Artificial Intelligence
December 14, 2024 2025-04-26 0:04الذكاء الاصطناعي
Artificial Intelligence
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
متوسط
تتناول هذه الدورة مجموعة من الموضوعات الأساسية والمهمة ا... …
مجانا
What you'll learn
فهم الجبر الخطي: هنتعرف على المفاهيم الأساسية للجبر الخطي مثل المصفوفات، المتجهات، والتحويلات، وكيفية استخدامها في نماذج التعلم الآلي.
الإحصاء: هنتعلم أهم المفاهيم الإحصائية مثل التوزيعات، المتوسطات، الانحراف المعياري، وأهمية هذه المفاهيم في معالجة البيانات وتحليلها.
الاحتمالات: هنتعرف على أساسيات الاحتمالات وكيفية تطبيقها في بناء النماذج التي تتعامل مع عدم اليقين والقرارات الاحتمالية.
المكتبات الخارجية: هنتعلم كيفية استخدام مكتبات Python مثل NumPy، Pandas، Matplotlib، وScikit-learn لتحسين الأداء وتحليل البيانات.
إعداد البيانات: هنتعلم كيف نحضر البيانات بشكل مناسب لنماذج التعلم الآلي، بما في ذلك التنظيف، التحويل، والتعامل مع القيم المفقودة.
مجانا
متوسط
تعلم الآلة (Machine Learning) هو أحد أهم وأشهر مجالات ال... …
مجانا
What you'll learn
فهم أساسيات التعلم الآلي: هنتعرف على المفاهيم الأساسية للتعلم الآلي مثل الخوارزميات، والتدريب على البيانات، والاختبار.
التعرف على أنواع التعلم الآلي: هنتعلم الفرق بين التعلم supervised وunsupervised والتعلم المعزز.
بناء النماذج باستخدام Scikit-learn: تعلم كيفية بناء وتدريب النماذج باستخدام مكتبة Scikit-learn الشهيرة.
التعامل مع البيانات: هنتعلم كيفية تجهيز البيانات، تنظيفها، وتحليلها قبل تدريب النموذج.
تطبيقات عملية: بناء مشاريع حقيقية باستخدام تقنيات التعلم الآلي مثل تصنيف الصور، التنبؤ بالقيم، وتحليل البيانات.
مجانا
متوسط
Deep learning is a branch of machine learning and one of the most important developments…
مجانا
What you'll learn
مفهوم التعلم العميق: فهم الأساسيات ودوره كأحد فروع تعلم الآلة.
الشبكات العصبية الاصطناعية: التعرف على كيفية محاكاة طريقة عمل الدماغ البشري لمعالجة البيانات.
بناء نموذج البرسيبترون (Perceptron): تعلم بناء أبسط أنواع الشبكات العصبية.
النماذج التوليدية (Generative Models): فهم كيفية تطبيق تقنيات مثل One-Hot Encoding.
تصميم نماذج فعالة: تطوير نماذج تعلم عميق قادرة على تحقيق نتائج دقيقة.
التعامل مع البيانات المعقدة: تعلم كيفية معالجة وتحليل البيانات لاستخدامها في النماذج العميقة.
تطبيقات الذكاء الاصطناعي: تطبيق التعلم العميق في مختلف المجالات لتحقيق حلول مبتكرة.
استخدام الشبكات العصبية: تطوير فهم عملي لبناء شبكات قوية للتنبؤ واتخاذ القرارات.
مجانا
What you'll learn
فهم أساسيات رؤية الكمبيوتر: التعرف على معنى الصورة ومكوناتها وأساسيات معالجة الصور.
خطوات معالجة الصور: تعلم كيفية تطبيق خطوات معالجة الصور باستخدام تقنيات متعددة.
التعرف على تقنيات معالجة الصور: استكشاف الطرق المختلفة لمعالجة الصور وتطبيقاتها.
دمج رؤية الكمبيوتر والتعلم العميق: فهم كيفية تفاعل رؤية الكمبيوتر مع التعلم العميق لتطوير نماذج متقدمة.
تطبيق الرؤية ثلاثية الأبعاد: التعرف على تقنيات الرؤية ثلاثية الأبعاد واستخدامها في تحسين النماذج الذكية.
تطوير مهارات تحليل الصور: اكتساب القدرة على تحليل الصور وحل مشكلات حقيقية باستخدام أدوات حديثة.
استخدام تقنيات الذكاء الاصطناعي في رؤية الكمبيوتر: تطبيق تقنيات الذكاء الاصطناعي لتحسين الأداء في معالجة الصور.
إنشاء نماذج ذكية أكثر تطوراً: تعلم كيفية بناء نماذج رؤية الكمبيوتر التي تلبي متطلبات التطبيقات المتقدمة.
اكتساب مهارات عملية: التعرف على أدوات وتطبيقات عملية لتطوير حلول مبتكرة في رؤية الكمبيوتر.
التعامل مع بيانات الصور: تعلم كيفية تحليل وتفسير الصور في سياقات متعددة.
مجانا
What you'll learn
فهم التعلم العميق ومعالجة اللغة الطبيعية: التعرف على مفهوم التعلم العميق وتطبيقاته في معالجة النصوص.
معالجة النصوص وتحويلها إلى بيانات رقمية: تعلم خطوات تحويل النصوص إلى أرقام واتجاهات تفهمها الآلة.
تطبيق النماذج المولدة (Generative Models): استكشاف نماذج مثل LAMA وChatGPT وفهم طريقة عملها.
التعامل مع النماذج اللغوية الكبيرة (Large Language Models): التعرف على كيفية استخدام هذه النماذج في التطبيقات العملية.
بناء تطبيقات معالجة اللغة الطبيعية: تطوير حلول مبتكرة لمعالجة النصوص والترجمة الآلية وإنشاء المحتوى.
تحليل البيانات النصية باستخدام التعلم العميق: تطبيق تقنيات الذكاء الاصطناعي لتحليل النصوص وفهم البيانات النصية.
التفاعل مع النماذج التوليدية: اكتساب مهارات إنشاء محتوى توليدي باستخدام نماذج اللغة المتقدمة.
دمج تقنيات الذكاء الاصطناعي في التطبيقات العملية: فهم كيفية استخدام التعلم العميق لتطوير حلول ذكية.
استخدام التقنيات الحديثة في الذكاء الاصطناعي: تعلم كيفية التعامل مع أحدث تقنيات الذكاء الاصطناعي وتطبيقاتها.
تحليل وتطبيق النماذج اللغوية في مختلف المجالات: استخدام النماذج المتطورة لحل مشكلات معقدة في المجالات المتعددة.
