التعلّم العميق والتعلّم العميق التسلسلي

شهد العالم ثورة هائلة في مجال الذكاء الاصطناعي وبداية الثورة الصناعية الرابعة نتيجة لعدة عوامل، إلا أن أحد أهم الابتكارات التي سرّعت هذا التحول كان القدرة على تحويل الصور إلى معلومات. هذا الإنجاز فتح المجال لتحويل الفيديوهات والنصوص والصوت إلى بيانات قابلة للمعالجة، مما أتاح تطوير تقنيات مثل السيارات ذاتية القيادة، والروبوتات، وأنظمة الأتمتة التي تقترب من قدرات الإنسان.

تركّز هذه الورشة على الخوارزميات التي تقف وراء هذا التقدّم التكنولوجي، والتي جعلت الذكاء الاصطناعي حقيقة ملموسة. كما تهدف إلى تمكين المشاركين من تطبيق خوارزميات التعلّم العميق والتعلّم العميق التسلسلي لحل مشكلات معقدة وجديدة بطرق مبتكرة.

نظرة عامة على الورشة

المخرجات التعليمية

● التعرّف على الأسس الرياضية للتعلّم العميق.
● فهم منطق تحسين النماذج باستخدام خوارزمية الانحدار المتدرّج (Gradient Descent).
● تحليل مكوّنات الشبكات العصبية الاصطناعية.
● ضبط المعاملات الفائقة (Hyperparameters) لتحسين دوال التكلفة.
● دراسة بنية الشبكات العصبية العميقة المختلفة.
● رفع دقة نماذج التصنيف والتقدير.
● اكتساب معرفة تطبيقية في
○ تصنيف الصور
○ التعرّف على الوجوه
○ اكتشاف الأجسام
● تطبيق تحليل المشاعر (Sentiment Analysis).

المدة: 5 أيام

اليوم الأول:

● الجبر وحساب التفاضل والتكامل.

اليوم الثاني:

● خوارزمية الانحدار المتدرّج (Gradient Descent).

● خوارزمية الإدراك (Perceptron)

اليوم الثالث:

● الشبكات العصبية الأمامية (Feedforward Neural Networks).

اليوم الرابع:

● الشبكات العصبية الالتفافية (Convolutional Neural Networks - CNN).

اليوم الخامس:

● الشبكات العصبية المتكرّرة (Recurrent Neural Networks - RNN).

● وحدات الذاكرة طويلة وقصيرة المدى (LSTM و GRU).

● كتيّب شامل وملوّن من عروض PowerPoint.
● الخلايا العصبية، الطبقات المخفية، نقاط التشابك العصبي.
● الأوزان (Weights) والنواتج (Scores).
● دوال التنشيط مثل: Sigmoid، وTanH، وغيرها.
● قاعدة SoftMax.
● التدفق الأمامي للمعلومات (Feed Forward).
● خوارزمية الانتشار العكسي (Backpropagation).
● النوافذ الالتفافية، دالة MaxReLU.
● تطبيقات برمجية باستخدام TensorFlow.

محاور الورشة: