المقدمة
يركز هذا المقرر على أحدث بنى التعلم العميق التي تدعم اختراقات الذكاء الاصطناعي الحديثة. سيدرس المتعلمون النماذج القائمة على المحولات، والشبكات العصبية البيانية، وآليات الانتباه، والبنى متعددة الوسائط. يركز المنهج على فهم خيارات التصميم ونقاط القوة والتطبيقات الواقعية. من خلال التجارب العملية، سيطبق المشاركون نماذج متخصصة على مجموعات بيانات معقدة. بحلول اليوم الأخير، سيكون لدى الحضور فهم قوي لتصميم الشبكات العصبية المتقدمة.
أهداف الدورة
- فهم بنى التعلم العميق المتطورة
- استكشاف آليات الانتباه والانتباه الذاتي
- تعلم مبادئ تصميم المحولات
- دراسة تطبيقات الشبكات العصبية البيانية
- اكتسب خبرة في مهام التعلم الآلي المعقدة
الفئة المستهدفة
- ممارسون تعلم آلا من المستوى المتوسط إلى المتقدم
- باحثو التعلم العميق
- مهندسون يبنون حلول ذكاء اصطناعي متقدمة
- طلاب برامج الذكاء الاصطناعي التطبيقي
- المهنيون الفنيون الذين يعملون على نماذج اللغة الكبيرة
المنهاج
- 5 Sections
- 0 Lessons
- 5 أيام
Expand all sectionsCollapse all sections
- اليوم الأول: نظرة عامة على العمارات الحديثة• تطور المحولات → CNN → RNN• لماذا الانتباه مهم• أساسيات الانتباه متعدد الرؤوس• مقارنات العمارة• تجربة عملية: عرض الانتباه0
- اليوم الثاني: نماذج المحولات• هيكل المشفر-مفك الترميز• تقنيات التمويه• الترميز الموضعي• تحديات التدريب• التجربة العملية: بناء محول صغير0
- اليوم الثالث: شبكات الرسم البياني العصبية (GNNs)• تمثيلات الرسوم البيانية• تمرير الرسائل• أنواع وتطبيقات GNN• محدوديات شبكات GNN• التجربة العملية: مهمة GNN بسيطة0
- اليوم الرابع: العماريات متعددة الوسائط• نماذج الرؤية واللغة• نماذج الصوت-نص• التضمينات الموحدة• التدريب متعدد الوسائط• التجربة العملية: استخدم نموذجا متعدد الوسائط0
- اليوم الخامس: التحسين والنشر• توسيع النماذج الكبيرة• التدريب الموزع• ضغط النموذج• تحسين الاستدلال• مشروع التخرج0
Instructor
Lessons:
