Deep Learning - التعلم العميق

26

Training ID 13020

Training Description

تزويد المتدربين بالمعرفة والمهارات اللازمة لتصميم وتدريب نماذج التعلم العميق (Deep Learning Models) باستخدام الشبكات العصبية الاصطناعية وتطبيقها على مشكلات واقعية مثل تصنيف الصور وتحليل النصوص.

Training Course index

اليوم الأول: مقدمة في التعلم العميق والمفاهيم الأساسية

مراجعة سريعة لمبادئ الذكاء الاصطناعي والتعلم الآلي (AI & ML)
ما هو التعلم العميق ولماذا هو مهم؟
الفرق بين ML التقليدي و DL
مكونات الشبكة العصبية الاصطناعية (Neural Network Components)
خوارزمية الانتشار العكسي (Backpropagation)
بيئة العمل والأدوات المستخدمة: Python، TensorFlow أو PyTorch

اليوم الثاني: الشبكات العصبية متعددة الطبقات (ANN)

بناء شبكة عصبية من الصفر باستخدام NumPy
تهيئة البيانات ومعالجتها (Data Preprocessing)
تجزئة البيانات إلى تدريب/اختبار/تحقق
بناء نموذج ANN باستخدام TensorFlow أو PyTorch
فهم دوال التفعيل (Activation Functions)
تطبيق عملي: تصنيف بيانات بسيطة (MNIST أو Iris)

اليوم الثالث: الشبكات العصبية الالتفافية (CNN)

مفهوم الرؤية الحاسوبية (Computer Vision)
مكونات CNN: Convolution و Pooling و Flatten
بناء شبكة CNN من الصفر
تحسين الأداء باستخدام Dropout و Batch Normalization
تطبيق عملي: تصنيف الصور (CIFAR-10 أو Fashion-MNIST)

اليوم الرابع: الشبكات العصبية التكرارية (RNN / LSTM)

مقدمة في معالجة اللغة الطبيعية (NLP)
فكرة التسلسل الزمني (Sequential Data)
التعرف على RNN و LSTM و GRU
بناء نموذج لتحليل المشاعر أو التنبؤ بالنصوص
تطبيق عملي: تحليل نصوص (Sentiment Analysis)

اليوم الخامس: تحسين النماذج والمشاريع العملية

تقنيات تحسين أداء النماذج (Hyperparameter Tuning)
استخدام Callbacks و Early Stopping
نقل التعلم (Transfer Learning) باستخدام نماذج جاهزة مثل VGG و ResNet
استعراض مشروع متكامل: من معالجة البيانات إلى تقييم النموذج
مناقشة الاتجاهات الحديثة في Deep Learning (Transformers, GANs)

Training course outcomes

فهم عميق لآلية عمل الشبكات العصبية.
القدرة على بناء وتدريب نماذج Deep Learning باستخدام TensorFlow أو PyTorch.
تطبيق النماذج على الصور والنصوص والبيانات الرقمية.
اكتساب مهارة تحليل أداء النماذج وتحسينها.
تنفيذ مشروع تطبيقي كامل من البداية إلى النهاية.

Training Pre-requirements

سعودي الجنسية
شهادة دبلوم وما اعلى
لغة انجليزية متوسطة
جهاز كومبيوتر

Related Professional Certificates	There is no related certificates.
Trainer Name	ياسمين عبدالمحسن
Trainer Experiences	احمد عبدالفتاح A committed senior lecturer with over 10 years of experience at leading Egyptian academic institution teaching students from various social and cultural backgrounds, possessing excellent administrative, verbal communication and written skills along with constructive and effective teaching methods that promote a stimulating learning environment. Education DOCTOR OF PHILOSOPHY – PH.D. \| INSTITUTE OF STATISTICAL STUDIES AND RESEARCH (ISSR) \|Cairo University TEACHING AND TRAINING · Academic Courses: System Analysis and Design, UML, Programming with C++, Introduction to Databases, Web development, and design, Software Engineering, Data mining Concepts, Machine Learning. · Training Course: o Python Basics and Advanced o Data Analysis with Python o Machine Learning with Python