دورة الشبكات العصبية

أتقن الشبكات العصبية من الأساس — من العصبونات المفردة إلى المحولات ونماذج الانتشار. يمزج هذا المقرر بين الرياضيات الصارمة والبرمجة العملية لتبني حدسًا حقيقيًا، لا مجرد إلمام سطحي. يتم تنفيذ كل مفهوم واختباره ونشره، مما يمنحك مهارات تصمد في بيئات الإنتاج.

معاينة الشهادة Elevify للشركات

ماذا ستتعلم:

ابنِ شبكات التغذية الأمامية والشبكات الالتفافية من الصفر باستخدام نامباي والأطر الحديثة.
اشتق وطبّق الانتشار العكسي باستخدام قاعدة السلسلة عبر الرسوم البيانية الحسابية العميقة.
طبّق المحسنات المتقدمة وطرق التنظيم وجداول معدل التعلم لتحسين التعميم.
أنشئ معماريات إل إس تي إم وجي آر يو والتسلسل إلى تسلسل لمهام النمذجة الزمنية واللغوية.
طبّق الانتباه النقطي المقيّس واجمع معماريات المحول الكاملة للمشفر وفك المشفر.
انشر النماذج المدربة في الإنتاج باستخدام التكميم والتقليم وتكوين خادم الاستدلال.

كيف تدرس بشكل عملي دورة الشبكات العصبية

كيف تتدرب عملياً دورة الشبكات العصبية

لك إذا كنت شركة وتريد تدريب فريقك

في Elevify للشركات، يأتي الدورة مع تمارين وأمثلة من عملك نفسه وبالطريقة التي تحتاجها شركتك.

اضغط هنا

محتوى الدورة

8 فصول • 40 دروسمدة بين 4 و 360 ساعة (أنت تقرر)

الفصل 1عرض التفاصيل

أساسيات الشبكات العصبية

الدرس 1 • أساسيات الجبر الخطي للشبكات
مراجعة عمليات المتجهات والمصفوفات والموترات المطلوبة لفهم الانتشار الأمامي. الربط المباشر بين العمليات الجبرية وحسابات الشبكة.
الدرس 2 • إعداد بيئة التطوير
تثبيت بايثون وإطار عمل التعلم العميق ومشغّلات GPU وتكوينها للتطبيق العملي. ضمان قدرة كل متدرب على تشغيل التجارب من الفصل الثاني فصاعدًا.
الدرس 3 • نموذج الخلية العصبية الواحدة
صياغة حساب خلية عصبية واحدة: المجموع الموزون زائد الانحياز، يُمرّر عبر دالة تنشيط. إظهار كيف تؤدي الوحدة الواحدة تصنيفًا ثنائيًا.
الدرس 4 • تجديد الاحتمالات والإحصاء
تغطية التوزيعات الاحتمالية والتوقعات ونظرية بايز كأدوات لتفسير مخرجات الشبكة. توفير اللغة الإحصائية المستخدمة طوال تصميم دوال الخسارة.
الدرس 5 • الدافع البيولوجي والرياضي
ربط الخلية العصبية البيولوجية بتجريدها الرياضي، مع إثبات لماذا تقارب الشبكات العصبية الدوال المعقدة. تحديد الخط الأساسي المفاهيمي لجميع دراسة البنى اللاحقة.

الفصل 2عرض التفاصيل

الشبكات التغذوية الأمامية ودوال التنشيط

الدرس 1 • الانتشار الأمامي بالتفصيل
تتبع تدفق البيانات من المدخلات إلى المخرجات من خلال ضرب المصفوفات وتطبيقات التنشيط. بناء الحدس الحسابي المطلوب قبل تقديم الانتشار العكسي.
الدرس 2 • تنفيذ شبكة من الصفر
توجيه المتدربين خلال برمجة شبكة ثنائية الطبقة باستخدام NumPy فقط لترسيخ فهم عمليات المصفوفات. تعزيز النظرية قبل إدخال تجريدات إطار العمل.
الدرس 3 • دوال التنشيط المتعمقة
مقارنة السيني والتانجنت الزائدي وريلاو وريلاو المتسرب وجيلو من حيث سلوك التدرج والأداء العملي. توجيه اختيار التنشيطات لمواضع الطبقات المختلفة.
الدرس 4 • دوال الخسارة للتعلم الخاضع للإشراف
تقديم متوسط مربع الخطأ والإنتروبيا المتقاطعة وخسارة المفصلة، وربط كل منها بمبررها الاحتمالي. ربط اختيار الخسارة بنوع مهمة التنبؤ.
الدرس 5 • معمارية البيرسبترون متعدد الطبقات
تعريف طبقات الإدخال والمخفية والإخراج وشرح كيف يزيد العمق من القوة التمثيلية. إنشاء الهيكل التغذوي الأمامي القياسي المستخدم كخط أساس طوال المقرر.

الفصل 3عرض التفاصيل

الانتشار العكسي ونزول التدرج

الدرس 1 • متغيرات نزول التدرج
مقارنة نزول التدرج الدفعي والعشوائي والمصغر من حيث سرعة التقارب والضوضاء. تأكيد نزول التدرج العشوائي المصغر كمعيار عملي للتعلم العميق.
الدرس 2 • تنفيذ الانتشار العكسي من الصفر
برمجة التمريرة العكسية الكاملة في NumPy، مع التحقق من التدرجات باستخدام التفاضل العددي. تأكيد الفهم النظري قبل الاعتماد على أطر التفاضل التلقائي.
الدرس 3 • التدرجات المتلاشية والمتفجرة
تشخيص انهيار أو انفجار حجم التدرج في الشبكات العميقة وربطها بخيارات التنشيط والأوزان. تحفيز تقنيات التطبيع والتهيئة التي ستُغطى لاحقًا.
الدرس 4 • أساسيات التفاضل والتكامل للانتشار العكسي
مراجعة المشتقات الجزئية وقاعدة السلسلة ومصفوفات جاكوبي كمحرك رياضي للانتشار العكسي. ضمان قدرة المتدربين على متابعة اشتقاقات التدرج دون ثغرات.
الدرس 5 • اشتقاق خوارزمية الانتشار العكسي
اشتقاق تدفق التدرج للخلف عبر كل طبقة باستخدام قاعدة السلسلة المطبقة على الرسوم البيانية الحسابية. إنتاج صيغ تحديث صريحة للأوزان والانحيازات.

الفصل 4عرض التفاصيل

تقنيات التحسين والتنظيم

الدرس 1 • طرق التنظيم
تطبيق عقوبات إل1 وإل2 والتسرب والإيقاف المبكر لتقليل فرط التجهيز، مع تحليل تأثير كل طريقة على مساحة الخسارة. توجيه الاختيار بناءً على حجم مجموعة البيانات وسعة النموذج.
الدرس 2 • جدولة معدل التعلم
تغطية التخفيض التدريجي والتبريد الجيبي وإعادة التشغيل الدافئة كاستراتيجيات للهروب من القيم الصغرى المحلية وتحسين الدقة النهائية. ربط اختيار الجدول بميزانية التدريب وحجم مجموعة البيانات.
الدرس 3 • تطبيع الدفعة وتطبيع الطبقة
اشتقاق تأثير تطبيع الدفعة على الانحراف المتغير الداخلي ومقارنته بتطبيع الطبقة المستخدم في المحولات. إظهار الموضع داخل طبقات الشبكة.
الدرس 4 • المحسنات القائمة على الزخم
تقديم الزخم و آر إم إس بروب و آدم و آدم دبليو، مع شرح كيف يراكم كل منها تاريخ التدرج لتسريع التقارب. تقديم إرشادات عملية حول اختيار المحسن.
الدرس 5 • استراتيجيات تهيئة الأوزان
شرح تهيئة إكسافيير وهي واشتقاقهما من مبادئ حفظ التباين. إظهار كيف تسبب التهيئة الرديئة تدرجات متلاشية أو متفجرة من أول تمريرة أمامية.

الفصل 5عرض التفاصيل

الشبكات العصبية الالتفافية

الدرس 1 • التعلم بالنقل مع الشبكات العصبية الالتفافية المدربة مسبقًا
تطبيق نماذج إيماجنت المدربة مسبقًا على مهام جديدة عبر استخراج الميزات والضبط الدقيق. إظهار كيفية تجميد الطبقات وتكييف رأس التصنيف لمجموعة بيانات مخصصة.
الدرس 2 • أساسيات عملية الالتفاف
تعريف الالتفاف المتقطع والخطوة والحشو والمجال الاستقبالي، مع إظهار كيف تكتشف المرشحات الأنماط المحلية. إنشاء مبدأ مشاركة المعاملات الذي يجعل الشبكات العصبية الالتفافية فعّالة.
الدرس 3 • الشبكات المتبقية والوصلات المختصرة
شرح كيف تحل الوصلات المتبقية مشكلة التدهور وتتيح شبكات عميقة جدًا. تغطية متغيرات ريس نت واشتقاق الاختصار المتطابق.
الدرس 4 • معماريات الشبكات العصبية الالتفافية الكلاسيكية
تحليل لينت وألكس نت وفي جي جي و التضمين كمعالم شكلت مبادئ التصميم الحديثة. استخراج أنماط معمارية قابلة لإعادة الاستخدام من كل نموذج.
الدرس 5 • التجميع وتقليل خرائط الميزات
تغطية التجميع الأقصى والتجميع المتوسط والتجميع المتوسط العام كأدوات لأخذ العينات المكانية السفلى. شرح كيف يبني التجميع ثبات الترجمة في الشبكة.

الفصل 6عرض التفاصيل

الشبكات المتكررة ونمذجة التسلسل

الدرس 1 • نماذج تسلسل إلى تسلسل
بناء معماريات المرمز وفك الترميز لمهام مثل الترجمة الآلية وتلخيص النص. تقديم مشكلة الاختناق في متجه السياق التي تحلها آليات الانتباه.
الدرس 2 • الانتشار العكسي عبر الزمن
اشتقاق تدفق التدرج عبر الشبكة العصبية المتكررة غير الملفوفة وتحديد سبب تسبب التسلسلات الطويلة في تدرجات متلاشية. تحفيز المعماريات المبوبة كحل.
الدرس 3 • الوحدات المتكررة المقيدة
تقديم الوحدة المتكررة المقيدة كمعمارية مبوبة مبسطة ذات معاملات أقل من شبكة الذاكرة طويلة قصيرة المدى. مقارنة أداء الوحدة المتكررة المقيدة وشبكة الذاكرة طويلة قصيرة المدى على مقاييس التسلسل القياسية.
الدرس 4 • شبكات الذاكرة طويلة قصيرة المدى
شرح حالة الخلية وبوابة الإدخال وبوابة النسيان وبوابة الإخراج في شبكة الذاكرة طويلة قصيرة المدى كآليات للذاكرة الانتقائية. إظهار كيف يحل التبوين مشكلة التدرج المتلاشي.
الدرس 5 • أساسيات الشبكات العصبية المتكررة
تعريف قاعدة تحديث الحالة المخفية للشبكة العصبية المتكررة والرسم البياني الحسابي غير الملفوف لمعالجة التسلسل. إنشاء آلية الوزن المشترك التي تعالج مدخلات متغيرة الطول.

الفصل 7عرض التفاصيل

آليات الانتباه والمحولات

الدرس 1 • الانتباه متعدد الرؤوس
توسيع الانتباه أحادي الرأس إلى رؤوس متعددة متوازية تلتقط أنماطًا علائقية متنوعة. شرح مصفوفات الإسقاط والربط التي تُنتج المخرجات النهائية.
الدرس 2 • مرمز المحول وفك ترميزه
تجميع المحول الكامل من الانتباه متعدد الرؤوس والطبقات الفرعية التغذوية الأمامية والوصلات المتبقية. التمييز بين الانتباه الذاتي للمرمز والانتباه التبادلي لفك الترميز.
الدرس 3 • نماذج اللغة المدربة مسبقًا
مسح بي إي آر تي و جي بي تي و تي فايف كنماذج تدريب مسبق مرمز فقط وفك ترميز فقط ومرمز-فك ترميز. شرح أهداف نمذجة اللغة المقنعة ونمذجة اللغة السببية.
الدرس 4 • أساسيات آلية الانتباه
اشتقاق الانتباه الإضافي والنقطي كمحاذاة متعلمة بين أزواج الاستعلام وقيمة المفتاح. ربط درجات الانتباه بمتجه السياق المستخدم في فك ترميز التسلسل.
الدرس 5 • الضبط الدقيق للمحولات للمهام النهائية
تطبيق طرق ضبط دقيق فعّالة من حيث المعاملات بما في ذلك لورا وطبقات المهايئ لتكييف النماذج الكبيرة المدربة مسبقًا. تغطية تصميم الرأس الخاص بالمهمة وبروتوكولات التقييم.

الفصل 8عرض التفاصيل

المعماريات المتقدمة والنشر في الإنتاج

الدرس 1 • مرمزات الاختزال التلقائي المتغيرة
اشتقاق الحد الأدنى للدليل وحيلة إعادة الترميز التي تتيح تدريب مرمز الاختزال التلقائي المتغير. إظهار الاستيفاء في الفضاء الكامن والتوليد المتحكم فيه.
الدرس 2 • الشبكات العصبية البيانية
تقديم تمرير الرسائل على البيانات منظمة على شكل بياني لمهام تصنيف العقد والتنبؤ بالروابط. تغطية شبكة الالتفاف البيانية و جراف سيج و الشبكات البيانية القائمة على الانتباه.
الدرس 3 • نشر النماذج وتقديمها
تغطية صيغ تصدير النماذج والكمية والتقليم وإعداد خادم الاستدلال لبيئات الإنتاج. معالجة متطلبات زمن الاستجابة ومعدل النقل والمراقبة.
الدرس 4 • شبكات الخصومة التوليدية
اشتقاق الهدف الأدنى الأقصى لشبكات الخصومة التوليدية وشرح ديناميكيات تدريب المولد والمميز. تغطية انهيار النمط وعدم استقرار التدريب وتقنيات التثبيت.
الدرس 5 • نظرة عامة على نماذج الانتشار
شرح عملية إضافة الضوضاء الأمامية وشبكة إزالة الضوضاء العكسية التي تدعم التوليد القائم على الانتشار. ربط مطابقة الدرجة بهدف إزالة الضوضاء.

الشهادة

شهادتك الصالحة للتخرج

هذا الدورة مخصصة لك:

مطور برمجيات: يرغب في تجاوز واجهات برمجة التطبيقات إلى ما هو أبعد منها نحو البنية الداخلية للنماذج.
محلل بيانات: مستعد للانتقال من الإحصاء إلى مجال التعلم العميق.
مهندس كهربائي: مُلِمّ بالإشارات والأنظمة، ولديه فضول حول النمذجة العصبية.
طالب علوم حاسوب: يسعى إلى عمق نادرًا ما توفره المقررات الدراسية الجامعية.
محوّل مسار مهني: ينتقل إلى أدوار الذكاء الاصطناعي من خلفية تقنية غير ذات صلة.
مساعد باحث: يحتاج إلى أساس متين قبل المساهمة في مشاريع تعلم الآلة.

ماذا يقول طلابنا

آراء من درسوا معنا:

دروسكم مثالية. اشتريت الباقة السنوية، وأخيراً أصبح لدي الفرصة لمتابعة مواضيع متنوعة تهمني دون الحاجة لتغيير المنصة... أشكركم على كل ما تقومون به، لقد أوصيت بكم لأشخاص آخرين...