الذكاء الاصطناعي معالجة اللغات الطبيعية
تعليم الحاسوب فهم اللغة: النص كبيانات وخصوصيات العربية (التطبيع، التشكيل، الصرف، اللهجات)، التمثيلات الكلاسيكية و TF-IDF والتشابه، التصنيف واستخراج الكيانات، التضمينات والشبكات،…
م. عبدالمقصود
الرؤية الحاسوبية
تعليم الحاسوب أن «يرى»: الصور كبيانات وألوانها، المعالجة الكلاسيكية بالمرشحات والحواف والكنتورات، الشبكات الالتفافية وتدريبها في PyTorch، التعلم بالنقل والتقييم، اكتشاف الأجسام والتقسيم، ثم النشر المسؤول ومشروع مصنف صور حقيقي.
- م. عبدالمقصود بدر
- لا توجد تقييمات بعد
- متقدملمن لديه خبرة عملية
- 36 ساعةإجمالي وقت المحتوى
- بالعربيةمع المصطلحات التقنية بالإنجليزية
عن الكورس
نبني طوال الدورة مصنفًا لصور «أوراق النبات السليمة والمصابة» على بيانات مفتوحة الترخيص، ثم مكتشفًا بسيطًا للأجسام.
محتوى من إعداد أكاديمية بدر.
مميزات الكورس
- Represent images as arrays, convert colour spaces, resize and normalise them with OpenCV and NumPy
- Apply classical processing: convolution filters, edge detection, thresholding and contours
- Explain and build convolutional neural networks: layer shapes, parameters, pooling, softmax and a training loop
- Train robust classifiers with augmentation and transfer learning and evaluate them with appropriate metrics
- Explain object detection and segmentation: boxes, IoU, non-maximum suppression and evaluation
- Deploy vision models responsibly: privacy, bias, data licensing, export and performance
النتيجة العملية
ما ستبنيه في هذا الكورس
تعليم الحاسوب أن «يرى»: الصور كبيانات وألوانها، المعالجة الكلاسيكية بالمرشحات والحواف والكنتورات، الشبكات الالتفافية وتدريبها في PyTorch، التعلم بالنقل والتقييم، اكتشاف الأجسام والتقسيم، ثم النشر المسؤول ومشروع مصنف صور حقيقي.
هل هذا الكورس مناسب لك؟
لمن هذا الكورس
- university students and developers who want to build image classification, detection and segmentation systems
المتطلبات
- CRS-GEN-ML-FUNDAMENTALS (training, validation, metrics); Python and NumPy
محتوى الكورس
كل محتوى الكورس ظاهر هنا بمدة كل جلسة، والجلسات تُفتح بعد الاشتراك في الكورس وتفعيله في حسابك.
- 8وحدات
- 18جلسة
- 7اختبارات
M1 – الصور كبيانات3 جلسات
- 1.1 البكسلات والقنوات والأبعاد فيديو المقدمة قريبًا
- 1.2 فضاءات الألوان
- 1.3 تغيير الحجم والتطبيع
M2 – المعالجة الكلاسيكية3 جلسات
- 2.1 الالتفاف والمرشحات
- 2.2 كشف الحواف
- 2.3 العتبة والكنتورات
M3 – الشبكات الالتفافية3 جلسات
- 3.1 طبقة الالتفاف وحجم المخرج
- 3.2 التجميع والطبقات الكاملة و softmax
- 3.3 حلقة التدريب في PyTorch
M4 – التدريب الجيد والتقييم3 جلسات
- 4.1 تكبير البيانات
- 4.2 التعلم بالنقل
- 4.3 المقاييس ومصفوفة الالتباس
M5 – اكتشاف الأجسام والتقسيم3 جلسات
- 5.1 الصناديق و IoU
- 5.2 المكتشفات و NMS و mAP
- 5.3 التقسيم الدلالي وتقسيم النسخ
M6 – النشر المسؤول3 جلسات
- 6.1 الخصوصية والتحيز والترخيص
- 6.2 التصدير والأداء
- 6.3 تقرير النموذج
الاختباراتلا توجد جلسات · 7 اختبارات
- M1 – الصور كبيانات
- M2 – المعالجة الكلاسيكية
- M3 – الشبكات الالتفافية
- M4 – التدريب الجيد والتقييم
- M5 – اكتشاف الأجسام والتقسيم
- M6 – النشر المسؤول
- الاختبار النهائي
المشاريع والواجباتلا توجد جلسات
- A1 – «تجهيز وتحليل كلاسيكي»
- A2 – «مصنف بالتعلم بالنقل»
- المشروع – «نظام رؤية مسؤول»
المحاضر
التقييمات
لا توجد مراجعات مكتوبة بعد
المراجعات المكتوبة يكتبها الطلاب المسجلون بعد الدراسة. لن نعرض مراجعات لم يكتبها طلاب حقيقيون.
النقاش (0)
التعليق للأعضاء المسجلين في الأكاديمية. تعليقات غير المسجلين في الكورس تُراجع من المحاضر أو الإدارة قبل ظهورها.
لا توجد تعليقات بعد – كن أول من يشارك.
خطوتك التالية
هذا الكورس ضمن مسارالذكاء الاصطناعينماذج اللغة ووكلاء الذكاء الاصطناعي، وتحليل البيانات وعلمها بتطبيق عملي. 10 كورساتكورسات قريبة من هذا الكورس
الذكاء الاصطناعي م. عبدالمقصود
الذكاء الاصطناعي مشروعات تعلم الآلة التطبيقية
تحويل المعرفة إلى مشروعات حقيقية: صياغة المشكلة ومقاييس النجاح والكلفة، جمع البيانات ووسمها وتوثيقها، استراتيجية التحقق وخط الأساس وتحليل الأخطاء، تتبع التجارب…
م. عبدالمقصود
الذكاء الاصطناعي أساسيات التعلم العميق
من العصبون إلى الشبكات العميقة: الدوال التنشيطية والشبكات متعددة الطبقات، الانتشار العكسي والتدرجات التلقائية في PyTorch، حلقات التدريب والمحسِّنات ومعدل التعلم، التنظيم…
م. عبدالمقصود
الذكاء الاصطناعي Scikit-learn
إتقان مكتبة scikit-learn: واجهة المقدِّرات، خطوط المعالجة و ColumnTransformer، اختيار النموذج بالتحقق المتقاطع والبحث عن المعاملات، النماذج المجمعة والتعزيز، الهندسة واختيار السمات…
م. عبدالمقصود
الذكاء الاصطناعي الانحدار والتصنيف
تعمق في المهمتين الأساسيتين للتعلم الإشرافي: الانحدار الخطي المتعدد وافتراضاته وتشخيصه، التحويلات والحدود متعددة الحدود والتنظيم Ridge و Lasso، الانحدار اللوجستي والاحتمالات…
م. عبدالمقصود
الذكاء الاصطناعي أساسيات تعلم الآلة
ما تعلم الآلة وكيف يتعلم النموذج من البيانات: أنواع التعلم، تجهيز البيانات، الانحدار والتصنيف، التقييم والتحقق المتقاطع والإفراط في التكيف، النزول بالتدرج،…
م. عبدالمقصود
الذكاء الاصطناعي هندسة الأوامر (Prompt Engineering)
اكتب أوامر واضحة تعطيك نتائج موثوقة: تشريح الأمر، الأمثلة، التفكير خطوة بخطوة، الهيكلة والمخرجات المنظمة، سلاسل الأوامر والمستندات الطويلة، الأوامر للتعلم والكتابة…
م. عبدالمقصود
الذكاء الاصطناعي الذكاء الاصطناعي التوليدي
افهم كيف تعمل النماذج التوليدية من الداخل: الرموز والتضمينات والانتباه وأخذ العينات، توليد الصور والصوت والتزييف العميق، بناء مساعد معرفي بالاسترجاع (RAG)…
م. عبدالمقصود