حول هذه الدورة
بدأ رحلتك في فهم وبناء Neural Networks خطوة بخطوة
في الكورس ده هتتعلم المفاهيم الأساسية في Deep Learning بداية من Perceptron وActivation Functions وصولًا إلى الشبكات العصبية متعددة الطبقات (Deep Neural Networks).
هتفهم إزاي الشبكات العصبية بتتعلم من البيانات باستخدام Backpropagation وOptimizers زي Adam وGradient Descent، وهتطبق عمليًا باستخدام TensorFlow وKeras.
وفي نهاية الكورس، هتكون قادر تبني وتدرب Deep Learning models بنفسك وتطبّقها على بيانات حقيقية.
أهداف التعلم
المواد
- History & Applications of Deep Learning
- Perceptron & Practice
- Activation Functions (Sigmoid, Tanh, ReLU, Leaky ReLU, Softmax)
- Multi-Layer Perceptron
- Training Neural Networks
- Error in Machine Learning
- Dropout Layer
- Optimizers (Gradient Descent, Momentum, AdaGrad, RMSProp, Adam)
- Deep Learning Frameworks (TensorFlow, Keras)
- Practice on Classification & Regression
- Linear Regression using TensorFlow
- Advanced Deep Learning on Numerical Data
- Quizzes & Assignments for Every Section
متطلبات
- معرفة أساسية بـ Python وMachine Learning.
- يفضل تكون درست Math for Data Science (خصوصًا Linear Algebra وProbability).
الجمهور المستهدف
- طلاب الذكاء الاصطناعي وعلوم البيانات.
- المهتمين ببناء AI Models من الصفر.
- أي شخص عايز يفهم العمق العلمي وراء Deep Learning وNeural Networks.
منهاج دراسي
Introduction to Deep Learning
Introduction to Deep Learning00:44:00
History of Deep Learning00:20:00
Deep Learning Applications00:31:32
Perceptron00:51:15
Perceptron Practice00:18:13
Perceptron Quiz
Deep Neural Network
احصل على شهادة
أضف هذه الشهادة إلى سيرتك الذاتية لإثبات مهاراتك وزيادة فرصك في لفت الانتباه.
أساتذتك
Ahmed Ashraf
Machine Learning Engineer @ Cybral
Results-driven Machine Learning Engineer with expertise in NLP and MLOps, specializing in optimizing model performance, developing scalable data solutions, and enhancing system security. Skills: • Machine Learning & NLP: supervised, unsupervised algorithms, NN, CNNs, RNNs, LSTMs, Classical NLP, Tokenization, stemming, lemmatization, POS tagging, named entity recognition (NER), Embeddings, Word2Vec, GloVe, BERT, GPT, Attention, Transformer, Pytorch, HuggingFace, LLMs, Prompt Engineering, RAG, Vector Store, Langchain, LLM serving • MLOps & Deployment: Azure Repos - Pipelines, Git, Docker - Compose - Swarm, Mlflow, Weights & Biases, OLLAMA • API Development & Integration: Python, Flask, Flask-RESTx, Http/s, GRPC, Protocol Buffers, Swagger, Postman, SSL/TLS, Authentication, role-based access control, rate limiting, Microservices, Service Registry • Graph Database: Neo4j, Cypher language, APOC: Awesome Procedures on Cypher • Other Tools & Technologies: Numpy, Pandas, Matplotlib, Sklearn, NLTK, Redis, A/B Testing
المواد
- History & Applications of Deep Learning
- Perceptron & Practice
- Activation Functions (Sigmoid, Tanh, ReLU, Leaky ReLU, Softmax)
- Multi-Layer Perceptron
- Training Neural Networks
- Error in Machine Learning
- Dropout Layer
- Optimizers (Gradient Descent, Momentum, AdaGrad, RMSProp, Adam)
- Deep Learning Frameworks (TensorFlow, Keras)
- Practice on Classification & Regression
- Linear Regression using TensorFlow
- Advanced Deep Learning on Numerical Data
- Quizzes & Assignments for Every Section
