التعلم العميق والذكاء الاصطناعي

Deep Learning & AI

أتقن الشبكات العصبية العميقة مع TensorFlow/PyTorch: CNN و RNN و Transformers والتطبيقات الحديثة.

مستوى الصعوبة
متقدم
المدة المتوقعة
8-12 شهر
عدد المراحل
3

📋المتطلبات الأساسية

Python، أساسيات ML، رياضيات (جبر خطي، تفاضل وتكامل)، برمجة قوية

🎯المسارات الوظيفية المتاحة

مهندس تعلم عميقباحث ذكاء اصطناعيمهندس تعلم آلةمهندس رؤية حاسوبيةمهندس NLP

ما ستتعلمه في هذا المسار

Deep LearningNeural NetworksTensorFlowPyTorchCNNRNNTransformers

مراحل المسار التعليمي

1

المرحلة الأساسية - الشبكات العصبية

المدة المتوقعة: 2-4 أشهر

أساسيات الشبكات العصبية والأطر

الشبكات العصبية

Perceptron و backpropagation والتحسين

📚المواضيع الرئيسية:
  • Perceptron
  • Activation functions
  • Backpropagation
  • Gradient descent
  • Loss functions
💡أمثلة عملية ستطبقها:
  • تصنيف MNIST
  • مصنف ثنائي
  • شبكة عصبية متعددة الفئات

TensorFlow/Keras

إطار التعلم العميق

📚المواضيع الرئيسية:
  • Sequential API
  • Functional API
  • Callbacks
  • TensorBoard
  • Data pipelines
💡أمثلة عملية ستطبقها:
  • نموذج تسلسلي
  • حلقة تدريب مخصصة
  • تعزيز البيانات

أساسيات PyTorch

بديل مرن لـ TensorFlow

📚المواضيع الرئيسية:
  • Tensors
  • Autograd
  • nn.Module
  • DataLoader
  • Training loop
💡أمثلة عملية ستطبقها:
  • مصنف PyTorch
  • مجموعة بيانات مخصصة
  • تدريب GPU
2

المرحلة المتقدمة - البنى الحديثة

المدة المتوقعة: 3-4 أشهر

CNN و RNN والبنى المتخصصة

CNN - الرؤية الحاسوبية

الشبكات التلافيفية والرؤية

📚المواضيع الرئيسية:
  • Convolution
  • Pooling
  • ResNet
  • Transfer learning
  • Fine-tuning
💡أمثلة عملية ستطبقها:
  • تصنيف الصور
  • Transfer learning ResNet
  • CNN مخصص

RNN و LSTM

الشبكات المتكررة للتسلسلات

📚المواضيع الرئيسية:
  • RNN
  • LSTM
  • GRU
  • Bidirectional
  • Sequence to sequence
💡أمثلة عملية ستطبقها:
  • تنبؤ سلسلة زمنية
  • توليد نص
  • تحليل المشاعر

Transformers و Attention

البنية الحديثة لـ NLP والرؤية

📚المواضيع الرئيسية:
  • Self-attention
  • Multi-head attention
  • Positional encoding
  • BERT
  • GPT
  • Vision Transformers
💡أمثلة عملية ستطبقها:
  • Fine-tune BERT
  • تصنيف نص
  • الإجابة على الأسئلة
3

مرحلة الخبير - تطبيقات متقدمة

المدة المتوقعة: 2-4 أشهر

GANs و RL ونشر التعلم العميق

GANs والذكاء الاصطناعي التوليدي

النماذج التوليدية

📚المواضيع الرئيسية:
  • GAN
  • DCGAN
  • StyleGAN
  • VAE
  • Diffusion models
💡أمثلة عملية ستطبقها:
  • توليد صور
  • نقل الأسلوب
  • كشف Deepfake

التعلم التعزيزي

أساسيات التعلم بالتعزيز

📚المواضيع الرئيسية:
  • Q-Learning
  • DQN
  • Policy gradients
  • Actor-Critic
  • Gym environments
💡أمثلة عملية ستطبقها:
  • وكيل Cartpole
  • ألعاب Atari
  • بيئة RL مخصصة

نشر التعلم العميق

نماذج DL في الإنتاج

📚المواضيع الرئيسية:
  • ONNX
  • TensorFlow Lite
  • TorchScript
  • Model optimization
  • Edge deployment
💡أمثلة عملية ستطبقها:
  • API نموذج DL
  • نشر على الهاتف
  • تحسين الاستدلال

هل أنت مستعد لبدء رحلتك التعليمية؟

انضم إلى آلاف المتعلمين الذين بدأوا رحلتهم معنا واحصل على دعم مباشر من خبراء المجال

نصائح للنجاح في هذا المسار

💪

الممارسة المستمرة

اعمل على مشاريع عملية بانتظام لتطبيق ما تعلمته

👥

انضم لمجتمع

تواصل مع متعلمين آخرين وشارك تجربتك وتعلم منهم

📝

دوّن ملاحظاتك

احتفظ بسجل لما تعلمته وارجع إليه عند الحاجة

🎯

حدد أهدافاً واضحة

قسّم المسار إلى أهداف صغيرة واحتفل بإنجازاتك