رئيس مجلس الإدارة ورئيس التحرير أحمد حمدي
الرئيسية‹ الكورسات ‹الذكاء الاصطناعي وـ Machine Learning

كورس 100 Jours De ML

👤 LeCoinStat 🎬 104 درس ⏱️ 22 ساعة 40 دقيقة 📶 مبتدئ 🇺🇸 English
Présentation du Challenge 100JoursDeML: Passer de
EG-24 ACADEMY
EG24
EG-24ACADEMY
— أكاديمية مصر 24 —
CERTIFICATE
OF COMPLETION
THISCERTIFICATE IS PROUDLY PRESENTED TO
اسمك هنا
FOR SUCCESSFULLY COMPLETING THE COURSE
كورس 100 Jours De ML
ISSUED ON
23 أغسطس 2026
Ahmed Hamdy
AHMED HAMDY
FOUNDER
VERIFY CERTIFICATE
CERTIFICATE ID
PREVIEW
رقم تحقق الشهادة
EG24
ACADEMY
LEARN GROW
🔒

شاهد 50% من الكورس واحصل على شهادتك المجانية

✅ تتبع تقدمك في الكورس
🏆 شهادة مجانية عند الإتمام
📊 إحصائياتك محفوظة دائماً
🔖 استكمل من حيث توقفت

إنشاء حساب مجاني يأخذ ثوانٍ فقط

📋 محتوى الكورس 104 درس · 22 ساعة 40 دقيقة
  • 1 Présentation du Challenge 100JoursDeML: Passer de Zéro à Un en Data Science en 100 jours 4:31
  • 2 Le Machine Learning Expliqué Simplement: les Étapes de Construction d'un Modèle 12:06
  • 3 Pourquoi Python et Comment Installer Anaconda sur Mac/Windows - Python le Langage du Data Scientist 12:25
  • 4 Maîtriser NumPy pour la Data Science : Guide pour Débutants 20:14
  • 5 Maîtriser Pandas Pour La Data Science En 20 min : Guide Complet Pour Débutants 26:03
  • 6 Maîtriser les Bases de Matplotlib en 20 min : Guide Complet pour Débutants en Data Science 19:55
  • 7 Tutoriel Seaborn pour Débutants: les plus Beaux Graphiques en une Ligne de Code 18:57
  • 8 Les Concepts De Base En Statistique en 3 min- 100 Jours de Machine Learning/ Jour 7 3:43
  • 9 Devenez un Pro de l'Analyse de Données : les Types de Variables en Statistique à Connaître 11:09
  • 10 Maîtriser les Statistiques en Python : Tendance Centrale et Dispersion Expliquées 9:39
  • 11 Lois de Probabilité pour le Machine Learning en 10 min: 100JoursDeML-Jour 10 11:28
  • 12 Analyse de Données avec Python en 20 min : Statistiques Bivariées Pour Le Machine Learning 20:16
  • 13 Comprendre l'ACP en Moins de 20 min: Analyse en Composantes Principales -Guide Pour Débutants 19:17
  • 14 L'Essentiel de l'Analyse de Données : 10 Min pour Comprendre et Présentation du Premier Projet 12:41
  • 15 Analyse en Composantes Principales (ACP) avec Python: Guide Pratique pour Débutant(e)s 16:08
  • 16 L'AFC, C'est Quoi ? - Analyse Factorielle des Correspondances Expliquée Simplement 10:01
  • 17 AFC(Analyse Factorielle des Correspondances) Sous Python Pour Débutants - Guide Pratique 14:38
  • 18 L'ACM Expliquée En 6 Points Clés Pour les Débutants - Analyse Des Correspondances Multiples 11:44
  • 19 ACM Démystifiée : Guide Complet sous Python pour Maîtriser l'Analyse des Correspondances Multiples 14:06
  • 20 Comment Vérifier la Normalité d'une Variable Quantitative Sous Python? Guide Complet Pour Débutants 13:10
  • 21 [Live]Découvrez les Secrets de l'ACP : de la Préparation à l'Interprétation des Résultats 44:41
  • 22 Les Méthodes Factorielles - Quels 04 Points Ont-elles en Commun? 6:24
  • 23 Découvrez la Meilleure Méthode de Prétraitement des Données: Normalisation ou Standardisation ? 7:26
  • 24 L' Encodage des Données Catégorielles Pour Le Machine Learning: Label Encoding, One Hot Encoding... 10:50
  • 25 Transformation Des Variables En Machine Learning: Box-Cox, Yeo-Johnson, Logarithmique, puissance 10:09
  • 26 Guide Complet de Traitement des Données Manquantes en Python - Machine Learning 15:51
  • 27 Comment Identifier et Traiter les Valeurs Aberrantes (Outliers) - Guide Pratique Avec Python 14:25
  • 28 Les Mathématiques Indispensables Pour Maîtriser Le Machine Learning - Les Notions Fondamentales 8:46
  • 29 Le Preprocessing Expliqué Simplement : Comment Préparer Vos Données Pour Des Modèles de ML Précis 12:27
  • 30 Comment Choisir Les Bonnes Variables Pour Votre Modèle De Machine Learning ? -Features Selection 8:59
  • 31 Techniques Pour Sélectionner Les Variables En Machine Learning: Approche Par Filtrage 13:07
  • 32 Private video
  • 33 Feature Selection En Python - Approches Automatiques et Approches Intégrées 15:14
  • 34 Comprendre L' Apprentissage Supervisé : Les 4 Piliers à Connaitre 7:49
  • 35 Les Fonctions de Coûts et les Mesures de Performance Expliquées pour les Modèles de Régression 10:34
  • 36 Comment Evaluer La Performance De Votre Modèle De Classification : Fonctions De Perte Et Métriques 10:31
  • 37 Overfitting Et Underfitting: Les Ennemis Du Machine Learning, Comment Les Eviter? 10:08
  • 38 Overfitting : Comment L' Éviter, Le Détecter, Le Prévenir Et Optimiser Vos Modèles de ML 11:15
  • 39 Comprendre Les Concepts De Biais Et De Variance En Machine Learning - Compromis Biais-Variance 5:27
  • 40 Comment Choisir Le Meilleur Modèle De Machine Learning Pour Vos Données? 8:39
  • 41 Maîtriser Les Bases De La Régression Linéaire : 6 Points Clés Pour Les Débutants 6:49
  • 42 Comprendre Les Hypothèses De La Régression Linéaire: Identification Et Impact De La Non-Validation" 13:16
  • 43 Guide Complet De La Regression Lineaire En Python - Machine Learning 22:07
  • 44 Régression Linéaire : Que Faire Lorsque Les Hypothèses Ne Sont Pas Vérifiées ? -100JoursDeML-Jour 41 8:41
  • 45 Outliers, Points de Levier et Points Influents: Comment Les Identifier Et Les Traiter? 8:01
  • 46 La Vérité Sur Le Machine Learning : Les 5 Mythes à Déconstruire 6:30
  • 47 Comprendre La Régression Logistique En Moins DE 10 Min-100JoursDeML Jour44 8:15
  • 48 Découvrez les 6 Hypothèses De La Régression Logistique | 100JoursDeML - Jour 45 6:07
  • 49 La Régression Logistique: Avantages Et Inconvénients Décryptés Pour Le Machine Learning 6:13
  • 50 Maîtrisez la Régression Logistique en Python : Guide Pratique 23:51
  • 51 Guide Pratique pour l'Oversampling, l'Undersampling et SMOTE sous Python 13:40
  • 52 Choisir le Seuil Optimal en Machine Learning : les Astuces à Connaître | Jour 49 13:53
  • 53 Les Techniques de Validation Croisée en Machine Learning Expliquées Simplement | Jour 50 11:28
  • 54 Python et Scikit-Learn : Comment Utiliser la Validation Croisée pour Évaluer Vos Modèles | Jour 51 18:05
  • 55 Régression Ridge, Lasso et Elastic Net expliquée simplement - Machine Learning |Jour 52 11:22
  • 56 Comment Implémenter Les Régressions Pénalisées En Python: Ridge, Lasso, Elastic Net | Jour 53 11:14
  • 57 Les Bases De L'Arbre De Décision Expliquées Simplement | 100JoursDeML -Jour 54 12:37
  • 58 Comment Créer Un Arbre De Décision Performant? - Guide Pratique En Plusieurs Étapes | Jour 55 16:54
  • 59 Comment Construire Un Arbre De Classification En Python : Un Guide Complet Pour Les Débutants 18:09
  • 60 Comment Construire Un Modèle d'Arbre de Régression Pour Prédire Les Prix de l'Immobilier sous Python 19:13
  • 61 Les Deux Points Clés Pour Trouver Son Emploi En Tant Que Data Scientist | Jour 58 9:28
  • 62 Démystifier Les Forêts Aléatoires (Random Forests) : Comprendre L'Intuition De Cette Méthode| Jour59 7:35
  • 63 Choix du Nombre d'Arbres et de Variables en Forêt Aléatoire (Random Forest) 9:54
  • 64 Maîtrisez Les Forêts Aléatoires En Python : Tutoriel Pratique Pour Débutants - Random Forest 17:22
  • 65 Apprendre à Construire et Évaluer des Forêts Aléatoires pour la Régression en Python: Random Forest 13:33
  • 66 Ensemble Learning pour les Débutants : Bagging, Boosting et Stacking Démystifié 12:51
  • 67 AdaBoost en Machine Learning Simplifié: Construction et Fonctionnement 10:54
  • 68 Le Guide Pratique d'AdaBoost en Python - Ensemble Learning Démystifié 15:15
  • 69 Comprendre le Gradient Boosting Simplement: Du Concept Aux Applications Concrètes 9:24
  • 70 Être Indispensable à l'Ère de l'IA : Les Compétences Essentielles du Data Scientist 9:03
  • 71 XGBoost vs LightGBM vs CatBoost : Les Principaux Modèles De Gradient Boosting 9:14
  • 72 Comparaison de modèle XGBoost, LightGBM et CatBoost en Python - Le Guide Complet 15:16
  • 73 Les Modèles Ensemblistes pour la Régression sous Python : XGBoost, CatBoost, LightGBM et Adaboost 13:51
  • 74 L'Ensemble Learning Résumé en 05 Points Clés - Machine Learning 6:50
  • 75 Découverte De L'Algorithme KNN : Tout Ce Que Vous Devez Savoir 10:05
  • 76 Comment Utiliser les k-NN pour la Classification et la Régression en Python 9:19
  • 77 🍾 [2000 Abonnés]: Réponses aux Quiz sur les Modèles Basés Sur Les Arbres 16:30
  • 78 Les SVM Démystifiés : Marge, Kernel et Hyperplan Expliqués 10:02
  • 79 7 Choses à Savoir Absolument sur les SVM : Explications Simples 6:41
  • 80 Guide Pratique SVM (Support Vector Machine) en Python : Toutes les étapes En Moins de 20 Min 19:03
  • 81 Comment Construire Un Modèle De Machine Learning En 5 étapes Simples 9:07
  • 82 Comprenre l'Apprentissage Non Supervisé En Moins de 10 min 8:58
  • 83 K-means Expliqué Simplement : Comprendre Son Fonctionnement 6:24
  • 84 Comment Choisir Le Nombre De Cluster Dans le K-Means? 4:52
  • 85 Le Guide Complet pour Maîtriser K-means en Python 15:08
  • 86 Classification Ascendante Hiérarchique (CAH) en Python - Jour 83 18:20
  • 87 Les Bases Du Clustering : 5 Points Clés à Connaître 7:33
  • 88 Découvrez DBSCAN : Le Clustering Avancé Pour Débutants Avec Python" 10:16
  • 89 Découvrir les Séries Temporelles : Les 05 Notions Indispensables 4:31
  • 90 Comprendre La Stationnarité En Série Temporelle : Un Guide Pour Débutants 12:03
  • 91 Prédiction de Séries Temporelles Avec Python et ARIMA : Guide Pratique Pour Débutants 28:09
  • 92 Comprendre le Modèle ARIMA en moins de 10 Minutes pour des Prédictions en Machine Learning 11:44
  • 93 Le Modèle VAR (Vectoriel Autorégressif) Expliqué Simplement : Comprendre Les Bases 11:55
  • 94 Construction d'un Modèle VAR en Python: Tutoriel pour Débutants 22:55
  • 95 Comprendre le Modèle VECM en Moins de 10 Min - 100JoursDeML 11:30
  • 96 Modèle VECM en Pratique : Analyse des Séries Temporelles Avec Python 16:07
  • 97 Tout Savoir Sur Les Modèles De Séries Temporelles En Moins De 20 Min 17:51
  • 98 Comprendre Les Modèles ARCH/GARCH EN Moins De 10 Min - Guide Pour Débutants 12:37
  • 99 Modélisation et Analyse des Prix des Actions d'Apple/CAC 40 avec Python| Modèles GARCH 13:20
  • 100 Comment Faire Du Machine Learning Avec Du Texte/Des Images/ Audios/Vidéos? - Données Non Structurées 6:07
  • 101 Analyse de Sentiments de Tweets avec Python (NLP): Approche Basée sur la Régression Logistique 15:36
  • 102 Analyse Des Sentiments des Données Covid avec TextBlob et NLTK 18:38
  • 103 Guide Complet de l'Interprétabilité en Machine Learning : LIME, SHAP, et DPD Expliqués -100/100 14:26
  • 104 La Suite De l'Aventure Sur LeCoinStat: Q&A -Fin du challenge #100JoursDeML 🎉 58:30
▶ يُشغَّل الآن
Présentation du Challenge 100JoursDeML: Passer de Zéro à Un en Data Science en 100 jours

📘 نظرة عامة على الكورس

يُقدّم هذا الكورس المجاني شرحاً شاملاً لـ 100 Jours De ML من الصفر باللغة العربية في مجال الذكاء الاصطناعي وـ Machine Learning، ويستهدف المبتدئين الراغبين في بناء مهاراتهم العملية واحترافية في 2026. يُقدّمه LeCoinStat باللغة العربية بأسلوب مبسّط ومنظّم.

يضم الكورس 104 درساً بمدة إجمالية 22 ساعة 40 دقيقة، تأخذك من الصفر حتى الاحتراف خطوةً بخطوة.

لماذا تتعلم 100 Jours De ML من الصفر باللغة العربية؟

  • الذكاء الاصطناعي من أسرع المجالات نمواً في سوق العمل، مع زيادة الطلب على المتخصصين بنسبة 300% خلال السنوات الأخيرة.
  • مجاني بالكامل — ابدأ الآن دون أي رسوم
  • شهادة إتمام معتمدة — أضفها لـ CV وLinkedIn
  • تعلّم في أي وقت — بالسرعة التي تناسبك
  • مجالات الذكاء الاصطناعي: رؤية الحاسب، معالجة اللغة الطبيعية، الروبوتيات، الألعاب، التنبؤ والتوصية.

مسار التعلم في هذا الكورس

يسير الكورس وفق مسار منطقي متدرّج: الرياضيات والإحصاء → Python → ML → Deep Learning → Specialization

المتطلبات السابقة

Python + رياضيات (إحصاء وجبر خطي) — يمكن لأي شخص البدء في هذا الكورس.

الأدوات والبرامج المستخدمة

  • Python
  • TensorFlow
  • PyTorch
  • Scikit-learn
  • Jupyter
  • Keras
  • Hugging Face

متطلبات الجهاز

  • RAM 16GB فأكثر
  • GPU (NVIDIA RTX مُوصى)
  • SSD سريع
  • تخزين 500GB+

الوظائف المتاحة بعد إتمام الكورس

  • AI Engineer
  • ML Engineer
  • Data Scientist
  • AI Researcher
  • NLP Engineer

متوسط رواتب 100 Jours De ML من الصفر باللغة العربية 2026

  • مصر: 12,000-40,000 ج
  • السعودية: 18,000-50,000 ر
  • أمريكا: $120,000-$200,000

كم من الوقت تحتاج لإتقان 100 Jours De ML من الصفر باللغة العربية؟

  • أساسيات ML: 40-60 ساعة
  • Deep Learning: 60-100 ساعة
  • تخصص كامل: 200-400 ساعة

الشهادات المعتمدة في مجال الذكاء الاصطناعي وـ Machine Learning

  • Google ML Engineer
  • AWS ML Specialty
  • Coursera ML Specialization (Andrew Ng)
  • Deep Learning Specialization

مشاريع عملية ستتمكن من بناؤها

  • Image Classifier
  • Chatbot
  • Recommendation System
  • Object Detection
  • Sentiment Analysis

ماذا بعد هذا الكورس؟

بعد إتمام الكورس، يُوصى بالتعمق في: LLMs، Computer Vision، NLP، MLOps، Generative AI.

الأقسام الجامعية ذات الصلة

يُناسب هذا الكورس طلاب: كلية حاسبات ومعلومات، كلية هندسة (ذكاء اصطناعي)، جامعة القاهرة، جامعة عين شمس.

سجّل في كورس 100 Jours De ML من الصفر باللغة العربية الآن، ابدأ رحلتك نحو الاحتراف في الذكاء الاصطناعي وـ Machine Learning مجاناً. تذكّر: أفضل وقت للتعلم هو الآن.

L
المدرّس / القناة
LeCoinStat
🎬
عدد الدروس
104 درس
⏱️
المدة الإجمالية
22 ساعة 40 دقيقة
📶
المستوى
مبتدئ
🌍
اللغة
English
🎓
الشهادة
مجانية عند الإكمال
✅
المتطلبات
لا توجد متطلبات مسبقة
📂
التصنيف
الذكاء الاصطناعي وـ Machine Learning

🎯 ماذا ستتعلم في هذا الكورس

✓
Présentation du Challenge 100JoursDeML: Passer de Zéro à Un en Data Science en 100 jours
✓
Le Machine Learning Expliqué Simplement: les Étapes de Construction d'un Modèle
✓
Pourquoi Python et Comment Installer Anaconda sur Mac/Windows - Python le Langage du Data Scientist
✓
Maîtriser NumPy pour la Data Science : Guide pour Débutants
✓
Maîtriser Pandas Pour La Data Science En 20 min : Guide Complet Pour Débutants
✓
Maîtriser les Bases de Matplotlib en 20 min : Guide Complet pour Débutants en Data Science
✓
Tutoriel Seaborn pour Débutants: les plus Beaux Graphiques en une Ligne de Code
✓
Les Concepts De Base En Statistique en 3 min- 100 Jours de Machine Learning/ Jour 7
✓
+ 96 موضوع آخر...

💼 الوظائف التي يؤهلك لها الكورس

💼
متعلق بـ الذكاء الاصطناعي وـ Machine Learning

❓ أسئلة شائعة عن الكورس

كم عدد دروس الكورس؟ +
يحتوي الكورس على 104 درس بإجمالي مدة 22 ساعة 40 دقيقة.
هل الكورس مجاني بالكامل؟ +
نعم، الكورس مجاني تماماً ومتاح بالكامل على منصة مصر 24 بدون أي رسوم.
هل الكورس مناسب للمبتدئين؟ +
الكورس موجّه لمستوى مبتدئ، وهو مناسب تماماً للمبتدئين من الصفر.
ما لغة الشرح في الكورس؟ +
الكورس مشروح باللغة الإنجليزية بأسلوب واضح ومبسّط.
هل يمكن تعلم الكورس بدون خبرة سابقة؟ +
نعم بالتأكيد. هذا الكورس مصمم للمبتدئين من الصفر.
كم يستغرق إتمام هذا الكورس؟ +
المدة الإجمالية 22 ساعة 40 دقيقة. يُنصح بتخصيص ساعة يومياً.
هل أحصل على شهادة عند الإتمام؟ +
نعم، تحصل على شهادة إتمام مجانية من مصر 24 بعد مشاهدة جميع الدروس.
من يقدم هذا الكورس؟ +
الكورس مقدم من LeCoinStat.

كورسات مشابهة في الذكاء الاصطناعي وـ Machine Learning

كورس شروحات ادوات الأتمتة ( Ai Automation)

كورس شروحات ادوات الأتمتة ( Ai Automation)

👤 أسامة الكلثمي - ذكاء اصطناعي🎬 22 درس
كورس تطبيق Sora من Open AI: ثورة في عالم إنشاء الفيديو بالذكاء الاصطناعي

كورس تطبيق Sora من Open AI: ثورة في عالم إنشاء الفيديو بالذكاء الاصطناعي

👤 تكنولوجيا الان🎬 15 درس
كورس الأسبوع الأول: أساسيات الذكاء الاصطناعي

كورس الأسبوع الأول: أساسيات الذكاء الاصطناعي

👤 أكاديمية الذكاء الإصطناعي🎬 13 درس
دورة أساسيات الذكاء الاصطناعي

دورة أساسيات الذكاء الاصطناعي

👤 Ai Mentor🎬 11 درس
✕
🎓 أكاديمية مصر 24
EG24
EG-24 ACADEMY
EG24
EG-24ACADEMY
— أكاديمية مصر 24 —
CERTIFICATE
OF COMPLETION
THISCERTIFICATE IS PROUDLY PRESENTED TO
اسمك هنا
FOR SUCCESSFULLY COMPLETING THE COURSE
اسم الكورس هنا
ISSUED ON
23 أغسطس 2026
Ahmed Hamdy
AHMED HAMDY
FOUNDER
VERIFY CERTIFICATE
CERTIFICATE ID
PREVIEW
رقم تحقق الشهادة
EG24
ACADEMY
LEARN GROW
أقرب طريق لحلمك — سواء مشروعك الجديد أو وظيفة أحلامك — يبدأ من هنا، بكورسات مجانية 100% للأبد.