللي ال
+
+124
+00:10:15,050 --> 00:10:18,710
+support تبعتها أكبر من اتنين وبالتالي هي صغرة
+
+125
+00:10:18,710 --> 00:10:24,510
+المجموعة طيب الخطوة اللي بعد هيك بروح أنشئ انا كل
+
+126
+00:10:24,510 --> 00:10:28,770
+المجموعات اللي مبنية على تلت عناصر كل المجموعات
+
+127
+00:10:28,770 --> 00:10:32,910
+اللي مبنية على تلت عناصر من اين؟ من خلال ال data
+
+128
+00:10:32,910 --> 00:10:38,920
+set اللي موجودة عندها طيب سؤال مهم جداI1 I2 I3 I4
+
+129
+00:10:38,920 --> 00:10:42,260
+I5 لو افترضنا انه في عنده I6 وهي مش مبينة اروح
+
+130
+00:10:42,260 --> 00:10:45,460
+استخدمها لأ ليش لأن هو كل ال subset لازم يكون
+
+131
+00:10:45,460 --> 00:10:49,380
+frequent و بما انه I6 مش في الحسبة ما هي مرض فانا
+
+132
+00:10:49,380 --> 00:10:53,120
+بادر اجيب ال item تلاتة اللي من تلت عناصر جدش هم
+
+133
+00:10:53,120 --> 00:10:57,540
+جامعة الخيار هيكونوا خليني بس انا ارجع للخطوة هاي
+
+134
+00:10:57,540 --> 00:11:05,740
+من تلت عناصر في عندي I1 I2 I3
+
+135
+00:11:07,470 --> 00:11:19,790
+مع I1 و I2 و I4 I1 و I2 و I5 هدول يا جماعة الخير
+
+136
+00:11:19,790 --> 00:11:28,130
+مين فيهم ينتمي لل data set هذه هي في أول سطر و I2
+
+137
+00:11:28,130 --> 00:11:38,670
+و I4 و هذه ينتمي لأول سطرI1, I2 و I3 كانت تتم
+
+138
+00:11:38,670 --> 00:11:44,250
+الأول سطر لآخر سطر طيب الان لو انا روحت و قلت I2
+
+139
+00:11:44,250 --> 00:11:52,450
+I3 I4 لها
+
+140
+00:11:52,450 --> 00:11:59,230
+وجود في ال data set اللي موجود عندى مالهاش وجود
+
+141
+00:12:03,300 --> 00:12:11,400
+I2 I3 I5 I5
+
+142
+00:12:11,400 --> 00:12:11,620
+I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5
+
+143
+00:12:11,620 --> 00:12:11,820
+I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5
+
+144
+00:12:11,820 --> 00:12:12,160
+I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5
+
+145
+00:12:12,160 --> 00:12:13,320
+I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5 I5
+
+146
+00:12:43,780 --> 00:12:46,920
+طيب جمعة الخير الآن بدنا ناخد اللي نعمل candidate
+
+147
+00:12:46,920 --> 00:12:53,300
+ل ال C3 الألمة بتكلم على C3 ايش أنا بتكلم .. ايش
+
+148
+00:12:53,300 --> 00:12:55,760
+.. ايش صفات المجموعات هاي؟ هي عبارة عن كل
+
+149
+00:12:55,760 --> 00:12:58,960
+المجموعات اللي فيها تلت عناصر بس بشرط ان ال
+
+150
+00:12:58,960 --> 00:13:02,720
+element تبعتهم يكون frequent item frequent item
+
+151
+00:13:02,720 --> 00:13:07,540
+ممتاز طيب الألمة أنا بدأش اقول على سبيل المثال بدأ
+
+152
+00:13:07,540 --> 00:13:09,440
+بدأ اصنف I1
+
+153
+00:13:11,420 --> 00:13:18,940
+و I2 و I3 لأن هذه المجموعة عشان انا اخدها لازم
+
+154
+00:13:18,940 --> 00:13:25,500
+لازم لازم ال I1 و I2 و I3 تكون frequent يعني كل
+
+155
+00:13:25,500 --> 00:13:29,640
+subset منها تكون frequent يعني I1 و I2 مع بعض و I2
+
+156
+00:13:29,640 --> 00:13:36,420
+و I3 و I1 و I3 مع بعض لان عفوا لما انا بدي اجي
+
+157
+00:13:36,420 --> 00:13:41,560
+اطلع لهدول مع بعض هل هدولة frequentI1 و I2 عادية
+
+158
+00:13:41,560 --> 00:13:51,160
+I1 و I3 عادية I2 و I3 عادية I1 و
+
+159
+00:13:51,160 --> 00:13:55,020
+I4 عادية
+
+160
+00:13:55,020 --> 00:13:59,940
+I1 و I2 عادية I1 و I4 عادية I1 و I4 عادية I1 و I4
+
+161
+00:13:59,940 --> 00:14:04,260
+عادية I1 و I4 عادية I1 و I4 عادية I1 و I4 عادية I1
+
+162
+00:14:04,260 --> 00:14:09,300
+و I4 عادية I1 و I4 عادية I1 و I4 عادية I1 و I4
+
+163
+00:14:09,300 --> 00:14:09,460
+عادية I1 و I4 عادية I1 و I4 عادية I1 و I4 عادية I1
+
+164
+00:14:09,460 --> 00:14:09,480
+و I4 عادية I1 و I4 عادية I1 و I4 عادية I1 و I4
+
+165
+00:14:09,480 --> 00:14:09,500
+عادية I1 و I4 عادية I1 و I4 عادية I1 و I4 عادية I1
+
+166
+00:14:09,500 --> 00:14:13,870
+و I4 عادية I1 و I4 عادية I1 و I4 عاديةI5 I1 I2
+
+167
+00:14:13,870 --> 00:14:17,930
+frequent I1 I5 I1 I5 هي الموجودة بيبقى الـ 2 و 5
+
+168
+00:14:17,930 --> 00:14:21,550
+I2 I5 frequent معناته okay accepted بنيجي للي
+
+169
+00:14:21,550 --> 00:14:27,130
+بعديها I2
+
+170
+00:14:27,130 --> 00:14:34,530
+I3 I4 I2
+
+171
+00:14:34,530 --> 00:14:36,650
+I4 not frequent بتسقط
+
+172
+00:14:39,050 --> 00:14:46,530
+I2 I3 I5 I3
+
+173
+00:14:46,530 --> 00:14:52,830
+و I5 ليسوا مستخدمين I2 و I5 مستخدمين I3 و I5 ليسوا
+
+174
+00:14:52,830 --> 00:14:57,490
+مستخدمين I3
+
+175
+00:14:57,490 --> 00:15:00,430
+I4 I5
+
+176
+00:15:03,220 --> 00:15:06,240
+أي تلاتة او اي اربعة او اي تلاتة او اي تلاتة او اي
+
+177
+00:15:06,240 --> 00:15:08,280
+تلاتة او اي تلاتة او اي تلاتة او اي تلاتة او اي
+
+178
+00:15:08,280 --> 00:15:08,760
+تلاتة او اي تلاتة او اي تلاتة او اي تلاتة او اي
+
+179
+00:15:08,760 --> 00:15:11,520
+تلاتة او اي تلاتة او اي تلاتة او اي تلاتة او اي
+
+180
+00:15:11,520 --> 00:15:13,740
+تلاتة او اي تلاتة او اي تلاتة او اي تلاتة او اي
+
+181
+00:15:13,740 --> 00:15:17,900
+تلاتة او اي تلاتة او اي تلاتة او اي تلاتة او اي
+
+182
+00:15:17,900 --> 00:15:24,080
+تلاتة او اي تلاتة او اي تلاتة او اي تلاتة او اI1
+
+183
+00:15:24,080 --> 00:15:27,640
+I2 I5 هدول ال candidates بروح بحسب اللهم ال
+
+184
+00:15:27,640 --> 00:15:31,080
+support كم مرة ظهروا فال data set اللي موجودة مع
+
+185
+00:15:31,080 --> 00:15:39,120
+بعض ال support I1 I2 I5 I مرة و I مرة تمام معناته
+
+186
+00:15:39,120 --> 00:15:43,560
+هذه مرتين مرتين
+
+187
+00:15:43,560 --> 00:15:46,820
+و
+
+188
+00:15:46,820 --> 00:15:53,170
+I1 I3 I1 I2 I3هي واحدة هيتنتين معناته هذا كمان
+
+189
+00:15:53,170 --> 00:15:57,150
+مرتين ممتاز معناته باخد من هدول انا ال candidates
+
+190
+00:15:57,150 --> 00:16:03,610
+او ال .. ال .. اللي حققوا ال minimum support عشان
+
+191
+00:16:03,610 --> 00:16:06,230
+اروح على اربعة هل هاروح على اربعة انا فعليا يا
+
+192
+00:16:06,230 --> 00:16:12,330
+جماعة الخير على items من اربع عناصر لأ لان انا
+
+193
+00:16:12,330 --> 00:16:16,810
+فعليا ماعنديش وبالتالي انا هنا وقفتلأن انا ال
+
+194
+00:16:16,810 --> 00:16:20,050
+maximum تبعتي من اربع عناصر خلنا لو انا الاصل اللي
+
+195
+00:16:20,050 --> 00:16:25,170
+انا بدي اروح فيها فبدي اخد من هنا يعني انا هاخد ال
+
+196
+00:16:25,170 --> 00:16:28,970
+association من هنا I1 عادة ��نا باخد ال association
+
+197
+00:16:28,970 --> 00:16:35,210
+من هنا برجعش لورا I1 I2 I3 I4 بعمل union ما بينهم
+
+198
+00:16:35,210 --> 00:16:40,950
+هيه فش غير هيك عفوا I5 جديش ال support لإلها
+
+199
+00:16:44,580 --> 00:16:49,620
+وحد تسجل في غيرها لا مفيش غيرها لأن هذا هو العبارة
+
+200
+00:16:49,620 --> 00:16:52,220
+عن ال association انا باخد منها زي ما انا كنت اخد
+
+201
+00:16:52,220 --> 00:16:56,780
+منها الآن اخدت I1 و I2 و حطيت لهم I3 I1 و I2 و I5
+
+202
+00:16:56,780 --> 00:17:03,960
+خلصنا I2 و I3 حطيت لهم I4 اخدت I2 و I3 و حطيت لهم
+
+203
+00:17:03,960 --> 00:17:11,500
+I4 I2 و I3 و I5 و هكذاعن كل الـ creation تبعتي
+
+204
+00:17:11,500 --> 00:17:16,780
+عندي هتكون من الـ element اللي موجود هنا ففعليا في
+
+205
+00:17:16,780 --> 00:17:19,200
+ال candidate generation هو بيبدأ من ال k equal
+
+206
+00:17:19,200 --> 00:17:25,540
+واحد وبياخد كل ال item set من ال one item set تمام
+
+207
+00:17:25,540 --> 00:17:29,660
+و بروح بجيب ليهم بعد هيك بيبدأ يروح يجمع العناصر
+
+208
+00:17:29,660 --> 00:17:35,180
+بعد ما يروح يحسب ال support لكل واحدة فيهم for k
+
+209
+00:17:35,180 --> 00:17:43,050
+equal k نقص اتنينjoin of الـ k ناقص واحد with
+
+210
+00:17:43,050 --> 00:17:49,830
+itself نقل العناصر هدول مع بعضهم if ال both a لحد
+
+211
+00:17:49,830 --> 00:17:56,030
+اك ناقص واحد are in ال k لو كان هدولة موجودين في
+
+212
+00:17:56,030 --> 00:18:01,790
+ال list اللي جابل ال list of candidates اللي حققوا
+
+213
+00:18:01,790 --> 00:18:05,230
+ال minimum support روح ضيفلي عليهم ال k فقط طبعا
+
+214
+00:18:05,230 --> 00:18:08,350
+مين المختلفة جامعة الخير انا فعليا هايم هدول
+
+215
+00:18:08,350 --> 00:18:14,320
+كلاتهم موجوداتمن A1 ل A .. من A ل K نقص واحد وانا
+
+216
+00:18:14,320 --> 00:18:18,160
+انضاف عند مين في ال elements في المجموعة ال K فانا
+
+217
+00:18:18,160 --> 00:18:23,300
+اضاف ال .. ايش ال K على المجموعة اللي موجودة عندي
+
+218
+00:18:23,300 --> 00:18:27,040
+وبهيكد انا ال algorithm بيشتغل و بجيبليها بعد هيكد
+
+219
+00:18:27,040 --> 00:18:29,820
+اللي .. اللي ممكن يلزم ال prone set ان انا فعليا
+
+220
+00:18:29,820 --> 00:18:35,840
+اروح ادور على ال non frequent item فبروح باخد ال K
+
+221
+00:18:35,840 --> 00:18:40,830
+نقص واحد اللي هي ال L تبعتي هايو بروح بحسب ال
+
+222
+00:18:40,830 --> 00:18:44,110
+support لإيه لهم عشان اعمل drop لمن؟ لل element
+
+223
+00:18:44,110 --> 00:18:47,810
+اللي
+
+224
+00:18:47,810 --> 00:18:53,570
+موجودة عندي اللي هي بلات حقق من ما بصبر ال
+
+225
+00:18:53,570 --> 00:18:55,730
+pseudocode بياخد ck
+
+226
+00:18:58,390 --> 00:19:03,490
+K item set frequent item set اللي هي ال list اللي
+
+227
+00:19:03,490 --> 00:19:06,830
+موجودة عندى list of frequent item set او size K
+
+228
+00:19:06,830 --> 00:19:15,150
+بيبدأ من L1 for K equal 1 ال K لا تساوي 5 K plus
+
+229
+00:19:15,150 --> 00:19:21,950
+plus begin ال candidate CK زائد واحد candidate
+
+230
+00:19:21,950 --> 00:19:27,060
+generate ال Kطبعا انا انا زي ما اقول من هنا انا
+
+231
+00:19:27,060 --> 00:19:29,840
+بحب اعمل generate for each transaction تيه ال
+
+232
+00:19:29,840 --> 00:19:33,480
+database database to increment the count of
+
+233
+00:19:33,480 --> 00:19:36,840
+candidates اللي انا هدول ال candidates هدول انا
+
+234
+00:19:36,840 --> 00:19:43,020
+بحسب ال minimum support و ال candidates with ال
+
+235
+00:19:43,020 --> 00:19:46,280
+minimum support اللي موجودين عندها و بنتهيأ لحق و
+
+236
+00:19:46,280 --> 00:19:50,020
+في الآخر ايش بروح بيساوي بيعمل union ل ال case
+
+237
+00:19:50,020 --> 00:19:54,660
+اللي موجودة يعنيطبعاً يا جماعة الخير لازم احنا
+
+238
+00:19:54,660 --> 00:19:59,300
+نأكد على نقطة مهمة جدا انه ال .. طبعا ال code او
+
+239
+00:19:59,300 --> 00:20:02,480
+حفظ ال code هذا مش .. مش مطلوب انه بقدر ما انا
+
+240
+00:20:02,480 --> 00:20:06,960
+مطلوب ان انا فهمته من خلال الخطوات وهي ال .. ال بي
+
+241
+00:20:06,960 --> 00:20:13,880
+سيدو code اللي موجود عندى كذلك ال .. ماما صلي علي
+
+242
+00:20:13,880 --> 00:20:18,760
+سيدنا محمد .. مش .. لازم ابدأ أكد على نقطة ها�� انه
+
+243
+00:20:18,760 --> 00:20:19,900
+انا فعليا
+
+244
+00:20:22,210 --> 00:20:25,910
+حصولي على ال frequent item set لا يعني حصولي على
+
+245
+00:20:25,910 --> 00:20:28,570
+ال association rules انا في الآخر اللي عايش وصلت
+
+246
+00:20:28,570 --> 00:20:33,050
+هنا ووصلت هايه ال frequent item set اللي موجودة من
+
+247
+00:20:33,050 --> 00:20:38,170
+عندي ال تلاتة الخطوة اللي بعد هيك اللي بعد هيك ان
+
+248
+00:20:38,170 --> 00:20:43,930
+انا بدي اروح انشئ
+
+249
+00:20:43,930 --> 00:20:47,790
+frequent item set بدي اروح انشئ association rules
+
+250
+00:20:48,800 --> 00:20:51,100
+معناته ان انا لازم ان انا عندى خطوة ان اروح انش ال
+
+251
+00:20:51,100 --> 00:20:55,280
+association ال implication هذا كيف احصل عليها for
+
+252
+00:20:55,280 --> 00:20:59,820
+each frequent item setلكل مجموعة من ال item set
+
+253
+00:20:59,820 --> 00:21:07,540
+اللي حصلتها for each non-proper non-empty set A
+
+254
+00:21:07,540 --> 00:21:13,820
+المفروض ان ال B تكون من المكملات ال X والتقاطع
+
+255
+00:21:13,820 --> 00:21:17,460
+بينهم Phi بين ال A والB ال association rule بده
+
+256
+00:21:17,460 --> 00:21:19,680
+ينبنى بالشكل هذا
+
+257
+00:21:22,060 --> 00:21:28,180
+طيب الان انا جيت هنا هذه العناصر اللي موجودة عندى
+
+258
+00:21:28,180 --> 00:21:34,280
+انا مين ايش اللي عندى العناصر I1
+
+259
+00:21:34,280 --> 00:21:43,560
+I2 I3 I5 هدولة هم ال frequent items I4 مش frequent
+
+260
+00:21:43,560 --> 00:21:47,180
+وبالتالي هيسقط من كل حسبة تماما طيب ايش اللي انا
+
+261
+00:21:47,180 --> 00:22:01,510
+باجب اقول I1 ل I2هك اللي بده يصير I1 إلى I3 I1
+
+262
+00:22:01,510 --> 00:22:13,730
+I5 بعد هيك I1 إلى I2 و I3 مع بعضهذه كل الـ
+
+263
+00:22:13,730 --> 00:22:16,690
+association rules اللي ممكن تكون عندي هان ارتباط
+
+264
+00:22:16,690 --> 00:22:23,750
+عنصر مع مجموعة او مع مجموعة مع عنصر و هان ببدأ ايه
+
+265
+00:22:23,750 --> 00:22:32,290
+و بروح بقى احسب انا لكل واحدة فيهم جداش ال support
+
+266
+00:22:32,290 --> 00:22:36,490
+و ال .. طيب خلينا نشوف المثال اللي موجود عندنا هان
+
+267
+00:22:37,740 --> 00:22:42,080
+لما انا بنقول هاي ال item set اللي موجودة عندى في
+
+268
+00:22:42,080 --> 00:22:46,000
+ال data set ده افترض ان هاي كل items اللي عندى
+
+269
+00:22:46,000 --> 00:22:48,740
+هاني frequent لأنه فعليا واحد و اتنين و تلاتة
+
+270
+00:22:48,740 --> 00:22:52,960
+عبارة عن frequent items و هم صفوا معايا للاخر فأي
+
+271
+00:22:52,960 --> 00:22:56,400
+subset هتكون موجودة لو انا افترضت ان هدولة كلهم
+
+272
+00:22:56,400 --> 00:22:58,800
+بيحققوا ال minimum support دلوقت دوري افحص ال
+
+273
+00:22:58,800 --> 00:23:04,860
+confidenceالترانزكشن الأول قيمته كم يا شباب ال
+
+274
+00:23:04,860 --> 00:23:12,740
+confidence تبعته احنا قلنا الواحد اتنين
+
+275
+00:23:12,740 --> 00:23:18,980
+تلاتة اربعة هذه قيمة ال support تبعت ال a و ال b
+
+276
+00:23:20,300 --> 00:23:25,820
+أربعة على تسعة، لا أريد أن أكتب التسعة وهنا على
+
+277
+00:23:25,820 --> 00:23:30,340
+الواحد، واحد اتنين تلاتة أربعة خمسة ستة أربعة على
+
+278
+00:23:30,340 --> 00:23:35,540
+ستة أربعة على ستة تجاوزت الخمسة الخمسة وخمسين في
+
+279
+00:23:35,540 --> 00:23:40,660
+المية معناته هذا ال rule عبارة عن strong rule أخد
+
+280
+00:23:40,660 --> 00:23:47,980
+على سبيل المثال ال rule الموجود عندهااو اي واحد او
+
+281
+00:23:47,980 --> 00:23:52,120
+اي اتنين او اي تلاتة ك support هي واحد هي اتنين
+
+282
+00:23:52,120 --> 00:24:00,100
+ممتاز اتنين على ال frequent التابعة للتنين واحدة
+
+283
+00:24:00,100 --> 00:24:06,160
+تنتين تلاتة اربعة خمسة ستة سبعة اتنين على سبعة is
+
+284
+00:24:06,160 --> 00:24:08,020
+not a strong rule وهكذا
+
+285
+00:24:14,930 --> 00:24:17,730
+هو بتتم الحسبة معايا في كل ال rules اللي موجودة
+
+286
+00:24:17,730 --> 00:24:21,530
+عندي هان وانا بقرر بناء عيني كذلك لو انا افترض ان
+
+287
+00:24:21,530 --> 00:24:26,410
+هي عندي هان مجموعة من ال rules ال minimum support
+
+288
+00:24:26,410 --> 00:24:30,350
+تبعتي اتنين وفي عندي ال minimum confidence خمسين
+
+289
+00:24:30,350 --> 00:24:33,350
+في المية وبدأ اعمل نفس الحسبة وليشوف اللي ال
+
+290
+00:24:33,350 --> 00:24:39,330
+transaction هذا مين فيهم strong ومين فيهم منحقق
+
+291
+00:24:39,330 --> 00:24:44,070
+ال minimum support يعني مين منهم strong ومين لأالـ
+
+292
+00:24:44,070 --> 00:24:48,710
+mean هذا ال support تبعت هذا الأول واحد اتنين
+
+293
+00:24:48,710 --> 00:24:57,090
+تلاتة هي واحد اتنين اتنين على a و b واحد اتنين
+
+294
+00:24:57,090 --> 00:25:02,690
+تلاتة اربعة اربعة خمسين في المية okay accepted
+
+295
+00:25:02,690 --> 00:25:11,250
+ناخد هذا على سبيل المثال برضه نفس الكلام اتنين على
+
+296
+00:25:11,250 --> 00:25:16,630
+ال aالإي واحد اتنين اتنين على اتنين معناته مية في
+
+297
+00:25:16,630 --> 00:25:21,530
+المية هنا كان خمسين في المية خمسين في المية هنا
+
+298
+00:25:21,530 --> 00:25:27,610
+مية في المية فهو accepted تمام بينما ناخد على سبيل
+
+299
+00:25:27,610 --> 00:25:38,670
+المثال هذا2 على ال بيز 1 2 3 4 5 6 7 2 على 7 اقل
+
+300
+00:25:38,670 --> 00:25:44,150
+من 50% rejected وبالتالي انا عندى هاي مجموعة ال
+
+301
+00:25:44,150 --> 00:25:47,410
+confidence انا حسبتهم الشكل هذا لكل واحد فيهم
+
+302
+00:25:47,410 --> 00:25:54,850
+وبالتالي بقدر اقول ان هدول qualified بينما
+
+303
+00:25:54,850 --> 00:26:00,400
+هدول not qualified roles يعني هدول رول قويةممكن
+
+304
+00:26:00,400 --> 00:26:05,720
+اعتمد عليها بينما هذه ليست قوية طبعا هذا كله
+
+305
+00:26:05,720 --> 00:26:10,080
+بتنبعد الحسبة ال association rules طيب نفس الكلام
+
+306
+00:26:10,080 --> 00:26:13,060
+لو انا بدى اشتغل .. بتشوف .. بنشوف المثال هذا
+
+307
+00:26:13,060 --> 00:26:17,840
+لوحدكم عشان احاول اكسب من الوقت الفكرة فيه بقولك
+
+308
+00:26:17,840 --> 00:26:21,520
+انه انا في عندى مجموعة هي عبارة عن frequent هذه
+
+309
+00:26:21,520 --> 00:26:26,240
+المجموعة frequent وال support with support خمسين
+
+310
+00:26:26,240 --> 00:26:31,240
+في المينةتمام؟ لأنه في الأخر عدد بيجي بعد خير ال
+
+311
+00:26:31,240 --> 00:26:33,700
+program empty subset هدولة ال subset وهي ال
+
+312
+00:26:33,700 --> 00:26:38,340
+support تبعت كل واحدة فيهم الان بيقولك find the
+
+313
+00:26:38,340 --> 00:26:42,680
+confidence of ال rule هذاالان ال rules اللي موجود
+
+314
+00:26:42,680 --> 00:26:45,240
+عندى هن هي عبارة عن ال support تبعته كدهش يا جماعة
+
+315
+00:26:45,240 --> 00:26:48,740
+الخير واحد اتنين تلاتة احنا قولنا اي subset منها
+
+316
+00:26:48,740 --> 00:26:51,660
+هي عبارة عن subset هتكون frequent اي بما ان هذا
+
+317
+00:26:51,660 --> 00:26:54,880
+frequent فاي subset هتكون frequent ممتاز طب ال
+
+318
+00:26:54,880 --> 00:26:59,200
+frequent اللي عندى هن عبارة عن كدهش عبارة عن خمسين
+
+319
+00:26:59,200 --> 00:27:03,100
+صح ال support تبعته خمسين هيا خمسين في المية اقولك
+
+320
+00:27:03,100 --> 00:27:06,260
+طيب
+
+321
+00:27:06,260 --> 00:27:10,470
+معناته هى خمسين في الميةاللي هم الـ A اتنين و
+
+322
+00:27:10,470 --> 00:27:13,490
+تلاتة و أربع مع بعض على اتنين و تلاتة الاتنين و
+
+323
+00:27:13,490 --> 00:27:18,830
+التلاتة هي ال support تبعتهم جداش هيها خمسين في
+
+324
+00:27:18,830 --> 00:27:23,410
+المية خمسين في المية على خمسين في المية معناته مية
+
+325
+00:27:23,410 --> 00:27:26,790
+في المية تح؟ وبالتالي هي حسبة ال confidence
+
+326
+00:27:26,790 --> 00:27:31,610
+الموجودة وكملوا البثال لأن المثال بسيط مش محتاج ال
+
+327
+00:27:31,610 --> 00:27:35,610
+a priori drawbacks اللي في عند ال major drawbacks
+
+328
+00:27:35,610 --> 00:27:41,470
+في ال a priori بحتاجالـ computational عالي طبعاً
+
+329
+00:27:41,470 --> 00:27:44,790
+لأنه انا في عندى multiple scan لل data set بضلني
+
+330
+00:27:44,790 --> 00:27:50,150
+ارجع لل data set عشان دائما افحص اعدل ال support
+
+331
+00:27:50,150 --> 00:27:53,330
+المعنى هو ان انا في عندى huge number of candidates
+
+332
+00:27:53,330 --> 00:28:01,990
+كذلك لازم تندس workload العمل ممل لانه دائما بده
+
+333
+00:28:01,990 --> 00:28:06,310
+يعد ال support مرة و تنتين و تلاتة أو عشرة للموجود
+
+334
+00:28:06,310 --> 00:28:13,630
+كيف ممكن احنا نحسنمن أداء الـ .. من
+
+335
+00:28:13,630 --> 00:28:19,290
+أداء الـ priority improving بشكل عام لو أنا قللت
+
+336
+00:28:19,290 --> 00:28:26,350
+عدد المرات للـ scanning تبع ال databaseبحس ان اجسم
+
+337
+00:28:26,350 --> 00:28:33,510
+ال database ل 2 partitions على سبيل المثال اشتغل
+
+338
+00:28:33,510 --> 00:28:38,090
+مع ال partitions من الاتنين اللي موجودين عندها اقل
+
+339
+00:28:38,090 --> 00:28:43,170
+العدد ال candidates اللي موجودين عندى
+
+340
+00:28:45,440 --> 00:28:49,160
+Facilitate support counting of candidates انه كيف
+
+341
+00:28:49,160 --> 00:28:54,160
+ممكن احسن او اشوف طريقة احتفظ فيها بالعدد تبعت ال
+
+342
+00:28:54,160 --> 00:29:00,080
+candidates او اروح استخدم تكنيقى يسرع من العملية
+
+343
+00:29:00,080 --> 00:29:04,860
+كلها و باعتماد على سبيل مثال على ال processing او
+
+344
+00:29:04,860 --> 00:29:05,920
+ال parallel computing
+
+345
+00:29:09,970 --> 00:29:14,350
+لو انا اللي بدي اجسم ال database تبعتي ل two
+
+346
+00:29:14,350 --> 00:29:20,070
+partitions و امر عليهم فقط مرتين فقط مرتين an item
+
+347
+00:29:20,070 --> 00:29:24,390
+set that potentially frequent in the database must
+
+348
+00:29:24,390 --> 00:29:28,450
+frequent at least one of the partitions يعني اذا
+
+349
+00:29:28,450 --> 00:29:31,390
+جالك الله اذا انا باجسم ال database تبعتي ل two
+
+350
+00:29:31,390 --> 00:29:36,750
+partitions و بمرها ال frequent اللي هنا هي
+
+351
+00:29:36,750 --> 00:29:37,450
+frequent هنا
+
+352
+00:29:43,250 --> 00:29:50,150
+هذا مبدأه في الحسبة اللي موجودة عندها ال any items
+
+353
+00:29:50,150 --> 00:29:54,590
+that potentially frequent in database عفوا ال
+
+354
+00:29:54,590 --> 00:29:57,010
+frequently في ال database فهي هتكون frequent في
+
+355
+00:29:57,010 --> 00:30:02,110
+واحدة منهم وبالتالي
+
+356
+00:30:02,110 --> 00:30:06,490
+خلاص انا يعني مروري لأول لأول مرة انا مريت فعشان
+
+357
+00:30:06,490 --> 00:30:09,090
+اتعرف على ال frequent items فهيكون عندي دايما
+
+358
+00:30:09,090 --> 00:30:13,650
+frequent itemsالسكان الأول هو partition the
+
+359
+00:30:13,650 --> 00:30:16,850
+database partition database and find local
+
+360
+00:30:16,850 --> 00:30:19,870
+frequent patterns في ال partition الأول
+
+361
+00:30:19,870 --> 00:30:23,610
+consolidate global frequent patterns وشوف ايش ال
+
+362
+00:30:23,610 --> 00:30:26,510
+global patterns اللي موجودة في التنتين عشان هدول
+
+363
+00:30:26,510 --> 00:30:33,670
+هم اللي هيكونوا العناصر اللي موجودين عندنا reduce
+
+364
+00:30:33,670 --> 00:30:38,070
+the number of candidates ممكن انا اشتغل
+
+365
+00:30:41,590 --> 00:30:47,930
+الـ hashing bucket count الـ item k .. k item set
+
+366
+00:30:47,930 --> 00:30:56,270
+و ان انا اروح ادور على ال .. ال .. اقل من العدد
+
+367
+00:30:56,270 --> 00:30:59,510
+المطلوب انا اروح ا .. ا .. ا .. اسيبهم مابديش
+
+368
+00:30:59,510 --> 00:31:07,670
+اياهم عفوا
+
+369
+00:31:07,670 --> 00:31:10,930
+يا شباب ال .. ال .. الان فكرة ال .. ال hash bucket
+
+370
+00:31:10,930 --> 00:31:16,460
+هانان انا بدي اخد ال data تبعتي حزمة هاي ال
+
+371
+00:31:16,460 --> 00:31:19,920
+candidates اللي موجودين عندي a والb والc والd ال
+
+372
+00:31:19,920 --> 00:31:23,320
+hash entries تبعتي عبارة عن subset او sets من
+
+373
+00:31:23,320 --> 00:31:28,060
+pairs من ازواج a والb a والc الاخرين الان وكل
+
+374
+00:31:28,060 --> 00:31:34,990
+واحدة مكونة من ال item set مكونة من تلاتةالان اذا
+
+375
+00:31:34,990 --> 00:31:40,530
+من ال frequency تبعت المجموعة كلها كانت اقل من ال
+
+376
+00:31:40,530 --> 00:31:43,730
+threshold معين انا مابديش اياهم يعني فيهم على
+
+377
+00:31:43,730 --> 00:31:50,390
+الاقل element كان وزنه ضعيف وبالتالي لم يكن على
+
+378
+00:31:50,390 --> 00:31:57,590
+القدر المعين او نزلمن حجم أو نزل من مجموع الـ
+
+379
+00:31:57,590 --> 00:32:01,110
+element set لأن لو كانوا هدول كلهم frequent items
+
+380
+00:32:01,110 --> 00:32:05,550
+معناته العدد تبعهم هتتجاوز ال frequent item
+
+381
+00:32:05,550 --> 00:32:08,210
+الموجود يعني هيك لو اتكلمت انا و قولت ان ال
+
+382
+00:32:08,210 --> 00:32:12,170
+frequency تبعت كل pair ال minimum frequency خمسة
+
+383
+00:32:12,170 --> 00:32:17,570
+تمام ال minimum support تبعت كل واحد خمسة خمسة و
+
+384
+00:32:17,570 --> 00:32:18,910
+خمسة و خمسة و خمسة و خمسة و خمسة و خمسة و خمسة و
+
+385
+00:32:18,910 --> 00:32:19,410
+خمسة و خمسة و خمسة و خمسة و خمسة و خمسة و خمسة و
+
+386
+00:32:19,410 --> 00:32:20,470
+خمسة و خمسة و خمسة و خمسة و خمسة و خمسة و خمسة و
+
+387
+00:32:20,470 --> 00:32:22,590
+خمسة و خمسة و خمسة و خ
+
+388
+00:32:25,960 --> 00:32:32,400
+خمسة عشر يعني خمسة و أربعين كونه ان العدد اللي طلع
+
+389
+00:32:32,400 --> 00:32:34,980
+.. طبعا ال minimum بدأ افترض كونه العدد خمسة و
+
+390
+00:32:34,980 --> 00:32:40,400
+تلاتين طلع اقل منها اقل من الخمسة و أربعين معناته
+
+391
+00:32:40,400 --> 00:32:45,700
+في واحد من العناصر هدول تمام مش frequent item
+
+392
+00:32:46,370 --> 00:32:49,270
+وبالتالي أصبحت ال data set كلياتها not frequent
+
+393
+00:32:49,270 --> 00:32:52,890
+item هذا ممكن يبين معايا في مجموعة تانية أثناء
+
+394
+00:32:52,890 --> 00:32:58,930
+التوزيع اللي ظهرت عندي وبالتالي بقيتش بقول أن ال A
+
+395
+00:32:58,930 --> 00:33:04,250
+,B طبعا و كذلك A,D و A,E is not a candidate for
+
+396
+00:33:04,250 --> 00:33:12,520
+two item sets if the sum of count ofالـ A والـ B
+
+397
+00:33:12,520 --> 00:33:18,640
+والـ A والـ D والـ A والـ D والـ A والـ A والـ B
+
+398
+00:33:18,640 --> 00:33:23,240
+والـ A والـ B والـ A والـ D والـ A والـ A والـ D
+
+399
+00:33:23,240 --> 00:33:23,420
+والـ A والـ A والـ D والـ A والـ A والـ D والـ A
+
+400
+00:33:23,420 --> 00:33:23,500
+والـ B والـ A والـ A والـ A والـ A والـ A والـ A
+
+401
+00:33:23,500 --> 00:33:23,620
+والـ A والـ A والـ A والـ A والـ A والـ A والـ A
+
+402
+00:33:23,620 --> 00:33:24,600
+والـ A والـ A والـ A والـ A والـ A والـ A والـ A
+
+403
+00:33:24,600 --> 00:33:26,320
+والـ A والـ A والـ A والـ A والـ A والـ A والـ A
+
+404
+00:33:26,320 --> 00:33:32,540
+والـ A والـ A والـأخر شغلة تقريبا عندنا الآن اللي
+
+405
+00:33:32,540 --> 00:33:35,720
+هي الـ Sampling for Frequent Patterns انا اروح
+
+406
+00:33:35,720 --> 00:33:38,260
+اعمل Sampling للـ Frequent Patterns اللي موجود
+
+407
+00:33:38,260 --> 00:33:41,380
+عندها Select a sample of original data
+
+408
+00:33:44,690 --> 00:33:48,390
+أحصل على أشكال عادية مع الـ Sample باستخدام بريوري
+
+409
+00:33:48,390 --> 00:33:53,590
+وبهيك أنا أشغل على الـ Sample من الـ Data Set و
+
+410
+00:33:53,590 --> 00:33:56,810
+أبنيهما أسكن الـ Database مرة و أمر على الـ
+
+411
+00:33:56,810 --> 00:33:58,970
+Database مرة لأكتشف أشياء عادية
+
+412
+00:34:02,410 --> 00:34:05,690
+عشان احسب ال frequency تبعت الاعلاصر الموجودة في
+
+413
+00:34:05,690 --> 00:34:10,110
+ال sample only borders of a closure frequency
+
+414
+00:34:10,110 --> 00:34:13,350
+patterns are checked طبعا انا بدور على ال bell
+
+415
+00:34:13,350 --> 00:34:17,030
+القريبة من الحد الموجود هي اللي انا بروح بقى
+
+416
+00:34:17,030 --> 00:34:21,510
+استخدمهم انا بروح بقى ادور على ال ABCD بدل ما اروح
+
+417
+00:34:21,510 --> 00:34:25,730
+ادور على ال AB و AC لحالهملماذا يا معادل الخير؟
+
+418
+00:34:25,730 --> 00:34:30,250
+لأننا متفقين إذا كنت والله انا a والb والc والd
+
+419
+00:34:30,250 --> 00:34:33,090
+are frequent معناته أي subset هيكون frequent
+
+420
+00:34:33,090 --> 00:34:39,300
+معناته a,b frequent,ac frequent,ad frequent كذلكBC
+
+421
+00:34:39,300 --> 00:34:43,540
+frequent والـ PD frequent كذلك والـ DC frequent
+
+422
+00:34:43,540 --> 00:34:46,960
+فانا اذا حصلت على هدفه هو frequent وبالتالي انا
+
+423
+00:34:46,960 --> 00:34:51,860
+بجلل عدد ال patterns اللي انا بدي اوجدها وممكن
+
+424
+00:34:51,860 --> 00:34:56,060
+ارجع لل database مرة تانية اذا كنت انا صار في عند
+
+425
+00:34:56,060 --> 00:34:59,160
+بعض ال patterns مش ملاجئلهم او مش قادر احسبلهم
+
+426
+00:34:59,160 --> 00:35:03,820
+الان بالمختصر نقدر نقول و الله انا في عند تلت او
+
+427
+00:35:03,820 --> 00:35:08,610
+في عند تلت حالاتأو هذه التقنيات اللي عشان أحسن من
+
+428
+00:35:08,610 --> 00:35:15,830
+أداء الـ Apriori أجلل عدد مرات قراءة ال database و
+
+429
+00:35:15,830 --> 00:35:18,630
+هنشوف نحنا ممكن أن انا أجسمها ل two partitions
+
+430
+00:35:18,630 --> 00:35:23,470
+أجلل من عدد ال candidates اللي موجودين عندنا و
+
+431
+00:35:23,470 --> 00:35:27,610
+أجلل ال candidates باعتماد على عصبي للمثال ال hash
+
+432
+00:35:27,610 --> 00:35:34,060
+book table أو ال hash tableأشتغل عليه الحالة
+
+433
+00:35:34,060 --> 00:35:37,160
+التالتة ان انا فعليا اشوف كيف طريقة ممكن ان اسرع
+
+434
+00:35:37,160 --> 00:35:43,320
+فيها عملية العد فانا ممكن اروح باعتمد على موضوع ال
+
+435
+00:35:43,320 --> 00:35:48,780
+sampling لل frequent patterns ومن ثم بشتغل و بشوف
+
+436
+00:35:48,780 --> 00:35:53,620
+العناصر اللي موجودة عندها هنا هنجف ان شاء الله في
+
+437
+00:35:53,620 --> 00:35:58,380
+التسجيل هذا لان الجزئية اللي ضايلة لها علاقة في ان
+
+438
+00:35:58,380 --> 00:36:03,050
+انا كيف ممكنسأبحث عن الـ Frequent Patterns بدون أن
+
+439
+00:36:03,050 --> 00:36:08,270
+أعمل Candidate Generation
+
+440
+00:36:08,270 --> 00:36:13,210
+وهنا سأتكلم عن الـ FP Growth Approach وهذا سيكون
+
+441
+00:36:13,210 --> 00:36:16,070
+موضوعنا في التسجيل القادم إن شاء الله تعالى
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/t7uwWVN30g8.srt

@@ -0,0 +1,1721 @@
+1
+00:00:02,230 --> 00:00:04,390
+بسم الله الرحمن الرحيم الصلاة والسلام على رسول
+
+2
+00:00:04,390 --> 00:00:08,590
+الله أهلا وسهلا بكم إخواني الطلاب وأخواتي
+
+3
+00:00:08,590 --> 00:00:15,370
+الطالبات سنستكمل اليوم في هذا التسجيل موضوع الـ
+
+4
+00:00:15,370 --> 00:00:19,050
+classification model evaluation بعد أن تعرفت على
+
+5
+00:00:20,110 --> 00:00:25,050
+هي عبارة عن تحديد الـ Membership لجروب أو لكلاس معروفة
+
+6
+00:00:25,050 --> 00:00:30,070
+مسبقا، وتعرفت على مجموعة من الـ classifiers
+
+7
+00:00:30,070 --> 00:00:33,690
+بدءا من الـ k-nearest neighbor واعتماده، وشفنا أنه
+
+8
+00:00:33,690 --> 00:00:36,610
+يعتمد على الحساب على الـ similarity distance
+
+9
+00:00:36,610 --> 00:00:42,550
+وحكينا أنه يعتمد عليها أو يقارن أو باستخدام
+
+10
+00:00:42,550 --> 00:00:47,110
+different distances زي الـ Euclidean distance أو الـ
+
+11
+00:00:47,110 --> 00:00:52,600
+Manhattan distance، وتكلمنا على الـ Naive Bayes كـ
+
+12
+00:00:52,600 --> 00:00:57,280
+classifier، وشوفنا كيف الـ probability أو كيف تم
+
+13
+00:00:57,280 --> 00:00:59,400
+حساب الـ probability أو الـ conditional probability
+
+14
+00:00:59,400 --> 00:01:05,100
+وانتقلنا بعدها لموضوع الـ decision tree، وشوفنا
+
+15
+00:01:05,100 --> 00:01:08,920
+كيف بنينا الـ decision tree مع بعض، وآخر classifier
+
+16
+00:01:08,920 --> 00:01:12,080
+كان لـ neural network أو الـ multi-layer perceptron
+
+17
+00:01:12,080 --> 00:01:16,200
+أو الـ classifier كان neural network. الآن بعد ما
+
+18
+00:01:16,200 --> 00:01:20,480
+أنا بنيت  الموديل هذا، وأصبحت عملية الـ classification
+
+19
+00:01:20,480 --> 00:01:24,220
+مش لازم أنا أعرف جدوى عملية الـ classification تبعتي
+
+20
+00:01:24,220 --> 00:01:28,320
+صح، أو كده، فبتيجي عملية الـ evaluation هنا فعليا
+
+21
+00:01:28,320 --> 00:01:35,340
+عشان تقولي أنا والله بدي أقيم الأداء الموجود
+
+22
+00:01:35,340 --> 00:01:39,460
+عندي، يعني عفوا، مش العناصر، بدي أقيم أداء الـ
+
+23
+00:01:39,460 --> 00:01:42,260
+classifier اللي موجود عندي. يعني لما احنا بنتكلم
+
+24
+00:01:42,260 --> 00:01:46,830
+على evaluation يعني أن أنا بتكلم على تقييم فعلي
+
+25
+00:01:46,830 --> 00:01:52,610
+للـ classifier اللي موجود عندي، وهذا هو فحوى
+
+26
+00:01:52,610 --> 00:01:56,490
+محاضرتنا لليوم، أو في التسجيل هذا، إن شاء الله تعالى.
+
+27
+00:01:57,520 --> 00:02:00,740
+طبعا بحب أذكر فقط، بداية، أن أذكر بعض الشغلات
+
+28
+00:02:00,740 --> 00:02:04,660
+الأساسية. قلنا من الـ basic concept الخاص بالـ
+
+29
+00:02:04,660 --> 00:02:07,540
+classifier، في عندنا مصطلح الـ accuracy، وقلنا الـ
+
+30
+00:02:07,540 --> 00:02:11,280
+accuracy هي عبارة عن قدرة الـ classifier على التنبؤ
+
+31
+00:02:11,280 --> 00:02:16,220
+بشكل صحيح، وعادة بتمثل بنسبة عدد الـ prediction
+
+32
+00:02:16,220 --> 00:02:22,560
+الصحيحة على كل الـ predictions اللي سواها، على كل عمليات
+
+33
+00:02:22,560 --> 00:02:26,700
+التنبؤ اللي سواها الـ classifier اللي موجودة عنده.
+
+34
+00:02:27,990 --> 00:02:31,930
+وبالتالي سنقول إن الـ Accuracy بتشير لعملية القدرة
+
+35
+00:02:31,930 --> 00:02:36,090
+للـ classifier إنه يعمل correct prediction of the
+
+36
+00:02:36,090 --> 00:02:39,950
+class label for unseen data. وتكلمنا عن الـ Speed،
+
+37
+00:02:39,950 --> 00:02:44,210
+قلنا إنها عبارة عن computational cost الخاصة بالـ
+
+38
+00:02:44,210 --> 00:02:47,870
+classifier. لما تكلمنا عن computational cost،
+
+39
+00:02:50,350 --> 00:02:54,410
+أنا بهمني الوقت اللي بده يستغرقه الـ classifier
+
+40
+00:02:54,410 --> 00:02:58,350
+سواء في عملية الـ training أو حتى في عملية الـ
+
+41
+00:02:58,350 --> 00:03:05,870
+classification نفسها، أو الـ prediction نفسها عفوا، و
+
+42
+00:03:05,870 --> 00:03:08,430
+اتكلمنا كذلك على الـ robustness، وقولنا الـ
+
+43
+00:03:08,430 --> 00:03:12,170
+robustness هي عبارة عن قدرة الـ classifier
+
+44
+00:03:12,170 --> 00:03:17,690
+على أنه يعمل correct prediction لما يكون فيه عندي
+
+45
+00:03:17,690 --> 00:03:23,830
+noisy data. لما يكون فيه عندي noisy data، بعد
+
+46
+00:03:23,830 --> 00:03:26,690
+هيك تكلمنا على الـ scalability، وقلنا الـ scalability
+
+47
+00:03:26,690 --> 00:03:32,970
+تشير إلى قدرة الـ classifier على القدرة على أن أنا
+
+48
+00:03:32,970 --> 00:03:39,410
+فعليا أبني classifier بشكل مجدٍ في حالة وجود
+
+49
+00:03:39,410 --> 00:03:43,780
+البيانات الضخمة اللي موجودة عندي، و الـ Interpretability
+
+50
+00:03:43,780 --> 00:03:49,000
+أو قدرة على تفسير أو على فهم العناصر أو فهم
+
+51
+00:03:49,000 --> 00:03:55,840
+الإيحادات الصادرة أو المعلومات الصادرة عن الـ
+
+52
+00:03:55,840 --> 00:03:58,200
+classifier اللي موجود، وطبعا زي ما قلنا عملية
+
+53
+00:03:58,200 --> 00:04:01,440
+تفسيرها دائما عملية subjective حسب الأشخاص وحسب
+
+54
+00:04:01,440 --> 00:04:06,380
+الـ difficulties اللي أنا بدي أقيمها. فعليا عملية الـ
+
+55
+00:04:06,380 --> 00:04:10,940
+evaluation للـ classifiers أو الـ classification
+
+56
+00:04:10,940 --> 00:04:19,340
+models عملية نوعا ما فيها نوع من الخداع،
+
+57
+00:04:19,340 --> 00:04:25,640
+لكنها فعلا عملية ممكن تكون نوعا ما غير واضحة أو
+
+58
+00:04:25,640 --> 00:04:29,120
+فيها بعض الخبايا، لازم الواحد ينتبه لها. عشان هيك
+
+59
+00:04:29,120 --> 00:04:34,220
+بنقول نسميها tricky أو خداعة. طبعا لما نتكلم عن
+
+60
+00:04:34,220 --> 00:04:38,820
+evaluation، أول evaluation أو أول metric ممكن يخطر
+
+61
+00:04:38,820 --> 00:04:44,260
+في بالي هي عبارة عن الـ accuracy. أول
+
+62
+00:04:44,260 --> 00:04:47,540
+metric ممكن يخطر في بالي في التقييم أو في الـ
+
+63
+00:04:47,540 --> 00:04:51,820
+evaluation هي عبارة عن الـ accuracy، لكنها مش هي
+
+64
+00:04:51,820 --> 00:04:56,880
+الوحيدة. طبعا هنا لما نتكلم على الـ accuracy معناته
+
+65
+00:04:56,880 --> 00:05:01,840
+أنا بستخدم، باعتمدي على test set. أنا الـ training
+
+66
+00:05:01,840 --> 00:05:08,740
+set استخدمته في لحظة بناء
+
+67
+00:05:08,740 --> 00:05:13,480
+الموديل، والـ test set جا دورها عشان هي عبارة عن
+
+68
+00:05:13,480 --> 00:05:21,700
+unlabeled set، وأنا بدي أعمل لها prediction وبناءً
+
+69
+00:05:21,700 --> 00:05:25,640
+عليها بقيم الـ accuracy. في سؤال مهم جدا يا جماعة
+
+70
+00:05:25,640 --> 00:05:31,460
+الخطر، هل الـ test set هي عبارة عن labelled data أو
+
+71
+00:05:31,460 --> 00:05:36,140
+labelled set أو unlabelled set؟ كمان مرة السؤال
+
+72
+00:05:36,140 --> 00:05:39,980
+بأطرحه الآن، بقول هل الـ test set هي عبارة عن
+
+73
+00:05:39,980 --> 00:05:44,040
+labelled set أو unlabelled set؟  بجزم، هل لازم
+
+74
+00:05:44,040 --> 00:05:50,820
+يكون لها label ولا مش لازم يكون لها label؟ المفروض
+
+75
+00:05:51,690 --> 00:06:00,230
+الآن تعمل pause للـ recording هذا وتحاول تفكر
+
+76
+00:06:00,230 --> 00:06:03,690
+بالجواب. إحنا بنتذكر أن طرحنا خلال المحاضرات السابقة
+
+77
+00:06:03,690 --> 00:06:09,090
+الجواب الصحيح أنه لازم تكون labelled، لأن لو ما كانش
+
+78
+00:06:09,090 --> 00:06:12,190
+فيه label مش هقدر أعمل evaluation، مش هقدر أعرف
+
+79
+00:06:12,190 --> 00:06:14,770
+جدوى الـ prediction الصحيحة من الـ prediction الخاطئة.
+
+80
+00:06:14,770 --> 00:06:18,550
+وبالتالي الـ test set must be labelled.
+
+81
+00:06:21,470 --> 00:06:24,250
+طبعا عندي الـ methods اللي أنا ممكن أستخدمها مع الـ
+
+82
+00:06:24,250 --> 00:06:27,710
+classifier، مع الـ classification هنا، هي عبارة عن
+
+83
+00:06:27,710 --> 00:06:31,290
+مجموعة من الـ ... الـ method، أو في عندي two methods
+
+84
+00:06:31,290 --> 00:06:36,010
+أساسيات أنا بستخدمهم عشان أتنبأ أو أقدر أعمل تقدير
+
+85
+00:06:36,010 --> 00:06:40,110
+للـ accuracy الخاصة بالـ classifier. في عندنا الـ
+
+86
+00:06:40,110 --> 00:06:44,590
+holdout method، والـ holdout method بتعتمد على الـ
+
+87
+00:06:44,590 --> 00:06:49,760
+random sampling، وطبعا هنا فعليا أنا بقى زي ما قلنا
+
+88
+00:06:49,760 --> 00:06:52,640
+سابقا، وزي ما كان في الـ assignment السابق، أنا
+
+89
+00:06:52,640 --> 00:06:57,160
+فعليا الـ data set اللي موجودة عندها، بغض النظر عن
+
+90
+00:06:57,160 --> 00:07:02,460
+حجمها، بقسمها لـ two partitions، 70% على سبيل
+
+91
+00:07:02,460 --> 00:07:09,500
+المثال، للـ training، و 30% كانت
+
+92
+00:07:09,500 --> 00:07:13,380
+للـ testing. هذه الميثود بسميها holdout method، و
+
+93
+00:07:13,380 --> 00:07:18,700
+بقسم الـ data set تبعتي لـ training and test set، و
+
+94
+00:07:18,700 --> 00:07:21,220
+بعدين الطريقة الثانية اللي إحنا بنسميها الـ cross
+
+95
+00:07:21,220 --> 00:07:24,500
+validation، والـ cross validation هي عبارة عن مثل
+
+96
+00:07:24,500 --> 00:07:29,100
+ما كذلك، موجودة غالبا، معظم استخدامها لما بتكون الـ data
+
+97
+00:07:29,100 --> 00:07:36,600
+set تبعتي حجمها قليل. هروح بتفاصيلها بشكل كويس. طبعا
+
+98
+00:07:36,600 --> 00:07:41,260
+لما أتكلم على cross validation، طريقة ممتازة جدا،
+
+99
+00:07:41,260 --> 00:07:46,160
+بحيث أنه أنا أعرض الـ data set بالكامل في الـ
+
+100
+00:07:46,160 --> 00:07:50,980
+training على أجزاء مختلفة، وكذلك بأختبر كل الـ data
+
+101
+00:07:50,980 --> 00:07:54,900
+set، وبطلع بالمتوسط اللي موجود. لما أنا بتكلم على
+
+102
+00:07:54,900 --> 00:07:58,180
+cross validation، بتكلم إن هي عبارة عن statistical
+
+103
+00:07:58,180 --> 00:08:02,270
+method تستخدم من أجل الـ evaluation للـ
+
+104
+00:08:02,270 --> 00:08:05,170
+generalization. الـ generalization جماعة الخير،
+
+105
+00:08:05,170 --> 00:08:10,470
+المقصود فيها هنا أن أنا بأتكلم، قاعد على أو بتكلم
+
+106
+00:08:10,470 --> 00:08:16,670
+على قدرة النظام على التنبؤ الصحيح، هو إتعلم بناءً
+
+107
+00:08:16,670 --> 00:08:22,070
+على الـ training data. الآن أنا ببدأ أشوف فعليا كيف
+
+108
+00:08:22,070 --> 00:08:25,610
+أداء النظام، أو ده الـ model اللي موجود عندي هنا.
+
+109
+00:08:25,910 --> 00:08:29,510
+فكلمة الـ model بيقدر يتعامل أو يكون أداء تبعه
+
+110
+00:08:29,510 --> 00:08:33,270
+بكون كويس مع unseen data، معناته هو more general.
+
+111
+00:08:33,270 --> 00:08:36,910
+More general يعني ما انبنى فقط من أو مكان مش
+
+112
+00:08:36,910 --> 00:08:40,830
+specific للـ training data اللي استخدمناها، بل
+
+113
+00:08:40,830 --> 00:08:44,790
+بالعكس هو شغال على general data set، على أي data
+
+114
+00:08:44,790 --> 00:08:48,750
+set هيشتغل بكفاءة كويسة. طبعا الـ performance data
+
+115
+00:08:48,750 --> 00:08:50,730
+are more stable.
+
+116
+00:08:55,210 --> 00:09:01,010
+Using split، طبعا
+
+117
+00:09:01,010 --> 00:09:03,770
+اللي متكلم عن الـ cross validation، نتكلم إنه الـ
+
+118
+00:09:03,770 --> 00:09:07,690
+performance هذا، أو خلنا نقول الـ estimation تبعت الـ
+
+119
+00:09:07,690 --> 00:09:11,330
+accuracy أو الـ performance تبعت الـ model هنا
+
+120
+00:09:11,330 --> 00:09:16,410
+هتكون أكثر موثوقية أو أكثر ثباتا، ما إنه لو أنا
+
+121
+00:09:16,410 --> 00:09:20,690
+فعليا قسمت الـ data set لـ training أو testing، لأن
+
+122
+00:09:20,690 --> 00:09:25,360
+موضوع الـ randomness بيعمل فعلا مشكلة حقيقية، فالـ
+
+123
+00:09:25,360 --> 00:09:28,380
+cross validation، بدل ما أنا أقسم الـ data set
+
+124
+00:09:28,380 --> 00:09:35,340
+لمجموعتين، فعليا أنا بقسم الـ data بشكل متكرر،
+
+125
+00:09:35,340 --> 00:09:37,600
+repeatedly. شو يعني؟
+
+126
+00:09:40,410 --> 00:09:44,890
+مفهومها أنه أنا فعليا بروح بأقسم، افترض أن هذه
+
+127
+00:09:44,890 --> 00:09:49,890
+الخط، الـ data، كل واحد من الـ rows هاي بمثل الـ data
+
+128
+00:09:49,890 --> 00:09:54,350
+set كاملة. الفكرة فيها أنه أنا أقسمها لمجموعة من الـ
+
+129
+00:09:54,350 --> 00:09:58,350
+folds، والـ fold هذه واحدة منهم تستخدم للـ training،
+
+130
+00:09:58,350 --> 00:10:06,460
+والباقي يستخدم، عفوا، واحدة للـ test، والباقي يستخدم للـ
+
+131
+00:10:06,460 --> 00:10:11,400
+training. يعني تخيل لو أنا قلت هي الـ data set اللي
+
+132
+00:10:11,400 --> 00:10:14,560
+موجودة عندي. سامحوني أنا مش قادر أعمل control كتير
+
+133
+00:10:14,560 --> 00:10:17,420
+على الـ mouse أو على الـ pen اللي موجود معايا.
+
+134
+00:10:18,550 --> 00:10:22,390
+قسمتها لأربعة أجزاء، فبشكل متكرر باجي بقول والله
+
+135
+00:10:22,390 --> 00:10:26,570
+الجزء هذا الآن هو المخصص للـ training، والتلاتة هدول
+
+136
+00:10:26,570 --> 00:10:31,410
+ع��وا، للـ test، والتلاتة هدول المخصصين لمين؟ لموضوع الـ
+
+137
+00:10:31,410 --> 00:10:35,290
+training. في الدورة الثانية بحدد هذا للـ test،
+
+138
+00:10:35,290 --> 00:10:40,810
+والباقي هذا كله للـ training. ولاحظوا في كل مرة أنا
+
+139
+00:10:40,810 --> 00:10:43,750
+بعتمد على القيمة اللي بتطلع من موضوع الـ testing
+
+140
+00:10:43,750 --> 00:10:49,580
+هنا، الـ accuracy. الـ accuracy، الـ Accuracy وليس
+
+141
+00:10:49,580 --> 00:10:52,280
+بالضرورة في كل مرة تديني نفس القيمة، بالعكس، تديني
+
+142
+00:10:52,280 --> 00:10:58,640
+قيم مختلفة. في النهاية أحصل على أو أحاول أخد الـ
+
+143
+00:10:58,640 --> 00:11:02,380
+average الخاصة بالـ Accuracy اللي موجودة. هيك عشان
+
+144
+00:11:02,380 --> 00:11:06,260
+هيك بنقول إن فعليا إن الـ cross validation more
+
+145
+00:11:06,260 --> 00:11:09,540
+stable. لكن فعليا لو أنا كانت عندي الـ data set  كبيرة،
+
+146
+00:11:09,540 --> 00:11:14,170
+data set كبيرة كبيرة، زي ما بتكلم 100 ألف
+
+147
+00:11:14,170 --> 00:11:17,890
+record أو 50 ألف record، ورحت والله أنا
+
+148
+00:11:17,890 --> 00:11:21,910
+أخذت منها 30%، وعارف أنه في استخدام الـ stratified
+
+149
+00:11:21,910 --> 00:11:26,970
+sampling عشان أضمن إن في عندي balance في الـ data
+
+150
+00:11:26,970 --> 00:11:32,870
+اللي موجودة عندي، ما بين الـ different classes
+
+151
+00:11:32,870 --> 00:11:36,790
+أو different labels، بتديني نتيجة برضه موثوقة، و
+
+152
+00:11:36,790 --> 00:11:40,340
+ممكن تكون أسرع من الـ cross validation. تمام، بغض
+
+153
+00:11:40,340 --> 00:11:44,240
+النظر، الطريقة اللي اتبعتها كانت الـ K-fold cross
+
+154
+00:11:44,240 --> 00:11:48,000
+-validation. طبعا الـ K نرمز لها هنا، اللي هي عدد الـ
+
+155
+00:11:48,000 --> 00:11:53,000
+folds اللي أنت بدك تقسم فيها الـ data set. يعني أنا لما
+
+156
+00:11:53,000 --> 00:11:55,800
+أقول لك مثلا، بالمثال اللي موجود عندنا على الـ slide،
+
+157
+00:11:55,800 --> 00:12:01,220
+فعليا أنا خمسة، معناته في كل part بيمثل 20% في
+
+158
+00:12:01,220 --> 00:12:03,820
+الـ المئة، 20% testing، و 80%
+
+159
+00:12:03,820 --> 00:12:07,020
+training. لاحظوا إن أنا زي مرحلة الـ training ممكن
+
+160
+00:12:07,020 --> 00:12:13,360
+أقوم بقسمها لـ عشرة، 10% testing، و 90% training. في حالتي أنا حاولت أرسمها أربعة،
+
+161
+00:12:13,360 --> 00:12:17,000
+20% testing، و 75%
+
+162
+00:12:17,000 --> 00:12:20,740
+training. فحسب الـ data أو حسب تقسيمك للـ data اللي
+
+163
+00:12:20,740 --> 00:12:25,300
+موجودة عندك. تمام. من الشغلات المهمة جدا اللي لازم
+
+164
+00:12:25,300 --> 00:12:29,730
+نستوعبها، أنا أصح، اللي هي الـ classification في الـ
+
+165
+00:12:29,730 --> 00:12:33,230
+classification model، الـ confusion matrix. طبعا عشان
+
+166
+00:12:33,230 --> 00:12:36,710
+تبسيط المفهوم، هشتغل فقط على two classes، على binary
+
+167
+00:12:36,710 --> 00:12:42,890
+classification، class A و class B، أو class 1 (C1) و
+
+168
+00:12:42,890 --> 00:12:47,710
+C2، اللي هما ممكن يكونوا positive و negative، يعني
+
+169
+00:12:47,710 --> 00:12:52,010
+لو أنا افترضت أن class 1 هذا positive وهذا negative،
+
+170
+00:12:52,010 --> 00:12:58,050
+positive و negative. الآن من اسمها confusion matrix،
+
+171
+00:12:58,050 --> 00:13:05,790
+مصفوفة
+
+172
+00:13:05,790 --> 00:13:08,890
+الـلخمة، أو مصفوفة التشتت، أو سميها زي ما بدك، أنا
+
+173
+00:13:08,890 --> 00:13:19,010
+بستخدمها لإنه فعليا بتديني بشكل واضح، وين الـ data
+
+174
+00:13:19,010 --> 00:13:26,590
+set تبعتي راحت. الفكرة أنه الآن لو أنا قلت أن
+
+175
+00:13:26,590 --> 00:13:32,910
+الـ matrix طبعا هذه الـ matrix بنتبتها دائما عشان ما
+
+176
+00:13:32,910 --> 00:13:36,010
+نعملش مشكلة عند البعض، لكن حتى لو اختلفت الـ matrix
+
+177
+00:13:36,010 --> 00:13:42,370
+كتير، أنا بعمل لها transpose، يعني ممكن أعمل
+
+178
+00:13:42,370 --> 00:13:
+
+223
+00:16:58,780 --> 00:17:02,480
+طيب بالنسبة للـ class الثاني هو عملها prediction
+
+224
+00:17:02,480 --> 00:17:08,500
+على إنها class one يعني هو قال إنها positive لكنه
+
+225
+00:17:08,500 --> 00:17:12,570
+الـ prediction هذا خطأ. ��يش؟ لأنها في الحقيقة تنتمي
+
+226
+00:17:12,570 --> 00:17:16,250
+لـ class 2 اللي هو الـ negative فهي فعلياً negative
+
+227
+00:17:16,250 --> 00:17:19,710
+ولكن عملها prediction على إنها positive فهي false
+
+228
+00:17:19,710 --> 00:17:25,350
+positive تمام؟ وتبقى عندها الـ true negative هي
+
+229
+00:17:25,350 --> 00:17:30,110
+class 2، صنفتها على class 2 صحيح؟ وبالتالي هي عبارة
+
+230
+00:17:30,110 --> 00:17:33,990
+عن true negative. يعني فعلياً لو أنا بدي أفكر
+
+231
+00:17:33,990 --> 00:17:37,630
+بالجدول أو بـ confusion matrix لما أنا بدي أنشئها
+
+232
+00:17:37,630 --> 00:17:45,950
+بشكل صحيح. أي الجدول هو
+
+233
+00:17:45,950 --> 00:17:51,250
+فيه
+
+234
+00:17:51,250 --> 00:18:01,250
+مساحة بالـ powerpoint ولا ما فيش eraser
+
+235
+00:18:01,250 --> 00:18:05,810
+تمام
+
+236
+00:18:05,810 --> 00:18:08,490
+رجعها لشيء
+
+237
+00:18:17,740 --> 00:18:23,380
+الآن احنا متفقين هنا أن أنا فعلياً هنا عند الـ
+
+238
+00:18:23,380 --> 00:18:27,400
+actual والأعمدة الـ predicted
+
+239
+00:18:34,130 --> 00:18:40,910
+C2، C1، و C2 حسب الرسمة اللي موجودة. عندها حاجة
+
+240
+00:18:40,910 --> 00:18:46,930
+إعادة. الآن كم واحدة فعلياً بتنتمي لـ class one وعملها
+
+241
+00:18:46,930 --> 00:18:49,590
+prediction في الـ class one صحيح، في الـ positive
+
+242
+00:18:49,590 --> 00:18:55,550
+واحدة، اثنتين، ثلاث، أربع، تمام
+
+243
+00:18:55,550 --> 00:19:02,410
+طيب، وهذول هذيه
+
+244
+00:19:02,410 --> 00:19:06,880
+وهذه، هم أصلاً negative، class 2، لكن عمل لهم prediction
+
+245
+00:19:06,880 --> 00:19:14,840
+هان، تمام. نجي للحالة الـ negative، هي بتنتمي لـ class 1
+
+246
+00:19:14,840 --> 00:19:18,280
+لكن عمل لها prediction في class 2 اللي هم الخضر اللي
+
+247
+00:19:18,280 --> 00:19:22,340
+هان، اثنين لو
+
+248
+00:19:22,340 --> 00:19:27,140
+عديت الخضر: اثنين، أربعة، ستة، هي المجموع، وهان لازم
+
+249
+00:19:27,140 --> 00:19:33,850
+يكون هنا في عندي… عشان يكتمل عدد 2.68، فهذه هي
+
+250
+00:19:33,850 --> 00:19:37,970
+فعلياً الـ confusion matrix اللي أنا راح اشتغل عليها، تمام
+
+251
+00:19:37,970 --> 00:19:41,590
+الآن الـ accuracy، كون أن أنا حسبت الـ confusion
+
+252
+00:19:41,590 --> 00:19:46,870
+matrix، اتفقنا أن الـ accuracy هي عبارة عن الـ ratio
+
+253
+00:19:46,870 --> 00:19:56,030
+عدد، نسبة الـ test table اللي صنفتها بشكل صحيح. مين هم؟
+
+254
+00:19:56,030 --> 00:20:02,900
+الـ true positive والـ true negative، ولا لأ؟ تمام
+
+255
+00:20:02,900 --> 00:20:06,700
+معناته الـ true positive صحيحة، والـ true negative
+
+256
+00:20:06,700 --> 00:20:11,780
+صحيحة. هدول صحيحات، فبجمع هذه وهذه على كل عناصر
+
+257
+00:20:11,780 --> 00:20:14,300
+المصفوفة اللي موجودة عندي، بكون حصلت على الـ
+
+258
+00:20:14,300 --> 00:20:18,620
+accuracy على كل predict، على الـ cardinality تبعت الـ
+
+259
+00:20:18,620 --> 00:20:23,700
+test set اللي أنا باتكلم عليها. واضحة كمان مرة، الـ
+
+260
+00:20:23,700 --> 00:20:28,580
+accuracy هي عبارة عن نسبة الـ rows أو الـ tables
+
+261
+00:20:28,580 --> 00:20:32,600
+اللي في الـ test set اللي نجح الـ classifier فيه
+
+262
+00:20:32,600 --> 00:20:39,260
+تصنيفها على حجم الـ test set اللي موجودة عندي، تمام
+
+263
+00:20:39,260 --> 00:20:44,780
+بالمثال السابق، لو أنا بدي أرجع هان، الـ prediction
+
+264
+00:20:44,780 --> 00:20:54,000
+تبعي عبارة عن الـ… هان، عفواً، أربعة
+
+265
+00:20:54,000 --> 00:21:03,510
+زائد 6 على 15، لأن كل الـ data 6 بعد 15 element
+
+266
+00:21:03,510 --> 00:21:09,470
+عديناها قبل شوية، يعني بين جثتين 12 على 15، لو أنا
+
+267
+00:21:09,470 --> 00:21:14,970
+بتتكلم على 3، بتتكلم على 4، على 5، معناته أنا بتتكلم
+
+268
+00:21:14,970 --> 00:21:19,790
+جايب حدود الـ accuracy تبعي 80%
+
+269
+00:21:22,870 --> 00:21:26,790
+تمام. طبعاً الـ accuracy عكسها في عندها الـ error rate
+
+270
+00:21:26,790 --> 00:21:29,650
+طبعاً ممكن في عندي مصطلح ثاني ممكن أستخدمه مع الـ
+
+271
+00:21:29,650 --> 00:21:35,190
+accuracy اللي هو إيش؟ الـ recognition rate، وطبعاً
+
+272
+00:21:35,190 --> 00:21:38,070
+برضه من المصطلحات المستخدمة accuracy أو
+
+273
+00:21:38,070 --> 00:21:41,090
+recognition rate نفس المعنى. في عندي الـ error rate
+
+274
+00:21:41,090 --> 00:21:44,710
+الـ error rate طبعاً، أعلى نسبة اللي هي واحد- صحيح
+
+275
+00:21:44,710 --> 00:21:49,410
+يعني احنا قبل شوية كانت عندي 80%، 5 على 4 يعني 8 من
+
+276
+00:21:49,410 --> 00:21:55,830
+10، الـ error rate تساوي واحد ناقص 8 من 10 وتساوي
+
+277
+00:21:55,830 --> 00:22:01,810
+point اتنين من عشرة أو بين جثتين اللي هي عشرين في المئة
+
+278
+00:22:01,810 --> 00:22:05,150
+يعني هذا مقدار الـ error rate أو بين جثتين الـ error
+
+279
+00:22:05,150 --> 00:22:08,990
+rate زي ما احنا شايفين هنا هي عبارة عن الـ false
+
+280
+00:22:08,990 --> 00:22:11,250
+positive والـ false negative
+
+281
+00:22:14,470 --> 00:22:17,770
+له فعلياً اللي أخطأ فيه تصنيفهم، اللي أخطأ فيه
+
+282
+00:22:17,770 --> 00:22:21,290
+تصنيفهم. طبعاً، جامعة الخير، هنا في شغل مهم جداً. طيب
+
+283
+00:22:21,290 --> 00:22:23,610
+هذا يا دكتور في حالة الـ binary classification، لو
+
+284
+00:22:23,610 --> 00:22:26,490
+حد اتقرح على أي سؤال وقال يا دكتور هذا في حالة الـ
+
+285
+00:22:26,490 --> 00:22:30,910
+binary classification، طيب شوف حالة الـ multiple
+
+286
+00:22:30,910 --> 00:22:33,390
+class، يعني لو كانت المصفوفة تبعي الـ confusion
+
+287
+00:22:33,390 --> 00:22:42,830
+matrix تبعي ثلاثة في ثلاثة، إيش
+
+288
+00:22:42,830 --> 00:22:48,350
+ممكن نعمل… خلينا نعتمد نفس التوزيع السابق، الـ
+
+289
+00:22:48,350 --> 00:22:54,910
+actual في الأعمدة، الـ actual في الصفوف، والـ
+
+290
+00:22:54,910 --> 00:23:00,270
+predicted في الأعمدة. معناته هذه راح تكون true
+
+291
+00:23:00,270 --> 00:23:07,270
+positive أو هذه false
+
+292
+00:23:07,270 --> 00:23:10,740
+negative، فالس…
+
+293
+00:23:27,780 --> 00:23:31,820
+بوزيتف لكن حط لي إياهم false negative، يعني هم جالسين
+
+294
+00:23:31,820 --> 00:23:35,360
+… هو يفسر… يعني بفهم هيكل، يعني C2 و C3 not
+
+295
+00:23:35,360 --> 00:23:39,200
+positive، يعني negative، فخذ لي إياهم هان كمان في الـ
+
+296
+00:23:39,200 --> 00:23:47,040
+class الثاني، راح تكون هذه true negative، وهذه false
+
+297
+00:23:47,040 --> 00:23:55,580
+positive، false positive لـ C1، عفواً، عفواً هي C2 وهي
+
+298
+00:23:55,580 --> 00:24:06,300
+C3، وهنا راح تكون false negative، false
+
+299
+00:24:06,300 --> 00:24:09,540
+negative، false negative، false negative، false negative،
+
+300
+00:24:09,540 --> 00:24:11,220
+false negative، false negative، false negative، false
+
+301
+00:24:11,220 --> 00:24:12,280
+negative، false negative، false negative، false
+
+302
+00:24:12,280 --> 00:24:13,540
+negative، false negative، false negative، false negative،
+
+303
+00:24:13,540 --> 00:24:16,920
+false negative، false negative، false negative، false
+
+304
+00:24:16,920 --> 00:24:25,260
+negative، false negative، false negative، هذا الكلام الـ Accuracy
+
+305
+00:24:25,260 --> 00:24:31,800
+ممتازة في حالة أن العناصر أو الـ class is balanced
+
+306
+00:24:31,800 --> 00:24:35,300
+يعني بين جثتين سبعة وثمانية، جرب من بعض خمسين،
+
+307
+00:24:35,300 --> 00:24:40,020
+خمسين، ثلاثين، ثلاثين، ثلاثين، أو خمسين خمسين خمسين في
+
+308
+00:24:40,020 --> 00:24:43,500
+حالة الـ IRIS data set، الـ balance بين الـ classes
+
+309
+00:24:43,500 --> 00:24:47,680
+موجودة. لكن فعلياً لما أنا بتكلم على الـ diseases أو
+
+310
+00:24:47,680 --> 00:24:51,060
+في اللي بتكلم على الـ fraud detection، عمليات النصب
+
+311
+00:24:51,060 --> 00:24:55,620
+في، بوضع الـ classes in balance، شو يعني in
+
+312
+00:24:55,620 --> 00:24:58,480
+balance؟ أنه عدد الـ elements في الكل، وعدد الـ rows
+
+313
+00:24:58,480 --> 00:25:05,320
+مع كل class غير متساوية. طبعاً أجيب المثال أوضح، الله
+
+314
+00:25:05,320 --> 00:25:09,100
+يعافيكم كم مرة وأهليكم جميعاً، لأن كم واحد بنعمل له
+
+315
+00:25:09,100 --> 00:25:15,010
+فحص كورونا حول العالم… مئات الألوف، عشرات الألوف، بلاش
+
+316
+00:25:15,010 --> 00:25:19,370
+مئات الألوف، كم واحد بتثبت معه الحالة؟ أقل كثير
+
+317
+00:25:19,370 --> 00:25:26,350
+وبالتالي عدد الـ negative أكبر بكثير من عدد الـ
+
+318
+00:25:26,350 --> 00:25:32,210
+positive. ممتاز. طيب لو أنا سألت سؤال: مين أختار؟ واحد
+
+319
+00:25:32,210 --> 00:25:35,490
+ما عندهوش فيروس وقال للـ system لأ، أن هذا عنده فيروس
+
+320
+00:25:35,490 --> 00:25:41,760
+كورونا، ولا واحد عنده فيروس كورونا والـ system قال له
+
+321
+00:25:41,760 --> 00:25:48,480
+إنه ما عندهوش؟ شو رأيكم؟ يعني نسبة الخطأ مع الـ
+
+322
+00:25:48,480 --> 00:25:50,960
+positive ولا الخطأ مع الـ negative هي الأخطر
+
+323
+00:25:50,960 --> 00:25:55,820
+بالنسبة لنا. كلامك صح، أو كلامك صح الآن، لأنه احنا
+
+324
+00:25:55,820 --> 00:26:01,240
+فعلياً لما أخطأ الـ system وقال له إنه هذا negative
+
+325
+00:26:02,050 --> 00:26:06,030
+false negative، كانت مصيبة بالنسبة لي، لأن هذا
+
+326
+00:26:06,030 --> 00:26:10,150
+الإنسان سيتعدي
+
+327
+00:26:10,150 --> 00:26:13,490
+الناس، وبالتالي المرض سينتشر، لأنه مش معنى ونهيك عن
+
+328
+00:26:13,490 --> 00:26:17,650
+الأضرار الصحية اللي تحدث معه. لكن لو واحد negative
+
+329
+00:26:17,650 --> 00:26:21,290
+ما عندهوش المرض، والـ system قال إنه عنده المرض، إيش
+
+330
+00:26:21,290 --> 00:26:24,990
+هنعمل له؟ هناخذه، نحطه في الـ health care أو في الحجر
+
+331
+00:26:24,990 --> 00:26:30,540
+الصحي، وبعدين ندي له عناية صحية حسب حالته. في ضرر
+
+332
+00:26:30,540 --> 00:26:34,180
+في الموضوع؟ حتماً ما فيش ضرر. وبالتالي لما بكون في الـ
+
+333
+00:26:34,180 --> 00:26:39,220
+class imbalance، الـ accuracy تبعي مش صحيحة، ليش؟
+
+334
+00:26:39,220 --> 00:26:43,200
+أو بتبقى، عفواً، غير معبرة بشكل صحيح، لأن لو تخيلت
+
+335
+00:26:43,200 --> 00:26:51,820
+أن هنا أنا عدد العناصر بدي أشتغل هيك، أن عدد
+
+336
+00:26:51,820 --> 00:26:54,260
+العناصر اللي أنا بدي أفحصها 100 ألف
+
+337
+00:26:58,340 --> 00:27:06,760
+وفعلياً، أو الـ data set تبعي للهيئة كلها كان في
+
+338
+00:27:06,760 --> 00:27:14,140
+عندي مثلاً عشرة آلاف positive، و
+
+339
+00:27:14,140 --> 00:27:22,600
+تسعين ألف negative، ولما عملت prediction، اجى قال
+
+340
+00:27:22,600 --> 00:27:31,710
+لي والله من العشرة آلاف هدول أنا جبت تسعة آلاف صح، و
+
+341
+00:27:31,710 --> 00:27:46,110
+ألف ما جبتهوش. في المقابل، هذا الألف صنفته هان، أو
+
+342
+00:27:46,110 --> 00:27:49,210
+بالأحرى قال لي أنا ما أخطأت ولا حاجة هان، أو خلينا
+
+343
+00:27:49,210 --> 00:27:54,910
+نقول أخطأ، أخطأ لي بألف هان، وجاب لي هان ثمانين ألف
+
+344
+00:28:00,700 --> 00:28:08,680
+فعلياً الـ accuracy تبعي راح تكون تسعة وثمانين ألف
+
+345
+00:28:08,680 --> 00:28:15,680
+على مئة
+
+346
+00:28:15,680 --> 00:28:20,300
+ألف، صح؟ فالنسبة تبعي تسعة وثمانين في المئة، الـ
+
+347
+00:28:20,300 --> 00:28:24,560
+accuracy عالية
+
+348
+00:28:24,560 --> 00:28:29,040
+وممتازة، وما شاء الله عليها، لكنها تحمل في طياتها
+
+349
+00:28:29,040 --> 00:28:37,840
+خطورة شديدة جداً، مع من… مع الناس هذول، مع
+
+350
+00:28:37,840 --> 00:28:42,880
+الله، هان، تمام. وبالتالي الـ Accuracy بطلت عندي مجدية
+
+351
+00:28:42,880 --> 00:28:45,400
+لأن الـ 98% محدش يقول عن نسبة منخفضة، بالعكس
+
+352
+00:28:45,400 --> 00:28:49,080
+نسبة عالية، لكنه في عندي مشكلة في الـ evaluation
+
+353
+00:28:49,080 --> 00:28:52,980
+تمام. وبالتالي أنا ممكن أصبح أدور على شغل اسمها الـ
+
+354
+00:28:52,980 --> 00:28:57,220
+sensitivity، الحساسية، وطبعاً هنا بتكلم على الـ true
+
+355
+00:28:57,220 --> 00:29:02,960
+positive rate، الـ true positive rate، اللي هي
+
+356
+00:29:02,960 --> 00:29:11,720
+نسبة 9000 على العشرة آلاف. وكذلك في عندي الـ
+
+357
+00:29:11,720 --> 00:29:18,900
+specificity، التخصيص، اللي هي نسبة الـ true negative
+
+358
+00:29:18,900 --> 00:29:23,960
+rate، جد، عشان أفصل أنا… هو الـ accuracy بعد ما حصلت
+
+359
+00:29:23,960 --> 00:29:30,060
+عليها، مين كان فيه نسبته أعلى عشان أضيفه، ومش بس هيك
+
+360
+00:29:30,060 --> 00:29:33,520
+جايلي، ممكن أنا أتكلم على other metrics، وهذه أهم
+
+361
+00:29:33,520 --> 00:29:39,120
+اللي بنسميها احنا الـ precision
+
+362
+00:29:44,430 --> 00:29:47,210
+الـ precision أو الـ exactness هي عبارة عن الـ
+
+363
+00:29:47,210 --> 00:29:53,310
+ratio لمجموعة الـ tables
+
+364
+00:29:53,310 --> 00:29:58,630
+الـ classifier صنفها على أنهم positive وهم فعلياً
+
+365
+00:29:58,630 --> 00:30:03,190
+positive، نسبة
+
+366
+00:30:03,190 --> 00:30:07,070
+الـ labelled اللي جاء عليها positive وهي فعلياً
+
+367
+00:30:07,070 --> 00:30:09,810
+positive على كل الـ actual positive اللي موجودة
+
+368
+00:30:09,810 --> 00:30:12,390
+عندها، وين الـ actual positive؟
+
+369
+00:30:18,800 --> 00:30:22,720
+الـ actual هو اللي موجود في جامعة الخير في الأعمدة،
+
+370
+00:30:22,720 --> 00:30:37,440
+في العمود، في الصفوف. الآن الـ true positive هي جل…
+
+371
+00:30:37,440 --> 00:30:40,720
+الـ true positive على كل العناصر، صنفتها على
+
+372
+00:30:40,720 --> 00:30:44,220
+إنها positive، عشان أجيب نسبة الـ actual positive
+
+373
+00:30:44,220 --> 00:30:49,230
+الحقيقية اللي موجودة عندها، as positive are actually
+
+374
+00:30:49,230 --> 00:30:53,750
+positive، نسبة الـ positive الحقيقية. فهنا لما أتكلم
+
+375
+00:30:53,750 --> 00:30:57,270
+عن الـ precision أو الـ exactness، بتكلم عليها عناصر
+
+376
+00:30:57,270 --> 00:31:02,330
+العمود الأول، تمام؟ لما بأجي بتكلم على الـ recall
+
+377
+00:31:02,330 --> 00:31:07,550
+أو الـ completeness، بتكلم فعلياً على نسبة الـ
+
+378
+00:31:07,550 --> 00:31:11,130
+positive doubles، واللي فعلياً تم تصنيفها على إنها
+
+379
+00:31:11,130 --> 00:31:15,630
+positive، نسبة الـ positive doubles اللي صنفت على
+
+380
+00:31:15,630 --> 00:31:19,890
+إنها positive بشكل صحيح. وين الـ positive؟ هي الصف
+
+381
+00:31:19,890 --> 00:31:24,810
+الأول اللي
+
+382
+00:31:24,810 --> 00:31:29,090
+احنا قلنا عليها sensitivity قبل لحظات، وبالتالي الـ
+
+383
+00:31:29,090 --> 00:31:34,430
+TP بتروح الـ true
+
+384
+00:31:34,430 --> 00:31:39,550
+positive على المجموع اللي موجود عندي الـ TP والـ FN
+
+385
+00:31:39,550 --> 00:31:45,670
+تمام. ما عندي الـ F… ما عندي الـ … بما أن في عندي
+
+386
+00:31:45,670 --> 00:31:50,730
+الـ precision والـ recall، هدول متغيرات مختلفة. قال
+
+387
+00:31:50,730 --> 00:31:54,210
+في ناس فكرت جالكس نعملهم combination ما بين
+
+388
+00:31:54,210 --> 00:32:00,350
+الـ precision والـ recall في metric واحد، وسموه ليا
+
+389
+00:32:00,350 --> 00:32:08,530
+الـ F-measure، ودمجوا فيه الـ precision والـ recall
+
+390
+00:32:08,530 --> 00:32:12,710
+وكان هو يساوي 2 ضرب الـ precision ضرب الـ recall على
+
+391
+00:32:12,710 --> 00:32:15,790
+مجموع الـ recall والـ precision، أو بين قوسين هي الـ
+
+392
+00:32:15,790 --> 00:32:20,730
+F1، وهذا أنا بأستخدمه لما عادة بأفكر بالمقارنة ما
+
+393
+00:32:20,730 --> 00:32:24,740
+بين two different classifiers. الآن أنا في عندي two
+
+394
+00:32:24,740 --> 00:32:27,500
+different classifiers، وبدي أقارن بين الأداء تبعهم.
+
+395
+00:32:27,500 --> 00:32:30,740
+واحد ممكن يتفكر بالـ accuracy، الـ accuracy ممكن تكون
+
+396
+00:32:30,740 --> 00:32:34,420
+متساوية ما بين الإثنين، ما بضيش ممكن أساوي… ممكن أروح
+
+397
+00:32:34,420 --> 00:32:37,940
+على اتجاه الـ F-measure اللي أنا… ممكن تكون طبعاً أنتم
+
+398
+00:
+
+445
+00:36:53,820 --> 00:36:58,960
+إنه خلت الـ target تبعتي No وقولت
+
+446
+00:36:58,960 --> 00:37:01,600
+أنا بدي أحسب الـ recall و الـ precision لاحظوا الـ
+
+447
+00:37:01,600 --> 00:37:05,530
+accuracy ما اتغيرتش لكن أنا عيد ترتيب الأعمدة يعني
+
+448
+00:37:05,530 --> 00:37:07,930
+برينج وستين صار اهتمامي هنا highly true positive
+
+449
+00:37:07,930 --> 00:37:11,370
+لاحظوا أن الـ precision تبعتي جدّاش عالية صارت و الـ
+
+450
+00:37:11,370 --> 00:37:14,910
+recall تبعتي جدّاش عالية على كل مقالة زي ما قلنا الـ
+
+451
+00:37:14,910 --> 00:37:18,470
+perfect value تبعتنا هنا حكينا أن الـ perfect أو الـ
+
+452
+00:37:18,470 --> 00:37:23,990
+score is one كذلك مع الـ precision، الـ perfect score
+
+453
+00:37:23,990 --> 00:37:28,290
+هو 1، وبهيك أنا بكون بدي أعمل evaluation للـ classes
+
+454
+00:37:28,290 --> 00:37:31,650
+اللي موجودة عندها وبالتالي أنا ��دي انتبه دائماً للـ
+
+455
+00:37:31,650 --> 00:37:34,710
+class اللي موجودة بالنسبة للـ code اللي له علاقة بالـ
+
+456
+00:37:34,710 --> 00:37:39,550
+بايثون. أنا هنا رحت أعمل import للـ data set كان
+
+457
+00:37:39,550 --> 00:37:43,970
+المعتاد على نفس المثال السابق، رحت أعمل import
+
+458
+00:37:43,970 --> 00:37:47,210
+عشان أعمل split للـ data set، والمفروض أن أنتم هاي
+
+459
+00:37:47,210 --> 00:37:51,590
+جربتوها من خلال الـ assignment اللي سلمتوه، فأنا حصلت
+
+460
+00:37:51,590 --> 00:37:55,850
+على الـ training set اللي هنا من خلال الـ split هذه
+
+461
+00:37:55,850 --> 00:37:59,790
+train test split جسمت لي أو أدتني نتيجة، أدتني four
+
+462
+00:37:59,790 --> 00:38:05,010
+different set، الـ X train و الـ label تبعتها
+
+463
+00:38:08,770 --> 00:38:17,890
+الـ Y للـ labels و X للـ attributes و الـ test text test
+
+464
+00:38:17,890 --> 00:38:21,470
+و الـ Y test، طبعاً قلت له هنا تلاتين في المئة نسبة
+
+465
+00:38:21,470 --> 00:38:25,010
+الـ test، تلاتين في المئة، وطبعاً هضل الباقي للتدريب
+
+466
+00:38:26,020 --> 00:38:29,600
+من الـ target data، واستدعيت Naive Bayes على سبيل
+
+467
+00:38:29,600 --> 00:38:36,180
+المثال، ورحت وقلت جوسان Naive Bayes، استدعيت الـ
+
+468
+00:38:36,180 --> 00:38:40,460
+constructor، قلت له روح بنيت model، وقلت له اعمل fit
+
+469
+00:38:40,460 --> 00:38:46,280
+اللي بتعمل hand training، وقلنا
+
+470
+00:38:46,280 --> 00:38:53,000
+في Naive Bayes بروح ببنيني جدول الاحتمالات، بعد ذلك
+
+471
+00:38:53,000 --> 00:38:59,860
+قمت بالتفكير في مجموعة سميته Y-predict، هذا هو
+
+472
+00:38:59,860 --> 00:39:05,200
+النتائج الـ model.predict، ودّيته X test بالكامل
+
+473
+00:39:05,200 --> 00:39:09,840
+لاحظت أنني سميتها Y-predict، أنا عندي الـ test هي الـ
+
+474
+00:39:09,840 --> 00:39:14,020
+label تبعتها موجودة هنا Y-test، فروحت وحصلت عليها
+
+475
+00:39:14,020 --> 00:39:17,280
+تمام، صارت في عندي الـ predicted وصارت عندي موجودة
+
+476
+00:39:17,280 --> 00:39:22,560
+من الـ actual label، فالآن أنا قاعد بقى أشتغل، رحت
+
+477
+00:39:22,560 --> 00:39:25,980
+عملت import، بدي أجيب الـ matrix from sklearn.metrics
+
+478
+00:39:25,980 --> 00:39:29,080
+import الـ matrix، والـ matrix هي فيها كل حاجة، فيها
+
+479
+00:39:29,080 --> 00:39:32,440
+الـ accuracy score، وطبعاً كل الـ methods في الـ matrix
+
+480
+00:39:32,440 --> 00:39:36,960
+بدها مني الـ y predicted و الـ y test، الـ y test هي
+
+481
+00:39:36,960 --> 00:39:40,840
+موجودة، أنا حصلت اللي هي فعلياً الـ actual، و الـ y
+
+482
+00:39:40,840 --> 00:39:43,600
+predicted هي الموجودة عندها، فلما أنا قلت له الـ
+
+483
+00:39:43,600 --> 00:39:46,300
+accuracy score ده، نسبة الـ confusion matrix طبعاً
+
+484
+00:39:46,300 --> 00:39:49,560
+لها، و الـ classifier أو الـ classification report
+
+485
+00:39:50,850 --> 00:39:55,090
+بتعطيني الـ f-measure و الـ precision و الـ recall لكل class
+
+486
+00:39:55,090 --> 00:40:00,790
+موجودة عندي، وهيك أنهينا أو ختمنا chapter للـ
+
+487
+00:40:00,790 --> 00:40:04,470
+classification، بتمنى تكون الشروحات واضحة، إذا في أي
+
+488
+00:40:04,470 --> 00:40:08,450
+استفسار لازم يكون من خلال الـ model أو الـ forum
+
+489
+00:40:08,450 --> 00:40:12,450
+اللي موجود عندي هنا، آخر شغلة مطلوب منها الـ
+
+490
+00:40:12,450 --> 00:40:16,190
+assignment البسيط هذا، الـ assignment هذا بدو يعمل
+
+491
+00:40:16,190 --> 00:40:18,650
+مقارنة بين three different classifiers
+
+492
+00:40:21,320 --> 00:40:26,020
+أخذنا أربعة classifiers كي نتعرف على الـ K-nearest
+
+493
+00:40:26,020 --> 00:40:28,500
+neighbour، الـ Naive Bayes، الـ decision tree و
+
+494
+00:40:28,500 --> 00:40:31,840
+الـ Multilayer Perceptron، الـ classifier اللي هو
+
+495
+00:40:31,840 --> 00:40:34,860
+تبع الـ neural network، وأنا بدي أقارن بينهم بناءً
+
+496
+00:40:34,860 --> 00:40:39,170
+على الـ accuracy، الـ Precision، الـ Recall، والـ F-
+
+497
+00:40:39,170 --> 00:40:43,310
+measure، طبعاً أنتم عندكم أو أنتم عندكم، كلّ عندكم data set
+
+498
+00:40:43,310 --> 00:40:47,950
+للـ classification، بدّكم تطبقوا الـ different classifiers
+
+499
+00:40:47,950 --> 00:40:52,230
+هدول على نفس الـ data set، على نفس الـ data set، و
+
+500
+00:40:52,230 --> 00:40:55,030
+تقارنوا ما بين الـ accuracy و الـ precision و الـ
+
+501
+00:40:55,030 --> 00:40:59,480
+recall و الـ F-measure، طبعاً بقى تزودوني بالـ python
+
+502
+00:40:59,480 --> 00:41:02,200
+code اللي أنتم اعتمدتوا عليه أو اللي أنتم اعتمدتم عليه
+
+503
+00:41:02,200 --> 00:41:04,620
+طبعاً الشغل individual يا جماعة الخير مش groups
+
+504
+00:41:04,620 --> 00:41:08,960
+ممكن تتشاوروا، تعملوا discussion مع بعض لاحقاً، لكن
+
+505
+00:41:08,960 --> 00:41:13,140
+أنتم هتسلموني الشغل، اللي هتسلموني إياه شغلتين، الأولى
+
+506
+00:41:13,140 --> 00:41:17,000
+الـ python code اللي موجود، اثنين، بالإضافة لـ report
+
+507
+00:41:17,000 --> 00:41:20,440
+عن الـ experiment اللي أنتم اشتغلتوها أو اللي أنتم
+
+508
+00:41:20,440 --> 00:41:24,160
+اشتغلتموها، الـ experiment اللي بيقول لي شو .. شو اللي
+
+509
+00:41:24,160 --> 00:41:26,920
+.. على سبيل المثال، اللي اشتغل K-nearest neighbor
+
+510
+00:41:27,690 --> 00:41:31,070
+جدّاش الـ K اللي اعتمدتها، 4 ولا 5 ولا 7 ولا 8
+
+511
+00:41:31,070 --> 00:41:35,350
+لما اشتغلنا على Naive decision tree، استخدمت الـ
+
+512
+00:41:35,350 --> 00:41:38,110
+information gain ولا استخدمت الـ gain الـ
+
+513
+00:41:38,110 --> 00:41:41,130
+multilayer perceptron، لما أنتم استخدمتوه، جدّاش عدد الـ
+
+514
+00:41:41,130 --> 00:41:44,950
+input neuron تبعتكم، يعني بدي topology، وهنا بدي توضّحوا
+
+515
+00:41:44,950 --> 00:41:47,950
+لي توصفوا الـ experiment تبعتكم والنتيجة اللي طلعت
+
+516
+00:41:47,950 --> 00:41:51,710
+طبعاً لأ أخفيكم أنها كانت المفروض تسلم الأسبوع
+
+517
+00:41:51,710 --> 00:41:59,020
+الماضي، لكن قدر الله وماشاء فعل، الآن أنا رح أحمل و
+
+518
+00:41:59,020 --> 00:42:03,640
+رح أحط الـ assignment على الـ model، وبتمنى أنكم
+
+519
+00:42:03,640 --> 00:42:07,580
+تشتغلوا وتسلموا، وربنا يكتب لكم السلامة والعافية
+
+520
+00:42:07,580 --> 00:42:12,340
+دائماً أنتم وأهليكم أجمعين، والسلام عليكم ورحمة
+
+521
+00:42:12,340 --> 00:42:14,080
+الله وبركاته

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/t7uwWVN30g8_postprocess.srt

@@ -0,0 +1,2084 @@
+1
+00:00:02,230 --> 00:00:04,390
+بسم الله الرحمن الرحيم الصلاة والسلام على رسول
+
+2
+00:00:04,390 --> 00:00:08,590
+الله أهلا وسهلا بكم أخواني الطلاب و أخواتي
+
+3
+00:00:08,590 --> 00:00:15,370
+الطالبات سنستكمل اليوم في هذا التسجيل موضوع ال
+
+4
+00:00:15,370 --> 00:00:19,050
+classification model evaluation بعد أن اتعرفت على
+
+5
+00:00:20,110 --> 00:00:25,050
+هي عبارة عن تحديد الـ Membership لجروب أو لكتجوري
+
+6
+00:00:25,050 --> 00:00:30,070
+معروفة مسبقا و اتعرفت على مجموعة من ال classifiers
+
+7
+00:00:30,070 --> 00:00:33,690
+بدءا من ال kennerist neighbor واعتماده و شفنا انه
+
+8
+00:00:33,690 --> 00:00:36,610
+بيعتمد على الحساب على ال similarity distance
+
+9
+00:00:36,610 --> 00:00:42,550
+وحكينا انه بيعتمد عليها او بقارن او باستخدام
+
+10
+00:00:42,550 --> 00:00:47,110
+different distances زي ال including distance او ال
+
+11
+00:00:47,110 --> 00:00:52,600
+Manhattan distanceوتكلمنا على الـ Naive bias كـ
+
+12
+00:00:52,600 --> 00:00:57,280
+classifier وشوفنا كيف ال probability او كيف تم
+
+13
+00:00:57,280 --> 00:00:59,400
+حسبة ال probability او ال conditional probability
+
+14
+00:00:59,400 --> 00:01:05,100
+وانتقلنا بعد هي كان لموضوع ال decision tree وشوفنا
+
+15
+00:01:05,100 --> 00:01:08,920
+كيف بنينا ال decision tree مع بعض واخر classifier
+
+16
+00:01:08,920 --> 00:01:12,080
+كان ل neural network او ال multilinear perceptron
+
+17
+00:01:12,080 --> 00:01:16,200
+او ال classifier كان neural network الآن بعد ما
+
+18
+00:01:16,200 --> 00:01:20,480
+أنا بنيتالموديل هذا و اصبح عملية ال classification
+
+19
+00:01:20,480 --> 00:01:24,220
+مش لازم انا اعرف جدش عملية ال classification تبعتي
+
+20
+00:01:24,220 --> 00:01:28,320
+صح او كده فبتيجي عملية ال evaluation هان فعليا
+
+21
+00:01:28,320 --> 00:01:35,340
+عشان تقولي انا والله بدي اقيم العناصر اللي موجودة
+
+22
+00:01:35,340 --> 00:01:39,460
+عندى يعنى عفو مش العناصر بدي اقيم اداء ال
+
+23
+00:01:39,460 --> 00:01:42,260
+classifier اللي موجود عندى يعنى فلما احنا بنتكلم
+
+24
+00:01:42,260 --> 00:01:46,830
+على evaluation يعني ان انا بتتكلم علىتقييم فعلي
+
+25
+00:01:46,830 --> 00:01:52,610
+للـ classifier اللي موجود عندى و هذا هم فحوة
+
+26
+00:01:52,610 --> 00:01:56,490
+محاضرتنا لليوم أو في التسجيل هذا ان شاء الله تعالى
+
+27
+00:01:57,520 --> 00:02:00,740
+طبعا بحب اذكر فقط بداية ان اذكر بعض الشغلات
+
+28
+00:02:00,740 --> 00:02:04,660
+الأساسية قلنا من ال basic concept الخاص بال
+
+29
+00:02:04,660 --> 00:02:07,540
+classifier في عند مصطلح ال accuracy و قلنا ال
+
+30
+00:02:07,540 --> 00:02:11,280
+accuracy هي عبارة على قدرة ال classifier التنبؤ
+
+31
+00:02:11,280 --> 00:02:16,220
+بشكل صحيح و عادة بتمثل النسبة عدد ال prediction
+
+32
+00:02:16,220 --> 00:02:22,560
+الصحيح على كل predictions اللي سواها على كل عمليات
+
+33
+00:02:22,560 --> 00:02:26,700
+التنبؤ اللي سواها ال classifier اللي موجودة عندها
+
+34
+00:02:27,990 --> 00:02:31,930
+وبالتالي سنقول إن الـ Accuracy بتشير لعملية القدرة
+
+35
+00:02:31,930 --> 00:02:36,090
+للـ classifier إنه يعمل correct prediction of the
+
+36
+00:02:36,090 --> 00:02:39,950
+class label for unseen data وتكلمنا عن الـ Speed
+
+37
+00:02:39,950 --> 00:02:44,210
+قلنا إنها عبارة عن computational cost الخاصة بالـ
+
+38
+00:02:44,210 --> 00:02:47,870
+classifier لما تكلمنا عن computational cost
+
+39
+00:02:50,350 --> 00:02:54,410
+أنا بهمني الوقت اللي بده يستغرقه ال classifier
+
+40
+00:02:54,410 --> 00:02:58,350
+سواء في عملية ال training أو حتى في عملية ال
+
+41
+00:02:58,350 --> 00:03:05,870
+classification نفسها أو ال prediction نفسها عفوا و
+
+42
+00:03:05,870 --> 00:03:08,430
+اتكلمنا كذلك على ال robustness و قولنا ال
+
+43
+00:03:08,430 --> 00:03:12,170
+robustness هي عبارة عن القدرة القدرة ال classifier
+
+44
+00:03:12,170 --> 00:03:17,690
+على انه يعمل correct predictionلما يكون فيه عندي
+
+45
+00:03:17,690 --> 00:03:23,830
+أنا noisy data لما يكون فيه عندي noisy data ال بعد
+
+46
+00:03:23,830 --> 00:03:26,690
+هي تكلمنا على ال scalability وقلنا ال scalability
+
+47
+00:03:26,690 --> 00:03:32,970
+تشير إلى قدرة ال classifier على القدرة على ان انا
+
+48
+00:03:32,970 --> 00:03:39,410
+فعليا ابني classifier بشكل مجدي في حالة وجود
+
+49
+00:03:39,410 --> 00:03:43,780
+البياناتالضخمة اللي موجودة عندي و Interpretability
+
+50
+00:03:43,780 --> 00:03:49,000
+أو قدرة على تفسير أو على فهم العناصر أو فهم
+
+51
+00:03:49,000 --> 00:03:55,840
+الإيهاءات الصادرة أو المعلومات الصادرة عن ال
+
+52
+00:03:55,840 --> 00:03:58,200
+classifier اللي موجود و طبعا زي ما قولنا عملية
+
+53
+00:03:58,200 --> 00:04:01,440
+تفسيرها دايما عملية subjective حسب الأشخاص و حسب
+
+54
+00:04:01,440 --> 00:04:06,380
+ال difficulties اللي أنا بدي أقيمهافعليا عملية ال
+
+55
+00:04:06,380 --> 00:04:10,940
+evaluation لل classifiers أو ال classification
+
+56
+00:04:10,940 --> 00:04:19,340
+models عملية نوعا ما فيها نوع من الخداع
+
+57
+00:04:19,340 --> 00:04:25,640
+لكنها فعلا عملية ممكن تكون نوعا ما غير واضحة أو
+
+58
+00:04:25,640 --> 00:04:29,120
+فيها بعض الخبايا لازم الواحد ينتبه لها عشان هيك
+
+59
+00:04:29,120 --> 00:04:34,220
+بنقول نسميها tricky أو خداعةطبعاً لما نتكلم عن
+
+60
+00:04:34,220 --> 00:04:38,820
+evaluation أول evaluation أو أول metric ممكن يخطر
+
+61
+00:04:38,820 --> 00:04:44,260
+في بالي هي عبارة عن ال accuracy أول
+
+62
+00:04:44,260 --> 00:04:47,540
+metric ممكن يخطر في بالي في التقييم أو في ال
+
+63
+00:04:47,540 --> 00:04:51,820
+evaluation هي عبارة عن ال accuracy لكنها مش هي
+
+64
+00:04:51,820 --> 00:04:56,880
+الوحيدة طبعاً هنا لما نتكلم على ال accuracy معناته
+
+65
+00:04:56,880 --> 00:05:01,840
+أنا استخدم باعتمادي على test setأنا الـ training
+
+66
+00:05:01,840 --> 00:05:08,740
+set استخدمته في لحظة بناء
+
+67
+00:05:08,740 --> 00:05:13,480
+الموديل و ال test set جا دورها عشان أهي عبارة عن
+
+68
+00:05:13,480 --> 00:05:21,700
+unlabeled set و أنا بدي أعملها prediction وبناء
+
+69
+00:05:21,700 --> 00:05:25,640
+عليك بقيم ال accuracy في سؤال مهم جدا يا جماعة
+
+70
+00:05:25,640 --> 00:05:31,460
+الخيار هل ال test setهي عبارة عن labelled data أو
+
+71
+00:05:31,460 --> 00:05:36,140
+labelled set أو unlabelled set كمان مرة السؤال
+
+72
+00:05:36,140 --> 00:05:39,980
+بأطرحه الآن بقول هل ال test set هي عبارة عن
+
+73
+00:05:39,980 --> 00:05:44,040
+labelled set أو unlabelled set بين جثيم هل لازم
+
+74
+00:05:44,040 --> 00:05:50,820
+يكون لها label ولا مش لازم يكون لها label المفروض
+
+75
+00:05:51,690 --> 00:06:00,230
+الان تعمل pause للـ recording هذا وتحاول تفكر
+
+76
+00:06:00,230 --> 00:06:03,690
+بالجواب احنا بتذكر ان طرحنا خلال المحاضرات السابقة
+
+77
+00:06:03,690 --> 00:06:09,090
+الجواب الصحيح انه لازم تكون labelled لأن لو ماكانش
+
+78
+00:06:09,090 --> 00:06:12,190
+فيه label مش هقدر اعمل evaluation مش هقدر اعرف
+
+79
+00:06:12,190 --> 00:06:14,770
+جديش ال prediction الصحيح من ال prediction الخطأ
+
+80
+00:06:14,770 --> 00:06:18,550
+وبالتالي ال test set must be labelled
+
+81
+00:06:21,470 --> 00:06:24,250
+طبعا عندي الـ methods اللي انا ممكن استخدمها مع ال
+
+82
+00:06:24,250 --> 00:06:27,710
+classifier مع ال classification هان هي عبارة عن
+
+83
+00:06:27,710 --> 00:06:31,290
+مجموعة من ال .. ال method أو في عندي two methods
+
+84
+00:06:31,290 --> 00:06:36,010
+أساسيات أنا بستخدمهم عشان أتنبأ أو أقدر أعمل تقدير
+
+85
+00:06:36,010 --> 00:06:40,110
+لل accuracy الخاصة بال classifier في عندها ال
+
+86
+00:06:40,110 --> 00:06:44,590
+holdout method و ال holdout method بتعتمد على ال
+
+87
+00:06:44,590 --> 00:06:49,760
+random samplingو طبعا هنا فعليا انا بقى زي ما قلنا
+
+88
+00:06:49,760 --> 00:06:52,640
+سابقا و زي ما كان في ال assignment السابق انا
+
+89
+00:06:52,640 --> 00:06:57,160
+فعليا ال data set اللي موجودة عندها بغض النظر عن
+
+90
+00:06:57,160 --> 00:07:02,460
+حجمها جسمتها ل two partitions سبعين على سبيل
+
+91
+00:07:02,460 --> 00:07:09,500
+المثال في المية لل training و تلاتين في الميةكانت
+
+92
+00:07:09,500 --> 00:07:13,380
+للـ Testing هذه الميثود بسميها holdout method و
+
+93
+00:07:13,380 --> 00:07:18,700
+بجسم ال data set تبعتي ل training and test set و
+
+94
+00:07:18,700 --> 00:07:21,220
+بعدين الطريقة التانية اللي احنا بسميها ال cross
+
+95
+00:07:21,220 --> 00:07:24,500
+validation و ال cross validation هي عبارة عن مثل
+
+96
+00:07:24,500 --> 00:07:29,100
+كذلك موجودة غالبا معظم استخدامها لما بتكون ال data
+
+97
+00:07:29,100 --> 00:07:36,600
+set تبعتي حجمها قليل هروح بتفاصيلهم بشكل كويسطبعاً
+
+98
+00:07:36,600 --> 00:07:41,260
+لما أتكلم على cross validation طريقة ممتازة جداً
+
+99
+00:07:41,260 --> 00:07:46,160
+بحيث أنه أنا أعرض ال data set بالكامل في ال
+
+100
+00:07:46,160 --> 00:07:50,980
+training على أجزاء مختلفة و كذلك باختبر كل ال data
+
+101
+00:07:50,980 --> 00:07:54,900
+set و بطلع بالمتوسط اللي موجود لما أنا بتكلم على
+
+102
+00:07:54,900 --> 00:07:58,180
+cross validation بتكلم إن هي عبارة عن statistical
+
+103
+00:07:58,180 --> 00:08:02,270
+method تستخدممن أجل الـ evaluation للـ
+
+104
+00:08:02,270 --> 00:08:05,170
+generalization الـ generalization جماعة الخير
+
+105
+00:08:05,170 --> 00:08:10,470
+المقصود فيها هان ان انا بأتكلم قاعد على او بتكلم
+
+106
+00:08:10,470 --> 00:08:16,670
+على قدرة النظام على التنبؤ الصحيح هو اتعلم بناء
+
+107
+00:08:16,670 --> 00:08:22,070
+على ال training data الان انا بدأ اشوف فعليا كيف
+
+108
+00:08:22,070 --> 00:08:25,610
+أداء النظام او ده ال model اللي موجود عندي هان
+
+109
+00:08:25,910 --> 00:08:29,510
+فكلمة الـ model بيقدر يتعامل أو يكون أداء تبعه
+
+110
+00:08:29,510 --> 00:08:33,270
+بكون كويس مع unseen data معناته هو more general
+
+111
+00:08:33,270 --> 00:08:36,910
+more general يعني ما انبناش فقط من أو مكان مش
+
+112
+00:08:36,910 --> 00:08:40,830
+specific لل training data اللي استخدمناها بل
+
+113
+00:08:40,830 --> 00:08:44,790
+بالعكس هو شغال على general data set على أي data
+
+114
+00:08:44,790 --> 00:08:48,750
+set هيشتغلوا بكفاءة كويسة طبعا ال performance data
+
+115
+00:08:48,750 --> 00:08:50,730
+are more stable
+
+116
+00:08:55,210 --> 00:09:01,010
+using split طبعاً
+
+117
+00:09:01,010 --> 00:09:03,770
+اللي متكلم عن الـ cross validation نتكلم إنه ال
+
+118
+00:09:03,770 --> 00:09:07,690
+performance هذا أو خلنا نقول ال estimation تبعت ال
+
+119
+00:09:07,690 --> 00:09:11,330
+accuracy أو ال performance تبعت ال ال model هان
+
+120
+00:09:11,330 --> 00:09:16,410
+هتكون أكثر موثوقية أو أكثر ثباتاً ما إنه لو أنا
+
+121
+00:09:16,410 --> 00:09:20,690
+فعاليا قسمت ال data set ل training أو testing لأن
+
+122
+00:09:20,690 --> 00:09:25,360
+موضوع ال randomness بيعمل فعلا مشكلةحقيقية فالـ
+
+123
+00:09:25,360 --> 00:09:28,380
+cross validation بدل ما انا جسم ال data set
+
+124
+00:09:28,380 --> 00:09:35,340
+لمجمعتين فعليا انا بجسم ال data بشكل متكرر
+
+125
+00:09:35,340 --> 00:09:37,600
+repeatedly شو يعني؟
+
+126
+00:09:40,410 --> 00:09:44,890
+مفهومها أنه انا فعلياً بروح بأجسم افترض ان هذه
+
+127
+00:09:44,890 --> 00:09:49,890
+الخط ال data كل واحد من ال rows هاي بمثل ال data
+
+128
+00:09:49,890 --> 00:09:54,350
+set كاملة الفكرة فيها انه انا اجسمها لمجموعة من ال
+
+129
+00:09:54,350 --> 00:09:58,350
+fold وال fold هذه واحدة منهم تستخدم لل training
+
+130
+00:09:58,350 --> 00:10:06,460
+والباقي يستخدم لعفوا واحدة للتست والباقي يستخدم ال
+
+131
+00:10:06,460 --> 00:10:11,400
+lettering يعني تخيل لو انا قلت هي ال data set اللي
+
+132
+00:10:11,400 --> 00:10:14,560
+موجودة عندي سامحوني انا مش جادر اعمل control كتير
+
+133
+00:10:14,560 --> 00:10:17,420
+على ال mouse او على ال pen اللي موجود معاياها
+
+134
+00:10:18,550 --> 00:10:22,390
+جسمتها لأربع أجزاء فبشكل متكرر باجي بقول والله
+
+135
+00:10:22,390 --> 00:10:26,570
+الجزء هذا الآن هو المخصص لل training والتلاتة هدوة
+
+136
+00:10:26,570 --> 00:10:31,410
+عفوا لل test والتلاتة هدوة المخصصين لمين لموضوع ال
+
+137
+00:10:31,410 --> 00:10:35,290
+training في الدورة التانية بحدد هذا لل test
+
+138
+00:10:35,290 --> 00:10:40,810
+والباقي هذا كله ل training ولاحظوا في كل مرة انا
+
+139
+00:10:40,810 --> 00:10:43,750
+باعتمد على القيمة اللي بتطلع من موضوع ال testing
+
+140
+00:10:43,750 --> 00:10:49,580
+هنا ال accuracy ال accuracyالـ Accuracy وليس
+
+141
+00:10:49,580 --> 00:10:52,280
+بالضرورة في كل مرة تديني نفس القيمة بالعكس تديني
+
+142
+00:10:52,280 --> 00:10:58,640
+قيم مختلفة في النهاية أحصل على أو أحاول أخد الـ
+
+143
+00:10:58,640 --> 00:11:02,380
+Average الخاصة بالـ Accuracy اللي موجودة هيك عشان
+
+144
+00:11:02,380 --> 00:11:06,260
+هيك بنقول انه فعليا ان ال cross validation more
+
+145
+00:11:06,260 --> 00:11:09,540
+stable لكن فعليا لو أنا كانت عند ال data ستة باعت
+
+146
+00:11:09,540 --> 00:11:14,170
+كبيرةداتا 6 بقعت كبيرة كبيرة زي ما بتكلم 100 ألف
+
+147
+00:11:14,170 --> 00:11:17,890
+record أو أو 50 ألف record و أطلع و روحت والله أنا
+
+148
+00:11:17,890 --> 00:11:21,910
+أخدت منها 30% و عارف انه في مستخدم ال stratified
+
+149
+00:11:21,910 --> 00:11:26,970
+sampling عشان اضمن ان في عندي balance في ال data
+
+150
+00:11:26,970 --> 00:11:32,870
+اللي موجودة عندى ال .. ما بين ال different classes
+
+151
+00:11:32,870 --> 00:11:36,790
+او different labels بتديني نتيجة برضه موطوقة و
+
+152
+00:11:36,790 --> 00:11:40,340
+ممكن تكون أسرع من ال cross validation تمامبغض
+
+153
+00:11:40,340 --> 00:11:44,240
+النظر الطريقة اللي اتبعتها كانت الـ K-fold cross
+
+154
+00:11:44,240 --> 00:11:48,000
+-validation طبعا الـ K نرمز لها هان اللي هي عدد ال
+
+155
+00:11:48,000 --> 00:11:53,000
+folds اللي انت بدك تجسم فيها ده ك set يعني انا لما
+
+156
+00:11:53,000 --> 00:11:55,800
+اقولك مثلا بالمثال اللي موجود عندنا على ال slide
+
+157
+00:11:55,800 --> 00:12:01,220
+فعليا انا خمسةمعناته في كل part يتمثل عشرين في
+
+158
+00:12:01,220 --> 00:12:03,820
+المية عشرين في المية testing و تمانين في المية
+
+159
+00:12:03,820 --> 00:12:07,020
+training لاحظوا ان انا زي مرحلة ال training ممكن
+
+160
+00:12:07,020 --> 00:12:13,360
+اقوم بجسمها لعشرة عشرة في المية testing وتستعين في
+
+161
+00:12:13,360 --> 00:12:17,000
+المية training في حالتي انا حاولت ارسمها اربعة
+
+162
+00:12:17,000 --> 00:12:20,740
+عشرين في المية testing وخمسة وسبعين في المية
+
+163
+00:12:20,740 --> 00:12:25,300
+training فحسب ال data او حسب تقسيمك لل data اللي
+
+164
+00:12:25,300 --> 00:12:29,730
+موجود عندك تماممن الشغلات المهمة جدا اللى لازم
+
+165
+00:12:29,730 --> 00:12:33,230
+استوعبها انا صح اللى هي ال classification في ال
+
+166
+00:12:33,230 --> 00:12:36,710
+classification model ال confusion matrix طبعا عشان
+
+167
+00:12:36,710 --> 00:12:42,890
+تبسيط المفهوم هشتغل فقط على two classes على binary
+
+168
+00:12:42,890 --> 00:12:47,710
+classification class A و class B أو class 1 C1 و
+
+169
+00:12:47,710 --> 00:12:52,010
+C2 اللى هما ممكن يكونوا positive و negative يعني
+
+170
+00:12:52,010 --> 00:12:58,050
+لو انا افترض ان class 1 هذا positiveوهذا negative
+
+171
+00:12:58,050 --> 00:13:05,790
+positive و negative الان من اسمها confusion matrix
+
+172
+00:13:05,790 --> 00:13:08,890
+مصفوفة
+
+173
+00:13:08,890 --> 00:13:19,010
+اللخمة او مصفوفة التشتوت او سميها زي ما بدك انا
+
+174
+00:13:19,010 --> 00:13:26,590
+باستخدمها لانه فعليا تديني بشكل واضحوين ال data
+
+175
+00:13:26,590 --> 00:13:32,910
+set تباعتي راحت الفكرة أنه الآن لو انا قلت ان
+
+176
+00:13:32,910 --> 00:13:36,010
+الموزع طبعا هذه التوزيعة بنتبتها دائما عشان ما
+
+177
+00:13:36,010 --> 00:13:42,370
+نعملش مشكلة عند البعض لكن حتى لو اختلفت المصفوفة
+
+178
+00:13:42,370 --> 00:13:46,930
+كتير انا بعمل لها transpose يعني ممكن اعمل
+
+179
+00:13:46,930 --> 00:13:51,450
+transpose في اماكن تانية او في اماكن تقراها
+
+180
+00:13:51,450 --> 00:13:55,790
+بالtranspose وبالتالي اعمل ال prediction هناوالـ
+
+181
+00:13:55,790 --> 00:14:00,930
+actual classes موجودة هنا لكن انا باعتمد على ان
+
+182
+00:14:00,930 --> 00:14:03,470
+الـ actual row موجودة في ال rows و ال predicted
+
+183
+00:14:03,470 --> 00:14:09,010
+موجودة في ال columns تمام معناته انا في عندى class
+
+184
+00:14:09,010 --> 00:14:13,010
+1 و class 2 positive و negative وهدول ال data set
+
+185
+00:14:13,010 --> 00:14:17,630
+اللي موجودة عندى هنامحدش قال لي مطلقا تعالى نجي
+
+186
+00:14:17,630 --> 00:14:20,950
+على الرسمة اللي بس اللي هان محدش قاللي مطلقا ان ال
+
+187
+00:14:20,950 --> 00:14:24,270
+prediction تبعتي لازم تكون صحيحة 100% يعني لو كانت
+
+188
+00:14:24,270 --> 00:14:28,950
+ال data tests تبعتي هي مقسمة بين الأخضر والأحمر
+
+189
+00:14:28,950 --> 00:14:33,650
+وال predictive model الأخضر المفروض positive
+
+190
+00:14:33,650 --> 00:14:38,410
+والأحمر negativeالله يبعد عنكم الشرك والأحباب كل
+
+191
+00:14:38,410 --> 00:14:42,090
+يوم احنا بنتكلم على كورونا فيروس موجود في العالم و
+
+192
+00:14:42,090 --> 00:14:45,390
+الكل بتجري فحوصات positive معناته هذا بيدخل في
+
+193
+00:14:45,390 --> 00:14:49,090
+المستشفى ويبدو رعاية صحية negative بيبقى في الحجر
+
+194
+00:14:49,090 --> 00:14:52,690
+الصحي لحد ما تنتهي ال 14 يوم و نتأكد ان الفيروس مش
+
+195
+00:14:52,690 --> 00:14:55,970
+موجود مش هذا اللي بيصير الله يعافيكوا و أهليكوا
+
+196
+00:14:55,970 --> 00:14:59,970
+وكل أحبابكوا يا رب العالمينالان الـ system
+
+197
+00:14:59,970 --> 00:15:03,210
+positive أو negative فالـ system هو اللي بده يعمل
+
+198
+00:15:03,210 --> 00:15:07,270
+prediction بناءً على ال data الان هو جلب .. لاحظوا
+
+199
+00:15:07,270 --> 00:15:10,390
+هو ب6 عينات هنا ال data set كلها عملها
+
+200
+00:15:10,390 --> 00:15:13,150
+classification انتوا ملاحظين انه في عندي أنا هنا
+
+201
+00:15:13,150 --> 00:15:21,330
+سبعة وفي عندي تمانية يعني هدول 15 element سبعة
+
+202
+00:15:21,330 --> 00:15:25,730
+positive وتمانية negative فلما عمل ال prediction
+
+203
+00:15:25,730 --> 00:15:29,600
+عمل أربعةأو قال لي انه في عندك sub المجموع ال
+
+204
+00:15:29,600 --> 00:15:33,400
+positive قال لي في عندي ست حالات لكن واضح ان هو
+
+205
+00:15:33,400 --> 00:15:37,520
+أخطأ في حالتين أخطأ في الحمر هدول صح تمام و ال
+
+206
+00:15:37,520 --> 00:15:42,980
+negative زيها طيب نيشي الآن في ال actual انا فعليا
+
+207
+00:15:42,980 --> 00:15:47,580
+عندي واحدة اتين تلاتة اربع خمسة ستة يعني الصف هذا
+
+208
+00:15:47,580 --> 00:15:55,380
+على امتدادهبتكون مجموعه عبارة عن مجموع العناصر أو
+
+209
+00:15:55,380 --> 00:16:01,020
+عدد العناصر الـ positive cases أو كل الـ rows اللي
+
+210
+00:16:01,020 --> 00:16:06,320
+بتنتمي ل class 1 true positive هي عبارة عن الـ
+
+211
+00:16:06,320 --> 00:16:12,920
+rows اللي هي فعليا بتنتميلـ Class 1 و الـ system
+
+212
+00:16:12,920 --> 00:16:17,400
+عملها prediction as class 1 يعني صنفها بشكل صحيح
+
+213
+00:16:17,400 --> 00:16:21,420
+فبقولها true يعني تصنيفها كان صحيح و هي فعليا
+
+214
+00:16:21,420 --> 00:16:26,460
+positive و طبعا ما تنساش او ما تنسيش ان انا بتكلم
+
+215
+00:16:26,460 --> 00:16:31,040
+على binary classification اسهل الموضوع تمام ماهو
+
+216
+00:16:31,040 --> 00:16:34,760
+ال false negative ال false negative هي فعليا
+
+217
+00:16:34,760 --> 00:16:38,400
+elements بتنتمي ل class 1 و هي positive لكن
+
+218
+00:16:38,400 --> 00:16:43,020
+صنفليها بالخطأأو أخطأ في تصنيفها و حط ليها إيش على
+
+219
+00:16:43,020 --> 00:16:46,520
+إنها negative وبالتالي أصبحت عندي هنا false
+
+220
+00:16:46,520 --> 00:16:51,020
+negative مجموح هدول العنصرين ال true positive و ال
+
+221
+00:16:51,020 --> 00:16:54,240
+false negative ال true positive و ال false
+
+222
+00:16:54,240 --> 00:16:58,780
+negative هو بتديني عدد عناصر ال class الأول تمام؟
+
+223
+00:16:58,780 --> 00:17:02,480
+طيب بالنسبة لل class التاني هو عملها prediction
+
+224
+00:17:02,480 --> 00:17:08,500
+على إنها class one يعني هو قال إنها positive لكنه
+
+225
+00:17:08,500 --> 00:17:12,570
+ال prediction هذا خطأليش؟ لأن هي في الحقيقة تنتمي
+
+226
+00:17:12,570 --> 00:17:16,250
+ل class 2 اللي هو الـ negative فهي فعليا negative
+
+227
+00:17:16,250 --> 00:17:19,710
+ولكن عملها prediction على إنها positive فهي false
+
+228
+00:17:19,710 --> 00:17:25,350
+positive تمام؟ وتبقى عندها ال true negative هي
+
+229
+00:17:25,350 --> 00:17:30,110
+class 2 صنفها على class 2 صحيح؟ وبالتالي هي عبارة
+
+230
+00:17:30,110 --> 00:17:33,990
+عن true negative يعني فعليا لو أنا بدى أفكر
+
+231
+00:17:33,990 --> 00:17:37,630
+بالجدول أو ب confusion matrix لما أنا بدى أنشئها
+
+232
+00:17:37,630 --> 00:17:45,950
+بشكل صحيحأي الجدول هو
+
+233
+00:17:45,950 --> 00:17:51,250
+فيه
+
+234
+00:17:51,250 --> 00:18:01,250
+مساحة بال powerpoint ولا مافيش eraser
+
+235
+00:18:01,250 --> 00:18:05,810
+تمام
+
+236
+00:18:05,810 --> 00:18:08,490
+رجعها لاشي
+
+237
+00:18:17,740 --> 00:18:23,380
+الان احنا متفقين هنا ان انا فعليا هنا عند الـ
+
+238
+00:18:23,380 --> 00:18:27,400
+actual والأعمدة الـ predicted
+
+239
+00:18:34,130 --> 00:18:40,910
+C2 C1 و C2 حسب الرسمة اللي موجودة عندها حاجة
+
+240
+00:18:40,910 --> 00:18:46,930
+اعدنالان كام واحدة فعليا بينتمي ل class one وعملها
+
+241
+00:18:46,930 --> 00:18:49,590
+prediction في ال class one صحيح في ال positive
+
+242
+00:18:49,590 --> 00:18:55,550
+واحدة اتنين تلاتة اربعة تمام
+
+243
+00:18:55,550 --> 00:19:02,410
+طيب و هدول هذه
+
+244
+00:19:02,410 --> 00:19:06,880
+وهذههم أصلا نيجاتيف class 2 لكن اعملهم prediction
+
+245
+00:19:06,880 --> 00:19:14,840
+هان تمام نجي للحالة النيجاتيف هي بتنتمي ل class 1
+
+246
+00:19:14,840 --> 00:19:18,280
+لكن عملها prediction في class 2 اللي هم الخضر اللي
+
+247
+00:19:18,280 --> 00:19:22,340
+هان اتنين لو
+
+248
+00:19:22,340 --> 00:19:27,140
+عديت الخضر اتنين واربعة ستة هي المجموع و هان لازم
+
+249
+00:19:27,140 --> 00:19:33,850
+يكون هنا في عندياشعشان يكتمل عدد 2.68 فهذه هي
+
+250
+00:19:33,850 --> 00:19:37,970
+فعليا ال confusion matrix اللي انا هشغل عليها تمام
+
+251
+00:19:37,970 --> 00:19:41,590
+الآن ال accuracy كون ان انا حسبت ال confusion
+
+252
+00:19:41,590 --> 00:19:46,870
+matrix اتفقنا ان ال accuracy هي عبارة عن ال ratio
+
+253
+00:19:46,870 --> 00:19:56,030
+عدد نسبة ال test table اللي صنفها بشكل صحيح مين هم
+
+254
+00:19:56,030 --> 00:20:02,900
+ال true positiveوالـ true negative و لا لأ تمام
+
+255
+00:20:02,900 --> 00:20:06,700
+معناته ال true positive صحيحة و ال true negative
+
+256
+00:20:06,700 --> 00:20:11,780
+صحيحة هدولة صحيحات فبجمع هذه و هذه على كل عناصر
+
+257
+00:20:11,780 --> 00:20:14,300
+المصفوفة اللي موجودة عندي بكون حصلت على ال
+
+258
+00:20:14,300 --> 00:20:18,620
+accuracy على كل predict على ال cardinality تبعت ال
+
+259
+00:20:18,620 --> 00:20:23,700
+test set اللي انا باتكلم عليها واضحة كمان مرة ال
+
+260
+00:20:23,700 --> 00:20:28,580
+accuracy هي عبارة عن نسبةالـ Rows أو الـ Tables
+
+261
+00:20:28,580 --> 00:20:32,600
+اللي في ال test set اللي نجح ال classifier فيه
+
+262
+00:20:32,600 --> 00:20:39,260
+تصنيفها على حجم ال test set اللي موجودة عندى تمام
+
+263
+00:20:39,260 --> 00:20:44,780
+بالمثال السابق لو انا بدى ارجع هان ال prediction
+
+264
+00:20:44,780 --> 00:20:54,000
+تبعتي عبارة عن ال هان عفوا اربع
+
+265
+00:20:54,000 --> 00:21:03,510
+زائد6 على 15 لأن كل ال data 6 بعد 15 element
+
+266
+00:21:03,510 --> 00:21:09,470
+عديناها قبل شوية يعني بين جثين 12 على 15 لو أنا
+
+267
+00:21:09,470 --> 00:21:14,970
+بتتكلم على 3 بتتكلم على 4 على 5 معناته أنا بتتكلم
+
+268
+00:21:14,970 --> 00:21:19,790
+جاعد حدود ال accuracy تبعتي 80%
+
+269
+00:21:22,870 --> 00:21:26,790
+تمام طبعا ال accuracy عكسة في عند ال error rate
+
+270
+00:21:26,790 --> 00:21:29,650
+طبعا ممكن في عند مصطلح تاني ممكن استخدمه مع ال
+
+271
+00:21:29,650 --> 00:21:35,190
+accuracy اللي هو ايش ال recognition rate وطبعا
+
+272
+00:21:35,190 --> 00:21:38,070
+برضه من المصطلحات المستخدمة accuracy او
+
+273
+00:21:38,070 --> 00:21:41,090
+recognition rate نفس المعنى في عند ال error rate
+
+274
+00:21:41,090 --> 00:21:44,710
+ال error rate طبعا اعلى نسبة اللي هي واحد مصبوط
+
+275
+00:21:44,710 --> 00:21:49,410
+يعني احنا قبل شوية كانت عندى 80% 5 على 4 يعني 8 من
+
+276
+00:21:49,410 --> 00:21:55,830
+10 ال error rate تساوي واحد ناقص8 من 10 وتساوي
+
+277
+00:21:55,830 --> 00:22:01,810
+point اتنين من عشرة او بين جثين اللي هي عشرين ��يلم
+
+278
+00:22:01,810 --> 00:22:05,150
+يعني هذا مقدار ال error rate او بين جثين ال error
+
+279
+00:22:05,150 --> 00:22:08,990
+rate زي ما احنا شايفين هنا هي عبارة عن ال false
+
+280
+00:22:08,990 --> 00:22:11,250
+positive و ال false negative
+
+281
+00:22:14,470 --> 00:22:17,770
+له فعليا اللي أخطأ فيه تصنيفهم اللي أخطأ فيه
+
+282
+00:22:17,770 --> 00:22:21,290
+تصنيفهم طبعا جامعة الخيار هنا في شغل مهم جدا طب
+
+283
+00:22:21,290 --> 00:22:23,610
+هذا يا دكتور في حالتي ال binary classification لو
+
+284
+00:22:23,610 --> 00:22:26,490
+حد اتقرح على أي سؤال و قال يا دكتور هذا في حالة ال
+
+285
+00:22:26,490 --> 00:22:30,910
+binary classification طب شوف حالة ال multiple
+
+286
+00:22:30,910 --> 00:22:33,390
+class يعني لو كانت المصفوفة تبعتي ال confusion
+
+287
+00:22:33,390 --> 00:22:42,830
+matrix تبعتي تلاتة في تلاتة ايش
+
+288
+00:22:42,830 --> 00:22:48,350
+ممكن نعملخلّينا نعتمد نفس التوزيع السابقة الـ
+
+289
+00:22:48,350 --> 00:22:54,910
+actual في الأعمدة الـ actual في الصفوف و الـ
+
+290
+00:22:54,910 --> 00:23:00,270
+predicted في الأعمدة معناته هذه هتكون true
+
+291
+00:23:00,270 --> 00:23:07,270
+positive أو هذه false
+
+292
+00:23:07,270 --> 00:23:10,740
+negativeفالس
+
+293
+00:23:27,780 --> 00:23:31,820
+بوزيتف لكن حطيلي اياهم false negative يعني هم جالس
+
+294
+00:23:31,820 --> 00:23:35,360
+.. هو تفسر .. يعني بفهم هيكل يعني c2 و c3 not
+
+295
+00:23:35,360 --> 00:23:39,200
+positive يعني negative فاخدلي اياهم هان كمان في ال
+
+296
+00:23:39,200 --> 00:23:47,040
+class التاني هتكون هذه true negative و هذه false
+
+297
+00:23:47,040 --> 00:23:55,580
+positive false positive ل c1 عفوا عفوا هي c2 و هي
+
+298
+00:23:55,580 --> 00:24:06,300
+c3وهنا ستكون فالس نيجاتيف فالس
+
+299
+00:24:06,300 --> 00:24:09,540
+نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف
+
+300
+00:24:09,540 --> 00:24:11,220
+فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس
+
+301
+00:24:11,220 --> 00:24:12,280
+فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس
+
+302
+00:24:12,280 --> 00:24:13,540
+نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف
+
+303
+00:24:13,540 --> 00:24:16,920
+فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس
+
+304
+00:24:16,920 --> 00:24:25,260
+نيجاتيف فالس نيجاتيف فالهذا الكلام الـ Accuracy
+
+305
+00:24:25,260 --> 00:24:31,800
+ممتازة في حالة ان العناصر او ال class is balanced
+
+306
+00:24:31,800 --> 00:24:35,300
+يعني بنجوسين سبعة و تمانية جرب من بعض خمسين و
+
+307
+00:24:35,300 --> 00:24:40,020
+خمسين تلاتين تلاتين تلاتين او خمسين خمسين خمسين في
+
+308
+00:24:40,020 --> 00:24:43,500
+حالة ال IRIS data setالـ Balance بين ال classes
+
+309
+00:24:43,500 --> 00:24:47,680
+موجودة لكن فعلياً لما انا بتكلم على ال diseases أو
+
+310
+00:24:47,680 --> 00:24:51,060
+في اللي بتكلم على ال fraud detection عمليات النصب
+
+311
+00:24:51,060 --> 00:24:55,620
+في وضعات الاهتمام ال classes in balance شو يعني in
+
+312
+00:24:55,620 --> 00:24:58,480
+balance انه عدد ال elements في الكلة و عدد ال rows
+
+313
+00:24:58,480 --> 00:25:05,320
+مع كل class غير متساوية طبعا أجيب المثال أوضح الله
+
+314
+00:25:05,320 --> 00:25:09,100
+يعافيكم كم مرة وأهليكم جميعا لأن كم واحد بنعمله
+
+315
+00:25:09,100 --> 00:25:15,010
+فحص كورونا حول العالممئات الألف عشرات الألف بلاش
+
+316
+00:25:15,010 --> 00:25:19,370
+مئات الألف كام واحد بتثبت معاه الحالة أقل كتير
+
+317
+00:25:19,370 --> 00:25:26,350
+وبالتالي عدد ال negative أكبر كتير من عدد ال
+
+318
+00:25:26,350 --> 00:25:32,210
+positive ممتاز طب لو أنا سألت سؤال مين أختار؟ واحد
+
+319
+00:25:32,210 --> 00:25:35,490
+ماعهوش فيروس وقال لل system لأ ان هذا عنده فيروس
+
+320
+00:25:35,490 --> 00:25:41,760
+كورونا ولا واحد عنده فيروس كورونا وال systemقال له
+
+321
+00:25:41,760 --> 00:25:48,480
+إنه ما عندهوش شو رايكوا؟ يعني نسبة الخطأ مع ال
+
+322
+00:25:48,480 --> 00:25:50,960
+positive ولا الخطأ مع ال negative هي الأخطر
+
+323
+00:25:50,960 --> 00:25:55,820
+بالنس��ة لنا كلامك صح أو كلامك صح الآن لأنه احنا
+
+324
+00:25:55,820 --> 00:26:01,240
+فعليا لما أخطأ ال system وقال له إنه هذا negative
+
+325
+00:26:02,050 --> 00:26:06,030
+false negative كانت مصيبة بالنسبة لي لأن هذا
+
+326
+00:26:06,030 --> 00:26:10,150
+الإنسان سيخلق
+
+327
+00:26:10,150 --> 00:26:13,490
+الناس وبالتالي المرض سينتشر لأنه مش معنى ونهيك عن
+
+328
+00:26:13,490 --> 00:26:17,650
+الأضرار الصحية اللي حدث معاه لكن لو واحد negative
+
+329
+00:26:17,650 --> 00:26:21,290
+ماعندوش المرض و ال system قال إنه عنده المرض إيش
+
+330
+00:26:21,290 --> 00:26:24,990
+هناخده؟ هناخده نحطه في ال health care أو في الحجر
+
+331
+00:26:24,990 --> 00:26:30,540
+الحجر الصحي و بعدين ندي عناية صحية حسب حالتهفي ضرر
+
+332
+00:26:30,540 --> 00:26:34,180
+في الموضوع حتما مافيش ضرر وبالتالي لما بكون في ال
+
+333
+00:26:34,180 --> 00:26:39,220
+class imbalance ال accuracy تبعتي مش صحيحة، ليش؟
+
+334
+00:26:39,220 --> 00:26:43,200
+او بتبقى العفوان غير معدرة بشكل صحيح لأن لو تخيلت
+
+335
+00:26:43,200 --> 00:26:51,820
+ان هنا انا عدد العناصر بدي اشتغل هيك ان عدد
+
+336
+00:26:51,820 --> 00:26:54,260
+العناصر اللي انا بدي افحصها 100 ألف
+
+337
+00:26:58,340 --> 00:27:06,760
+وفعليا او ال data set تبعتي للهيئة كلها كان في
+
+338
+00:27:06,760 --> 00:27:14,140
+عندي مثلا عشرة ألف positive و
+
+339
+00:27:14,140 --> 00:27:22,600
+تسعين ألف negative و لما عملت prediction اجى قال
+
+340
+00:27:22,600 --> 00:27:31,710
+لي والله من العشر تلاف هدولأنا جبت تسعة ألف صح و
+
+341
+00:27:31,710 --> 00:27:46,110
+ألف ما جبتهوش في المقابل هذا الألف صنفته هان أو
+
+342
+00:27:46,110 --> 00:27:49,210
+بالأحرى قال لي أنا ما أخطأتش ولا حاجة هان أو خلينا
+
+343
+00:27:49,210 --> 00:27:54,910
+نقول أخطأ اخطألي بألف هان و جابلي هان تمانين ألف
+
+344
+00:28:00,700 --> 00:28:08,680
+فعليا ال accuracy تبعتي هتكون تسعة و تمانين الف
+
+345
+00:28:08,680 --> 00:28:15,680
+على ميت
+
+346
+00:28:15,680 --> 00:28:20,300
+الف صح فالنسبة تبعتي تسعة و تمانين في المية ال
+
+347
+00:28:20,300 --> 00:28:24,560
+accuracy عالية
+
+348
+00:28:24,560 --> 00:28:29,040
+و ممتازة و ما شاء الله عليها لكنهاتحمل في طياتها
+
+349
+00:28:29,040 --> 00:28:37,840
+خطورة شديدة جدا مع من مع الناس هذول مع
+
+350
+00:28:37,840 --> 00:28:42,880
+اللهان تماموبالتالي الـ Accuracy بطلت عندي مجديا
+
+351
+00:28:42,880 --> 00:28:45,400
+لأن الـ 9.8 محدش يقول عن نسبة مخة في طلق بالعكس
+
+352
+00:28:45,400 --> 00:28:49,080
+نسبة عالية لكنه في عندى مشكلة في ال evaluation
+
+353
+00:28:49,080 --> 00:28:52,980
+تمام وبالتالي انا ممكن اصير ادور على شغل اسمها ال
+
+354
+00:28:52,980 --> 00:28:57,220
+sensitivity الحساسية وطبعا هنا بتكلم على ال true
+
+355
+00:28:57,220 --> 00:29:02,960
+positive rate ال true positive rate على اللي هي
+
+356
+00:29:02,960 --> 00:29:11,720
+نسبة 9000 على العشرة ألفوكذلك في عندي ال
+
+357
+00:29:11,720 --> 00:29:18,900
+specificity التخصيص اللي هي نسبة لل true negative
+
+358
+00:29:18,900 --> 00:29:23,960
+rate جد عشان افصل انا هو ال accuracy بعد ما حصلت
+
+359
+00:29:23,960 --> 00:29:30,060
+عليها مين كان فيه نسبته اعلى عشان اضيفه ومش بس هيك
+
+360
+00:29:30,060 --> 00:29:33,520
+جالي ممكن انا اتكلم على other metrics وهذه الأهم
+
+361
+00:29:33,520 --> 00:29:39,120
+اللي بنسميها احنا ال precision
+
+362
+00:29:44,430 --> 00:29:47,210
+الـ Precision أو الـ Exactness هي عبارة عن الـ
+
+363
+00:29:47,210 --> 00:29:53,310
+ratio لمجموعة التابلز
+
+364
+00:29:53,310 --> 00:29:58,630
+ال classifier صنفهم على أنهم positive و هم فعليا
+
+365
+00:29:58,630 --> 00:30:03,190
+positive نسبة
+
+366
+00:30:03,190 --> 00:30:07,070
+ال labelled اللي جال عليها positive و هي فعليا
+
+367
+00:30:07,070 --> 00:30:09,810
+positive على كل ال actual positive اللي موجودة
+
+368
+00:30:09,810 --> 00:30:12,390
+عندها وين ال actual positive
+
+369
+00:30:18,800 --> 00:30:22,720
+الـ actual هو اللي موجود في جامعة الخير في الأعمدة
+
+370
+00:30:22,720 --> 00:30:37,440
+في العمود في الصفوف الآن ال true positive هي جل
+
+371
+00:30:37,440 --> 00:30:40,720
+ال true positive على كل العناصر الصنافليها على
+
+372
+00:30:40,720 --> 00:30:44,220
+إنها positive عشان أجيب نسبة ال actual positive
+
+373
+00:30:44,220 --> 00:30:49,230
+الحقيقية اللي موجودة عندهاas positive are actually
+
+374
+00:30:49,230 --> 00:30:53,750
+positive نسبة الـ positive الحقيقية فهنا لما أتكلم
+
+375
+00:30:53,750 --> 00:30:57,270
+عن ال precision أو ال exactness بتكلم عليها عناصر
+
+376
+00:30:57,270 --> 00:31:02,330
+الصل عمود الأول تمام لما باجي بتكلم علي ال recall
+
+377
+00:31:02,330 --> 00:31:07,550
+أو ال completeness بتكلم فعليا على نسبة ال
+
+378
+00:31:07,550 --> 00:31:11,130
+positive double واللي فعليا تم تصنيفها على إنها
+
+379
+00:31:11,130 --> 00:31:15,630
+positive نسبة ال positive doubles اللي تصنفت على
+
+380
+00:31:15,630 --> 00:31:19,890
+إنها positive بشكل صحيحوين الـ positive هي الصف
+
+381
+00:31:19,890 --> 00:31:24,810
+الأول اللي
+
+382
+00:31:24,810 --> 00:31:29,090
+احنا قلنا عليها sensitivity قبل لحظات وبالتالي الـ
+
+383
+00:31:29,090 --> 00:31:34,430
+TB بتروح ال true
+
+384
+00:31:34,430 --> 00:31:39,550
+positive على المجموع اللي موجود عندي ال TB و ال FN
+
+385
+00:31:39,550 --> 00:31:45,670
+تمامماعندي الـ F ماعندي الـGalaxy بما أن في عندي
+
+386
+00:31:45,670 --> 00:31:50,730
+الـPrecision و الـRecall هدولة متريكات مختلفة قال
+
+387
+00:31:50,730 --> 00:31:54,210
+في ناس فكرت جالكس نعملهم combination ما بين
+
+388
+00:31:54,210 --> 00:32:00,350
+الـPrecision و الـRecall في متريك واحد و سموه ليا
+
+389
+00:32:00,350 --> 00:32:08,530
+الـF majorودمجونا فيه ال precision و ال recall
+
+390
+00:32:08,530 --> 00:32:12,710
+وكان هو يساوي 2 ضرب ال precision ضرب ال recall على
+
+391
+00:32:12,710 --> 00:32:15,790
+مجموع ال recall و ال precision أو بين قوسين هي ال
+
+392
+00:32:15,790 --> 00:32:20,730
+F1 وهذا أنا باستخدمه لما عادة بفكر بالمقارنة ما
+
+393
+00:32:20,730 --> 00:32:24,740
+بينTWO DIFFERENT CLASSIFIERS الان انا في عندى two
+
+394
+00:32:24,740 --> 00:32:27,500
+different classifiers و بدى اقارن بين الأداء تبعهم
+
+395
+00:32:27,500 --> 00:32:30,740
+واحد ممكن يتفكر بال accuracy ال accuracy ممكن تكون
+
+396
+00:32:30,740 --> 00:32:34,420
+متساوية ما بين الاتنين مابيش ممكن اساوي ممكن اروح
+
+397
+00:32:34,420 --> 00:32:37,940
+على اتجاه ال F مجار اللي انا ممكن تكون طبعا انتم
+
+398
+00:32:37,940 --> 00:32:41,770
+ملاحظين يا جماعة الخيرالـ Recall و ال Precision و
+
+399
+00:32:41,770 --> 00:32:46,370
+ال F Major
+
+400
+00:32:46,370 --> 00:32:53,370
+هدول مرتبطين بال First Attribute يعني لو أنا قلتلك
+
+401
+00:32:53,370 --> 00:32:58,270
+بدي ال F Major ل ال class التاني أو عفوا ال Recall
+
+402
+00:32:58,270 --> 00:33:02,690
+ل ال class التاني ال class التاني هيه بتصير أنا
+
+403
+00:33:02,690 --> 00:33:06,230
+بتتكلم على hand
+
+404
+00:33:08,770 --> 00:33:12,250
+مجموعة الـ Recall True Positive هي لـ Class التاني
+
+405
+00:33:12,250 --> 00:33:16,750
+هذه اللي بتمثل True Positive لل Class اللي موجودة
+
+406
+00:33:16,750 --> 00:33:22,250
+عندي على عدد عناصر اللي هي على عدد الـ N على الـ N
+
+407
+00:33:22,250 --> 00:33:26,830
+اللي موجودة عندها تمام؟ يعني هذه الشغله مرتبطه بال
+
+408
+00:33:26,830 --> 00:33:30,510
+Class لو أنا الآن كان في عندي تلاتة في تلاتة
+
+409
+00:33:34,650 --> 00:33:38,150
+المصفوفة تبعتي بنفس التوزيع لـ Prediction في
+
+410
+00:33:38,150 --> 00:33:41,190
+الأعمدة و الـ Actual .. لـ Predicted في الأعمدة و
+
+411
+00:33:41,190 --> 00:33:44,830
+الـ Actual في الصفورة و أنا الجيل قلت والله هاي ال
+
+412
+00:33:44,830 --> 00:33:50,230
+values اللي عندي الان بدي ال precision عفوا عشان
+
+413
+00:33:50,230 --> 00:33:54,950
+القانون ال recall بدي ال recall تبعتي التالت لسي
+
+414
+00:33:54,950 --> 00:33:59,830
+تلاتة و ال true positive تبعت ال class تلاتة هيها
+
+415
+00:34:02,430 --> 00:34:09,630
+هي فعليًا actually بتنتمي لـ C3 و الـ system جالب
+
+416
+00:34:09,630 --> 00:34:12,810
+predicted as C3 فعليًا هذه الـ true positive ما
+
+417
+00:34:12,810 --> 00:34:18,030
+دون ذلك الـ false negative هدولة تنتمي و بالتالي
+
+418
+00:34:18,030 --> 00:34:25,310
+ال recall لـ C3 لو انا افترض ان هذه Y وهذه Z تساوي
+
+419
+00:34:25,310 --> 00:34:30,990
+معناته ال recall لـ C3 بدها تساوي X
+
+420
+00:34:32,990 --> 00:34:40,490
+على y زائد z زائد x اللي هي بجموع كل العناصر اللي
+
+421
+00:34:40,490 --> 00:34:45,250
+موجودة عندي و طبعا y و z هم بمثله ال false
+
+422
+00:34:45,250 --> 00:34:49,670
+positive أو عفوا ال false negative ل c3 طيب
+
+423
+00:34:49,670 --> 00:34:54,710
+بالمثال خليني أخد مثال بالأرقامفي انها النتج الـ
+
+424
+00:34:54,710 --> 00:34:57,410
+classifier اللي اشتغل على ال prediction للكانسر
+
+425
+00:34:57,410 --> 00:35:01,050
+بتنبأ بالكانسر عدد الحالات اللي موجودة عندى انا
+
+426
+00:35:01,050 --> 00:35:07,330
+الف حالة كان فعليا اشتغل اللي لما وزعناهم كانت
+
+427
+00:35:07,330 --> 00:35:13,250
+عندي تسعين حالة كانوا yes و ال system عملهم
+
+428
+00:35:13,250 --> 00:35:19,320
+prediction yesو 210 حالة و هم فعليا yes و ال
+
+429
+00:35:19,320 --> 00:35:24,500
+system عملهم prediction no يعني 300 حالة ال 10,000
+
+430
+00:35:24,500 --> 00:35:31,420
+حالة اللي عندى 300 حالة سرطان و 9700 غير سرطان او
+
+431
+00:35:31,420 --> 00:35:38,240
+خلايا تضخم طبيعى غير سرطانى الان ملاحظين لو انا
+
+432
+00:35:38,240 --> 00:35:43,720
+جيت حسبت ال accuracy ال accuracy 96في المية لأنها
+
+433
+00:35:43,720 --> 00:35:48,420
+عبارة عن مجموعة تسعين زائد خمسة وتسعة تلاف وخمسمية
+
+434
+00:35:48,420 --> 00:35:54,280
+وستين على عشرة ألف ال accuracy عالية جدا لكن اه لو
+
+435
+00:35:54,280 --> 00:35:59,380
+نظرت في الموضوع لو فكرت احسب ال precision و ال
+
+436
+00:35:59,380 --> 00:36:05,260
+recall لل cancer او لل class الأول لانديهان
+
+437
+00:36:05,260 --> 00:36:11,100
+ملاحظين ال precision كدهالـ precision احنا قلنا هي
+
+438
+00:36:11,100 --> 00:36:15,980
+عبارة عن ال exactness مظبوط فعليا جداش تنبأ بشكل
+
+439
+00:36:15,980 --> 00:36:21,160
+او بشكل صحيح لل data اللي موجودة عندها وصار واضح
+
+440
+00:36:21,160 --> 00:36:29,160
+الفرق قلنا 90 على 230 قلنا في ال precision بتكلم
+
+441
+00:36:29,160 --> 00:36:35,700
+على عمود و لما اتكلم بال recall بتكلم وينعلى الصف
+
+442
+00:36:35,700 --> 00:36:43,340
+صحيح عشان هيك 90 على 230 لـ precision و 90 على 300
+
+443
+00:36:43,340 --> 00:36:48,520
+اللي هي ال recall اللي موجودة عندها لكن تخيل انه
+
+444
+00:36:48,520 --> 00:36:53,820
+انا فعليا لو قعدت ترتيب العناصر في المصفوفة بحيث
+
+445
+00:36:53,820 --> 00:36:58,960
+انه خلت ال target تبعتي No وقولت
+
+446
+00:36:58,960 --> 00:37:01,600
+انا بدي احسب ال recall و ال precision لاحظوا ال
+
+447
+00:37:01,600 --> 00:37:05,530
+accuracy ما اتغيرتشلكن انا عيد ترتيب الأعمد يعني
+
+448
+00:37:05,530 --> 00:37:07,930
+برينج وستين صار اهتمامي هان highly true positive
+
+449
+00:37:07,930 --> 00:37:11,370
+لاحظوا ان ال precision تبعتي جداش عالي صارت و ال
+
+450
+00:37:11,370 --> 00:37:14,910
+recall تبعتي جداش على كل مقالة زي ما قولنا ال
+
+451
+00:37:14,910 --> 00:37:18,470
+perfect value تبعتنا هان حكينا ان ال perfect او ال
+
+452
+00:37:18,470 --> 00:37:23,990
+score is one كذلك مع ال precisionالـ perfect score
+
+453
+00:37:23,990 --> 00:37:28,290
+هو 1 وبهكد انا بكون بدي اعمل evaluation لل classes
+
+454
+00:37:28,290 --> 00:37:31,650
+اللي موجود عندها وبالتالي انا بدي انتبه دائما لل
+
+455
+00:37:31,650 --> 00:37:34,710
+class اللي موجود بالنسبة لل code اللي له علاقة بال
+
+456
+00:37:34,710 --> 00:37:39,550
+بايثونانا هنا روحت اعمل import لل data set كان
+
+457
+00:37:39,550 --> 00:37:43,970
+المعتاد على نفس المثال السابق روحت اعمل import
+
+458
+00:37:43,970 --> 00:37:47,210
+عشان اعمل split لل data set والمفروض ان انتوا هاي
+
+459
+00:37:47,210 --> 00:37:51,590
+جربتوها من خلال ال assignment اللي سلمته فانا حصلت
+
+460
+00:37:51,590 --> 00:37:55,850
+على ال training set اللي هنا من خلال ال split هذه
+
+461
+00:37:55,850 --> 00:37:59,790
+train test split جسمتلي او ادتني نتيجة ادتني four
+
+462
+00:37:59,790 --> 00:38:05,010
+different set ال X train و ال label تبعتها
+
+463
+00:38:08,770 --> 00:38:17,890
+الـ Y لليابيل و X للattributes و ال test text test
+
+464
+00:38:17,890 --> 00:38:21,470
+و ال Y test طبعا قلت له هان تلاتين في المية نسبة
+
+465
+00:38:21,470 --> 00:38:25,010
+ال test تلاتين في المية و طبعا هضل الباجي لليترين
+
+466
+00:38:26,020 --> 00:38:29,600
+من الـ target data و استدعيت ناييف بايسين على سبيل
+
+467
+00:38:29,600 --> 00:38:36,180
+المثال و روحت و قلت جوسان ناييف بايسين استدعيت ال
+
+468
+00:38:36,180 --> 00:38:40,460
+constructor قلتله روح بنيت model و قلتله اعمل fit
+
+469
+00:38:40,460 --> 00:38:46,280
+اللي بتعمل hand training وقلنا
+
+470
+00:38:46,280 --> 00:38:53,000
+في ناييف بايسين بروح ببنيني جدول الاحتمالاتبعد ذلك
+
+471
+00:38:53,000 --> 00:38:59,860
+قمت بالتفكير في مجموع يسميته Y-predict هذا هو
+
+472
+00:38:59,860 --> 00:39:05,200
+النتائج الـ model.predict ودّيته X test بالكامل
+
+473
+00:39:05,200 --> 00:39:09,840
+لاحظت أنني سميتها Y-predict أنا عندي ال test هي ال
+
+474
+00:39:09,840 --> 00:39:14,020
+label تباعتها موجودة هنا Y-test فروحت وحصلت عليها
+
+475
+00:39:14,020 --> 00:39:17,280
+تمام صارت في عندي الـ predicted وصارت عندي موجود
+
+476
+00:39:17,280 --> 00:39:22,560
+من ال actual label فالانأنا قاعد بقى أشتغل روحت
+
+477
+00:39:22,560 --> 00:39:25,980
+عملت import بدي أجيب ال matrix from ASCII layer
+
+478
+00:39:25,980 --> 00:39:29,080
+import ال matrix و ال matrix هي فيها كل حاجة فيها
+
+479
+00:39:29,080 --> 00:39:32,440
+ال accuracy score و طبعا كل ال method في ال matrix
+
+480
+00:39:32,440 --> 00:39:36,960
+بدها مني ال y predicted و ال y test ال y test هي
+
+481
+00:39:36,960 --> 00:39:40,840
+موجودة أنا حصلت اللي هي فعليا ال actual و ال y
+
+482
+00:39:40,840 --> 00:39:43,600
+predicted هي الموجودة عندها فلما أنا قلتله ال
+
+483
+00:39:43,600 --> 00:39:46,300
+accuracy score ده نسبة ال confusion matrix طبع
+
+484
+00:39:46,300 --> 00:39:49,560
+ليها و ال classifier او ال classification report
+
+485
+00:39:50,850 --> 00:39:55,090
+بتدين الأفمجة و ال precision و ال recall لكل class
+
+486
+00:39:55,090 --> 00:40:00,790
+موجود عندي و هيك نهينا أو ختمنا chapter لل
+
+487
+00:40:00,790 --> 00:40:04,470
+classification بتمنى تكون الشروحات واضحة إذا في أي
+
+488
+00:40:04,470 --> 00:40:08,450
+استفسار لازم يكون من خلال ال model أو ال forum
+
+489
+00:40:08,450 --> 00:40:12,450
+اللي موجود عندي هنا أخر شغلة مطلوب منها ال
+
+490
+00:40:12,450 --> 00:40:16,190
+assignment البسيط هذا ال assignment هذا بدو يعمل
+
+491
+00:40:16,190 --> 00:40:18,650
+مقارنة بين three different classifiers
+
+492
+00:40:21,320 --> 00:40:26,020
+أخذنا أربعة classifiers كي نتعرف على الـ K-nearest
+
+493
+00:40:26,020 --> 00:40:28,500
+neighbour، الـ Naive bison، الـ decision tree و
+
+494
+00:40:28,500 --> 00:40:31,840
+الـ Multilayer Perceptron الـ classifier اللي هو
+
+495
+00:40:31,840 --> 00:40:34,860
+تبع الـ neural network وأنا بدي أقارن بينهم بناء
+
+496
+00:40:34,860 --> 00:40:39,170
+على الـ accuracyالـ Precision الـ Recall والـ F
+
+497
+00:40:39,170 --> 00:40:43,310
+major طبعا انت عندك او انت عندك كل عندك data set
+
+498
+00:40:43,310 --> 00:40:47,950
+لل classification بدك تطبق ال different classifier
+
+499
+00:40:47,950 --> 00:40:52,230
+هدول على نفس ال data set على نفس ال data set و
+
+500
+00:40:52,230 --> 00:40:55,030
+تقارن ما بين ال accuracy و ال precision و ال
+
+501
+00:40:55,030 --> 00:40:59,480
+recall و ال F major طبعا بقى تزودنيبالـ python
+
+502
+00:40:59,480 --> 00:41:02,200
+code اللي انت اعتمدت عليه أو اللي انت اعتمدت عليه
+
+503
+00:41:02,200 --> 00:41:04,620
+طبعا الشغل individual يا جماعة الخير مش groups
+
+504
+00:41:04,620 --> 00:41:08,960
+ممكن تتشاوروا تعملوا discussion مع بعض لاحقا لكن
+
+505
+00:41:08,960 --> 00:41:13,140
+انت هتسلموني الشغل اللي هتسلموني هي شغلتين الأولى
+
+506
+00:41:13,140 --> 00:41:17,000
+ال python code اللي موجود اتنين بالاضافة ل report
+
+507
+00:41:17,000 --> 00:41:20,440
+عن ال experiment اللي انت اشتغلتها او اللي انت
+
+508
+00:41:20,440 --> 00:41:24,160
+اشتغلتيها ال experiment اللي بيقولي شو .. شو اللي
+
+509
+00:41:24,160 --> 00:41:26,920
+.. على سبيل المثال اللي اشتغل كي nearest neighbor
+
+510
+00:41:27,690 --> 00:41:31,070
+جدّاش ال key اللي اعتمدها 4 و لا 5 و لا 7 و لا 8
+
+511
+00:41:31,070 --> 00:41:35,350
+لما اشتغلنا على نية decision tree استخدمت ال
+
+512
+00:41:35,350 --> 00:41:38,110
+information gene و لا استخدمت ال gene ال
+
+513
+00:41:38,110 --> 00:41:41,130
+multilayer receptor لما انت استخدمته جدّاش عدد ال
+
+514
+00:41:41,130 --> 00:41:44,950
+input neuron تبعتك يعني بديت تبولوجي وهانبه توضح
+
+515
+00:41:44,950 --> 00:41:47,950
+لي توصف ال experiment تبعتك و النتيجة اللي طلعت
+
+516
+00:41:47,950 --> 00:41:51,710
+طبعا لأ اخفيكوا انها كانت المفروض تسلم الأسبوع
+
+517
+00:41:51,710 --> 00:41:59,020
+الماضيلكن قدر الله و ما شاء افعل الان انا هحمل و
+
+518
+00:41:59,020 --> 00:42:03,640
+هحط ال assignment على ال model و بتمنى انكوا
+
+519
+00:42:03,640 --> 00:42:07,580
+تشتغلوا و تسلموا و ربنا يكتبلكوا السلامة و العافية
+
+520
+00:42:07,580 --> 00:42:12,340
+دائما انتم و أهليكم أجمعين و السلام عليكم و رحمة
+
+521
+00:42:12,340 --> 00:42:14,080
+الله و بركاته
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/t7uwWVN30g8_raw.srt

@@ -0,0 +1,2088 @@
+1
+00:00:02,230 --> 00:00:04,390
+بسم الله الرحمن الرحيم الصلاة والسلام على رسول
+
+2
+00:00:04,390 --> 00:00:08,590
+الله أهلا وسهلا بكم أخواني الطلاب و أخواتي
+
+3
+00:00:08,590 --> 00:00:15,370
+الطالبات سنستكمل اليوم في هذا التسجيل موضوع ال
+
+4
+00:00:15,370 --> 00:00:19,050
+classification model evaluation بعد أن اتعرفت على
+
+5
+00:00:20,110 --> 00:00:25,050
+هي عبارة عن تحديد الـ Membership لجروب أو لكتجوري
+
+6
+00:00:25,050 --> 00:00:30,070
+معروفة مسبقا و اتعرفت على مجموعة من ال classifiers
+
+7
+00:00:30,070 --> 00:00:33,690
+بدءا من ال kennerist neighbor واعتماده و شفنا انه
+
+8
+00:00:33,690 --> 00:00:36,610
+بيعتمد على الحساب على ال similarity distance
+
+9
+00:00:36,610 --> 00:00:42,550
+وحكينا انه بيعتمد عليها او بقارن او باستخدام
+
+10
+00:00:42,550 --> 00:00:47,110
+different distances زي ال including distance او ال
+
+11
+00:00:47,110 --> 00:00:52,600
+Manhattan distanceوتكلمنا على الـ Naive bias كـ
+
+12
+00:00:52,600 --> 00:00:57,280
+classifier وشوفنا كيف ال probability او كيف تم
+
+13
+00:00:57,280 --> 00:00:59,400
+حسبة ال probability او ال conditional probability
+
+14
+00:00:59,400 --> 00:01:05,100
+وانتقلنا بعد هي كان لموضوع ال decision tree وشوفنا
+
+15
+00:01:05,100 --> 00:01:08,920
+كيف بنينا ال decision tree مع بعض واخر classifier
+
+16
+00:01:08,920 --> 00:01:12,080
+كان ل neural network او ال multilinear perceptron
+
+17
+00:01:12,080 --> 00:01:16,200
+او ال classifier كان neural network الآن بعد ما
+
+18
+00:01:16,200 --> 00:01:20,480
+أنا بنيتالموديل هذا و اصبح عملية ال classification
+
+19
+00:01:20,480 --> 00:01:24,220
+مش لازم انا اعرف جدش عملية ال classification تبعتي
+
+20
+00:01:24,220 --> 00:01:28,320
+صح او كده فبتيجي عملية ال evaluation هان فعليا
+
+21
+00:01:28,320 --> 00:01:35,340
+عشان تقولي انا والله بدي اقيم العناصر اللي موجودة
+
+22
+00:01:35,340 --> 00:01:39,460
+عندى يعنى عفو مش العناصر بدي اقيم اداء ال
+
+23
+00:01:39,460 --> 00:01:42,260
+classifier اللي موجود عندى يعنى فلما احنا بنتكلم
+
+24
+00:01:42,260 --> 00:01:46,830
+على evaluation يعني ان انا بتتكلم علىتقييم فعلي
+
+25
+00:01:46,830 --> 00:01:52,610
+للـ classifier اللي موجود عندى و هذا هم فحوة
+
+26
+00:01:52,610 --> 00:01:56,490
+محاضرتنا لليوم أو في التسجيل هذا ان شاء الله تعالى
+
+27
+00:01:57,520 --> 00:02:00,740
+طبعا بحب اذكر فقط بداية ان اذكر بعض الشغلات
+
+28
+00:02:00,740 --> 00:02:04,660
+الأساسية قلنا من ال basic concept الخاص بال
+
+29
+00:02:04,660 --> 00:02:07,540
+classifier في عند مصطلح ال accuracy و قلنا ال
+
+30
+00:02:07,540 --> 00:02:11,280
+accuracy هي عبارة على قدرة ال classifier التنبؤ
+
+31
+00:02:11,280 --> 00:02:16,220
+بشكل صحيح و عادة بتمثل النسبة عدد ال prediction
+
+32
+00:02:16,220 --> 00:02:22,560
+الصحيح على كل predictions اللي سواها على كل عمليات
+
+33
+00:02:22,560 --> 00:02:26,700
+التنبؤ اللي سواها ال classifier اللي موجودة عندها
+
+34
+00:02:27,990 --> 00:02:31,930
+وبالتالي سنقول إن الـ Accuracy بتشير لعملية القدرة
+
+35
+00:02:31,930 --> 00:02:36,090
+للـ classifier إنه يعمل correct prediction of the
+
+36
+00:02:36,090 --> 00:02:39,950
+class label for unseen data وتكلمنا عن الـ Speed
+
+37
+00:02:39,950 --> 00:02:44,210
+قلنا إنها عبارة عن computational cost الخاصة بالـ
+
+38
+00:02:44,210 --> 00:02:47,870
+classifier لما تكلمنا عن computational cost
+
+39
+00:02:50,350 --> 00:02:54,410
+أنا بهمني الوقت اللي بده يستغرقه ال classifier
+
+40
+00:02:54,410 --> 00:02:58,350
+سواء في عملية ال training أو حتى في عملية ال
+
+41
+00:02:58,350 --> 00:03:05,870
+classification نفسها أو ال prediction نفسها عفوا و
+
+42
+00:03:05,870 --> 00:03:08,430
+اتكلمنا كذلك على ال robustness و قولنا ال
+
+43
+00:03:08,430 --> 00:03:12,170
+robustness هي عبارة عن القدرة القدرة ال classifier
+
+44
+00:03:12,170 --> 00:03:17,690
+على انه يعمل correct predictionلما يكون فيه عندي
+
+45
+00:03:17,690 --> 00:03:23,830
+أنا noisy data لما يكون فيه عندي noisy data ال بعد
+
+46
+00:03:23,830 --> 00:03:26,690
+هي تكلمنا على ال scalability وقلنا ال scalability
+
+47
+00:03:26,690 --> 00:03:32,970
+تشير إلى قدرة ال classifier على القدرة على ان انا
+
+48
+00:03:32,970 --> 00:03:39,410
+فعليا ابني classifier بشكل مجدي في حالة وجود
+
+49
+00:03:39,410 --> 00:03:43,780
+البياناتالضخمة اللي موجودة عندي و Interpretability
+
+50
+00:03:43,780 --> 00:03:49,000
+أو قدرة على تفسير أو على فهم العناصر أو فهم
+
+51
+00:03:49,000 --> 00:03:55,840
+الإيهاءات الصادرة أو المعلومات الصادرة عن ال
+
+52
+00:03:55,840 --> 00:03:58,200
+classifier اللي موجود و طبعا زي ما قولنا عملية
+
+53
+00:03:58,200 --> 00:04:01,440
+تفسيرها دايما عملية subjective حسب الأشخاص و حسب
+
+54
+00:04:01,440 --> 00:04:06,380
+ال difficulties اللي أنا بدي أقيمهافعليا عملية ال
+
+55
+00:04:06,380 --> 00:04:10,940
+evaluation لل classifiers أو ال classification
+
+56
+00:04:10,940 --> 00:04:19,340
+models عملية نوعا ما فيها نوع من الخداع
+
+57
+00:04:19,340 --> 00:04:25,640
+لكنها فعلا عملية ممكن تكون نوعا ما غير واضحة أو
+
+58
+00:04:25,640 --> 00:04:29,120
+فيها بعض الخبايا لازم الواحد ينتبه لها عشان هيك
+
+59
+00:04:29,120 --> 00:04:34,220
+بنقول نسميها tricky أو خداعةطبعاً لما نتكلم عن
+
+60
+00:04:34,220 --> 00:04:38,820
+evaluation أول evaluation أو أول metric ممكن يخطر
+
+61
+00:04:38,820 --> 00:04:44,260
+في بالي هي عبارة عن ال accuracy أول
+
+62
+00:04:44,260 --> 00:04:47,540
+metric ممكن يخطر في بالي في التقييم أو في ال
+
+63
+00:04:47,540 --> 00:04:51,820
+evaluation هي عبارة عن ال accuracy لكنها مش هي
+
+64
+00:04:51,820 --> 00:04:56,880
+الوحيدة طبعاً هنا لما نتكلم على ال accuracy معناته
+
+65
+00:04:56,880 --> 00:05:01,840
+أنا استخدم باعتمادي على test setأنا الـ training
+
+66
+00:05:01,840 --> 00:05:08,740
+set استخدمته في لحظة بناء
+
+67
+00:05:08,740 --> 00:05:13,480
+الموديل و ال test set جا دورها عشان أهي عبارة عن
+
+68
+00:05:13,480 --> 00:05:21,700
+unlabeled set و أنا بدي أعملها prediction وبناء
+
+69
+00:05:21,700 --> 00:05:25,640
+عليك بقيم ال accuracy في سؤال مهم جدا يا جماعة
+
+70
+00:05:25,640 --> 00:05:31,460
+الخيار هل ال test setهي عبارة عن labelled data أو
+
+71
+00:05:31,460 --> 00:05:36,140
+labelled set أو unlabelled set كمان مرة السؤال
+
+72
+00:05:36,140 --> 00:05:39,980
+بأطرحه الآن بقول هل ال test set هي عبارة عن
+
+73
+00:05:39,980 --> 00:05:44,040
+labelled set أو unlabelled set بين جثيم هل لازم
+
+74
+00:05:44,040 --> 00:05:50,820
+يكون لها label ولا مش لازم يكون لها label المفروض
+
+75
+00:05:51,690 --> 00:06:00,230
+الان تعمل pause للـ recording هذا وتحاول تفكر
+
+76
+00:06:00,230 --> 00:06:03,690
+بالجواب احنا بتذكر ان طرحنا خلال المحاضرات السابقة
+
+77
+00:06:03,690 --> 00:06:09,090
+الجواب الصحيح انه لازم تكون labelled لأن لو ماكانش
+
+78
+00:06:09,090 --> 00:06:12,190
+فيه label مش هقدر اعمل evaluation مش هقدر اعرف
+
+79
+00:06:12,190 --> 00:06:14,770
+جديش ال prediction الصحيح من ال prediction الخطأ
+
+80
+00:06:14,770 --> 00:06:18,550
+وبالتالي ال test set must be labelled
+
+81
+00:06:21,470 --> 00:06:24,250
+طبعا عندي الـ methods اللي انا ممكن استخدمها مع ال
+
+82
+00:06:24,250 --> 00:06:27,710
+classifier مع ال classification هان هي عبارة عن
+
+83
+00:06:27,710 --> 00:06:31,290
+مجموعة من ال .. ال method أو في عندي two methods
+
+84
+00:06:31,290 --> 00:06:36,010
+أساسيات أنا بستخدمهم عشان أتنبأ أو أقدر أعمل تقدير
+
+85
+00:06:36,010 --> 00:06:40,110
+لل accuracy الخاصة بال classifier في عندها ال
+
+86
+00:06:40,110 --> 00:06:44,590
+holdout method و ال holdout method بتعتمد على ال
+
+87
+00:06:44,590 --> 00:06:49,760
+random samplingو طبعا هنا فعليا انا بقى زي ما قلنا
+
+88
+00:06:49,760 --> 00:06:52,640
+سابقا و زي ما كان في ال assignment السابق انا
+
+89
+00:06:52,640 --> 00:06:57,160
+فعليا ال data set اللي موجودة عندها بغض النظر عن
+
+90
+00:06:57,160 --> 00:07:02,460
+حجمها جسمتها ل two partitions سبعين على سبيل
+
+91
+00:07:02,460 --> 00:07:09,500
+المثال في المية لل training و تلاتين في الميةكانت
+
+92
+00:07:09,500 --> 00:07:13,380
+للـ Testing هذه الميثود بسميها holdout method و
+
+93
+00:07:13,380 --> 00:07:18,700
+بجسم ال data set تبعتي ل training and test set و
+
+94
+00:07:18,700 --> 00:07:21,220
+بعدين الطريقة التانية اللي احنا بسميها ال cross
+
+95
+00:07:21,220 --> 00:07:24,500
+validation و ال cross validation هي عبارة عن مثل
+
+96
+00:07:24,500 --> 00:07:29,100
+كذلك موجودة غالبا معظم استخدامها لما بتكون ال data
+
+97
+00:07:29,100 --> 00:07:36,600
+set تبعتي حجمها قليل هروح بتفاصيلهم بشكل كويسطبعاً
+
+98
+00:07:36,600 --> 00:07:41,260
+لما أتكلم على cross validation طريقة ممتازة جداً
+
+99
+00:07:41,260 --> 00:07:46,160
+بحيث أنه أنا أعرض ال data set بالكامل في ال
+
+100
+00:07:46,160 --> 00:07:50,980
+training على أجزاء مختلفة و كذلك باختبر كل ال data
+
+101
+00:07:50,980 --> 00:07:54,900
+set و بطلع بالمتوسط اللي موجود لما أنا بتكلم على
+
+102
+00:07:54,900 --> 00:07:58,180
+cross validation بتكلم إن هي عبارة عن statistical
+
+103
+00:07:58,180 --> 00:08:02,270
+method تستخدممن أجل الـ evaluation للـ
+
+104
+00:08:02,270 --> 00:08:05,170
+generalization الـ generalization جماعة الخير
+
+105
+00:08:05,170 --> 00:08:10,470
+المقصود فيها هان ان انا بأتكلم قاعد على او بتكلم
+
+106
+00:08:10,470 --> 00:08:16,670
+على قدرة النظام على التنبؤ الصحيح هو اتعلم بناء
+
+107
+00:08:16,670 --> 00:08:22,070
+على ال training data الان انا بدأ اشوف فعليا كيف
+
+108
+00:08:22,070 --> 00:08:25,610
+أداء النظام او ده ال model اللي موجود عندي هان
+
+109
+00:08:25,910 --> 00:08:29,510
+فكلمة الـ model بيقدر يتعامل أو يكون أداء تبعه
+
+110
+00:08:29,510 --> 00:08:33,270
+بكون كويس مع unseen data معناته هو more general
+
+111
+00:08:33,270 --> 00:08:36,910
+more general يعني ما انبناش فقط من أو مكان مش
+
+112
+00:08:36,910 --> 00:08:40,830
+specific لل training data اللي استخدمناها بل
+
+113
+00:08:40,830 --> 00:08:44,790
+بالعكس هو شغال على general data set على أي data
+
+114
+00:08:44,790 --> 00:08:48,750
+set هيشتغلوا بكفاءة كويسة طبعا ال performance data
+
+115
+00:08:48,750 --> 00:08:50,730
+are more stable
+
+116
+00:08:55,210 --> 00:09:01,010
+using split طبعاً
+
+117
+00:09:01,010 --> 00:09:03,770
+اللي متكلم عن الـ cross validation نتكلم إنه ال
+
+118
+00:09:03,770 --> 00:09:07,690
+performance هذا أو خلنا نقول ال estimation تبعت ال
+
+119
+00:09:07,690 --> 00:09:11,330
+accuracy أو ال performance تبعت ال ال model هان
+
+120
+00:09:11,330 --> 00:09:16,410
+هتكون أكثر موثوقية أو أكثر ثباتاً ما إنه لو أنا
+
+121
+00:09:16,410 --> 00:09:20,690
+فعاليا قسمت ال data set ل training أو testing لأن
+
+122
+00:09:20,690 --> 00:09:25,360
+موضوع ال randomness بيعمل فعلا مشكلةحقيقية فالـ
+
+123
+00:09:25,360 --> 00:09:28,380
+cross validation بدل ما انا جسم ال data set
+
+124
+00:09:28,380 --> 00:09:35,340
+لمجمعتين فعليا انا بجسم ال data بشكل متكرر
+
+125
+00:09:35,340 --> 00:09:37,600
+repeatedly شو يعني؟
+
+126
+00:09:40,410 --> 00:09:44,890
+مفهومها أنه انا فعلياً بروح بأجسم افترض ان هذه
+
+127
+00:09:44,890 --> 00:09:49,890
+الخط ال data كل واحد من ال rows هاي بمثل ال data
+
+128
+00:09:49,890 --> 00:09:54,350
+set كاملة الفكرة فيها انه انا اجسمها لمجموعة من ال
+
+129
+00:09:54,350 --> 00:09:58,350
+fold وال fold هذه واحدة منهم تستخدم لل training
+
+130
+00:09:58,350 --> 00:10:06,460
+والباقي يستخدم لعفوا واحدة للتست والباقي يستخدم ال
+
+131
+00:10:06,460 --> 00:10:11,400
+lettering يعني تخيل لو انا قلت هي ال data set اللي
+
+132
+00:10:11,400 --> 00:10:14,560
+موجودة عندي سامحوني انا مش جادر اعمل control كتير
+
+133
+00:10:14,560 --> 00:10:17,420
+على ال mouse او على ال pen اللي موجود معاياها
+
+134
+00:10:18,550 --> 00:10:22,390
+جسمتها لأربع أجزاء فبشكل متكرر باجي بقول والله
+
+135
+00:10:22,390 --> 00:10:26,570
+الجزء هذا الآن هو المخصص لل training والتلاتة هدوة
+
+136
+00:10:26,570 --> 00:10:31,410
+عفوا لل test والتلاتة هدوة المخصصين لمين لموضوع ال
+
+137
+00:10:31,410 --> 00:10:35,290
+training في الدورة التانية بحدد هذا لل test
+
+138
+00:10:35,290 --> 00:10:40,810
+والباقي هذا كله ل training ولاحظوا في كل مرة انا
+
+139
+00:10:40,810 --> 00:10:43,750
+باعتمد على القيمة اللي بتطلع من موضوع ال testing
+
+140
+00:10:43,750 --> 00:10:49,580
+هنا ال accuracy ال accuracyالـ Accuracy وليس
+
+141
+00:10:49,580 --> 00:10:52,280
+بالضرورة في كل مرة تديني نفس القيمة بالعكس تديني
+
+142
+00:10:52,280 --> 00:10:58,640
+قيم مختلفة في النهاية أحصل على أو أحاول أخد الـ
+
+143
+00:10:58,640 --> 00:11:02,380
+Average الخاصة بالـ Accuracy اللي موجودة هيك عشان
+
+144
+00:11:02,380 --> 00:11:06,260
+هيك بنقول انه فعليا ان ال cross validation more
+
+145
+00:11:06,260 --> 00:11:09,540
+stable لكن فعليا لو أنا كانت عند ال data ستة باعت
+
+146
+00:11:09,540 --> 00:11:14,170
+كبيرةداتا 6 بقعت كبيرة كبيرة زي ما بتكلم 100 ألف
+
+147
+00:11:14,170 --> 00:11:17,890
+record أو أو 50 ألف record و أطلع و روحت والله أنا
+
+148
+00:11:17,890 --> 00:11:21,910
+أخدت منها 30% و عارف انه في مستخدم ال stratified
+
+149
+00:11:21,910 --> 00:11:26,970
+sampling عشان اضمن ان في عندي balance في ال data
+
+150
+00:11:26,970 --> 00:11:32,870
+اللي موجودة عندى ال .. ما بين ال different classes
+
+151
+00:11:32,870 --> 00:11:36,790
+او different labels بتديني نتيجة برضه موطوقة و
+
+152
+00:11:36,790 --> 00:11:40,340
+ممكن تكون أسرع من ال cross validation تمامبغض
+
+153
+00:11:40,340 --> 00:11:44,240
+النظر الطريقة اللي اتبعتها كانت الـ K-fold cross
+
+154
+00:11:44,240 --> 00:11:48,000
+-validation طبعا الـ K نرمز لها هان اللي هي عدد ال
+
+155
+00:11:48,000 --> 00:11:53,000
+folds اللي انت بدك تجسم فيها ده ك set يعني انا لما
+
+156
+00:11:53,000 --> 00:11:55,800
+اقولك مثلا بالمثال اللي موجود عندنا على ال slide
+
+157
+00:11:55,800 --> 00:12:01,220
+فعليا انا خمسةمعناته في كل part يتمثل عشرين في
+
+158
+00:12:01,220 --> 00:12:03,820
+المية عشرين في المية testing و تمانين في المية
+
+159
+00:12:03,820 --> 00:12:07,020
+training لاحظوا ان انا زي مرحلة ال training ممكن
+
+160
+00:12:07,020 --> 00:12:13,360
+اقوم بجسمها لعشرة عشرة في المية testing وتستعين في
+
+161
+00:12:13,360 --> 00:12:17,000
+المية training في حالتي انا حاولت ارسمها اربعة
+
+162
+00:12:17,000 --> 00:12:20,740
+عشرين في المية testing وخمسة وسبعين في المية
+
+163
+00:12:20,740 --> 00:12:25,300
+training فحسب ال data او حسب تقسيمك لل data اللي
+
+164
+00:12:25,300 --> 00:12:29,730
+موجود عندك تماممن الشغلات المهمة جدا اللى لازم
+
+165
+00:12:29,730 --> 00:12:33,230
+استوعبها انا صح اللى هي ال classification في ال
+
+166
+00:12:33,230 --> 00:12:36,710
+classification model ال confusion matrix طبعا عشان
+
+167
+00:12:36,710 --> 00:12:42,890
+تبسيط المفهوم هشتغل فقط على two classes على binary
+
+168
+00:12:42,890 --> 00:12:47,710
+classification class A و class B أو class 1 C1 و
+
+169
+00:12:47,710 --> 00:12:52,010
+C2 اللى هما ممكن يكونوا positive و negative يعني
+
+170
+00:12:52,010 --> 00:12:58,050
+لو انا افترض ان class 1 هذا positiveوهذا negative
+
+171
+00:12:58,050 --> 00:13:05,790
+positive و negative الان من اسمها confusion matrix
+
+172
+00:13:05,790 --> 00:13:08,890
+مصفوفة
+
+173
+00:13:08,890 --> 00:13:19,010
+اللخمة او مصفوفة التشتوت او سميها زي ما بدك انا
+
+174
+00:13:19,010 --> 00:13:26,590
+باستخدمها لانه فعليا تديني بشكل واضحوين ال data
+
+175
+00:13:26,590 --> 00:13:32,910
+set تباعتي راحت الفكرة أنه الآن لو انا قلت ان
+
+176
+00:13:32,910 --> 00:13:36,010
+الموزع طبعا هذه التوزيعة بنتبتها دائما عشان ما
+
+177
+00:13:36,010 --> 00:13:42,370
+نعملش مشكلة عند البعض لكن حتى لو اختلفت المصفوفة
+
+178
+00:13:42,370 --> 00:13:46,930
+كتير انا بعمل لها transpose يعني ممكن اعمل
+
+179
+00:13:46,930 --> 00:13:51,450
+transpose في اماكن تانية او في اماكن تقراها
+
+180
+00:13:51,450 --> 00:13:55,790
+بالtranspose وبالتالي اعمل ال prediction هناوالـ
+
+181
+00:13:55,790 --> 00:14:00,930
+actual classes موجودة هنا لكن انا باعتمد على ان
+
+182
+00:14:00,930 --> 00:14:03,470
+الـ actual row موجودة في ال rows و ال predicted
+
+183
+00:14:03,470 --> 00:14:09,010
+موجودة في ال columns تمام معناته انا في عندى class
+
+184
+00:14:09,010 --> 00:14:13,010
+1 و class 2 positive و negative وهدول ال data set
+
+185
+00:14:13,010 --> 00:14:17,630
+اللي موجودة عندى هنامحدش قال لي مطلقا تعالى نجي
+
+186
+00:14:17,630 --> 00:14:20,950
+على الرسمة اللي بس اللي هان محدش قاللي مطلقا ان ال
+
+187
+00:14:20,950 --> 00:14:24,270
+prediction تبعتي لازم تكون صحيحة 100% يعني لو كانت
+
+188
+00:14:24,270 --> 00:14:28,950
+ال data tests تبعتي هي مقسمة بين الأخضر والأحمر
+
+189
+00:14:28,950 --> 00:14:33,650
+وال predictive model الأخضر المفروض positive
+
+190
+00:14:33,650 --> 00:14:38,410
+والأحمر negativeالله يبعد عنكم الشرك والأحباب كل
+
+191
+00:14:38,410 --> 00:14:42,090
+يوم احنا بنتكلم على كورونا فيروس موجود في العالم و
+
+192
+00:14:42,090 --> 00:14:45,390
+الكل بتجري فحوصات positive معناته هذا بيدخل في
+
+193
+00:14:45,390 --> 00:14:49,090
+المستشفى ويبدو رعاية صحية negative بيبقى في الحجر
+
+194
+00:14:49,090 --> 00:14:52,690
+الصحي لحد ما تنتهي ال 14 يوم و نتأكد ان الفيروس مش
+
+195
+00:14:52,690 --> 00:14:55,970
+موجود مش هذا اللي بيصير الله يعافيكوا و أهليكوا
+
+196
+00:14:55,970 --> 00:14:59,970
+وكل أحبابكوا يا رب العالمينالان الـ system
+
+197
+00:14:59,970 --> 00:15:03,210
+positive أو negative فالـ system هو اللي بده يعمل
+
+198
+00:15:03,210 --> 00:15:07,270
+prediction بناءً على ال data الان هو جلب .. لاحظوا
+
+199
+00:15:07,270 --> 00:15:10,390
+هو ب6 عينات هنا ال data set كلها عملها
+
+200
+00:15:10,390 --> 00:15:13,150
+classification انتوا ملاحظين انه في عندي أنا هنا
+
+201
+00:15:13,150 --> 00:15:21,330
+سبعة وفي عندي تمانية يعني هدول 15 element سبعة
+
+202
+00:15:21,330 --> 00:15:25,730
+positive وتمانية negative فلما عمل ال prediction
+
+203
+00:15:25,730 --> 00:15:29,600
+عمل أربعةأو قال لي انه في عندك sub المجموع ال
+
+204
+00:15:29,600 --> 00:15:33,400
+positive قال لي في عندي ست حالات لكن واضح ان هو
+
+205
+00:15:33,400 --> 00:15:37,520
+أخطأ في حالتين أخطأ في الحمر هدول صح تمام و ال
+
+206
+00:15:37,520 --> 00:15:42,980
+negative زيها طيب نيشي الآن في ال actual انا فعليا
+
+207
+00:15:42,980 --> 00:15:47,580
+عندي واحدة اتين تلاتة اربع خمسة ستة يعني الصف هذا
+
+208
+00:15:47,580 --> 00:15:55,380
+على امتدادهبتكون مجموعه عبارة عن مجموع العناصر أو
+
+209
+00:15:55,380 --> 00:16:01,020
+عدد العناصر الـ positive cases أو كل الـ rows اللي
+
+210
+00:16:01,020 --> 00:16:06,320
+بتنتمي ل class 1 true positive هي عبارة عن الـ
+
+211
+00:16:06,320 --> 00:16:12,920
+rows اللي هي فعليا بتنتميلـ Class 1 و الـ system
+
+212
+00:16:12,920 --> 00:16:17,400
+عملها prediction as class 1 يعني صنفها بشكل صحيح
+
+213
+00:16:17,400 --> 00:16:21,420
+فبقولها true يعني تصنيفها كان صحيح و هي فعليا
+
+214
+00:16:21,420 --> 00:16:26,460
+positive و طبعا ما تنساش او ما تنسيش ان انا بتكلم
+
+215
+00:16:26,460 --> 00:16:31,040
+على binary classification اسهل الموضوع تمام ماهو
+
+216
+00:16:31,040 --> 00:16:34,760
+ال false negative ال false negative هي فعليا
+
+217
+00:16:34,760 --> 00:16:38,400
+elements بتنتمي ل class 1 و هي positive لكن
+
+218
+00:16:38,400 --> 00:16:43,020
+صنفليها بالخطأأو أخطأ في تصنيفها و حط ليها إيش على
+
+219
+00:16:43,020 --> 00:16:46,520
+إنها negative وبالتالي أصبحت عندي هنا false
+
+220
+00:16:46,520 --> 00:16:51,020
+negative مجموح هدول العنصرين ال true positive و ال
+
+221
+00:16:51,020 --> 00:16:54,240
+false negative ال true positive و ال false
+
+222
+00:16:54,240 --> 00:16:58,780
+negative هو بتديني عدد عناصر ال class الأول تمام؟
+
+223
+00:16:58,780 --> 00:17:02,480
+طيب بالنسبة لل class التاني هو عملها prediction
+
+224
+00:17:02,480 --> 00:17:08,500
+على إنها class one يعني هو قال إنها positive لكنه
+
+225
+00:17:08,500 --> 00:17:12,570
+ال prediction هذا خطأليش؟ لأن هي في الحقيقة تنتمي
+
+226
+00:17:12,570 --> 00:17:16,250
+ل class 2 اللي هو الـ negative فهي فعليا negative
+
+227
+00:17:16,250 --> 00:17:19,710
+ولكن عملها prediction على إنها positive فهي false
+
+228
+00:17:19,710 --> 00:17:25,350
+positive تمام؟ وتبقى عندها ال true negative هي
+
+229
+00:17:25,350 --> 00:17:30,110
+class 2 صنفها على class 2 صحيح؟ وبالتالي هي عبارة
+
+230
+00:17:30,110 --> 00:17:33,990
+عن true negative يعني فعليا لو أنا بدى أفكر
+
+231
+00:17:33,990 --> 00:17:37,630
+بالجدول أو ب confusion matrix لما أنا بدى أنشئها
+
+232
+00:17:37,630 --> 00:17:45,950
+بشكل صحيحأي الجدول هو
+
+233
+00:17:45,950 --> 00:17:51,250
+فيه
+
+234
+00:17:51,250 --> 00:18:01,250
+مساحة بال powerpoint ولا مافيش eraser
+
+235
+00:18:01,250 --> 00:18:05,810
+تمام
+
+236
+00:18:05,810 --> 00:18:08,490
+رجعها لاشي
+
+237
+00:18:17,740 --> 00:18:23,380
+الان احنا متفقين هنا ان انا فعليا هنا عند الـ
+
+238
+00:18:23,380 --> 00:18:27,400
+actual والأعمدة الـ predicted
+
+239
+00:18:34,130 --> 00:18:40,910
+C2 C1 و C2 حسب الرسمة اللي موجودة عندها حاجة
+
+240
+00:18:40,910 --> 00:18:46,930
+اعدنالان كام واحدة فعليا بينتمي ل class one وعملها
+
+241
+00:18:46,930 --> 00:18:49,590
+prediction في ال class one صحيح في ال positive
+
+242
+00:18:49,590 --> 00:18:55,550
+واحدة اتنين تلاتة اربعة تمام
+
+243
+00:18:55,550 --> 00:19:02,410
+طيب و هدول هذه
+
+244
+00:19:02,410 --> 00:19:06,880
+وهذههم أصلا نيجاتيف class 2 لكن اعملهم prediction
+
+245
+00:19:06,880 --> 00:19:14,840
+هان تمام نجي للحالة النيجاتيف هي بتنتمي ل class 1
+
+246
+00:19:14,840 --> 00:19:18,280
+لكن عملها prediction في class 2 اللي هم الخضر اللي
+
+247
+00:19:18,280 --> 00:19:22,340
+هان اتنين لو
+
+248
+00:19:22,340 --> 00:19:27,140
+عديت الخضر اتنين واربعة ستة هي المجموع و هان لازم
+
+249
+00:19:27,140 --> 00:19:33,850
+يكون هنا في عندياشعشان يكتمل عدد 2.68 فهذه هي
+
+250
+00:19:33,850 --> 00:19:37,970
+فعليا ال confusion matrix اللي انا هشغل عليها تمام
+
+251
+00:19:37,970 --> 00:19:41,590
+الآن ال accuracy كون ان انا حسبت ال confusion
+
+252
+00:19:41,590 --> 00:19:46,870
+matrix اتفقنا ان ال accuracy هي عبارة عن ال ratio
+
+253
+00:19:46,870 --> 00:19:56,030
+عدد نسبة ال test table اللي صنفها بشكل صحيح مين هم
+
+254
+00:19:56,030 --> 00:20:02,900
+ال true positiveوالـ true negative و لا لأ تمام
+
+255
+00:20:02,900 --> 00:20:06,700
+معناته ال true positive صحيحة و ال true negative
+
+256
+00:20:06,700 --> 00:20:11,780
+صحيحة هدولة صحيحات فبجمع هذه و هذه على كل عناصر
+
+257
+00:20:11,780 --> 00:20:14,300
+المصفوفة اللي موجودة عندي بكون حصلت على ال
+
+258
+00:20:14,300 --> 00:20:18,620
+accuracy على كل predict على ال cardinality تبعت ال
+
+259
+00:20:18,620 --> 00:20:23,700
+test set اللي انا باتكلم عليها واضحة كمان مرة ال
+
+260
+00:20:23,700 --> 00:20:28,580
+accuracy هي عبارة عن نسبةالـ Rows أو الـ Tables
+
+261
+00:20:28,580 --> 00:20:32,600
+اللي في ال test set اللي نجح ال classifier فيه
+
+262
+00:20:32,600 --> 00:20:39,260
+تصنيفها على حجم ال test set اللي موجودة عندى تمام
+
+263
+00:20:39,260 --> 00:20:44,780
+بالمثال السابق لو انا بدى ارجع هان ال prediction
+
+264
+00:20:44,780 --> 00:20:54,000
+تبعتي عبارة عن ال هان عفوا اربع
+
+265
+00:20:54,000 --> 00:21:03,510
+زائد6 على 15 لأن كل ال data 6 بعد 15 element
+
+266
+00:21:03,510 --> 00:21:09,470
+عديناها قبل شوية يعني بين جثين 12 على 15 لو أنا
+
+267
+00:21:09,470 --> 00:21:14,970
+بتتكلم على 3 بتتكلم على 4 على 5 معناته أنا بتتكلم
+
+268
+00:21:14,970 --> 00:21:19,790
+جاعد حدود ال accuracy تبعتي 80%
+
+269
+00:21:22,870 --> 00:21:26,790
+تمام طبعا ال accuracy عكسة في عند ال error rate
+
+270
+00:21:26,790 --> 00:21:29,650
+طبعا ممكن في عند مصطلح تاني ممكن استخدمه مع ال
+
+271
+00:21:29,650 --> 00:21:35,190
+accuracy اللي هو ايش ال recognition rate وطبعا
+
+272
+00:21:35,190 --> 00:21:38,070
+برضه من المصطلحات المستخدمة accuracy او
+
+273
+00:21:38,070 --> 00:21:41,090
+recognition rate نفس المعنى في عند ال error rate
+
+274
+00:21:41,090 --> 00:21:44,710
+ال error rate طبعا اعلى نسبة اللي هي واحد مصبوط
+
+275
+00:21:44,710 --> 00:21:49,410
+يعني احنا قبل شوية كانت عندى 80% 5 على 4 يعني 8 من
+
+276
+00:21:49,410 --> 00:21:55,830
+10 ال error rate تساوي واحد ناقص8 من 10 وتساوي
+
+277
+00:21:55,830 --> 00:22:01,810
+point اتنين من عشرة او بين جثين اللي هي عشرين ��يلم
+
+278
+00:22:01,810 --> 00:22:05,150
+يعني هذا مقدار ال error rate او بين جثين ال error
+
+279
+00:22:05,150 --> 00:22:08,990
+rate زي ما احنا شايفين هنا هي عبارة عن ال false
+
+280
+00:22:08,990 --> 00:22:11,250
+positive و ال false negative
+
+281
+00:22:14,470 --> 00:22:17,770
+له فعليا اللي أخطأ فيه تصنيفهم اللي أخطأ فيه
+
+282
+00:22:17,770 --> 00:22:21,290
+تصنيفهم طبعا جامعة الخيار هنا في شغل مهم جدا طب
+
+283
+00:22:21,290 --> 00:22:23,610
+هذا يا دكتور في حالتي ال binary classification لو
+
+284
+00:22:23,610 --> 00:22:26,490
+حد اتقرح على أي سؤال و قال يا دكتور هذا في حالة ال
+
+285
+00:22:26,490 --> 00:22:30,910
+binary classification طب شوف حالة ال multiple
+
+286
+00:22:30,910 --> 00:22:33,390
+class يعني لو كانت المصفوفة تبعتي ال confusion
+
+287
+00:22:33,390 --> 00:22:42,830
+matrix تبعتي تلاتة في تلاتة ايش
+
+288
+00:22:42,830 --> 00:22:48,350
+ممكن نعملخلّينا نعتمد نفس التوزيع السابقة الـ
+
+289
+00:22:48,350 --> 00:22:54,910
+actual في الأعمدة الـ actual في الصفوف و الـ
+
+290
+00:22:54,910 --> 00:23:00,270
+predicted في الأعمدة معناته هذه هتكون true
+
+291
+00:23:00,270 --> 00:23:07,270
+positive أو هذه false
+
+292
+00:23:07,270 --> 00:23:10,740
+negativeفالس
+
+293
+00:23:27,780 --> 00:23:31,820
+بوزيتف لكن حطيلي اياهم false negative يعني هم جالس
+
+294
+00:23:31,820 --> 00:23:35,360
+.. هو تفسر .. يعني بفهم هيكل يعني c2 و c3 not
+
+295
+00:23:35,360 --> 00:23:39,200
+positive يعني negative فاخدلي اياهم هان كمان في ال
+
+296
+00:23:39,200 --> 00:23:47,040
+class التاني هتكون هذه true negative و هذه false
+
+297
+00:23:47,040 --> 00:23:55,580
+positive false positive ل c1 عفوا عفوا هي c2 و هي
+
+298
+00:23:55,580 --> 00:24:06,300
+c3وهنا ستكون فالس نيجاتيف فالس
+
+299
+00:24:06,300 --> 00:24:09,540
+نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف
+
+300
+00:24:09,540 --> 00:24:11,220
+فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس
+
+301
+00:24:11,220 --> 00:24:11,220
+نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف
+
+302
+00:24:11,220 --> 00:24:12,280
+فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس
+
+303
+00:24:12,280 --> 00:24:13,540
+نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف
+
+304
+00:24:13,540 --> 00:24:16,920
+فالس نيجاتيف فالس نيجاتيف فالس نيجاتيف فالس
+
+305
+00:24:16,920 --> 00:24:25,260
+نيجاتيف فالس نيجاتيف فالهذا الكلام الـ Accuracy
+
+306
+00:24:25,260 --> 00:24:31,800
+ممتازة في حالة ان العناصر او ال class is balanced
+
+307
+00:24:31,800 --> 00:24:35,300
+يعني بنجوسين سبعة و تمانية جرب من بعض خمسين و
+
+308
+00:24:35,300 --> 00:24:40,020
+خمسين تلاتين تلاتين تلاتين او خمسين خمسين خمسين في
+
+309
+00:24:40,020 --> 00:24:43,500
+حالة ال IRIS data setالـ Balance بين ال classes
+
+310
+00:24:43,500 --> 00:24:47,680
+موجودة لكن فعلياً لما انا بتكلم على ال diseases أو
+
+311
+00:24:47,680 --> 00:24:51,060
+في اللي بتكلم على ال fraud detection عمليات النصب
+
+312
+00:24:51,060 --> 00:24:55,620
+في وضعات الاهتمام ال classes in balance شو يعني in
+
+313
+00:24:55,620 --> 00:24:58,480
+balance انه عدد ال elements في الكلة و عدد ال rows
+
+314
+00:24:58,480 --> 00:25:05,320
+مع كل class غير متساوية طبعا أجيب المثال أوضح الله
+
+315
+00:25:05,320 --> 00:25:09,100
+يعافيكم كم مرة وأهليكم جميعا لأن كم واحد بنعمله
+
+316
+00:25:09,100 --> 00:25:15,010
+فحص كورونا حول العالممئات الألف عشرات الألف بلاش
+
+317
+00:25:15,010 --> 00:25:19,370
+مئات الألف كام واحد بتثبت معاه الحالة أقل كتير
+
+318
+00:25:19,370 --> 00:25:26,350
+وبالتالي عدد ال negative أكبر كتير من عدد ال
+
+319
+00:25:26,350 --> 00:25:32,210
+positive ممتاز طب لو أنا سألت سؤال مين أختار؟ واحد
+
+320
+00:25:32,210 --> 00:25:35,490
+ماعهوش فيروس وقال لل system لأ ان هذا عنده فيروس
+
+321
+00:25:35,490 --> 00:25:41,760
+كورونا ولا واحد عنده فيروس كورونا وال systemقال له
+
+322
+00:25:41,760 --> 00:25:48,480
+إنه ما عندهوش شو رايكوا؟ يعني نسبة الخطأ مع ال
+
+323
+00:25:48,480 --> 00:25:50,960
+positive ولا الخطأ مع ال negative هي الأخطر
+
+324
+00:25:50,960 --> 00:25:55,820
+بالنسبة لنا كلامك صح أو كلامك صح الآن لأنه احنا
+
+325
+00:25:55,820 --> 00:26:01,240
+فعليا لما أخطأ ال system وقال له إنه هذا negative
+
+326
+00:26:02,050 --> 00:26:06,030
+false negative كانت مصيبة بالنسبة لي لأن هذا
+
+327
+00:26:06,030 --> 00:26:10,150
+الإنسان سيخلق
+
+328
+00:26:10,150 --> 00:26:13,490
+الناس وبالتالي المرض سينتشر لأنه مش معنى ونهيك عن
+
+329
+00:26:13,490 --> 00:26:17,650
+الأضرار الصحية اللي حدث معاه لكن لو واحد negative
+
+330
+00:26:17,650 --> 00:26:21,290
+ماعندوش المرض و ال system قال إنه عنده المرض إيش
+
+331
+00:26:21,290 --> 00:26:24,990
+هناخده؟ هناخده نحطه في ال health care أو في الحجر
+
+332
+00:26:24,990 --> 00:26:30,540
+الحجر الصحي و بعدين ندي عناية صحية حسب حالتهفي ضرر
+
+333
+00:26:30,540 --> 00:26:34,180
+في الموضوع حتما مافيش ضرر وبالتالي لما بكون في ال
+
+334
+00:26:34,180 --> 00:26:39,220
+class imbalance ال accuracy تبعتي مش صحيحة، ليش؟
+
+335
+00:26:39,220 --> 00:26:43,200
+او بتبقى العفوان غير معدرة بشكل صحيح لأن لو تخيلت
+
+336
+00:26:43,200 --> 00:26:51,820
+ان هنا انا عدد العناصر بدي اشتغل هيك ان عدد
+
+337
+00:26:51,820 --> 00:26:54,260
+العناصر اللي انا بدي افحصها 100 ألف
+
+338
+00:26:58,340 --> 00:27:06,760
+وفعليا او ال data set تبعتي للهيئة كلها كان في
+
+339
+00:27:06,760 --> 00:27:14,140
+عندي مثلا عشرة ألف positive و
+
+340
+00:27:14,140 --> 00:27:22,600
+تسعين ألف negative و لما عملت prediction اجى قال
+
+341
+00:27:22,600 --> 00:27:31,710
+لي والله من العشر تلاف هدولأنا جبت تسعة ألف صح و
+
+342
+00:27:31,710 --> 00:27:46,110
+ألف ما جبتهوش في المقابل هذا الألف صنفته هان أو
+
+343
+00:27:46,110 --> 00:27:49,210
+بالأحرى قال لي أنا ما أخطأتش ولا حاجة هان أو خلينا
+
+344
+00:27:49,210 --> 00:27:54,910
+نقول أخطأ اخطألي بألف هان و جابلي هان تمانين ألف
+
+345
+00:28:00,700 --> 00:28:08,680
+فعليا ال accuracy تبعتي هتكون تسعة و تمانين الف
+
+346
+00:28:08,680 --> 00:28:15,680
+على ميت
+
+347
+00:28:15,680 --> 00:28:20,300
+الف صح فالنسبة تبعتي تسعة و تمانين في المية ال
+
+348
+00:28:20,300 --> 00:28:24,560
+accuracy عالية
+
+349
+00:28:24,560 --> 00:28:29,040
+و ممتازة و ما شاء الله عليها لكنهاتحمل في طياتها
+
+350
+00:28:29,040 --> 00:28:37,840
+خطورة شديدة جدا مع من مع الناس هذول مع
+
+351
+00:28:37,840 --> 00:28:42,880
+اللهان تماموبالتالي الـ Accuracy بطلت عندي مجديا
+
+352
+00:28:42,880 --> 00:28:45,400
+لأن الـ 9.8 محدش يقول عن نسبة مخة في طلق بالعكس
+
+353
+00:28:45,400 --> 00:28:49,080
+نسبة عالية لكنه في عندى مشكلة في ال evaluation
+
+354
+00:28:49,080 --> 00:28:52,980
+تمام وبالتالي انا ممكن اصير ادور على شغل اسمها ال
+
+355
+00:28:52,980 --> 00:28:57,220
+sensitivity الحساسية وطبعا هنا بتكلم على ال true
+
+356
+00:28:57,220 --> 00:29:02,960
+positive rate ال true positive rate على اللي هي
+
+357
+00:29:02,960 --> 00:29:11,720
+نسبة 9000 على العشرة ألفوكذلك في عندي ال
+
+358
+00:29:11,720 --> 00:29:18,900
+specificity التخصيص اللي هي نسبة لل true negative
+
+359
+00:29:18,900 --> 00:29:23,960
+rate جد عشان افصل انا هو ال accuracy بعد ما حصلت
+
+360
+00:29:23,960 --> 00:29:30,060
+عليها مين كان فيه نسبته اعلى عشان اضيفه ومش بس هيك
+
+361
+00:29:30,060 --> 00:29:33,520
+جالي ممكن انا اتكلم على other metrics وهذه الأهم
+
+362
+00:29:33,520 --> 00:29:39,120
+اللي بنسميها احنا ال precision
+
+363
+00:29:44,430 --> 00:29:47,210
+الـ Precision أو الـ Exactness هي عبارة عن الـ
+
+364
+00:29:47,210 --> 00:29:53,310
+ratio لمجموعة التابلز
+
+365
+00:29:53,310 --> 00:29:58,630
+ال classifier صنفهم على أنهم positive و هم فعليا
+
+366
+00:29:58,630 --> 00:30:03,190
+positive نسبة
+
+367
+00:30:03,190 --> 00:30:07,070
+ال labelled اللي جال عليها positive و هي فعليا
+
+368
+00:30:07,070 --> 00:30:09,810
+positive على كل ال actual positive اللي موجودة
+
+369
+00:30:09,810 --> 00:30:12,390
+عندها وين ال actual positive
+
+370
+00:30:18,800 --> 00:30:22,720
+الـ actual هو اللي موجود في جامعة الخير في الأعمدة
+
+371
+00:30:22,720 --> 00:30:37,440
+في العمود في الصفوف الآن ال true positive هي جل
+
+372
+00:30:37,440 --> 00:30:40,720
+ال true positive على كل العناصر الصنافليها على
+
+373
+00:30:40,720 --> 00:30:44,220
+إنها positive عشان أجيب نسبة ال actual positive
+
+374
+00:30:44,220 --> 00:30:49,230
+الحقيقية اللي موجودة عندهاas positive are actually
+
+375
+00:30:49,230 --> 00:30:53,750
+positive نسبة الـ positive الحقيقية فهنا لما أتكلم
+
+376
+00:30:53,750 --> 00:30:57,270
+عن ال precision أو ال exactness بتكلم عليها عناصر
+
+377
+00:30:57,270 --> 00:31:02,330
+الصل عمود الأول تمام لما باجي بتكلم علي ال recall
+
+378
+00:31:02,330 --> 00:31:07,550
+أو ال completeness بتكلم فعليا على نسبة ال
+
+379
+00:31:07,550 --> 00:31:11,130
+positive double واللي فعليا تم تصنيفها على إنها
+
+380
+00:31:11,130 --> 00:31:15,630
+positive نسبة ال positive doubles اللي تصنفت على
+
+381
+00:31:15,630 --> 00:31:19,890
+إنها positive بشكل صحيحوين الـ positive هي الصف
+
+382
+00:31:19,890 --> 00:31:24,810
+الأول اللي
+
+383
+00:31:24,810 --> 00:31:29,090
+احنا قلنا عليها sensitivity قبل لحظات وبالتالي الـ
+
+384
+00:31:29,090 --> 00:31:34,430
+TB بتروح ال true
+
+385
+00:31:34,430 --> 00:31:39,550
+positive على المجموع اللي موجود عندي ال TB و ال FN
+
+386
+00:31:39,550 --> 00:31:45,670
+تمامماعندي الـ F ماعندي الـGalaxy بما أن في عندي
+
+387
+00:31:45,670 --> 00:31:50,730
+الـPrecision و الـRecall هدولة متريكات مختلفة قال
+
+388
+00:31:50,730 --> 00:31:54,210
+في ناس فكرت جالكس نعملهم combination ما بين
+
+389
+00:31:54,210 --> 00:32:00,350
+الـPrecision و الـRecall في متريك واحد و سموه ليا
+
+390
+00:32:00,350 --> 00:32:08,530
+الـF majorودمجونا فيه ال precision و ال recall
+
+391
+00:32:08,530 --> 00:32:12,710
+وكان هو يساوي 2 ضرب ال precision ضرب ال recall على
+
+392
+00:32:12,710 --> 00:32:15,790
+مجموع ال recall و ال precision أو بين قوسين هي ال
+
+393
+00:32:15,790 --> 00:32:20,730
+F1 وهذا أنا باستخدمه لما عادة بفكر بالمقارنة ما
+
+394
+00:32:20,730 --> 00:32:24,740
+بينTWO DIFFERENT CLASSIFIERS الان انا في عندى two
+
+395
+00:32:24,740 --> 00:32:27,500
+different classifiers و بدى اقارن بين الأداء تبعهم
+
+396
+00:32:27,500 --> 00:32:30,740
+واحد ممكن يتفكر بال accuracy ال accuracy ممكن تكون
+
+397
+00:32:30,740 --> 00:32:34,420
+متساوية ما بين الاتنين مابيش ممكن اساوي ممكن اروح
+
+398
+00:32:34,420 --> 00:32:37,940
+على اتجاه ال F مجار اللي انا ممكن تكون طبعا انتم
+
+399
+00:32:37,940 --> 00:32:41,770
+ملاحظين يا جماعة الخيرالـ Recall و ال Precision و
+
+400
+00:32:41,770 --> 00:32:46,370
+ال F Major
+
+401
+00:32:46,370 --> 00:32:53,370
+هدول مرتبطين بال First Attribute يعني لو أنا قلتلك
+
+402
+00:32:53,370 --> 00:32:58,270
+بدي ال F Major ل ال class التاني أو عفوا ال Recall
+
+403
+00:32:58,270 --> 00:33:02,690
+ل ال class التاني ال class التاني هيه بتصير أنا
+
+404
+00:33:02,690 --> 00:33:06,230
+بتتكلم على hand
+
+405
+00:33:08,770 --> 00:33:12,250
+مجموعة الـ Recall True Positive هي لـ Class التاني
+
+406
+00:33:12,250 --> 00:33:16,750
+هذه اللي بتمثل True Positive لل Class اللي موجودة
+
+407
+00:33:16,750 --> 00:33:22,250
+عندي على عدد عناصر اللي هي على عدد الـ N على الـ N
+
+408
+00:33:22,250 --> 00:33:26,830
+اللي موجودة عندها تمام؟ يعني هذه الشغله مرتبطه بال
+
+409
+00:33:26,830 --> 00:33:30,510
+Class لو أنا الآن كان في عندي تلاتة في تلاتة
+
+410
+00:33:34,650 --> 00:33:38,150
+المصفوفة تبعتي بنفس التوزيع لـ Prediction في
+
+411
+00:33:38,150 --> 00:33:41,190
+الأعمدة و الـ Actual .. لـ Predicted في الأعمدة و
+
+412
+00:33:41,190 --> 00:33:44,830
+الـ Actual في الصفورة و أنا الجيل قلت والله هاي ال
+
+413
+00:33:44,830 --> 00:33:50,230
+values اللي عندي الان بدي ال precision عفوا عشان
+
+414
+00:33:50,230 --> 00:33:54,950
+القانون ال recall بدي ال recall تبعتي التالت لسي
+
+415
+00:33:54,950 --> 00:33:59,830
+تلاتة و ال true positive تبعت ال class تلاتة هيها
+
+416
+00:34:02,430 --> 00:34:09,630
+هي فعليًا actually بتنتمي لـ C3 و الـ system جالب
+
+417
+00:34:09,630 --> 00:34:12,810
+predicted as C3 فعليًا هذه الـ true positive ما
+
+418
+00:34:12,810 --> 00:34:18,030
+دون ذلك الـ false negative هدولة تنتمي و بالتالي
+
+419
+00:34:18,030 --> 00:34:25,310
+ال recall لـ C3 لو انا افترض ان هذه Y وهذه Z تساوي
+
+420
+00:34:25,310 --> 00:34:30,990
+معناته ال recall لـ C3 بدها تساوي X
+
+421
+00:34:32,990 --> 00:34:40,490
+على y زائد z زائد x اللي هي بجموع كل العناصر اللي
+
+422
+00:34:40,490 --> 00:34:45,250
+موجودة عندي و طبعا y و z هم بمثله ال false
+
+423
+00:34:45,250 --> 00:34:49,670
+positive أو عفوا ال false negative ل c3 طيب
+
+424
+00:34:49,670 --> 00:34:54,710
+بالمثال خليني أخد مثال بالأرقامفي انها النتج الـ
+
+425
+00:34:54,710 --> 00:34:57,410
+classifier اللي اشتغل على ال prediction للكانسر
+
+426
+00:34:57,410 --> 00:35:01,050
+بتنبأ بالكانسر عدد الحالات اللي موجودة عندى انا
+
+427
+00:35:01,050 --> 00:35:07,330
+الف حالة كان فعليا اشتغل اللي لما وزعناهم كانت
+
+428
+00:35:07,330 --> 00:35:13,250
+عندي تسعين حالة كانوا yes و ال system عملهم
+
+429
+00:35:13,250 --> 00:35:19,320
+prediction yesو 210 حالة و هم فعليا yes و ال
+
+430
+00:35:19,320 --> 00:35:24,500
+system عملهم prediction no يعني 300 حالة ال 10,000
+
+431
+00:35:24,500 --> 00:35:31,420
+حالة اللي عندى 300 حالة سرطان و 9700 غير سرطان او
+
+432
+00:35:31,420 --> 00:35:38,240
+خلايا تضخم طبيعى غير سرطانى الان ملاحظين لو انا
+
+433
+00:35:38,240 --> 00:35:43,720
+جيت حسبت ال accuracy ال accuracy 96في المية لأنها
+
+434
+00:35:43,720 --> 00:35:48,420
+عبارة عن مجموعة تسعين زائد خمسة وتسعة تلاف وخمسمية
+
+435
+00:35:48,420 --> 00:35:54,280
+وستين على عشرة ألف ال accuracy عالية جدا لكن اه لو
+
+436
+00:35:54,280 --> 00:35:59,380
+نظرت في الموضوع لو فكرت احسب ال precision و ال
+
+437
+00:35:59,380 --> 00:36:05,260
+recall لل cancer او لل class الأول لانديهان
+
+438
+00:36:05,260 --> 00:36:11,100
+ملاحظين ال precision كدهالـ precision احنا قلنا هي
+
+439
+00:36:11,100 --> 00:36:15,980
+عبارة عن ال exactness مظبوط فعليا جداش تنبأ بشكل
+
+440
+00:36:15,980 --> 00:36:21,160
+او بشكل صحيح لل data اللي موجودة عندها وصار واضح
+
+441
+00:36:21,160 --> 00:36:29,160
+الفرق قلنا 90 على 230 قلنا في ال precision بتكلم
+
+442
+00:36:29,160 --> 00:36:35,700
+على عمود و لما اتكلم بال recall بتكلم وينعلى الصف
+
+443
+00:36:35,700 --> 00:36:43,340
+صحيح عشان هيك 90 على 230 لـ precision و 90 على 300
+
+444
+00:36:43,340 --> 00:36:48,520
+اللي هي ال recall اللي موجودة عندها لكن تخيل انه
+
+445
+00:36:48,520 --> 00:36:53,820
+انا فعليا لو قعدت ترتيب العناصر في المصفوفة بحيث
+
+446
+00:36:53,820 --> 00:36:58,960
+انه خلت ال target تبعتي No وقولت
+
+447
+00:36:58,960 --> 00:37:01,600
+انا بدي احسب ال recall و ال precision لاحظوا ال
+
+448
+00:37:01,600 --> 00:37:05,530
+accuracy ما اتغيرتشلكن انا عيد ترتيب الأعمد يعني
+
+449
+00:37:05,530 --> 00:37:07,930
+برينج وستين صار اهتمامي هان highly true positive
+
+450
+00:37:07,930 --> 00:37:11,370
+لاحظوا ان ال precision تبعتي جداش عالي صارت و ال
+
+451
+00:37:11,370 --> 00:37:14,910
+recall تبعتي جداش على كل مقالة زي ما قولنا ال
+
+452
+00:37:14,910 --> 00:37:18,470
+perfect value تبعتنا هان حكينا ان ال perfect او ال
+
+453
+00:37:18,470 --> 00:37:23,990
+score is one كذلك مع ال precisionالـ perfect score
+
+454
+00:37:23,990 --> 00:37:28,290
+هو 1 وبهكد انا بكون بدي اعمل evaluation لل classes
+
+455
+00:37:28,290 --> 00:37:31,650
+اللي موجود عندها وبالتالي انا بدي انتبه دائما لل
+
+456
+00:37:31,650 --> 00:37:34,710
+class اللي موجود بالنسبة لل code اللي له علاقة بال
+
+457
+00:37:34,710 --> 00:37:39,550
+بايثونانا هنا روحت اعمل import لل data set كان
+
+458
+00:37:39,550 --> 00:37:43,970
+المعتاد على نفس المثال السابق روحت اعمل import
+
+459
+00:37:43,970 --> 00:37:47,210
+عشان اعمل split لل data set والمفروض ان انتوا هاي
+
+460
+00:37:47,210 --> 00:37:51,590
+جربتوها من خلال ال assignment اللي سلمته فانا حصلت
+
+461
+00:37:51,590 --> 00:37:55,850
+على ال training set اللي هنا من خلال ال split هذه
+
+462
+00:37:55,850 --> 00:37:59,790
+train test split جسمتلي او ادتني نتيجة ادتني four
+
+463
+00:37:59,790 --> 00:38:05,010
+different set ال X train و ال label تبعتها
+
+464
+00:38:08,770 --> 00:38:17,890
+الـ Y لليابيل و X للattributes و ال test text test
+
+465
+00:38:17,890 --> 00:38:21,470
+و ال Y test طبعا قلت له هان تلاتين في المية نسبة
+
+466
+00:38:21,470 --> 00:38:25,010
+ال test تلاتين في المية و طبعا هضل الباجي لليترين
+
+467
+00:38:26,020 --> 00:38:29,600
+من الـ target data و استدعيت ناييف بايسين على سبيل
+
+468
+00:38:29,600 --> 00:38:36,180
+المثال و روحت و قلت جوسان ناييف بايسين استدعيت ال
+
+469
+00:38:36,180 --> 00:38:40,460
+constructor قلتله روح بنيت model و قلتله اعمل fit
+
+470
+00:38:40,460 --> 00:38:46,280
+اللي بتعمل hand training وقلنا
+
+471
+00:38:46,280 --> 00:38:53,000
+في ناييف بايسين بروح ببنيني جدول الاحتمالاتبعد ذلك
+
+472
+00:38:53,000 --> 00:38:59,860
+قمت بالتفكير في مجموع يسميته Y-predict هذا هو
+
+473
+00:38:59,860 --> 00:39:05,200
+النتائج الـ model.predict ودّيته X test بالكامل
+
+474
+00:39:05,200 --> 00:39:09,840
+لاحظت أنني سميتها Y-predict أنا عندي ال test هي ال
+
+475
+00:39:09,840 --> 00:39:14,020
+label تباعتها موجودة هنا Y-test فروحت وحصلت عليها
+
+476
+00:39:14,020 --> 00:39:17,280
+تمام صارت في عندي الـ predicted وصارت عندي موجود
+
+477
+00:39:17,280 --> 00:39:22,560
+من ال actual label فالانأنا قاعد بقى أشتغل روحت
+
+478
+00:39:22,560 --> 00:39:25,980
+عملت import بدي أجيب ال matrix from ASCII layer
+
+479
+00:39:25,980 --> 00:39:29,080
+import ال matrix و ال matrix هي فيها كل حاجة فيها
+
+480
+00:39:29,080 --> 00:39:32,440
+ال accuracy score و طبعا كل ال method في ال matrix
+
+481
+00:39:32,440 --> 00:39:36,960
+بدها مني ال y predicted و ال y test ال y test هي
+
+482
+00:39:36,960 --> 00:39:40,840
+موجودة أنا حصلت اللي هي فعليا ال actual و ال y
+
+483
+00:39:40,840 --> 00:39:43,600
+predicted هي الموجودة عندها فلما أنا قلتله ال
+
+484
+00:39:43,600 --> 00:39:46,300
+accuracy score ده نسبة ال confusion matrix طبع
+
+485
+00:39:46,300 --> 00:39:49,560
+ليها و ال classifier او ال classification report
+
+486
+00:39:50,850 --> 00:39:55,090
+بتدين الأفمجة و ال precision و ال recall لكل class
+
+487
+00:39:55,090 --> 00:40:00,790
+موجود عندي و هيك نهينا أو ختمنا chapter لل
+
+488
+00:40:00,790 --> 00:40:04,470
+classification بتمنى تكون الشروحات واضحة إذا في أي
+
+489
+00:40:04,470 --> 00:40:08,450
+استفسار لازم يكون من خلال ال model أو ال forum
+
+490
+00:40:08,450 --> 00:40:12,450
+اللي موجود عندي هنا أخر شغلة مطلوب منها ال
+
+491
+00:40:12,450 --> 00:40:16,190
+assignment البسيط هذا ال assignment هذا بدو يعمل
+
+492
+00:40:16,190 --> 00:40:18,650
+مقارنة بين three different classifiers
+
+493
+00:40:21,320 --> 00:40:26,020
+أخذنا أربعة classifiers كي نتعرف على الـ K-nearest
+
+494
+00:40:26,020 --> 00:40:28,500
+neighbour، الـ Naive bison، الـ decision tree و
+
+495
+00:40:28,500 --> 00:40:31,840
+الـ Multilayer Perceptron الـ classifier اللي هو
+
+496
+00:40:31,840 --> 00:40:34,860
+تبع الـ neural network وأنا بدي أقارن بينهم بناء
+
+497
+00:40:34,860 --> 00:40:39,170
+على الـ accuracyالـ Precision الـ Recall والـ F
+
+498
+00:40:39,170 --> 00:40:43,310
+major طبعا انت عندك او انت عندك كل عندك data set
+
+499
+00:40:43,310 --> 00:40:47,950
+لل classification بدك تطبق ال different classifier
+
+500
+00:40:47,950 --> 00:40:52,230
+هدول على نفس ال data set على نفس ال data set و
+
+501
+00:40:52,230 --> 00:40:55,030
+تقارن ما بين ال accuracy و ال precision و ال
+
+502
+00:40:55,030 --> 00:40:59,480
+recall و ال F major طبعا بقى تزودنيبالـ python
+
+503
+00:40:59,480 --> 00:41:02,200
+code اللي انت اعتمدت عليه أو اللي انت اعتمدت عليه
+
+504
+00:41:02,200 --> 00:41:04,620
+طبعا الشغل individual يا جماعة الخير مش groups
+
+505
+00:41:04,620 --> 00:41:08,960
+ممكن تتشاوروا تعملوا discussion مع بعض لاحقا لكن
+
+506
+00:41:08,960 --> 00:41:13,140
+انت هتسلموني الشغل اللي هتسلموني هي شغلتين الأولى
+
+507
+00:41:13,140 --> 00:41:17,000
+ال python code اللي موجود اتنين بالاضافة ل report
+
+508
+00:41:17,000 --> 00:41:20,440
+عن ال experiment اللي انت اشتغلتها او اللي انت
+
+509
+00:41:20,440 --> 00:41:24,160
+اشتغلتيها ال experiment اللي بيقولي شو .. شو اللي
+
+510
+00:41:24,160 --> 00:41:26,920
+.. على سبيل المثال اللي اشتغل كي nearest neighbor
+
+511
+00:41:27,690 --> 00:41:31,070
+جدّاش ال key اللي اعتمدها 4 و لا 5 و لا 7 و لا 8
+
+512
+00:41:31,070 --> 00:41:35,350
+لما اشتغلنا على نية decision tree استخدمت ال
+
+513
+00:41:35,350 --> 00:41:38,110
+information gene و لا استخدمت ال gene ال
+
+514
+00:41:38,110 --> 00:41:41,130
+multilayer receptor لما انت استخدمته جدّاش عدد ال
+
+515
+00:41:41,130 --> 00:41:44,950
+input neuron تبعتك يعني بديت تبولوجي وهانبه توضح
+
+516
+00:41:44,950 --> 00:41:47,950
+لي توصف ال experiment تبعتك و النتيجة اللي طلعت
+
+517
+00:41:47,950 --> 00:41:51,710
+طبعا لأ اخفيكوا انها كانت المفروض تسلم الأسبوع
+
+518
+00:41:51,710 --> 00:41:59,020
+الماضيلكن قدر الله و ما شاء افعل الان انا هحمل و
+
+519
+00:41:59,020 --> 00:42:03,640
+هحط ال assignment على ال model و بتمنى انكوا
+
+520
+00:42:03,640 --> 00:42:07,580
+تشتغلوا و تسلموا و ربنا يكتبلكوا السلامة و العافية
+
+521
+00:42:07,580 --> 00:42:12,340
+دائما انتم و أهليكم أجمعين و السلام عليكم و رحمة
+
+522
+00:42:12,340 --> 00:42:14,080
+الله و بركاته
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/u2_vU8et3ig.srt

@@ -0,0 +1,1279 @@
+1
+00:00:04,940 --> 00:00:07,000
+باسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:07,000 --> 00:00:11,420
+أهلا وسهلا بكم في محاضراتنا المستمرة في منصّة الـ data
+
+3
+00:00:11,420 --> 00:00:14,620
+mining، وما زلنا في باب الـ classification أو في باب
+
+4
+00:00:14,620 --> 00:00:18,120
+التصنيف. سنتكلم اليوم، أو في هذه المحاضرة إن شاء
+
+5
+00:00:18,120 --> 00:00:22,940
+الله تعالى، عن Classifierٍ متقدمٍ جدًا، مستخدم بشكل
+
+6
+00:00:22,940 --> 00:00:26,500
+كبير جدًا، وهو الـ Neural Network as Classifier أو
+
+7
+00:00:26,500 --> 00:00:30,000
+بالتحديد الـ Back-propagation Neural Network.  لـ
+
+8
+00:00:30,000 --> 00:00:33,740
+أُخفيكم، كان عندي تردد: أشرحه أم أشرح الـ Support
+
+9
+00:00:33,740 --> 00:00:37,240
+Vector Machine؟ كلاهما من المواضيع المتقدمة، و
+
+10
+00:00:37,240 --> 00:00:40,760
+التي تحتاج إلى Optimization عالية. لكن قررتُ أن
+
+11
+00:00:40,760 --> 00:00:44,320
+أشرح الـ Neural Network، كما كنا قد ذكرناه سابقًا، وخلّينا
+
+12
+00:00:44,320 --> 00:00:47,700
+نبدأ مع الـ Neural Network. الـ Neural Network أو
+
+13
+00:00:47,700 --> 00:00:51,400
+الشبكات العصبية... العصبية. بكفي أنا عصبي!
+
+14
+00:00:51,400 --> 00:00:55,360
+بالجمال، الشبكات العصبية هي عبارة عن
+
+15
+00:00:55,360 --> 00:00:59,980
+مجموعة من الـ connected input و الـ output units.
+
+16
+00:00:59,980 --> 00:01:04,850
+يعني، ببساطة، هي عبارة عن مجموعة من المدخلات
+
+17
+00:01:04,850 --> 00:01:10,390
+والمخرجات المتصلة مع بعضها البعض. وكل خط أو كل
+
+18
+00:01:10,390 --> 00:01:15,210
+Connection، أو كل خط، أو كل Link، له وزن معين
+
+19
+00:01:15,210 --> 00:01:21,010
+associated with it، مرتبط به. خلال مرحلتي التعليم
+
+20
+00:01:21,010 --> 00:01:24,370
+وهنا، يا جماعة الخير، بدأنا ننتبه جيدًا، لأن صار في عندي
+
+21
+00:01:24,370 --> 00:01:27,390
+ما يُقال لنا: نحن Machine Learning. Machine Learning هي
+
+22
+00:01:27,390 --> 00:01:32,570
+الفترة التي أقضيها في بناء الـ Model،  لأن
+
+23
+00:01:32,570 --> 00:01:35,770
+هكذا قلنا في البداية خالصًا: الـ Classification، في عندي
+
+24
+00:01:35,770 --> 00:01:39,690
+Model-based، وفي عندي Instance-based. الـ Instance
+
+25
+00:01:39,690 --> 00:01:42,550
+based كان: K-Nearest Neighbor، و الـ Model-based: Decision
+
+26
+00:01:42,550 --> 00:01:46,150
+Tree، و الـ Naive Bayesian. سؤال مهم جدًا، أريد أن أطرحه
+
+27
+00:01:46,150 --> 00:01:51,430
+عليكم. أتمنى أن تفكّروا في إجابته، لأن
+
+28
+00:01:51,430 --> 00:01:56,390
+هل الـ Naive Bayes Model-based أم Instance-based؟
+
+29
+00:01:56,390 --> 00:02:00,070
+هذا سؤال. السؤال الثاني: الـ Naive Bayes Algorithm،
+
+30
+00:02:00,070 --> 00:02:03,890
+الجدول الذي بنيته، كم مرّة بنيته؟
+
+31
+00:02:06,390 --> 00:02:11,390
+المفروض مرة واحدة. متى أحتاج إلى إعادة بنائه؟ لو تغيرت
+
+32
+00:02:11,390 --> 00:02:14,850
+الـ Training Set الموجودة عندي. وبالتالي، المفروض
+
+33
+00:02:14,850 --> 00:02:18,090
+أنّ هذا الجدول يمثّل عندي الـ Model خلال مرحلة التعليم،
+
+34
+00:02:18,090 --> 00:02:21,430
+مرحلة الـ Learning، مرحلة بناء الـ Model، الـ Network،
+
+35
+00:02:21,430 --> 00:02:25,610
+الذي هو الشبكة العصبية. تحاول تعديل الأوزان التي
+
+36
+00:02:25,610 --> 00:02:30,810
+موجودة عندها، حتى تصل إلى
+
+37
+00:02:30,810 --> 00:02:37,860
+الـ Label. يعني، بين قوسين: أدخلت الـ Input، عملت
+
+38
+00:02:37,860 --> 00:02:42,900
+Computation، حصلت على الـ Output. أقارن بين الـ
+
+39
+00:02:42,900 --> 00:02:46,680
+Output الحقيقي، والـ Predicted، وتبعًا للـ Error الذي
+
+40
+00:02:46,680 --> 00:02:49,600
+بينهما، أو الفرق الذي بينهما، أعمل Adjustment للـ
+
+41
+00:02:49,600 --> 00:02:50,880
+Weights الموجودة عندها.
+
+42
+00:02:55,350 --> 00:02:57,970
+الآن، الـ Neural Network، بشكل عام، يا جماعة الخير، هي
+
+43
+00:02:57,970 --> 00:03:01,010
+تحاكي الشبكات العصبية في الإنسان، أو الجهاز
+
+44
+00:03:01,010 --> 00:03:03,910
+العصبي في الإنسان. في الآخر، الـ Decision في الدماغ،
+
+45
+00:03:03,910 --> 00:03:09,510
+والخل��يا العصبية منتشرة على كل جسمك. لو أنت ساكت، أو
+
+46
+00:03:09,510 --> 00:03:13,710
+سرحان، وقاعد بتحل في مسألة في الـ Data Mining، وجاء
+
+47
+00:03:13,710 --> 00:03:23,320
+زميلك، وطرف دبوس، وحاول يشكك في يدك، بدون ما تنتبه له،
+
+48
+00:03:23,320 --> 00:03:27,400
+أنت، بدون إرادة، ستجد أنّ يدك تحرّكت في الاتجاه
+
+49
+00:03:27,400 --> 00:03:31,980
+المضاد للّمسة، بحيث أنّها، يعني، تبعد عن مصدر الخطر.
+
+50
+00:03:31,980 --> 00:03:35,680
+الذي صار، أنت فعليًا لا تعرف ما الذي حدث، لكن مجرد
+
+51
+00:03:35,680 --> 00:03:38,840
+أنّك حركت، أبعدت يدك، ثم بدأت تفكر، لأنّ كانت
+
+52
+00:03:38,840 --> 00:03:42,240
+الحركة، أو الجهاز العصبي، أرسل إشارة إلى الدماغ، والدماغ
+
+53
+00:03:42,240 --> 00:03:45,260
+أخذ Processing سريعًا جدًا، أنّه: ابعد عن
+
+54
+00:03:45,260 --> 00:03:47,980
+الخطر هذا. وكذلك، يحدث هذا معنا في هذا الموضوع، عندما يكون
+
+55
+00:03:47,980 --> 00:03:52,510
+الشغلات: حريق، إلخ. الآن، هذا الكلام لم يحدث إلا
+
+56
+00:03:52,510 --> 00:03:56,330
+من خلال خبرة مكتسبة، موجودة عندنا. فالـ Neural
+
+57
+00:03:56,330 --> 00:03:58,870
+Network جاءت، لماذا؟ لأن الناس فكّروا فيها، في الـ
+
+58
+00:03:58,870 --> 00:04:03,050
+خمسينات، جاءت فكرة: لماذا لا نحاول محاكاة عقل الإنسان في
+
+59
+00:04:03,050 --> 00:04:07,410
+التعامل؟ نحن لا نهتم كثيرًا بالصبغة التاريخية
+
+60
+00:04:07,410 --> 00:04:13,090
+والتفاصيل كثيرًا. لكن بشكل عام، أبسط نموذج للشبكة
+
+61
+00:04:13,090 --> 00:04:15,690
+الموجودة عندي، لأنّ في النهاية، كل شيء Computation،
+
+62
+00:04:15,690 --> 00:04:20,450
+يا جماعة الخير، هي مجموعة الـ Input. مجموعة الـ Input،
+
+63
+00:04:20,450 --> 00:04:25,970
+الآن، ما هو P1 إلى PR؟ هي عبارة عن الـ Attributes،
+
+64
+00:04:25,970 --> 00:04:31,350
+تمثّل
+
+65
+00:04:31,350 --> 00:04:36,790
+الـ Input. طيب، وما هو A؟
+
+66
+00:04:36,790 --> 00:04:44,280
+الـ Output، للـ Class الموجود عندي هنا. الـ
+
+67
+00:04:44,280 --> 00:04:47,380
+Class الموجود عندي. ما الذي حدث؟ ما الذي فعلته فعليًا؟
+
+68
+00:04:47,380 --> 00:04:52,960
+كل Attribute له وزن. فأنا آخذ، أضرب قيمة الـ
+
+69
+00:04:52,960 --> 00:04:57,080
+Attribute، لاحظ، أقول: أضرب قيمة الـ Attribute في
+
+70
+00:04:57,080 --> 00:05:05,800
+الوزن، أجمعها، أضيف لها قيمة للـ Bias، و هذه الـ Function
+
+71
+00:05:05,800 --> 00:05:09,460
+تُجري Decision. أي واحد من الـ Binary Classification،
+
+72
+00:05:09,460 --> 00:05:13,210
+أو من الـ Classes، ستكون صفر أو واحد. يعني Binary
+
+73
+00:05:13,210 --> 00:05:17,090
+Classification. انتبه معي، وانتبه معي عندما
+
+74
+00:05:17,090 --> 00:05:20,830
+قلت: آخذ قيمة الـ Attribute، وأضربها. طيب، هل من الممكن أن
+
+75
+00:05:20,830 --> 00:05:24,390
+أعمل مع الـ Nominal Attribute؟ لا، هذا غير ممكن. الـ Data
+
+76
+00:05:24,390 --> 00:05:28,170
+Set الخاصة بك يجب أن تكون رقمية بالكامل. لأن لا يوجد مدى
+
+77
+00:05:28,170 --> 00:05:31,690
+أذهب إليه وأقول: والله، الـ Gender Male، أضرب في خمسة.
+
+78
+00:05:31,690 --> 00:05:34,990
+حوّلها إلى 0، 1، أو أي Attribute رقمي تراه
+
+79
+00:05:34,990 --> 00:05:39,170
+مناسبًا. الـ Income، كما رأينا قبل قليل، Fair و
+
+80
+00:05:39,170 --> 00:05:43,940
+Excellent،  أيضًا، تُحوّل إلى أرقام. وبالتالي، بدلًا
+
+81
+00:05:43,940 --> 00:05:46,800
+من أن تكون Category، تُحوّل إلى أرقام.
+
+82
+00:05:46,800 --> 00:05:51,960
+تمام، حتى لو كان هناك Coding موجودة عندي، في النهاية، ما
+
+83
+00:05:51,960 --> 00:05:58,140
+سيحدث سيكون كالتالي: الـ Function الخاصة بي، الـ Prediction
+
+84
+00:05:58,140 --> 00:06:02,520
+Function الخاصة بي، هي عبارة عن Vector من الأوزان، مضروبة
+
+85
+00:06:02,520 --> 00:06:07,450
+في الـ Input، زائد الـ Bias الموجود عندي. في مرحلة
+
+86
+00:06:07,450 --> 00:06:15,310
+الـ Learning، تصبح الشبكة تبحث عن أفضل W و B، لأنّ
+
+87
+00:06:15,310 --> 00:06:19,530
+أنت لا تنسَ أنّها معادلة خطّ مستقيم، تبحث عن أفضل W
+
+88
+00:06:19,530 --> 00:06:23,770
+و B، لكن بـ Vectors. W تمثّل الأوزان الخاصة بـ
+
+89
+00:06:23,770 --> 00:06:26,630
+الـ Connection، و B تمثّل الـ Bias الخاصة بالـ Network، التي
+
+90
+00:06:26,630 --> 00:06:30,210
+موجودة في الـ Multilayer Neural Network. شغلنا هنا
+
+91
+00:06:30,210 --> 00:06:30,870
+مختلف.
+
+92
+00:06:33,410 --> 00:06:39,370
+سابقًا، كان عندي فقط Input و Output، في الـ Simple
+
+93
+00:06:39,370 --> 00:06:42,630
+Neural Network. وقبل قليل، قلنا أنّها عبارة عن
+
+94
+00:06:42,630 --> 00:06:47,080
+مجموعة من الـ Connected Input و الـ Output Units. الآن،
+
+95
+00:06:47,080 --> 00:06:51,160
+في الـ Multilayer، أضيف عندي ما بين الـ Layer
+
+96
+00:06:51,160 --> 00:06:54,620
+الأولى، التي تمثّل الـ Input، والـ Layer
+
+97
+00:06:54,620 --> 00:06:58,680
+الأخيرة، التي هي الـ Output Layer، صار يمثّل عندي
+
+98
+00:06:58,680 --> 00:07:02,320
+ما يُسمّى الـ Hidden Layer. بالمناسبة، الكثير من
+
+99
+00:07:02,320 --> 00:07:05,740
+الناس يرفضون الـ Neural Network، لأنّهم يعتبرونها Black
+
+100
+00:07:05,740 --> 00:07:06,160
+Box.
+
+101
+00:07:09,080 --> 00:07:13,600
+ماذا يعني Black Box؟ Black Box بمعنى أنّي فعليًا
+
+102
+00:07:13,600 --> 00:07:16,140
+لا أرى ما يحدث، ولا أعرف لماذا هذه الأوزان
+
+103
+00:07:16,140 --> 00:07:19,100
+أصبحت هكذا. وفعلاً، هذه هي، للأسف، الـ Algorithm التي
+
+104
+00:07:19,100 --> 00:07:23,520
+موجودة عندنا. يعني، صعب تفسيرها.
+
+105
+00:07:23,520 --> 00:07:29,900
+طيب، الآن، الـ Input، حسب الرسم الذي عندي هنا،
+
+106
+00:07:29,900 --> 00:07:34,540
+هنا، ثلاثة Inputs، واثنان Outputs. وكما قلنا،
+
+107
+00:07:34,540 --> 00:07:37,340
+بما أنّها كلها أرقام، معناته الـ Input الخاصة بها ستكون 0، 1.
+
+108
+00:07:38,540 --> 00:07:41,280
+معناته، كل Neural Network هذه ستكون صفر، واحد في
+
+109
+00:07:41,280 --> 00:07:44,820
+المرحلة الأولى. في الـ Network السابق، يا جماعة الخير،
+
+110
+00:07:44,820 --> 00:07:48,880
+هذه الـ Function: صفر،
+
+111
+00:07:48,880 --> 00:07:52,200
+واحد. Two classes: الـ Class الأول، والـ Class الثاني.
+
+112
+00:07:52,200 --> 00:07:58,130
+هنا، صار في عندي Two Neurons في الـ Output. معناته كل
+
+113
+00:07:58,130 --> 00:08:01,350
+واحد فيهم يعطيني صفر أو واحد. معناته، صار في عندي
+
+114
+00:08:01,350 --> 00:08:06,030
+Two bits.  أجعلها Two bits: صفر، صفر؛ صفر، واحد؛
+
+115
+00:08:06,030 --> 00:08:10,010
+واحد، صفر؛ واحد، واحد. وكأنّي أتحدّث عن Four Classes.
+
+116
+00:08:10,010 --> 00:08:15,990
+يعني، بالـ Multilayer Neural Network، أصبح بإمكاني أن
+
+117
+00:08:15,990 --> 00:08:21,880
+أُعالج Dataset أكبر، أو أحصل على Multiclass
+
+118
+00:08:21,880 --> 00:08:26,240
+Classification. تعالوا نشوف الشكل العام الخاص بالـ
+
+119
+00:08:26,240 --> 00:08:30,300
+Network. هذا الشكل الذي رأيناه، نسميه
+
+120
+00:08:30,300 --> 00:08:36,100
+Network Topology. الـ Network Topology، هنا، ستحدّد
+
+121
+00:08:36,100 --> 00:08:39,720
+فيه عدد الـ Input، أو عدد الـ Units الخاصة بالـ Input، في الـ
+
+122
+00:08:39,720 --> 00:08:44,740
+Input Layer. طيب، ليس لي دخل كبير بها، لماذا؟ لأنّ
+
+123
+00:08:44,740 --> 00:08:50,880
+عادةً، عدد الـ Input Neurons يساوي
+
+124
+00:08:50,880 --> 00:08:54,720
+عدد الـ Attributes. يعني، ببساطة، كل Attribute في الـ
+
+125
+00:08:54,720 --> 00:09:01,740
+Data Set له Input Neuron واحد. يُفضّل أن تقوم بـ
+
+126
+00:09:01,740 --> 00:09:06,350
+Normalization لقيم الـ Attributes. ليس تفضيلاً،
+
+127
+00:09:06,350 --> 00:09:09,370
+بل قد يكون إلزاميًا، في مرحلة ما. لماذا؟ لأنّ
+
+128
+00:09:09,370 --> 00:09:12,530
+تتجنّب الـ Bias. ضع كل الـ Attributes الموجودة بعد
+
+129
+00:09:12,530 --> 00:09:17,050
+ما... بعد ما قمت بـ Preprocessing، وجّهزت...
+
+130
+00:09:17,050 --> 00:09:20,350
+جهزت الـ Data Set، لأنّ كل الـ Data كانت مستقلة،
+
+131
+00:09:21,310 --> 00:09:24,470
+لكنّ مُقياسها مختلف. وبما أنّ عملية
+
+132
+00:09:24,470 --> 00:09:28,810
+الحساب، كما رأينا سابقًا، تكون قيمتها، مثلًا، الـ
+
+133
+00:09:28,810 --> 00:09:31,710
+Call بالـ Minutes، خمسمائة، ألف، خمسمائة
+
+134
+00:09:31,710 --> 00:09:35,310
+دقيقة، في مقابل الـ Megabytes التي الـ Data... التي أنا
+
+135
+00:09:35,310 --> 00:09:40,490
+استخدمتها على الـ Mobile كانت بالأ... بالأيام. فواحد
+
+136
+00:09:40,490 --> 00:09:43,330
+سيكون وزنه أكبر من الآخر. فما الحل؟
+
+137
+00:09:43,330 --> 00:09:46,770
+لا، قم بـ Scaling، لتصبح من صفر إلى واحد، وسترتاح.
+
+138
+00:09:46,770 --> 00:09:51,900
+الآن، Number of Hidden Layers في الـ Topology. عدد الـ
+
+139
+00:09:51,900 --> 00:09:57,920
+Hidden Layer. وليس هذا فقط، عدد الـ Hidden Neurons في
+
+140
+00:09:57,920 --> 00:10:02,620
+الـ Hidden Layer، يعني
+
+141
+00:10:02,620 --> 00:10:05,200
+ببساطة، أنا أتحدّث عن الـ Neural Network،
+
+142
+00:10:05,200 --> 00:10:14,800
+أتحدث عن Input Layer، وأتحدث عن Hidden Layer، و
+
+143
+00:10:14,800 --> 00:10:22,100
+أتحدث عن Output Layer. ثلاث طبقات موجودة عندي. الـ
+
+144
+00:10:22,100 --> 00:10:29,260
+Input و الـ Output معروفان. ها هو Number of Classes، وهنا
+
+145
+00:10:29,260 --> 00:10:36,540
+Number of Attributes. أبو
+
+146
+00:10:36,540 --> 00:10:42,380
+هنا، هنا يا سيدي العزيز، لا أحد يُحكمك في شيء، ولا يوجد
+
+147
+00:10:42,380 --> 00:10:46,040
+قانون واضح. الآن، نحن نتحدث، لكي يكون عندي Multi
+
+148
+00:10:46,040 --> 00:10:49,580
+Layer، على الأقل يكون عندي Single Layer. وعندما
+
+149
+00:10:49,580 --> 00:10:52,500
+يكون عندي أكثر من Two Hidden Layers، تصبح Deep
+
+150
+00:10:52,500 --> 00:10:56,040
+Neural Network، تمام؟ وهذا المصطلح الذي يستخدمه
+
+151
+00:10:56,040 --> 00:10:58,660
+اليوم في الـ Machine Learning، يسمّى: Deep
+
+152
+00:10:58,660 --> 00:11:01,760
+Learning. لكنّنا الآن، بشكل بسيط، نتحدث عن
+
+153
+00:11:01,760 --> 00:11:05,630
+Input Layer، Hidden Layer واحد، و Output
+
+154
+00:11:05,630 --> 00:11:09,190
+Hidden Layer. بالنسبة لعدد الـ Neurons في الـ Hidden
+
+155
+00:11:09,190 --> 00:11:12,590
+Layer الموجودة عندي هنا، ليس لديّ
+
+156
+00:11:12,590 --> 00:11:17,210
+حسب الـ Attributes عندي. أربعة Input، أربعة Attributes،
+
+157
+00:11:17,210 --> 00:11:23,860
+وعندي Two Classes معروفة. ربما هؤلاء...  أيضًا، لا يوجد عدد
+
+158
+00:11:23,860 --> 00:11:28,140
+محدد للـ Neurons. متروك لكم للتجربة والقياس، أو
+
+159
+00:11:28,140 --> 00:11:31,300
+تجربة والخطأ، كما نسميها أحيانًا، وتحديدها،
+
+160
+00:11:31,300 --> 00:11:34,840
+لكن بعض الناس يقول لك: دعني أضع Initialisation
+
+161
+00:11:34,840 --> 00:11:44,300
+لهذا الكلام، من خلال أن أبدأ بمجموع الاثنين على اثنين.
+
+162
+00:11:44,300 --> 00:11:49,580
+يعني، الآن، أربعة واثنين، ستة.
+
+163
+00:11:53,290 --> 00:12:00,090
+على اثنين: ثلاثة. ولاحظ، وكأنّه يصير عندي رسمة الشبكة: هي أربعة
+
+164
+00:12:00,090 --> 00:12:05,990
+في الـ Input، ثلاثة في الـ Output، أو عفواً في الـ
+
+165
+00:12:05,990 --> 00:12:07,810
+Hidden، واثنان في الـ Output.
+
+166
+00:12:26,450 --> 00:12:30,210
+وهذه الشبكة الخاصة بي، تصبح بهذا الشكل. أصبحت
+
+167
+00:12:30,210 --> 00:12:33,730
+ضيقَة باتجاه الـ Output الموجودة. واحد قال: لا،
+
+168
+00:12:33,730 --> 00:12:37,850
+أريد أن آخذ ضعف الـ Input، أو أريد أن آخذ مجموعهما. لا أحد
+
+169
+00:12:37,850 --> 00:12:41,470
+سيقول لك: لا. هذا متروك لك. لماذا؟ كما قلت لك، هذه
+
+170
+00:12:41,470 --> 00:12:44,070
+الشبكة تحتاج إلى Optimization. الـ Neural Network من
+
+171
+00:12:44,070 --> 00:12:46,510
+الأشياء التي تحتاج إلى Optimization كثيرًا، وتحتاج إلى عمل
+
+172
+00:12:46,510 --> 00:12:50,820
+كثير في الـ Configuration. نرجع إلى الـ Simplest الـ
+
+173
+00:12:50,820 --> 00:12:54,540
+Neural Network الموجودة عندي. في النهاية، الـ
+
+174
+00:12:54,540 --> 00:12:58,860
+Function
+
+223
+00:16:49,840 --> 00:16:54,840
+كيف الـ neural network بتشتغل؟ بتاخد الـ input تبع الـ
+
+224
+00:16:54,840 --> 00:17:00,450
+attributes اللي موجودة عنده، وبتدخل إياهُ في الـ
+
+225
+00:17:00,450 --> 00:17:03,970
+input فترة الـ training. بتدخل اتباعاً، أو عفواً، في الـ
+
+226
+00:17:03,970 --> 00:17:07,250
+attributes بتدخل بشكل متوازي مع بعضها، لأن زي ما
+
+227
+00:17:07,250 --> 00:17:11,450
+قل��ا، الـ instance بالكامل بتدخل عندي على الـ system.
+
+228
+00:17:11,450 --> 00:17:18,250
+بعد هيك، في أوزان الشبكة، عادة بتبدأ بـ random weight.
+
+229
+00:17:18,250 --> 00:17:21,970
+بتبدأ بـ random weight، و الأوزان مع كل connection
+
+230
+00:17:21,970 --> 00:17:25,490
+مع كل connection من الـ connections السابقة. هاي في
+
+231
+00:17:25,490 --> 00:17:27,950
+أول ما بتبدأ الشبكة بتحط random weight.
+
+232
+00:17:30,650 --> 00:17:37,670
+الخطوة اللي بعد هيك، لما أنا بعد ما بتروح تدخل، لاحظ
+
+233
+00:17:37,670 --> 00:17:41,190
+معايا، خلينا نقول، الـ input in your own hand. هنّفي W1
+
+234
+00:17:41,190 --> 00:17:49,520
+1, W1 2, W1 3, و W1 4. لأيش؟ لأن عندي 4 hidden neuron و
+
+235
+00:17:49,520 --> 00:17:53,500
+4 connection. الـ value تبع الـ hidden neuron، أو الـ
+
+236
+00:17:53,500 --> 00:17:56,200
+input neuron، هذا اللي تبع الـ attribute الأول.
+
+237
+00:17:56,200 --> 00:18:03,820
+خلّيني، على سبيل المثال، نقول هنا 1.7 من عشرة الآن.
+
+238
+00:18:03,820 --> 00:18:09,460
+1.7 من عشرة ضرب W1 1. جاية لمين؟ للـ hidden neuron.
+
+239
+00:18:09,460 --> 00:18:16,430
+هنا في المقابل، عندي هنا مثلاً كانت 2، وهذه الـ W 2 1.
+
+240
+00:18:16,430 --> 00:18:21,430
+و هذه الـ W 3 1، و هذه الـ W 1 1، و هذه الـ W 3 1، و
+
+241
+00:18:21,430 --> 00:18:22,910
+هذه الـ W 3 1، و هذه الـ W 3 1، و هذه الـ W 3 1، و
+
+242
+00:18:22,910 --> 00:18:23,890
+هذه الـ W 3 1، و هذه الـ W 3 1، و هذه الـ W 3 1، و
+
+243
+00:18:23,890 --> 00:18:26,510
+هذه الـ W 3 1، و هذه الـ W 3 1، و هذه الـ W 3 1، و
+
+244
+00:18:26,510 --> 00:18:28,550
+هذه الـ W 3 1، و هذه الـ W 3 1، و هذه الـ W 3 1، و
+
+245
+00:18:28,550 --> 00:18:29,110
+هذه الـ W 3 1، و هذه الـ W 3 1، و هذه الـ W 3 1، و
+
+246
+00:18:29,110 --> 00:18:30,230
+هذه الـ W 3 1، و هذه الـ W 3 1، و هذه الـ W 3 1، و
+
+247
+00:18:30,230 --> 00:18:30,370
+هذه الـ W 3 1، و هذه الـ W 3 1، و هذه الـ W 3 1، و
+
+248
+00:18:30,370 --> 00:18:30,750
+هذه الـ W 3 1، و هذه الـ W 3 1، و هذه الـ W 3 1، و
+
+249
+00:18:30,750 --> 00:18:34,510
+هذه الـ W 3 1، و هذه الـ
+
+250
+00:18:34,510 --> 00:18:43,070
+W 3 1، و هذه الـ W 3 1، و هذه الـ W 3 1.
+
+251
+00:18:46,660 --> 00:18:50,260
+وبديني decision، انه بيطلع output، و الـ output برضه
+
+252
+00:18:50,260 --> 00:18:55,540
+فيه إلها أوزان وبتتوزع على... يعني الآن السهم اللي
+
+253
+00:18:55,540 --> 00:18:58,580
+داخل على الـ neuron بيمثل الـ input، و اللي طالع منه
+
+254
+00:18:58,580 --> 00:19:02,540
+بيمثل الـ output تبعته. ايش الـ... اوكي، احنا عرفنا هنّ
+
+255
+00:19:02,540 --> 00:19:05,200
+انه الـ input. طب ايش الـ input؟ ايش الـ output؟ عفواً،
+
+256
+00:19:06,520 --> 00:19:08,840
+ما هي القيمة اللي طالعة عندي من الـ hidden neuron؟
+
+257
+00:19:08,840 --> 00:19:11,240
+هي عبارة عن تجميع على العناصر اللي موجودة عندي هنا.
+
+258
+00:19:11,240 --> 00:19:15,440
+ومن ثم بصدرليها بنفس الفكرة على الأوزان اللي جاي
+
+259
+00:19:15,440 --> 00:19:20,420
+بعدها، وهكذا بتتم عمل الشبكة. الآن هذه الشبكات
+
+260
+00:19:20,420 --> 00:19:26,520
+بتشتغل ضمن الـ feed forward neural network.
+
+261
+00:19:26,650 --> 00:19:29,030
+في الـ feed forward neural network، أنا فعلياً قاعد
+
+262
+00:19:29,030 --> 00:19:32,630
+بشتغل باتجاه واحد فقط، وهو الاتجاه أو التدفق
+
+263
+00:19:32,630 --> 00:19:36,930
+الطبيعي للشبكة، من الـ input لحد الـ output اللي
+
+264
+00:19:36,930 --> 00:19:46,190
+موجودة عندي. نقاط القوة في الشبكة، انه فعلياً بتتحكم
+
+265
+00:19:46,190 --> 00:19:49,950
+أو بتقدر تسيطر بشكل قوي على الـ noise data اللي
+
+266
+00:19:49,950 --> 00:19:55,430
+موجودة عندي. هان بتقدر تعمل classification على
+
+267
+00:19:55,430 --> 00:19:57,790
+untrained pattern، بتقدر تتحملها، detection بشكل
+
+268
+00:19:57,790 --> 00:20:02,670
+بسيط. مناسبة جداً للـ continuous value في الـ input و
+
+269
+00:20:02,670 --> 00:20:05,670
+الـ output، على خلاف اللي احنا شفناهم سابقاً، الـ
+
+270
+00:20:05,670 --> 00:20:09,750
+classifiers السابقة. بتشتغل مع أي قرية من الـ real
+
+271
+00:20:09,750 --> 00:20:15,130
+world data، حتى لو كانت بالـ handwritten. الـ
+
+272
+00:20:15,130 --> 00:20:18,150
+algorithm ممكن يطبق parallel بشكل متوازي، وبالتالي
+
+273
+00:20:18,150 --> 00:20:23,060
+هذا بيعمل على تسريع العمل. الـ weaknesses تبعتها، إنها
+
+274
+00:20:23,060 --> 00:20:26,500
+بتحتاج لفترة طويلة من التعليم، لأن زي ما شفنا أن
+
+275
+00:20:26,500 --> 00:20:33,340
+الأوزان كلها بتتغير. تخيل أنك في عندك عشرة input، في
+
+276
+00:20:33,340 --> 00:20:38,060
+عشرة hidden، في أربعة، أو بلاش في اتنين
+
+277
+00:20:41,140 --> 00:20:44,420
+output. اضرب هدول، هي عبارة عن عدد الـ connections
+
+278
+00:20:44,420 --> 00:20:47,320
+اللي موجودة، وعدد الـ connections بيساوي عدد الأوزان.
+
+279
+00:20:47,320 --> 00:20:52,760
+وبالتالي، بتكلم على 200 value كأوزان، بدها تغيير مع
+
+280
+00:20:52,760 --> 00:20:57,000
+كل عملية الـ training، و هذا مع كل instance، وبالتالي
+
+281
+00:20:57,000 --> 00:21:01,860
+موضوع الـ training هياخد منه وقت طويل. بتحتاج ده
+
+282
+00:21:01,860 --> 00:21:04,380
+كتير من الـ argument أو من الـ parameter. أنا بحتاج
+
+283
+00:21:04,380 --> 00:21:07,340
+أعملها tuning بشكل صحيح، عشان أقدر أحصل على الـ
+
+284
+00:21:07,340 --> 00:21:11,460
+result المطلوبة. منها إن الـ structure تبعتها أبسط
+
+285
+00:21:11,460 --> 00:21:15,680
+ما يمكن. ايش الـ structure؟ ايش الـ activation
+
+286
+00:21:15,680 --> 00:21:19,380
+function اللي أنا بدي اعتمدها؟ إلى آخره. الآن من
+
+287
+00:21:19,380 --> 00:21:22,520
+أهم الـ neural network اللي موجودة يا جماعة الخير،
+
+288
+00:21:22,520 --> 00:21:26,200
+شغلة بنسميها الـ back propagate neural network، back
+
+289
+00:21:26,200 --> 00:21:32,400
+propagate، الانتشار للخلف. الآن أنا هوضحها بشكل سريع.
+
+290
+00:21:32,400 --> 00:21:40,530
+هان، هحاول أرسمها على الصبورة، بس عشان تنتين، تلاتة،
+
+291
+00:21:40,530 --> 00:21:52,390
+أربعة، واحدة، تنتين، تلاتة، واحدة، تنتين، واحد، اتنين،
+
+292
+00:21:52,390 --> 00:21:54,230
+تلاتة.
+
+293
+00:22:23,390 --> 00:22:27,830
+تمام، عشان نفهم بس مبدأ الـ neural network، أو الـ
+
+294
+00:22:27,830 --> 00:22:31,210
+back propagate neural network، بشكل سريع، و مش هخش
+
+295
+00:22:31,210 --> 00:22:34,730
+في المعادلات الرياضية التفصيلية اللي هشغل عليها، لكن
+
+296
+00:22:34,730 --> 00:22:37,910
+أنا بهمني الآن نفهم الـ concept على السريع. الآن
+
+297
+00:22:37,910 --> 00:22:42,510
+تخيل أن أنا في عندي instance، أو الـ data set
+
+298
+00:22:42,510 --> 00:22:45,810
+المفروض الـ data set تبعتي، أو الـ data set تبعتي
+
+299
+00:22:45,810 --> 00:22:49,190
+مكونة من four attributes و one class attribute،
+
+300
+00:22:49,190 --> 00:22:56,110
+مظبوط، و one target. بنسميهم A1, A2, A3, A4، و الـ
+
+301
+00:22:56,110 --> 00:23:03,770
+label. طبعاً المفروض هنقل A1, A2, A3, A4، وهنا
+
+302
+00:23:03,770 --> 00:23:07,770
+المفروض في عندي الـ label. الآن الفكرة فيها أنه هياخد
+
+303
+00:23:07,770 --> 00:23:11,210
+الـ instance في الأول، أول ما بأتكلم على الـ
+
+304
+00:23:11,210 --> 00:23:16,150
+topology تبعتها، بروح بياخد مني عندي random weight.
+
+305
+00:23:19,480 --> 00:23:22,320
+بياخد أوزان من صفر لواحد، على كل الـ connections
+
+306
+00:23:22,320 --> 00:23:28,500
+اللي موجودة. تمام؟ الآن بياخد الـ value، مثلاً واحد،
+
+307
+00:23:28,500 --> 00:23:32,340
+واحد، صفر، واحد، والـ label تبعتها كانت، كانت على سبيل
+
+308
+00:23:32,340 --> 00:23:36,540
+مثال واحد، بالشكل هذا. فبياخد القيم اللي موجودة هنا،
+
+309
+00:23:36,540 --> 00:23:40,580
+وبضربها مع الأوزان اللي موجودة، لحد ما بياخد الـ
+
+310
+00:23:40,580 --> 00:23:46,100
+output. الآن في عندي الـ real class، وفي عندي الـ
+
+311
+00:23:46,100 --> 00:23:47,000
+predicted class.
+
+312
+00:23:49,540 --> 00:23:56,960
+الفرق بينهم، بياخد
+
+313
+00:23:56,960 --> 00:24:01,700
+الخطأ هذا، وبيبدأ يوزعه بالعكس. جداش الوزن كان هذا
+
+314
+00:24:01,700 --> 00:24:06,460
+random، جداش الـ connection، جداش كل connection ساهم
+
+315
+00:24:08,030 --> 00:24:13,810
+بالوزن أو بالخطأ هذا، فبتوزع عل��هم الخطأ. وكل مكان
+
+316
+00:24:13,810 --> 00:24:18,010
+اللي predicted تبعتي صح، بتكون الـ error zero. معناته
+
+317
+00:24:18,010 --> 00:24:21,530
+أنا مش بحاجة أرجع. يعني، بشكل عام، الـ neural network
+
+318
+00:24:21,530 --> 00:24:23,970
+بشكل عام، أو الـ back propagation neural network
+
+319
+00:24:23,970 --> 00:24:31,830
+بشكل عام، بتشتغل على two ways. الطريقة الأولى، مرحلة الـ
+
+320
+00:24:31,830 --> 00:24:35,490
+prediction. باخد الـ input تبعتي، بدخلها على الـ data
+
+321
+00:24:35,490 --> 00:24:37,810
+على الـ neural network، بحسب لحد ما بحصل على الـ
+
+322
+00:24:37,810 --> 00:24:43,110
+output، بحسب الـ error، و بروح بوزن قيمة أو بعدل
+
+323
+00:24:43,110 --> 00:24:48,010
+الأوزان تبعاً لقيمة الخطأ اللي موجود عندهم.
+
+324
+00:24:49,890 --> 00:24:53,230
+وهذا فعلياً اللي بتصير عندنا في الـ neural network
+
+325
+00:24:53,230 --> 00:24:56,510
+في الـ back propagate الـ neural network. الـ forward
+
+326
+00:24:56,510 --> 00:25:01,970
+path، الـ path الأولى، بطبق الـ input و بحسب الـ output
+
+327
+00:25:01,970 --> 00:25:05,830
+تبع الـ activation function، و بحسب الخطأ اللي موجود
+
+328
+00:25:05,830 --> 00:25:10,990
+عندي. في الـ back propagate path، أنا فعلياً باخد
+
+329
+00:25:10,990 --> 00:25:14,990
+قيمة الخطأ، و بعدل الأوزان حسب مساهمتها في نسبة
+
+330
+00:25:14,990 --> 00:25:21,120
+الخطأ اللي موجودة عندنا هنا. آخر slide موجودة عندي
+
+331
+00:25:21,120 --> 00:25:25,880
+هان، اللي هي slide اللي لها علاقة بالبايثون. كيف
+
+332
+00:25:25,880 --> 00:25:29,380
+ممكن أنا أطبق الـ back propagation neural network
+
+333
+00:25:29,380 --> 00:25:38,420
+على الـ بايثون؟ طبعاً أنا اشتغلت كالتالي هان، عملت load
+
+334
+00:25:38,420 --> 00:25:43,360
+للـ iris للـ data set اللي موجودة عندي هان، from ASCII
+
+335
+00:25:43,360 --> 00:25:47,520
+layer.linear_model import perceptron. اشتغلت
+
+336
+00:25:47,520 --> 00:25:50,730
+على الأبسط، الـ neural network اللي موجودة عندنا هنا.
+
+337
+00:25:50,730 --> 00:25:55,970
+حددت الـ target تبعتها، و حولتها لـ numbers: setosa
+
+338
+00:25:55,970 --> 00:25:58,710
+طبعاً، أو not setosa. هيك لأن في الـ binary
+
+339
+00:25:58,710 --> 00:26:01,130
+classification، and one، أو الـ symbol. الـ neural
+
+340
+00:26:01,130 --> 00:26:03,670
+network بتشتغل على binary classification، زي ما شفنا.
+
+341
+00:26:03,670 --> 00:26:07,590
+فحولت... قلت إما هذا، فيها three classes، حولت لـ two
+
+342
+00:26:07,590 --> 00:26:13,890
+classes: صفر و واحد، setosa و not setosa. استدعيت
+
+343
+00:26:13,890 --> 00:26:17,780
+الـ neural network تبعتي، from scikit-learn.neural_
+
+344
+00:26:17,780 --> 00:26:21,020
+network import MLPClassifier.
+
+345
+00:26:21,020 --> 00:26:26,740
+الـ model هذا، بيتطلب مني اني احدد له شغلات كتيرة: عدد
+
+346
+00:26:26,740 --> 00:26:32,580
+الـ hidden layer، قلت له اتنين، و خمسة neuron في كل
+
+347
+00:26:32,580 --> 00:26:36,830
+واحدة، أو الـ solver، اللي هي الـ activation function
+
+348
+00:26:36,830 --> 00:26:39,770
+تبعتي، الـ alpha اللي بتمثل الـ learning rate، هذه
+
+349
+00:26:39,770 --> 00:26:43,290
+ما لكوش دخل فيها الآن. الـ solver و الـ hidden layer
+
+350
+00:26:43,290 --> 00:26:46,850
+size، الـ hidden layer size هي تبعتي المهمة بالنسبة
+
+351
+00:26:46,850 --> 00:26:49,750
+لي. الـ activation function هي الـ radial basis
+
+352
+00:26:49,750 --> 00:26:53,490
+function. وهنا بنتكلم على الـ network اللي موجودة
+
+353
+00:26:53,490 --> 00:26:57,430
+هنا، فقلت له أعمل train تبع الـ X و الـ Y، فرح يعدل
+
+354
+00:26:57,430 --> 00:27:00,430
+الأوزان اللي موجودة عندي هنا. فلما أنا بدي أزوده
+
+355
+00:27:00,430 --> 00:27:04,610
+الآن data، وأقول له اعملها prediction، الـ data بدها
+
+356
+00:27:04,610 --> 00:27:07,670
+تكون تماماً مع الـ data، مع الـ input اللي موجودة
+
+357
+00:27:07,670 --> 00:27:11,850
+عنديها، وهذه الـ data set هي عبارة عن مجموعة من
+
+358
+00:27:11,850 --> 00:27:15,490
+العناصر اللي موجودة عندها. إذا قدمت ليها as in، أو
+
+359
+00:27:15,490 --> 00:27:19,230
+matrix، فبياخدها، وفي الآخر هتديني prediction اللي
+
+360
+00:27:19,230 --> 00:27:22,510
+موجودة. يعني، باختصار بسيط جداً، أنا المفروض أن الـ data
+
+361
+00:27:22,510 --> 00:27:27,070
+set تبعتي، أحولها كلها لـ numeric data، في حال إذا
+
+362
+00:27:27,070 --> 00:27:31,680
+كنت أنا بدي اشتغل مع الـ Neural Network. بتمنى عليكم
+
+363
+00:27:31,680 --> 00:27:35,300
+وهذه تجربوها، وتفهموا الموضوع كويس، وزي ما قلنا
+
+364
+00:27:35,300 --> 00:27:38,040
+سابقا، على الـ forum اللي موجود على الـ model، أنا
+
+365
+00:27:38,040 --> 00:27:41,420
+مستعد إن شاء الله تعالى للإجابة على أي سؤال، وطبعاً
+
+366
+00:27:41,420 --> 00:27:44,240
+احنا اتعمدنا الإجابات على الـ forum، مش على الخاص،
+
+367
+00:27:44,240 --> 00:27:48,520
+عشان نقدر الفائدة تعمل للجميع. والسلام عليكم ورحمة
+
+368
+00:27:48,520 --> 00:27:49,540
+الله وبركاته.

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/u2_vU8et3ig_postprocess.srt

@@ -0,0 +1,1472 @@
+1
+00:00:04,940 --> 00:00:07,000
+باسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:07,000 --> 00:00:11,420
+أهلا وسهلا بكم محاضراتنا المستمرة في منصق ال data
+
+3
+00:00:11,420 --> 00:00:14,620
+mining وما زلنا في باب ال classification او في باب
+
+4
+00:00:14,620 --> 00:00:18,120
+التصنيف هنتكلم اليوم او في المحاضرة هذه ان شاء
+
+5
+00:00:18,120 --> 00:00:22,940
+الله تعالى عن classifier كتير متقدمو مستخدمة بشكل
+
+6
+00:00:22,940 --> 00:00:26,500
+كبير جدا وهو الـ Neural Network as Classifier أو
+
+7
+00:00:26,500 --> 00:00:30,000
+بالتحديد الـ Back-propagate الـ Neural Network لأ
+
+8
+00:00:30,000 --> 00:00:33,740
+أخفيكم كان عندي تردد أشرحه ولا أشرح ال support
+
+9
+00:00:33,740 --> 00:00:37,240
+vector machine كلا هما من المواضيع ال advanced و
+
+10
+00:00:37,240 --> 00:00:40,760
+اللي بتحتاج إلى optimization عالية لكن قرصين على
+
+11
+00:00:40,760 --> 00:00:44,320
+ال neural network زي ما كنا قعدينهم سابقا و خلينا
+
+12
+00:00:44,320 --> 00:00:47,700
+نبدأ مع ال neural networkالـ neural network أو
+
+13
+00:00:47,700 --> 00:00:51,400
+الشبكات العصبية العصيبية مش العصبية بكفي أنا عصبي
+
+14
+00:00:51,400 --> 00:00:55,360
+بالجمال الشبكات الشبكات العصيبية هي عبارة عن
+
+15
+00:00:55,360 --> 00:00:59,980
+مجموعة من الـ connected input و ال output units
+
+16
+00:00:59,980 --> 00:01:04,850
+يعني بين جسين هي عبارة عن مجموعة منالمدخلات
+
+17
+00:01:04,850 --> 00:01:10,390
+والمخرجات المتصلة مع بعضها البعض وكل خط أو كل
+
+18
+00:01:10,390 --> 00:01:15,210
+connection أو كل خط أو كل link الوزن معين
+
+19
+00:01:15,210 --> 00:01:21,010
+associated with it مرتبط فيهاخلال مرحلتي التعليم
+
+20
+00:01:21,010 --> 00:01:24,370
+وهنا جامعة الخير بدأنا ننتبه كويس لأن صار في عندي
+
+21
+00:01:24,370 --> 00:01:27,390
+ميقولنا احنا Machine Learning Machine Learning هي
+
+22
+00:01:27,390 --> 00:01:32,570
+الفترة اللي انا بقى قضيها في بناء ال model عشان
+
+23
+00:01:32,570 --> 00:01:35,770
+هيك قلنا في البداية خالص ال classification في عندي
+
+24
+00:01:35,770 --> 00:01:39,690
+model based وفي عندي instance based ال instance
+
+25
+00:01:39,690 --> 00:01:42,550
+based كان ياريس نيبر و ال model based decision
+
+26
+00:01:42,550 --> 00:01:46,150
+tree و النايف بايسيان سؤال مهم جدا لان بدي أطرحه
+
+27
+00:01:46,150 --> 00:01:51,430
+عليكمو بتمنى انك تدور على .. او تفكر بإجابته لأن
+
+28
+00:01:51,430 --> 00:01:56,390
+هل الـ Naive bias model based ولا instance based؟
+
+29
+00:01:56,390 --> 00:02:00,070
+هذا واحد السؤال التاني الـ Naive bias algorithm
+
+30
+00:02:00,070 --> 00:02:03,890
+الجدول اللي أنا بنيته هذا كم مرة بقى بنيه؟
+
+31
+00:02:06,390 --> 00:02:11,390
+المفروض لمرة واحدة متى بحتاج إعادة بناءه لو تغيرت
+
+32
+00:02:11,390 --> 00:02:14,850
+ال training set اللي موجودة عندي وبالتالي المفروض
+
+33
+00:02:14,850 --> 00:02:18,090
+الجدول هذا بيمثل عندي model خلال مرحلة التعليم
+
+34
+00:02:18,090 --> 00:02:21,430
+مرحلة ال learning مرحلة بناء ال model ال network
+
+35
+00:02:21,430 --> 00:02:25,610
+اللي هي الشبكة العصيبية بتحاول تعدل الأوزان اللي
+
+36
+00:02:25,610 --> 00:02:30,810
+موجودة عندها لحد ما تصل مين
+
+37
+00:02:30,810 --> 00:02:37,860
+لل label يعني بين قوسينان انا دخلت ال input عملت
+
+38
+00:02:37,860 --> 00:02:42,900
+computation حصلت على ال output بقارن بقارن بين ال
+
+39
+00:02:42,900 --> 00:02:46,680
+output الحقيقي و ال predicted و تبعا لل error اللي
+
+40
+00:02:46,680 --> 00:02:49,600
+بينهم او الفرق اللي بينهم بعمل adjustment لل
+
+41
+00:02:49,600 --> 00:02:50,880
+weight اللي موجود عندها
+
+42
+00:02:55,350 --> 00:02:57,970
+الأن الـ neural network بشكل عام جماعة الخير هي
+
+43
+00:02:57,970 --> 00:03:01,010
+بتحاكي الشبكات العصيبية في الإنسان أو الجهاز
+
+44
+00:03:01,010 --> 00:03:03,910
+العصبي في الإنسان في الآخر ال decision في الدماغ
+
+45
+00:03:03,910 --> 00:03:09,510
+والخلايا العصبية منتشرة على كل جسمك لو أنت ساكت أو
+
+46
+00:03:09,510 --> 00:03:13,710
+سرحان وقاعد بتحل في المثلة في ال data mining وإجا
+
+47
+00:03:13,710 --> 00:03:23,320
+زميلك طرف دبوس وحاول يشكك في إيدكبدون ما تنتبهله
+
+48
+00:03:23,320 --> 00:03:27,400
+انت و لا إرادي هتلاقي انه ايدك تحركت بالاتجاه
+
+49
+00:03:27,400 --> 00:03:31,980
+المضاد للشكة بحيث انها يعني تبعد عن مصدر الخطر
+
+50
+00:03:31,980 --> 00:03:35,680
+اللي صار انت فعليا مش عارف ايش اللي صار لكن مجرد
+
+51
+00:03:35,680 --> 00:03:38,840
+انك حركت ابعدت ايدك و بعدين بديت تطلع لان كانت
+
+52
+00:03:38,840 --> 00:03:42,240
+الحركة أو الجهاز العصب ادى اشارة للدماغ و الدماغ
+
+53
+00:03:42,240 --> 00:03:45,260
+اخد processing عالية سريعة جدا انه لأ ابعد عن
+
+54
+00:03:45,260 --> 00:03:47,980
+الخطر هذا و كذلك بتصير معانا في الموضوع لما يكون
+
+55
+00:03:47,980 --> 00:03:52,510
+الشغلات الحريق الى اخرهالان هذا الكلام ما صار الا
+
+56
+00:03:52,510 --> 00:03:56,330
+غير من خلال حياة مكتسبة موجودة عندها فال neural
+
+57
+00:03:56,330 --> 00:03:58,870
+network جالك ليش لما الناس فكروا فيها في الداخل في
+
+58
+00:03:58,870 --> 00:04:03,050
+الخمسينات جالك ليش ما نحاول نحاكي عقل الإنسان في
+
+59
+00:04:03,050 --> 00:04:07,410
+التعامل احنا مش كتير معنى بالصبغة التاريخية
+
+60
+00:04:07,410 --> 00:04:13,090
+والتفاصيل كتيرة لكن بشكل عام أبسط نموذج للشبكة
+
+61
+00:04:13,090 --> 00:04:15,690
+اللي موجودة عندى لأن في الآخر كل شيء computation
+
+62
+00:04:15,690 --> 00:04:20,450
+يا جماعة الخير هي مجموعة ال inputمجموعة ال input
+
+63
+00:04:20,450 --> 00:04:25,970
+الان ايش P1P لحد ال PR هي عبارة عن ال attributes
+
+64
+00:04:25,970 --> 00:04:31,350
+بتمثل
+
+65
+00:04:31,350 --> 00:04:36,790
+ال input طب وال A ال
+
+66
+00:04:36,790 --> 00:04:44,280
+output لبنجوسين ل class اللي موجود عندى انا هانالـ
+
+67
+00:04:44,280 --> 00:04:47,380
+class اللى موجود عندى ايش اللى صار اللى انا فعليا
+
+68
+00:04:47,380 --> 00:04:52,960
+كل attribute كان له وزن فانا باخد بضرب قيمة ال
+
+69
+00:04:52,960 --> 00:04:57,080
+attribute لاحظ بقول بضرب قيمة ال attribute في
+
+70
+00:04:57,080 --> 00:05:05,800
+الوزن بجمعهم بضفلهم قيمة لل bias وال function هذه
+
+71
+00:05:05,800 --> 00:05:09,460
+بتاخد decision اي واحد من ال binary classification
+
+72
+00:05:09,460 --> 00:05:13,210
+او من ال classes هتكون صفر او واحديعني binary
+
+73
+00:05:13,210 --> 00:05:17,090
+classification انتبه معايا وانتبه معايا لما انا
+
+74
+00:05:17,090 --> 00:05:20,830
+قلت باخد قيمة ال attribute و بضربها طب هل ممكن انا
+
+75
+00:05:20,830 --> 00:05:24,390
+اشتغل مع ال nominal attribute؟ لأ بينفعش ال data
+
+76
+00:05:24,390 --> 00:05:28,170
+set تبعتي كلها must be numeric لازم لأن مافيش مدى
+
+77
+00:05:28,170 --> 00:05:31,690
+اللي اروح اخد والله ال gender male male ضرب خمسة
+
+78
+00:05:31,690 --> 00:05:34,990
+حوليها 01 او اي numeric attribute انت بتشوفها
+
+79
+00:05:34,990 --> 00:05:39,170
+مناسبة ال income زي ما شوفنا قبل شوية fair و
+
+80
+00:05:39,170 --> 00:05:43,940
+excellentبرضه بقى تحوّل إياهم لأرقام وبالتالي فبدل
+
+81
+00:05:43,940 --> 00:05:46,800
+ما كانت category اللي بتروح أحوّلها كلها أرقام
+
+82
+00:05:46,800 --> 00:05:51,960
+تمام حتى لو كان coding موجودة عندى في النهاية اللي
+
+83
+00:05:51,960 --> 00:05:58,140
+هيصير كالتالي ال function تبعتي ال F ال prediction
+
+84
+00:05:58,140 --> 00:06:02,520
+function تبعتي هي عبارة عن vector الأوزان مضروبة
+
+85
+00:06:02,520 --> 00:06:07,450
+في ال inputزائد الـ bias اللي موجود عندها في مرحلة
+
+86
+00:06:07,450 --> 00:06:15,310
+ال learning بتصير الشبكة تدور على أفضل W و B لأن
+
+87
+00:06:15,310 --> 00:06:19,530
+انت لا تنسى انها معادلة خط مستقيم بتدور على أفضل W
+
+88
+00:06:19,530 --> 00:06:23,770
+و B لكن بال vectors W بتمثل الأوزان تبع ال
+
+89
+00:06:23,770 --> 00:06:26,630
+connection و ال B تمثل ال bias تبع ال network اللي
+
+90
+00:06:26,630 --> 00:06:30,210
+موجودة في ال multilayer neural network شوية الشغل
+
+91
+00:06:30,210 --> 00:06:30,870
+مختلفة
+
+92
+00:06:33,410 --> 00:06:39,370
+سابقاً أنا عندي فقط input و output في الـ simple
+
+93
+00:06:39,370 --> 00:06:42,630
+neural network و احنا قبل شوية قولنا هي عبارة عن
+
+94
+00:06:42,630 --> 00:06:47,080
+مجموعة من ال connected input و ال output unitsالان
+
+95
+00:06:47,080 --> 00:06:51,160
+في الـ Multilayer أضافلي عندى فيها ما بين ال layer
+
+96
+00:06:51,160 --> 00:06:54,620
+الأولى اللى هى اللى تمثل ال input و ال layer
+
+97
+00:06:54,620 --> 00:06:58,680
+الأخيرة اللى هى ال output layer صار بيمثل عندى مين
+
+98
+00:06:58,680 --> 00:07:02,320
+في شغل بسميليها ال hidden layer بالمناسبة كتير من
+
+99
+00:07:02,320 --> 00:07:05,740
+الناس بترفض ال neural network لأنها بتعتمدها black
+
+100
+00:07:05,740 --> 00:07:06,160
+box
+
+101
+00:07:09,080 --> 00:07:13,600
+شو يعني black box؟ black box بمعنى انه انا فعلا
+
+102
+00:07:13,600 --> 00:07:16,140
+مابشوفش ايش اللي بصير ولا بعرف ليش الأوزان هذه
+
+103
+00:07:16,140 --> 00:07:19,100
+صارت هيك وفعلا هذه هي للأسف ال algorithm اللي
+
+104
+00:07:19,100 --> 00:07:23,520
+موجودة عندنا يعني صعب ال interpretation تبعتها
+
+105
+00:07:23,520 --> 00:07:29,900
+تصير عندي طيب الآن ال input حسب الرسم اللي عندي
+
+106
+00:07:29,900 --> 00:07:34,540
+هان ال three inputs و ال two outputs و زي ما قلنا
+
+107
+00:07:34,540 --> 00:07:37,340
+بما هي كلها أرقام معناته ال input تبعتها هتكون 01
+
+108
+00:07:38,540 --> 00:07:41,280
+معناته كل neural network هذه هتكون صفر واحد في
+
+109
+00:07:41,280 --> 00:07:44,820
+المرحلة الأولى في ال network السابق يا جماعة الخير
+
+110
+00:07:44,820 --> 00:07:48,880
+هذه ال function صفر
+
+111
+00:07:48,880 --> 00:07:52,200
+واحد two classes ال class الأول و ال class التاني
+
+112
+00:07:52,200 --> 00:07:58,130
+هان صار في عندي two neurons في ال outputمعناته كل
+
+113
+00:07:58,130 --> 00:08:01,350
+واحد فيهم بتديني صفر أو واحد معناته صار في عندي
+
+114
+00:08:01,350 --> 00:08:06,030
+two bits خلني أسويها two bits صفر و صفر صفر واحد
+
+115
+00:08:06,030 --> 00:08:10,010
+واحد صفر واحد واحد وكأني بتكلم على four classes
+
+116
+00:08:10,010 --> 00:08:15,990
+يعني بال multilayer neural network صار بإمكاني أنا
+
+117
+00:08:15,990 --> 00:08:21,880
+فعليا أعرضDataset أكتر أو أحصل على Multiclass
+
+118
+00:08:21,880 --> 00:08:26,240
+Classification تعالى نشوف الشكل العام تبعت الـ
+
+119
+00:08:26,240 --> 00:08:30,300
+Network تبعته ده على الشكل اللي احنا شفناه بنسميه
+
+120
+00:08:30,300 --> 00:08:36,100
+Network Topology الـ Network Topology هان بدك تحدد
+
+121
+00:08:36,100 --> 00:08:39,720
+فيه عدد ال input أو عدد ال unit لل input في ال
+
+122
+00:08:39,720 --> 00:08:44,740
+input layerطب انا ماليش دخل فيها كتير هذه ليش لأن
+
+123
+00:08:44,740 --> 00:08:50,880
+عادة عدد ال input neurons يساوي
+
+124
+00:08:50,880 --> 00:08:54,720
+عدد ال attribute يعني بينجو سين كل attribute في ال
+
+125
+00:08:54,720 --> 00:09:01,740
+data set له one input neuron يفضل انك تروح تعمل
+
+126
+00:09:01,740 --> 00:09:06,350
+normalizationللـ values تبعت ال attributes مش يفضل
+
+127
+00:09:06,350 --> 00:09:09,370
+يمكن تكون إجباريك في مرحلة من مرحلة ليش؟ عشان
+
+128
+00:09:09,370 --> 00:09:12,530
+تتجنب ال bias تحط كل ال attributes اللي موجود بعد
+
+129
+00:09:12,530 --> 00:09:17,050
+ما انت .. بعد ما انت عملت preprocessing وجهزت ..
+
+130
+00:09:17,050 --> 00:09:20,350
+وجهزت ال data set لأن كل ال data had independent
+
+131
+00:09:21,310 --> 00:09:24,470
+لكن دلت ال scaling تبعتها عالية و بما انه عملية
+
+132
+00:09:24,470 --> 00:09:28,810
+حساب زي ما شوفنا سابقا انه يكون عنده قيمة مثلا ال
+
+133
+00:09:28,810 --> 00:09:31,710
+call بال minutes خمس .. نقول ستمية و ألف و خمسمية
+
+134
+00:09:31,710 --> 00:09:35,310
+دقيقة في مقابل ال megas اللي ال data .. اللي أنا
+
+135
+00:09:35,310 --> 00:09:40,490
+استخدمتها على ال mobile كانت بال .. بالأحد فواحد
+
+136
+00:09:40,490 --> 00:09:43,330
+هيكون ال weight تبعته أكتر من التانية فإيش الحل؟
+
+137
+00:09:43,330 --> 00:09:46,770
+لأ اعمله scaling عشان تكون من ص��ر لواحد و بترتاح
+
+138
+00:09:46,770 --> 00:09:51,900
+الآن number of hidden layers في ال typologyعدد الـ
+
+139
+00:09:51,900 --> 00:09:57,920
+Hidden Layer ومش بس هيك عدد الـ Hidden Neuron في
+
+140
+00:09:57,920 --> 00:10:02,620
+الـ Hidden Layer يعني
+
+141
+00:10:02,620 --> 00:10:05,200
+بين جسين انا جاعد بتكلم في الـ Neural Network
+
+142
+00:10:05,200 --> 00:10:14,800
+بتكلم على Input Layer و بتكلم على Hidden Layer و
+
+143
+00:10:14,800 --> 00:10:22,100
+بتكلم على Output Layer تلت طبقات موجودة عندىال
+
+144
+00:10:22,100 --> 00:10:29,260
+input وال output معروفين ها number of classes وهنا
+
+145
+00:10:29,260 --> 00:10:36,540
+number of attributes أبو
+
+146
+00:10:36,540 --> 00:10:42,380
+هان هان يا سيد العزيز ماحدش بيحكمك في حاجة ولا في
+
+147
+00:10:42,380 --> 00:10:46,040
+قانون واضح الان احنا بتتكلم عشان تكون عندى multi
+
+148
+00:10:46,040 --> 00:10:49,580
+layer على الأقل بيكون في عندى single layerولمّا
+
+149
+00:10:49,580 --> 00:10:52,500
+بتكون في عندي اكثر من two hidden layer بتصير deep
+
+150
+00:10:52,500 --> 00:10:56,040
+neural network تمام؟ وهذا المصطلح اللي بيستخدمه
+
+151
+00:10:56,040 --> 00:10:58,660
+اليوم في ال machine learning بيسمي احنا ال deep
+
+152
+00:10:58,660 --> 00:11:01,760
+learning لكن احنا الآن خلينا بشكل بسيط بتكلم على
+
+153
+00:11:01,760 --> 00:11:05,630
+input layerhidden layer one hidden layer و output
+
+154
+00:11:05,630 --> 00:11:09,190
+hidden layer بالنسبة لعدد ال neurons في ال hidden
+
+155
+00:11:09,190 --> 00:11:12,590
+layer اللي موجودة عندي انا هانجدش انا والله عندي
+
+156
+00:11:12,590 --> 00:11:17,210
+حسب ال attribute عندي اربعة input اربعة attributes
+
+157
+00:11:17,210 --> 00:11:23,860
+وعندي two classes معروفين ربها دولبرضه مافيش عدد
+
+158
+00:11:23,860 --> 00:11:28,140
+الـ neurons مبهم ومتروك لك للتجربة و القياس او
+
+159
+00:11:28,140 --> 00:11:31,300
+تجربة و الخطأ زي ما احنا بنسميها احيانا و اتحددها
+
+160
+00:11:31,300 --> 00:11:34,840
+لكن في بعض الناس بتقولك خليني اعمل initialization
+
+161
+00:11:34,840 --> 00:11:44,300
+للكلام هذا عبر انه ابدأ بمجموع التنين على اتنين
+
+162
+00:11:44,300 --> 00:11:49,580
+يعني الان اربعة و اتنين ستة
+
+163
+00:11:53,290 --> 00:12:00,090
+على 2 ثلاثة ولاحظ وكأنه بيصير عند رسمة الشبكة هي 4
+
+164
+00:12:00,090 --> 00:12:05,990
+في ال input ثلاثة في ال output او عفوا في ال
+
+165
+00:12:05,990 --> 00:12:07,810
+hidden و 2 في ال output
+
+166
+00:12:26,450 --> 00:12:30,210
+وهذه الشبكة تبعتي بتصير بالشكل هذا قاعد بعملها
+
+167
+00:12:30,210 --> 00:12:33,730
+narrowing باتجاه ال output اللي موجودة واحد قال لأ
+
+168
+00:12:33,730 --> 00:12:37,850
+انا بدي اخد ضعف ال input او بدي اخد جدهم مافيش حد
+
+169
+00:12:37,850 --> 00:12:41,470
+هيقولك لأ القمر هذا متروك لك عشان ايه قلتلك هذه
+
+170
+00:12:41,470 --> 00:12:44,070
+الشبكة بدها optimization ال neural network من
+
+171
+00:12:44,070 --> 00:12:46,510
+الشغلات اللي بدها optimization كتير و بدها شغل
+
+172
+00:12:46,510 --> 00:12:50,820
+كتير في ال configurationنرجع للـ simplest الـ
+
+173
+00:12:50,820 --> 00:12:54,540
+neural network اللي موجودة عندها في الآخر ال
+
+174
+00:12:54,540 --> 00:12:58,860
+function انا هاللاحظ حاطين summation عشان عبارة عن
+
+175
+00:12:58,860 --> 00:13:04,300
+مضروب ال input في ال weight تبعتها و بجمعهم هذه
+
+176
+00:13:04,300 --> 00:13:09,180
+عبارة عن vector و بضفلهم ال bias لمرة واحدة و بروح
+
+177
+00:13:09,180 --> 00:13:13,470
+على ال function اللي موجودة عندهاالان الـ function
+
+178
+00:13:13,470 --> 00:13:17,470
+هذه عادة بنسميها اما ال activation function او ال
+
+179
+00:13:17,470 --> 00:13:22,050
+transformation function activation function او
+
+180
+00:13:22,050 --> 00:13:25,330
+transformation function ليش transformation او
+
+181
+00:13:25,330 --> 00:13:29,210
+transfer function لأن هي بتنقل ال input لل output
+
+182
+00:13:29,210 --> 00:13:34,190
+ليش بتسميها activation لأنها بتعمل على تنشيط ال
+
+183
+00:13:34,190 --> 00:13:38,670
+output neurons اللي موجودة عندى هنا وبتماما هخرجها
+
+184
+00:13:38,670 --> 00:13:46,610
+هطلحة لل out بكل بساطةبكل بساطة انت تخيل انا في
+
+185
+00:13:46,610 --> 00:13:50,350
+عندي function ال function تبعتي هذه لازم تحسب ..
+
+186
+00:13:50,350 --> 00:13:56,610
+تاخد .. تاخد مني input ال input لو كان اكبر او
+
+187
+00:13:56,610 --> 00:14:02,350
+تساوي واحد فال output واحد otherwise تديني صفر وفي
+
+188
+00:14:02,350 --> 00:14:08,630
+عندي بقوللي ال input تبعتي P1 و P2 هيهم الأوزان
+
+189
+00:14:08,630 --> 00:14:14,940
+تبعتهمواحد و نص و واحد معناته و ال bias تبعتي ساوي
+
+190
+00:14:14,940 --> 00:14:18,880
+سالب واحد و نص معناته حسب ال function ال output
+
+191
+00:14:18,880 --> 00:14:25,800
+تبعتي اتنين ضرب واحد و نص زي التلاتة ضرب واحد ناقص
+
+192
+00:14:25,800 --> 00:14:29,760
+واحد و نص اففف اربعة و نص اففف اربعة و نص الاربعة
+
+193
+00:14:29,760 --> 00:14:34,190
+و نص اكبر من واحد معناته دي هتعطيلياللي ال class
+
+194
+00:14:34,190 --> 00:14:38,270
+الأول بناء على ال output أو ال input المدخل عفواني
+
+195
+00:14:38,270 --> 00:14:42,210
+وبالتالي ال actual output تبعتي الفعلي بيعتمد على
+
+196
+00:14:42,210 --> 00:14:45,710
+مين؟ على ال transfer function اللي موجودة عندي هنا
+
+197
+00:14:45,710 --> 00:14:49,150
+طبعا ممكن يتغير ال threshold اللي أنا روحت فحصته
+
+198
+00:14:49,150 --> 00:14:57,450
+عنده هنا أنا هنا قلتله أكبر أو تساوي واحد yes و no
+
+199
+00:14:57,450 --> 00:15:00,150
+هي ال business logic تبعتي ال function تبعتي
+
+200
+00:15:00,150 --> 00:15:06,680
+وبالتالي اناالقيم الموجودة الان ال activation
+
+201
+00:15:06,680 --> 00:15:07,360
+function
+
+202
+00:15:10,670 --> 00:15:13,930
+هي عندي منهم مجموعة من الـ functions الأولى
+
+203
+00:15:13,930 --> 00:15:17,950
+بنسميها hard limit function أو hard limit transfer
+
+204
+00:15:17,950 --> 00:15:20,970
+function وزي ما انت شايفهان وزي ما انت شايفهان
+
+205
+00:15:20,970 --> 00:15:25,530
+hard limit بتاخد ال value و بتفحص إذا كانت بتديني
+
+206
+00:15:25,530 --> 00:15:29,070
+واحد لما تكون القيمة أكبر أو تساوي صفر أقل من صفر
+
+207
+00:15:29,070 --> 00:15:32,710
+بتديني صفر لأنه binary زي ما قلنا binary ال
+
+208
+00:15:32,710 --> 00:15:36,050
+classification و هذه بنسميها hard limit مافيش مجال
+
+209
+00:15:36,050 --> 00:15:39,880
+يا صفر يا واحد الآنفي عند الـ Linear
+
+210
+00:15:39,880 --> 00:15:42,900
+Transformation Function أو الـ Threshold Function
+
+211
+00:15:42,900 --> 00:15:47,500
+الـ Threshold Function زي ما احنا شايفين هيها إذا
+
+212
+00:15:47,500 --> 00:15:51,540
+كانت القيمة تديني أعلى من قيمة ال line هذا معناته
+
+213
+00:15:51,540 --> 00:15:56,560
+ل class A يعني كل المنطقة هي C1
+
+214
+00:15:56,560 --> 00:16:04,180
+وهذه C2 بناء على ال line اللي موجود عندي كذلك في
+
+215
+00:16:04,180 --> 00:16:05,460
+عندي ال Sigmoid Function
+
+216
+00:16:08,570 --> 00:16:14,310
+عبارة عن دالة بتعتمد على الـ exponential A
+
+217
+00:16:14,310 --> 00:16:21,450
+تساوي واحد على واحد زائد E أص ناقص N مين الـ N يا
+
+218
+00:16:21,450 --> 00:16:27,770
+جماعة الخير؟ عشان أذكركم بالـ N هي عبارة عن حاصل
+
+219
+00:16:27,770 --> 00:16:34,660
+جمع العناصر العنصرين هدول وما تنساش هذه vectorو
+
+220
+00:16:34,660 --> 00:16:37,660
+هذه vector فبنضرب في بعض هم من ثم انا حصلت على
+
+221
+00:16:37,660 --> 00:16:44,460
+العناصر اللي موجودة عندهان الان شفنا الشبكة و
+
+222
+00:16:44,460 --> 00:16:49,840
+عرفنا شغلها يعني بكل بساطة كيف انا بدي اشتغل او
+
+223
+00:16:49,840 --> 00:16:54,840
+كيف ال neural network بتشتغل بتاخد ال input تبع ال
+
+224
+00:16:54,840 --> 00:17:00,450
+attributes اللي موجودة عندهان و بتدخل إياهمو ال
+
+225
+00:17:00,450 --> 00:17:03,970
+input فترة ال training بتدخل اتباعا او عفوا في ال
+
+226
+00:17:03,970 --> 00:17:07,250
+attributes بتدخل بشكل متوازي مع بعضهم لأن زي ما
+
+227
+00:17:07,250 --> 00:17:11,450
+قلنا ال instance بالكامل بتدخل عندي على ال system
+
+228
+00:17:11,450 --> 00:17:18,250
+بعد هيك في أوزان الشبكة عادة بتبدأ ب random weight
+
+229
+00:17:18,250 --> 00:17:21,970
+بتبدأ ب random weight و الأوزان مع كل connection
+
+230
+00:17:21,970 --> 00:17:25,490
+مع كل connection من ال connections السابقة هاي في
+
+231
+00:17:25,490 --> 00:17:27,950
+اول ما بتبدأ الشبكة بتحط random weight
+
+232
+00:17:30,650 --> 00:17:37,670
+الخطوة اللي بعد هيك لما انا بعد ما بتروح تدخل لاحظ
+
+233
+00:17:37,670 --> 00:17:41,190
+معايا خلنا نقول ال input in your own hand هنفي W1
+
+234
+00:17:41,190 --> 00:17:49,520
+1 W1 2W1 3 و W1 4 لأيش؟ لأن عندي 4 hidden neuron و
+
+235
+00:17:49,520 --> 00:17:53,500
+4 connection ال value تبع ال hidden neuron أو ال
+
+236
+00:17:53,500 --> 00:17:56,200
+input neuron هذا اللي تبع ال attribute الأول
+
+237
+00:17:56,200 --> 00:18:03,820
+خلّيني على سبيل المثال نقول هنا 1.7 من عشرة الان
+
+238
+00:18:03,820 --> 00:18:09,460
+1.7 من عشرة ضرب W1 1 جاية لمين؟ لل hidden neuron
+
+239
+00:18:09,460 --> 00:18:16,430
+هنا في المقابل عندي هنا مثلا كانت 2و هذه الـ W 2 1
+
+240
+00:18:16,430 --> 00:18:21,430
+و هذه الـ W 3 1 و هذه الـ W 1 1 و هذه الـ W 3 1 و
+
+241
+00:18:21,430 --> 00:18:22,910
+هذه الـ W 3 1 و هذه الـ W 3 1 و هذه الـ W 3 1 و
+
+242
+00:18:22,910 --> 00:18:23,890
+هذه الـ W 3 1 و هذه الـ W 3 1 و هذه الـ W 3 1 و
+
+243
+00:18:23,890 --> 00:18:26,510
+هذه الـ W 3 1 و هذه الـ W 3 1 و هذه الـ W 3 1 و
+
+244
+00:18:26,510 --> 00:18:28,550
+هذه الـ W 3 1 و هذه الـ W 3 1 و هذه الـ W 3 1 و
+
+245
+00:18:28,550 --> 00:18:29,110
+هذه الـ W 3 1 و هذه الـ W 3 1 و هذه الـ W 3 1 و
+
+246
+00:18:29,110 --> 00:18:30,230
+هذه الـ W 3 1 و هذه الـ W 3 1 و هذه الـ W 3 1 و
+
+247
+00:18:30,230 --> 00:18:30,370
+هذه الـ W 3 1 و هذه الـ W 3 1 و هذه الـ W 3 1 و
+
+248
+00:18:30,370 --> 00:18:30,750
+هذه الـ W 3 1 و هذه الـ W 3 1 و هذه الـ W 3 1 و
+
+249
+00:18:30,750 --> 00:18:34,510
+هذه الـ W 3 1 و هذه الـ
+
+250
+00:18:34,510 --> 00:18:43,070
+W 3 1 و هذه الـ W 3 1 و هذه الـ W 3 1
+
+251
+00:18:46,660 --> 00:18:50,260
+وبديني decision انه بيطلع output وال output برضه
+
+252
+00:18:50,260 --> 00:18:55,540
+فيه إلها أوزان وبتتوزع على .. يعني الآن السهم اللي
+
+253
+00:18:55,540 --> 00:18:58,580
+داخل على ال neuron بيمثل ال input و اللي طالع منه
+
+254
+00:18:58,580 --> 00:19:02,540
+بيمثل ال output تبعته ايش ال .. اوكي احنا عرفنا هن
+
+255
+00:19:02,540 --> 00:19:05,200
+انه ال input طب ايش ال input ايش ال output .. عفوا
+
+256
+00:19:06,520 --> 00:19:08,840
+ما هي القيمة اللي طالع عندي من الـ hidden neuron؟
+
+257
+00:19:08,840 --> 00:19:11,240
+هي عبارة عن تجميع على العناصر اللي موجودة عندي هنا
+
+258
+00:19:11,240 --> 00:19:15,440
+ومن ثم بصدرليها بنفس الفكرة على الأوزان اللي جاي
+
+259
+00:19:15,440 --> 00:19:20,420
+بعدها وهكذا بتتم عمل الشبكة الآن هذه الشبكات
+
+260
+00:19:20,420 --> 00:19:26,520
+بتشتغل ضمن ال feed forward neural نتويرك
+
+261
+00:19:26,650 --> 00:19:29,030
+في ال feed forward neural network أنا فعليا قاعد
+
+262
+00:19:29,030 --> 00:19:32,630
+بشتغل باتجاه واحد فقط وهو الاتجاه أو التدفق
+
+263
+00:19:32,630 --> 00:19:36,930
+الطبيعي للشبكة من ال input لحد ال output اللي
+
+264
+00:19:36,930 --> 00:19:46,190
+موجودة عندى نقاط القوة في الشبكة انه فعليا بتتحكم
+
+265
+00:19:46,190 --> 00:19:49,950
+او بتقدر تسيطر بشكل قوى على ال noise data اللي
+
+266
+00:19:49,950 --> 00:19:55,430
+موجودة عندى هانبتقدر تعمل classification على
+
+267
+00:19:55,430 --> 00:19:57,790
+untrained pattern بتقدر تتحملها detection بشكل
+
+268
+00:19:57,790 --> 00:20:02,670
+بسيط مناسبة جدا لل continuous value في ال input و
+
+269
+00:20:02,670 --> 00:20:05,670
+ال output على خلاف اللي احنا شفناهم سابقا ال
+
+270
+00:20:05,670 --> 00:20:09,750
+classifiers السابقة بتشتغل مع أي قرية من ال real
+
+271
+00:20:09,750 --> 00:20:15,130
+world data حتى لو كانت بال handwritten ال
+
+272
+00:20:15,130 --> 00:20:18,150
+algorithm ممكن يطبق parallel بشكل متوازي وبتالي
+
+273
+00:20:18,150 --> 00:20:23,060
+هذا بيعمل على تسريع العمل ال weaknesses تبعتهاإنها
+
+274
+00:20:23,060 --> 00:20:26,500
+بتحتاج لفترة طويلة من التعليم لأن زي ما شوفنا أن
+
+275
+00:20:26,500 --> 00:20:33,340
+الأوزان كلها بتتغير تخيل أنك في عندك عشرة input في
+
+276
+00:20:33,340 --> 00:20:38,060
+عشرة hidden في أربعة أو بلاش في اتنين
+
+277
+00:20:41,140 --> 00:20:44,420
+output اضرب هدول هي عبارة عن عدد ال connections
+
+278
+00:20:44,420 --> 00:20:47,320
+اللي موجودة و عدد ال connections بعدد الأوزان
+
+279
+00:20:47,320 --> 00:20:52,760
+وبالتالي بتكلم على 200 value كأوزان بدها تغيير مع
+
+280
+00:20:52,760 --> 00:20:57,000
+كل عملية ال training و هذا مع كل instance وبالتالي
+
+281
+00:20:57,000 --> 00:21:01,860
+موضوع ال training هياخد منه وقت طويل بتحتاج ده
+
+282
+00:21:01,860 --> 00:21:04,380
+كتير من ال argument او من ال parameter انا بحتاج
+
+283
+00:21:04,380 --> 00:21:07,340
+اعملها tuning بشكل صحيح عشان اقدر احصل على ال
+
+284
+00:21:07,340 --> 00:21:11,460
+result المطلوبةمنها إن الـ structure تبعتها أبسط
+
+285
+00:21:11,460 --> 00:21:15,680
+ما يمكن إيش ال structure؟ إيش ال activation
+
+286
+00:21:15,680 --> 00:21:19,380
+function اللي أنا بدي اعتمدها؟ إلى آخرين الآن من
+
+287
+00:21:19,380 --> 00:21:22,520
+أهم ال neural network اللي موجودة يا جماعة الخير
+
+288
+00:21:22,520 --> 00:21:26,200
+شغلة بنسميها ال back propagate neural network back
+
+289
+00:21:26,200 --> 00:21:32,400
+propagate الانتشار للخلف الآن أنا هوضحها بشكل سريع
+
+290
+00:21:32,400 --> 00:21:40,530
+هان هحاول أرسمها على الصبورةبس عشان تنتين تلاتة
+
+291
+00:21:40,530 --> 00:21:52,390
+أربعة واحدة تنتين تلاتة واحدة تنتين واحد اتنين
+
+292
+00:21:52,390 --> 00:21:54,230
+تلاتة
+
+293
+00:22:23,390 --> 00:22:27,830
+تمام عشان نفهم بس مبدأ ال neural network او ال
+
+294
+00:22:27,830 --> 00:22:31,210
+back propagate neural network بشكل سريع و مش هخش
+
+295
+00:22:31,210 --> 00:22:34,730
+المعادلات الرياضية التفصيلية اللي هشغل عليها لكن
+
+296
+00:22:34,730 --> 00:22:37,910
+انا بهمني الان نفهم ال concept على السريع الان
+
+297
+00:22:37,910 --> 00:22:42,510
+تخيل ان انا في عندى instance او ال data set
+
+298
+00:22:42,510 --> 00:22:45,810
+المفروض ال data set تبعتي او ال data set تبعتي
+
+299
+00:22:45,810 --> 00:22:49,190
+مكونة من four attributes و one class attribute
+
+300
+00:22:49,190 --> 00:22:56,110
+مظبوط و one targetبنسميهم A1, A2, A3, A4 و ال
+
+301
+00:22:56,110 --> 00:23:03,770
+label طبعا المفروض هنقل A1, A2, A3, A4 و هنا
+
+302
+00:23:03,770 --> 00:23:07,770
+المفروض في عند ال label الآن الفكرة فيها أنه هياخد
+
+303
+00:23:07,770 --> 00:23:11,210
+ال instance في الأول أول بعد ما بأتكلم على ال
+
+304
+00:23:11,210 --> 00:23:16,150
+topology تبعتها بروح بياخد مني عندي random weight
+
+305
+00:23:19,480 --> 00:23:22,320
+بياخد أوزان من صفر لواحد على كل ال connections
+
+306
+00:23:22,320 --> 00:23:28,500
+اللي موجودة تمام؟ الآن بياخد ال value مثلا واحد
+
+307
+00:23:28,500 --> 00:23:32,340
+واحد صفر واحد وال label تبعتها وكانت كانت على سبيل
+
+308
+00:23:32,340 --> 00:23:36,540
+مثال واحد بالشكل هذا فبياخد القيام اللي موجودة هنا
+
+309
+00:23:36,540 --> 00:23:40,580
+وبضربها مع الأوزان اللي موجودة لحد ما بياخد ال
+
+310
+00:23:40,580 --> 00:23:46,100
+output الآن في عندي ال real class وفي عندي ال
+
+311
+00:23:46,100 --> 00:23:47,000
+predicted class
+
+312
+00:23:49,540 --> 00:23:56,960
+الفرق بينهم بيأخذ
+
+313
+00:23:56,960 --> 00:24:01,700
+الخطأ هذا و بيبدأ يوزع بالعكس جداش الوزن كان هذا
+
+314
+00:24:01,700 --> 00:24:06,460
+random جداش ال connection جداش كل connection ساهم
+
+315
+00:24:08,030 --> 00:24:13,810
+بالوزن أو بالخطأ هذا فبتوزع عليهم الخطأ وكل مكان
+
+316
+00:24:13,810 --> 00:24:18,010
+اللي predicted تبعتي صح بتكون ال error zero معناته
+
+317
+00:24:18,010 --> 00:24:21,530
+أنا مش بحاجة أرجع يعني بين جثين ال neural network
+
+318
+00:24:21,530 --> 00:24:23,970
+بشكل عام او ال back propagation neural network
+
+319
+00:24:23,970 --> 00:24:31,830
+بشكل عام بتشتغل على two ways الباص الأولىمرحلة ال
+
+320
+00:24:31,830 --> 00:24:35,490
+prediction باخد ال input تبعتي بدخلها على ال data
+
+321
+00:24:35,490 --> 00:24:37,810
+على ال neural network بحسب لحد ما بحصل على ال
+
+322
+00:24:37,810 --> 00:24:43,110
+output بحسب ال error و بروح بوزن قيمة أو بعدل
+
+323
+00:24:43,110 --> 00:24:48,010
+الأوزان تبعا لقيمة الخطأ اللي موجود عندهم
+
+324
+00:24:49,890 --> 00:24:53,230
+وهذا فعلياً اللي بتصير عندنا في الـ neural network
+
+325
+00:24:53,230 --> 00:24:56,510
+في ال back propagate ال neural network ال forward
+
+326
+00:24:56,510 --> 00:25:01,970
+path ال path الأولى بطبق ال input و بحسب ال output
+
+327
+00:25:01,970 --> 00:25:05,830
+تبع ال activation function و بحسب الخطأ اللي موجود
+
+328
+00:25:05,830 --> 00:25:10,990
+عندي في ال back propagate ال path أنا فعلياً باخد
+
+329
+00:25:10,990 --> 00:25:14,990
+قيمة الخطأ و بعدل الأوزان حسب مساهمتها في نسبة
+
+330
+00:25:14,990 --> 00:25:21,120
+الخطأ اللي موجودة عندنا هناأخر slide موجودة عندي
+
+331
+00:25:21,120 --> 00:25:25,880
+هان اللي هي slide اللي لها علاقة بال بايثون كيف
+
+332
+00:25:25,880 --> 00:25:29,380
+ممكن انا اطبق ال back propagation neural network
+
+333
+00:25:29,380 --> 00:25:38,420
+على ال بايثون طبعا انا اشتغلت كتالي هان عملت load
+
+334
+00:25:38,420 --> 00:25:43,360
+لل IRS لل data set اللي موجودة عندي هان from ASCII
+
+335
+00:25:43,360 --> 00:25:47,520
+layer dot linear model import perceptron اشتغلت
+
+336
+00:25:47,520 --> 00:25:50,730
+على الأبسطالـ neural network اللي موجودة عندنا هنا
+
+337
+00:25:50,730 --> 00:25:55,970
+حددت ال target تبعتها و حولتها ل numbers setosa
+
+338
+00:25:55,970 --> 00:25:58,710
+طبعا او not setosa هيك لان في ال binary
+
+339
+00:25:58,710 --> 00:26:01,130
+classification and one او ال symbol ال neural
+
+340
+00:26:01,130 --> 00:26:03,670
+network تشغل على binary classification زي ما شوفنا
+
+341
+00:26:03,670 --> 00:26:07,590
+فحولت .. قلت اما هذا فيها three classes حولت ل two
+
+342
+00:26:07,590 --> 00:26:13,890
+classes صفر و واحد setosa و not setosa استدعيت
+
+343
+00:26:13,890 --> 00:26:17,780
+ال neural network تبعتي from ASCII learn.neural
+
+344
+00:26:17,780 --> 00:26:21,020
+network and board multilayer perceptron classifier
+
+345
+00:26:21,020 --> 00:26:26,740
+الموديل هذا يتطلب مني ان احدد له شغلات كتيرة عدد
+
+346
+00:26:26,740 --> 00:26:32,580
+ال hidden layer قلت له تنتين و خمسة نيورون في كل
+
+347
+00:26:32,580 --> 00:26:36,830
+واحدةأو الـ solver اللي هي ال activation function
+
+348
+00:26:36,830 --> 00:26:39,770
+تبعتي ال alpha اللي بتمثل ال learning rate هذه
+
+349
+00:26:39,770 --> 00:26:43,290
+مالكوش دخل فيها الآن ال solver و ال hidden layer
+
+350
+00:26:43,290 --> 00:26:46,850
+size ال hidden layer size هي تبعتي المهمة بالنسبة
+
+351
+00:26:46,850 --> 00:26:49,750
+لي ال activation function هي ال radial based
+
+352
+00:26:49,750 --> 00:26:53,490
+function وهنا بنتكلم على ال network اللي موجودة
+
+353
+00:26:53,490 --> 00:26:57,430
+هنا فقلتله أعمل train تبع ال X و ال Y فرح أعدل
+
+354
+00:26:57,430 --> 00:27:00,430
+الأوزان اللي موجود عندى هنا فلما أنا بدي أزوده
+
+355
+00:27:00,430 --> 00:27:04,610
+الآنData و اقوله اعملها prediction ال data بدها
+
+356
+00:27:04,610 --> 00:27:07,670
+تكون تماما مع ال data مع ال input اللي موجودة
+
+357
+00:27:07,670 --> 00:27:11,850
+عنديها و هذه ال data set هي عبارة عن مجموعة من
+
+358
+00:27:11,850 --> 00:27:15,490
+العناصر اللي موجودة عندها اذا قدمتليها as in او
+
+359
+00:27:15,490 --> 00:27:19,230
+matrix فاخدليها و في الآخر هتدين ل prediction اللي
+
+360
+00:27:19,230 --> 00:27:22,510
+موجودة يعني باختصار بسيط جدا انا المفروض ان data
+
+361
+00:27:22,510 --> 00:27:27,070
+set تبعتي احولها كلها ل numeric data في حال اذا
+
+362
+00:27:27,070 --> 00:27:31,680
+كنت انا بدي اشتغل معالـ Neural Network بتمنى عليكم
+
+363
+00:27:31,680 --> 00:27:35,300
+وهذه تجربوها وتفهموا الموضوع كويس وزي ما قلنا
+
+364
+00:27:35,300 --> 00:27:38,040
+سابقا على ال forum اللي موجود على ال model أنا
+
+365
+00:27:38,040 --> 00:27:41,420
+مستعد ان شاء الله تعالى للإجابة على أي سؤال وطبعا
+
+366
+00:27:41,420 --> 00:27:44,240
+احنا اتعمدنا الإجابات على ال forum مش على الخاص
+
+367
+00:27:44,240 --> 00:27:48,520
+عشان نقدر الفائدة تعمل لجميع والسلام عليكم ورحمة
+
+368
+00:27:48,520 --> 00:27:49,540
+الله وبركاته
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/vNlYsg8cGAY.srt

@@ -0,0 +1,2302 @@
+1
+00:00:07,760 --> 00:00:09,860
+بسم الله والحمد لله والصلاة والسلام على رسول
+
+2
+00:00:09,860 --> 00:00:13,720
+الله أهلا وأهلا بالشباب الطيبين، وأتمنى لكم إن
+
+3
+00:00:13,720 --> 00:00:18,380
+شاء الله فصلا جديدا ملءه النشاط والمعرفة، وختامه
+
+4
+00:00:18,380 --> 00:00:21,400
+الدرجات العالية إن شاء الله تعالى. اليوم إن شاء
+
+5
+00:00:21,400 --> 00:00:25,720
+الله، هنبدأ نتكلم أو هنعمل مقدمة نتكلم.. نتواصل..
+
+6
+00:00:25,720 --> 00:00:30,180
+نتناقش فيها، ونعرض فيها الـ syllabus أو وصف مساق تنقيب
+
+7
+00:00:30,180 --> 00:00:34,400
+البيانات. لكن كالعادة يعني اللي بنحب الـ
+
+8
+00:00:34,400 --> 00:00:38,380
+discussion وبنحِب نتكلم معاكم بشكل كويس. لو أنا
+
+9
+00:00:38,380 --> 00:00:44,380
+سألتك أو سألت أي واحد فيكُم، شو يعني تنقيب بيانات؟
+
+10
+00:00:44,380 --> 00:00:48,660
+طيب، حد فيكم كلف نفسه يطلع على وصف المساق اللي
+
+11
+00:00:48,660 --> 00:00:53,220
+موجود على الصفحة قبل ما يسجل المساق؟ آه محمد؟ اللي
+
+12
+00:00:53,220 --> 00:00:57,020
+هي filtering the big data، filtering the big data،
+
+13
+00:00:57,020 --> 00:00:59,660
+شو يعني معاه؟ شو يعني بالعربي filter؟
+
+14
+00:01:02,490 --> 00:01:08,190
+filter معناته أنا بتكلم على تصفية، ترتيب، مصبوط لأ..
+
+15
+00:01:08,190 --> 00:01:11,930
+هي الـ data mining أو تنقيب البيانات، شغل أكبر من
+
+16
+00:01:11,930 --> 00:01:18,630
+هيك، آه الشباب، حاجة
+
+17
+00:01:18,630 --> 00:01:24,970
+صغيرة، وأفصل البيانات اللي فيها. طيب
+
+18
+00:01:24,970 --> 00:01:30,710
+الآن، أجيب pattern، أطلع شغلة غامضة، الآن يعني بديتها.. آه، رمي
+
+20
+00:01:35,260 --> 00:01:41,100
+آه، الوصول إلى معلومات مفيدة من معلومات ما لها غير
+
+21
+00:01:41,100 --> 00:01:45,880
+مرتبة، غير مرتبة، خلّيني أقول. طيب، الآن لو أنا جيت
+
+22
+00:01:45,880 --> 00:01:51,440
+سألتك، تنقيب
+
+23
+00:01:51,440 --> 00:01:58,400
+بالعربي mining شو
+
+24
+00:01:58,400 --> 00:02:03,080
+يعني كلمة تنقيب معناته بالعربي استخراج، استخراج
+
+25
+00:02:03,080 --> 00:02:07,090
+إيش؟ يعني ابن فعلا راح يقول: والله بدنا بنقب عن
+
+26
+00:02:07,090 --> 00:02:13,610
+الشواكل مثلا؟ لا.. لا.. لا، استخراج مادة من مادة
+
+27
+00:02:13,610 --> 00:02:22,230
+خام، استخراج أو بحث أثري؟
+
+28
+00:02:22,230 --> 00:02:25,330
+مادة من مادة خام. طب ممكن تقولي إيش طبيعة المادة هي
+
+29
+00:02:25,330 --> 00:02:25,870
+يا باشا؟
+
+30
+00:02:29,140 --> 00:02:31,680
+التنقيب، الآن سيبني من الـ data، الـ data عن الجهة
+
+31
+00:02:31,680 --> 00:02:39,420
+خلينا الآن نتكلم على التنقيب. أيوة، أيوة، البحث هذا
+
+32
+00:02:39,420 --> 00:02:44,260
+أو التنقيب، هذه كمسمّى أو كمصطلح مرتبط باستخراج أو
+
+33
+00:02:44,260 --> 00:02:48,940
+البحث عن أشياء
+
+34
+00:02:48,940 --> 00:02:52,080
+ثمينة،
+
+35
+00:02:52,080 --> 00:02:55,120
+نادرة،
+
+36
+00:02:55,120 --> 00:02:57,460
+الوجود.
+
+37
+00:02:58,280 --> 00:03:01,180
+يعني الآن ما فش أروح أقول: والله أنا بدي أنقب على
+
+38
+00:03:01,180 --> 00:03:06,280
+جلم رصاص! احنا بروح بنشتري جلم رصاص أو بنستلفه، لأن
+
+39
+00:03:06,280 --> 00:03:09,060
+حد بيتفرج في الـ national geographic وبيِتفرج على
+
+40
+00:03:09,060 --> 00:03:13,460
+برامج التنقيب، ليش
+
+41
+00:03:13,460 --> 00:03:22,000
+بنقبوا كانوا؟ آه يا هاشم، عن الذهب، فحم، petroleum،
+
+42
+00:03:22,000 --> 00:03:29,050
+النفط، أحجار كريمة، ولاحظ كلها.. كلها غالية
+
+43
+00:03:29,050 --> 00:03:35,830
+ونادرة الوجود، ومهمة في عالمنا اليوم. طيب، كلمة تنقيب
+
+44
+00:03:35,830 --> 00:03:44,130
+ارتبطت بمخاطر، زائد
+
+45
+00:03:44,130 --> 00:03:46,210
+تكلفة، ولا شو رايكم؟
+
+46
+00:03:49,310 --> 00:03:51,410
+الناس اللي بتعمل تنقيب على الدهب، وتنقيب على
+
+47
+00:03:51,410 --> 00:03:54,810
+البترول، هاي جِدّاش في عندهم risk عالية، لأنهم
+
+48
+00:03:54,810 --> 00:03:58,270
+بيستخدموا مكان تقيل، بيضطروا بيحفروا عميقا في الأرض،
+
+49
+00:03:58,270 --> 00:04:02,010
+أحيانا بينزلوا، أحيانا في داخل الحفرة تبعتهم، وممكن
+
+50
+00:04:02,010 --> 00:04:06,810
+تنهار عليهم، هذه
+
+51
+00:04:06,810 --> 00:04:10,510
+مخاطر على مستوى الجسد، مخاطر تانية مرتبطة بالتنقيب،
+
+52
+00:04:10,510 --> 00:04:16,710
+إنه ممكن بعد جهد كبير تطلع صفر اليدين، تمام؟
+
+53
+00:04:18,660 --> 00:04:22,720
+وتكلفة عالية، مكان وفمكانه تماما زي الصياد اللي
+
+54
+00:04:22,720 --> 00:04:28,940
+بيروح بيحاول يصيد، بس الصياد بيستنى السمك يجيه،
+
+55
+00:04:28,940 --> 00:04:33,880
+مظبوط؟ بينما المناقب هو اللي بِدور، هو اللي بِبحِث،
+
+56
+00:04:33,880 --> 00:04:38,440
+وبِدور عن العناصر اللي موجودة. فاليوم احنا هنتكلم
+
+57
+00:04:38,440 --> 00:04:44,140
+تنقيب البيانات، تمام؟
+
+58
+00:04:54,970 --> 00:04:59,450
+data، شو يعني بيانات؟
+
+59
+00:04:59,450 --> 00:05:03,010
+بيانات،
+
+60
+00:05:03,010 --> 00:05:06,970
+إيش يعني بيانات؟
+
+61
+00:05:06,970 --> 00:05:11,790
+طيب، إيش الفرق بين الـ data والـ information؟
+
+62
+00:05:15,730 --> 00:05:19,930
+data، تمت معالجتها، معناته البيانات هي البيانات الخام،
+
+63
+00:05:19,930 --> 00:05:23,070
+وببدأ أرجع للكلام اللي قلت لزميلك: استخراج مادة من
+
+64
+00:05:23,070 --> 00:05:28,330
+مادة خام. فأنت فعليا عندك بيانات طلاب الجامعات في
+
+65
+00:05:28,330 --> 00:05:35,750
+فلسطين من 2000 لـ 2020. So what؟ أنا جد موجودة أكثر
+
+66
+00:05:35,750 --> 00:05:40,270
+من database، دمجناهم مع بعض، جمعنا البيانات هذه،
+
+67
+00:05:40,270 --> 00:05:45,260
+إيش بقدر أستفيد منهم أنا؟ دورك أنت كمنقب، تبدأ تروح
+
+68
+00:05:45,260 --> 00:05:50,500
+تدور لنا على معرفة جديدة نقدر نستفيد منها في حياتنا،
+
+69
+00:05:50,500 --> 00:05:54,860
+مثل.. نسبة الذكور للإناث. آه.. لاحظ من.. أنا
+
+70
+00:05:54,860 --> 00:05:56,560
+خلّيني أَصْبر.. أنا بَضايق.. بعدين بجاوبك يعني على
+
+71
+00:05:56,560 --> 00:05:59,040
+الكلام اللي أنا بحكي فيه الآن، زميل اللي بقول مثل
+
+72
+00:05:59,040 --> 00:06:03,160
+نسبة الذكور للإناث، هذا الكلام غلط، هذا إحصاء، إحنا
+
+73
+00:06:03,160 --> 00:06:08,140
+بإحصاء بتجيبه، مش ضروري تتعلم تنقيب بيانات. وهنشوف
+
+74
+00:06:08,140 --> 00:06:11,060
+كمان شوية في التعريف تبع تنقيب البيانات، إنه أنا
+
+75
+00:06:11,060 --> 00:06:17,300
+فعليا بحاجة لاستخدام طرق غير تقليدية، وهتشوف إنه
+
+76
+00:06:17,300 --> 00:06:19,960
+تنقيب البيانات باستخدام الإحصاء، وباستخدام الـ
+
+77
+00:06:19,960 --> 00:06:22,420
+database، وباستخدام البرمجة، وباستخدام الشبكات، و
+
+78
+00:06:22,420 --> 00:06:25,760
+باستخدام معظم العلوم من أجل الوصول للهدف المطلوب،
+
+79
+00:06:25,760 --> 00:06:29,480
+لأنه هو بنقّب في معلومات
+
+80
+00:06:32,110 --> 00:06:36,270
+بنقب في الـ data عشان يطلع، أيوة. فبالتالي الآن هذه
+
+81
+00:06:36,270 --> 00:06:40,510
+بيانات مش معلومات، عشان هي، أنا بسألك إيش هي
+
+82
+00:06:40,510 --> 00:06:45,510
+البيانات؟ شوف
+
+83
+00:06:45,510 --> 00:06:51,850
+عادة.. مثلا.. الآن أنت بتستخرجي المعلومة، تمام؟
+
+84
+00:06:51,850 --> 00:07:00,630
+الآن بالعربي عادة إحنا بنقول: تنقيب عن الذهب، ما نقولش
+
+85
+00:07:00,630 --> 00:07:07,380
+بنقب في الذهب. تنقيب عن البترول، ومكان التنقيب في
+
+86
+00:07:07,380 --> 00:07:12,600
+حياتنا كبشر، مكان واحد، باطن الأرض. عشان هيك اختصر كل
+
+87
+00:07:12,600 --> 00:07:18,300
+المسميات، تمام؟ كما بقول لك: تنقيب عن، بينما هنا أنواع
+
+88
+00:07:18,300 --> 00:07:22,980
+البيانات اللي عندي مختلفة، والـ task تبعتي اللي أنا
+
+89
+00:07:22,980 --> 00:07:27,700
+باطلعها مختلفة. الـ data، مصدر البيانات، لما تكون
+
+90
+00:07:27,700 --> 00:07:31,500
+بيانات الطلاب الجامعيين على مستوى فلسطين، غير لما
+
+91
+00:07:31,500 --> 00:07:34,980
+تكون مصدر البيانات بيانات، وإما الإرشيف الصحي
+
+92
+00:07:34,980 --> 00:07:39,500
+للموا��نين الفلسطينيين، بيصير في عندي، هن بتدور على شغلة
+
+93
+00:07:39,500 --> 00:07:46,120
+مختلفة عنها، ومصدرين مختلفين، فبيصير في عندي تنقيب البيانات
+
+94
+00:07:46,120 --> 00:07:51,300
+مجلكاش تنقيب عن البيانات، فأنا بنقب في الـ.. بنقب
+
+95
+00:07:51,300 --> 00:07:56,430
+البيانات قاعد، عشان.. بهدف إني أطلع منها شغلة ممكن
+
+96
+00:07:56,430 --> 00:07:58,950
+تكون formation، بس هي فعليا أعلى من الـ information،
+
+97
+00:07:58,950 --> 00:08:03,470
+إحنا متكلمين على knowledge، معرفة، وهنشوف الفرق..
+
+98
+00:08:03,470 --> 00:08:06,370
+الفرق بين الـ data والـ information والـ knowledge
+
+99
+00:08:06,370 --> 00:08:12,270
+والحكمة أو الـ wisdom لاحقا. وبالتالي أنا الآن هدفي
+
+100
+00:08:12,270 --> 00:08:18,670
+أن أتعلم كيف أنقب البيانات في البيانات، مش عن
+
+101
+00:08:18,670 --> 00:08:23,370
+البيانات. الآن data mining، تنقيب، مقصود فيها في
+
+102
+00:08:23,370 --> 00:08:27,470
+البيانات، تنقيب البيانات نفسها من أجل استخراج معرفة
+
+103
+00:08:27,470 --> 00:08:34,870
+طيب، تتوقع العملية تكون سهلة ولا صعبة؟ حسب الـ data،
+
+104
+00:08:34,870 --> 00:08:40,810
+لكن عادة الـ data mining هي task، ليست task تقليدية،
+
+105
+00:08:40,810 --> 00:08:44,810
+ممكن تقدر تكتب برنامج، وهذا بيُعقّد إن كنت تكون
+
+106
+00:08:44,810 --> 00:08:50,120
+developer كويس. بيقتضي منك إنك تعمل import و export
+
+107
+00:08:50,120 --> 00:08:53,920
+بعض الأحيان للـ database، وكيف تعمل integration
+
+108
+00:08:53,920 --> 00:08:58,700
+وبيُلزِمك تعرف إن الـ database كويس. بيُلزِمك تتعرف على الـ
+
+109
+00:08:58,700 --> 00:09:02,660
+machine learning algorithm عشان تسخرها في عملية
+
+110
+00:09:02,660 --> 00:09:05,660
+التنقيب. يعني بنجّوزين، بدك أدوات، بدك tools، اللي
+
+111
+00:09:05,660 --> 00:09:08,600
+بِدور على الدهب، عنده حفار وعنده جرافة وعنده
+
+112
+00:09:08,600 --> 00:09:14,770
+المصفاة، وعنده الميه إلى آخره، هذه هي أدواته. وأنت
+
+113
+00:09:14,770 --> 00:09:17,390
+لازم يكون لك أدواتك اللي بقى بتستخدمها في عملية
+
+114
+00:09:17,390 --> 00:09:21,670
+التنقيب. طيب، لما نتكلم على معلومات المساق تبعنا،
+
+115
+00:09:21,670 --> 00:09:29,250
+أهم شغلة بتهمك فيها، إيميلي لأي استفسار، طبعا كلكم
+
+116
+00:09:29,250 --> 00:09:34,030
+بتعرفوا ساعات المكتبية للفصل هذا، من السبت للأربعاء
+
+117
+00:09:34,760 --> 00:09:37,640
+من الـ 11 إلى الواحدة، أنا موجود في المكتب، طبعا إلا
+
+118
+00:09:37,640 --> 00:09:40,300
+لو صار في اجتماع طارئ، أنا ما بقدرش أتحكم فيه يعني،
+
+119
+00:09:40,300 --> 00:09:43,340
+بس غالبا إن شاء الله أكون موجود، ومكتبي في الطابق
+
+120
+00:09:43,340 --> 00:09:49,100
+التالت في مبنى تكنولوجيا المعلومات. مقعد لقائنا 9 ونص
+
+121
+00:09:49,100 --> 00:09:54,960
+إلى الـ 11، كان في I 116، وجبناه للقاعة المصورة،
+
+122
+00:09:54,960 --> 00:10:02,270
+هذه وصف المساق تبعنا. المساق هذا حاولنا نعيد تصميمه
+
+123
+00:10:02,270 --> 00:10:08,730
+أو صممناه بحيث إنه يزود الطالب بمقدمة عن علم
+
+124
+00:10:08,730 --> 00:10:15,890
+البيانات، ويزوده بخبرة عملية، hand experience في
+
+125
+00:10:15,890 --> 00:10:21,630
+التعامل مع كل مراحل مشروع، أو مع شريعة قواعد data
+
+126
+00:10:21,630 --> 00:10:26,770
+mining، تنقيب البيانات. الآن hand experience، تجربة
+
+127
+00:10:26,770 --> 00:10:32,760
+عملية، with all faces، لما أتكلم with all faces،
+
+128
+00:10:32,760 --> 00:10:38,000
+معناته أنا جاي أتكلم عن إيش؟ عن مشروع بيمر في
+
+129
+00:10:38,000 --> 00:10:41,580
+مراحل، مش مرحلة واحدة. الآن في الـ database project،
+
+130
+00:10:41,580 --> 00:10:44,760
+لو أنا بدأ أُقارنها في الـ database، بتعمل analysis،
+
+131
+00:10:44,760 --> 00:10:50,560
+بتعمل design، بتعمل implementation، مظبوط؟ إيش دول
+
+132
+00:10:50,560 --> 00:10:51,200
+بعد هيك؟
+
+133
+00:10:53,820 --> 00:10:57,780
+خلاص، بدي أعمل test عشان أتأكد إن كل الأمور تمام،
+
+134
+00:10:57,780 --> 00:11:00,560
+وبعد ذلك لو أنا محتاج maintenance، بكلمك على أربع
+
+135
+00:11:00,560 --> 00:11:04,720
+مراحل. اليوم هتشوف إنه أنا في عندي 6 من 7،
+
+136
+00:11:04,720 --> 00:11:10,580
+على 8 مراحل، وكل واحدة بدها جهد ومعرفة مختلفة مني،
+
+137
+00:11:10,580 --> 00:11:16,500
+عشان أقدر أنجزها. طبعا هذا كله باعتماد على الـ real
+
+138
+00:11:16,500 --> 00:11:20,780
+data، ما بنفعش أستخدم fake data أو fabricated data، و
+
+139
+00:11:20,780 --> 00:11:23,790
+أشتغل عليها. طب دلوقت، بدي أجيب الـ real data، الـ
+
+140
+00:11:23,790 --> 00:11:26,610
+real data متاحة في مواقع كتير عالميا بتزودني بـ
+
+141
+00:11:26,610 --> 00:11:31,110
+real data، موجودة، historical data في مجالات مختلفة،
+
+142
+00:11:31,110 --> 00:11:36,450
+بدءا من التمييز بين أنواع الحشرات ومواصفاتها، لحد
+
+143
+00:11:36,450 --> 00:11:41,730
+تصنيف صور الفضاء، والشغلات هذه. فأنت وين مهتم، ممكن
+
+144
+00:11:41,730 --> 00:11:45,770
+تلاقي بيانات بتخدمك، وزودكوا إن شاء الله من خلال الـ
+
+145
+00:11:45,770 --> 00:11:49,210
+model بمجموعة من الروابط. ممكن المحاضرة الجاية أعرض
+
+146
+00:11:49,210 --> 00:11:53,430
+الروابط عليكم، نشوف بعض المواقع، بحيث إن مطلوب منك
+
+147
+00:11:53,430 --> 00:11:58,410
+فعليا تحدد data set أنت والفريق تبعك عشان تشتغل
+
+148
+00:11:58,410 --> 00:12:04,030
+عليها لحد نهاية الفصل. الآن هذا المساق هيغطي
+
+149
+00:12:04,030 --> 00:12:11,070
+مواضيع، بدءا من الـ data format، أنواع البيانات، طبعا
+
+150
+00:12:11,070 --> 00:12:15,850
+بما إنه درستوا قواعد بيانات اتنين، هسألكم شو هو
+
+151
+00:12:15,850 --> 00:12:22,190
+أنواع البيانات؟ تتذكروا المربع تبع البيانات؟
+
+152
+00:12:22,190 --> 00:12:27,810
+رسمنا رسمة زي هيك، اللي هي علاقة بالبيانات قبل ما
+
+153
+00:12:27,810 --> 00:12:33,490
+نتكلم عن الـ NoSQL Database، طبعا
+
+154
+00:12:33,490 --> 00:12:37,690
+إحنا بناخد المعلومات عشان نستخدمها، صح؟ أعين عليكم، صار
+
+155
+00:12:37,690 --> 00:12:38,490
+في عندي structured،
+
+156
+00:12:43,360 --> 00:12:50,220
+و unstructured. طيب، وإيش كمان؟ لا يا باشا، خلاص،
+
+157
+00:12:50,220 --> 00:12:52,800
+هدول هنخلصهم.. هنخلص الـ semi-structured. قلنا الـ No
+
+158
+00:12:52,800 --> 00:12:57,040
+SQL جاية عشان تتعامل مع الـ semi-structured data، و
+
+159
+00:12:57,040 --> 00:12:59,320
+لو كانت الـ structured بتتعامل معاها، unstructured
+
+160
+00:12:59,320 --> 00:13:02,960
+بتتعامل معاها غير. وفيه كمان تصنيفين: static
+
+161
+00:13:11,330 --> 00:13:16,070
+و dynamic data. الآن إن البيانات تبعتي بتتصف بواحدة
+
+162
+00:13:16,070 --> 00:13:19,590
+من الصفات هذه، بواحدة من المربعات هذه، إما هتكون
+
+163
+00:13:19,590 --> 00:13:24,510
+structured و static، أو unstructured و static. طبعا
+
+164
+00:13:24,510 --> 00:13:26,470
+لما أتكلم على structured، معناته إن أنا بتكلم على
+
+165
+00:13:26,470 --> 00:13:30,080
+بيانات جاهزة، وهذه اللي معنين فيها في المرحلة
+
+166
+00:13:30,080 --> 00:13:33,620
+الحالية في الـ Data Mining، وإلا كان صار اسم المساق
+
+167
+00:13:33,620 --> 00:13:37,900
+علوم البيانات، لأنه بيصير المفروض منك تاخد الـ
+
+168
+00:13:37,900 --> 00:13:41,160
+unstructured data، وتتعامل معاها مثل ما بتتعامل مع
+
+169
+00:13:41,160 --> 00:13:47,840
+structured. فإحنا مستهدفين المنطقة هذه، وممكن هذه في
+
+170
+00:13:47,840 --> 00:13:52,080
+الـ dynamic. وبالتالي أنا بقى أشتغل وين؟ على
+
+171
+00:13:52,080 --> 00:13:55,840
+structured data، سواء كانت dynamic أو static، مش
+
+172
+00:13:55,840 --> 00:14:00,320
+فارقة كتير معايا. عشان هيك، بالذات، أنا بُميّز من الـ
+
+173
+00:14:00,320 --> 00:14:06,540
+data format، كيف أعملها cleaning؟ شو يعني cleaning؟
+
+174
+00:14:06,540 --> 00:14:14,320
+الآن، الناس اللي بنقبوا عن الدهب، شو بيُطلّعوا؟ لا
+
+223
+00:17:38,400 --> 00:17:44,240
+قلنا وتستخدم الـ tools الحديثة ومن أهم الـ
+
+224
+00:17:44,240 --> 00:17:47,420
+tools  التي يستخدمها الشباب اليوم هي الـ tools المبنية
+
+225
+00:17:47,420 --> 00:17:50,360
+على الـ Python سواء كانت كلغة برمجة
+
+226
+00:17:50,360 --> 00:17:54,300
+programming language  تمام أو different distribution للـ Python أو حتى
+
+227
+00:17:54,300 --> 00:18:00,430
+فعلياً software packages مبنية على الـ Python بعد
+
+228
+00:18:00,430 --> 00:18:05,470
+هيك بدي أعمل evaluation  المفروض evaluation لإيش؟
+
+229
+00:18:05,470 --> 00:18:10,210
+لشغل، للنتيجة التي حصلت عليها، الآن وبعد دراسة
+
+230
+00:18:10,210 --> 00:18:15,890
+الوضع الصحي تبع المرضى اكتشفنا أن والله أن الناس
+
+231
+00:18:15,890 --> 00:18:19,490
+الذين يعانون من سوء تغذية هؤلاء ممكن برضه يكون
+
+232
+00:18:19,490 --> 00:18:24,270
+احتمالية إصابتهم بسرطان الرئة الله يبعد عنكم الشر و
+
+233
+00:18:24,270 --> 00:18:29,900
+عنكم وعن جميع المسلمين أنه عالي جداً كل الـ knowledge
+
+234
+00:18:29,900 --> 00:18:34,340
+التي لدينا نعرف أن التدخين، طيب شو دخل سوق التخزين؟ الـ
+
+235
+00:18:34,340 --> 00:18:37,080
+historical data تقول أن سوق التخزين لها دور في
+
+236
+00:18:37,080 --> 00:18:42,660
+الموضوع لأن هناك شخص كان يتغذى بشكل جيد وشرح
+
+237
+00:18:42,660 --> 00:18:46,660
+في التدخين لكنه لم يصب، لكن كل الحالات التي أصيبت
+
+238
+00:18:46,660 --> 00:18:50,340
+بالإضافة للتدخين كان لديهم سوق تخزين، معناته أصبح
+
+239
+00:18:50,340 --> 00:18:55,640
+هناك دور جديد، knowledge جديدة، من يقيمها؟
+
+240
+00:18:55,640 --> 00:19:01,310
+من يقيمها؟ الناس المختصون القائمون على الموضوع
+
+241
+00:19:01,310 --> 00:19:04,370
+هؤلاء يحتاجون أن يأخذوا، يجيبوا، يقولوا أين الـ system
+
+242
+00:19:04,370 --> 00:19:07,310
+الذي بنيته أو أين الـ project الذي بنيته، هذا صحيح
+
+243
+00:19:07,310 --> 00:19:11,430
+الحال، سيذهبون بأنفسهم ليجلبوا عينات حقيقية من الناس
+
+244
+00:19:11,430 --> 00:19:15,990
+المصابين بهذا المرض ويدرسونه، فعلياً عنده سوق
+
+245
+00:19:15,990 --> 00:19:18,870
+تغذية حسب الشروط الموجودة، يأخذون البيانات
+
+246
+00:19:18,870 --> 00:19:21,790
+ويعرضونها على الـ system، أنا لا أعرف، فالـ system عندما
+
+247
+00:19:21,790 --> 00:19:28,290
+يقول positive  سيصاب، أو negative،  هذه النسبة هي
+
+248
+00:19:28,290 --> 00:19:31,410
+بمثابة الـ evaluation، يعني تجلبون عينة من البيانات
+
+249
+00:19:31,410 --> 00:19:35,130
+الحقيقية وتُطبق على النظام، بعد ذلك يصبح النظام
+
+250
+00:19:35,130 --> 00:19:37,830
+هذا موثوقاً بالنسبة لهم، حسناً والله نحن ممكن
+
+251
+00:19:37,830 --> 00:19:43,190
+نتنبأ باحتمالية الإصابة، وممكن الآن
+
+252
+00:19:43,190 --> 00:19:47,790
+نسعى جاهدين لتحسين موضوع تغذية الناس بأهمية التغذية و
+
+253
+00:19:47,790 --> 00:19:51,920
+بحيث يتجنبوا التدخين وهكذا، آخر شغلة
+
+254
+00:19:51,920 --> 00:19:55,100
+تحتاجها، وطبعاً ممكن تكون أول شغلة أيضاً أحياناً
+
+255
+00:19:55,100 --> 00:19:58,660
+لفهم البيانات التي عندي، موضوع الـ data أو الـ
+
+256
+00:19:58,660 --> 00:20:01,140
+knowledge visualization، كيف أُظهر المعرفة؟
+
+257
+00:20:01,140 --> 00:20:04,180
+كلنا نعرف المقولة التي تقول الصورة خير من ألف
+
+258
+00:20:04,180 --> 00:20:09,920
+كلمة، الآن لو ذهبت وجلبت لك بيانات الطلاب أو جدول
+
+259
+00:20:09,920 --> 00:20:16,620
+الطلاب فيه مليون record وعلامات الطلاب موجودة، هل
+
+260
+00:20:16,620 --> 00:20:22,240
+تستطيع تحديد نسب الطلاب في كل مستوى؟ يعني مثلاً كم جيد
+
+261
+00:20:22,240 --> 00:20:26,060
+جداً، كم ممتاز، قل لي، اعمل تقريراً إحصائياً، حسناً
+
+262
+00:20:26,060 --> 00:20:29,240
+الحال، هذا التقرير لو كان فيه Graph أو
+
+263
+00:20:29,240 --> 00:20:34,700
+رسم بياني أسرع في فهمه، حتى أسرع من الجدول، لهذا السبب
+
+264
+00:20:34,700 --> 00:20:36,480
+يجب أن تكون لديك القدرة على عمل
+
+265
+00:20:36,480 --> 00:20:39,860
+visualization، الـ if then rule الذي يتحدث عنه
+
+266
+00:20:39,860 --> 00:20:43,660
+زميلنا، لو كانت نسبة الناس بحالتهم
+
+267
+00:20:43,660 --> 00:20:48,440
+الاجتماعية ودراستهم وتحصيلهم سيئ بنسبة 90%، فما
+
+268
+00:20:48,440 --> 00:20:53,540
+فوقها، هذه القاعدة تُكتب لفهمها بشكل صحيح if then
+
+269
+00:20:53,540 --> 00:20:58,210
+طيب، ممكن أروح أعمله كـ decision tree لفهم
+
+270
+00:20:58,210 --> 00:21:01,410
+كل فرع، لأننا نتحدث عن فرع واحد فقط، فممكن
+
+271
+00:21:01,410 --> 00:21:06,150
+نحتاج أن نعمل visualization من
+
+272
+00:21:06,150 --> 00:21:09,090
+أهداف المساق لدينا، بعد أن تحدثنا عن أُسس
+
+273
+00:21:09,090 --> 00:21:13,150
+المساق، أهداف المساق لدينا كانت كالآتي: providing
+
+274
+00:21:13,150 --> 00:21:18,310
+fundamental understanding، يزودنا بالفهم الأساسي
+
+275
+00:21:18,310 --> 00:21:23,750
+لمتطلبات الـ data mining حتى أستطيع استخراج المعرفة
+
+276
+00:21:23,750 --> 00:21:28,810
+المخفية في البيانات، أو المخفية في البيانات، هذه
+
+277
+00:21:28,810 --> 00:21:36,650
+النقطة الثانية: نستكشف معاً مجموعة من الـ data mining tasks
+
+278
+00:21:36,650 --> 00:21:41,230
+لاستخراج هذه المعرفة، الـ data mining tasks:
+
+279
+00:21:41,230 --> 00:21:45,230
+classification، classification  يعني تصنيف يا شباب
+
+280
+00:21:45,230 --> 00:21:49,930
+لو أردت أن أرى، في جو كالذي نحن فيه، فصل
+
+281
+00:21:49,930 --> 00:21:55,650
+الشتاء، وأريد معرفة هل الدنيا ستمطر أم لا، تلاحظ؟
+
+282
+00:22:03,800 --> 00:22:10,260
+rainy yes و no، إذا كان الـ system  يقول إن
+
+283
+00:22:10,260 --> 00:22:14,740
+الجو ماطر أو غير ماطر فهذا classification، إذا أراد
+
+284
+00:22:14,740 --> 00:22:18,260
+أن يقول لي الـ stock market أو الـ stock price سعر
+
+285
+00:22:18,260 --> 00:22:25,120
+السهم سيرتفع increase
+
+286
+00:22:25,120 --> 00:22:26,000
+or decrease
+
+287
+00:22:29,730 --> 00:22:36,050
+هذا classification  طبعاً، لكن لو كانت مسألة أخرى
+
+288
+00:22:36,050 --> 00:22:39,730
+مثل التنبؤ، أكتبها هنا، وهي الـ prediction أو الـ
+
+289
+00:22:39,730 --> 00:22:45,250
+regression، عندما أريد قيمة محددة، قيمة
+
+290
+00:22:45,250 --> 00:22:48,970
+لا تقول لي إن السهم سيرتفع أو سينخفض، قل لي كم
+
+291
+00:22:48,970 --> 00:22:53,250
+ستكون قيمة التغيير على السهم بعد يومين، وأنا أعرف
+
+292
+00:22:53,250 --> 00:22:57,330
+بنفسي هل سيرتفع أم ينخفض، ماذا تبقى؟ للقيمة
+
+293
+00:22:57,330 --> 00:23:00,790
+التي ستزودني بها، قل لي كم حجم المطر الذي سي
+
+294
+00:23:00,790 --> 00:23:06,090
+ينزل، عندما تقول لي صفر أفهم أنه لا يوجد مطر، وعندما
+
+295
+00:23:06,090 --> 00:23:12,430
+تقول لي أن نسبة المطر ستكون 5.45 ميليمتر في
+
+296
+00:23:12,430 --> 00:23:15,470
+اليوم الفلاني، معناته أفهم أن هناك مطراً، ومطراً غزيراً
+
+297
+00:23:15,470 --> 00:23:20,390
+أيضاً، وبالتالي هنا لدينا شغلة لها علاقة بـ
+
+298
+00:23:20,390 --> 00:23:24,110
+Prediction، الـ Clustering، الـ Grouping أو تجميع
+
+299
+00:23:24,110 --> 00:23:28,490
+البيانات حسب الخصائص المشتركة، طيب، أنا أبحث
+
+300
+00:23:28,490 --> 00:23:31,290
+عن الخصائص، الخصائص التي لا يمكنك تطبيقها
+
+301
+00:23:31,290 --> 00:23:34,730
+بيدك أو رؤيتها بعينيك، وسأُريك خلال مثال عملي
+
+302
+00:23:34,730 --> 00:23:38,030
+لاحقاً إن شاء الله تعالى، معاً هنا في القاعة، أو
+
+303
+00:23:38,030 --> 00:23:40,630
+سأريك أن هناك صعوبة حسب الـ
+
+304
+00:23:40,630 --> 00:23:42,870
+Requirement في الـ Clustering، أن تعمل عليها
+
+305
+00:23:42,870 --> 00:23:49,210
+Association Rules Extraction، ارتباط أو قوانين
+
+306
+00:23:49,210 --> 00:23:53,430
+الارتباط بين الأشياء في الـ supermarket؟ ما علاقة
+
+307
+00:23:53,430 --> 00:24:00,850
+علب السجائر بالقهوة بالشاي بالمشروبات الساخنة؟ هل
+
+308
+00:24:00,850 --> 00:24:04,630
+هناك علاقة بين حفاظات الأطفال والحليب والبودرة
+
+309
+00:24:04,630 --> 00:24:08,620
+والأشياء هذه أم لا؟ الناس الذين يذهبون عادةً ليشترُوا
+
+310
+00:24:08,620 --> 00:24:13,260
+مثلاً الشوكولاتة السائلة والزينة وما إلى ذلك
+
+311
+00:24:13,260 --> 00:24:16,380
+أكيد يبحثون عن طحين لعمل كيك، أو دقيق لعمل
+
+312
+00:24:16,380 --> 00:24:20,800
+كيك، هذه المعاملات الارتباطية ليست سهلة، أنا
+
+313
+00:24:20,800 --> 00:24:24,320
+أستطيع أن أعرفها وأراها، وبالتالي أنا أحتاج لـ
+
+314
+00:24:24,320 --> 00:24:29,990
+association، أخطر من هذا، حالات ظهور مرض معين إذا
+
+315
+00:24:29,990 --> 00:24:33,910
+توفرت الظروف واحد اثنان ثلاثة، معناته هذا المرض
+
+316
+00:24:33,910 --> 00:24:36,810
+ممكن أن يظهر، وهكذا تصبح قيمة الـ association rule  خاصتي
+
+317
+00:24:36,810 --> 00:24:41,150
+أكثر جدية من الأمور السابقة، الـ outlier detection
+
+318
+00:24:41,150 --> 00:24:46,450
+تحديد الحالات الشاذة في البيئة التي أعمل
+
+319
+00:24:46,450 --> 00:24:53,130
+عليها، يعني يقول لك والله فلان ماشاء الله عليه
+
+320
+00:24:53,130 --> 00:24:56,330
+الرجل مجتهد في تربية أولاده والبيت ماشاء الله
+
+321
+00:24:56,330 --> 00:25:01,330
+وأهل بيته كذلك، لكن لديه ابن، أعوذ بالله، شاذ بعيد
+
+322
+00:25:01,330 --> 00:25:04,950
+عنهم، مختلف عنهم تماماً، تقول ليس منهم يا رجل أم لا؟
+
+323
+00:25:04,950 --> 00:25:09,190
+هذا بمصطلح الباحثين الذي… نقول عنه out layer
+
+324
+00:25:09,190 --> 00:25:15,650
+مختلف، نجد نتحدث أن ثمار شجرة معينة
+
+325
+00:25:15,650 --> 00:25:20,950
+شجرة التفاح أو… بلاش، في مزرعة تفاح وأنا أُعِب
+
+326
+00:25:20,950 --> 00:25:26,210
+عليهم جميعاً، أسقيهم نفس الري ونفس الموعد ونفس
+
+327
+00:25:26,210 --> 00:25:31,410
+الكمية، يحتاجون لعلاج أو مضادات أو تغذية، أشتغل
+
+328
+00:25:31,410 --> 00:25:37,250
+عليهم جميعاً إلا أن هناك شجرة في المزرعة، ثمارها
+
+329
+00:25:37,250 --> 00:25:44,630
+غير نافعة، أحتاج لاقتلاعها ورميها؟ قد تحتاج لـ
+
+330
+00:25:44,630 --> 00:25:50,440
+اقتلاعها حتى لا تُحسب عليك في النهاية، يبقى هذا، طيب
+
+331
+00:25:50,440 --> 00:25:56,880
+الآن، هل هناك سبب معين واضح للشذوذ؟ genetic، وبالتالي
+
+332
+00:25:56,880 --> 00:26:01,360
+ممكن أن أبحث، طيب هم جميعاً مزروعون في نفس
+
+333
+00:26:01,360 --> 00:26:05,200
+الأرض، فرّج مثلاً في ارتفاع أربعة أمتار، ممكن أن تكون جولة
+
+334
+00:26:05,200 --> 00:26:09,560
+مياة، اختيارنا للأرض بالسنتيمتر، صحيح كلامك، ممكن أن تُفرق
+
+335
+00:26:09,560 --> 00:26:13,380
+الأمور، لكن في النهاية تبقى ليست ضمن السياق الذي
+
+336
+00:26:13,380 --> 00:26:17,840
+نتحدث عنه الآن، أخطر من هذا يا شباب، عادةً أنا
+
+337
+00:26:17,840 --> 00:26:22,800
+لدي server، لدي server  يقدم خدمة تسجيل للطلاب
+
+338
+00:26:22,800 --> 00:26:26,900
+للجامعة، عادي، والحركة عليه متوقعة أن
+
+339
+00:26:26,900 --> 00:26:30,660
+تأتي لي مثلاً خلال الدقيقة 100 connection ألف
+
+340
+00:26:30,660 --> 00:26:36,280
+connection، في لحظة من اللحظات جاءني مليون request
+
+341
+00:26:36,280 --> 00:26:36,940
+لـ connections
+
+342
+00:26:39,880 --> 00:26:42,280
+أها، يعني أصبح هناك attack، أصبح هناك ماذا؟
+
+343
+00:26:42,280 --> 00:26:46,400
+outlier، فيجب أن تكون، يجب أن تكون هناك القدرة على
+
+344
+00:26:46,400 --> 00:26:49,520
+تحديد هذا الـ outlier  وأسبابه، سنتحدث بالتفصيل
+
+345
+00:26:49,520 --> 00:26:53,680
+في حينها، practicing data mining project phases
+
+346
+00:26:53,680 --> 00:26:57,460
+تجربة وتطبيق فعلياً جميع المراحل، هذه
+
+347
+00:26:57,460 --> 00:27:04,640
+presenting، عرض البيانات سواء كانت في المرحلة المبكرة
+
+348
+00:27:04,640 --> 00:27:09,500
+قبل العمل، أو كانت المعرفة في نهاية الـ
+
+349
+00:27:09,500 --> 00:27:15,660
+project  الموجود لدي، ونرشد الطلبة قدر المستطاع
+
+350
+00:27:15,660 --> 00:27:21,320
+على المواضيع المتعلقة بـ data mining طبعاً
+
+351
+00:27:21,320 --> 00:27:24,660
+سيكون هناك جهد منا على هذه المواضيع معنا إن شاء
+
+352
+00:27:24,660 --> 00:27:27,000
+الله تعالى، نحاول تقوية
+
+353
+00:27:29,920 --> 00:27:34,120
+العمل الجماعي بينكم، وغالباً سأُشَكِّلُكم لمجموعات إن
+
+354
+00:27:34,120 --> 00:27:37,940
+شاء الله هذا الفصل، طيب الـ outcome، مخرجات المساق
+
+355
+00:27:37,940 --> 00:27:41,740
+أتوقع بعد نهاية المساق أن تكون قادراً على
+
+356
+00:27:41,740 --> 00:27:45,620
+تعريف الـ data mining، وصف البيانات المناسبة للـ
+
+357
+00:27:45,620 --> 00:27:50,620
+project  في الـ data mining، معرفة خمسة على الأقل من
+
+358
+00:27:50,620 --> 00:27:55,380
+الـ data mining tasks، وكل واحدة بشرحها، بتساوي collect
+
+359
+00:27:55,380 --> 00:27:58,760
+and prepare، تكون قادراً على جمع وإعداد البيانات
+
+360
+00:27:58,760 --> 00:28:04,800
+ لأي data mining project، ستتعرف
+
+361
+00:28:04,800 --> 00:28:11,240
+وتستخدم الـ machine learning algorithms  لتنفيذ
+
+362
+00:28:11,240 --> 00:28:17,270
+الـ data mining tasks المختلفة، تحليل وبناء data
+
+363
+00:28:17,270 --> 00:28:22,450
+mining project  سواء بشكل مستقل أو ضمن
+
+364
+00:28:22,450 --> 00:28:28,170
+فريق، سواء كنت عضواً في الفريق أو قائداً للفريق، تتبنى
+
+365
+00:28:28,170 --> 00:28:31,910
+أخلاقيات المهنة في المحافظة على خصوصية الناس في
+
+366
+00:28:31,910 --> 00:28:35,450
+المعلومات، لأنه عندما نتحدث عن بيانات
+
+367
+00:28:35,450 --> 00:28:39,030
+صحية أو بيانات اجتماعية أو بيانات، بمعنى
+
+368
+00:28:39,030 --> 00:28:44,350
+أن هناك privacy  يجب الالتزام به، تتصرف بأخلاق
+
+369
+00:28:44,350 --> 00:28:52,090
+حميدة وتحافظ على خصوصية الناس، يعني textbook
+
+370
+00:28:52,090 --> 00:28:56,830
+data mining concepts and techniques، النسخة الرابعة
+
+371
+00:28:56,830 --> 00:29:02,070
+2017 من Elsevier، كذلك لدينا الـ data mining الـ
+
+372
+00:29:02,070 --> 00:29:05,770
+reference book، طبعاً هذه هي الأساسية، لكن
+
+373
+00:29:05,770 --> 00:29:08,190
+ستجد في الـ references  عندي حوالي سبعة أو ثمانية
+
+374
+00:29:08,190 --> 00:29:12,010
+كتب ستكون مفيدة لك على الـ model، لأن هذه موجودة في
+
+375
+00:29:12,010 --> 00:29:16,900
+التحضير، سأنتقل بين الكتب، الـ Data Mining Practice
+
+376
+00:29:16,900 --> 00:29:20,840
+Machine Learning Tools and Techniques في 2016، قد
+
+377
+00:29:20,840 --> 00:29:24,020
+قريباً، هذه أحدث الإصدارات التي تتحدث مباشرة في
+
+378
+00:29:24,020 --> 00:29:27,460
+الـ Data Mining في 2018 و2019، تتحدث عن الـ Data
+
+379
+00:29:27,460 --> 00:29:30,860
+Science، لكن تأخذنا في الاتجاه قليلاً، مختلفة بعض الشيء عن
+
+380
+00:29:30,860 --> 00:29:35,560
+الـ structured data، الآن، ما هي المواضيع التي
+
+381
+00:29:35,560 --> 00:29:40,640
+سنغطيها؟ سنغطي مجموعة من العناوين أو المواضيع
+
+382
+00:29:40,640 --> 00:29:45,150
+بمحاولة توزيعها على الأسابيع، طبعاً كما أقول، لا يوجد شيء
+
+383
+00:29:45,150 --> 00:29:50,630
+مقدس، لكن سنحاول الالتزام بها قدر
+
+384
+00:29:50,630 --> 00:29:54,070
+المستطاع، تقريباً سنحتاج أسبوعاً لإنهاء الـ
+
+385
+00:29:54,070 --> 00:29:55,910
+introduction، يعني أسبوع، يعني محاضرة ثانية يا شباب
+
+386
+00:29:55,910 --> 00:29:58,750
+محاضرة، والمحاضرة القادمة، من المفترض أن الـ introduction
+
+387
+00:29:58,750 --> 00:30:03,570
+تنتهي، بعد ذلك سنتحدث عن الـ data
+
+388
+00:30:03,570 --> 00:30:06,470
+understanding and data preparation، وهنا تقريباً
+
+389
+00:30:06,470 --> 00:30:12,250
+سنأخذ أسبوعين، ممكن أكثر قليلاً، لكن هذا المبدأ، إذا أنا
+
+390
+00:30:12,250 --> 00:30:15,790
+أعددت البيانات وفهمتها جيداً أو فهمتها جيداً وأعددتها
+
+391
+00:30:15,790 --> 00:30:19,670
+للمهمة الخاصة بي، سنبدأ بالحديث عن knowledge
+
+392
+00:30:19,670 --> 00:30:22,030
+extraction  باستخدام الـ machine learning
+
+393
+00:30:22,030 --> 00:30:25,430
+algorithm، وكما قلنا، المهام الخاصة بنا خمسة:
+
+394
+00:30:26,620 --> 00:30:28,460
+classification، regression، clustering،
+
+395
+00:30:28,680 --> 00:30:32,800
+association rules، و outlier detection، لكل واحدة
+
+396
+00:30:32,800 --> 00:30:36,120
+فيها مقاييس مختلفة، evaluation metrics
+
+397
+00:30:36,120 --> 00:30:41,360
+ف سنشرح خوار
+
+445
+00:34:31,130 --> 00:34:36,410
+جدر يشخص لي خمسين في المئة من الحالات، تشخيص صحيح،
+
+446
+00:34:36,410 --> 00:34:39,850
+خمسين في المئة من الحالات اللي ��نا مش قادر أشخصها،
+
+447
+00:34:39,850 --> 00:34:47,070
+هذا إنجاز، هذا الـ risk اللي احنا قلنا قبل شوية
+
+448
+00:34:47,070 --> 00:34:51,590
+فيها مخاطرة في التنقيب، ما هو أنت الآن جربت تبعك
+
+449
+00:34:51,590 --> 00:34:52,530
+الـ system بيكون reliable
+
+450
+00:34:55,350 --> 00:35:03,270
+شوف، أنا ممكن أرفض نظام بيديني 95% accuracy، دقة،
+
+451
+00:35:03,270 --> 00:35:05,750
+في الأمور الصحية، في الـ critical، لكن أنا قاعد
+
+452
+00:35:05,750 --> 00:35:10,230
+بقول لك إن الأعراض هي هي، والتشخيص، احنا كـ human مش
+
+453
+00:35:10,230 --> 00:35:13,770
+قادرين نشخص، عشان هيك أنا حصرتك في المجال إنه
+
+454
+00:35:13,770 --> 00:35:17,730
+complete benefit راح فعليا قدر يشخص لي تشخيص صحيح بـ
+
+455
+00:35:17,730 --> 00:35:21,370
+50% من الأعراض اللي موجودة، هاي طب تقول لي أنت شخصته
+
+456
+00:35:21,370 --> 00:35:24,630
+غلط؟ وما طب أنت مش قادر تشخصه وغالبا هتشخصه غلط
+
+457
+00:35:24,630 --> 00:35:29,750
+فما تحمل الـ system ما لا يطيق، زي ما أقول له، مع أنه
+
+458
+00:35:29,750 --> 00:35:32,530
+أنا بقول لك، إستهينش بحياة البشر، لأ لازم أشتغل و
+
+459
+00:35:32,530 --> 00:35:37,790
+أجتهد إنه تكون الأمور تمام، زي ما قلنا regression
+
+460
+00:35:37,790 --> 00:35:43,220
+أتوقع قيمة، value، real value، clustering جسم
+
+461
+00:35:43,220 --> 00:35:47,560
+لمجموعات، أروح أقول والله جسم الطلاب لثلاث مجموعات
+
+462
+00:35:47,560 --> 00:35:53,700
+هيكونوا في القاعة ثلاث مجموعات يا شباب، في الآخر اسمك
+
+463
+00:35:53,700 --> 00:35:57,940
+عبدالله، لو قلت لك جسم الطلاب لثلاث مجموعات في القاعة
+
+464
+00:35:57,940 --> 00:36:01,620
+ثلاث
+
+465
+00:36:01,620 --> 00:36:05,260
+مجموعات، اهدأ يا شباب، على السريع، عبدالله، ايوا
+
+466
+00:36:08,540 --> 00:36:11,060
+ممتاز، مع إنه مش موجود الكلام اللي أنت موجود فيه
+
+467
+00:36:11,060 --> 00:36:14,120
+بينما لو قلت له يمين أو يسار أو قلب، كان ضبطه معاك
+
+468
+00:36:14,120 --> 00:36:17,840
+100%، لاحظ إنه أنا ما تكلمتش معاك على
+
+469
+00:36:17,840 --> 00:36:23,600
+characteristics، قلت لك، كل بس كان طلبي منك جسم ليهم
+
+470
+00:36:23,600 --> 00:36:27,360
+كمجموعات، ما تحكملي في العدد، عفوا كان .. قد إيش ..
+
+471
+00:36:27,360 --> 00:36:30,200
+عفوا .. لما قلت لك ثلاث مجموعات أنا طلبت العدد هذا بس
+
+472
+00:36:30,200 --> 00:36:34,720
+ما قلت لك كم واحد في كل مجموعة، مصبوط؟ لكن أنت
+
+473
+00:36:34,720 --> 00:36:40,750
+ممكن تجي تقول لي والله هاي واحد، كمان اثنين، وهي ثلاثة،
+
+474
+00:36:40,750 --> 00:36:43,550
+طب ليش عملت هيك يا عبدالله؟ عشان أضمن توازن
+
+475
+00:36:43,550 --> 00:36:46,750
+أعداد في الأشخاص اللي موجودين، ممكن يقول آه والله
+
+476
+00:36:46,750 --> 00:36:50,430
+لا دكتور أنا بدي أصنفهم شكل مختلف، أنا بدي أروح
+
+477
+00:36:50,430 --> 00:36:57,370
+أستخدم معدلاتهم التراكمية اللي تحت الـ 75، بين 75 لـ
+
+478
+00:36:57,370 --> 00:37:00,830
+90 واللي فوق الـ 90، هاي ثلاث مجموعات، لاحظ ما حدا
+
+479
+00:37:00,830 --> 00:37:03,070
+في الدنيا بالسجل يقول لك تصنيفك غلط أو تقسيم ..
+
+480
+00:37:03,070 --> 00:37:06,730
+برنامج تقسيمك، طالما في عندك justification قوية،
+
+481
+00:37:06,730 --> 00:37:11,670
+ليش أنت قسمت هيك؟ أحيانا احنا بنعجز عن نشوف الـ
+
+482
+00:37:11,670 --> 00:37:14,910
+common properties في الـ data set، تخيل data set
+
+483
+00:37:14,910 --> 00:37:19,370
+فيها 100 attributes ومليون record، إيش الـ common
+
+484
+00:37:19,370 --> 00:37:24,030
+اللي بينهم؟ ما بعرف، فبقول للـ system أشغل نيابة عني
+
+485
+00:37:24,030 --> 00:37:29,110
+قسم لي إياهم لثلاث مجموعات، فببدأ يروح يدرس الخصائص و
+
+486
+00:37:29,110 --> 00:37:33,630
+بقسم لي إياهم، كذلك في الـ association rules سواء
+
+487
+00:37:33,630 --> 00:37:36,410
+كانت في الأمراض، في الـ marketing إلى آخره، والـ
+
+488
+00:37:36,410 --> 00:37:41,350
+outlier detection، بعد هيك،  لسبوع 13 و 14 هنبدأ في
+
+489
+00:37:41,350 --> 00:37:45,900
+الـ data visualization والـ knowledge presentation، 14
+
+490
+00:37:45,900 --> 00:37:50,560
+و 15، الـ 14 رح ن تناول موضوع من الموضوع الجديد إن
+
+491
+00:37:50,560 --> 00:37:53,880
+شاء الله تعالى، والـ 15 رح يكون في عندنا project
+
+492
+00:37:53,880 --> 00:37:57,560
+presentation and discussion، إن شاء الله تعالى
+
+493
+00:37:57,560 --> 00:38:05,560
+رح يتعلق بمسابقات تبعنا طبيعي، رح أ علمك تبرمج، رح أ علمك بما
+
+494
+00:38:05,560 --> 00:38:12,550
+يمشي لك بالمسابقة، ليش أنا جاي؟ إن شاء الله تعالى، طيب،
+
+495
+00:38:12,550 --> 00:38:18,530
+الآن أسلوبنا في التدريس رح يكون كالتالي: محاضرة،
+
+496
+00:38:18,530 --> 00:38:23,330
+مجموعة نقاش، عمل جماعي، وبعض الفيديوهات، والـ
+
+497
+00:38:23,330 --> 00:38:26,390
+presentation اللي رح أزيدك فيها، وممكن نعرض شغلة
+
+498
+00:38:26,390 --> 00:38:29,390
+ونتناقش فيها مع بعض، حسب التفكير، يعني شوية شوية
+
+499
+00:38:29,390 --> 00:38:34,250
+رح تكون الأمور رح تختلف، المادة عن database، اثنين، لأنه
+
+500
+00:38:34,250 --> 00:38:37,090
+فعليا المادة مختلفة، فيها ممكن تكون في interaction
+
+501
+00:38:37,090 --> 00:38:41,870
+بينكم وبين بعض بشكل كبير، اللي أنتم بتدوروا عليه من
+
+502
+00:38:41,870 --> 00:38:47,350
+ساعة توزيع العلامات، عشر علامات quizzes و assignments
+
+503
+00:38:47,350 --> 00:38:53,390
+عشرة على مشاركة في نشاطات المساق خلال الفصل، إيش
+
+504
+00:38:53,390 --> 00:38:56,170
+المشاركة؟ discussion، لأن ممكن تكون فيه علامات
+
+505
+00:38:56,170 --> 00:39:01,590
+وفلان، طبعا هذه العشرة بالذات، أنت فيهم صفر إلا لما
+
+506
+00:39:01,590 --> 00:39:07,210
+تشارك، يعني مثلا إيش اسم اللي بجنبك عليه؟ برضه علي؟
+
+507
+00:39:07,210 --> 00:39:12,270
+علي تربيع ولا علي اثنين؟ الآن علي قرر إنه بتبقى
+
+508
+00:39:12,270 --> 00:39:16,870
+يلعب في الجوال، قول المحاضرة مش مشكلة، فلازم تشاركني
+
+509
+00:39:16,870 --> 00:39:20,850
+في المحاضرة، عشان أسجلك، إن فلان حاضر المحاضرة،
+
+510
+00:39:20,850 --> 00:39:24,090
+هاي فلان نايم، فلان ناسِ، فلان مشغول، المحاضرة اللي
+
+511
+00:39:24,090 --> 00:39:26,990
+بتغيب فيها، العذر أنا سامحك فيها، في المناقشة وإذا
+
+512
+00:39:26,990 --> 00:39:29,150
+قررت تغيب كثير، رح أسحب لك المادة
+
+513
+00:39:33,110 --> 00:39:37,670
+مصبوط؟ عشرين في المئة، أو عشرين علامة على الـ
+
+514
+00:39:37,670 --> 00:39:43,450
+midterm، عشرين علامة على final project، وهذا غالبا
+
+515
+00:39:43,450 --> 00:39:46,310
+رح يكون فيه ثلاثات أو مجموعات، يعني حاجة simple فيه، مش
+
+516
+00:39:46,310 --> 00:39:50,550
+رح تكون لوحدك، واربعين في المئة امتحان نهائي، توزيع
+
+517
+00:39:50,550 --> 00:39:53,670
+بسيطة وسهلة، يعني ممكن تروح على الـ final عارف
+
+518
+00:39:53,670 --> 00:39:57,750
+بالضبط، وتقدر كم علامة لك عندي، وكم واحدة عشان تجيب
+
+519
+00:39:57,750 --> 00:40:03,320
+امتياز، اللي بيلزمك .. كم واحد بيعرف Python فيكم يا
+
+520
+00:40:03,320 --> 00:40:06,960
+الشباب؟ ولا واحد .. هاي في واحد .. كويس، الله يجبر
+
+521
+00:40:06,960 --> 00:40:11,660
+خاطرك، فرصة تتعلم شغلة جديدة، بس هذه رح تكون لوحدك، الـ
+
+522
+00:40:11,660 --> 00:40:15,160
+Java ما بنستخدمها كثير في الـ .. في الـ data mining
+
+523
+00:40:15,160 --> 00:40:18,660
+وإن كان الـ Python هو الـ trend، ممكن تلاقي بس رح تتغلب
+
+524
+00:40:18,660 --> 00:40:25,500
+.. رح .. لأ ما عنديش مشكلة، بتعرف الـ SQL؟  عشي
+
+525
+00:40:28,920 --> 00:40:32,220
+رح نتعرف كذلك، بيلزم نتعامل مع الـ Rapid Miner، أنتم
+
+526
+00:40:32,220 --> 00:40:35,560
+ملاحظين إن المادة ما فيش معها عمل، أي شباب، فإنت
+
+527
+00:40:35,560 --> 00:40:42,820
+معيد العملي تبع المادة، مش أنا، أنت، وبدأ المناسبة،
+
+528
+00:40:42,820 --> 00:40:47,340
+احنا أخذنا قرار في الكلية، كل مستوى ثالث من السنة،
+
+529
+00:40:47,340 --> 00:40:50,620
+عفوا، الرابع، من السنة الجاية، من الخطة ا��جديدة،
+
+530
+00:40:50,620 --> 00:40:55,490
+ما فيش عملي، وتالت قلصنا العملي قدر المستطاع، لأنه أنت
+
+531
+00:40:55,490 --> 00:40:58,150
+اللي المفروض تكون معيد بالسنة اللي بعديها، فخلصنا
+
+532
+00:40:58,150 --> 00:41:02,570
+يعني أبداً اشتغل، اتعب لأ، مش السنة اللي جاية هي لسه
+
+533
+00:41:02,570 --> 00:41:07,610
+عندها الخطة القديمة شغالة، متطلبات المساق، متطلبات
+
+534
+00:41:07,610 --> 00:41:10,010
+المساق، حضورك إجباري يا صاحب، ما فيش، علي علامات
+
+535
+00:41:10,010 --> 00:41:14,410
+علاماتك على نشاطك، أنت جيت وتقعد هنا عشان تتنشط
+
+536
+00:41:14,410 --> 00:41:18,010
+معنا، وناخد و نعطي مع بعض، فبن سجلك علامات، مش عشان
+
+537
+00:41:18,010 --> 00:41:25,050
+حضورك، تمام؟ 25%، الشباب، الغياب هذا قانون الجامعة، ما فيش
+
+538
+00:41:25,050 --> 00:41:29,870
+موعد مسبق للـ quiz، دربت
+
+539
+00:41:29,870 --> 00:41:33,770
+معاكم على وجوهكم الكريمة الطيبة، جامل هيك وأنا لا ..
+
+540
+00:41:33,770 --> 00:41:37,850
+ما بعرف الحال، بس ما فيش موعد .. ما فيش موعد مسبق للـ
+
+541
+00:41:37,850 --> 00:41:42,460
+quiz، وما فيش أي عذر، ما ترجعنيش في quiz، أنت غيبت عن
+
+542
+00:41:42,460 --> 00:41:45,580
+محاضرتي، إنه ما كانش معي خبر يا دكتور، وأنا بقول لك
+
+543
+00:41:45,580 --> 00:41:49,620
+ما فيش، quiz، الله يمن عليك بتمام الصحة والعافية
+
+544
+00:41:49,620 --> 00:41:54,320
+أنت ووالدك وكل أحبابك، ويمن عليك بالرزق الوفير
+
+545
+00:41:54,320 --> 00:41:58,600
+تمام؟ وتجيني كل محاضرة على البدري، على موعدها عشان
+
+546
+00:41:58,600 --> 00:42:02,740
+ما تغيبش، لأن هذه الأمور اللي ممكن تمنعك من التيجي، يعني
+
+547
+00:42:02,740 --> 00:42:08,660
+طيب، عادة بالزمن، رح أراجع باستمرار، لأن التقييم
+
+548
+00:42:08,660 --> 00:42:11,200
+رح يكون مختلف عن الأعوام الماضية، أو عن ما أنت عهدته
+
+549
+00:42:11,200 --> 00:42:14,800
+سابقا، جوالك
+
+550
+00:42:14,800 --> 00:42:17,480
+على الأقل يكون صامت، خصوصا إنه قاعتنا هي في اللي
+
+551
+00:42:17,480 --> 00:42:21,460
+احنا عاملين بنسجل الـ video وبنسجل المحاضرة و
+
+552
+00:42:21,460 --> 00:42:25,200
+بالتالي يعني يكفيني صوتي وصوتك هما اللي يكونوا
+
+553
+00:42:25,200 --> 00:42:31,700
+موجودين، صوت جوالاتنا، ما فيش داعي، لحكمة الفصل أو
+
+554
+00:42:31,700 --> 00:42:38,410
+السنة هاي، استمتع بحياتك قدر المستطاع، تمام؟ ولا تنسى
+
+555
+00:42:38,410 --> 00:42:42,670
+نصيبك من الدنيا، وأحسن كما أحسن الله إليك، كمل
+
+556
+00:42:42,670 --> 00:42:47,310
+الآية، بس احنا اتعودنا نأخذ الـ .. إيه؟ الـ .. إيه؟
+
+557
+00:42:47,310 --> 00:42:47,630
+الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ ..
+
+558
+00:42:47,630 --> 00:42:48,470
+إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟
+
+559
+00:42:48,470 --> 00:42:50,130
+الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ ..
+
+560
+00:42:50,130 --> 00:42:51,550
+إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟
+
+561
+00:42:51,550 --> 00:42:53,190
+الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ ..
+
+562
+00:42:53,190 --> 00:42:56,990
+إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ .. إيه؟ الـ ..
+
+563
+00:42:56,990 --> 00:42:59,510
+إيه؟ الـ ..
+
+564
+00:43:07,660 --> 00:43:11,920
+تمام؟ حتى كثير من أهل الدين بت .. اللي بيقولوا إن
+
+565
+00:43:11,920 --> 00:43:16,900
+حياتك أو أقدارك صنع يديك، يقال إن يوسف عليه
+
+566
+00:43:16,900 --> 00:43:21,100
+السلام، لما طال عليه السجن، قال يا ربي طال .. طال
+
+567
+00:43:21,100 --> 00:43:28,680
+السجن، آه، قال لو سألت العفو لعفوتك، وقال ربي السجن
+
+568
+00:43:28,680 --> 00:43:32,970
+وأحبه إلي مما .. ما قالش ربي اصرف عني، إيه ده، وهو
+
+569
+00:43:32,970 --> 00:43:35,770
+قدم السجن عن طلب الله الرحمن، فاخذ معينة له
+
+570
+00:43:35,770 --> 00:43:39,910
+وبالتالي أنت به، لا لفظك ولا نيتك، أنت وين بتكون
+
+571
+00:43:39,910 --> 00:43:44,770
+طبعا هاي الدرس في التنمية البشرية، كمل؟ يلا، الآن
+
+572
+00:43:44,770 --> 00:43:50,110
+بيلزّمك تصبر، لأنه مش كل شيء على كيفك، وبدك تتعدى في
+
+573
+00:43:50,110 --> 00:43:52,890
+المساق هذا، وفي الحياة كلها، يتهكّى، المساق مش ممكن
+
+574
+00:43:52,890 --> 00:43:56,170
+يجي على كيفك دائما، ولا مدرس المساق، ولا علامات
+
+575
+00:43:56,170 --> 00:43:57,450
+المساق، خلاص، راح هاشم
+
+576
+00:44:00,400 --> 00:44:05,460
+لأ، أنت شوف، أنت بتتمنى، بس أنت اجتهدت عشان تحصل
+
+577
+00:44:05,460 --> 00:44:09,700
+عليها في الآخر، يعني قد ما ممكن تجدها، دو ما ترضاش، بس
+
+578
+00:44:09,700 --> 00:44:12,640
+في الآخر هذا أصبح أمر واقعي موجود، فبدها تتعدى في
+
+579
+00:44:12,640 --> 00:44:17,040
+الآخر، لازم تصبر، كويس، وفي الآخر لازم تتمتع
+
+580
+00:44:17,040 --> 00:44:20,700
+بالجدية، لأن مش كل حياتنا لعب، عشان تحقق أهدافك،
+
+581
+00:44:20,700 --> 00:44:23,340
+شباب، من المساقات الممتعة، اللي ممكن تستفيد منه
+
+582
+00:44:23,340 --> 00:44:28,210
+بشكل كويس،  أشياء اتضاعت وأشياء اتعلمت، وأنا بحاول
+
+583
+00:44:28,210 --> 00:44:34,870
+أعلمك قدر ما أستطيع، إن شاء الله تعالى، خلص
+
+584
+00:44:34,870 --> 00:44:40,650
+السلبس، رح نهرّش شوية صغيرة كمقدمة، كمقدمة عشان ننتهي
+
+585
+00:44:40,650 --> 00:44:45,830
+زي ما انتهينا في المحاضرة السابقة، الآن في عندي هرم
+
+586
+00:44:45,830 --> 00:44:50,030
+بيسموه هرم المعلومات، أو هرم البيانات، عادةً احنا
+
+587
+00:44:50,030 --> 00:44:53,370
+بنتكلم Data Mining، وبنتكلم Data Base، مظبوط؟ وبنتكلم
+
+588
+00:44:53,370 --> 00:44:56,910
+Data Communication، كل شيء Data، ما فيش معلومات،
+
+589
+00:44:56,910 --> 00:45:03,250
+لأن الـ Data هذه بيلزمها سياق معين عشان تصير
+
+590
+00:45:03,250 --> 00:45:08,590
+معلومة، ما بنفعش وإحنا نيجي بنتكلم، بنفكر، عاملين
+
+591
+00:45:08,590 --> 00:45:12,530
+محاضرة أو جلسة حوار، عشان شو كيف بدنا نسقط صفقة
+
+592
+00:45:12,530 --> 00:45:19,170
+القرن، نقطة، واحد يقول لي والله عماد رجل طيب، ويا عز
+
+593
+00:45:19,170 --> 00:45:27,150
+ما تنعزم عنده، معلومة، data، عماد رجل كريم ومقدم
+
+594
+00:45:27,150 --> 00:45:31,730
+أكل طيب، بهمش، شو دخلها في السياق اللي احنا بنتكلم
+
+595
+00:45:31,730 --> 00:45:37,870
+فيه، حتى لو كانت معلومة قيمة، فقدت قيمتها، ليش؟ مش
+
+596
+00:45:37,870 --> 00:45:42,770
+في المكان الصح، فبالتالي إذا الـ data هاي اتوفر لها
+
+597
+00:45:42,770 --> 00:45:48,710
+context مناسب، معناته أنا بتكلم على information، صارت
+
+598
+00:45:48,710 --> 00:45:53,150
+معلومة، والمعلومة طبعا بمعناها أو بقيمتها، بالوقت أو
+
+599
+00:45:53,150 --> 00:45:59,550
+بالزمان اللي قيلت فيه، المعلومات هذه إذا نظمتها
+
+600
+00:45:59,550 --> 00:46:05,490
+rules، المعلومات هذه إذا صارت فيه rules بتحكمها و
+
+601
+00:46:05,490 --> 00:46:10,110
+بتطبقها، معناته احنا بنتكلم على knowledge أو معرفة
+
+602
+00:46:10,110 --> 00:46:11,270
+الآن
+
+603
+00:46:19,140 --> 00:46:24,660
+بَسمع إن الصائم يحق له أن يفطر في رمضان، أو المسلم
+
+604
+00:46:24,660 --> 00:46:28,140
+يحق له يفطر في رمضان، إيش بتقول يا راضي؟ الصيام فرض
+
+605
+00:46:28,140 --> 00:46:33,900
+.. فرض، في شروط، رح يلاحظ إن كان في عندي معلومة الآن
+
+606
+00:46:33,900 --> 00:46:37,460
+الشروط هذه هي اللي خلتها معرفة، لأن المعرفة بتعتمد
+
+607
+00:46:37,460 --> 00:46:40,280
+عليها تطبيق، يا جماعة الخير، المعرفة بترتب عليها
+
+608
+00:46:40,280 --> 00:46:46,300
+تطبيق، على خلاف المعلومة، الآن، طب مين اللي بيقدر أنت
+
+609
+00:46:46,300 --> 00:46:50,9
+
+667
+00:51:27,410 --> 00:51:34,770
+عليه action بينفعش أجي أتكلم مع تعوض مثلاً بعمل
+
+668
+00:51:34,770 --> 00:51:38,030
+system عشان يساعد الأطباء في الـ diagnosis وأجي
+
+669
+00:51:38,030 --> 00:51:41,930
+أقولهم هذه 01 ولو عملتلها أس تربيع وكذا ومش عارف
+
+670
+00:51:41,930 --> 00:51:46,070
+..الكلام بيعنّوش، أديله المعلومة عشان هيك هامت الـ
+
+671
+00:51:46,070 --> 00:51:50,060
+presentation، أديله المعلومة بالشكل اللي هو يفهمه
+
+672
+00:51:50,060 --> 00:51:54,460
+لأنه إذا هو أخده يا سامر..يا عارف؟ سامر ولا
+
+673
+00:51:54,460 --> 00:51:59,100
+عارف؟ سامر عارف، لو هو أخد المعلومة بالشكل اللي
+
+674
+00:51:59,100 --> 00:52:03,220
+بيفهمها تمام؟ هيبني عليها action، هتصير الشغل
+
+675
+00:52:03,220 --> 00:52:08,300
+useful بالنسبة له، طبعاً هاي تعريف الـ pattern هي
+
+676
+00:52:08,300 --> 00:52:11,540
+عبارة عن arrangement of repeated parts، هي الشغلات
+
+677
+00:52:11,540 --> 00:52:17,870
+..هو أهم شغلة فيها تكرار والترتيب، لأنه لما بيظهر
+
+678
+00:52:17,870 --> 00:52:21,950
+النسق أو الـ pattern هذا بنفهم كيفية بصير أتكلم
+
+679
+00:52:21,950 --> 00:52:25,190
+عليه better تبع لنسبة معينة محددة يا محمد زي ما
+
+680
+00:52:25,190 --> 00:52:30,450
+أنت قُلت، valid هذا لازم يكون true لما أنا بقادي
+
+681
+00:52:30,450 --> 00:52:33,770
+أطبّق عليه data جديدة، يعني أنت بتقول لي أنا والله
+
+682
+00:52:33,770 --> 00:52:36,950
+okay، أنا في عندي rule أو في عندي algorithm أو في
+
+683
+00:52:36,950 --> 00:52:42,030
+عندي data product ممكن يعمل classification لكذا
+
+684
+00:52:42,030 --> 00:52:47,360
+okay، على الـ all data صحيح، أبتعالي نجرب الـ real
+
+685
+00:52:47,360 --> 00:52:50,460
+data اللي موجودة عندنا حقيقية، جدّيش هو صحيح فيها؟
+
+686
+00:52:50,460 --> 00:52:55,040
+تمام؟ وبناء عليه أنا لازم أقبله novel زي ما قلنا
+
+687
+00:52:55,040 --> 00:52:59,200
+ما حد شافه، actionable لازم يكون عليه شغلة مفهومة
+
+688
+00:52:59,200 --> 00:53:02,760
+وزي ما قلنا سابقاً، understandable لازم يكون مفهوم
+
+689
+00:53:02,760 --> 00:53:06,560
+في البيئة اللي أنا بتكلم فيها، عشان نقدر نأخذ الـ
+
+690
+00:53:06,560 --> 00:53:10,380
+action، ليش إحنا محتاجين الـ data mining؟ الآن
+
+691
+00:53:10,380 --> 00:53:16,890
+البيانات عمّالة بتتضخم بشكل مخيف، مصادر البيانات كل
+
+692
+00:53:16,890 --> 00:53:20,790
+شيء اليوم أصبحت موجودة عندنا وبنقدر نجمعها بكل
+
+693
+00:53:20,790 --> 00:53:27,210
+بساطة، data collection و data availability، البيانات
+
+694
+00:53:27,210 --> 00:53:30,930
+متاحة، بس خد automated data collection tool موجود
+
+695
+00:53:30,930 --> 00:53:34,770
+فيه عندي أدوات في مجال أنا أجمع بيانات بشكل تلقائي
+
+696
+00:53:34,770 --> 00:53:42,070
+أه فيه، أحط sensors، أعمل برنامج يعمل scrapping للـ
+
+697
+00:53:42,070 --> 00:53:46,050
+websites أو الـ social media sites أو الـ networks
+
+698
+00:53:46,050 --> 00:53:50,450
+فأنت بتقدر تجمع البيانات بشكل.. الآن كذلك أعظم
+
+699
+00:53:50,450 --> 00:53:56,410
+المؤسسات الصحية والتعليمية والاجتماعية في البلدان عندها
+
+700
+00:53:56,410 --> 00:54:00,990
+data ضخمة جداً، بتعداد الناس اللي ساكنينها وبالتالي
+
+701
+00:54:00,990 --> 00:54:07,550
+ممكن تستفيد منها، الآن أهم تلت مصادر للناس للبيانات
+
+702
+00:54:07,550 --> 00:54:12,230
+الـ business، التجارة، طبعاً أنا بتكلم عن الاقتصاد
+
+703
+00:54:13,680 --> 00:54:22,520
+الـ Science، العلوم كلها، كانت طبية، اجتماعية، تعليمية
+
+704
+00:54:22,520 --> 00:54:27,960
+زراعية، في كل المجالات في العلوم، الـ society، في
+
+705
+00:54:27,960 --> 00:54:31,420
+الحياة الاجتماعية ما بين الناس، في الأخبار، والـ
+
+706
+00:54:31,420 --> 00:54:33,800
+digital cameras والـ YouTube والقنوات والصفحات
+
+707
+00:54:33,800 --> 00:54:38,160
+فأنت فعلياً عندك هذه أصبحت مصادر بيانات مهمة جداً
+
+708
+00:54:38,160 --> 00:54:46,580
+ممكن تبني عليها decision، فعلياً أصبحنا نغرق في
+
+709
+00:54:46,580 --> 00:54:53,380
+البيانات وبندور جوعاً للمعرفة، الآن بعض الناس أو
+
+710
+00:54:53,380 --> 00:54:55,940
+بعض المفسرين كانوا بيقولوا في القرآن أو في تفسير
+
+711
+00:54:55,940 --> 00:54:59,960
+آية القرآن، "وتلك الأيام نداولها بين الناس"، يعني
+
+712
+00:54:59,960 --> 00:55:07,260
+أحداث التاريخ تتكرر بأشخاص مختلفة، الـ behavior واحد
+
+713
+00:55:07,260 --> 00:55:11,720
+والـ action واحد، يعني ما نشوفش غريب أن نقول
+
+714
+00:55:11,720 --> 00:55:16,660
+والله انتشر فيروس في الصين مثلاً وقضى على 1500 شخص
+
+715
+00:55:16,660 --> 00:55:20,620
+طب ما هو طاعون عمواس قبل مش عارف كام سنة برضه قضى
+
+716
+00:55:20,620 --> 00:55:25,460
+على نفس العدد ويزيد تقريباً، طب شو الاختلاف؟ مُسمّى
+
+717
+00:55:25,460 --> 00:55:28,580
+الـ Virus أو مُسمّى البكتيريا أو مُسبّب المرض؟ حسب
+
+718
+00:55:28,580 --> 00:55:33,140
+العلوم بتختلف الأمور، وبالتالي الـ Historical Data
+
+719
+00:55:33,140 --> 00:55:38,960
+المتراكمة عندي بتحتوي على Knowledge تخدمني في
+
+720
+00:55:38,960 --> 00:55:43,160
+مستقبلي، لأن إذا أتعرفت على الحدث سابقاً بتعرف على
+
+721
+00:55:43,160 --> 00:55:46,980
+كيف أتجنبه أو ممكن أنا أحاول أستفيد من الخبرة
+
+722
+00:55:46,980 --> 00:55:51,560
+السابقة وأتجنبه، وبالتالي بما أن الحاجة أم الاختراع
+
+723
+00:55:52,300 --> 00:55:57,680
+فإحنا فعلياً بحاجة إلى automated analysis للـ
+
+724
+00:55:57,680 --> 00:56:02,400
+historical data أو للـ big data اللي موجودة عندنا
+
+725
+00:56:02,400 --> 00:56:08,020
+حتى نحصل على مطلوبنا من البيانات اللي موجودة عندنا
+
+726
+00:56:08,020 --> 00:56:12,400
+أنا هيك اليوم خلصت المقدمة تبعتي اللي تناولتها الـ
+
+727
+00:56:12,400 --> 00:56:16,720
+syllabus، والمقدمة البسيطة عن الـ data mining، في حد
+
+728
+00:56:16,720 --> 00:56:20,840
+عنده أي سؤال يا شباب؟ في حد عنده أي اعتراض على
+
+729
+00:56:20,840 --> 00:56:22,060
+الخطة؟

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/vNlYsg8cGAY_raw.srt

@@ -0,0 +1,2924 @@
+1
+00:00:07,760 --> 00:00:09,860
+بسم الله و الحمد لله و الصلاة والسلام على رسول
+
+2
+00:00:09,860 --> 00:00:13,720
+الله أهلا و أهلا بالشباب الطيبين و أتمنى لكم إن
+
+3
+00:00:13,720 --> 00:00:18,380
+شاء الله فصل جديد ملءه النشاط و المعرفة و ختمه
+
+4
+00:00:18,380 --> 00:00:21,400
+الدرجات العالية إن شاء الله تعالى اليوم إن شاء
+
+5
+00:00:21,400 --> 00:00:25,720
+الله هنبدأ نتكلم أو هنعمل مقدمة نتكلم .. نتواصل ..
+
+6
+00:00:25,720 --> 00:00:30,180
+نتناقش فيها و نعرض فيها syllabus أو وصف مساق تنقيب
+
+7
+00:00:30,180 --> 00:00:34,400
+البياناتالـ .. لكن كالعادة يعني اللي بنحب ال
+
+8
+00:00:34,400 --> 00:00:38,380
+discussion و بنحب نتكلم معاكم بشكل كويس لو أنا
+
+9
+00:00:38,380 --> 00:00:44,380
+سألتك أو سألت أي واحد فيكوا، شو يعني تنقيب بيانات؟
+
+10
+00:00:44,380 --> 00:00:48,660
+طيب، حد فيكو كلف نفسه يطلع على وصف المساق اللي
+
+11
+00:00:48,660 --> 00:00:53,220
+موجود على الصفحة قبل ما يسجل المساق؟ أه محمد؟ اللي
+
+12
+00:00:53,220 --> 00:00:57,020
+هي filtering the big data filtering the big data
+
+13
+00:00:57,020 --> 00:00:59,660
+شو يعني معاه؟ شو يعني بالعربي filter؟
+
+14
+00:01:02,490 --> 00:01:08,190
+filter معناته أنا بتتكلم على تصفية ترتيب مصبوط لأ
+
+15
+00:01:08,190 --> 00:01:11,930
+هي ال data mining أو تنقيب البيانات شغل أكبر من
+
+16
+00:01:11,930 --> 00:01:18,630
+هيك آه الشباب حاجة
+
+17
+00:01:18,630 --> 00:01:24,970
+صغيرة و أفصل البيانات اللي فيها طيب
+
+18
+00:01:24,970 --> 00:01:30,710
+الآن أجيب pattern أطلع شغلة غامضة الآن يعني بديتها
+
+19
+00:01:30,710 --> 00:01:32,110
+.. آه رمي
+
+20
+00:01:35,260 --> 00:01:41,100
+أه الوصول إلى معلومات مفيدة من معلومات ما لها غير
+
+21
+00:01:41,100 --> 00:01:45,880
+مرتبة غير مرتبة خلّيني أقول طيب الآن لو أنا جيت
+
+22
+00:01:45,880 --> 00:01:51,440
+سألتك تنقيب
+
+23
+00:01:51,440 --> 00:01:58,400
+بالعربي mining شو
+
+24
+00:01:58,400 --> 00:02:03,080
+يعني كلمة تنقيب معناته بالعربي استخراج استخراج
+
+25
+00:02:03,080 --> 00:02:07,090
+أيش؟يعني ابن فعلا راح يقول و الله بدنا بنقب عن
+
+26
+00:02:07,090 --> 00:02:13,610
+الشواكل مثلا؟ لا .. لا .. لا استخراج مادة من مادة
+
+27
+00:02:13,610 --> 00:02:22,230
+خام استخراج أو بحث أثبت؟
+
+28
+00:02:22,230 --> 00:02:25,330
+مادة من مادة خام طب ممكن تقولي إيش طبيعة المادة هي
+
+29
+00:02:25,330 --> 00:02:25,870
+يا باشا؟
+
+30
+00:02:29,140 --> 00:02:31,680
+التنقيب الأن سيبني من ال data ال data عن الجهة
+
+31
+00:02:31,680 --> 00:02:39,420
+خلينا الآن نتكلم على التنقيب أيوة أيوة البحث هذا
+
+32
+00:02:39,420 --> 00:02:44,260
+أو التنقيب هذه كمسمة أو كمصطلح مرتبط باستخراج أو
+
+33
+00:02:44,260 --> 00:02:48,940
+البحث عن أشياء
+
+34
+00:02:48,940 --> 00:02:52,080
+ثمينة
+
+35
+00:02:52,080 --> 00:02:55,120
+نادرة
+
+36
+00:02:55,120 --> 00:02:57,460
+الوجود
+
+37
+00:02:58,280 --> 00:03:01,180
+يعني الآن مافعش أروح أقول و الله أنا بده نقب على
+
+38
+00:03:01,180 --> 00:03:06,280
+جلم أرصاص احنا بروح باشتر جلم أرصاص أو بستلفه لأن
+
+39
+00:03:06,280 --> 00:03:09,060
+حد بتتفرج في ال national geographic و بتتفرج على
+
+40
+00:03:09,060 --> 00:03:13,460
+برامج التنقيب عليش
+
+41
+00:03:13,460 --> 00:03:22,000
+بنقبه كانوا؟ اه يا هاشم عن الذهب، فحم، petrole،
+
+42
+00:03:22,000 --> 00:03:29,050
+الحفير، أحجار كريمة، ولاحظ كلها .. كلهاغالية
+
+43
+00:03:29,050 --> 00:03:35,830
+ونادرة الوجود ومهمة في عالمنا اليوم طيب كلمة تنقيب
+
+44
+00:03:35,830 --> 00:03:44,130
+ارتبطت بمخاطر زائد
+
+45
+00:03:44,130 --> 00:03:46,210
+تكلفة ولا شو رايكوا؟
+
+46
+00:03:49,310 --> 00:03:51,410
+الناس اللي بتعمل تنقيب على الدهب وتنقيب على
+
+47
+00:03:51,410 --> 00:03:54,810
+البترول هاي جداش في عندهم risk عالية لإنهم
+
+48
+00:03:54,810 --> 00:03:58,270
+بيستخدموا مكان تقيل بيضطروا بيحفروا عميقا في الأرض
+
+49
+00:03:58,270 --> 00:04:02,010
+أحيانا بينزلوا أحيانا في داخل الحفرة تبعتهم وممكن
+
+50
+00:04:02,010 --> 00:04:06,810
+تنهار عليهم هذه
+
+51
+00:04:06,810 --> 00:04:10,510
+مخاطر على مستوى الجسد مخاطر تانية مرتبطة بالتنقيب
+
+52
+00:04:10,510 --> 00:04:16,710
+إنه ممكن بعد جهد كبير تطلع صفر اليدين تمام؟
+
+53
+00:04:18,660 --> 00:04:22,720
+وتكلفة عالية، مكان وفمكانه تماما زى الصياد اللى
+
+54
+00:04:22,720 --> 00:04:28,940
+بروح بحاول يصيد بس الصياد بيستنى السمك يجيه،
+
+55
+00:04:28,940 --> 00:04:33,880
+مظبوط؟ بينما المناقب هو اللى بدور هو اللى ببحش
+
+56
+00:04:33,880 --> 00:04:38,440
+وبدور عن العناصر اللى موجودة فاليوم احنا هنتكلم
+
+57
+00:04:38,440 --> 00:04:44,140
+تنقيب البيانات تمام؟
+
+58
+00:04:54,970 --> 00:04:59,450
+data شو يعني بيانات؟
+
+59
+00:04:59,450 --> 00:05:03,010
+بيانات،
+
+60
+00:05:03,010 --> 00:05:06,970
+إيش يعني بيانات؟
+
+61
+00:05:06,970 --> 00:05:11,790
+طيب إيش الفرق بين ال data و ال information؟
+
+62
+00:05:15,730 --> 00:05:19,930
+Data تمت معالجة، معناته البيانات هي البيانات الخام
+
+63
+00:05:19,930 --> 00:05:23,070
+وبدأ أرجع للكلام اللي قلت لزميلك استخراج مادة من
+
+64
+00:05:23,070 --> 00:05:28,330
+مادة خام فانت فعليا عندك بيانات طلاب الجامعات في
+
+65
+00:05:28,330 --> 00:05:35,750
+فلسطين من 2000 ل2020 So what؟ أنا جد موجودة أكتر
+
+66
+00:05:35,750 --> 00:05:40,270
+من database، دمجناهم مع بعض جمعنا البيانات هذه،
+
+67
+00:05:40,270 --> 00:05:45,260
+إيش بقدر أستفيد منهم أنا؟دورك أنت كمنقب تبدأ تروح
+
+68
+00:05:45,260 --> 00:05:50,500
+تدورلنا على معرفة جديدة نقدر نستفيد منها في حياتنا
+
+69
+00:05:50,500 --> 00:05:54,860
+مثل .. نسبة الذكور للإناث أه .. لاحظ من .. أنا
+
+70
+00:05:54,860 --> 00:05:56,560
+خلّيني بص .. أنا بضايق .. بعدين بجاوبك يعني على
+
+71
+00:05:56,560 --> 00:05:59,040
+الكلام اللي أنا بحكي فيه الآن زميل اللي بقول مثل
+
+72
+00:05:59,040 --> 00:06:03,160
+نسبة الذكور للإناث هذا الكلام غلط، هذا أحصى ألف
+
+73
+00:06:03,160 --> 00:06:08,140
+بأحصى بتجيبها، مش ضرورة تتعلم تنقيب بياناتوهنشوف
+
+74
+00:06:08,140 --> 00:06:11,060
+كمان شوية في التعريف تبع تنقيب البيانات أنه أنا
+
+75
+00:06:11,060 --> 00:06:17,300
+فعليا بحاجة إلى استخدام طرق غير تقليدية وهتشوف أنه
+
+76
+00:06:17,300 --> 00:06:19,960
+تنقيب البيانات باستخدام الإحصاء و باستخدام ال
+
+77
+00:06:19,960 --> 00:06:22,420
+database و باستخدام البرمجة و باستخدام الشبكات و
+
+78
+00:06:22,420 --> 00:06:25,760
+باستخدام معظم العلوم من أجل الوصول للهدف المطلوب
+
+79
+00:06:25,760 --> 00:06:29,480
+لأن هو بنقمش في معلومات
+
+80
+00:06:32,110 --> 00:06:36,270
+بنقب في ال data عشان يطلع ايوة فبالتالي الان هذه
+
+81
+00:06:36,270 --> 00:06:40,510
+بيانات مش معلومات عشان هي انا بسألك ايش هي
+
+82
+00:06:40,510 --> 00:06:45,510
+البيانات شوف
+
+83
+00:06:45,510 --> 00:06:51,850
+عادة .. مثلا .. الان انت بتستخرجي المعلومة تمام؟
+
+84
+00:06:51,850 --> 00:07:00,630
+الان بالعربي عادة احنا بنقول تنقيب عن الذهب ماقولش
+
+85
+00:07:00,630 --> 00:07:07,380
+بنقب في الذهبتنقيب عن البترول ومكان التنقيب في
+
+86
+00:07:07,380 --> 00:07:12,600
+حياتنا كبشر مكان واحد باطن الأرض عشانك اختصر كل
+
+87
+00:07:12,600 --> 00:07:18,300
+المسميات تمام؟ كما بقولك تنقيب عن بينما هان أنواع
+
+88
+00:07:18,300 --> 00:07:22,980
+البيانات اللي عندي مختلفة و ال task تبعتي اللي انا
+
+89
+00:07:22,980 --> 00:07:27,700
+باطلعلهامختلفة ال data مصدر البيانات لما تكون
+
+90
+00:07:27,700 --> 00:07:31,500
+بيانات الطلاب الجامعيين على مستوى فلسطين غير لما
+
+91
+00:07:31,500 --> 00:07:34,980
+تكون مصدر البيانات بيانات وإما الإرشيف الصحي
+
+92
+00:07:34,980 --> 00:07:39,500
+للمواطنين الفلسطينيين بيصير في عندي هن بتدور عشغلة
+
+93
+00:07:39,500 --> 00:07:46,120
+مختلفة عنها ومصدرين مختلفين فبصير تنقيب البيانات
+
+94
+00:07:46,120 --> 00:07:51,300
+مجلكاش تنقيب عن البيانات فانا بنقب في ال .. بنقب
+
+95
+00:07:51,300 --> 00:07:56,430
+البيانات قاعد عشان .. بهدف أني أطلع منها شغلةممكن
+
+96
+00:07:56,430 --> 00:07:58,950
+تكون Formation بس هي فعليا أعلى من ال information
+
+97
+00:07:58,950 --> 00:08:03,470
+احنا متكلم على knowledge، معرفة وحنشوف الفرق ..
+
+98
+00:08:03,470 --> 00:08:06,370
+الفرق بين ال data و ال information و ال knowledge
+
+99
+00:08:06,370 --> 00:08:12,270
+و الحكمة أو ال wisdom لاحقا وبالتالي أنا الآن هدفي
+
+100
+00:08:12,270 --> 00:08:18,670
+ان اتعلم كيف انقب البيانات في البيانات مش عن
+
+101
+00:08:18,670 --> 00:08:23,370
+البياناتالآن data mining تنقيب مقصود فيها في
+
+102
+00:08:23,370 --> 00:08:27,470
+البيانات تنقيب البيانات نفسها من أجل استخراج معرفة
+
+103
+00:08:27,470 --> 00:08:34,870
+طيب، تتوقع العملية تكون سهلة ولا صعبة؟ حسب ال data
+
+104
+00:08:34,870 --> 00:08:40,810
+لكن عادة ال data mining هي task ليس task تقليدية
+
+105
+00:08:40,810 --> 00:08:44,810
+ممكن تقدر تكتب برنامج، و هذا يعقد إن كتبك تكون
+
+106
+00:08:44,810 --> 00:08:50,120
+developer كويسيقتضي منك إنك تعمل import و export
+
+107
+00:08:50,120 --> 00:08:53,920
+بعض الأحيان لل database وكيف تعمل integration
+
+108
+00:08:53,920 --> 00:08:58,700
+وبلزمك تعرف إن ال database كويس بلزمك تتعرف على ال
+
+109
+00:08:58,700 --> 00:09:02,660
+machine learning algorithm عشان تسخرها في عملية
+
+110
+00:09:02,660 --> 00:09:05,660
+التنقل، يعني بنجوسين بدك أدوات، بدك tools اللي
+
+111
+00:09:05,660 --> 00:09:08,600
+بدور على الدهب، عنده حفار و عنده جرافة و عنده
+
+112
+00:09:08,600 --> 00:09:14,770
+المصفاية و عنده الميه إلى آخره، هذه هي أدواتهوانت
+
+113
+00:09:14,770 --> 00:09:17,390
+لازم يكون لك أدواتك اللي بقى بتستخدمها في عملية
+
+114
+00:09:17,390 --> 00:09:21,670
+التنقيب طيب لما بنتكلم على معلومات المساق تبعنا
+
+115
+00:09:21,670 --> 00:09:29,250
+أهم شغلة بيهمك فيها إيميلي لأي استفسار طبعا كلكم
+
+116
+00:09:29,250 --> 00:09:34,030
+بتعرفوا ساعات المكتبية للفصل هذا من السبت للأربعة
+
+117
+00:09:34,760 --> 00:09:37,640
+من الـ 11 إلى الواحدة أنا موجود في المكتب طبعا إلا
+
+118
+00:09:37,640 --> 00:09:40,300
+لو صار في اجتماع طارق أنا مابقدرش أتحكم فيه يعني
+
+119
+00:09:40,300 --> 00:09:43,340
+بس غالبا ان شاء الله أكون موجود و مكتبي في الطابق
+
+120
+00:09:43,340 --> 00:09:49,100
+التالت في مبنى تكنولوجيا المعلومات مقعد لقائنا 9 و
+
+121
+00:09:49,100 --> 00:09:54,960
+نص إلى ال 11 كان في I 116 و جبناه القاعة المصورة
+
+122
+00:09:54,960 --> 00:10:02,270
+هذه وصف المسابق تبعناالمساق هذا حاولنا نعيد تصميمه
+
+123
+00:10:02,270 --> 00:10:08,730
+أو صممناه بحيث إنه يزود الطالب بمقدمة عن علم
+
+124
+00:10:08,730 --> 00:10:15,890
+البيانات ويزوده بخبرة عملية hand experience في
+
+125
+00:10:15,890 --> 00:10:21,630
+التعامل مع كل مراحل مشروع أو مع شريع قواعد data
+
+126
+00:10:21,630 --> 00:10:26,770
+mining تنقيب البيانات الآن hand experience تجربة
+
+127
+00:10:26,770 --> 00:10:32,760
+عمليةwith all faces لما أتكلم with all faces
+
+128
+00:10:32,760 --> 00:10:38,000
+معناته أنا جاعت بأتكلم عن إيش؟ عن مشروع بمر في
+
+129
+00:10:38,000 --> 00:10:41,580
+مراحل مش مرحلة واحدة الآن في ال database project
+
+130
+00:10:41,580 --> 00:10:44,760
+لو أنا بدأ قارنها في ال database بتعمل analysis
+
+131
+00:10:44,760 --> 00:10:50,560
+بتعمل design بتعمل implementation بصبت؟ ايش دول
+
+132
+00:10:50,560 --> 00:10:51,200
+بعد هيك؟
+
+133
+00:10:53,820 --> 00:10:57,780
+خلاص بدي أعمل test عشان أتأكد أن كل الأمور تمام
+
+134
+00:10:57,780 --> 00:11:00,560
+وبعد ذلك لو أنا محتاج maintenance بكلمة على أربع
+
+135
+00:11:00,560 --> 00:11:04,720
+مراحل اليوم هتشوف أنه أنا في عنيا في اندي 6 من 7
+
+136
+00:11:04,720 --> 00:11:10,580
+على 8 مراحل وكل واحدة بدها جهد ومعرفة مختلفة مني
+
+137
+00:11:10,580 --> 00:11:16,500
+عشان أقدر أنجزها طبعا هذا كله باعتماد على ال real
+
+138
+00:11:16,500 --> 00:11:20,780
+data بينفعش أستخدم fake data أو fabricated data و
+
+139
+00:11:20,780 --> 00:11:23,790
+أشتغل عليهاطب دلوقت بدأ اجيب الـ real data الـ
+
+140
+00:11:23,790 --> 00:11:26,610
+real data متاحة في مواقع كتير عالميا بتزودني بـ
+
+141
+00:11:26,610 --> 00:11:31,110
+real data موجودة historical data في مجالات مختلفة
+
+142
+00:11:31,110 --> 00:11:36,450
+بدءا من التمييز بين أنواع الحشرات ومواصفاتها لحد
+
+143
+00:11:36,450 --> 00:11:41,730
+تصنيف الصور الفضاء والشغلات هذه فانت وين مهتم ممكن
+
+144
+00:11:41,730 --> 00:11:45,770
+تلاقي بيانات بتخدمكوحزودكوا ان شاء الله من خلال ال
+
+145
+00:11:45,770 --> 00:11:49,210
+model بمجموعة من الرابط ممكن المحاضرة الجاية أعرض
+
+146
+00:11:49,210 --> 00:11:53,430
+الرابط عليكوا نشوف بعض المواقع بحيث ان مطلوب منك
+
+147
+00:11:53,430 --> 00:11:58,410
+فعليا اتحدد data set أنت و الفريق تبعك عشان تشتغل
+
+148
+00:11:58,410 --> 00:12:04,030
+عليها لحد نهاية الفصيلة الآن هذا المساق هيغطي
+
+149
+00:12:04,030 --> 00:12:11,070
+مواضيع بدءا من ال data format أنواع البيانات طبعا
+
+150
+00:12:11,070 --> 00:12:15,850
+بما أنه ذرسكوا قواعد بيانات اتنينهسألكوا شو هو
+
+151
+00:12:15,850 --> 00:12:22,190
+أنواع البيانات تتذكروا المربع تابع البيانات؟
+
+152
+00:12:22,190 --> 00:12:27,810
+رسمنا رسمة زي هيك اللي هي علاقة بالبيانات قبل ما
+
+153
+00:12:27,810 --> 00:12:33,490
+نتكلم عن الـ NoSQL Database طبعا
+
+154
+00:12:33,490 --> 00:12:37,690
+احنا بناخد المعلومات عشان ننسى صح؟ أعين عليك صار
+
+155
+00:12:37,690 --> 00:12:38,490
+في عندي structured
+
+156
+00:12:43,360 --> 00:12:50,220
+و unstructured طيب، واش كمان؟ لا يا باشا، خلاص،
+
+157
+00:12:50,220 --> 00:12:52,800
+هدولة هنتهى .. هنتهى semi-structured قولنا الـ No
+
+158
+00:12:52,800 --> 00:12:57,040
+SQL جاية عشان تتعامل مع الـ semi-structured data و
+
+159
+00:12:57,040 --> 00:12:59,320
+لو كانت الـ structure بتتعامل معاها unstructured
+
+160
+00:12:59,320 --> 00:13:02,960
+بتتعامل معاها غير و فيه كمان تصطفين static
+
+161
+00:13:11,330 --> 00:13:16,070
+و Dynamic Data الان ان البيانات تبعتي تتسم بواحدة
+
+162
+00:13:16,070 --> 00:13:19,590
+من الصفات هذه بواحدة من المربعات هذه اما هتكون
+
+163
+00:13:19,590 --> 00:13:24,510
+Structured و Static او Unstructured و Static طبعا
+
+164
+00:13:24,510 --> 00:13:26,470
+لما اتكلم على Structured معناه ان انا بتكلم على
+
+165
+00:13:26,470 --> 00:13:30,080
+جداوي الجاهزةوهذه اللي معنين فيها في المرحلة
+
+166
+00:13:30,080 --> 00:13:33,620
+الحالية في الـ Data Mining وإلا كان صار اسم المساق
+
+167
+00:13:33,620 --> 00:13:37,900
+علوم البيانات لأنه بيصير المفروض منك تاخد الـ
+
+168
+00:13:37,900 --> 00:13:41,160
+unstructured data وتتعامل معاها مثل ما بتتعامل مع
+
+169
+00:13:41,160 --> 00:13:47,840
+structured فاحنا مستهدفين المنطقة هذه وممكن هذه في
+
+170
+00:13:47,840 --> 00:13:52,080
+الـ Dynamicوبالتالي أنا بقى أشتغل وين؟ على
+
+171
+00:13:52,080 --> 00:13:55,840
+structure data سواء كانت dynamic أو static مش
+
+172
+00:13:55,840 --> 00:14:00,320
+فارقة كتير معايا عشان هيك بالذنبي أنا أميز من ال
+
+173
+00:14:00,320 --> 00:14:06,540
+data format كيف أعملها cleaning؟ شو يعني cleaning؟
+
+174
+00:14:06,540 --> 00:14:14,320
+الآن حفروا الناس اللي بنقبوا عن الدهب شو طلعوا؟ لا
+
+175
+00:14:14,320 --> 00:14:19,740
+غلطان انت بطلعوا التربة بطلع ال soilتمام؟ بياخدوا
+
+176
+00:14:19,740 --> 00:14:25,060
+الطينة هذه و بروحوا بغسلوها عشان يخلوا يشه الحجار
+
+177
+00:14:25,060 --> 00:14:30,200
+اللي بتظل بعد هيك بيبدوا ي caramelوا فيها مصبوط؟
+
+178
+00:14:30,200 --> 00:14:34,640
+يصفوها عشان يسقط كل شيء مالوش علاقة طبعا غالبا
+
+179
+00:14:34,640 --> 00:14:38,060
+بيستخدموا الميه بالدرجة الأول عشان الدهب ثقيل و
+
+180
+00:14:38,060 --> 00:14:41,720
+بترسم في الآخر انت الآن مفهوم ال cleaning هن�� شوية
+
+181
+00:14:41,720 --> 00:14:46,160
+مختلف عن التعامل مع الدهب مفهوم ال cleaning هنا أن
+
+182
+00:14:46,160 --> 00:14:50,660
+ال data تبعت مش على كيفي جايةال data هذه فيها
+
+183
+00:14:50,660 --> 00:14:55,300
+بيانات بتتكلم عن ال birth date تاريخ الميلاد بينما
+
+184
+00:14:55,300 --> 00:15:01,280
+أنا محتاج للعمر بيجي بقوللي يا والله أنا في عند ال
+
+185
+00:15:01,280 --> 00:15:07,780
+GPA تبع الطالب ال GPA يعني في عندي real number و
+
+186
+00:15:07,780 --> 00:15:12,940
+huge number of values من 40 لحد 100 أنا مابديش
+
+187
+00:15:12,940 --> 00:15:15,700
+أتعامل مع ال GPA بدي أتعامل مع ال level مع ال
+
+188
+00:15:15,700 --> 00:15:20,640
+gradeممتاز جيد جدا إلى آخره في بعض ال data فيها
+
+189
+00:15:20,640 --> 00:15:24,500
+مفقودات لقيت إنه والله في record معين رقم أو معدل
+
+190
+00:15:24,500 --> 00:15:30,180
+الطالب مش موجود مين بده يعبي ليه؟ سجل المريض الصحي
+
+191
+00:15:30,180 --> 00:15:33,460
+كده فيه بيانات مفقودة بدي أعبيها في بعض ال data
+
+192
+00:15:33,460 --> 00:15:38,680
+inconsistent غير متناسقة عمره 40 سنة وتاريخ ميلاده
+
+193
+00:15:38,680 --> 00:15:39,560
+95
+
+194
+00:15:42,150 --> 00:15:45,630
+فهي بدي أتحرى فالآن وبالتالي أنا بحاجة أعمل
+
+195
+00:15:45,630 --> 00:15:50,330
+cleaning لل data وتقريبا مرحلة جمع البيانات
+
+196
+00:15:50,330 --> 00:15:58,290
+وتجهيزها أطول فترة في عمر أي مشروع مرتبط بعلوم
+
+197
+00:15:58,290 --> 00:16:02,290
+البيانات أو تنقيب البيانات بشكل واضح make a
+
+198
+00:16:02,290 --> 00:16:09,050
+prediction أنا الآن اتعرفت على البيانات جهزتها بدي
+
+199
+00:16:09,050 --> 00:16:13,500
+أتنبأ اتنبأ بإيش؟قد أشوف الـ knowledge الجديدة هذه
+
+200
+00:16:13,500 --> 00:16:17,940
+اللي أنا ممكن تخدمني أروح أشوف والله بيانات الطلاب
+
+201
+00:16:17,940 --> 00:16:21,600
+الجامعيين أو بيانات الطلاب اللي عندي في جامعات
+
+202
+00:16:21,600 --> 00:16:26,760
+الفلسطينية من الألفين لألفين وعشرين عشرين سنة في
+
+203
+00:16:26,760 --> 00:16:30,020
+كل سنة في عندي كام الف طالب يدخلوا الجامعات
+
+204
+00:16:30,020 --> 00:16:36,000
+ويتخرجوا الآن هل ممكن أنا ألاقي علاقة واضحة بين
+
+205
+00:16:36,000 --> 00:16:39,580
+على سبيل المثال الظروف الاجتماعية تبعت الطالب
+
+206
+00:16:39,580 --> 00:16:44,800
+وتحصيله العلميمن البيانات بتعرفوا .. من البيانات
+
+207
+00:16:44,800 --> 00:16:48,800
+بتعرفوا .. بس هل السؤال هذا .. هل statistics
+
+208
+00:16:48,800 --> 00:16:53,740
+إحصاء؟ كيف يعني إحصاء؟ ال statistics بتعمل تسوية
+
+209
+00:16:53,740 --> 00:16:55,280
+البيانات اللي عندك تتعمل تسوية البيانات اللي عندك
+
+210
+00:16:55,280 --> 00:16:55,300
+تتعمل تسوية البيانات اللي عندك تتعمل تسوية
+
+211
+00:16:55,300 --> 00:16:55,780
+البيانات اللي عندك تتعمل تسوية البيانات اللي عندك
+
+212
+00:16:55,780 --> 00:16:56,140
+تتعمل تسوية البيانات اللي عندك تتعمل تسوية
+
+213
+00:16:56,140 --> 00:16:57,200
+البيانات اللي عندك تتعمل تسوية البيانات اللي عندك
+
+214
+00:16:57,200 --> 00:16:57,780
+تتعمل تسوية البيانات اللي عندك تتعمل تسوية
+
+215
+00:16:57,780 --> 00:16:58,880
+البيانات اللي عندك تتعمل تسوية البيانات اللي عندك
+
+216
+00:16:58,880 --> 00:16:58,880
+ت
+
+217
+00:17:03,470 --> 00:17:08,190
+اها، اها، شوف إيش بدى يسوي هو بدى يبني role إذا
+
+218
+00:17:08,190 --> 00:17:14,330
+كان نسبة ظهور ال pattern هذا 90% فما فوق، الآن هذا
+
+219
+00:17:14,330 --> 00:17:18,050
+ال role هو بمثابة ال knowledge تبعتك لكن هذا الآن
+
+220
+00:17:18,050 --> 00:17:23,470
+مش statistic، وإن كان جزء منها هيكون statistic لما
+
+221
+00:17:23,470 --> 00:17:27,430
+تروح تدورت أنت الحالة الاجتماعية بارتباطها
+
+222
+00:17:27,430 --> 00:17:31,680
+بالتحصيل العلمي، جديشالـ frequent لما دورت على عدد
+
+223
+00:17:31,680 --> 00:17:38,400
+تكرارها استخدمت إحصاء عشان تعمل prediction زي ما
+
+224
+00:17:38,400 --> 00:17:44,240
+قلنا وتستخدم ال tools الحديثة ومن الممكن من أهم ال
+
+225
+00:17:44,240 --> 00:17:47,420
+tools الشباب المستخدم اليوم هي ال tools المبنية
+
+226
+00:17:47,420 --> 00:17:50,360
+على الـ Python سواء كانت ك programming language
+
+227
+00:17:50,360 --> 00:17:54,300
+تمام أو different distribution للـ Python أو حتى
+
+228
+00:17:54,300 --> 00:18:00,430
+فعلياً software packages مبنية على الـ Pythonبعد
+
+229
+00:18:00,430 --> 00:18:05,470
+هيك بدي أعمل evaluation المفروض evaluation لإيش؟
+
+230
+00:18:05,470 --> 00:18:10,210
+لشغل، للنتيجة اللي حصلت عليها، الآن و بعد دراسة
+
+231
+00:18:10,210 --> 00:18:15,890
+الشريف الصحي تبع المرضى اكتشفنا ان والله ان الناس
+
+232
+00:18:15,890 --> 00:18:19,490
+اللي بيكون عندها سوء تغذية هدولة ممكن برضه يكون
+
+233
+00:18:19,490 --> 00:18:24,270
+احتمالية اصابتهم بسرطان الرئى الله يبعد عنك الشر و
+
+234
+00:18:24,270 --> 00:18:29,900
+والديك و جميع المسلمين انه عالي جداكل ال knowledge
+
+235
+00:18:29,900 --> 00:18:34,340
+تبعيتنا بنعرف أنه تدخين طب شو دخل سوق التخزين؟ ال
+
+236
+00:18:34,340 --> 00:18:37,080
+historical data بتقول أن سوق التخزين لها دور في
+
+237
+00:18:37,080 --> 00:18:42,660
+الموضوع لأن هاي في عندي شخص كان بتغذى كويس و شرح
+
+238
+00:18:42,660 --> 00:18:46,660
+في التدخين لكنه لم يصب لكن كل الحالات اللي أصيبت
+
+239
+00:18:46,660 --> 00:18:50,340
+بالإضافة للتدخين كان عندهم سوق تخزين معناته أصبح
+
+240
+00:18:50,340 --> 00:18:55,640
+في عندي role جديد knowledge جديدة، مين بيقيمها؟
+
+241
+00:18:55,640 --> 00:19:01,310
+مين بيقيمها؟الناس المختصين القائمين على الموضوع
+
+242
+00:19:01,310 --> 00:19:04,370
+هذا بدهم ياخدوا يجيبوا يقولوا يا وين ال system
+
+243
+00:19:04,370 --> 00:19:07,310
+اللي بنيته أو وين ال project اللي بنيته هيه ماشي
+
+244
+00:19:07,310 --> 00:19:11,430
+الحال تعالي بروحهم بيجيبوا بعينات حقيقية من الناس
+
+245
+00:19:11,430 --> 00:19:15,990
+المصابة بالمرض هذا و بدرسوا هذا فعليا عنده سوق
+
+246
+00:19:15,990 --> 00:19:18,870
+تغذية حسب الشروق اللي موجود عندنا بياخدوا البيانات
+
+247
+00:19:18,870 --> 00:19:21,790
+و بيعرضوها لل system أنا مابعرفش فال system لما
+
+248
+00:19:21,790 --> 00:19:28,290
+بقول positive هيصابأو negative ال rate هذا هو
+
+249
+00:19:28,290 --> 00:19:31,410
+بمثابة ال evaluation يعني بتجيبوا عينة من البيانات
+
+250
+00:19:31,410 --> 00:19:35,130
+الحقيقية و بعضوها على النظام بعد هيك بصير النظام
+
+251
+00:19:35,130 --> 00:19:37,830
+هذا معتمد بالنسبة لهم ان اوكي والله احنا ممكن
+
+252
+00:19:37,830 --> 00:19:43,190
+نتنبأ ايش باحتمالية الإصابة و ممكن نسعى الآن
+
+253
+00:19:43,190 --> 00:19:47,790
+جاهدين ان نحسن موضوع أنواع الناس بأهمية التغذية و
+
+254
+00:19:47,790 --> 00:19:51,920
+بحيث انهم يتجنبوا موضوع التدخين و هكذاأخر شغلة
+
+255
+00:19:51,920 --> 00:19:55,100
+بتلزمني وطبعا ممكن تكون هي أول شغلة كمان أحيانا
+
+256
+00:19:55,100 --> 00:19:58,660
+عشان أفهم البيانات اللي عندي موضوع ال data أو ال
+
+257
+00:19:58,660 --> 00:20:01,140
+knowledge visualization كيف أظهر ال knowledge؟
+
+258
+00:20:01,140 --> 00:20:04,180
+كلنا بنعرف المقولة اللي بتقول الصورة خير من ألف
+
+259
+00:20:04,180 --> 00:20:09,920
+كلمة الآن لو أنا روحت جبتلك بيانات الطلاب أو جدول
+
+260
+00:20:09,920 --> 00:20:16,620
+الطلاب في مليون record وعلامات الطلاب موجودة هل
+
+261
+00:20:16,620 --> 00:20:22,240
+بتقدر تحصر نسب الطلاب في كل واحديعني مثلا جديش جيد
+
+262
+00:20:22,240 --> 00:20:26,060
+جدا، جديش ممتاز، قوله بقى أعمل تقرير إحصائي، ماشي
+
+263
+00:20:26,060 --> 00:20:29,240
+الحال، بقى التقرير هذا لو كانت فيه عندك Graph أو
+
+264
+00:20:29,240 --> 00:20:34,700
+رسمةأسرع في one site حتى أسرع من الجدول عشان هيك
+
+265
+00:20:34,700 --> 00:20:36,480
+أنت لازم يكون في عندك مقدرة على عمل ال
+
+266
+00:20:36,480 --> 00:20:39,860
+visualization ال if then rule اللي تتكلم فيه
+
+267
+00:20:39,860 --> 00:20:43,660
+زميلنا هان لو كانت نسبة الناس على حالتهم
+
+268
+00:20:43,660 --> 00:20:48,440
+الاجتماعية و كدراسة و كتحصيل سيئ بنسبة 90% فما
+
+269
+00:20:48,440 --> 00:20:53,540
+فوقها ده rule انكتب عشان نفهمه بشكل صحيح if then
+
+270
+00:20:53,540 --> 00:20:58,210
+طب أنا ممكن أروح أعمله as decision treeعشان أقدر
+
+271
+00:20:58,210 --> 00:21:01,410
+أكون كل branch هو لأن نتكلم على فرع واحد فقط فممكن
+
+272
+00:21:01,410 --> 00:21:06,150
+إحنا بحاجة إننا نعمل visualization من
+
+273
+00:21:06,150 --> 00:21:09,090
+أهداف المساق تبعتنا بعد ما اتكلمنا على أوصيف
+
+274
+00:21:09,090 --> 00:21:13,150
+المساق أهداف المساق تبعتنا كانت تالي providing
+
+275
+00:21:13,150 --> 00:21:18,310
+fundamental understanding يزودنا بالفهم الأساسي
+
+276
+00:21:18,310 --> 00:21:23,750
+لمتطلبات ال data mining عشان أقدر أستخرج المعرفة
+
+277
+00:21:23,750 --> 00:21:28,810
+المخفية منفي الـ data أو المخفية في الـ data هاي
+
+278
+00:21:28,810 --> 00:21:36,650
+اتنين نستكشف مع بعض مجموعة من ال data mining tasks
+
+279
+00:21:36,650 --> 00:21:41,230
+عشان أستخرج المعرفة هاي data mining tasks
+
+280
+00:21:41,230 --> 00:21:45,230
+classification classification يعني تصنيف يا شباب
+
+281
+00:21:45,230 --> 00:21:49,930
+لو أنا بدي أشوف في جو يالي زي هذا احنا في فصل
+
+282
+00:21:49,930 --> 00:21:55,650
+الشتاء و بدي أعرف الدنيا هتمطر ولا مش هتمطر تلاحظ؟
+
+283
+00:22:03,800 --> 00:22:10,260
+rainy yes و no إذا ال system بتاعي بده يقول إن
+
+284
+00:22:10,260 --> 00:22:14,740
+الجو ماطر أو غير ماطر فهذه classification إذا بده
+
+285
+00:22:14,740 --> 00:22:18,260
+يقول لي ال stock market أو ال stock price سعر
+
+286
+00:22:18,260 --> 00:22:25,120
+السهم increase
+
+287
+00:22:25,120 --> 00:22:26,000
+or decrease
+
+288
+00:22:29,730 --> 00:22:36,050
+هذه classification طبعا، لكن لو في إنا مسألة تانية
+
+289
+00:22:36,050 --> 00:22:39,730
+شكل الناس أكتبها هان اللي هي ال prediction أو ال
+
+290
+00:22:39,730 --> 00:22:45,250
+regression لما أنا بدي specific value، بدي قيمة،
+
+291
+00:22:45,250 --> 00:22:48,970
+تقولليش السهم بدي يرتفع أو بدي ينخفض، تقوللي جديش
+
+292
+00:22:48,970 --> 00:22:53,250
+قيمة التغيير على السهم هتكون بعد يومين، وأنا بعرف
+
+293
+00:22:53,250 --> 00:22:57,330
+لحالي هو هيرتفع ولا ينخفض، تبقى اللي لاقياش؟للقيمة
+
+294
+00:22:57,330 --> 00:23:00,790
+اللي هتزودني فيها قوللي قداش حجم المطر اللي بده
+
+295
+00:23:00,790 --> 00:23:06,090
+ينزل لما تقوللي صفر هفهم انه مافيش مطر و لما
+
+296
+00:23:06,090 --> 00:23:12,430
+تقوللي انه والله نسبة المطر هتكون 5.45 ميلي متر في
+
+297
+00:23:12,430 --> 00:23:15,470
+اليوم الفلاني معناته انا بفهم انه في مطر ومطر غزير
+
+298
+00:23:15,470 --> 00:23:20,390
+كمان فبالتالي هنا في عندي هانشغلة لها علاقة في الـ
+
+299
+00:23:20,390 --> 00:23:24,110
+Prediction لـ Clustering، لـ Grouping أو تجميع
+
+300
+00:23:24,110 --> 00:23:28,490
+البيانات حسب الخصائص المشتركة طب أنا بدور
+
+301
+00:23:28,490 --> 00:23:31,290
+بالخصائص، الخصائص اللي أنت مستحيل تقدر تطبقها
+
+302
+00:23:31,290 --> 00:23:34,730
+بإيدك أو تشوفها بعينك، و هورجيك خلال مثال عملي
+
+303
+00:23:34,730 --> 00:23:38,030
+لاحقا إن شاء الله تعالى مع بعض هنا في القاعة أو
+
+304
+00:23:38,030 --> 00:23:40,630
+هورجيك إنه فعلا تحس أنه في صعوبة حسب الـ
+
+305
+00:23:40,630 --> 00:23:42,870
+Requirement في الـ Clustering إنك تشتغل عليها
+
+306
+00:23:42,870 --> 00:23:49,210
+Association RulesExtraction ارتباط أو قوانين
+
+307
+00:23:49,210 --> 00:23:53,430
+الارتباط بين الأشياء في ال supermarket؟ شو علاقة
+
+308
+00:23:53,430 --> 00:24:00,850
+علب السجائر بالجهوة بالشاي بالمشروبات الساخنة؟ هل
+
+309
+00:24:00,850 --> 00:24:04,630
+في علاقة ما بين حفظات الأطفال والحليب والبودرة
+
+310
+00:24:04,630 --> 00:24:08,620
+والشغلات هذه ولا لأ؟الناس اللي عادة بتروح بتدور
+
+311
+00:24:08,620 --> 00:24:13,260
+مثلا تشتري الشوكولات السائلة والزينة ومش عارفاش
+
+312
+00:24:13,260 --> 00:24:16,380
+أكيد بتدور على لو طحين عشان تشتغل أو الدقيقة عشان
+
+313
+00:24:16,380 --> 00:24:20,800
+تعمل cake فهذه المعاملات الإرتباط مش بسهولة أنا
+
+314
+00:24:20,800 --> 00:24:24,320
+أقدر أتعرف عليها و أشوفها وبالتالي أنا بحاجة ل
+
+315
+00:24:24,320 --> 00:24:29,990
+association أخطر من هيكحالات ظهور مرض معين إذا
+
+316
+00:24:29,990 --> 00:24:33,910
+اتوفر الظرف واحد اتنين تلاتة معناته في المرض هذا
+
+317
+00:24:33,910 --> 00:24:36,810
+ممكن يظهر وهيك بيصير قيمة ال association rule تبعي
+
+318
+00:24:36,810 --> 00:24:41,150
+أكثر جدية من الأمور السابقة ال outlier detection
+
+319
+00:24:41,150 --> 00:24:46,450
+تحديد الحالات الشاذة في البيئة اللي أنا بقى أشتغل
+
+320
+00:24:46,450 --> 00:24:53,130
+عليها يعني بيجي يقولك والله فلانماشاء الله عليه
+
+321
+00:24:53,130 --> 00:24:56,330
+الراجل مجتهد على تربية أولاده و البيت ما شاء الله
+
+322
+00:24:56,330 --> 00:25:01,330
+و أهل بيته كذلك لكن عنده ولد أعوذ بالله شاذ بعيد
+
+323
+00:25:01,330 --> 00:25:04,950
+عنهم مختلف عنهم تماما تقول مش منهم يا راجل ولا لأ
+
+324
+00:25:04,950 --> 00:25:09,190
+هذا بمصطلح للبصيف اللي .. بنقول عنه out layer
+
+325
+00:25:09,190 --> 00:25:15,650
+مختلف نجد نتكلم أن والله أن ثمر تبعي في شجرة معينة
+
+326
+00:25:15,650 --> 00:25:20,950
+شجرة التفاح أو .. بلاش عند مزرعة التفاح و بقى تعب
+
+327
+00:25:20,950 --> 00:25:26,210
+عليهم كلهمبأرويهم نفس الراي و نفس الموعد و نفس
+
+328
+00:25:26,210 --> 00:25:31,410
+الكمية إيش محتاجين علاج أو مضادات أو تغذية بشتغل
+
+329
+00:25:31,410 --> 00:25:37,250
+عليهم كل ياتهم إلا غير إنه في شجرة في المزرعة حبها
+
+330
+00:25:37,250 --> 00:25:44,630
+مش نافع، بدي أخلعها و أرميها؟ أنت قد تحتاج إنك
+
+331
+00:25:44,630 --> 00:25:50,440
+تخلعها عشان ما تنحسبش عليكفي الآخر أبضلش هذا طب
+
+332
+00:25:50,440 --> 00:25:56,880
+الآن هل في سبب معين واضح للشدود؟ genetic وبالتالي
+
+333
+00:25:56,880 --> 00:26:01,360
+أنا ممكن أصير أدور طب ما هم كلهم مزرعين في نفس
+
+334
+00:26:01,360 --> 00:26:05,200
+الأرض فرجت مثلا في الأربعة متر high ممكن على جولة
+
+335
+00:26:05,200 --> 00:26:09,560
+أهلنا وختيريتنا الأرض بالشبربصبوط كلامك ممكن تفرق
+
+336
+00:26:09,560 --> 00:26:13,380
+الأمور لكن في الآخر بتضال مش من ضمن السياق اللي
+
+337
+00:26:13,380 --> 00:26:17,840
+احنا بنتكلم عليه الآن أخطر من هيك يا شباب عادة انا
+
+338
+00:26:17,840 --> 00:26:22,800
+عندي server .. عندي server بقدم خدمة تسديل الطلاب
+
+339
+00:26:22,800 --> 00:26:26,900
+للجامعة عادي و ال traffic اللي عليه انا متوقع انه
+
+340
+00:26:26,900 --> 00:26:30,660
+يجيني مثلا خلال الدقيقة 100 connection ألف
+
+341
+00:26:30,660 --> 00:26:36,280
+connection في لحظة من اللحظات اجاني مليون request
+
+342
+00:26:36,280 --> 00:26:36,940
+ل connections
+
+343
+00:26:39,880 --> 00:26:42,280
+أها يعني صار في عندي attack صار في عندي إيش
+
+344
+00:26:42,280 --> 00:26:46,400
+outlier فلازم يكون لازم يكون في عندي قدرة على
+
+345
+00:26:46,400 --> 00:26:49,520
+تحديد ال outlier هذا وإيش أسبابه هنجيها بالتفصيل
+
+346
+00:26:49,520 --> 00:26:53,680
+في حينها practicing data mining project phases
+
+347
+00:26:53,680 --> 00:26:57,460
+تجرب و تطبق فعليا ال faces كلها ياتا هاي
+
+348
+00:26:57,460 --> 00:27:04,640
+presenting تعرض ال data سواء كانت في ال early
+
+349
+00:27:04,640 --> 00:27:09,500
+stage قبل العملأو كانت الـ knowledge في نهاية الـ
+
+350
+00:27:09,500 --> 00:27:15,660
+project اللي موجود عندى نزوذ الطلبة قدر المستطاع
+
+351
+00:27:15,660 --> 00:27:21,320
+بآخر المواضيع المتعلقة في ال data mining طبعا
+
+352
+00:27:21,320 --> 00:27:24,660
+هيكون فيك جهد منها على المواضيع هذه معانا ان شاء
+
+353
+00:27:24,660 --> 00:27:27,000
+الله تعالى نحاول نقوى
+
+354
+00:27:29,920 --> 00:27:34,120
+العمل الجماعي ما بينكم وغالباً هشكلكوا لمجموعات ان
+
+355
+00:27:34,120 --> 00:27:37,940
+شاء الله الفصل هذا طيب ال outcome مخرجات المساق
+
+356
+00:27:37,940 --> 00:27:41,740
+أنا بتتوقع بعد نهاية المساق أنك تكون قادر على
+
+357
+00:27:41,740 --> 00:27:45,620
+تعريف ال data mining توصف البيانات المناسبة لل
+
+358
+00:27:45,620 --> 00:27:50,620
+project في ال data mining تعرف على الأقل خمسة من
+
+359
+00:27:50,620 --> 00:27:55,380
+ال data mining task وكل واحدة أشهر بتساويcollect
+
+360
+00:27:55,380 --> 00:27:58,760
+and prepare تكون قادرة على الجمع وتجهيز البيانات
+
+361
+00:27:58,760 --> 00:28:04,800
+لأي data mining project هتتعرف
+
+362
+00:28:04,800 --> 00:28:11,240
+وتستخدم ال machine learning algorithms عشان تنفذ
+
+363
+00:28:11,240 --> 00:28:17,270
+ال data mining tasks المختلفةاتحلل و تبني data
+
+364
+00:28:17,270 --> 00:28:22,450
+mining project سواء كنت بشكل مستقل، منفرد أو ضمن
+
+365
+00:28:22,450 --> 00:28:28,170
+فريق، سواء كنت عضو في الفريق أو قائد الفريق تتبنى
+
+366
+00:28:28,170 --> 00:28:31,910
+أخلاقيات المهنة في محافظة على خصوصية الناس في
+
+367
+00:28:31,910 --> 00:28:35,450
+المعلومات لأنه لما احنا بنروح و بنتكلم على بيانات
+
+368
+00:28:35,450 --> 00:28:39,030
+صحية أو بيانات اجتماعية أو بيانات أو بيانات بمعنى
+
+369
+00:28:39,030 --> 00:28:44,350
+ان في عندنا privacy لازم ينتهيشتحلّى بالأخلاق
+
+370
+00:28:44,350 --> 00:28:52,090
+الحميدة وتحافظ على خصوصية الناس يعنى textbook
+
+371
+00:28:52,090 --> 00:28:56,830
+data mining concepts and techniques النسخة الرابعة
+
+372
+00:28:56,830 --> 00:29:02,070
+2017 من Elsevier كذلك في عندى ال data mining ال
+
+373
+00:29:02,070 --> 00:29:05,770
+reference book طبعا هدولة هم الأساسي اللى .. لكن
+
+374
+00:29:05,770 --> 00:29:08,190
+هتلاقي في ال references عندى حوالى سبعة أو تمانية
+
+375
+00:29:08,190 --> 00:29:12,010
+كتب هتكون مقطاط عندك على ال model لأنه هدى عدت في
+
+376
+00:29:12,010 --> 00:29:16,900
+التحضيربتنقل ما بين الكتب الـ Data Mining Practice
+
+377
+00:29:16,900 --> 00:29:20,840
+Machine Learning Tools and Techniques في 2016 قد
+
+378
+00:29:20,840 --> 00:29:24,020
+قريباً هدول أحدث الـ Virgin اللي مباشرة بتكلموا في
+
+379
+00:29:24,020 --> 00:29:27,460
+الـ Data Mining في 2018 و2019 بتكلموا في الـ Data
+
+380
+00:29:27,460 --> 00:29:30,860
+Science بس بياخدونا في ال trend شوية يعني مختلف ما
+
+381
+00:29:30,860 --> 00:29:35,560
+قبل الـ Structured Data الآن إيش المواضيع اللي
+
+382
+00:29:35,560 --> 00:29:40,640
+بدنا نغطيها؟ هنغطي مجموعة من العنوين أو المواضيع
+
+383
+00:29:40,640 --> 00:29:45,150
+نجتهد توزيعها على الأسابيعطبعاً زي ما أقول مافيش
+
+384
+00:29:45,150 --> 00:29:50,630
+إشي مقدس لكن هنحاول نحتفظ فيها أو نلتزم فيها قدر
+
+385
+00:29:50,630 --> 00:29:54,070
+المستطاع تقريباً بدنا أسبوع عشان نخلص ال
+
+386
+00:29:54,070 --> 00:29:55,910
+introduction يعني مسبوع يعني محاضرة تانية يا شباب
+
+387
+00:29:55,910 --> 00:29:58,750
+محاضرة ومحاضرة الجاية المفروض ان ال introduction
+
+388
+00:29:58,750 --> 00:30:03,570
+تكون انتهت بعد هيك هنتكلم على ال data
+
+389
+00:30:03,570 --> 00:30:06,470
+understanding and data preparation وهنا تقريبا
+
+390
+00:30:06,470 --> 00:30:12,250
+هناخد أسبوعين ممكن أكتر شويةلكن هاي المبدأ إذا أنا
+
+391
+00:30:12,250 --> 00:30:15,790
+حضرت ال data وفهمتها كويس أو فهمتها كويس وحضرتها
+
+392
+00:30:15,790 --> 00:30:19,670
+بما يلغ لل task تبعتي هنبدأ نتكلم على knowledge
+
+393
+00:30:19,670 --> 00:30:22,030
+extraction باعتمادنا على ال machine learning
+
+394
+00:30:22,030 --> 00:30:25,430
+algorithm وزي ما قلنا ال task تبعتنا خمسة
+
+395
+00:30:26,620 --> 00:30:28,460
+classification, regression, clustering,
+
+396
+00:30:28,680 --> 00:30:32,800
+association rules و outlier detection لأن كل واحدة
+
+397
+00:30:32,800 --> 00:30:36,120
+فيهم لها different metrics evaluation metrics
+
+398
+00:30:36,120 --> 00:30:41,360
+فهنشرح two algorithms او واحد حسب كيف تمشي معانا
+
+399
+00:30:41,360 --> 00:30:46,200
+الأمور بحيث نثبت ال concept وهنا بيلزمك تكون ال
+
+400
+00:30:46,200 --> 00:30:50,080
+calculator تبعتك معاك لأن في مسائل حسابية بدها حل
+
+401
+00:30:50,080 --> 00:30:54,530
+فلازم تكون ال calculator معاك باستمرارتمام؟ يعني
+
+402
+00:30:54,530 --> 00:30:57,350
+ما تتعودش تجينا هيك باشا زي في الجيبة هذه الجوال
+
+403
+00:30:57,350 --> 00:31:00,430
+في الجيبة التانية بتحط بال calculator عشان ما
+
+404
+00:31:00,430 --> 00:31:05,750
+تقعدش تشحت من دي زمالك زي ما اتكلمنا عفوا قبل شوية
+
+405
+00:31:05,750 --> 00:31:11,170
+classification regression ال classification قل لي
+
+406
+00:31:11,170 --> 00:31:16,910
+هو بيتبع أي فئة من الفئات اللي موجودة عندى إيش
+
+407
+00:31:16,910 --> 00:31:21,340
+تصنيفه؟ بس التصنيفات هذه already معروفةيعني باجي
+
+408
+00:31:21,340 --> 00:31:25,260
+بقول إن والله أنا الطلاب يصنفوا في الجامعة مابين
+
+409
+00:31:25,260 --> 00:31:30,880
+راسب الله يبعدكوا عنه يا رب ومقبول كذلك جيد جيد
+
+410
+00:31:30,880 --> 00:31:34,960
+جدا وممتاز في عندي خمس تصنيفات لتقييم .. لا عفوا
+
+411
+00:31:34,960 --> 00:31:40,280
+للمستوى الطالب في حد بتكلم على ستة مافيش في حد
+
+412
+00:31:40,280 --> 00:31:44,000
+بتكلم على سبعة على خمسة طيب لا مافيش هم خمس
+
+413
+00:31:44,000 --> 00:31:49,200
+تصنيفات فأنا بعرف التصنيفات مسبقاباجي بتكلم مثلا
+
+414
+00:31:49,200 --> 00:32:01,440
+عن الفقاريات الفقاريات تصنف ثدييات .. تمام؟ زواحف
+
+415
+00:32:01,440 --> 00:32:09,960
+فقاريات وطيور .. تمام؟ الآن الزواحف
+
+416
+00:32:11,480 --> 00:32:14,520
+ذوات الدم بارد وذوات الدم حار هذه التصنيفات
+
+417
+00:32:14,520 --> 00:32:19,340
+already معروفة وانت مش عفوا لازم تكون خبير في
+
+418
+00:32:19,340 --> 00:32:24,360
+المجال عشان تحط تصنيف جديد دوري أنا .. دوري أنا
+
+419
+00:32:24,360 --> 00:32:30,780
+أشوف كيف ممكن أنا أعمل أو أبني model يقدر يتنبأ
+
+420
+00:32:30,780 --> 00:32:36,500
+بال class أو بالتصنيف الصح بناء على ال condition
+
+421
+00:32:36,500 --> 00:32:41,250
+معين يعني عادةإن شاء الله كلكم بتجربوها عن قريب
+
+422
+00:32:41,250 --> 00:32:45,030
+العذبية طبعا فيكوا لما بدك تروح تتزوج صار بيقولك
+
+423
+00:32:45,030 --> 00:32:51,870
+روح هتلي فحص للثلاثيمية، أصبت؟ عشان يتجنب إن المرض
+
+424
+00:32:51,870 --> 00:32:57,870
+هذا ينتشر طيب، المرض هذا أساساً فيه تلت تصنيفات أو
+
+425
+00:32:57,870 --> 00:33:01,670
+أربعة حتى
+
+426
+00:33:01,670 --> 00:33:05,470
+من المصاب كمان فيه له grades معينة، تمام؟ في
+
+427
+00:33:05,470 --> 00:33:10,690
+الآخر، في الآخر، الآن أنا ممكن أجتهدوأعمل برنامج
+
+428
+00:33:10,690 --> 00:33:14,430
+بناءً على ال data وحالات المصابين بالثلاثين أو كذا
+
+429
+00:33:14,430 --> 00:33:18,570
+إن أقول والله ممكن التغلب على المرض هذا مثلا بعد
+
+430
+00:33:18,570 --> 00:33:22,810
+أربع سنوات أو عشر سنوات من ناحية ورثية لو الناس
+
+431
+00:33:22,810 --> 00:33:28,010
+هدول اتبعوا نظام معين هذا الكلام عفوا مش هبل ولا
+
+432
+00:33:28,010 --> 00:33:33,230
+طالع من الخيال هو عبارة عن نابع عن دراسة تحليل
+
+433
+00:33:33,230 --> 00:33:38,250
+معمق لل data اللي موجودة عندىأنا كـ human مش هقدر
+
+434
+00:33:38,250 --> 00:33:41,570
+أحلل البيانات هذه بالمضمق البسيط فمحتاج لـ Machine
+
+435
+00:33:41,570 --> 00:33:46,650
+Learning Algorithm هي يتحلل و تديني decision لأن
+
+436
+00:33:46,650 --> 00:33:50,450
+جداش الناس بتعاني في العالم و احنا نفن أكتر منهم
+
+437
+00:33:50,450 --> 00:33:56,070
+في تشخيص الأمراض جداش بتسمع بلاش في مجتمعنا في غزة
+
+438
+00:33:56,070 --> 00:33:58,930
+يقولك والله فلان هو أو ابنه أو أي حد الله يعافي
+
+439
+00:33:58,930 --> 00:34:02,170
+جميع المسلمين أن هو مريض ومش قادرين يشخصوا إيش
+
+440
+00:34:02,170 --> 00:34:11,140
+ماله طب مع إن الأعراضمعروفة وغالبا تحصر القلق ممكن
+
+441
+00:34:11,140 --> 00:34:15,020
+يكون في عندي expert system أروح أدخله الأعراض
+
+442
+00:34:15,020 --> 00:34:20,200
+بالإضافة لوصف ال character هذا الإنسان عمره ووزنه
+
+443
+00:34:20,200 --> 00:34:23,720
+طبيعة غذائه يعني أبدأ أجمع معلومات عن الشخص هذا و
+
+444
+00:34:23,720 --> 00:34:26,560
+ال system يقوللي هذا غالبا مكون مصاب بكذا أو كذا
+
+445
+00:34:26,560 --> 00:34:31,130
+أو كذا ممكن بقولش أن هذا مش هيخطئبس النظام هذا إذا
+
+446
+00:34:31,130 --> 00:34:36,410
+جدر يشخصلي خمسين في المية من الحالات، تشخيص صح،
+
+447
+00:34:36,410 --> 00:34:39,850
+خمسين في المية من الحالات اللي أنا مش جادر أشخصها،
+
+448
+00:34:39,850 --> 00:34:47,070
+هذا إنجاز، هذا ال risk اللي احنا قلنا قبل شوية
+
+449
+00:34:47,070 --> 00:34:51,590
+فيها مخاطرة في التنقيب، ما هو أنت الآن جدشت تبعك
+
+450
+00:34:51,590 --> 00:34:52,530
+ال system بيكون reliable
+
+451
+00:34:55,350 --> 00:35:03,270
+شوف، أنا ممكن أرفض نظام بيديني 95% accuracy، دقة،
+
+452
+00:35:03,270 --> 00:35:05,750
+في الأمور الصحية، في الـ critical، لكن أنا قاعد
+
+453
+00:35:05,750 --> 00:35:10,230
+بقولك إن الأعراض هيها، والتشخيص، إحنا ك human مش
+
+454
+00:35:10,230 --> 00:35:13,770
+قادرين نشخص، عشان هيك أنا حصرتك في المجال إنه
+
+455
+00:35:13,770 --> 00:35:17,730
+complete benefitراح فعليا قدر يشخصني تشخيص صحيح بـ
+
+456
+00:35:17,730 --> 00:35:21,370
+50% من الأعراض اللي موجودة هاي طب تقولي أنت شخصته
+
+457
+00:35:21,370 --> 00:35:24,630
+غلط ومات طب أنت مش قادر تشخصه وغالبا هتشخصه غلط
+
+458
+00:35:24,630 --> 00:35:29,750
+فما تحملش ال system ما لا يطيقك زي ما أقوله مع أنه
+
+459
+00:35:29,750 --> 00:35:32,530
+أنا بقولك بستهينش بحياة البشر لأ لازم أشتغل و
+
+460
+00:35:32,530 --> 00:35:37,790
+أجتهد أنه تكون الأمور تمام زي ما قولنا regression
+
+461
+00:35:37,790 --> 00:35:43,220
+اتنبأ بقيمة value real valueclustering جسم
+
+462
+00:35:43,220 --> 00:35:47,560
+لمجموعات اروح اقول والله جسم الطلاب لتلت مجموعات
+
+463
+00:35:47,560 --> 00:35:53,700
+هيكوا في القاعة تلت مجموعات يا شباب في الآخر اسمك
+
+464
+00:35:53,700 --> 00:35:57,940
+عبدالله لو قلتلك جسم الطلاب لتلت مجموعات في القاعة
+
+465
+00:35:57,940 --> 00:36:01,620
+تلت
+
+466
+00:36:01,620 --> 00:36:05,260
+مجموعات اهدوا يا شباب على السريع عبدالله ايوة
+
+467
+00:36:08,540 --> 00:36:11,060
+ممتاز، مع إنه مش موجود الكلام اللي أنت موجود فيه
+
+468
+00:36:11,060 --> 00:36:14,120
+بينما لو قلتله ميمنا أو ميسر أو قلب كان ضبطه معاك
+
+469
+00:36:14,120 --> 00:36:17,840
+100% لاحظ أنه أنا ماتكلمتش معاك على
+
+470
+00:36:17,840 --> 00:36:23,600
+characteristics قلتلك كل بس كان طلبي منك جسملياهم
+
+471
+00:36:23,600 --> 00:36:27,360
+كمجموعات ماتحكمل فيك في عدد عفوا كان .. قداش ..
+
+472
+00:36:27,360 --> 00:36:30,200
+عفوا .. لما قلتلك تلت مجعات أنا طلبت العدد هذا بس
+
+473
+00:36:30,200 --> 00:36:34,720
+ماقلتلك كم واحد في جلب المجموعة، مصبوط؟ لكن أنت
+
+474
+00:36:34,720 --> 00:36:40,750
+ممكن تيش تقولي والله هاي واحد كمانتنين وهي تلاتة،
+
+475
+00:36:40,750 --> 00:36:43,550
+طب ليش اعملت هيك يا عبد الله؟ عشان أضمن توازن
+
+476
+00:36:43,550 --> 00:36:46,750
+أعداد في الأشخاص اللي موجودين، ممكن يقول آه والله
+
+477
+00:36:46,750 --> 00:36:50,430
+لا دكتور أنا بدي أصنفهم شكل مختلف، أنا بدي أروح
+
+478
+00:36:50,430 --> 00:36:57,370
+أستخدم معدلاتهم التراكمية اللي تحت الـ75بين 75 لـ
+
+479
+00:36:57,370 --> 00:37:00,830
+90 واللي فوق الـ 90، هاي تلات مجموعات لاحظ ماحدش
+
+480
+00:37:00,830 --> 00:37:03,070
+في الدنيا بالسجل يقولك تصنيف الغلط أو تقسم ..
+
+481
+00:37:03,070 --> 00:37:06,730
+برنامج تقسيمك طالما في عندك justification قوية،
+
+482
+00:37:06,730 --> 00:37:11,670
+ليش أنت قسمت هيك؟ الأحيان إحنا بنعجز عن نشوف الـ
+
+483
+00:37:11,670 --> 00:37:14,910
+common properties في ال data set تخيل data set
+
+484
+00:37:14,910 --> 00:37:19,370
+فيها 100 attributes و مليون record، إيش ال common
+
+485
+00:37:19,370 --> 00:37:24,030
+اللي بينهم؟عارفش فبقول لل system أشغل نيابة عني
+
+486
+00:37:24,030 --> 00:37:29,110
+قسملي إياهم لتلت مجموعات فببدأ يروح يدرس الخصائص و
+
+487
+00:37:29,110 --> 00:37:33,630
+بقسملك إياهم كذلك في ال association rules سواء
+
+488
+00:37:33,630 --> 00:37:36,410
+كانت في الأمراض في ال marketing إلى آخره وال
+
+489
+00:37:36,410 --> 00:37:41,350
+outlier detection بعد هيكد لسبوع تلت عشر هنبدأ في
+
+490
+00:37:41,350 --> 00:37:45,900
+ال data visualizationوال knowledge presentation 14
+
+491
+00:37:45,900 --> 00:37:50,560
+و 15 ال 14 هيكون نتناول موضوع من الموضوع الجديد ان
+
+492
+00:37:50,560 --> 00:37:53,880
+شاء الله تعالى و ال 15 هيكون في عندنا project
+
+493
+00:37:53,880 --> 00:37:57,560
+presentation and discussion ان شاء الله تعالى
+
+494
+00:37:57,560 --> 00:38:05,560
+هيتعلق مسابقين تبعين طبيعي هعلمك تجلجش هعلمك بما
+
+495
+00:38:05,560 --> 00:38:12,550
+يمشيلك المسابق ليش أنا جاي؟ ان شاء الله تعالىطيب،
+
+496
+00:38:12,550 --> 00:38:18,530
+الآن اسلوبنا في التدريس هيكون كالتالي محاضرة،
+
+497
+00:38:18,530 --> 00:38:23,330
+مجموعة نقاش، عمل جماعي وبعض الفيديوهات والـ
+
+498
+00:38:23,330 --> 00:38:26,390
+presentation اللي هزودك فيها وممكن نعرض شغلة
+
+499
+00:38:26,390 --> 00:38:29,390
+ونتناقش فيها مع بعض حسب التفكير يعني شوية شوية
+
+500
+00:38:29,390 --> 00:38:34,250
+هتكون الأمور هتختلف المادة عن database اتنين لأنه
+
+501
+00:38:34,250 --> 00:38:37,090
+فعليا المادة مختلفة فيها ممكن تكون في interaction
+
+502
+00:38:37,090 --> 00:38:41,870
+بين أو بينك بشكل كبيراللي أنتوا بتدوروا عليه من
+
+503
+00:38:41,870 --> 00:38:47,350
+ساعة توزيع العلمات عشر علامات quizات و assignment
+
+504
+00:38:47,350 --> 00:38:53,390
+عشرة على مشاركة في نشاطة المساقى خلال الفصل إيش
+
+505
+00:38:53,390 --> 00:38:56,170
+المشاركة؟ discussion لأن ممكن تكون فيه علامات
+
+506
+00:38:56,170 --> 00:39:01,590
+وفلان طبعا هذه الأعشرة بالذات أنت فيهم صفر إلا لما
+
+507
+00:39:01,590 --> 00:39:07,210
+تشارك يعني مثلا إيش اسم اللي بجنبك عليه؟برضه علي؟
+
+508
+00:39:07,210 --> 00:39:12,270
+علي تربيع ولا علي اتنين؟ الان علي قرر انك بتبقى
+
+509
+00:39:12,270 --> 00:39:16,870
+يلعب في الجوال قول المحاضرة مش مشكلة فلازم تشاركني
+
+510
+00:39:16,870 --> 00:39:20,850
+في المحاضرة عشان يسجلك ان فعلي فلان ناشيق المحاضرة
+
+511
+00:39:20,850 --> 00:39:24,090
+هاي فلان نايم فلان ناسان فلان مشغول المحاضرة اللي
+
+512
+00:39:24,090 --> 00:39:26,990
+بتغيب فيها العذر أنا سامحك فيها في المناقشة وإذا
+
+513
+00:39:26,990 --> 00:39:29,150
+قررتي تغيب كتير هسحبلك المادة
+
+514
+00:39:33,110 --> 00:39:37,670
+مصبوط؟ عشرين في المية او عشرين علامة على ال
+
+515
+00:39:37,670 --> 00:39:43,450
+midterm عشرين علامة على final project وهذا غالبا
+
+516
+00:39:43,450 --> 00:39:46,310
+هتكون فيه تلتات او مجموعات يعني حاجة simple فيه مش
+
+517
+00:39:46,310 --> 00:39:50,550
+هتكون لوحدك واربعين في المية امتحان نهائي توزيع
+
+518
+00:39:50,550 --> 00:39:53,670
+بسيطة وسهلة يعني ممكن تروح على ال final عارف
+
+519
+00:39:53,670 --> 00:39:57,750
+بالظبط وتقدش كام علامة لك عندي وكم واحدة عشان تجيب
+
+520
+00:39:57,750 --> 00:40:03,320
+امتيازاللي بيلزبك .. كم واحد بعرف Python فيكوا
+
+521
+00:40:03,320 --> 00:40:06,960
+الشباب؟ ولا واحد .. هاي في واحد .. كويس الله يجبر
+
+522
+00:40:06,960 --> 00:40:11,660
+خاطرك فرصة تتعلم شغلة جديدة بس هذه حتكون لوحدك ال
+
+523
+00:40:11,660 --> 00:40:15,160
+Java مابتخدمناش كتير في ال .. في ال data mining
+
+524
+00:40:15,160 --> 00:40:18,660
+وإن كان ال Python هي ال trend ممكن تلاقي بس حتتغلب
+
+525
+00:40:18,660 --> 00:40:25,500
+.. حت .. لأ ماعنديش مشكلة تعرف ال SQL؟ عشي
+
+526
+00:40:28,920 --> 00:40:32,220
+هنتعرف كذلك، بيلزم نتعامل مع الـ Rapid Miner أنتم
+
+527
+00:40:32,220 --> 00:40:35,560
+ملاحظين إن المادة مافيش معاها عمل أي شباب فإنت
+
+528
+00:40:35,560 --> 00:40:42,820
+م��يد العملي تبع المادة، مش أنا، أنت وبدأ المناسبة،
+
+529
+00:40:42,820 --> 00:40:47,340
+احنا أخدنا قرار في الكلية كل مستوى تالت من السنة،
+
+530
+00:40:47,340 --> 00:40:50,620
+عفوا، الرابع، من السنة الجاية، من الخطة الجديدة،
+
+531
+00:40:50,620 --> 00:40:55,490
+مافيش عمليوتالت قلصنا العملي قدر المستطاع لأنه أنت
+
+532
+00:40:55,490 --> 00:40:58,150
+اللي المفروض تكون معيد بالسنة اللي بعديها فخلصنا
+
+533
+00:40:58,150 --> 00:41:02,570
+يعني ابدا اشتغل اتعب لأ مش السنة اللي جاية هي لسه
+
+534
+00:41:02,570 --> 00:41:07,610
+عندها الخط القديمة شغال متطلبات المساق متطلبات
+
+535
+00:41:07,610 --> 00:41:10,010
+المساق حضورك إجبار يا صاحب مافيش علي علامات
+
+536
+00:41:10,010 --> 00:41:14,410
+علاماتك على نشاطك أنت جيت و تقعد هنا عشان تتنشط
+
+537
+00:41:14,410 --> 00:41:18,010
+معانا و ناخد و نعطي مع بعض فبنسجلك علامات مش عشان
+
+538
+00:41:18,010 --> 00:41:25,050
+حضوركتمام؟ 25% الشباب غياب هذا قانون الجامعة مافيش
+
+539
+00:41:25,050 --> 00:41:29,870
+موعد مسبق لل quiz دربت
+
+540
+00:41:29,870 --> 00:41:33,770
+معاكم على وجوه الكريمة الطيبة جامل هيك وانا لا ..
+
+541
+00:41:33,770 --> 00:41:37,850
+ماعش الحال بس مافيش موعد .. مافيش موعد مسبق لل
+
+542
+00:41:37,850 --> 00:41:42,460
+quizومافيش أي عذر ما ترجعنيش في quiz انت غيبت عن
+
+543
+00:41:42,460 --> 00:41:45,580
+محاضرته انه ماكنش معايا خبر يا دكتور وانا بقولك
+
+544
+00:41:45,580 --> 00:41:49,620
+مافيش quiz ذات الله يمن عليك بتمام الصحة و العافية
+
+545
+00:41:49,620 --> 00:41:54,320
+انت و والدك و كل أحبابك و يمن عليك و بالرزق الوفير
+
+546
+00:41:54,320 --> 00:41:58,600
+تمام؟ و تجيني كل محاضرة على البدري على موعدها عشان
+
+547
+00:41:58,600 --> 00:42:02,740
+ما تغيبش لأن هذه الأمور اللي ممكن تمنعك لتيجي يعني
+
+548
+00:42:02,740 --> 00:42:08,660
+طيب عادة بالزمن هان اتراجع باستمرارلأن التقييم
+
+549
+00:42:08,660 --> 00:42:11,200
+هيكون مختلف عن العوام الماضية أو عن ما انت عهدته
+
+550
+00:42:11,200 --> 00:42:14,800
+سابقا جوالك
+
+551
+00:42:14,800 --> 00:42:17,480
+على الأقل يكون صامت خصوصا انه قاعتنا هي في اللي
+
+552
+00:42:17,480 --> 00:42:21,460
+احنا عاملا بنسجل ال video و بنسجل المحاضرة و
+
+553
+00:42:21,460 --> 00:42:25,200
+بالتالي يعني يكفيني صوتي و صوتك هو اللي يكونوا
+
+554
+00:42:25,200 --> 00:42:31,700
+موجودين صوت جوالاتنا مافيش داعي لحكمة الفصل أو
+
+555
+00:42:31,700 --> 00:42:38,410
+السنة هاي استمتع بحياة قدر المستطاع تمام؟و لا تنسى
+
+556
+00:42:38,410 --> 00:42:42,670
+نصيبك من الدنيا و أحسن كما أحسن الله إليك كمل
+
+557
+00:42:42,670 --> 00:42:47,310
+الآية بس إحنا اتعودنا ناخد ال .. إيه؟ ال .. إيه؟
+
+558
+00:42:47,310 --> 00:42:47,630
+ال .. إيه؟ ال .. إيه؟ ال .. إيه؟ ال .. إيه؟ ال ..
+
+559
+00:42:47,630 --> 00:42:48,470
+إيه؟ ال .. إيه؟ ال .. إيه؟ ال .. إيه؟ ال .. إيه؟
+
+560
+00:42:48,470 --> 00:42:50,130
+ال .. إيه؟ ال .. إيه؟ ال .. إيه؟ ال .. إيه؟ ال ..
+
+561
+00:42:50,130 --> 00:42:51,550
+إيه؟ ال .. إيه؟ ال .. إيه؟ ال .. إيه؟ ال .. إيه؟
+
+562
+00:42:51,550 --> 00:42:53,190
+ال .. إيه؟ ال .. إيه؟ ال .. إيه؟ ال .. إيه؟ ال ..
+
+563
+00:42:53,190 --> 00:42:56,990
+إيه؟ ال .. إيه؟ ال .. إيه؟ ال .. إيه؟ ال ..
+
+564
+00:42:56,990 --> 00:42:59,510
+إيه؟ ال ..
+
+565
+00:43:07,660 --> 00:43:11,920
+تمام؟ حتى كثير من أهل الدين بت .. اللي بيقولوا إن
+
+566
+00:43:11,920 --> 00:43:16,900
+حياتك أو أقدارك صنعوا يديك يقال إن يوسف عليه
+
+567
+00:43:16,900 --> 00:43:21,100
+السلام لما طال عليه السجن قال يا ربي طال .. طال
+
+568
+00:43:21,100 --> 00:43:28,680
+السجن اه قال لو سألت العفوة لعفينك و قال ربي السجن
+
+569
+00:43:28,680 --> 00:43:32,970
+و أحبه إليا مما .. ماقالش ربي اصرف عنك ايه دهونوهو
+
+570
+00:43:32,970 --> 00:43:35,770
+قدم السجن عن طلب الله الرحمن فاخد معينة له
+
+571
+00:43:35,770 --> 00:43:39,910
+وبالتالي انت بيه لا لفظك ولا نيتك انت وين بتكون
+
+572
+00:43:39,910 --> 00:43:44,770
+طبعا هاي الدرس في التنمية البشرية، كمل؟ يللا، الآن
+
+573
+00:43:44,770 --> 00:43:50,110
+بيظنك تصبر لإنه مش كلش على كيفك، وبدك تتعدي في
+
+574
+00:43:50,110 --> 00:43:52,890
+المساق هذا وفي الحياة كلها يتهك، المساق مش ممكن
+
+575
+00:43:52,890 --> 00:43:56,170
+يجي ع كيفك دائما، ولا مدرس المساق، ولا علامات
+
+576
+00:43:56,170 --> 00:43:57,450
+المساق، خلاش راك هاشم
+
+577
+00:44:00,400 --> 00:44:05,460
+لأ، انت شوف، انت بتتمنى، بس انت اجتهدت عشان تحصل
+
+578
+00:44:05,460 --> 00:44:09,700
+عليها في الآخر، يعني قد ممكن تجدها دو ما ترضاش، بس
+
+579
+00:44:09,700 --> 00:44:12,640
+في الآخر هذا أصبح أمر واقعي موجود، فبدها تعدي في
+
+580
+00:44:12,640 --> 00:44:17,040
+الآخر، لازم تصبر كويس، وفي الآخر لازم تتمتع
+
+581
+00:44:17,040 --> 00:44:20,700
+بالجدية، لأن مش كل حياتنا لعوم، عشان تحقق أهدافك،
+
+582
+00:44:20,700 --> 00:44:23,340
+شباب من المساقات الممتعة، اللي ممكن تستفيد منه
+
+583
+00:44:23,340 --> 00:44:28,210
+بشكل كويسانشي اتضيعوا وانشي اتستعلم وانا بحاول
+
+584
+00:44:28,210 --> 00:44:34,870
+اعلمك قدر ما بستطيع ان شاء الله تعالى خلص
+
+585
+00:44:34,870 --> 00:44:40,650
+السلبس هندردش شوية صغيرة كمقدمة كمقدمة عشان ننتهي
+
+586
+00:44:40,650 --> 00:44:45,830
+زي ما انتهينا في المحاضرة السابقة الآن في عندي هرم
+
+587
+00:44:45,830 --> 00:44:50,030
+بيسميه هرم المعلومات او هرم البياناتعادةً إحنا
+
+588
+00:44:50,030 --> 00:44:53,370
+بنتكلم Data Mining ونتكلم Data Base، مظبوط؟ ونتكلم
+
+589
+00:44:53,370 --> 00:44:56,910
+Data Communication، كل شيء Data، مافيش معلومات،
+
+590
+00:44:56,910 --> 00:45:03,250
+لأن الـ Data هذه بيلزمها سياق معين عشان تصير
+
+591
+00:45:03,250 --> 00:45:08,590
+معلومة، بنفعش وإحنا نيجي بنتكلم، بنفكر، عاملين
+
+592
+00:45:08,590 --> 00:45:12,530
+محاضرة أو جلسة حوار عشان شو كيف بدنا نسقط صفقة
+
+593
+00:45:12,530 --> 00:45:19,170
+القرن، نقط واحد يقول لي والله عماد راجل طيب،ويا عز
+
+594
+00:45:19,170 --> 00:45:27,150
+ما تنعزم عنده معلومة data عماد راجل كريم ومقدّم
+
+595
+00:45:27,150 --> 00:45:31,730
+أكل طيب بهمش، شو دخلها في السياق اللي احنا بنتكلم
+
+596
+00:45:31,730 --> 00:45:37,870
+فيه حتى لو كانت معلومة قيمة فقدت قيمتها، ليش؟ مش
+
+597
+00:45:37,870 --> 00:45:42,770
+في المكان الصح فبالتالي إذا ال data هاي اتوفر لها
+
+598
+00:45:42,770 --> 00:45:48,710
+context مناسبمعناته انا بتكلم على information صارت
+
+599
+00:45:48,710 --> 00:45:53,150
+معلومة والمعلومة طبعا بمعناها أو بقيمتها بالوقت أو
+
+600
+00:45:53,150 --> 00:45:59,550
+بالزمان اللي قيلت فيه المعلومات هذه إذا نظمتها
+
+601
+00:45:59,550 --> 00:46:05,490
+rules المعلومات هذه إذا صارت فيه rules بتحكمها و
+
+602
+00:46:05,490 --> 00:46:10,110
+بتطبقها معناته احنا بنتكلم على knowledge أو معرفة
+
+603
+00:46:10,110 --> 00:46:11,270
+الآن
+
+604
+00:46:19,140 --> 00:46:24,660
+بسمع إن الصائم يحق له أن يفطر في رمضان أو المسلم
+
+605
+00:46:24,660 --> 00:46:28,140
+يحق له يفطر في رمضان إيش بتقول يا رادي الصيام فرض
+
+606
+00:46:28,140 --> 00:46:33,900
+.. فرض في شروط هيلاحظ إن كان في عندي معلومة الآن
+
+607
+00:46:33,900 --> 00:46:37,460
+الشروط هذه هي اللي خلتها معرفة لإن المعرفة بتعتمد
+
+608
+00:46:37,460 --> 00:46:40,280
+عليها تطبيق يا جماعة الخير المعرفة بترتب عليها
+
+609
+00:46:40,280 --> 00:46:46,300
+تطبيق على خلاف المعلومة الآن طب مين اللي بيقدر أنت
+
+610
+00:46:46,300 --> 00:46:50,970
+بصحيح أقولك تفطر في رمضان ولا لأ؟إتنين طبيب مسلم
+
+611
+00:46:50,970 --> 00:46:57,050
+حاذق أو شاطر أو أنت لو كنت من أهل التقوى ونكلكوا
+
+612
+00:46:57,050 --> 00:47:00,950
+كذلك إن شاء الله تبارك وتعالى، مصبوط؟ ماينفعش حد
+
+613
+00:47:00,950 --> 00:47:04,590
+تاني يقولك يا زلمة أفطر أنت تعبان، أنت مريض، و
+
+614
+00:47:04,590 --> 00:47:07,990
+الله أدّاك رخصة أنك تفطر في رمضان، صحيح، بس أنت
+
+615
+00:47:07,990 --> 00:47:11,270
+كمان بتقيم نفسك أنا فعليا أهل الرخصة هي ولا لأ؟
+
+616
+00:47:11,990 --> 00:47:14,970
+طبعا هذه الكلام على قدر إيمانك بالله تبارك وتعالى
+
+617
+00:47:14,970 --> 00:47:18,670
+و تقواك إلهم الآن ال knowledge هذه أو المعرفة هذه
+
+618
+00:47:18,670 --> 00:47:24,090
+مع التجارب العملية صارت wisdom صارت حكمة نصينا
+
+619
+00:47:24,090 --> 00:47:28,890
+نقول فلان حكيم ليش؟ عنده معرفة واسعة و عنده تجربة
+
+620
+00:47:28,890 --> 00:47:32,210
+كبيرة في الحياة أو في المجال اللي بيشتغل فيه فهي
+
+621
+00:47:32,210 --> 00:47:42,170
+ال wisdom أعلى درجات المعرفة ومن أوتي الحكمةفقد
+
+622
+00:47:42,170 --> 00:47:49,310
+أوتي خيرا كثيرا طيب data mining ايش ال data mining
+
+623
+00:47:49,310 --> 00:47:54,030
+اولا ال data mining هي عبارة عن equivalent term ل
+
+624
+00:47:54,030 --> 00:48:01,430
+knowledge discovery from data استكشاف المعرفة من
+
+625
+00:48:01,430 --> 00:48:03,350
+البيانات KDD من ال data
+
+626
+00:48:07,360 --> 00:48:14,560
+data mining is extracting an interesting أنا هو
+
+627
+00:48:14,560 --> 00:48:26,580
+أنا بده أحط خط تحت interesting شو
+
+628
+00:48:26,580 --> 00:48:32,720
+يعني interesting ترجم ليها بالعربي مهمش ممتع
+
+629
+00:48:33,370 --> 00:48:40,130
+شيق، مثير، مظبوط؟ كل ال terms هاي بتصف باتجاه واحد
+
+630
+00:48:40,130 --> 00:48:44,990
+إنه أنا ال knowledge اللي أنا بدي أدور عليها لازم
+
+631
+00:48:44,990 --> 00:48:51,710
+يكون لها تأثير الآن بعرفلك مصطلح interesting non
+
+632
+00:48:51,710 --> 00:48:58,230
+-trivial مش تقليدي مش تقليدي يعني فيش شغلة جديدة
+
+633
+00:48:59,370 --> 00:49:03,470
+تمام؟ يعني أقول جديد هذا يعني مش الناس شايفة شبهه
+
+634
+00:49:03,470 --> 00:49:07,550
+emblest
+
+635
+00:49:07,550 --> 00:49:11,830
+هو ضمن في ال data مش أي واحد بتطلع في ال data
+
+636
+00:49:11,830 --> 00:49:15,530
+بيقدر يشوفها طبعا أنا بتكلم على interesting
+
+637
+00:49:15,530 --> 00:49:18,190
+pattern عشان تكتمل الصورة الخطوة اللي المفروض
+
+638
+00:49:18,190 --> 00:49:25,170
+يكونها ان extracting of interesting pattern الان
+
+639
+00:49:25,170 --> 00:49:28,970
+ال interesting pattern هذازي ما قلنا non-trivial
+
+640
+00:49:28,970 --> 00:49:32,470
+غير تقليدي emplaced ضمن في ال data بحتاج إلى جود
+
+641
+00:49:32,470 --> 00:49:35,690
+استخراجه ولا كل الناس صارت هتشتغل مناقبين عن الذهب
+
+642
+00:49:35,690 --> 00:49:44,170
+و تحوش الذهب ولا لا previously unknown ماحدش
+
+643
+00:49:44,170 --> 00:49:46,870
+بيعرفه مسبقا ال knowledge أو ال pattern هذا ماحدش
+
+644
+00:49:46,870 --> 00:49:50,130
+عرضه لأنه إذا حد عرضه سابقا انت قاعد بتكرر شغل
+
+645
+00:49:50,130 --> 00:49:52,690
+الآخرين potentially
+
+646
+00:49:53,870 --> 00:49:58,110
+useful لازم يكون بترتب عليه action لازم يكون فيه
+
+647
+00:49:58,110 --> 00:50:02,130
+مرافعة مابينفعش اروح اقول اللي والله اه اللي ممكن
+
+648
+00:50:02,130 --> 00:50:05,050
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+649
+00:50:05,050 --> 00:50:05,070
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+650
+00:50:05,070 --> 00:50:05,250
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+651
+00:50:05,250 --> 00:50:06,110
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+652
+00:50:06,110 --> 00:50:08,510
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+653
+00:50:08,510 --> 00:50:08,590
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+654
+00:50:08,590 --> 00:50:09,270
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+655
+00:50:09,270 --> 00:50:09,270
+اللي اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+656
+00:50:09,270 --> 00:50:17,950
+اللي اللي اللي اللي اللي اللي اللي اللي اللي
+
+657
+00:50:17,950 --> 00:50:23,280
+الليممتاز، إيش ال�� action اللي بتقدر تاخده عليه؟
+
+658
+00:50:23,280 --> 00:50:28,920
+تمنع خصوف القمر أو تزرعش رز فكل الحالتين مستحيلة،
+
+659
+00:50:28,920 --> 00:50:33,620
+هذا useless ما هي كذا، معلومة بتصير زي إيش
+
+660
+00:50:33,620 --> 00:50:39,380
+المعلومات اللي لا تصمن ولا تجني من جوعك الآن ال
+
+661
+00:50:39,380 --> 00:50:44,240
+data mining ال data mining تعرف تعريف آخر ال
+
+662
+00:50:44,240 --> 00:50:53,030
+process of identifyingالعملية الغير تقليدية أو
+
+663
+00:50:53,030 --> 00:50:58,350
+الغير سهلة أو الغير بسيطة لتعريف valid شو يعني
+
+664
+00:50:58,350 --> 00:51:06,350
+valid؟ صالح، دقيق، صح، يعني بنقدر نثق فين؟ النتيجة
+
+665
+00:51:06,350 --> 00:51:13,190
+تبعته potentially useful مفيد و هيترتب عليه action
+
+666
+00:51:13,190 --> 00:51:20,110
+and ultimately understandableلازم يكون مفهوم لأنه
+
+667
+00:51:20,110 --> 00:51:23,510
+إذا أنا بدي أجيب شغلة جديدة للناس المعنية يا مؤمن
+
+668
+00:51:23,510 --> 00:51:27,410
+لازم تفهم الكلام اللي أنا بقوله عشان تقدر تاخد
+
+669
+00:51:27,410 --> 00:51:34,770
+عليه action بينفعش أجي أتكلم مع تعوض مثلا بعمل
+
+670
+00:51:34,770 --> 00:51:38,030
+system عشان يساعد الأطباء في ال diagnosis و أجي
+
+671
+00:51:38,030 --> 00:51:41,930
+أقولهم هذي 01 و لو عملتلها أس تربيع وكذا و مش عارف
+
+672
+00:51:41,930 --> 00:51:46,070
+.. الكلام بيعنهوش اديله المعلومة عشان هيك هامت ال
+
+673
+00:51:46,070 --> 00:51:50,060
+presentationاتديله المعلومة بالشكل اللي هو يفهمه
+
+674
+00:51:50,060 --> 00:51:54,460
+لأنه إذا هو أخده يا سامير .. يا عارف؟ سامير ولا
+
+675
+00:51:54,460 --> 00:51:59,100
+عارف؟ سامير عارف لو هو أخد المعلومة بالشكل اللي
+
+676
+00:51:59,100 --> 00:52:03,220
+بيفهمها تمام؟ هيبني عليها action، هتصير الشغل
+
+677
+00:52:03,220 --> 00:52:08,300
+useful بالنسبة له طبعاً هاي تعريف ال pattern هي
+
+678
+00:52:08,300 --> 00:52:11,540
+عبارة عن arrangement of repeated parts هي الشغلات
+
+679
+00:52:11,540 --> 00:52:17,870
+.. هو أهم شغلة فيها تكرار والترتيبلأنه لما بيظهر
+
+680
+00:52:17,870 --> 00:52:21,950
+النسق أو الـ pattern هذا بنفسي كيفية بصير اتكلم
+
+681
+00:52:21,950 --> 00:52:25,190
+عليه better تبع لنسبة معينة محددة يا محمد زي ما
+
+682
+00:52:25,190 --> 00:52:30,450
+انت قولت valid هذا لازم يكون true لما أنا بقادي
+
+683
+00:52:30,450 --> 00:52:33,770
+اطبق عليه data جديدة يعني انت بتقولي انا و الله
+
+684
+00:52:33,770 --> 00:52:36,950
+okay انا في عندي rule او في عندي algorithm او في
+
+685
+00:52:36,950 --> 00:52:42,030
+عندي data product ممكن يعمل classification لكذا
+
+686
+00:52:42,030 --> 00:52:47,360
+okay على ال all data صحيحأبتعالي نجرب الـ real
+
+687
+00:52:47,360 --> 00:52:50,460
+data اللي موجودة عندنا حقيقية جدّيش هو صحيح فيها
+
+688
+00:52:50,460 --> 00:52:55,040
+تمام؟ وبناء عليه أنا لازم أقبله novel زي ما قولنا
+
+689
+00:52:55,040 --> 00:52:59,200
+ما حد شافه actionable لازم يكون عليه شغلة مفهومة
+
+690
+00:52:59,200 --> 00:53:02,760
+وزي ما قولنا سابقا understandable لازم يكون مفهوم
+
+691
+00:53:02,760 --> 00:53:06,560
+في البيئة اللي أنا بتكلم فيها عشان نقدر ناخد ال
+
+692
+00:53:06,560 --> 00:53:10,380
+action ليش احنا محتاجين ال data mining؟ الآن
+
+693
+00:53:10,380 --> 00:53:16,890
+البيانات عامالها بتتضخمبشكل مخيف مصادر البيانات كل
+
+694
+00:53:16,890 --> 00:53:20,790
+شيء اليوم أصبحت موجودة عندنا وبنقدر نجمعها بكل
+
+695
+00:53:20,790 --> 00:53:27,210
+بساطة data collection و data availability البيانات
+
+696
+00:53:27,210 --> 00:53:30,930
+متاحة بس خد automated data collection tool موجود
+
+697
+00:53:30,930 --> 00:53:34,770
+فيه عندى أدوات في مجال أنا أجمع بيانات بشكل تلقائي
+
+698
+00:53:34,770 --> 00:53:42,070
+أه فيه حط sensors اعمل برنامج يعمل scrabbing لل
+
+699
+00:53:42,070 --> 00:53:46,050
+websitesأو الـ social media sites أو الـ networks
+
+700
+00:53:46,050 --> 00:53:50,450
+فانت بتقدر تجمع البيانات بشكل .. الآن كذلك أعظم
+
+701
+00:53:50,450 --> 00:53:56,410
+المؤسسات صحية وتعليمية واجتماعية في البلدان عندها
+
+702
+00:53:56,410 --> 00:54:00,990
+data ضخمة جدا بتعداد الناس اللي ساكنينها وبالتالي
+
+703
+00:54:00,990 --> 00:54:07,550
+ممكن تستفيد منها الآن أهم تلت مصادر للناس للبيانات
+
+704
+00:54:07,550 --> 00:54:12,230
+ال business، التجارة، طبعا أنا بتكلم عن الاقتصاد
+
+705
+00:54:13,680 --> 00:54:22,520
+الـ Science العلوم كلها كانت طبية اجتماعية تعليمية
+
+706
+00:54:22,520 --> 00:54:27,960
+زراعية في كل المجالات في العلوم ال society في
+
+707
+00:54:27,960 --> 00:54:31,420
+الحياة الاجتماعية ما بين الناس في الأخبار و ال
+
+708
+00:54:31,420 --> 00:54:33,800
+digital cameras و ال YouTube و القنوات و الصفحات
+
+709
+00:54:33,800 --> 00:54:38,160
+فانت فعليا عندك هذه أصبحت مصادر بيانات مهمة جدا
+
+710
+00:54:38,160 --> 00:54:46,580
+ممكن تبني عليها decision فعليا أصبحنابنغرق في
+
+711
+00:54:46,580 --> 00:54:53,380
+البيانات و بنتدور جوعا للمعرفة الآن بعض الناس أو
+
+712
+00:54:53,380 --> 00:54:55,940
+بعض المفسرين كانوا بيقولوا في القرآن أو في تفسير
+
+713
+00:54:55,940 --> 00:54:59,960
+آية القرآن و تلك الأيام نداولها بين الناس يعني
+
+714
+00:54:59,960 --> 00:55:07,260
+أحداث التاريخ تتكرر بأشخاص مختلفةالـ behavior واحد
+
+715
+00:55:07,260 --> 00:55:11,720
+والـ action واحد يعني ما نتشوف مش غريب أن نقول
+
+716
+00:55:11,720 --> 00:55:16,660
+والله انتشر فيروس في الصين مثلا وقضى على 1500 شخص
+
+717
+00:55:16,660 --> 00:55:20,620
+طب ما هو طعون عمواس قبل مش عارف كام سنة برضه قضى
+
+718
+00:55:20,620 --> 00:55:25,460
+على نفس العدد ويزيد تقريباطب شو الاختلاف؟ مُسمّى
+
+719
+00:55:25,460 --> 00:55:28,580
+الـ Virus أو مُسمّى البكتيريا أو مُسبّب المرض؟ حسب
+
+720
+00:55:28,580 --> 00:55:33,140
+العلوم بتختلف الأمور وبالتالي الـ Historical Data
+
+721
+00:55:33,140 --> 00:55:38,960
+المتراكمة عندي بتحتوي على Knowledge تخدمني في
+
+722
+00:55:38,960 --> 00:55:43,160
+مستقبلي لأن إذا أتعرفت على الحدث سابقًا بتعرف على
+
+723
+00:55:43,160 --> 00:55:46,980
+كيف أتجنبه أو ممكن أنا أحاول أستفيد من الخبرة
+
+724
+00:55:46,980 --> 00:55:51,560
+السابقة وأتجنبه وبالتالي بما أن الحاجة أم الإختراع
+
+725
+00:55:52,300 --> 00:55:57,680
+فاحنا فعلياً بحاجة إلى automated analysis للـ
+
+726
+00:55:57,680 --> 00:56:02,400
+historical data أو لل big data اللي موجودة عندنا
+
+727
+00:56:02,400 --> 00:56:08,020
+حتى نحصل على مطلوبنا من البيانات اللي موجودة عندنا
+
+728
+00:56:08,020 --> 00:56:12,400
+أنا هيك اليوم خلصت المقدمة تبعتي اللي تناولتها ال
+
+729
+00:56:12,400 --> 00:56:16,720
+syllabus والمقدمة البسيطة عن ال data mining في حد
+
+730
+00:56:16,720 --> 00:56:20,840
+عنده أي سؤال يا شباب؟ في حد عنده أي اعتراض على
+
+731
+00:56:20,840 --> 00:56:22,060
+الخطة؟
+

PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/zzmXFQBnsgA.srt

@@ -0,0 +1,1406 @@
+1
+00:00:00,980 --> 00:00:03,820
+بسم الله والحمد لله والصلاة والسلام على رسول الله
+
+2
+00:00:03,820 --> 00:00:10,700
+أهلا وسهلا بكم في محاضرتنا الجديدة المصورة لمساب
+
+3
+00:00:10,700 --> 00:00:14,820
+تنقيب البيانات اليوم إن شاء الله تعالى، سنتكلم عن
+
+4
+00:00:14,820 --> 00:00:20,610
+chapter regression، هنا في الـ Regression نتكلم عن
+
+5
+00:00:20,610 --> 00:00:26,830
+المهمة الثانية في التصنيف التنبؤي predictive category للـ
+
+6
+00:00:26,830 --> 00:00:30,650
+Data Mining، اتفقنا من البداية أن Data Mining
+
+7
+00:00:30,650 --> 00:00:33,730
+تنقسم إلى two tasks
+
+8
+00:00:36,820 --> 00:00:41,280
+واحدة تنبؤية predictive  والثانية وصفية descriptive، وتكلمنا تحت
+
+9
+00:00:41,280 --> 00:00:47,000
+التصنيف predictive tasks  عنده
+
+10
+00:00:47,000 --> 00:00:50,280
+التصنيف classification وهي التنبؤ بـ class label أو بـ
+
+11
+00:00:50,280 --> 00:00:58,030
+category value أو بـ nominal value، بينما المهمة task
+
+12
+00:00:58,030 --> 00:01:00,710
+الثانية هي الـ Regression والتنبؤ بالقيم المستمرة Continuous
+
+13
+00:01:00,710 --> 00:01:04,570
+Value، وفي المقابل لدينا في الـ Descriptive Task
+
+14
+00:01:04,570 --> 00:01:07,730
+كان في عندنا Clustering وعندنا Association Rules
+
+15
+00:01:07,730 --> 00:01:11,070
+وفي عندنا الـ Outlier Detection، وهذه سنتكلم عنها
+
+16
+00:01:11,070 --> 00:01:15,430
+في المحاضرات القادمة، فلنبدأ مع الـ Regression
+
+17
+00:01:16,730 --> 00:01:19,590
+الأمور التي سنتناولها في محاضرتنا اليوم:
+
+18
+00:01:19,590 --> 00:01:23,590
+مقدمة introduction و الـ Linear Regression، أو نشرحها، و
+
+19
+00:01:23,590 --> 00:01:28,610
+نكمل بعدها في...ممكن في فيديو آخر أو في تسجيل
+
+20
+00:01:28,610 --> 00:01:32,850
+آخر حسب كيف نمشي أو نُخصص  أو نستغل من الوقت
+
+21
+00:01:32,850 --> 00:01:36,210
+الموجود عندنا، طبعاً، عندما أتحدث عن الـ Regression
+
+22
+00:01:36,210 --> 00:01:41,130
+أنا أُشير إلى أن الـ Regression يُستخدم من أجل
+
+23
+00:01:41,130 --> 00:01:45,150
+التنبؤ
+
+24
+00:01:47,830 --> 00:01:54,390
+بمدى من القيم للقيم العددية range of numeric values
+
+25
+00:01:54,390 --> 00:01:59,970
+numeric values، وهنا
+
+26
+00:01:59,970 --> 00:02:04,770
+أتحدث عن القيم المستمرة continuous value بالتحديد، أتحدث عن
+
+27
+00:02:04,770 --> 00:02:09,650
+continuous value بالتحديد، طبعاً تقنية Regression
+
+28
+00:02:09,650 --> 00:02:16,440
+تُستخدم في موضوع التنبؤ prediction، كما
+
+29
+00:02:16,440 --> 00:02:20,200
+قلنا، هي واحدة من مهام التنبؤ prediction task  الموجودة
+
+30
+00:02:20,200 --> 00:02:23,280
+فيها من أجل أن أتوقع قيماً، كما قلنا، مستمرة continuous
+
+31
+00:02:23,280 --> 00:02:28,100
+value، الربح profit، قيمة المبيعات، الـ
+
+32
+00:02:28,100 --> 00:02:32,420
+ديون debit، أسعار المبيعات sales،  معدلات الاقتراض debit rates، قيمة القروض أو
+
+33
+00:02:32,420 --> 00:02:37,280
+الفوائد، قيم المنازل house values، درجات الحرارة
+
+34
+00:02:37,280 --> 00:02:42,740
+temperature، أو المسافات التي يمكن استخدامها، وكل هذه
+
+35
+00:02:42,740 --> 00:02:45,700
+التنبؤات بأي قيمة مستمرة continuous value، سواء كان في هذا المثال
+
+36
+00:02:45,700 --> 00:02:53,280
+أو  أوزان أو أعمار أو أطوال أو مدة زمنية
+
+37
+00:02:53,280 --> 00:02:57,420
+إلى آخره، نحن نتحدث هنا عن أي قيمة رقمية numeric
+
+38
+00:02:57,420 --> 00:03:01,020
+number  تظهر أمامي أو numeric value،  معناها أنا
+
+39
+00:03:01,020 --> 00:03:04,660
+أتحدث عن Regression، طبعاً الـ Regression عندما
+
+40
+00:03:04,660 --> 00:03:07,460
+أبدأ بالتحدث أو كما يُطلق عليه البعض Regression
+
+41
+00:03:07,460 --> 00:03:12,380
+analysis، أستخدمها لأجد العلاقة بين الـ
+
+42
+00:03:12,380 --> 00:03:16,080
+Independent attribute أو الـ Independent variable
+
+43
+00:03:16,080 --> 00:03:24,240
+التي هي الـ X والـ Dependent variable التي هي الـ Y
+
+44
+00:03:24,240 --> 00:03:28,320
+طبعاً، الرسم واضح جداً، يُظهر الـ Independent
+
+45
+00:03:28,320 --> 00:03:32,880
+value التي هي قيمة الـ X، وفي عندنا الـ Dependent
+
+46
+00:03:32,880 --> 00:03:36,900
+value أو الـ attribute أو الـ variable، عفواً، التي هي
+
+47
+00:03:36,900 --> 00:03:42,150
+قيمة الـ Y، وطبعاً عندما أتحدث عن الـ Regression
+
+48
+00:03:42,150 --> 00:03:48,210
+يمكن تصنيفها إلى نوعين:  Simple Regression و
+
+49
+00:03:48,210 --> 00:03:50,730
+عندما أتحدث عن اسمها Simple Regression، معناته أنا
+
+50
+00:03:50,730 --> 00:03:58,810
+أتحدث عن أبسط أنواع التنبؤ، وهذه عادةً تتضمن
+
+51
+00:03:58,810 --> 00:04:02,510
+أو Simple Regression تتضمن فقط two variables، two
+
+52
+00:04:02,510 --> 00:04:05,010
+variables، نعم، two variables، واحد يكون Dependent
+
+53
+00:04:05,010 --> 00:04:08,920
+variable، والثاني يكون Independent، طبعاً واحد يكون
+
+54
+00:04:08,920 --> 00:04:12,560
+عندي التوضيحي explanatory والثاني يكون، وهي الـ
+
+55
+00:04:12,560 --> 00:04:17,620
+Response كما سميناه، يعني الآن الـ Y هي الـ
+
+56
+00:04:17,620 --> 00:04:20,620
+Dependent والـ X هي الـ Independent، لا تنسوا من
+
+57
+00:04:20,620 --> 00:04:24,520
+الأمثلة الموجودة التي أتحدث عنها:  السكان population و
+
+58
+00:04:24,520 --> 00:04:30,100
+إنتاج الغذاء food production، زيادة السكان
+
+59
+00:04:30,100 --> 00:04:34,860
+والحاجة لإنتاج الغذاء الموجودة لديهم، طبعاً لو
+
+60
+00:04:34,860 --> 00:04:37,580
+أنا جئت وتحدثت، أردت التحدث في هذه الجزئية بشكل
+
+61
+00:04:37,580 --> 00:04:41,760
+مفصل، لو افترضت أن لدينا هنا رسم high
+
+62
+00:04:41,760 --> 00:04:47,000
+high
+
+63
+00:04:47,000 --> 00:04:51,770
+X تمثل، تقول لك من مرتبط بمن، لو سألتكم سؤال
+
+64
+00:04:51,770 --> 00:04:56,710
+الكُلّ، من مرتبط بمن، أو من معتمد على من؟ زيادة
+
+65
+00:04:56,710 --> 00:05:01,630
+السكان population معتمدة على إنتاج الغذاء، أم
+
+66
+00:05:01,630 --> 00:05:09,770
+إنتاج الغذاء معتمد على زيادة السكان؟ نعم، معناته أنا
+
+67
+00:05:09,770 --> 00:05:11,890
+أتحدث هنا، أتحدث عن population
+
+68
+00:05:14,460 --> 00:05:18,780
+هي الـ Independent Variable، لأنه حسب العدد السكاني
+
+69
+00:05:18,780 --> 00:05:23,200
+أنا أتحدث عن أنني أُريد إنتاج غذاء، وهنا أتحدث
+
+70
+00:05:23,200 --> 00:05:31,540
+عن food production، الآن لو نظرت، كان في عندي
+
+71
+00:05:31,540 --> 00:05:37,180
+معادلة خطية بهذا الشكل، ماذا يعني هذا؟ يعني كلما
+
+72
+00:05:37,180 --> 00:05:41,220
+يزيد عدد السكان
+
+73
+00:05:45,780 --> 00:05:50,120
+سيزيد عند من الحاجة
+
+74
+00:05:50,120 --> 00:05:55,400
+إلى إنتاج غذائي أكبر، وهذه هي العلاقة، هذا مفهوم الـ
+
+75
+00:05:55,400 --> 00:05:58,180
+prediction، يعني لو افترضت أن السكان سيكون
+
+76
+00:05:58,180 --> 00:06:02,660
+عددهم 200 مليار،
+
+77
+00:06:02,660 --> 00:06:09,760
+معناته يجب أن يكون لديهم كمية غير معروفة من الغذاء، تمام
+
+78
+00:06:14,860 --> 00:06:17,280
+يعني عندما أتحدث عن الـ Simple Regression، أتحدث
+
+79
+00:06:17,280 --> 00:06:20,740
+عن أن هناك فقط two variables، واحد Independent واحد
+
+80
+00:06:20,740 --> 00:06:24,120
+Dependent، بينما في الـ Multiple Regression، معناته أنا
+
+81
+00:06:24,120 --> 00:06:30,640
+لدي أكثر من Independent Variable، لاحظوا في
+
+82
+00:06:30,640 --> 00:06:34,660
+الحالة الأولى، تكلمت أن لدي 2
+
+83
+00:06:34,660 --> 00:06:38,180
+variables فقط، مجموعة البيانات data set أو المهمة task الخاصة بي
+
+84
+00:06:38,180 --> 00:06:40,760
+فقط 2 variables، ومن هنا أنا أتحدث مباشرةً واحد
+
+85
+00:06:40,760 --> 00:06:44,420
+Dependent والثاني Independent، لأنه مستحيل في الـ
+
+86
+00:06:44,420 --> 00:06:49,120
+predictive task أن يكون لدي الاثنان Independent، فيجب
+
+87
+00:06:49,120 --> 00:06:52,580
+أن يكون واحد Dependent واحد Independent، عندما جئنا
+
+88
+00:06:52,580 --> 00:06:55,500
+نتحدث عن الـ Multiple Regression، هنا قلنا الـ
+
+89
+00:06:55,500 --> 00:06:57,800
+Multiple Regression، معناته أنا أتحدث عن أكثر من one
+
+90
+00:06:57,800 --> 00:07:00,640
+more than one Independent، لدي أكثر من Independent
+
+91
+00:07:00,640 --> 00:07:04,190
+attribute، هل يوجد لدي الـ Dependent attribute؟ يجب
+
+92
+00:07:04,190 --> 00:07:08,610
+أن يكون، وإلا ستكون المهمة task وصفية descriptive وليست تنب��ية predictive
+
+93
+00:07:08,610 --> 00:07:13,930
+مثل أسعار المنازل، لو سألتكم، أسعار البيوت
+
+94
+00:07:13,930 --> 00:07:23,350
+ما الذي يحكمها؟ أمور كثيرة، مساحة البناء، الـ
+
+95
+00:07:23,350 --> 00:07:29,210
+location الموقع، السعر price، وقت البيع، موسم البيع
+
+96
+00:07:31,480 --> 00:07:36,220
+أسعار المنازل المشابهة، وأمور كثيرة قد تُحكم
+
+97
+00:07:36,220 --> 00:07:39,380
+فيها، هذه كلها تُجرى prediction، لو جئت و
+
+98
+00:07:39,380 --> 00:07:46,200
+تحدثت عن العلاقة بين مرض السكري، حفظكم الله، و
+
+99
+00:07:46,200 --> 00:07:51,820
+جميع المسلمين، إن شاء الله، وقياسات الجسم human body
+
+100
+00:07:51,820 --> 00:07:54,160
+measurement
+
+101
+00:07:58,120 --> 00:08:04,500
+المؤشرات أو القياسات المتعلقة بجسم الإنسان: طوله و
+
+102
+00:08:04,500 --> 00:08:12,000
+وزنه، عمره، اللهم صلِّ على سيدنا محمد، سلوكه behavior
+
+103
+00:08:12,000 --> 00:08:16,030
+هل من بين هذه الأمور التي ذكرناها
+
+104
+00:08:16,030 --> 00:08:18,750
+فقط يؤثر في السكري؟ أن يكون موجوداً أم لا؟ لا، بالطبع لا
+
+105
+00:08:18,750 --> 00:08:21,990
+فهذه كلها مجتمعة، والنسب الموجودة هي
+
+106
+00:08:21,990 --> 00:08:24,910
+التي لا يمكن التحكم بها، فأنا أتحدث عن
+
+107
+00:08:24,910 --> 00:08:29,250
+Multiple Regression، نحن طبعاً عندما نتحدث في الـ
+
+108
+00:08:29,250 --> 00:08:34,550
+Regression وما زلنا في المقدمة introduction، أتحدث أن الـ
+
+109
+00:08:34,550 --> 00:08:37,230
+Regression analysis  بغض النظر كان Linear
+
+110
+00:08:37,230 --> 00:08:43,670
+أو عفواً، بسيط simple أو Multiple يخضع لإحدى
+
+111
+00:08:43,670 --> 00:08:47,110
+النموذجين two models  اللذين قد يكونان موجودين
+
+112
+00:08:47,110 --> 00:08:50,430
+عندي، إما Linear Model، عندما أتحدث عن Linear Model
+
+113
+00:08:50,430 --> 00:08:54,110
+أتحدث عن علاقة خطية، أو Non-Linear Model، أتحدث عن
+
+114
+00:08:54,110 --> 00:08:57,130
+معادلة قد تكون Polynomial وقد تكون أي
+
+115
+00:08:57,130 --> 00:09:01,190
+دالة رياضية تمثل القيمة الموجودة في الرسم.
+
+116
+00:09:01,190 --> 00:09:04,070
+الأولى التي ظهرت أمامنا هنا، يوجد لدينا علاقة خطية بين
+
+117
+00:09:04,070 --> 00:09:07,720
+الـ two variables الموجودين هنا، طبعاً الرسم
+
+118
+00:09:07,720 --> 00:09:12,280
+هنا ليسهل فهم الأمر ببساطة، أتحدث عن Simple
+
+119
+00:09:12,280 --> 00:09:16,160
+Regression، أنا الآن، العلاقة، يوجد علاقة خطية بين
+
+120
+00:09:16,160 --> 00:09:24,260
+الـ X والـ Y أيضاً،
+
+121
+00:09:24,260 --> 00:09:29,460
+العلاقة الخطية واضحة، أن
+
+122
+00:09:29,460 --> 00:09:37,260
+كلما زادت الـ X، كلما زادت الـ X قيمة الـ Y تنخفض
+
+123
+00:09:37,260 --> 00:09:40,100
+Relational Model أو علاقة خطية، في النهاية يمكن
+
+124
+00:09:40,100 --> 00:09:43,060
+تمثيلها بخط مستقيم باللون الأزرق، لكن في
+
+125
+00:09:43,060 --> 00:09:45,520
+الرسم الثاني هنا، أنا أتحدث عن Linear يوجد
+
+126
+00:09:45,520 --> 00:09:53,480
+curve،  curve، ما معادلتها هذه؟ هل هي مثلاً 1 على
+
+127
+00:09:53,480 --> 00:09:58,920
+X تربيع؟ التي بين قوسين تساوي X تربيع ناقص واحد،
+
+128
+00:10:03,220 --> 00:10:05,760
+مثلاً، الله أعلم، لأن هذه قد تكون جزء من
+
+129
+00:10:05,760 --> 00:10:10,710
+curve، عامل بهذا الشكل ومعامل shift معين، وهذا أشبه
+
+130
+00:10:10,710 --> 00:10:15,430
+بالتربيع، لكن في النهاية ليست معادلة خطية، وهي يعني
+
+131
+00:10:15,430 --> 00:10:19,510
+قد تكون العلاقة بهذا الشكل، أنا في هذه الحالة
+
+132
+00:10:19,510 --> 00:10:24,650
+لن أتمكن من التحدث عن أي Model قد يمثل البيانات، لا
+
+133
+00:10:24,650 --> 00:10:28,730
+خط مستقيم ولا curve ولا exponential ولا شيء من
+
+134
+00:10:28,730 --> 00:10:31,910
+هذه الأشياء كلها، فأنا لن أتمكن من التحدث هنا، يقول أن
+
+135
+00:10:31,910 --> 00:10:35,250
+لا توجد علاقة موجودة فعلياً، طبعاً عندما أتحدث
+
+136
+00:10:35,250 --> 00:10:37,490
+عن عدم وجود علاقة، دائماً التنبؤ
+
+137
+00:10:37,490 --> 00:10:41,330
+في الاختبار test س��فشل، وستكون دقته accuracy منخفضة جداً too
+
+138
+00:10:41,330 --> 00:10:49,010
+low، تمام، معناته في نوع Regression  للنموذج model أو
+
+139
+00:10:49,010 --> 00:10:53,390
+regression models أنواعه إما Simple أو Multiple، و
+
+140
+00:10:53,390 --> 00:11:00,870
+أتحدث عن متغير واحد one variable، والمقصود به Independent
+
+141
+00:11:00,870 --> 00:11:04,030
+variable
+
+142
+00:11:05,650 --> 00:11:07,310
+عن طريق الـ Independent Variable وعن طريق الـ
+
+143
+00:11:07,310 --> 00:11:13,250
+Multiple Variable وفي كل
+
+144
+00:11:13,250 --> 00:11:17,430
+الحالتين، النموذج
+
+145
+00:11:17,430 --> 00:11:22,970
+تبعي قد يكون Linear وقد يكون Non-Linear في كل
+
+146
+00:11:22,970 --> 00:11:24,130
+الحالتين
+
+147
+00:11:26,880 --> 00:11:31,400
+بكل بساطة، لـ Linear Regression، لنفهم ما الذي
+
+148
+00:11:31,400 --> 00:11:34,300
+يحدث بالتحديد، طبعاً عندما أتحدث عن Linear
+
+149
+00:11:34,300 --> 00:11:36,360
+Regression، لنذهب باتجاه الـ
+
+150
+00:11:36,360 --> 00:11:39,740
+Simple Linear Regression في البداية، بكل بساطة عندما
+
+151
+00:11:39,740 --> 00:11:42,460
+أتحدث عن Simple Linear Regression، الـ Simple
+
+152
+00:11:42,460 --> 00:11:44,100
+Linear Regression، تذكر أن لدينا one
+
+153
+00:11:44,100 --> 00:11:47,600
+independent variable، معناته أنا أتحدث عن إيجاد
+
+154
+00:11:47,600 --> 00:11:48,680
+العلاقة بين
+
+155
+00:11:51,430 --> 00:11:54,490
+Two Continuous Attributes أو Two Continuous
+
+156
+00:11:54,490 --> 00:11:56,770
+Variables، واحد Independent Variable والثاني
+
+157
+00:11:56,770 --> 00:12:00,190
+Dependent Variable، وعندما أتحدث عن X و Y، عن
+
+158
+00:12:00,190 --> 00:12:03,370
+Dependent و Independent، أتحدث عن X و Y كما في
+
+159
+00:12:03,370 --> 00:12:06,510
+الرسم الموجود هناك في الـ Cartesian plane الموجودة، وعادةً عندما أتحدث عن Linear Model أتحدث
+
+160
+00:12:06,510 --> 00:12:14,750
+عن معادلة خط المستقيم، وهي Y تساوي M مضروبة في
+
+161
+00:12:14,750 --> 00:12:20,680
+X زائد B، حيث الـ M هي قيمة ميل slope الخط
+
+162
+00:12:20,680 --> 00:12:25,740
+المستقيم، والـ B تمثل الـ Intercept أو نقطة التقاطع
+
+163
+00:12:25,740 --> 00:12:31,820
+مع الـ Y الموجودة لدينا، طيب، الآن أي خط مستقيم،
+
+164
+00:12:39,200 --> 00:12:41,900
+أي خط مستقيم أريد رسمه، حتى لو أردت أن يمر
+
+165
+00:12:41,900 --> 00:12:51,330
+بنقطة الصفر، الميل slope  الذي يمثل هذه الزاوية، عفواً
+
+166
+00:12:51,330 --> 00:12:55,410
+هذه الزاوية، طبعاً الكل يعرف أن دائماً
+
+167
+00:12:55,410 --> 00:13:00,310
+الزاوية تُبنى مع خط مستقيم، طيب، الآن نقطة الـ
+
+168
+00:13:00,310 --> 00:13:07,610
+intercept هنا، عفواً، الصفر، التي هي نقطة التقاطع مع
+
+169
+00:13:07,610 --> 00:13:14,410
+محور الـ Y، صفر، بينما قيمتها B سواء كان هذا المثلث أو
+
+170
+00:13:14,410 --> 00:13:18,310
+أي مثلث موازٍ على الخط المستقيم، أنا الآن لو أخذت
+
+171
+00:13:18,310 --> 00:13:25,310
+محور موازٍ، لو اخترت أي نقطة على الخط المستقيم، ليس
+
+172
+00:13:25,310 --> 00:13:29,570
+الأصل، هذه النقطة، سامحوني، الرسم لدي ليس
+
+173
+00:13:29,570 --> 00:13:38,650
+جيداً،  لا أستطيع ضبطه، تمام، الآن، ليس هذا Delta X، هذا X وهذا Y
+
+174
+00:13:43,680 --> 00:13:50,560
+تمام، الآن لو أخذت نقطتين بين نقطتين، ورسمت قطعة
+
+175
+00:13:50,560 --> 00:13:53,680
+متعامدة ومتقاطعة، يعني رسمت بينهما مثلث قائم
+
+176
+00:13:53,680 --> 00:13:59,240
+الزاوية هذه، حسب فيثاغورس، الارتفاع، عفواً لو
+
+177
+00:13:59,240 --> 00:14:01,460
+افترضت أن هذه الزاوية التي قلنا تمثل
+
+178
+00:14:01,460 --> 00:14:07,360
+الميل سابقاً، الارتفاع المقابل، وهي المجاور
+
+179
+00:14:07,360 --> 00:14:10,900
+وهذا هو الوتر، حسب قانون فيثاغورس أن الوتر
+
+180
+00:14:10,900 --> 00:14:15,300
+هذا يساوي المجاور تربيع، الـ Run تربيع زائد الـ Rise
+
+181
+00:14:15,300 --> 00:14:22,540
+تربيع، تمام، الـ Slope يساوي الارتفاع
+
+182
+00:14:22,540 --> 00:14:27,120
+المقابل على المجاور
+
+223
+00:17:33,510 --> 00:17:39,330
+تبعته عبارة عن كل نقاط X ناقص متوسط نقاط X  كم
+
+224
+00:17:39,330 --> 00:17:42,070
+نقطة عندك أنت على الخط المستقيم هذا؟ أجل الخط
+
+225
+00:17:42,070 --> 00:17:44,070
+المستقيم يا جماعة الخير يجب أن يكون عنده نقطتين
+
+226
+00:17:44,070 --> 00:17:47,670
+عشان أنا أقدر أسميه، مظبوط ولا لا؟ طبعاً عادة
+
+227
+00:17:47,670 --> 00:17:50,870
+بالهدف احنا بنسميه قطعة مستقيمة محصورة بين نقطتين
+
+228
+00:17:50,870 --> 00:17:55,110
+بينما الخط المستقيم هو بتعدّى حدود النقطتين اللتين
+
+229
+00:17:55,110 --> 00:18:00,270
+موجودة عندها تمام، الآن معناته أنا بتكلم هنا أن X
+
+230
+00:18:00,270 --> 00:18:07,000
+عند مجموعة نقاط على الـ X ناقص المتوسط مضروبة في Y
+
+231
+00:18:07,000 --> 00:18:10,580
+الفروقات ما بين الـ Y و المتوسط تبعها طبعاً
+
+232
+00:18:10,580 --> 00:18:17,320
+بنجمعهم على مجموع الفروقات ما بين الـ X و المتوسط
+
+233
+00:18:17,320 --> 00:18:22,740
+والمتوسط تبعهم  لكل النقاط الموجودة عندها
+
+234
+00:18:22,740 --> 00:18:27,880
+طيب، الآن تعالوا نيجي نشوف من أين جاء التربيع يا جماعة
+
+235
+00:18:27,880 --> 00:18:32,420
+الخير؟ لأن في الآخر هذه النقاط كلها مثلثات أو فيها
+
+236
+00:18:32,420 --> 00:18:36,900
+ثغرات و كما قلت لك هذا التربيع
+
+237
+00:18:39,330 --> 00:18:42,490
+هو تربيع زائد  هاي تربيع فأعوض عن كل واحدة فيهم
+
+238
+00:18:42,490 --> 00:18:44,990
+بالتربيع الموجود فيها في الآخر احنا هذه
+
+239
+00:18:44,990 --> 00:18:48,850
+معادلتنا الموجودة و بدنا نستخدمها تعالوا نشوف
+
+240
+00:18:48,850 --> 00:18:52,550
+كيف بدنا نطبقها بشكل كويس الآن هذه النقاط التي
+
+241
+00:18:52,550 --> 00:18:56,430
+موجودة و هذه المعادلات الثلاث التي موجودة عندنا الـ
+
+242
+00:18:56,430 --> 00:19:00,650
+intercept إذا أنا حصلت على الـ M والـ Y معلومة والـ
+
+243
+00:19:00,650 --> 00:19:04,590
+X معلومة تمام بيظل عندنا الـ B معناته الـ B بدها
+
+244
+00:19:04,590 --> 00:19:10,940
+تساوي متوسط تغييرات أو متوسط قيم الـ Y ناقص الـ
+
+245
+00:19:10,940 --> 00:19:15,240
+slope في متوسط قيم الـ X الموجودة عندنا هذه
+
+246
+00:19:15,240 --> 00:19:18,440
+القيّم الموجودة وهذه هي المعادلات الثلاث التي
+
+247
+00:19:18,440 --> 00:19:22,100
+قلنا أننا نلزمها تكون حاضرة في ذهننا عند التعامل
+
+248
+00:19:22,100 --> 00:19:26,440
+مع الـ simple regression أو مع الـ regression مع الـ
+
+249
+00:19:26,440 --> 00:19:28,540
+linear regression عفواً مع الـ linear regression
+
+250
+00:19:28,540 --> 00:19:34,810
+تمام، طيب، هذه عندي X هذه الأعمدة التي بدي أشغل
+
+251
+00:19:34,810 --> 00:19:40,910
+عليها، ما هي المعادلة؟ بالبداية أن أحسب المتوسط تبع
+
+252
+00:19:40,910 --> 00:19:47,560
+الـ X والمتوسط الحسابي تبع الـ Y في كل الحالات التي
+
+253
+00:19:47,560 --> 00:19:52,480
+عندي تمام متوسط X معناته مجموعهم على عددهم واحد
+
+254
+00:19:52,480 --> 00:19:56,400
+اثنين ثلاثة أربعة خمسة ستة سبعة ثمانية تسعة عشر
+
+255
+00:19:56,400 --> 00:20:01,680
+ثلاثة إحدى عشر عشرين ثلاثين وستة وثلاثين
+
+256
+00:20:01,680 --> 00:20:09,380
+تسعة، اثنين وأربعين، ثلاثة وخمسين، أربعة وسبعين، خمسة
+
+257
+00:20:09,380 --> 00:20:20,000
+و سبعين، واحد وتسعون، بالمتوسط 9.10 حسبت المتوسط لـ X حسبنا
+
+258
+00:20:20,000 --> 00:20:28,460
+المتوسط لـ Y الخطوة التالية أنا بدي أجيب هنا مجموع
+
+259
+00:20:28,460 --> 00:20:38,780
+أو بدي أجيب حاصل ضرب كل X ناقص قيمة المتوسط 9.1
+
+260
+00:20:39,970 --> 00:20:44,930
+أضربها في قيمة الـ Y كل قيم الـ Y ناقص المتوسط
+
+261
+00:20:44,930 --> 00:20:51,590
+تبعها على كذا يعني أنا بدي أحسب X ناقص Y أو Xi
+
+262
+00:20:51,590 --> 00:20:59,350
+ناقص متوسط الـ X أحسب X أو Yi ناقص متوسط الـ Y فالجئت
+
+263
+00:20:59,350 --> 00:21:03,610
+هنا فين رحت حسبت المعادلتين، أيش اشتغلت عليهن في
+
+264
+00:21:03,610 --> 00:21:05,210
+شكل آلي ثلاثة
+
+265
+00:21:09,120 --> 00:21:14,740
+ناقص ثلاثة ناقص تسعة ناقص واحد ناقص ستة ناقص ��احد ناقص
+
+266
+00:21:14,740 --> 00:21:15,940
+واحد ناقص واحد ناقص واحد ناقص واحد ناقص واحد ناقص واحد
+
+267
+00:21:15,940 --> 00:21:17,720
+ناقص واحد ناقص واحد ناقص واحد ناقص واحد ناقص واحد ناقص
+
+268
+00:21:17,720 --> 00:21:18,740
+واحد ناقص واحد ناقص واحد ناقص واحد ناقص واحد ناقص واحد
+
+269
+00:21:18,740 --> 00:21:19,220
+ناقص واحد ناقص واحد ناقص واحد ناقص واحد ناقص واحد ناقص
+
+270
+00:21:19,220 --> 00:21:25,130
+واحد ناقص واحد ناقص واحد ناقص واحد ناقص واحد ناقص واحد، 8-9
+
+271
+00:21:25,130 --> 00:21:34,830
+.1، 1.1، 57-55.4، 1.6  و أكمل الجدول بالكامل ممتاز
+
+272
+00:21:34,830 --> 00:21:39,950
+الخطوة التالية هذه العناصر بتلزمني في حالتين بدي
+
+273
+00:21:39,950 --> 00:21:43,310
+أضرب high في high و أحصل على high تربيع من أجل
+
+274
+00:21:43,310 --> 00:21:50,000
+المقام الذي هنا فإني رحت جبت العناصر البسط
+
+275
+00:21:50,000 --> 00:21:56,580
+التي هي Xi ناقص X متوسط الـ X مضروبة في Yi ناقص
+
+276
+00:21:56,580 --> 00:22:04,440
+متوسط الـ Y فبالتالي هنا ضربت سالب ستة point واحد
+
+277
+00:22:04,440 --> 00:22:07,680
+في سالب خمسة وعشرين point أربعة هي مئة وأربعة
+
+278
+00:22:07,680 --> 00:22:13,620
+وخمسين point أربعة وتسعين طيب وسالب ستة point واحد
+
+279
+00:22:13,620 --> 00:22:17,280
+ضرب سالب ستة point واحد سبعة وثلاثين point واحد
+
+280
+00:22:17,280 --> 00:22:22,460
+وعشرين وكملت للآخر كل العملية الحسابية تبعي طبعاً
+
+281
+00:22:22,460 --> 00:22:24,560
+يا جماعة الخير عشان أكون واضح معكم لو أنا جبت سؤال
+
+282
+00:22:24,560 --> 00:22:27,140
+زي هيك وقلت لك هاتلي أو هاتلي معادلة الخط
+
+283
+00:22:27,140 --> 00:22:30,840
+المستقيم مش هجيب لك فيه عشر قيم ممكن أجيب لك أربع من
+
+284
+00:22:30,840 --> 00:22:34,300
+أربع إلى خمس قيم تشتغل عليها يعني نصف القيم الموجودة و
+
+285
+00:22:34,300 --> 00:22:37,200
+عشان هيك بأكد باستمرار أن الـ calculator لازم يكون
+
+286
+00:22:37,200 --> 00:22:43,380
+عندك جاهزة في الحساب تمام الخطوة التي بعد هيك أنا
+
+287
+00:22:43,380 --> 00:22:46,320
+بتلزمني المجموع المجموع لمين؟ لكل عمود حسب
+
+288
+00:22:46,320 --> 00:22:49,180
+المعادلة التي موجودة عندي هنا فاروح أجمع العمود
+
+289
+00:22:49,180 --> 00:22:53,760
+هذا،  ثلاثمائة، التي هي قيمة البسط ثلاثمائة
+
+290
+00:22:53,760 --> 00:22:59,460
+وثمانية وخمسين point تسعة وحسبت قيمة العمود الثاني
+
+291
+00:22:59,460 --> 00:23:04,660
+ألف ومئتين وتسعة وستين point ستة تمام الآن قيمة الـ
+
+292
+00:23:04,660 --> 00:23:12,890
+M تساوي ألف ومئتين وتسعة وستين point ستة على ثلاثمائة وثمانية وخمسين point تسعة فبتطلع قيمة
+
+293
+00:23:12,890 --> 00:23:16,650
+الـ M عندي ثلاثة point خمسة ثلاثة سبعة كما نحن
+
+294
+00:23:16,650 --> 00:23:22,930
+شايفينها تمام أنا الآن حصلت على مين؟ على قيمة الـ M
+
+295
+00:23:22,930 --> 00:23:26,910
+في المعادلة هذه، من المعادلة هذه بظل عندي B، B
+
+296
+00:23:26,910 --> 00:23:30,770
+سهلة بما أن أنا حصلت على الـ M وهي معادلة الـ B
+
+297
+00:23:30,770 --> 00:23:33,970
+عفواً، أن أنا حصلت على الـ M وهي معادلة الـ B عندي
+
+298
+00:23:33,970 --> 00:23:36,650
+موجودة هنا وبالتالي أنا
+
+299
+00:23:42,300 --> 00:23:46,140
+بتساوي متوسط الـ Y التي هي الحسبة الأولى التي كانت
+
+300
+00:23:46,140 --> 00:23:51,040
+في الجدول التي لديها،  نهي متوسط الـ Y 55.4 ناقص
+
+301
+00:23:51,040 --> 00:23:57,260
+M  3.5375
+
+302
+00:23:57,260 --> 00:24:03,700
+ضرب متوسط الـ X 9.1 قيمته
+
+304
+00:24:08,260 --> 00:24:16,200
+معادلة الخط المستقيم معادلة M معادلة B معادلة M
+
+305
+00:24:16,200 --> 00:24:22,680
+معادلة B معادلة M معادلة B معادلة M معادلة B
+
+306
+00:24:22,680 --> 00:24:23,340
+معادلة M معادلة B
+
+307
+00:24:28,080 --> 00:24:40,280
+3.5375 ضرب الـ X زائد
+
+308
+00:24:40,280 --> 00:24:46,260
+الـ B لو أنا بدي أتأكد أن معادلتي صحيحة أو غير صحيحة
+
+309
+00:24:46,260 --> 00:24:49,760
+تخيل أن قيمة X تساوي واحد المفروض أنّه تساوي عشرين
+
+310
+00:24:50,690 --> 00:24:54,550
+المفروض، لكن الكلام الأدق يكون القيمة قريبة من
+
+311
+00:24:54,550 --> 00:25:05,630
+العشرين، ثلاثة point خمسة ثلاثة سبعة خمسة زائد
+
+312
+00:25:05,630 --> 00:25:11,690
+ثلاثة وعشرين point مئتين وتسعة، ملاحظين قد ايش القيمة
+
+313
+00:25:11,690 --> 00:25:18,390
+التي طلعت عندي  ثلاثة وعشرين واثنين من عشرة و
+
+314
+00:25:18,390 --> 00:25:23,850
+ثلاثة وسبعة وخمسة معناته احنا بنتكلم على ستة و
+
+315
+00:25:23,850 --> 00:25:30,350
+عشرين point سبعة هذه قيمة لما كانت الـ X تساوي واحد
+
+316
+00:25:30,350 --> 00:25:33,270
+ليش؟ لأنه بضل فيه نسبة خطأ ماحدش قال في الدنيا
+
+317
+00:25:33,270 --> 00:25:40,130
+أن هذا الـ algorithm أو هذا الـ model هيديني 100%
+
+318
+00:25:40,130 --> 00:25:44,670
+القيم المتساوية لأن هناك قيم متفرقة لو رجعت للرسم
+
+319
+00:25:44,670 --> 00:25:49,070
+على السريع عشان تشوفوها هي فعلاً هي النقاط تبعي
+
+320
+00:25:49,070 --> 00:25:52,630
+النقاط متجارة على الخط المستقيم ولو جربت أنت تأخذ
+
+321
+00:25:52,630 --> 00:25:55,490
+نقاط على الخط المستقيم هتطلع معك typical قيمة الـ
+
+322
+00:25:55,490 --> 00:26:00,030
+M وقيمة الـ B تمام بعد ما أنا حسبت القيم هذه على
+
+323
+00:26:00,030 --> 00:26:02,730
+السريع خليني أروح أشوف بالـ python إيش أنا بدي
+
+324
+00:26:02,730 --> 00:26:05,870
+أعمله، أنا رحت على الـ python استخدمت الـ numpy
+
+325
+00:26:05,870 --> 00:26:10,910
+كمكتبة عشان أتعامل مع الـ numerical python arrays
+
+326
+00:26:10,910 --> 00:26:16,060
+وبنيت الريشة الـ X وبنيت الريشة الـ Y لكن يوجد شغل
+
+327
+00:26:16,060 --> 00:26:19,180
+هنا أنه لازم أعمل Reshape عشان أعمل Transpose تبع
+
+328
+00:26:19,180 --> 00:26:25,080
+المصفوفة وهي عبارة عن مصفوفة من بعد واحد أكثر
+
+329
+00:26:25,080 --> 00:26:29,120
+وليست vector تمام فعشان هيك بعملها Reshape سالب
+
+330
+00:26:29,120 --> 00:26:31,620
+واحد هذا طبعاً لأنه أنا فعلياً يا جماعة الخير برجع
+
+331
+00:26:31,620 --> 00:26:33,800
+بأكد أنّه أنا جاهز  بدي أبني الـ data set
+
+332
+00:26:33,800 --> 00:26:35,880
+بينما الـ data set ممكن تكون معي جاهزة زي ما في
+
+333
+00:26:35,880 --> 00:26:38,340
+الـ data set التي أنت اخترتها في الواجب الأول تبع
+
+334
+00:26:38,340 --> 00:26:41,280
+الـ regression data set التي كنا بنتكلم عليها أنت
+
+335
+00:26:41,280 --> 00:26:44,700
+بدك تقطع منها عمود واحد فقط وتشتغل عليه وتشوف
+
+336
+00:26:44,700 --> 00:26:48,780
+العلاقة ما بينه وبين الـ target attribute التي هي
+
+337
+00:26:48,780 --> 00:26:50,920
+الـ continuous value بدك تعملها prediction وروح
+
+338
+00:26:50,920 --> 00:26:55,370
+أدخلت القيم الموجودة عندي أنا  الـ
+
+339
+00:26:55,370 --> 00:26:58,650
+values التي دخلتها على المصفوفة بدون ما أعمل الـ
+
+340
+00:26:58,650 --> 00:27:02,890
+reshape، رحت from الـ sklearn.linear_model
+
+341
+00:27:02,890 --> 00:27:05,710
+import LinearRegression وأنا ما زلت بأكد
+
+342
+00:27:05,710 --> 00:27:08,270
+أنّه يشغل على linear regression وبالتحديد بما أنا
+
+343
+00:27:08,270 --> 00:27:12,870
+بتكلم على one independent attribute معناته أنا
+
+344
+00:27:12,870 --> 00:27:18,330
+بتكلم على simple linear regression بنيت الموديل
+
+345
+00:27:18,330 --> 00:27:22,270
+model تساوي LinearRegression الموديل.fit عشان
+
+346
+00:27:22,270 --> 00:27:25,730
+يعمل train ويوجد العلاقة التي ما بين الـ X والـ Y
+
+347
+00:27:25,730 --> 00:27:28,430
+التي هي الـ independent attribute X والـ dependent
+
+348
+00:27:28,430 --> 00:27:33,830
+variable أو الـ dependent attribute Y فرُحت أنا
+
+349
+00:27:33,830 --> 00:27:39,390
+أعمل fit المفروض بعد عملية الـ fit هذه هو حصل على
+
+350
+00:27:39,390 --> 00:27:45,350
+الـ slope، الـ M وحصل على الـ B هنا لأن أنا بس بدي
+
+351
+00:27:45,350 --> 00:27:49,250
+أطبعهم فروحت وقلت له اطبع لي الـ model.coef_
+
+352
+00:27:49,250 --> 00:27:53,170
+الـ model.coef_ فبطبع لي
+
+353
+00:27:53,170 --> 00:27:56,730
+قيمة ورحت أضفت عليها ع��ان تظهر معادلة خط مستقيم
+
+354
+00:27:56,730 --> 00:27:59,430
+بس مش أكثر الـ model.coef_ والـ model.
+
+355
+00:27:59,790 --> 00:28:02,650
+intercept، الـ intercept التي هي الـ b أو التقاطع
+
+356
+00:28:02,650 --> 00:28:06,010
+مع b والـ coefficient التي هي الـ m الموجودة
+
+357
+00:28:06,010 --> 00:28:11,660
+عندي هنا الـ output طلع لي هي، لو أنا جيت طلعت في
+
+358
+00:28:11,660 --> 00:28:20,280
+قيمة ثلاثة point خمسة ثلاثة سبعة القيم التي طلعت معي
+
+359
+00:28:20,280 --> 00:28:24,100
+لما أنا اختصرتها سبعة خمسة لأنه عملت round للسبعة
+
+360
+00:28:24,100 --> 00:28:31,120
+وهنا ثلاثة وعشرين point مئتين وتسعة لأنه برضه عملت
+
+361
+00:28:31,120 --> 00:28:34,440
+round للرقم الموجود عندها، typical نفس الـ values
+
+362
+00:28:34,440 --> 00:28:38,710
+الموجودة، لو أنا بدي أعمل prediction هيبقى أنا في
+
+363
+00:28:38,710 --> 00:28:42,270
+الـ array رحت على الـ X قلت له في عندي X_test هذه
+
+364
+00:28:42,270 --> 00:28:48,710
+في عندي النقاط تبعي الـ array اثنين وتسعة وثلاثة عشر وثمانية عشر وأربعة وعشرين
+
+365
+00:28:48,710 --> 00:28:57,370
+و يعمل لي الـ Y_predict تبعها تمام الآن
+
+366
+00:28:57,370 --> 00:29:02,050
+هذول هيروح يجيب لي بناء على المعادلة هذه، هيأخذ اثنين
+
+367
+00:29:02,050 --> 00:29:09,110
+يعني ثلاثة point خمسة أربعة ضرب اثنين زائد ثلاثة
+
+368
+00:29:09,110 --> 00:29:12,690
+وعشرين، مئتين وتسعة، هذين قيمتين اثنين، تسعة لكن
+
+369
+00:29:12,690 --> 00:29:15,550
+لاحظوا الآن يا جماعة الخير أن هذه القيم المجتمعة
+
+370
+00:29:15,550 --> 00:29:20,510
+كلها بدأت تخضع لمن؟ تخضع لنفس المعادلة التي عملها
+
+371
+00:29:20,510 --> 00:29:24,270
+prediction هنا خلاص انتهى الأمر لأن أنا عمال بتكلم
+
+372
+00:29:24,270 --> 00:29:29,330
+على الـ model.predict فأنا زدت في القائمة تبعي
+
+373
+00:29:29,330 --> 00:29:35,340
+هذه وهو شرح سريع ليش أعمل predict فعشان هيك بتطلع
+
+374
+00:29:35,340 --> 00:29:38,580
+معي معادلة خط مستقيم بالتمام، طيب عشان أوجد
+
+375
+00:29:38,580 --> 00:29:42,080
+العلاقة الموجودة عندي هنا رحت استخدمت مكتبة
+
+376
+00:29:42,080 --> 00:29:43,660
+اسمها الـ
+
+377
+00:29:43,660 --> 00:29:47,360
+matplotlib mathematical plotting library
+
+378
+00:29:47,360 --> 00:29:49,980
+.pyplot
+
+379
+00:29:51,750 --> 00:29:55,190
+as plt بدي أرسم ورحت أقول في الـ plot هذه قلت له
+
+380
+00:29:55,190 --> 00:29:58,070
+في عندي scatter التي هي النقاط عند X و Y هي هم
+
+381
+00:29:58,070 --> 00:30:01,970
+موجودات، هي X و Y الموجودة فوق عندنا، والـ color
+
+382
+00:30:01,970 --> 00:30:06,690
+black، نقاط باللون الأسود وفي عندي بدي أعمل plot
+
+383
+00:30:06,690 --> 00:30:10,050
+كذلك كرسم خط مستقل الـ plot التي بتكلم على function
+
+384
+00:30:10,050 --> 00:30:14,650
+أو على equation الـ plot X_test التي هي هذه اثنين
+
+385
+00:30:14,650 --> 00:30:18,590
+وتسعة وثلاثة عشر وثمانية عشر وأربعة وعشرين، والـ color والـ
+
+386
+00:30:18,590 --> 00:30:22,780
+Y_predict هي هي الـ result تبع الـ prediction بتاعة
+
+387
+00:30:22,780 --> 00:30:25,980
+الـ model التي أنا استخدمتها والخط باللون الأخضر والـ
+
+388
+00:30:25,980 --> 00:30:30,700
+linewidth فرُحت قلت له أعمل تبين الـ text على الـ
+
+389
+00:30:30,700 --> 00:30:34,240
+X والـ Y التي هي النقاط وقلت له show تعالوا نشوف هي
+
+390
+00:30:34,240 --> 00:30:38,580
+النتيجة التي طلع لي إياها هي النقاط الموجودة هنا
+
+391
+00:30:38,580 --> 00:30:44,300
+تمام وهي الخط المستقيم الذي يمثله المعادلة التي
+
+392
+00:30:44,300 --> 00:30:47,160
+موجودة عندها، بدي أروح أنا أورّجيك الآن بس على الـ X التي
+
+393
+00:30:47,160 --> 0