AI الذكاء الاصطناعي

249
رقم التدريب 5934
مقدم من: أدوات وحلول
هدف التدريب

سيستمر الذكاء  في إحداث ثورة في العديد من الصناعات ، بما في ذلك الطاقة والمنتجات والخدمات الاستهلاكية والسيارات والخدمات المالية والأمن القومي والرعاية الصحية والإعلانات وغيرهم كثير. ولكن و في كثير من الأحيان ، ينظر قادة الأعمال وتكنولوجيا المعلومات نظرة محدودة للذكاء الاصطناعي ، ويركزون فقط على أساليب التعلم الآلي . لكن تقنيات الذكاء الاصطناعي هي في الواقع عوامل تمكين رئيسية للأنظمة المعقدة في المؤسسات، فهي لا تتطلب تقنيات تعلم الآلة فحسب ، بل تتطلب أيضًا مستشعرات ومصادر بيانات جديرة بالثقة ، وعمليات تكييف بيانات مناسبة ، وتوازنًا بين تفاعلات الإنسان والآلة. 
باختصار ، يجب أن تتطور المؤسسات إلى عقلية هندسة نظم الذكاء الإصطناعي بالمعنى الأشمل له بما يضمن لها نموها الدائم مما يؤدي إلى تحسين استثماراتها في الذكاء الاصطناعي و ضمان العائد على الإستثمار. 
تزود هذه الدورة المشاركين بأفضل الممارسات والمعرفة العملية اللازمة لوضع المؤسسات في طليعة ثورة الذكاء الاصطناعي.
 


المهارات المكتسبة وفقاً لإطار المهارات الرقمية:
إدارة البرامج PGMG المستويات: Level 1
SFIA-logo

فهرس موضوعات التدريب

اليوم الأول
الذكاء الاصطناعي في عيون المجتمعات
لذكاء الاصطناعي في عيون الباحثين
ما هي المخابرات

اليوم الثاني
مجال تطبيق الذكاء الاصطناعي
الرعاية الصحية الذكية
أمن ذكي

اليوم الثالث
اتجاهات تطوير تقنيات الذكاء الاصطناعي
إطار تطوير أسهل في الاستخدام
الفهم العقلاني لخوارزميات التعلم الآلي

مخرجات التعلم

إستيعاب المفاهيم الأساسية للذكاء الاصطناعي.
فهم تقنيات الذكاء الاصطناعي المتنوعة وتاريخ تطورها.
التعرف على اتجاهات تطوير الذكاء الاصطناعي عالميا.
وضع استراتيجية تطوير الذكاء الاصطناعي.
تطبيق التقنيات المتقدمة في الذكاء الاصطناعي و معرفة مجالات تطبيقها.
إتقان خوارزمية التعلم وعملية التعلم الآلي.
التعرف على خوارزميات التعلم الآلي الشائعة.
التعرف على معاني المفاهيم الفنية مثل "المعلمات الفائقة والنسب المتدرجة والتحقق من الصحة".
 

المتطلبات السابقة للتدريب

سعودي الجنسية.   
الحصول على دبلوم كحد أدنى وفي تخصص تقني أو معلوماتي أو هندسي
اكبر من 18 سنة
وجود جهاز حاسب آلي سعته لا تقل عن 4 جيجا بايت وانترنت مناسب
ملاحظة الدورة من 4 مساءً الى 9 مساءً لمدة ثلاث أيام

الشهادات الإحترافية المتعلقة
    لا توجد شهادات احترافية مرتبطة بالدورة التدريبية.
اسم مقدم الدورة
  • Ahmed Imam
خبرات المدرب

  • Ahmed Imam
    Instructor & Consultant

    Artificial Intelligence professional and Machine Learning Engineer with good technical skills, Certified as Machine Learning, Neural Networks and Deep Learning Instructor from Epita (France), ITI (Egypt) and Certified as Artificial Intelligence Instructor from HUAWEI
    Preparing Data-Science Master (Cairo University), YouTuber and Technical writer

        2020-01 - Current        Machine Learning Engineer
    Self-Employed, Cairo, Cairo
        Python
        Advanced Python libraries for data science and machine learning (i.e. Scikit-Learn, Pandas, NumPy,...etc).
        Linear algebra basics.
        Basics of statistics and probability.
        Dataset Engineering (preparation, cleaning, filling missing data, collinearity and covariance, visualization and dimensionality-reduction).
        Machine learning basics (overfitting, underfitting, bias, variance, cross-validation and creating pipelines).
        Supervised machine learning algorithms like Linear-Regression, Logistic-Regression, SVM , Penalized-Regression (Ridge-Regression, LASSO-Regression), Decision-Trees (Regressor, Classifier), KNN, Naive Bayes, K-Means and Ensemble-Methods (Random-Forest, Gradient-Boosting).
        Unsupervised  machine learning algorithms as PCA (Principle Component Analysis), K-Means and Gaussian Mixtures.


    2019-01 - Current        Computer-Vision Engineer
    Self-Employed, Cairo, Cairo
        Tensor data structure.
        Deep-Learning frame works (TensorFlow, Keras).
        Artificial Neurons anatomy.
        Artificial Neural Networks (Feed-Forward and Backpropagation algorithms).
        Sequential APIs and Functional APIs
        Activation functions.
        Optimization algorithms (Gradient-Descent, SGD, Momentum GD, ADAM).
        Hyperparameters study.
        Saving and restoring models.
        Good Experience in Deep-Learning with Tenser-Flow and Keras.
        Image Fundamentals.
        Convolutional Neural Networks (CNN).
        OpenCV framework
        Image features and descriptors extrasction.
        Face Detection, Object Detection, ..
        Image-Classification vs Object-Detection.
        YOLOv3 Framework.

  • مجال التدريب
  • المسار الوظيفي
    • واجهة وتجربة المستخدم
  • نوع الدورة
    دورة مهارية
  • مستوى الدورة التدريبية
    مستوى متقدم
  • طريقة توصيل الدورة
    تفاعلية مباشرة
  • موعد البرنامج تبدأ 19-10-2021 إلى 21-10-2021 لمدة 15 ساعات
انتهت فترة التقديم