التعلم العميق
محاكاة العقل البشرى فى طرق التفكير
12 ساعة و40 دقيقة64 درس5 قسم
ماذا ستتعلم؟
- فهم أساسيات التعلم العميق
- تعلم تنفيذ الشبكات العصبية
- تطبيق التعلم في الرؤية الحاسوبية
- إدارة مشاريع باستخدام TensorFlow
- تصميم نماذج متقدمة مثل RNN
- اكتساب مهارات في معالجة اللغة الطبيعية
عن الدورة
تعلم التعلم العميق من البداية إلى الاحتراف في هذا المسار المتكامل. يغطي المسار أساسيات الشبكات العصبية، مفاهيم التعلم العميق، وكيفية بناء نماذج فعالة باستخدام أدوات مثل TensorFlow. ستتعرف على تطبيقات عملية متنوعة تشمل الشبكات العصبية العميقة، الشبكات المتكررة، والنماذج التنبؤية. يتضمن المسار مشاريع عملية وأكواد مشروحة للمساعدة في تطبيق التعلم العميق بشكل عملي.
نتائج متوقعة من الدورة
- إتقان استخدام الشبكات العصبية لبناء نماذج تعلم عميق عالية الكفاءة.
- القدرة على تحليل البيانات وتطبيق التعلم العميق لحل مشكلات معقدة.
- تصميم وتنفيذ مشاريع حقيقية باستخدام أدوات التعلم العميق المتقدمة.
- فهم كيفية تحسين أداء النماذج باستخدام تقنيات متقدمة.
- إعداد نفسك لدخول مجال الذكاء الاصطناعي والتعلم العميق كمحترف.
محتوى الدورة
1أساسيات التعلم العميق والشبكات العصبية
31 درس
- المقدمة1:56
- الشبكة العصبية8:13
- التعلم الخاضع للاشراف والشبكات العصبية7:52
- التصنيف الثنائي13:55
- تحميل قائمة الرموز
- خوارزمية Logistic Regression8:51
- دالة التكلفة11:43
- حساب قيم المتغيرات14:00
- حساب التفاضل13:34
- الرسم البياني الحسابي6:23
- الرسم البياني الحسابي لحساب المشتقات15:24
- حساب المشتقات لتطبيق الخوارزمية12:51
- حساب المشتقات لعدد من الأمثلة10:34
- التعرف على التوجيهات15:59
- تحميل المثال العملى
- استخدام التوجيهات في خوارزمية الانحدار الخطي14:45
- التوزيع في بايثون14:29
- تحميل المثال العملى
- مقدمة عن الشبكة العصبية المجوفة11:08
- تمثيل الشبكة العصبية المجوفة وحساب الخرج17:30
- حساب الخرج لعدد من الأمثلة10:25
- دالة الأكتيفاشن11:23
- حساب التفاضل لدوال الأكتيفاشن15:58
- تحميل صيغة الدالة
- تنفيذ انحدار التدرج للشبكة العصبية المجوفة18:27
- مقدمة عن الشبكة العصبية العميقة11:19
- الانتشار الأمامي للشبكة العصبية العميقة13:52
- كيفية حساب أبعاد الماتريكس22:52
- المكونات الأساسية لتنفيذ الشبكة العصبية العميقة14:14
- تنفيذ المكونات الأساسية لحساب الانحدار التدريجي11:22
- المعاملات العليا4:44
2تطوير الشبكة العصبية العميقة وتدريب النماذج
6 درس
- المكتبات المستخدمة للتطوير7:08
- مثال تطبيقي لاستخدام مكتبة كيراس في التوقع11:12
- التطبيق العملي الاول26:35
- تحميل ملف الداتا
- مثال تطبيقي لاستخدام مكتبة كيراس في التصنيف13:51
- التطبيق العملي الثاني35:06
3استخدام الـ TensorFlow
9 درس
- مقدمة عن الـ TensorFlow16:13
- الأساسيات الجزء الأول9:04
- الأساسيات الجزء الثانى17:50
- الأساسيات الجزء الثالث9:00
- التطبيق على التوقع الجزء الأول21:33
- التطبيق على التوقع الجزء الثانى26:13
- تحميل ملف الداتا
- التطبيق على التصنيف الجزء الأول32:22
- التطبيق على التصنيف الجزء الثانى24:28
4الشبكة العصبية المُلتفة
8 درس
- مقدمة عن الشبكة العصبية الملتفة7:54
- المبادئ الأساسية5:46
- الهيكلية للشبكة العصبية الملتفة18:26
- التطبيق العملي على الطريقة التقليدية الجزء الأول27:20
- التطبيق العملي على الطريقة التقليدية الجزء الثاني14:01
- تحميل التطبيق
- التطبيق العملي على الشبكة العصبية الملتفة29:50
- تحميل التطبيق
5بناء النماذج المختلفة للتعلم العميق
10 درس
- مقدمة بناء النماذج المختلفة للتعلم العميق4:45
- البيانات المتسلسلة3:06
- الشبكة العصبية المتكررة6:48
- نموذج LSTM6:45
- التطبيق العملي لأساسيات نموذج LSTM23:14
- تحميل التطبيق
- مقدمة عن New Autoencoders5:20
- هيكلية Autoencoders4:02
- التطبيق العملي على Autoencoders19:13
- تحميل التطبيق
المحاضر
م/عمرو عبد الفتاح
6,563 متعلم20 دورة
هذه الدورة ضمن دبلومة
