Computer Vision Track
ديسمبر 15, 2024 2026-01-07 1:17Computer Vision Track
Computer Vision Track
ابدأ من أول مرحلة، وامشي بالتسلسل، وخلّص الكورس، التمارين، والمشاريع المطلوبة. لما تلتزم بكل خطوة وتنفذ المطلوب فيها، هتكون جاهز فعليًا لسوق العمل
مجانا
جميع المستويات
من البداية حتى استخراج البيانات من الويب في هذه الدورة …
مجانا
What you'll learn
فهم أساسيات Python: هنتعلم الأساسيات في Python مثل المتغيرات، الحلقات، الدوال، والتعامل مع النصوص.
استخراج البيانات من الويب: هنتعلم كيفية استخدام مكتبات Python مثل BeautifulSoup و Selenium لاستخراج البيانات من صفحات الويب.
تحليل البيانات المستخرجة: تعلم كيفية معالجة وتحليل البيانات المستخرجة باستخدام المهارات الأساسية في Python.
التعامل مع HTML و XML: تعلم كيفية قراءة وتحليل بيانات HTML و XML لاستخراج المعلومات المطلوبة.
تطبيقات عملية: بناء مشاريع لاستخراج البيانات من مواقع متعددة مثل الأخبار والمتاجر الإلكترونية وتحليل هذه البيانات بشكل عملي.
مجانا
جميع المستويات
Mastering Computer Vision: From Image Processing to 3D Reconstruction
تقدّم هذه الدورة رحلة شاملة في مجال Computer Vision، تبد... …
مجانا
Mastering Computer Vision: From Image Processing to 3D Reconstruction
What you'll learn
مقدمة في الصور الرقمية:
ما هي الصورة (Image) وكيف يتم تمثيلها عدديًا (Pixels, Channels, Color Spaces).
المفاهيم الأساسية مثل Resolution، Histogram، و Noise.
Image Processing:
العمليات الأساسية مثل Filtering، Thresholding، Edge Detection.
تقنيات تحسين الصور (Image Enhancement) واستخراج الملامح (Feature Extraction).
تحويلات هندسية (Scaling, Rotation, Affine Transformations).
Deep Learning for Computer Vision:
مدخل إلى DNN (Deep Neural Networks) وأسس عملها.
الشبكات الالتفافية CNN (Convolutional Neural Networks) ودورها في تحليل الصور.
Transfer Learning: الاستفادة من النماذج الجاهزة وتخصيصها لتطبيقات جديدة.
Data Augmentation: تحسين أداء النماذج عبر توليد بيانات إضافية.
المهام الأساسية في Computer Vision:
Object Detection: اكتشاف الأجسام باستخدام نماذج مثل YOLO و Faster R-CNN.
Object Tracking: تتبع الأجسام عبر الفيديو باستخدام خوارزميات كلاسيكية وحديثة.
Image Classification & Recognition: تصنيف الصور والتعرف على الكائنات والوجوه.
Semantic Segmentation: تقسيم الصور إلى مكوّناتها الدلالية.
المستوى المتقدم:
3D Reconstruction: إعادة بناء الأجسام والمشاهد ثلاثية الأبعاد من صور ثنائية.
مجانا
جميع المستويات
من البداية حتى استخراج البيانات من الويب في هذه الدورة …
مجانا
What you'll learn
فهم أساسيات Python: هنتعلم الأساسيات في Python مثل المتغيرات، الحلقات، الدوال، والتعامل مع النصوص.
استخراج البيانات من الويب: هنتعلم كيفية استخدام مكتبات Python مثل BeautifulSoup و Selenium لاستخراج البيانات من صفحات الويب.
تحليل البيانات المستخرجة: تعلم كيفية معالجة وتحليل البيانات المستخرجة باستخدام المهارات الأساسية في Python.
التعامل مع HTML و XML: تعلم كيفية قراءة وتحليل بيانات HTML و XML لاستخراج المعلومات المطلوبة.
تطبيقات عملية: بناء مشاريع لاستخراج البيانات من مواقع متعددة مثل الأخبار والمتاجر الإلكترونية وتحليل هذه البيانات بشكل عملي.
مجانا
جميع المستويات
Computer Vision Mastery: From Fundamentals to 3D Reconstruction
تقدّم هذه الدورة رحلة شاملة في مجال Computer Vision، تبد... …
مجانا
Computer Vision Mastery: From Fundamentals to 3D Reconstruction
What you'll learn
مقدمة في الصور الرقمية:
ما هي الصورة (Image) وكيف يتم تمثيلها عدديًا (Pixels, Channels, Color Spaces).
المفاهيم الأساسية مثل Resolution، Histogram، و Noise.
Image Processing:
العمليات الأساسية مثل Filtering، Thresholding، Edge Detection.
تقنيات تحسين الصور (Image Enhancement) واستخراج الملامح (Feature Extraction).
تحويلات هندسية (Scaling, Rotation, Affine Transformations).
Deep Learning for Computer Vision:
مدخل إلى DNN (Deep Neural Networks) وأسس عملها.
الشبكات الالتفافية CNN (Convolutional Neural Networks) ودورها في تحليل الصور.
Transfer Learning: الاستفادة من النماذج الجاهزة وتخصيصها لتطبيقات جديدة.
Data Augmentation: تحسين أداء النماذج عبر توليد بيانات إضافية.
المهام الأساسية في Computer Vision:
Object Detection: اكتشاف الأجسام باستخدام نماذج مثل YOLO و Faster R-CNN.
Object Tracking: تتبع الأجسام عبر الفيديو باستخدام خوارزميات كلاسيكية وحديثة.
Image Classification & Recognition: تصنيف الصور والتعرف على الكائنات والوجوه.
Semantic Segmentation: تقسيم الصور إلى مكوّناتها الدلالية.
المستوى المتقدم:
3D Reconstruction: إعادة بناء الأجسام والمشاهد ثلاثية الأبعاد من صور ثنائية.
مشاريع تطبيقية ذات صلة بالمسار
مجانا
في هذا المشروع، سوف تقوم بتطوير تطبيق ويب باستخدام Flask... …
What you'll learn
بنهاية هذا المشروع، ستتمكن من:
بناء تطبيق ويب باستخدام Flask وتحقيق تكامل بين الواجهة الأمامية والخلفية.
فهم طريقة عمل Retrieval-Augmented Generation (RAG) وكيفية استخدامه في تحسين البحث واسترجاع المعلومات.
دمج تقنيات الذكاء الاصطناعي في تطبيقات الويب لزيادة الكفاءة وتحسين تجربة المستخدم.
استخدام APIs أو قواعد بيانات لاسترجاع البيانات وإعادة صياغتها بطريقة ذكية باستخدام RAG.
فهم كيفية تنفيذ الاستعلامات المتقدمة وتحليل النتائج باستخدام تقنيات RAG.
مجانا
في هذه الدورة، سيتم شرح كيفية بناء نظام RAG (استرجاع …
What you'll learn
مفهوم نظام RAGسنتعرف في البداية على RAGكإطار عمل وكيفية دمج تقنيات التوليد والاسترجاعبشكل فعال. سنشرح كيف يمكن لنظام RAG تحسين قدرة الأنظمة الذكية على تقديم إجابات دقيقة في مواقف معقدة.
التوليد النصي باستخدام Llama 3 70B سنعمل مع نموذج Llama 3 70Bعبر Groq APIوهو نموذج متقدم للتوليد النصي، حيث يتيح للنظام توليد نصوص طويلة ومعقدة بدقة عالية. سنتعلم كيفية استخدام هذا النموذج لتوليد إجابات ملائمة للسياق بناءً على المدخلات.
استرجاع البيانات باستخدام Hugging Face و ChromaDBسنشرح كيفية استخدام Hugging Faceلإنشاء تمثيلات نصية (Embeddings) تساعد النظام على فهم المعاني والعلاقات بين الكلمات والنصوص. بعد ذلك، سنستخدم ChromaDBقاعدة البيانات المخصصة لاسترجاع البيانات، لتخزين المعلومات واسترجاعها بسرعة ودقة عند الحاجة.
دمج الأدوات باستخدام LangChain: سنستعرض كيفية استخدام LangChain، وهو إطار عمل يُسهل دمج الأدوات المختلفة معًا. سنغطي كيفية ربط Llama 3 70B، Hugging Face، وChromaDB معًا بشكل مرن وفعّال لخلق نظام RAG يعمل بسلاسة.
تقديم ردود دقيقة وسريعة: سنتعلم كيفية تحسين أداء النظام بحيث يقدم ردود دقيقة وملائمة بناءً على الاسترجاع والتوليد معًا. سيتم شرح كيفية استخدام تقنيات RAG لتحسين دقة النظام في الإجابة على الأسئلة، من خلال جمع معلومات من مصادر مختلفة وتوليد إجابة مرتبطة بالسياق.
تحسين دقة النظام: سنتعرف على كيفية تحسين دقة النظام باستخدام تقنيات الاسترجاع المدعوم بالتوليد، وكيف يمكن دمج التوليد مع الاسترجاع لتحقيق أفضل أداء ممكن في تقديم الإجابات.
التطبيقات العملية لنظام RAG: سنعرض أمثلة عملية لعمل نظام RAGفي مجالات متعددة مثل خدمة العملاء، التعليم، دعم القرار، وغيرها من التطبيقات التي تستفيد من دمج الاسترجاع النصي مع التوليد. سنتعرف على كيفية تخصيص النظام لاحتياجات مختلفة.
التحديات والحلول: سيتم تسليط الضوء على التحديات الرئيسية التي قد تواجهها أثناء بناء أنظمة RAGمثل تحسين سرعة الاسترجاع ودقة التوليد، وكيفية التغلب على هذه التحديات باستخدام تقنيات متقدمة.
مجانا
في هذا المشروع، يتم تطبيق تقنيات معالجة اللغة الطبيعية (... …
What you'll learn
فهم أساسيات التعرف على الصوت: التعرف على المبادئ الأساسية لتقنيات تحويل الكلام إلى نصوص مكتوبة.
تعلم كيفية استخدام نموذج Whisper: فهم طريقة عمل النموذج وتطبيقه على مختلف أنواع البيانات الصوتية.
اكتساب القدرة على الترجمة التلقائية: تعلم كيفية تحويل النصوص الصوتية من لغة إلى أخرى باستخدام تقنيات الذكاء الاصطناعي.
تصميم حلول ذكية لتحويل الصوت إلى نص: بناء أنظمة فعالة لتحويل الكلام إلى نصوص مكتوبة بدقة وسلاسة.
معالجة وتصفية البيانات الصوتية: التعرف على كيفية تنقية وتحليل البيانات الصوتية لتحسين النتائج.
تعلم تكامل نموذج Whisper مع التطبيقات: استخدام النموذج في تطبيقات مثل المساعدات الصوتية والأنظمة التفاعلية.
تطوير أنظمة ترجمة فورية: بناء حلول ذكية تتيح الترجمة الصوتية المباشرة في الوقت الفعلي.
فهم تقنيات تحليل النصوص الناتجة: استخدام النصوص المكتوبة لتحليل البيانات الصوتية وتطبيقات الذكاء الاصطناعي الأخرى.
تحسين التفاعل بين الإنسان والآلة: بناء تطبيقات تُسهل التواصل الطبيعي باستخدام الصوت.
استكشاف مجالات استخدام متعددة: تطوير أنظمة مخصصة لتطبيقات مثل الملاحظات الصوتية، التعليم، وخدمة العملاء.
مجانا
التعرف البصري على الحروف هو مشروع عملي يهدف إلى بناء …
What you'll learn
فهم تقنية الـ OCR: التعرف على كيفية عمل الـ OCR واستخدامها لاستخراج النصوص من الصور والوثائق.
استخدام أدوات OCR: تعلم كيفية استخدام أدوات الـ OCR المختلفة مثل Tesseract وأدوات أخرى متقدمة.
تحليل النصوص المستخرجة: استخدام النصوص المستخرجة في التحليل أو تخزين البيانات في قواعد البيانات باستخدام تقنيات مختلفة.
تطبيقات عملية: التعرف على كيف يمكن تطبيق الـ OCR في مشاريع متنوعة مثل مسح الفواتير، استرجاع المستندات، وتحليل الوثائق.
مجانا
مشروع Plate Number Recognition يهدف إلى إنشاء نظام قادر ... …
What you'll learn
لتعرف على الأنماط (Pattern Recognition): تعلم كيفية تدريب النموذج لاستخراج أرقام اللوحات باستخدام تقنيات Computer Vision.
استخراج البيانات من الصور (Image Processing): تعلم كيفية التعامل مع الصور ومعالجتها لاستخراج النصوص باستخدام تقنيات مثل Edge Detection و Thresholding.
**تقنيات OCR (Optical Character Recognition): تعلم كيفية تطبيق تقنيات OCR لاستخراج النصوص من الصور.
استخدام المكتبات المتقدمة: تعلم استخدام مكتبات مثل OpenCV و Tesseract OCR لاستخراج الأرقام وتحسين دقة التعرف.
تحليل الصور والفيديوهات في الوقت الفعلي: بناء نموذج يعمل في الوقت الفعلي لمعالجة صور لوحات السيارات.
دمج النظام مع قواعد البيانات: تعلم كيفية دمج Plate Recognition System مع قواعد البيانات لتخزين السجلات وتوفير حلول لتطبيقات مواقف السيارات الذكية.
مجانا
دورة Streamlit هي دورة شاملة تهدف إلى تعليمك كيفية بناء …
What you'll learn
مقدمة في Streamlit: التعرف على كيفية إنشاء تطبيقات واجهات المستخدم باستخدام Streamlit.
إعداد البيئة: تعلم كيفية تثبيت Streamlit وضبط البيئة لتطوير التطبيقات.
عرض البيانات: تعلم كيفية عرض البيانات باستخدام الجداول، charts، و maps.
التفاعل مع البيانات: استخدام الأدوات التفاعلية مثل widgets و inputs لجعل التطبيق تفاعليًا.
مجانا
يهدف المشروع إلى تطوير لوحة تحكم شاملة لبطاقات الائتمان ... …
What you'll learn
إعداد البيانات: تعلم كيفية استيراد البيانات من مصادر متعددة مثل Excel و SQL databases و CSV files.
تنظيف البيانات: تعلم كيفية استخدام أدوات Power Query لتنظيف البيانات وتجهيزها للتحليل.
إنشاء تقارير تفاعلية: تعلم كيفية تصميم تقارير ديناميكية باستخدام Power BI باستخدام أدوات التصور مثل Bar Charts، Pie Charts، و Maps.
دوال DAX: تعلم كيفية استخدام DAX لإنشاء calculated columns و measures وتحليل البيانات بشكل متقدم.
إنشاء Dashboards تفاعلية: تعلم كيفية دمج عدة تصورات في لوحة بيانات واحدة تفاعلية تحتوي على فلاتر قابلة للتعديل.
تحليل البيانات المتقدم: تعلم كيفية استخدام What-If Analysis و Forecasting لتوقع الاتجاهات المستقبلية وتحليل السيناريوهات المحتملة.
مشاركة البيانات والتعاون: تعلم كيفية نشر التقارير إلى Power BI Service لمشاركتها مع الفرق الأخرى.
