تطبيقات التعلم العميق

2,00
المعامل
5
الرصيد
محاضرة + أعمال تطبيقية
نوع المقياس
السداسي 1
السداسي

محاور المقياس

  1. 1 —
  2. 2 مقدمة في التعلم العميق: المفاهيم الأساسية، الفرق بين ML و DL، وأبرز التطبيقات في التخصصات الاقتصادية والإدارية
  3. 3 أساسيات التعلم الآلي (Machine Learning): أنواع النماذج، التصنيف، الانحدار، تقييم الأداء
  4. 4 التعرف على مكتبة Keras وبيئة العمل (TensorFlow): بناء النماذج باستخدام Sequential، تنفيذ أول شبكة عصبية
  5. 5 الشبكات العصبية الأمامية (Feed Forward Neural Networks): بناء نماذج متعددة الطبقات MLP
  6. 6 خوارزميات التحسين (Optimization): النزول التدرجي، Adam، وظيفة التكلفة، وأثرها على التدريب
  7. 7 تطبيق عملي عام: بناء نموذج تنبؤ أو تصنيف باستخدام بيانات مخصصة للتخصص
  8. 8 الشبكات العصبية الالتفافية (CNN): المفاهيم الأساسية، الطبقات، تطبيقات CNN في تحليل الصور أو الرسوم البيانية حسب طبيعة البيانات
  9. 9 الشبكات العصبية التكرارية (RNN): أساسيات LSTM وتطبيقها على البيانات الزمنية أو التسلسلية
  10. 10 تحليل البيانات النصية أو الزمنية باستخدام LSTM: إعداد البيانات، بناء النموذج
  11. 11 فهم الانتشار العكسي (Backpropagation): الفكرة الرياضية وتطبيقها داخل Keras بشكل مبسط
  12. 12 مقدمة في تسريع النماذج باستخدام وحدات المعالجة الرسومية (GPU)
  13. 13 مشروع تطبيقي: بناء نموذج عملي (تنبؤ، تصنيف، تحليل...) حسب مجال التخصص
  14. 14 عرض ومناقشة المشاريع: تقييم الأداء، تحليل النتائج، مقترحات التطوير
  15. 15 مراجعة عامة وتقييم نهائي للمفاهيم والنماذج المدروسة

معلومات البرنامج

القسم: العلوم التجارية
السنة الأكاديمية: 2026-2027

الأساتذة المسندون

إيمان ملالة

أستاذ محاضر

إيمان ملالة

أستاذ محاضر

الجدول الزمني

السبت

08:00-09:30

M107

السبت

14:00-15:30

M008