Udemybeginnerar

Linear Algebra for machine learning in Arabic

Learn essential Linear Algebra concepts for data analysis and machine learning. Build a strong foundation in this crucial area.

4.7(23)
628students
43m
Dr. Mahmoud Abdellahi
Dr. Mahmoud AbdellahiLecturer, PhD, Machine and deep learning consultant

Course Content

Linear Algebra for machine learning in Arabic is a beginner-level Udemy course taught by Dr. Mahmoud Abdellahi. It runs 43m and is taught in Arabic. Learners rate it 4.7 out of 5 from 23 reviews, with 628 students enrolled. It is free to enroll, first published September 2025.

تعرّف على الجبر الخطي (Linear Algebra) وأهميته في تعلم الآلة (Machine Learning)! هذه الدورة مصممة لتقديم فهم مبسط لأهم مفاهيم الجبر الخطي التي يحتاجها أي شخص يعمل أو يتعلم في مجال الذكاء الاصطناعي. سنركز على ربط المفاهيم الرياضية بتطبيقات عملية، مع استخدام أمثلة بصرية لتوضيح الأفكار.

ماذا ستتعلم؟

  • الـ Scalars والـ Vectors: ابدأ بفهم الفرق الأساسي بين القيم العددية (Scalars) و المتجهات (Vectors)، وكيفية إجراء عملية ضرب Scalar في Vector.
  • قياس التشابه بين المتجهات: اكتشف طريقتين رئيسيتين لتقييم مدى تشابه المتجهات:
    • Cosine Similarity: تعرّف على كيفية تمثيل الزاوية بين المتجهات لتقييم التشابه في الاتجاه.
    • Euclidean Distance: افهم كيف تحدد المسافة بين النقاط درجة الاختلاف بينها.
  • الـ Dot Product (الضرب الاتجاهي): استكشف دور الضرب الاتجاهي في تحديد العلاقة بين المتجهات، وكيف يستخدم في تحليل البيانات.
  • المصفوفات (Matrices): تعمق في مفاهيم أساسية تتعلق بالمصفوفات:
    • Determinant (المحدد): افهم كيف يعكس المحدد خصائص المصفوفة ويحدد إمكانية وجود حلول لها.
    • Inverse Matrix (المصفوفة العكسية): تعرّف على شروط وجود المصفوفة العكسية وأهميتها.
    • Matrix Rank (رتبة المصفوفة): افهم معنى رتبة المصفوفة وكيف تحدد عدد الحلول الممكنة للنظام.
    • Singular Matrix (المصفوفة المفردة): اكتشف لماذا بعض المصفوفات لا تملك عكسًا وتأثير ذلك على النماذج.

بعد إتمام هذه الدورة، ستكون قادرًا على:

  • التمييز بين الـ Scalars والـ Vectors وتطبيقها بفعالية في سياقات Machine Learning.
  • استخدام Cosine Similarity و Euclidean Distance لقياس التشابه بين مجموعات البيانات.
  • فهم وتطبيق الـ Dot Product في تحليل العلاقات بين المتجهات.
  • تحليل خصائص المصفوفات باستخدام المحدد، المصفوفة العكسية، والرتبة.
  • التعرف على المصفوفات المفردة وكيفية التعامل معها في النماذج الرياضية.

هذه الدورة هي نقطة انطلاق ممتازة لفهم الجبر الخطي وتطبيقاته في تعلم الآلة والذكاء الاصطناعي.

$ whoami — the devs behind tutorialsearch.io

Want AI in your product? Hire the team behind TutorialSearch.io

LLM features, RAG, agents and automation wired into a real product — built by the devs who shipped this site.

4.9(614)
50m
beginner
4.9(792)
1h 50m
beginner
4.8(597)
40m
beginner
4.8(52)
21h 27m
intermediate
4.8(1,413)
1h 15m
intermediate