المقدمة
لقد أحدث التعلم العميق ثورة في الذكاء الاصطناعي الحديث من خلال تمكين اختراقات في التعرف على الصور، واللغة الطبيعية، والروبوتات، وأكثر من ذلك. تستكشف هذه الدورة البنية التحتية ومبادئ التدريب وراء الشبكات العصبية. سيتعلم المشاركون كيف تستخرج نماذج التعلم العميق السمات الهرمية ولماذا تتفوق على التعلم الآلي التقليدي في العديد من المجالات. مع أمثلة عملية، سيفهم الحضور كيفية تصميم وتقييم الشبكات بفعالية. بحلول اليوم الأخير، سيكون المشاركون قد بنوا ودربوا نماذج تعلم عميق بسيطة.
أهداف الدورة
- فهم الشبكات العصبية ومكوناتها
- تعلم تقنيات التحسين ودوال الفقدان
- استكشف هياكل التعلم العميق الشائعة
- تدرب على بناء النماذج باستخدام أطر عمل حديثة
- احصل على رؤية حول تحديات التدريب وحلولها
الفئة المستهدفة
- مطورون ومحللون لديهم معرفة أساسية بتعلم الآلة.
- الطلاب الذين يدرسون الذكاء الاصطناعي أو علم البيانات
- المهندسون الذين ينتقلون إلى التعلم العميق
- المهنيون التقنيون الذين يحتاجون إلى خبرة عملية
- هل هناك من يهتم بالشبكات العصبية
المنهاج
- 5 Sections
- 0 Lessons
- 5 أيام
Expand all sectionsCollapse all sections
- اليوم الأول: أساسيات الشبكات العصبية• نموذج بيرسيبترون• الطبقات، الأوزان، التحيزات• وظائف التفعيل• الانتشار للأمام والخلف• بناء شبكة بسيطة0
- اليوم الثاني: تدريب الشبكات العصبية• دوال الخسارة• متغيرات الانحدار التدريجي• استراتيجيات معدل التعلم• تقنيات التنظيم• التجربة العملية: ضبط نموذج صغير0
- اليوم الثالث: الشبكات العصبية الالتفافية (CNNs)• الطبقات الالفافية• النواة وخرائط الميزات• تجميع الطبقات• أساسيات تصنيف الصور• التجربة العملية: بناء شبكة CNN0
- اليوم الرابع: الشبكات العصبية المتكررة (RNNs)• نمذجة التسلسل• شبكات LSTM وGRU• حالات الاستخدام في معالجة اللغة الطبيعية والسلاسل الزمنية• التحديات الشائعة• التجربة العملية: بناء RNN0
- اليوم الخامس: تحسين النماذج ونشرها• التعلم التحويلي• تدريب نماذج المراقبة• أساسيات النشر• استخدام وحدات معالجة الرسوميات في التدريب• مشروع التخرج0







