هندسة وتفسير قرارات نماذج الذكاء الاصطناعي

تهدف هذه الدورة إلى تمكين المتخصصين في التعلم الآلي والذكاء الاصطناعي من بناء أنظمة يمكن الوثوق بها وتفسيرها بوضوح، مع معالجة التحيزات التي تؤثر على النتائج الحقيقية. تبدأ الدورة بإتقان تحوّل البيانات من خلال تنظيف سجلات المحادثات وتحويلها إلى تنسورات منظمة باستخدام أدوات Python، scikit-learn، وTF-IDF. تتعمق الدورة في تقنيات تفسير النماذج باستخدام أدوات مثل SHAP لتحليل أسباب القرارات داخل الصندوق الأسود للنموذج. تركز الدورة على الاستخدام العملي لهذه الأدوات لتحقيق نشر أخلاقي وموثوق لأنظمة الذكاء الاصطناعي، مع التركيز على ممارسات متقدمة لضمان الجودة والشفافية.

• تطبيق هندسة الميزات وتقنيات التفسير لفهم قرارات النماذج
• كشف العيوب في نماذج الذكاء الاصطناعي وبناء أنظمة موثوقة
• إتقان تحوّل وتنظيف البيانات باستخدام الأدوات البرمجية المتقدمة
• تحليل أسباب قرارات النموذج باستخدام تقنيات SHAP

• معرفة أساسية بمصطلحات الذكاء الاصطناعي والتعلم الآلي
• الاستعداد للتطبيق العملي والتمارين