مهندس ذكاء اصطناعي

أساسيات هندسة البيانات وبنى البيانات (حوالي يومين)

المهام ومجالات التطبيق في هندسة البيانات

أساسيات هياكل البيانات ومنصات البيانات الحديثة

أساسيات ومقارنة بين بنى البيانات القائمة على السحابة

OLTP و OLAP

معالجة البيانات المنظمة وشبه المنظمة وغير المنظمة

إدارة المتطلبات ونمذجة البيانات (حوالي يوم واحد)

متطلبات البيانات ومصادر البيانات

النمذجة النظرية للبيانات

نمذجة هياكل البيانات وتدفقات البيانات

عقود البيانات، وحوكمة البيانات، ونسب البيانات

قواعد البيانات ومعالجة البيانات (حوالي يوم واحد)

بنية أنظمة قواعد البيانات

مقارنة بين SQL و NoSQL و NewSQL

نمذجة البيانات العلائقية

استخدام SQL في الاستعلام عن البيانات ومعالجتها

تخزين البيانات وبنى البيانات الحديثة (حوالي يومين)

أساسيات وبنية أنظمة مستودعات البيانات

نمذجة البيانات الأبعادية وتصميم المخططات

الحقائق والأبعاد وتخزين البيانات التاريخية

مقارنة بين مستودع البيانات وبحيرة البيانات و"ليكهاوس"

مقدمة إلى dbt

التنفيذ العملي لنماذج البيانات

تكامل البيانات وخطوط نقل البيانات (حوالي 5 أيام)

تكامل البيانات وتوفير البيانات

عمليات ETL و ELT

إنشاء وتنسيق مسارات البيانات

تنقية البيانات والتحقق من صحتها وجودة البيانات

المعالجة الدفعية والتدفقية

الاستخدام العملي لـ Airflow و Spark

البرمجة ومعالجة البيانات الآلية (حوالي 4 أيام)

بيئات Python وإدارة الحزم

معالجة البيانات وتحويلها باستخدام لغة Python

أتمتة عمليات معالجة البيانات

ربط مصادر البيانات والواجهات المختلفة

تطوير سير عمل هندسة البيانات

التحويل إلى حاويات باستخدام Docker

الدعم المدعوم بالذكاء الاصطناعي في عمليات التطوير ومعالجة البيانات

عمل المشروع (5 أيام تقريباً)

لتوحيد المحتوى المكتسب

عرض نتائج المشروع

مقدمة في التعلم الآلي وسير عمل التعلم الآلي (حوالي 3 أيام)

أساسيات التعلم الآلي ومجالات تطبيقه وأنواعه

تصنيف أساليب الذكاء الاصطناعي والتعلم الآلي الحديثة

سير عمل التعلم الآلي باستخدام scikit-learn

بيانات التدريب والتحقق والاختبار

التدريب الناقص، والتدريب المفرط، وتقييم النماذج

التحقق المتقاطع

تحضير البيانات وهندسة الميزات (حوالي يومين)

جودة البيانات والمعالجة المسبقة للبيانات

التحجيم والتطبيع والترميز

هندسة السمات واختيار السمات

التعامل مع القيم المفقودة والقيم الشاذة ومجموعات البيانات غير المتوازنة

التعلم الخاضع للإشراف – الانحدار والتصنيف (حوالي 5 أيام)

طرق الانحدار والتصنيف

النماذج الخطية والمنظمة

طرق قائمة على المسافة والاحتمالات والشجرة

طرق المجموعات والتعزيز

مقارنة النماذج وتحسين المعلمات الفائقة

مقاييس التقييم والتنبؤات الاحتمالية

أهمية السمات والذكاء الاصطناعي القابل للتفسير 

التعلم غير المراقب (حوالي يومين)

تقليل الأبعاد واستخراج السمات

طرق التجميع وتقييم نتائج التجميع

الكشف عن الحالات الشاذة

تحليل السلاسل الزمنية والتوقعات (حوالي يوم واحد)

أساسيات وتحليل بيانات السلاسل الزمنية

طرق التنبؤ والتعلم الآلي للسلاسل الزمنية

الشبكات العصبية والذكاء الاصطناعي الحديث (حوالي يومين)

أساسيات الشبكات العصبية والتعلم العميق

التعلم الآلي للبيانات النصية ومعالجة اللغة الطبيعية

نماذج الأساس، ونماذج اللغة الكبيرة، والذكاء الاصطناعي التوليدي

نشر نماذج التعلم الآلي (حوالي يوم واحد)

تخزين النماذج المدربة وتوفيرها

تطوير تطبيقات التعلم الآلي البسيطة

واجهات ومنصات لنماذج التعلم الآلي

عمل المشروع (4 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)

الإدراك الحسي متعدد الطبقات

حساب الشبكات العصبية

تحسين معلمات النموذج، والانتشار الخلفي

مكتبات التعلم العميق

الانحدار مقابل التصنيف

وظائف الخسارة والتنشيط النموذجية

تقييم توقعات النموذج باستخدام المقاييس

مقاييس الانحدار والتصنيف

منحنيات التعلّم، والإفراط في التركيب والتنظيم

تحسين المعامل الفائق

تنظيم L1/12

التسرب

التوقف المبكر

نزول التدرج العشوائي (SGD)

الزخم، آدم الأمثل

تحسين معدل التعلم

تعديل معدل التعلم الديناميكي

تقليل معدل التعلم عند الهضبة

تحسين معدل التعلُّم باستخدام TensorBoard

التحكم في عملية الملاءمة باستخدام عمليات الاسترجاع

حفظ النماذج وتحميلها

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 ودمج النماذج

التدريب المسبق غير الخاضع للإشراف

زيادة بيانات الصور، والذكاء الاصطناعي القابل للتفسير

محمل البيانات

شبكة CNN الإقليمية (يوم واحد تقريباً)

توطين الكائنات

التجزئة الدلالية

مشاكل الانحدار

الشبكات العصبية المتفرعة

بنية YOLO

نماذج U-Net

طرق توليد الصور الإبداعية (يوم واحد تقريباً)

شبكات الخصومة التوليدية (GAN)

التزييف العميق

نماذج الانتشار

الاستبانة الفائقة

تكملة مناطق الصور المكملة

تطبيق نماذج الأساس من تعانق الوجه

نماذج متعددة الوسائط

لورا-ضبط دقيق

مجالات تطبيق النماذج التوليدية

القيود القانونية

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

معالجة اللغة الطبيعية (NLP)

الترجمات

توليد النص

طريقة التسلسل إلى التسلسل، بنية أداة التشفير وفك التشفير

نماذج التشفير فقط ونماذج فك التشفير فقط

التطبيق المحلي للنماذج اللغوية الكبيرة

النماذج اللغوية (يوم واحد تقريباً)

بنية الترانسفير

الانتباه والانتباه متعدد الرؤوس

الترميزات الموضعية

ضبط النماذج اللغوية الكبيرة

التلقين

خطوط أنابيب توليد النص

التلخيص

روبوتات المحادثة

التوليد المعزز للاسترجاع

وكلاء الذكاء الاصطناعي

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