كل مرة تليفون بيتفتح بنظرة أو مساعد صوتي بيفهم طلب منطوق، شبكة عصبية بتشتغل بهدوء وراء الكواليس. الأنظمة دي دلوقتي بتتعلم بمساعدة بشرية قليلة، وبتتكيف مع بيانات جديدة، وبتحل مشاكل كان متخيل إن الآلة مش هتقدر عليها.

الدورة دي مدخل عملي للعالم ده. بدل ما تتعامل مع التعلم العميق كموضوع نظري، بتاخد المشاركين من الرياضيات اللي وراه لحد بناء وتدريب وتصحيح شبكات حقيقية، وده بيجهزهم إنهم يطبقوا التعلم الآلي مباشرة في شغلهم التقني.

أهداف الدورة:

في نهاية الدورة هيكون المشاركين قادرين على:

• شرح إيه هي الشبكة العصبية وليه التعلم العميق بقى منتشر بالشكل ده.
• تنفيذ الانحدار اللوجستي والانحدار التدرجي والحسابات الموجهة (vectorized) باستخدام Python/Numpy.
• تصميم شبكات عصبية ضحلة، واختيار دوال التنشيط، وتطبيق الانتشار العكسي.
• بناء شبكات عميقة متعددة الطبقات والتفرقة بين المحددات وHyperparameters.
• تطبيق الأساسيات دي على شبكات CNN وRNN ومهام معالجة اللغة الطبيعية بالمحولات.

الفئة المستهدفة:

• مهندسو البرمجة.
• أفراد الفرق التقنية في المؤسسات الحديثة.
• كل المهتمين بالذكاء الاصطناعي وتطبيقاته.
• كل حد عايز يطور مهاراته وخبرته في المجال ده.

المحور الأول: ليه التعلم العميق مهم دلوقتي

• مقدمة في التعلم العميق وإيه هي الشبكة العصبية.
• التعلم الخاضع للإشراف مع الشبكات العصبية.
• ليه التعلم العميق منتشر بالشكل ده.

المحور الثاني: المحرك الرياضي وراء الشبكات العصبية

• التصنيف الثنائي والانحدار اللوجستي.
• دالة تكلفة الانحدار اللوجستي والانحدار التدرجي.
• المشتقات وأمثلة عليها والرسم البياني الحسابي.
• انحدار تدرجي للانحدار اللوجستي، بما فيه الانحدار التدرجي على m من الأمثلة.

المحور الثالث: من الكود للحساب: التنفيذ الموجّه (Vectorized)

• التوجيه (Vectorization) وأمثلة إضافية عليه.
• توجيه الانحدار اللوجستي وإخراج تدرجه.
• البث (Broadcasting) في بايثون، وملاحظة حول متجهات Python/Numpy.
• جولة سريعة في دفاتر Jupyter/iPython.

المحور الرابع: تصميم الشبكات الضحلة

• نظرة عامة على الشبكة العصبية وتمثيلها.
• حساب مخرجات الشبكة العصبية، والتوجيه عبر أمثلة متعددة.
• دوال التنشيط وليه محتاجين دوال غير خطية.
• الانحدار التدرجي للشبكات العصبية، وحدس الانتشار العكسي، والتهيئة العشوائية.

المحور الخامس: الدخول للعمق: البنى متعددة الطبقات

• الشبكة العصبية العميقة L-layer والانتشار الأمامي فيها.
• ضبط أبعاد المصفوفة بشكل صحيح، وليه التمثيل العميق فعال.
• اللبنات الأساسية للشبكات العصبية العميقة: الانتشار الأمامي والعكسي.
• المحددات مقابل Hyperparameters.