التحول الرقمي والذكاء الاصطناعي

تقنيات التعلم العميق (Deep Learning) وبناء الشبكات العصبية

يبني البرنامج قدرة عملية على تصميم الشبكات العصبية وتدريبها بثبات: فهم الانتشار الخلفي، وضبط المُحسِّنات والتسوية، واختيار البنية الملائمة للصور والتسلسلات، وتقييم النتائج وتفسيرها.

المدة5 أيام تدريبية
المحتوى5 محاور · 10 جلسات
بعد البرنامجشهادة حضور معتمدة

لمحة عن الدورة

تدريب شبكة عصبية سهل حتى تتوقف عن التعلم بلا سبب ظاهر: خسارة تتجمد، أو تتذبذب، أو تنخفض على التدريب وترتفع على التحقق. يعالج هذا البرنامج تقنيات التعلم العميق من الداخل حتى يصبح تشخيص هذه الحالات ممكناً: كيف تُحسب المشتقات بالانتشار الخلفي، ولماذا تتلاشى التدرجات أو تنفجر، وما الذي تفعله دالة التنشيط والتهيئة الأولية ومعدّل التعلم فعلاً. ثم يُبنى مسار تدريب مستقر بالمُحسِّنات الحديثة وجدولة معدّل التعلم والتطبيع والتسوية والإيقاف المبكر. ويتناول المحور الأوسط بنى الشبكات العصبية بحسب طبيعة البيانات: الالتفافية للصور، والمتكررة للتسلسلات القصيرة، وآلية الانتباه للسياقات الطويلة. ويعمل المشاركون على التعلم بالنقل وتوسيع البيانات حين تكون العيّنات قليلة، وعلى تقييم النموذج بمقاييس تناسب عدم توازن الفئات، وعلى تفسير قراراته بخرائط الإسناد قبل الاعتماد عليه في قرار حقيقي.

الأهداف المتوقعة من الدورة

01

اشتقاق خطوات الانتشار الأمامي والخلفي لشبكة صغيرة يدوياً، وتفسير أثر دالة التنشيط والتهيئة في استقرار التدرجات.

02

بناء مسار تدريب مستقر يجمع المُحسِّن المناسب وجدولة معدّل التعلم والتطبيع الدفعي والتسوية والإيقاف المبكر.

03

تصميم بنية شبكة تناسب طبيعة البيانات بين الالتفافية والمتكررة والمعتمدة على الانتباه، وتبرير الاختيار بقيود المهمة.

04

تقييم النموذج بمقاييس ملائمة لعدم توازن الفئات، وتفسير قراراته بخرائط الإسناد وتحليل الأخطاء على الشرائح.

المستهدفون

01

المطورون وعلماء البيانات المنتقلون من النماذج التقليدية إلى الشبكات العصبية العميقة.

02

الباحثون وطلاب الدراسات العليا الذين يحتاجون أساساً رياضياً وعملياً متيناً لتجاربهم.

03

مهندسو الرؤية الحاسوبية ومعالجة الإشارة الراغبون في فهم ما يجري داخل البنية لا استعمالها فقط.

04

قادة الفرق التقنية الذين يراجعون نتائج تجارب التعلم العميق ويقررون صلاحيتها للتشغيل.

المحاور العلمية

اضغط على أي محور لاستعراض جلساته وبنوده.

01

المحور الأول: أسس الشبكة العصبية وحساب التدرجات

2 جلسات · 6 نقاط

1الجلسة الأولى: من العصبون إلى الشبكة متعددة الطبقات

  • بناء شبكة بطبقة خفية واحدة يدوياً وتتبّع تحوّل المدخل عبر الأوزان والانحياز ودالة التنشيط.
  • مقارنة دوال التنشيط الشائعة من حيث الاشتقاق ومناطق التشبّع وأثرها في سرعة التعلم.
  • اختيار دالة الخسارة بحسب المهمة بين الانحدار والتصنيف الثنائي والتصنيف متعدد الفئات.

2الجلسة الثانية: الانتشار الخلفي ومشكلات التدرج

  • اشتقاق قاعدة السلسلة عبر طبقات متتالية وحساب تدرج الخسارة بالنسبة لكل وزن خطوة بخطوة.
  • تشخيص تلاشي التدرجات وانفجارها من منحنيات التدريب، ومعالجتها بالتهيئة والقصّ ووصلات التخطّي.
  • التحقق العددي من صحة التدرج المحسوب بمقارنته بفرق محدود قبل الشروع في تدريب طويل.
02

المحور الثاني: تدريب مستقر وضبط المعاملات الفائقة

2 جلسات · 6 نقاط

1الجلسة الأولى: المُحسِّنات وجدولة معدّل التعلم

  • مقارنة الانحدار التدرجي العشوائي بالزخم مع المُحسِّنات التكيّفية في سرعة التقارب وجودة التعميم.
  • ضبط معدّل التعلم ببحث تمهيدي وبجدولة الإحماء والتبريد، وربطه بحجم الدفعة المستعمل.
  • قراءة منحنى الخسارة على التدريب والتحقق لتشخيص التعلم البطيء والتذبذب وفرط التخصيص.

2الجلسة الثانية: التسوية ومكافحة فرط التخصيص

  • تطبيق التسوية بالوزن والإسقاط العشوائي والتطبيع الدفعي وقياس أثر كل أسلوب منها منفرداً.
  • توسيع البيانات بتحويلات تحافظ على المعنى، وتجنّب التحويلات التي تغيّر التسمية الصحيحة.
  • استعمال الإيقاف المبكر والتحقق المتقاطع لاختيار نقطة التوقف دون تسريب مجموعة الاختبار.
03

المحور الثالث: بنى الشبكات بحسب طبيعة البيانات

2 جلسات · 6 نقاط

1الجلسة الأولى: الشبكات الالتفافية للصور والإشارات

  • تفسير عمل النواة الالتفافية وحجم الحقل المستقبِل وأثر الخطوة والحشو في أبعاد المخرج.
  • بناء بنية عميقة بوصلات متبقية تتيح زيادة العمق دون تدهور في دقة التدريب نفسه.
  • تكييف الشبكة الالتفافية لإشارات أحادية البعد مثل الصوت وقراءات المستشعرات الزمنية.

2الجلسة الثانية: التسلسلات وآلية الانتباه

  • مقارنة الشبكات المتكررة ذات البوابات بالنماذج المعتمدة على الانتباه في التعامل مع السياق الطويل.
  • شرح حساب الانتباه بالاستعلام والمفتاح والقيمة، وتعدد الرؤوس، والترميز الموضعي للمواقع.
  • تصميم نموذج تسلسلي للتنبؤ بالسلاسل الزمنية مع نافذة سياق مناسبة لدورية البيانات.
04

المحور الرابع: البيانات المحدودة والتعلم بالنقل والتقييم

2 جلسات · 6 نقاط

1الجلسة الأولى: الاستفادة من نماذج مدرّبة مسبقاً

  • تجميد الطبقات الأولى وإعادة تدريب الرأس على مهمة جديدة ببيانات قليلة نسبياً.
  • ضبط دقيق تدريجي للطبقات العليا بمعدّل تعلم منخفض لتفادي نسيان التمثيلات المكتسبة.
  • تقدير الحد الأدنى من العيّنات المطلوبة لكل فئة عبر منحنى التعلم بدل التخمين.

2الجلسة الثانية: التقييم الصادق وتحليل الأخطاء

  • اختيار مقاييس تناسب عدم توازن الفئات مثل الدقة والاستدعاء والمساحة تحت منحنى الدقة والاستدعاء.
  • تقسيم البيانات تقسيماً يمنع تسرّب عيّنات متقاربة بين التدريب والاختبار خاصة في الصور المتتابعة.
  • تحليل الأخطاء على الشرائح لكشف فئة أو ظرف تصوير ينهار عنده الأداء رغم متوسط عام مرتفع.
05

المحور الخامس: التفسير والموثوقية وكفاءة الحساب

2 جلسات · 6 نقاط

1الجلسة الأولى: تفسير القرار وقياس الثقة

  • توليد خرائط إسناد تُظهر المناطق المؤثرة في قرار الشبكة، وقراءة حدود هذه الخرائط بحذر.
  • معايرة احتمالات المخرج حتى تعبّر عن ثقة حقيقية قابلة للاستعمال في قرار تشغيلي.
  • اختبار متانة النموذج أمام التشويش والتغيّر الطفيف في المدخل قبل اعتماده في بيئة حساسة.

2الجلسة الثانية: كفاءة التدريب وإدارة الموارد

  • استعمال الدقة المختلطة وتجميع التدرجات لتدريب نماذج أكبر ضمن ذاكرة محدودة للمسرّع.
  • توزيع التدريب على عدة بطاقات وفهم كلفة الاتصال بينها وأثرها في التسريع الفعلي.
  • تسجيل التجارب ببذرة عشوائية ثابتة وبيئة موثّقة حتى تكون النتيجة قابلة لإعادة الإنتاج.

ما يحصل عليه المشارك

5 محاور علمية

مخطّط علميّ متدرّج

10 جلسة تدريبية

موزَّعة على 5 أيام

30 بنداً تفصيلياً

محتوى تطبيقي مفصَّل

شهادة حضور معتمدة

بعد إتمام البرنامج

أكمل بيانات التسجيل

سنتواصل معك خلال يوم عمل لتأكيد الحجز.

جاهز للبدء؟

احجز مقعدك في البرنامج وابدأ رحلة تطوير مهاراتك.

سجّل الآن

شارك هذه الدورة