كل الدورات
عن الدورة
يقدم هذا المساق تجربة تعليمية متكاملة تبدأ بتأسيس فهم قوي لمفاهيم بايثورج الأساسية ومبادئ التعلم الآلي والتعلم العميق، مروراً بإعداد بيئة العمل وإتقان التعامل مع التنسورات والشبكات العصبية. يتضمن المحتوى تعلم تصميم وتقييم النماذج، مع التركيز على تقنيات تحسين الأداء مثل ضبط المعلمات والتعامل مع مشكلات نقص أو زيادة التخصيص. يغطي المساق استخدام الشبكات العصبية التلافيفية والمتكررة (CNNs وRNNs) وكذلك نماذج الشبكات التوليدية الخصمية (GANs) لتطوير تطبيقات الذكاء الاصطناعي المتقدمة. يشمل المساق تمارين برمجية تطبيقية تهدف إلى ترسيخ المهارات وتطبيق المعرفة في سيناريوهات حقيقية تساعد المتعلم على اكتساب خبرة عملية في هذا المجال سريع التطور.
ماذا ستتعلم
- فهم المفاهيم الأساسية لبايثورج والتعلم الآلي والتعلم العميق بما فيها الشبكات العصبية
- تنفيذ نماذج بايثورج لمهام التصنيف والانحدار باستخدام مبادئ التعلم العميق
- تقييم وتحسين أداء النماذج باستخدام معايير وتقنيات ضبط المعلمات ومواجهة Underfitting وOverfitting
- تطوير تطبيقات ذكاء اصطناعي متقدمة باستخدام GANs وCNNs وRNNs ونشر النماذج بكفاءة
المتطلبات المسبقة
- معرفة أساسية بالمجال والمصطلحات الشائعة
- القدرة على ممارسة التمارين التطبيقية
المدرسون
P
Packt - Course Instructors
المواضيع
تطوير البرمجيات
علوم الحاسوب
التعلم الآلي
علوم البيانات
التعلم التطبيقي
الذكاء الاصطناعي
الشبكات العصبية الاصطناعية
خوارزميات التصنيف
معلومات الدورة
المنصةCoursera
المستوىغير محدد
طريقة التعلمغير محدد
السعرمجاني
المهارات
تطوير البرمجيات
علوم الحاسوب
التعلم الآلي
علوم البيانات
التعلم التطبيقي
الذكاء الاصطناعي
الشبكات العصبية الاصطناعية
خوارزميات التصنيف
Computer Vision
Convolutional Neural Networks
إعلان
إعلان