تطبيقات التعلم العميق
2,00
المعامل
4
الرصيد
محاضرة + أعمال تطبيقية
نوع المقياس
السداسي 1
السداسي
محاور المقياس
- 1 مقدمة في التعلم العميق: المفاهيم الأساسية، الفرق بين ML و DL، وأبرز التطبيقات في التخصصات الاقتصادية والإدارية
- 2 أساسيات التعلم الآلي (Machine Learning): أنواع النماذج، التصنيف، الانحدار، تقييم الأداء
- 3 التعرف على مكتبة Keras وبيئة العمل (TensorFlow): بناء النماذج باستخدام Sequential، تنفيذ أول شبكة عصبية
- 4 الشبكات العصبية الأمامية (Feed Forward Neural Networks): بناء نماذج متعددة الطبقات MLP
- 5 خوارزميات التحسين (Optimization): النزول التدرجي، Adam، وظيفة التكلفة، وأثرها على التدريب
- 6 تطبيق عملي عام: بناء نموذج تنبؤ أو تصنيف باستخدام بيانات مخصصة للتخصص
- 7 الشبكات العصبية الالتفافية (CNN): المفاهيم الأساسية، الطبقات، تطبيقات CNN في تحليل الصور أو الرسوم البيانية حسب طبيعة البيانات
- 8 الشبكات العصبية التكرارية (RNN): أساسيات LSTM وتطبيقها على البيانات الزمنية أو التسلسلية
- 9 تحليل البيانات النصية أو الزمنية باستخدام LSTM: إعداد البيانات، بناء النموذج
- 10 فهم الانتشار العكسي (Backpropagation): الفكرة الرياضية وتطبيقها داخل Keras بشكل مبسط
- 11 مقدمة في تسريع النماذج باستخدام وحدات المعالجة الرسومية (GPU)
- 12 مشروع تطبيقي: بناء نموذج عملي (تنبؤ، تصنيف، تحليل...) حسب مجال التخصص
- 13 عرض ومناقشة المشاريع: تقييم الأداء، تحليل النتائج، مقترحات التطوير
- 14 مراجعة عامة وتقييم نهائي للمفاهيم والنماذج المدروسة
معلومات البرنامج
الأساتذة المسندون
رشيد خوضري
أستاذ
رشيد خوضري
أستاذ
الجدول الزمني
الخميس
11:00-12:30
M202
الخميس
12:30-14:00
M202