 ملخص عن الدورة

يعتبر الذكاء الاصطناعي Artificial intelligence (AI) بالوقت الحاضر أحد أكثر المواضيع اثارة وجدلا بين أوساط المبرمجين والمهتمين بالتكنولوجيا الحديثة، حيث أن تطبيقات الذكاء الاصطناعي واسعة جدا ويمكن توظيفها بمختلف المجالات، كالمجالات الهندسية والطبية والاقتصادية وحتى الاجتماعية والنفسية وغيرها الكثير من القطاعات

تبدأ هذه الدورة بمقدمة عن الذكاء الاصطناعي وتطبيقاته بالحياة العملية ،ومن ثم تتعمق بشكل تدريجي وعملي للغوص بمشاريع الذكاء الاصطناعي وبرمحتها من الصفر بلغة البرمجة بايثون

 تركز هذه الدورة بشكل رئيسي على احد اهم مواضيع الذكاء الاصطناعي والتعلم الآلي Machine Learning (ML) وهو موضوع الشبكات العصبية الاصطناعية (Artificial Neural Networks (ANN، حيث يتم تناول العديد من عناصر ومكونات الشبكات العصبية الاصطناعية  (ANN) بشكل تدريجي وتفصيلي لكي يصل الطالب إلى درجة عالية من المعرفة بالشبكات العصبية الاصطناعية وتطبيقاتها

الدورة تطبيق عملي وتركز على التمارين والمشاريع بموضوع الذكاء الاصطناعي، حيث سيقوم الطالب بنهاية الدورة ببناء مشروع ذكاء اصطناعي كامل باستخدام الشبكات العصبية الاصطناعية بلغة بايثون

 المستهدفون بالدورة

تستهدف الدورة الفئات التالية:

• طلاب علوم الحاسوب والهندسة والذكاء الاصطناعي
• الموظفون في البرمجة والذكاء الاصطناعي
• المهتمون بمجالات الذكاء الاصطناعي وتعلم الآلة
• أي شخص يرغب بتعلم الذكاء الاصطناعي سواء للعمل أو كهواية

 لماذا أتعلم الشبكات العصبية الاصطناعية؟

يوجد العديد من الأسباب التي تدعو لتعلم الشبكات العصبية الاصطناعية كأحد تطبيقات الذكاء الاصطناعي حيث أنه يمكن توظيفها في عدد من المشاريع الذكية والمفيدة، ومنها:

1. مشاريع تمييز النصوص Text Recognition
2. مشاريع طبية ذكية Medical Applications
3. مشاريع الشبكات الذكية Smart Networks
4. مشاريع معالجة الصور Image Processing
5. مشاريع معالجة الصوت Audio Processing
6. مشاريع الأتمتة والتحكم Automation & Control
7. مشاريع الطاقة الشمسية الذكية Solar Power
8. مشاريع آلات الطاقة الذكية Power Machines
9. مشاريع تصنيف البيانات Data Classification
10. مشاريع التنبؤ بالبيانات Data Forecasting

وغيرها الكثير من مشاريع الذكاء الاصطناعي…

 مواضيع الدورة

تحتوي الدورة على المواضيع التالية:

1. التعرف على عدد من تطبيقات الذكاء الاصطناعي
2. التعرف على الشبكات العصبية الاصطناعية
3. التعامل مع TensorFlow Firmware
4. التعامل مع Pandas & Matplotlib libraries
5. التعامل مع Input-Layers و Output-Layers
6. التعامل مع Single/Multi Hidden-Layers
7. التعامل مع Activation Functions مختلفة
8. التعامل مع ANN Topologies مختلفة
9. بناء نماذج من الشبكات العصبية ANN Models
10. بناء نماذج التغذية الأمامية Feedforward NN
11. بناء نماذج التغذية التكرارية Recurrent NN
12. التعامل مع Deep Learning في ANN
13. بناء الشبكات العصبية العميقة Deep NN
14. تدريب وفحص النماذج ANN Training & Testing
15. التعديل على ANN Models لملائمة البيانات
16. بناء ANN Models لتصنيف البيانات Classification
17. بناء ANN Models للتنبؤ بالبيانات Forecasting
18. حساب دقة ANN Models ونسبة الخطأ Errors
19. مقارنة الأداء Performance بين ANN Models
20. بناء مشاريع كاملة متنوعة بالشبكات العصبية الاصطناعية من الصفر

 الاسئلة الشائعة

في ما يلي مجموعة الاسئلة الاكثر تكرارا واجوبتها:

اضغط على السؤال ليظهر جوابه