مكتبة Keras هي مكتبة شبكة عصبية مفتوحة المصدر مكتوبة في Python. وهو قادر على تشغيل برنامج MXNet، التعلم العميق Tensorflow، CNTK، أو Theano. تم تصميمه ليسمح بتجربة سريعة للشبكات العصبية العميقة، و يركز على أن يكون نموذجيا و قابلا للتوسعة. تقدم هذه الدورة دليلا شاملا حول التعلم العميق باستخدام مكتبة Keras .
مكتبة Keras للتعلم العميق (دليل شامل)
تقدم هذه الدورة تفاصيل شاملة عن التعلم العميق باستخدام مكتبة Keras . حيث يتم التطرق أولا للتعلم الآلي، ثم الشبكات العصبية و تدريب نماذج التعلم العميق و الشبكات العصبية التلافيفية و المتكررة.
ستبدأ الدورة بمقارنة Keras مع TensorFlow لتسهيل فهمه من خلال ربط المعلومات الجديدة بمعرفتك الحالية. و ستتعلم أين و كيف تستخدم Keras. في نهاية هذه الدورة ستكون متمكنا من هذا و يمكنك إضافة كل هذه التقنيات كمؤهلات في سيرتك الذاتية أو ملفك الشخصي على LinkedIn أو موقعك الشخصي.
الأهداف و المكتسبات:
• التمكن من بناء نماذج التعلم العميق باستخدام Keras .
• التعرف على كيفية تقييم أداء الشبكات العصبية التي تم إنشاؤها باستخدام Keras.
• التمكن من فهم كيفية ضبط طبقات Keras على طبولوجيا الشبكة المختلفة.
• التعرف على شفرة العديد من الشبكات العصبية في Python باستخدام Keras.
• التمكن من تمييز التطبيقات العملية التي يمكن أن تستفيد من التعلم العميق.
• التمكن من تدريب و تشغيل نماذج في السحابة cloud باستخدام GPU.
• تعلم بناء و تدريب و استخدام الشبكات العصبية المترابطة و التلفيفية و المتكررة.
• تطبيق التعلم العميق لحل مشاكل التعلم تحت الإشراف و أيضاغير الخاضعة للرقابة و التي تشمل الصور و النصوص و الصوت و السلسلة الزمنية و البيانات المجدولة.
• تثبيت و استخدام Python و Keras لبناء نماذج التعلم العميق.
• التمكن من فهم و تشفير الشبكات العصبية التلافيفية بالإضافة إلى النماذج العميقة المستندة إلى الرسوم البيانية التي تشمل التوصيلات المتبقية و وحدات التأسيس.
• بناء مشروع للتعرف على الصور باستخدام مكتبة CIFAR-10.
• بناء التعرف على أرقام مكتوبة بخط اليد باستخدام MNIST المتقدمة.
• التعرف على الصور باستخدام CIFAR-100.
المتطلبات:
• معرفة أساسيات Python.
• معرفة أساسيات الشبكات العصبية الاصطناعية.
• لا تحتاج لمعرفة مفصلة مسبقة حول التعلم الآلي.
• الصبر و الرغبة و الوقت للتمكن من تتبع الدورة.
رابط الدورة
بالتوفيق للجميع. نحن رهن الإشارة إن احتجتم مساعدة ما. يكفي مراسلتنا عبر الصفحة الرسمية للموقع على الفيسبوك Education Libre أو ترك تعليقات. و يمكنكم متابعتنا عبر تطبيق Telegram لتتوصلوا بمستجدات موقع التعلم الحر باستمرار.
