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
اللهأهلا و سهلا بكم في محاضرة جديدة من وثائق تقييم

3
00:00:09,210 --> 00:00:12,350
البيانات اليوم ان شاء الله هتتكلم على ال second

4
00:00:12,350 --> 00:00:16,890
mining task او ال third mining task اللي هي ال

5
00:00:16,890 --> 00:00:20,750
clustering طبعا احنا كنا بتكلمنا سابقا ان ال

6
00:00:20,750 --> 00:00:24,490
mining task تنقسم من ال predictive او ال

7
00:00:24,490 --> 00:00:26,870
descriptive و ال predictive اتكلمنا عن ال

8
00:00:26,870 --> 00:00:28,990
classification و ال regression و ال recommendation

9
00:00:28,990 --> 00:00:31,470
اليوم طبعا ال recommendation ما شرحناها عشان

10
00:00:31,470 --> 00:00:34,170
اتكلمنا عن classification و regressionواليوم 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 ال clustering طب لما احنا بنتكلم

13
00:00:41,370 --> 00:00:43,910
على ال clustering بنتكلم على unsupervised learning

14
00:00:43,910 --> 00:00:46,750
وهذا نوع من ال machine learning اللي بتعلم من ال

15
00:00:46,750 --> 00:00:51,650
test data يعني انا بهمني انه البيانات تبعتي مايكون

16
00:00:51,650 --> 00:00:55,030
لهاش label هذا مفهوم ال test data ان ال test data

17
00:00:55,030 --> 00:00:59,090
انه label مش موجود that has not been labeled

18
00:00:59,090 --> 00:01:04,580
مالهاش labelclassified or categorized ما تمش

19
00:01:04,580 --> 00:01:09,020
تصنيفها أو تقسيمها قبل هيك بال unsupervised

20
00:01:09,020 --> 00:01:14,400
learning على خلاف كل ال machine learning مافيش

21
00:01:14,400 --> 00:01:19,420
عندي output معروف مسبقا وبالتالي مافيش عندي

22
00:01:19,420 --> 00:01:22,320
teacher أو instruction مافيش عندي أي structure لل

23
00:01:22,320 --> 00:01:25,700
learning algorithm فحين انه في ال supervised

24
00:01:25,700 --> 00:01:28,020
learning سواء كان في ال regression أو كان في ال

25
00:01:28,020 --> 00:01:32,840
classification كان عندي واضحالـ label هو ال

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 بديها وإيه ال role اللي أنا كنت بحاول أحصل

28
00:01:39,260 --> 00:01:41,920
عليها ال unsupervised learning ال learning

29
00:01:41,920 --> 00:01:47,880
algorithm فقط بأعرض عليه البيانات و بأطلب يعمل

30
00:01:47,880 --> 00:01:50,840
extract لل knowledge طبعا extract لل knowledge هان

31
00:01:50,840 --> 00:01:54,500
إما بتقسيمهم لمجموعات أو يقول لي إيش ال frequent

32
00:01:54,500 --> 00:01:57,720
pattern فيهم زي ما في ال association rules إلى

33
00:01:57,720 --> 00:02:02,710
آخرينطبعاً 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 انا اخد feedback و

36
00:02:11,390 --> 00:02:15,070
اقارب الـ unsupervised learning بعرف ال

37
00:02:15,070 --> 00:02:19,510
communities أو الشغلات المشتركة في ال data الشغلات

38
00:02:19,510 --> 00:02:23,230
ال common اللي موجودة اللي بتتشارك فيها مجمع معظم

39
00:02:23,230 --> 00:02:28,960
ال instances اللي موجودة عنديوبتقرر .. وبت .. اللي

40
00:02:28,960 --> 00:02:32,640
بعرف .. بعد ما بتقرر على الشغلات ال common هاي أو

41
00:02:32,640 --> 00:02:36,760
الشغلات المشتركة هاي بناء عليها بتتصرف اما بتقرر

42
00:02:36,760 --> 00:02:41,420
.. يعني بتتصرف وبصير ال algorithm بناء على وجود أو

43
00:02:41,420 --> 00:02:45,940
عدم وجود ال properties أو ال common properties

44
00:02:45,940 --> 00:02:49,440
اللي موجود عنده يعني يعني تخيل انا لو انا في عندى

45
00:02:49,440 --> 00:02:53,910
مجموعة من الصور وقولنا بدنا نصنفهممجموعة من الصور

46
00:02:53,910 --> 00:02:56,290
وانا بدي أصنفهم معناته حتى اللي عرف المحتوى الصور

47
00:02:56,290 --> 00:03:01,830
واصيرك والله ان التصنيف هذا بيتبع كده او يتبع كده

48
00:03:01,830 --> 00:03:05,230
الـ unsupervised learning زي ما قلناه عبارة عن

49
00:03:05,230 --> 00:03:09,330
descriptive model في اكتر من نوع في ال

50
00:03:09,330 --> 00:03:11,590
unsupervised learning زي ما بنعرف سابقا ل

51
00:03:11,590 --> 00:03:14,630
clustering طبعا شفناها في المقدمة تابعة المساق ل

52
00:03:14,630 --> 00:03:18,930
clustering معناته انا بدي اجسم ال data instances

53
00:03:18,930 --> 00:03:27,350
اللي موجودة عندي لمجموعة منالـ 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 ال properties هاي

56
00:03:35,870 --> 00:03:38,970
وتجميعهم مع بعضهم ال anomaly detection أو ال

57
00:03:38,970 --> 00:03:42,030
outlier detection أروح أدور على ال unusual أو

58
00:03:42,030 --> 00:03:48,270
الشغلات النادرة في ال data set اللي موجودة عندها و

59
00:03:48,270 --> 00:03:53,390
أظهرهاالـ association rules لما انا بتكلم على ال

60
00:03:53,390 --> 00:03:58,570
patterns و بدور على ال frequent pattern اللي ممكن

61
00:03:58,570 --> 00:04:02,410
تكون موجود عندي و ارتباط العناصر و اشوف ارتباط

62
00:04:02,410 --> 00:04:06,660
القوانين او ارتباط ال data مع بعضهاعشان أقدر أبني

63
00:04:06,660 --> 00:04:10,060
decision وفي عندي transformation اللي هي فعليا أنا

64
00:04:10,060 --> 00:04:13,760
أقدر أحول ال data ل data set مختلفة عشان أقدر

65
00:04:13,760 --> 00:04:18,480
أرسمها أو أقدر أتعامل معاها بشكل أبسط احنا طبعا

66
00:04:18,480 --> 00:04:22,980
هنتكلم على ال course هذا ال clustering و ال

67
00:04:22,980 --> 00:04:27,600
association rules طبعا لما نتكلم فعلا ال

68
00:04:27,600 --> 00:04:31,380
clustering معناته ال clustering algorithm بده يروح

69
00:04:31,380 --> 00:04:36,680
يجسم ال data set اللي عندي ل distinct groupsالجروب

70
00:04:36,680 --> 00:04:42,780
هذي معروفة مسبقا تخيل

71
00:04:42,780 --> 00:04:48,320
ان ال raw data تبعتي هي عبارة عن سلة الفواكه رمضان

72
00:04:48,320 --> 00:04:51,600
كريم ان شاء الله كل عام طيبين ان شاء الله سلة

73
00:04:51,600 --> 00:04:54,580
الفواكه هي عبارة عن ال input data ال raw data

74
00:04:54,580 --> 00:05:00,580
تبعتي وانا قلت بدي اجسمها لتلت مجموعاتطبيعي ال

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 لتلت مجموعات

79
00:05:17,360 --> 00:05:19,940
متذكرين ال definition السابق؟ انا قلت لها

80
00:05:19,940 --> 00:05:25,040
predefine او predetermine number of groups لازم

81
00:05:25,040 --> 00:05:30,110
احدده مسبقاتمام طيب لو انا روح قولتله ل مجموعتين

82
00:05:30,110 --> 00:05:35,970
روحت قولتله جسملي اياهم لمجموعتين مش تلات مجموعات

83
00:05:35,970 --> 00:05:42,070
دراسة العناصر هاي و هيروح و كأنه هيقوللي انه هذه

84
00:05:42,070 --> 00:05:45,990
انا بتوقع ان يكون هذه التفاح و المانجو في مجموعة و

85
00:05:45,990 --> 00:05:49,690
الموز في مجموعة تانية لأن الشكل و اللون مختلف بعاد

86
00:05:49,690 --> 00:05:54,430
كتير عنبعضهم وبالتالي عدد المجموعات هو اللي يلعب

87
00:05:54,430 --> 00:05:57,370
دور طبعا يا جماعة الخير كل ما كان عندى عدد

88
00:05:57,370 --> 00:06:00,950
المجموعات اللي انا بتديها تبعتي هو الصح معناته انا

89
00:06:00,950 --> 00:06:04,370
بأشتغل عليها بشكل كويس أو بكون عندى النتيجة تبعتي

90
00:06:04,370 --> 00:06:09,310
صح لما بتكلم في ال clustering معناته انا بتكلم ان

91
00:06:09,310 --> 00:06:13,250
ال method تبعتي هي ال .. ال .. او ال 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 ان ال instances هتتوزع بناء 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 جدا ما بين العناصر اللي في

97
00:06:40,140 --> 00:06:45,200
المجموعة الواحدة الهدف الأساسي فعليا من ال

98
00:06:45,200 --> 00:06:48,660
clustering معناته هو عبارة عن split up تقسيم ال

99
00:06:48,660 --> 00:06:56,200
dataبطريقة طبعا تقسمها ل groups بطريقة ان النقاط

100
00:06:56,200 --> 00:06:59,220
اللي في ال cluster الواحد او في المجموعة الواحدة

101
00:06:59,220 --> 00:07:03,820
are very similar متشابهة جدا 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 و الموز لحال و لما قلتلك انا بتقسمهم

104
00:07:12,400 --> 00:07:16,460
لمجموعتين مش لتلات مجموعاتمعناه تقول نحن هنا

105
00:07:16,460 --> 00:07:21,980
نضيفهم على مع بعضهم لكن الان ايش الشغلات المشتركة

106
00:07:21,980 --> 00:07:25,280
اللي انت اعتمدت عليها الحجم مثلا و اللون لكن لو

107
00:07:25,280 --> 00:07:27,640
واحد ايجي جالي والله انا بتقسمهم هالنا مجموعتين

108
00:07:27,640 --> 00:07:32,400
بناء على طبيعة الفاكهة اللي موجودة هاي وبالتالي

109
00:07:32,400 --> 00:07:35,660
احنا نتكلم في عندي فواكه استوائية ال 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
الآخرمافيش عندي قرار صحيح مائة في المائة 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 بناء على معرفتي

114
00:07:53,820 --> 00:07:56,640
بالبيانات اللي موجودة عندها طبعا ال similarity

115
00:07:56,640 --> 00:08:01,640
طبعا التشابه ما بين ال algorithm for the

116
00:08:01,640 --> 00:08:03,600
unsupervised learning و ال classification

117
00:08:03,600 --> 00:08:08,820
algorithm أنه ال cluster algorithm بيخصص أو بتنبأ

118
00:08:08,820 --> 00:08:11,780
رقم المجموعة

119
00:08:14,590 --> 00:08:16,970
للـ point يعني انا روح قلتله والله انا بدي تلت

120
00:08:16,970 --> 00:08:19,850
مجموعات بروح بقولي هذه ال point في المجموعة رقم

121
00:08:19,850 --> 00:08:22,830
واحد هذه ال point في المجموعة رقم اتنين هذه ال

122
00:08:22,830 --> 00:08:25,090
point في المجموعة رقم تلاتة هذه ال point في

123
00:08:25,090 --> 00:08:29,550
المجموعة رقم تلاتة وبالتالي هو بيعمل predict لرقم

124
00:08:29,550 --> 00:08:32,370
المجموعة اللي انا قلبته من البداية عشان انا قلتله

125
00:08:32,370 --> 00:08:37,550
بدي تلت مجموعات فهو هجسم ليهم تلت مجموعات طبعا و

126
00:08:37,550 --> 00:08:39,950
هذه هي المفهوم التشابه اللي انا بتكلم عليه انهم

127
00:08:39,950 --> 00:08:45,040
بنعمل prediction لالـ number بحيث انه فعليا كما زي

128
00:08:45,040 --> 00:08:48,480
ما قلنا ان هذا ال number هي عبارة عن رقم المجموعة

129
00:08:48,480 --> 00:08:51,620
أو رقم ال cluster اللي بيحتوي ال point اللي موجودة

130
00:08:51,620 --> 00:08:57,000
عندها طبعا

131
00:08:57,000 --> 00:08:59,820
لما بتكلم على ال clustering معناته ان انا بدي اخد

132
00:08:59,820 --> 00:09:07,020
بيانات كلها في نفس ال space بتكلم على بيانات كلها

133
00:09:07,020 --> 00:09:13,040
في نفس ال spaceفي 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
طبعا اتكلم دي اللي هي عدد ال attribute و بروح اللي

136
00:09:23,080 --> 00:09:28,300
بجسمليها لمجموعات بجسم ال rows ال instances أو ال

137
00:09:28,300 --> 00:09:33,860
points هاي بجسمليها لمجموعات عبارة عن مجموعات أو

138
00:09:33,860 --> 00:09:46,740
طبعااللي ب guess ال point هذه لمجموعات اصغر ب

139
00:09:46,740 --> 00:09:51,060
guess similarly عفوا اللي قولنا احنا كمان مرة ان

140
00:09:51,060 --> 00:09:56,440
فكرة ال algorithm بياخد ال points اللي موجودة

141
00:09:56,440 --> 00:10:00,220
عندها بغض النظر عن ال space او ال dimensionality

142
00:10:00,220 --> 00:10:05,440
تبعتهالكن كل ال points أو ال data set تبعتي على

143
00:10:05,440 --> 00:10:09,560
نفس العدد من ال attributes ثابتة بروح بجسمليها

144
00:10:09,560 --> 00:10:12,760
لمجموعات أصغر يعني بين جوسين كانت والله عندي ال

145
00:10:12,760 --> 00:10:15,780
data set فيها مائة ألف record وقلتله جسمليها لتلت

146
00:10:15,780 --> 00:10:18,980
مجموعات المائة ألف هدولة بتجسموا على تلت مجموعات

147
00:10:18,980 --> 00:10:25,500
حتماEach 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 او باخر طبعا لما نتكلم على ال 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 ال cluster distance يجب أن يكون قليل

155
00:11:06,170 --> 00:11:10,330
كان المسافة ما بين عناصر ال in instance أو ال

156
00:11:10,330 --> 00:11:14,550
cluster الواحدة تكون قصيرة جدا ليس منها in

157
00:11:14,550 --> 00:11:20,110
instance او ال distance لما بتكلم على distance يا

158
00:11:20,110 --> 00:11:24,310
جماعة الخير لو تخيل ان في اتنين متطابقين او

159
00:11:24,310 --> 00:11:30,150
متشابهين المسافة بينهم جديش صفر أصبحلكن لما يكون

160
00:11:30,150 --> 00:11:34,690
المختلفين المسافة بينهم أبعد ما يمكن وبالتالي انا

161
00:11:34,690 --> 00:11:37,670
بقى اتكلم انه لازم يكون في عند ال Inter distance

162
00:11:37,670 --> 00:11:42,270
أبعد ما يمكن و ال intra distance أصغر ما يمكن

163
00:11:42,270 --> 00:11:46,830
وبهيك انا بكون نجحت في تقسيم المجموعات اللي موجودة

164
00:11:46,830 --> 00:11:51,940
عندها طبعا لو انا بده اعمل مقارنة فعليا ما بينالـ

165
00:11:51,940 --> 00:11:55,440
Clustering و الـ Classification بناء على ال data

166
00:11:55,440 --> 00:11:59,220
اللي موجودة عندي طبعا الرسم الأولى اللي فوق بتمثل

167
00:11:59,220 --> 00:12:03,700
classification و الرسم اللي تحت بتمثل ال

168
00:12:03,700 --> 00:12:05,820
clustering طبعا اللي بتكلم عن ال classification

169
00:12:05,820 --> 00:12:09,520
يعني ان في عندي label لازم يكون label هي ال label

170
00:12:09,520 --> 00:12:13,960
النقاط اللي باللون الأخضر proteins و اللي باللون

171
00:12:13,960 --> 00:12:18,120
البن الغامق هذا او البن الداكن هي عبارة عن ال

172
00:12:18,120 --> 00:12:22,870
genes و معناته ان لازم يكون في عندي ruleيخصص كل

173
00:12:22,870 --> 00:12:26,950
point ل label واضح طبعا ال rule هذا زي ما بنعرف في

174
00:12:26,950 --> 00:12:32,270
ال prediction أو في هاي في عندي هذا الخط الفاصل هو

175
00:12:32,270 --> 00:12:36,010
العناصر الموجرة يعني لو انا اجيت تبعا لل variable

176
00:12:36,010 --> 00:12:40,510
الأول و قلت والله لو كان ال variable الأول تبعي

177
00:12:40,510 --> 00:12:49,550
قيمته كذامعناته هذا هيكون أكبر أو تساوي X معناته

178
00:12:49,550 --> 00:12:59,030
أنا بتكلم على أن هذا هيكون مع ال label اللي موجود

179
00:12:59,030 --> 00:13:02,970
كمان مرة بقول لو أنا إجيت فعليا الخط هذا هو بمثل

180
00:13:02,970 --> 00:13:06,470
المعادلة أو ال role تبعتي في ال classification لو

181
00:13:06,470 --> 00:13:09,510
أنا خدت خط مستقيب ل high على ال point اللي عندي

182
00:13:09,510 --> 00:13:14,880
هنابالشكل هذا او اتكلمت فعليا انا هي العناصر اللي

183
00:13:14,880 --> 00:13:19,660
موجودة عندي هناأنا فعلياً لما تكون ال point تبعتي

184
00:13:19,660 --> 00:13:24,700
بالنسبة لل variable الأول أكبر أو تساوي X معناته

185
00:13:24,700 --> 00:13:29,020
هذا genes otherwise بكون ال protein وهذا معادلة

186
00:13:29,020 --> 00:13:31,640
الخط المستقيم زي ما في عندي classifier اسمه

187
00:13:31,640 --> 00:13:34,560
support vector machine هو عبارة عن أفضل line يفصل

188
00:13:34,560 --> 00:13:38,120
ما بين العناصر الموجودة طبعاً بهذا supervised

189
00:13:38,120 --> 00:13:41,880
learning في ال non-clustering أو عفوا في ال

190
00:13:41,880 --> 00:13:47,580
unsupervised في ال clustering أنا ماعنديش labelأنا

191
00:13:47,580 --> 00:13:52,140
مجرد و اتجمعت البيانات بناء على ال similarity على

192
00:13:52,140 --> 00:13:55,980
التشابه اللي بينها كلهم متشابهين مع بعض بناء على

193
00:13:55,980 --> 00:14:00,100
ال distance اللي موجودة ال distance بين أي نقطين

194
00:14:00,100 --> 00:14:04,920
اللي هي ال intra distance لازم تكون أصغر من أقرب

195
00:14:04,920 --> 00:14:11,900
نقطين يعني أكبر intra distance لازم تكون أقصر من

196
00:14:11,900 --> 00:14:19,350
أيمن اكتر الـ Inter distance كمان مرة بقول انه في

197
00:14:19,350 --> 00:14:23,190
ال clustering لما انا بأجي بتكلم هنا انه المفروض

198
00:14:23,190 --> 00:14:31,030
ال اقوى ال intra distance المفروض تكون عندى اقصر

199
00:14:31,030 --> 00:14:36,170
من ال inter distance اللى موجودة اللى هنا لو انا

200
00:14:36,170 --> 00:14:40,310
اجيت و قلتلك ان هذه ال data اللى عندي هي عبارة عن

201
00:14:40,310 --> 00:14:45,330
data عشان نوضح الموضوع ال clusteringطبعاً عندما

202
00:14:45,330 --> 00:14:49,930
أتكلم عن الوضع في البيانات يعني أنني أتكلم عن

203
00:14:49,930 --> 00:14:54,630
توزيع البيانات وبشوف رسم أو هيكرية البيانات اللي

204
00:14:54,630 --> 00:14:58,650
موجودة عندي لو أنا أتقعد نشوف بالمثال في البسيط

205
00:14:58,650 --> 00:15:02,530
هذا جاب من ال .. لو أجيت و قلت أن ال data هيبتمثل

206
00:15:02,530 --> 00:15:06,970
ال customer purchases و أجيت و قلت كالتالي هدق

207
00:15:06,970 --> 00:15:10,130
طبعاً أنا ميزت هان بالألوان عشان أسهل عليكم عملية

208
00:15:10,130 --> 00:15:15,420
الاستيعاب اللي هتصير كالتاليأنا فعليا لو أدرس

209
00:15:15,420 --> 00:15:19,360
البيانات اللى موجودة عندى هان اللى باللون الأحمر

210
00:15:19,360 --> 00:15:23,640
هي عبارة عن مجموعة من القطع الصغيرة أو عفوا

211
00:15:23,640 --> 00:15:29,760
الأعداد القليلة واللي أسعارها عالية جدا يعنى عندى

212
00:15:29,760 --> 00:15:38,280
1700 على 2 بتكلم في حدود 6850 3000 على 2000 على

213
00:15:38,280 --> 00:15:45,880
3000 بتكلم على 660 تقريبابنتكلم على 2300 على 4

214
00:15:45,880 --> 00:15:50,580
بينما اللي تحت بنتكلم على أعداد أعداد كبيرة و

215
00:15:50,580 --> 00:15:55,200
أسعار قليلة بينما اللي تحت أعداد قليلة و أسعار

216
00:15:55,200 --> 00:16:00,020
قليلة، مظبوط؟ لأ لو أنا بدي أجي أجسم، معناته هيكون

217
00:16:00,020 --> 00:16:02,480
التقسيم في ال cluster الأول اللي على أسر باللون

218
00:16:02,480 --> 00:16:08,220
الأحمر اللي هي few purchases with high pricesطبعا

219
00:16:08,220 --> 00:16:10,620
احنا جماعة الخير واحد و اتنين و تلات اللي هي ال

220
00:16:10,620 --> 00:16:13,660
raw number اللي باللون الأسود أنا مش ملونها معنى

221
00:16:13,660 --> 00:16:16,300
هان عشان اقولك ان هذه ماتدخل في التصنيف مالهاش

222
00:16:16,300 --> 00:16:22,060
داخل لأن ممكن ال data تكون عند هان shuffled، not

223
00:16:22,060 --> 00:16:22,880
ordered

224
00:16:25,670 --> 00:16:30,370
طيب ال cluster التاني هي عبارة عن money prices او

225
00:16:30,370 --> 00:16:34,610
purchase money فهي عندى مجموعة عالية من ال items

226
00:16:34,610 --> 00:16:39,530
عالية و ال purchases تبعتى high prices كذلك وهذه

227
00:16:39,530 --> 00:16:42,370
اللى باللون الأزرق كذلك باللون الأخضر لما انا

228
00:16:42,370 --> 00:16:47,470
بتكلم ان ال customer بيشتري مجموعة قليلة من

229
00:16:47,470 --> 00:16:52,510
العناصر باسعار قليلة أو باسعار زهيدة نوعا ما تمام

230
00:16:54,270 --> 00:16:57,630
طبعاً وين المجالات أو وين التطبيقات اللي ممكن انا

231
00:16:57,630 --> 00:17:01,750
اشغل فيها اعفوا اشغل فيها او اطبق فيها ال

232
00:17:01,750 --> 00:17:05,590
clustering العديد من المجالات في ال target

233
00:17:05,590 --> 00:17:11,230
marketing في التسويق الموجه لما انا حابب استكشف من

234
00:17:11,230 --> 00:17:15,950
الناس اللي ممكن يشتريهالإبداع تبعتي و أروح أوجه

235
00:17:15,950 --> 00:17:20,910
لهم الإعلانات أو أعرض عليهم المنتج تبعي مثلا انا و

236
00:17:20,910 --> 00:17:27,750
الله لو جينا سألنا انا عمال بعمل تطبيق IOS عشان

237
00:17:27,750 --> 00:17:32,670
يتكلم او بعملي high prediction لضغط الدم و عدد

238
00:17:32,670 --> 00:17:37,450
ضربات القلب و الاخره مين المعنيين لو انا بده اروح

239
00:17:37,450 --> 00:17:42,950
ادور في ال data او بده احاول استكشفعندي data set

240
00:17:42,950 --> 00:17:45,830
لل customers اللي بيشتغلوا applications ممكن انا

241
00:17:45,830 --> 00:17:48,430
اروح ادور على فئة الناس اللي ممكن تشتري ال

242
00:17:48,430 --> 00:17:51,230
application هذا من خلال اما من خلال ال similarity

243
00:17:51,230 --> 00:17:55,390
او من خلال الاهتمامات

244
00:17:55,390 --> 00:17:59,510
تبعتهم في الآخر لازم بلاقي بين العناصر هدولة شغلات

245
00:17:59,510 --> 00:18:02,670
مشتركة وممكن انا اتوجههم لانه ممكن اتوجههم لكل

246
00:18:02,670 --> 00:18:05,950
المجموعات فلما انا بروح و اجسمهم لمجموعات بلاقي

247
00:18:05,950 --> 00:18:13,310
حتما مجموعة فيها هذه العناصرفي ال genomics أو في

248
00:18:13,310 --> 00:18:17,730
علم الجينات ممكن انا اروح اصنف الجينات كذلك او

249
00:18:17,730 --> 00:18:21,310
عفوا اقسم الجينات لمجموعات في ال astronomy او في

250
00:18:21,310 --> 00:18:26,670
علم الفضاء عشان اصنف او اجسم المجموعات او اوجد

251
00:18:26,670 --> 00:18:30,470
مجموعات لل similar stars و ال galaxies و المجارات

252
00:18:30,470 --> 00:18:33,660
اللي موجودة عندىفي ال insurance أو في التأمين عشان

253
00:18:33,660 --> 00:18:37,460
اعرف في المجموعات اللي انا فعليا كيف ممكن اعرف

254
00:18:37,460 --> 00:18:44,420
فيها ال vehicles او انصدر او اقسم بوليست التأمين

255
00:18:44,420 --> 00:18:48,240
حسب ال holder اللي موجود عندها لو جديش قيمة ال

256
00:18:48,240 --> 00:18:51,200
insuranceفي ال city planning كذلك في التخطيط

257
00:18:51,200 --> 00:18:56,200
الحضري للمدن كيف يتم جسمها لمجموعة من ال houses

258
00:18:56,200 --> 00:19:03,220
بناء على أنواعهم وانواع سفرتهم و ال location أو ال

259
00:19:03,220 --> 00:19:07,260
geographical location تبعتهم لكن أنا فعليا جامعة

260
00:19:07,260 --> 00:19:11,300
الخيركل الكلام الجميل عن ال clustering في عندي من

261
00:19:11,300 --> 00:19:13,860
ضمن الكلام كان في عندي مشكلة واضحة أو هي ال

262
00:19:13,860 --> 00:19:19,560
challenge الأساسي في موضوع ال clustering فعليا إذا

263
00:19:19,560 --> 00:19:23,240
ال data unlabeled يديش عدد ال clusters الحقيقية

264
00:19:23,240 --> 00:19:28,380
اللي موجودة عندي لو أنا عرضت عنك ال data هاي كام

265
00:19:28,380 --> 00:19:34,600
clusters؟ هاي ال data set unlabeled data مافيش

266
00:19:34,600 --> 00:19:38,000
عليها أي علامات مميزة و سألتك هذه كام مجموعة؟

267
00:19:47,800 --> 00:19:55,400
ممكن اكتر ؟ اه ممكن هاي اربع clusters هادول معبق

268
00:19:55,400 --> 00:20:06,910
هادى لحال هادول لحال هادى لحال او هادلحال ممكن ستة

269
00:20:06,910 --> 00:20:10,630
كذلك طب أي عدد فيهم الصح طب التلاتة ليش مش تلاتة؟

270
00:20:10,630 --> 00:20:14,130
لو أنا قلت له تلاتة حاجة اسمهم على تلاتة مين الصح

271
00:20:14,130 --> 00:20:19,030
فيهم؟ تين ولا تلاتة ولا أربعة ولا ستة ولا خمسة؟

272
00:20:19,030 --> 00:20:23,850
مين؟ لأن ال label غايب عندي معناته انا في عندي

273
00:20:23,850 --> 00:20:26,810
مشكلة او احنا بيقول في عندي challenge حقيقية لان

274
00:20:26,810 --> 00:20:32,480
اقدر اقيمالـ Cluster Algorithm أو الـ Behavior تبع

275
00:20:32,480 --> 00:20:34,340
الـ Cluster Algorithm علشان هي بيقول 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 .. ال .. ال Clustering هي عبارة عن

280
00:20:51,630 --> 00:20:56,110
مجموعة من الست في ال clusters وهذه تراوح مجموعات

281
00:20:56,110 --> 00:20:59,010
ال clusters هذه إما ما بين ال hierarchical أو ال

282
00:20:59,010 --> 00:21:03,830
partitional ال cluster إما بتكون هرمي أو تجزيئي أو

283
00:21:03,830 --> 00:21:06,810
تقطيعي ال clusters اللي موجودة لما أتكلم على

284
00:21:06,810 --> 00:21:09,250
partitional ال clustering معناته أنا بتكلم على

285
00:21:09,250 --> 00:21:15,790
division لل dataعلى مجموعات غير متقاطعة انا بجسم

286
00:21:15,790 --> 00:21:20,310
ال data objects أو ال instances اللي موجودة على

287
00:21:20,310 --> 00:21:25,870
مجموعات غير متقاطعة وهذا ما نسميها non overlapping

288
00:21:25,870 --> 00:21:29,330
clusters او non overlapping subsets او نسميها احنا

289
00:21:29,330 --> 00:21:36,230
cluster وبالتالي كل element بكون موجود فقط في one

290
00:21:36,230 --> 00:21:40,140
subsetبينما 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 انا في عندي تقاطع ما

293
00:21:49,720 --> 00:21:53,060
بين كل cluster و التاني لما ان في عندي هيكلية او

294
00:21:53,060 --> 00:21:56,660
hierarchy هيرامية او في عندي tree معناته انا قاعد

295
00:21:56,660 --> 00:22:00,420
في عندي عناصر اللي هتكون عندي ماخدة أشكال مختلفة

296
00:22:00,420 --> 00:22:03,660
لو انا قلت هي ال data اللي عندي هان وبدأ اطبق

297
00:22:03,660 --> 00:22:07,660
عليها partitionary clusteringمعناته ممكن هيكون

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 انا افترضت انه بالـ Hierarchical

300
00:22:15,140 --> 00:22:17,660
data معناته انا ممكن احيي الـ Hierarchical فكرة

301
00:22:17,660 --> 00:22:24,370
انه اتنين و تلاتة هان في one clusterوالـ cluster

302
00:22:24,370 --> 00:22:27,870
هذا مع أربعة كوّنوا cluster جديد مع واحد كوّنوا

303
00:22:27,870 --> 00:22:30,830
cluster جديد وهذه طبعا 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 وطبعا الـ dendrogram بيبين بشكل واضح

306
00:22:37,850 --> 00:22:41,290
علاقة ال instances مع بعض يعني أنا واضح ان عندي

307
00:22:41,290 --> 00:22:47,950
اتنين و تلاتة انجمعوا بعدين انجمع لهم أربعة و

308
00:22:47,950 --> 00:22:54,500
بعدين انجمع لكل اللي هي واحدةكذلك هنا هنا الـ non

309
00:22:54,500 --> 00:22:56,940
-traditional الهيراريكال .. الهيراريكال طبعا ال

310
00:22:56,940 --> 00:22:59,740
traditional في كل مرة انا عمالي بضيف point لكن في

311
00:22:59,740 --> 00:23:02,220
ال non-traditional لأ ممكن تكون الأمور شوية مختلفة

312
00:23:02,220 --> 00:23:05,500
ممكن بي واحد و بي اتنين مع بعض بي اتنين و بي تلاتة

313
00:23:05,500 --> 00:23:08,840
مع بعض بي تلاتة و بي أربعة و هدول كلهم موجودين مع

314
00:23:08,840 --> 00:23:13,200
بعض و هده هي في ال dendogram اللي بتظهر عندنا ان

315
00:23:13,200 --> 00:23:16,840
شاء الله تعالى في التسجيل الجاي هروح باتجاه ال

316
00:23:16,840 --> 00:23:20,300
partitional clustering أشوفكم على خير ان شاء الله

317
00:23:20,300 --> 00:23:21,640
و السلام عليكم و مرحبا لله