استشاري الذكاء الاصطناعي مع التعلم المعزز

الوحدات النمطية والحزم ومعالجة الأخطاء (4 أيام تقريباً)

مقدمة في وحدات وحزم بايثون النمطية

استيراد واستخدام الحزم القياسية وحزم الجهات الخارجية

إنشاء وحدات وحزم مخصصة

العمل مع sys و os (وظائف النظام الأساسي المضيف)

مقدمة في الاستثناءات ومعالجة الأخطاء (المحاولة، باستثناء، وأخيرًا)

إنشاء واستخدام الاستثناءات المحددة ذاتيًا.

أفضل الممارسات للتعامل مع الأخطاء القوية

الذكاء الاصطناعي في إجراءات العمل

عرض تقنيات محددة للذكاء الاصطناعي

والتطبيقات الممكنة في البيئة المهنية

السلاسل وأساسيات العمليات التشغيلية المفتوحة (8 أيام تقريباً)

مقدمة للعمل مع السلاسل

طرق السلاسل المتكاملة (التقسيم، الضم، البحث، الاستبدال، إلخ)

تنسيق السلاسل ومعالجتها

تشريح السلاسل والعمل مع التعبيرات العادية (RegEx)

مقدمة في الفصول والكائنات وطرق المثيل والمتغيرات

التغليف والوراثة وتعدد الأشكال

المنشئات (__init__) والفاسدات (__del__)

التسلسل الهرمي للوراثة والفئات الفائقة

دراسة متعمقة للبرمجة الموجهة للكائنات (2.5 يوم تقريباً)

دراسة متعمقة للوراثة وتعدد الأشكال

تطبيق الطرق السحرية (__str__، __repr__، __repr__، _eq__، __lt__، إلخ)

الخصائص والمزخرفات في الفصول

أنماط التصميم: المفرد، المصنع، إلخ.

فهم القوائم لمعالجة القوائم بكفاءة

دوال لامدا وكتابة الدوال المجهولة

الإغلاقات وتحديد النطاق في بايثون

فهم واستخدام المولدات والمكررين

العمل مع الملفات وقواعد البيانات وتطوير الويب (2.5 يوم تقريبًا)

قراءة وكتابة الملفات (CSV، JSON)

مقدمة إلى SQL والاتصال بقواعد بيانات SQLite

عمليات CRUD في قاعدة البيانات (الإنشاء والقراءة والتحديث والحذف)

مقدمة إلى فلاسك وإنشاء تطبيق ويب بسيط

المسارات والقوالب في فلاسك

تطبيقات CRUD في فلاسك (تكامل قاعدة البيانات)

عمل المشروع والإعداد للشهادة وامتحان شهادة "PCAP™ - مبرمج بايثون معتمد" باللغة الإنجليزية (3 أيام تقريباً)

مقدمة في التعلم الآلي (5 أيام تقريباً)

لماذا التعلم الآلي؟

أمثلة تطبيقية

التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم الخاضع للإشراف الجزئي، والتعلم المعزز

أمثلة على مجموعات البيانات

التعرف على البيانات

بيانات التدريب والتحقق من الصحة وبيانات الاختبار

عرض البيانات

إجراء التنبؤات

التعلم تحت الإشراف (حوالي 5 أيام)

التصنيف والانحدار

التعميم والإفراط في التعميم وعدم التعميم

حجم مجموعة البيانات

خوارزميات التعلّم تحت الإشراف

النماذج الخطية

مصنفات بايز

أشجار القرار

الغابة العشوائية

تعزيز التدرج

الجيران الأقرب ك

ماكينات دعم المتجهات

المجال العشوائي الشرطي

الشبكات العصبية والتعلم العميق

الاحتمالات

التعلم غير الخاضع للإشراف (5 أيام تقريباً)

أنواع التعلم غير الخاضع للإشراف

المعالجة المسبقة والقياس

تحويلات البيانات

قياس بيانات التدريب والاختبار

تقليل الأبعاد

هندسة الميزات

التعلّم المتشعب

تحلل المكونات الرئيسية (PCA)

تحليل المصفوفة غير السالبة (NMF)

التعلُّم المتشعب مع التحليل العنقودي للمكونات الرئيسية

التحليل العنقودي

التجميع k-Means

التجميع العنقودي التجميعي

التحليل العنقودي الهرمي

DBSCAN

خوارزميات التجميع

التقييم والتحسين (يومان تقريباً)

اختيار النموذج وتقييم النموذج

ضبط المعلمات الفائقة للمُقدِّر

التحقق التبادلي

بحث الشبكة

مقاييس التقييم

التصنيف

عمل المشروع (3 أيام تقريباً)

لتوحيد المحتوى الذي تم تعلمه

عرض نتائج المشروع

مقدمة في التعلم العميق (يوم واحد تقريباً)

التعلم العميق كنوع من التعلم الآلي

أساسيات الشبكات العصبية (4 أيام تقريباً)

المدرك التلقائي

حساب الشبكات العصبية

تحسين معلمات النموذج، والانتشار الخلفي

مكتبات التعلم العميق

الانحدار مقابل التصنيف

منحنيات التعلّم، والإفراط في التركيب والتنظيم

تحسين المعلمات المفرطة

نزول التدرج العشوائي (SGD)

الزخم، مُحسِّن آدم

معدل التعلم

الشبكة العصبية التلافيفية (CNN) (يومان تقريباً)

تصنيف الصور

الطبقات التلافيفية، طبقات التجميع

طبقات إعادة التشكيل، التسطيح، تجميع المتوسط العالمي

مسابقة ImageNet-منافسة الشبكات العصبية المتداخلة (CNN)

الشبكات العصبية العميقة، وتلاشي التدرجات، وتخطي الاتصالات، وتطبيع الدُفعات

نقل التعلم (يوم واحد تقريباً)

تكييف النماذج

التدريب المسبق غير الخاضع للإشراف

زيادة بيانات الصور، والذكاء الاصطناعي القابل للتفسير

شبكة CNN الإقليمية (يوم واحد تقريباً)

توطين الكائنات

مشاكل الانحدار

الشبكات العصبية المتفرعة

طرق توليد الصور الإبداعية (يوم واحد تقريباً)

شبكات الخصومة التوليدية (GAN)

التزييف العميق

نماذج الانتشار

الشبكات العصبية المتكررة (يومان تقريباً)

تحليل التسلسل

الطبقات المتكررة

الانتقاء الخلفي عبر الزمن (BPTT)

تحليل السلاسل الزمنية

مشاكل التدرج الانفجاري والتلاشي

LSTM (الذاكرة طويلة وقصيرة المدى)

GRU (وحدة متكررة مبوبة)

شبكة RNN العميقة

LSTM العميقة

معالجة النصوص باستخدام الشبكات العصبية (يومان تقريباً)

المعالجة المسبقة للنص

تضمين الطبقات

تصنيف النصوص

تحليل المشاعر

نقل التعلّم في معالجة اللغات الطبيعية

الترجمات

طريقة التسلسل إلى التسلسل، وبنية التشفير وفك التشفير

النماذج اللغوية (يوم واحد تقريباً)

BERT، GPT

طبقات الانتباه، المحولات

خطوط أنابيب توليد النصوص

التلخيص

روبوتات الدردشة

التعلم المعزز العميق (يوم واحد تقريباً)

التحكم في الأنظمة الديناميكية

أنظمة الوكلاء

التدريب من خلال المكافآت

تدرجات السياسة

التعلُّم الكمي العميق

الشبكات العصبية الباييزية (يوم واحد تقريباً)

حالات عدم اليقين في الشبكات العصبية

التقييم الإحصائي للتوقعات

الثقة، الانحراف المعياري

البيانات غير المتوازنة

طرق أخذ العينات

عمل المشروع (3 أيام تقريباً)

لتوحيد المحتوى الذي تم تعلمه

عرض نتائج المشروع

مقدمة في التعلم المعزز (يوم واحد تقريباً)

التعريف والمفاهيم الأساسية

الاختلافات عن طرق التعلم الأخرى

مجالات التطبيق والأمثلة

عمليات اتخاذ القرار ماركوف (MDPs) (يومان تقريباً)

تعريف وخصائص عمليات اتخاذ القرار المتغيرة

دوال القيمة والسياسة

معادلات بيلمان

نهج البرمجة الديناميكية

التعلم الكمي (يومان تقريباً)

التعريف والخوارزمية

الاستكشاف مقابل الاستغلال

خصائص التقارب والتحسين

تطبيقات في الألعاب والروبوتات ومجالات أخرى

التعلم المعزز العميق (3 أيام تقريباً)

التعلّم الكمي العميق

تدرجات السياسة الحتمية العميقة (DDPG)

الطرق الحرجة للفاعل

طرق تدرج السياسة

مواضيع متقدمة (4 أيام تقريباً)

التعلم المعزز القائم على النموذج

التعلم المعزز متعدد الوكلاء

التعلم المعزز العكسي

التعلُّم المعزز الفوقي

تطبيقات عملية (3 أيام تقريباً)

تنفيذ خوارزميات التعلم المعزز

التطبيق على مشاكل ودراسات حالة مختارة

تقييم وضبط الخوارزميات

الملخص والنظرة المستقبلية (يومان تقريباً)

ملخص لأهم المفاهيم والنتائج

التحديات والتطورات المستقبلية في مجال التعلم المعزز

عمل المشروع (3 أيام تقريباً)

لتوحيد المحتوى الذي تم تعلمه

عرض نتائج المشروع