تعلم الآلة: التعلم العميق والتعلم المعزز

تستكشف هذه الدورة مجالين من أكثر مجالات تعلم الآلة ديناميكية وطلباً في سوق العمل: التعلم العميق (Deep Learning) والتعلم المعزز (Reinforcement Learning). ستبدأ بالتعمق في التعلم العميق، وهو فرع من تعلم الآلة يقف خلف العديد من أنظمة الذكاء الاصطناعي الحديثة—من التعرّف على الصور والكلام إلى معالجة اللغة الطبيعية. تقدّم الدورة الأسس النظرية للشبكات العصبية، موضحةً كيف تُبنى هذه الشبكات، وكيف تتعلم من البيانات، ولماذا تُعد فعّالة في التعامل مع البيانات المعقدة وعالية الأبعاد. كما ستكتسب خبرة عملية في بناء الشبكات العصبية وتدريبها، وستستكشف معماريات التعلم العميق الحديثة المستخدمة على نطاق واسع في الصناعة وتطبيقات الذكاء الاصطناعي المعاصرة. بعد ذلك، ستنتقل إلى التعلم المعزز (RL)، وهو مجال سريع النمو في الذكاء الاصطناعي يركز على اتخاذ القرار والتعلم عبر التفاعل مع البيئة. ستتعرف على المفاهيم الأساسية التي يقوم عليها هذا النهج مثل الوكيل (Agent) والبيئة (Environment) والأفعال (Actions) والمكافآت (Rewards) والسياسات (Policies)، وكيف تُستخدم هذه العناصر لبناء أنظمة تتعلم السلوك الأمثل تدريجياً من خلال التجربة والتغذية الراجعة. بنهاية الدورة، ستكون قد كوّنت فهماً متماسكاً للفروق بين أساليب التعلم الخاضع للإشراف وغير الخاضع للإشراف، وبين التعلم العميق والتعلم المعزز، مع القدرة على ربط كل نهج بتطبيقاته العملية المناسبة في أنظمة الذكاء الاصطناعي الحديثة.

• إظهار فهم للتعلم العميق عبر شرح كيفية بناء الشبكات العصبية وتدريبها وتطبيقها على البيانات المعقدة
• تطبيق مهارات تقنية لتصميم وبناء وتدريب نماذج تعلم عميق أساسية باستخدام معماريات حديثة
• إظهار معرفة عملية بالتعلم المعزز عبر تحديد الوكلاء والبيئات والأفعال والمكافآت والسياسات في أنظمة الذكاء الاصطناعي
• التمييز بين التعلم الخاضع للإشراف وغير الخاضع للإشراف والتعلم العميق والتعلم المعزز لإبراز تطبيقات كل منها واستخداماته

• الإلمام بالبرمجة ضمن بيئة تطوير بايثون
• فهم أساسي للتفاضل والتكامل والجبر الخطي والاحتمالات والإحصاء