عن الدورة
تركّز هذه الدورة على تخصيص نماذج TensorFlow لتجاوز القوالب الجاهزة، عبر بناء نماذج وطبقات ودوال خسارة تلائم مشكلاتك بدقة. ستقارن بين واجهتي Sequential وFunctional، وتتعرف إلى أنواع نماذج يمكن إنشاؤها بالواجهة الوظيفية مثل النماذج متعددة المخرجات، بما في ذلك نماذج سيامية (Siamese) للاستخدامات التي تتطلب مقارنة أو تعلّم تمثيلات. ستتعلم كيفية إنشاء دوال خسارة مخصصة لقياس أداء النموذج وفق احتياجك، ومن ضمنها خسارة التباين (Contrastive Loss) المستخدمة في النماذج السيامية. كما ستبني طبقات مخصصة انطلاقًا من طبقات قياسية، وتفهم كيف تضيف سلوكًا جديدًا أو قيودًا جديدة داخل الشبكة العصبية. تتناول الدورة كذلك تقييم النموذج وكيف ينعكس تصميم الخسارة والطبقات على التعلم والاستقرار والتعميم. بنهاية الدورة ستملك القدرة على تصميم معماريات أكثر تعبيرًا، وكتابة مكونات قابلة لإعادة الاستخدام، وتطبيق تخصيص منهجي يساعدك على تحسين النتائج عندما لا تكفي الإعدادات الافتراضية.
ماذا ستتعلم
- المقارنة بين واجهتي Sequential وFunctional وبناء نماذج متعددة المخرجات
- إنشاء دوال خسارة مخصصة مثل خسارة التباين لقياس التعلم بدقة
- بناء طبقات مخصصة انطلاقًا من طبقات قياسية وتضمين سلوك جديد
- تقييم أثر تصميم الخسارة والطبقات على أداء النموذج وتعميمه
المدرسون
Laurence Moroney
Eddy Shyu