التعلم العميق هو من بين المجالات الفرعية للتعلم الآلي، حيث يتم التعبير عن النماذج المستوحاة من كيفية عمل أدمغتنا بشكل رياضي. تقدم Microsoft دورة على الإنترنيت يشرح فيها محاضرون أكفاء التعلم العميق ، و يقدمون لك ركيزة لتتعلم فيها نهجا بديهيا لبناء نماذج معقدة تساعد الآلات في حل مشاكل العالم الحقيقي باستخدام ذكاء اصطناعي شبيه بالإنسان.
شرح التعلم العميق و فهم أساسياته
تعلم أسلوبا بديهيا لبناء النماذج المعقدة التي تساعد الآلات على حل مشاكل العالم الحقيقي باستخدام ذكاء اصطناعي شبيه بالإنسان.
يستخدم التعلم الآلي أجهزة الكمبيوتر لتشغيل نماذج تنبؤية التي تعلم انطلاقا من البيانات الموجودة حاليا للتنبؤ بالسلوكيات و النتائج و الاتجاهات المستقبلية. التعلم العميق هو من بين المجالات الفرعية للتعلم الآلي، حيث يتم التعبير عن النماذج المستوحاة من كيفية عمل أدمغتنا بشكل رياضي، و يتم تعلم المعايير التي تحدد النماذج الرياضية، والتي يمكن أن تكون في حدود بضعة آلاف إلى 100 مليون، تلقائيًا من البيانات.
يعد التعلم العميق عاملا رئيسيا في تقنيات AI التي يتم تطويرها في جميع أنحاء العالم. في هذه الدورة التعليمية حول شرح التعلم العميق ، سوف تتعلم نهجا بديهيا لبناء نماذج معقدة تساعد الآلات في حل مشاكل العالم الحقيقي باستخدام ذكاء شبيه بالإنسان. سوف تُترجم الأساليب البديهية إلى رمز للعمل مع مشاكل و تجارب عملية. سوف تتعلم كيفية إنشاء و استخلاص الأفكار من هذه النماذج باستخدام دفاتر Python Jupyter التي تعمل على جهاز Windows أو Linux المحلي، أو على جهاز افتراضي يعمل على Azure. بدلاً من ذلك، يمكنك الاستفادة من منصة Microsoft Azure Notebooks مجانًا.
تقدم هذه الدورة التفاصيل اللازمة لتمكين المهندسين، و علماء البيانات، و مديري التكنولوجيا من تطوير فهم حدسي للمفاهيم الأساسية وراء التعلم العميق . في نفس الوقت، سوف تتعلم الأشكال البسيطة و الفعالة التي يمكن استخدامها مع مرونة تشبه ألعاب التركيب لبناء نموذج التعلم العميق المتكامل. و ستتعلم كيفية استخدام مجموعة أدوات Microsoft المعرفية -المعروفة سابقًا باسم CNTK- لتسخير الذكاء ضمن مجموعات البيانات الضخمة من خلال التعلم العميق بالتدرج و بسرعة و دقة لا مثيل لها.
الأهداف و المكتسبات:
• التعرف على مكونات الشبكة العصبية العميقة و كيف تعمل معا.
• التعرف على الأنواع الأساسية للشبكات العصبية العميقة (MLP، و CNN، و RNN، و LSTM)، ونوع البيانات المصممة لكل منها.
• التعرف على المفردات و المفاهيم و الخوارزميات المستخدمة في التعلم العميق .
• تعلم كيفية بناء نموذج شامل من أجل التعرف على صور رقمية مكتوبة بخط اليد، باستخدام نموذج الانحدار اللوجستي و MLP.
• تعلم كيفية بناء نموذج CNN ( (Convolution Neural Network لتحسين التعرف على الأرقام.
• تعلم كيفية بناء نموذج RNN (الشبكة العصبية المتكررة) للتنبؤ ببيانات السلاسل الزمنية.
• تعلم كيفية بناء نموذج LSTM (ذاكرة طويلة المدى) لمعالجة البيانات النصية المتسلسلة.
المتطلبات:
• أساسيات مهارات البرمجة.
• معرفة عملية لعلوم البيانات.
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.
