مقدمة في الذكاء الاصطناعي وتعلم الآلة

Training Course index

الذكاء الاصطناعي وتعلم الآلة : الماضي والحاضر والمستقبل.
التعلم الخاضع للإشراف.
التعلم باستخدام مفتاح الإجابة. إدخال الانحدار الخطي، ووظائف الخسارة، والتركيب، والانحدار المتدرج.
طريقتان للتصنيف: الانحدار اللوجستي وآلات ناقلات الدعم (SVMs).
المتعلمين غير البارومترين: أشجار القرار، الغابات العشوائية. تقديم نماذج التحقق المتقاطع وضبط المعلمات الفائقة ونماذج المجموعات.
تعليم غير مشرف عليه.
التجميع: k-means، هرمي.
تقليل الأبعاد: تحليل المكونات الرئيسية (PCA) وتحلل القيمة الفردية (SVD).
الشبكات العصبية والتعلم العميق.
لماذا وأين وكيف يعمل التعلم العميق.
الشبكات العصبية التلافيفية (CNNs)، الشبكات العصبية المتكررة (RNNs).
تطبيقات العالم الحقيقي.
تعزيز التعلم.
الاستكشاف والاستغلال.
عمليات قرار ماركوف.
التعلم، وتعلم السياسات، والتعلم العميق التعزيز.
مشكلة تعلم القيمة. 

Training course outcomes

• لتعرف على مفهوم الذكاء الاصطناعي وأنواعه وتطبيقاته.
• معرفة مكونات الاجهزة من حولنا وابتكارات جديدة باستخدام الذكاء الاصطناعي. 
• تعلم مفاهيم تعلم الآلة، التعلم العميق، وخوارزميات الذكاء الاصطناعي.
• تعلم بناء نموذج تطبيقي يستخدم تقنيات الذكاء الاصطناعي باستخدام GNU Octave / MATLAB كأداة تنفيذ

Training Pre-requirements

المؤهلات
دبلوم فأعلى

المعرفة
• أساسيات برمجة الحاسب
• أساسيات الرياضيات 

مستوى الخبرة
لايشترط

القدرات 
لا يشترط

اللغة
متوسط

الأجهزة والأدوات  
جهاز حاسب