التعلم العميق ومعالجة اللغة الطبيعية

Training Course index

اليوم الأول:​

- مقدمة التعلم العميق (الشبكات العصبية، الانتشار العكسي ، Keras ، Tensorflow)​

- التعلم العميق في البرمجة اللغوية العصبية (تقديم RNN و LSTM)​

- مثال عملي (تصنيف النص باستخدام طبقة التضمين و LSTM)​

​

اليوم الثاني:​

- إدخال الشبكات العصبية التلافيفية Convolutional Neural Networks​

- أمثلة عملية مع نماذج عميقة متقدمة للغة البرمجة اللغوية العصبية على الأمثلة التالية:​

- شرح الصورة Image captioning​

- ترجمة النص​

-  نمذجة اللغة​

​

اليوم الثالث:​

- الانتباه الذاتي Self-Attention والمحولات Transformers​

 - هندسة بيرت والتدريب المسبق pretraining​

 - أمثلة عملية باستخدام BERT:​

 - تصنيف النص​

Training course outcomes

تصنيف النص باستخدام طبقة التضمين و LSTM
إدخال الشبكات العصبية التلافيفية Convolutional Neural Networks
كيفية استخدام تقنيات الذكاء الاصطناعي ولغة الآلة لشرح الصورة Image captioning، ترجمة النص، و  نمذجة اللغة
التعيم المسبق للآلة باستخدام هندسة بيرت
المهام الذي سيتعلمها المتدربين لتحقيق المهارة 
تطبيق التمارين العملية لانشاء حلول ذكاء اصطناعي لمعالجة النصوص و الصور .
تعليم الآلة المسبق للتعرف علي النصوص و الصور

Training Pre-requirements

المؤهلات
خريج جميع تخصصات الحاسب الآلي

المعرفة
من المتوقع أن يكون لدى الحاضرين خلفية تقنية مع معرفة أساسية في البرمجة (أي لغة ولكن يفضل Python).
من المتوقع أيضًا أن يكون لدى المشاركين معرفة في البرمجة اللغوية العصبية

مستوى الخبرة
يفضل وجود حبرة لا تقل عن سنة في مجال تقنيات الذكاء الاصطناعي

القدرات
اللغة
الانجليزية

بالنسبة للأجهزة والأدوات
سيتم استخدام Google Colab لتشغيل الجلسات العملية، وبالتالي، يلزم وجود جهاز كمبيوتر محمول مع وصول علي السرعة إلى الإنترنت.