أساسيات Deep Learning باستخدام TensorFlow

يدعم Deep Learning تطبيقات الذكاء الاصطناعي الحديثة عبر computer vision، والتحليلات التنبؤية، وفهم اللغة الطبيعية. إن إتقان أساسيات neural networks يؤهلك لحل تحديات البيانات المعقدة التي تواجه الخوارزميات التقليدية صعوبة في التعامل معها. تقدم هذه الدورة المكتوبة أساسًا مفاهيميًا واضحًا متبوعًا بتطبيقات برمجية عملية باستخدام TensorFlow وKeras API عالية المستوى الخاصة به. ستستكشف كيفية عمل البنيات العصبية تحت الغطاء، وإعداد بيانات المدخلات، وتكوين خطوط أنابيب النماذج، وتفسير مقاييس التدريب بثقة. ما ستتعلمه: - فهم المصطلحات الأساسية لـ deep learning، وartificial neurons، وactivation functions، وبنيات الطبقات - بناء وتجميع feedforward neural networks لمهام الانحدار والتصنيف للبيانات الجدولية - تطبيق loss functions المناسبة، ومقاييس التقييم، وخوارزميات التحسين لتوجيه التدريب - تطبيق ممارسات التدريب الحديثة مثل تقسيمات التحقق، وregularization، واستدعاءات early stopping - حفظ النماذج المدربة لـ neural network وتحميلها وتشغيل الاستدلال عليها - فحص أداء النموذج وتشخيص مشكلات مثل overfitting وunderfitting تبدأ القراءة بالنظرية الأساسية والمصطلحات الأولية قبل إرشادك من خلال دروس مكتوبة منظمة وتطبيق كود نظيف. تم تصميم هذه الدورة لممارسي البيانات الطموحين والمبرمجين الجدد في deep learning، وتتطلب فقط دراية أساسية بلغة Python. ابدأ القراءة لتطوير أساس متين في deep learning باستخدام TensorFlow.