أساسيات علم البيانات
المدة: أسبوع واحد
المهارات المكتسبة:
- إعداد البيانات، تنظيفها ومعالجتها
- أدوات التصوير الاستكشافي للبيانات
- إدارة قواعد البيانات باستخدام SQL
- استخدام Python لتحليل البيانات
مخرجات التعلّم
ستتعرّف على دورة حياة علم البيانات وتفاصيل مراحلها. ستتعلّم أساسيات قواعد البيانات، وأنواع البيانات المختلفة، وكيفية التعامل معها بطرق متنوّعة.
أساسيات تعلّم الآلة
المدة: أسبوعان
المهارات المكتسبة:
- خوارزميات التعلّم الخاضع للإشراف وغير الخاضع للإشراف
- اختيار وتصميم النماذج
- تطبيق المفاهيم الأساسية لتعلّم الآلة باستخدام بيانات من الحياة الواقعية
- التعرّف على مكتبة Scikit-learn
مخرجات التعلّم
ستركّز على فهم مكوّنات خوارزميات تعلّم الآلة، وستتعرّف على أهم الخوارزميات ومعادلاتها الرياضية، ، وستتمكن من اختيار النموذج المناسب وتدريبه على مشكلات حقيقية.
التحقّق والاختبار الإحصائي
المدة: أسبوع واحد
المهارات المكتسبة:
- مقاييس تقييم النماذج وتحسين أدائها
- الاختبار الإحصائي للفرضيات
- تقنيات تحسين الأداء
مخرجات التعلّم
ستتعرّف على الأخطاء الشائعة في تقييم نماذج تعلّم الآلة. ستتعلم معايير تقييم مختلفة بالإضافة إلى الأساليب الإحصائية التي تضمن أن تكون مقارنتك للنماذج دقيقة ومدعومة إحصائياً.
الشبكات العصبية والتعلّم العميق
المدة: أسبوع واحد
المهارات المكتسبة:
- بنية الشبكات العصبية وآلية الانتشار العكسي
- تطبيق Keras في Python
- تحسين أداء نماذج التعلّم العميق
مخرجات التعلّم
ستتعلّم الأسس الرياضية التي تقوم عليها الشبكات العصبية، وتفهم السبب وراء الدور الكبير الذي لعبته في تطوير مجال تعلّم الآلة. كما ستتعرّف على مكتبات التعلّم العميق في Python وتكتشف تقنيات عملية تساعدك على تحسين أداء نماذج التعلّم العميق.
التعلّم العميق لأنواع البيانات المتقدّمة
المدة: أسبوعان
المهارات المكتسبة:
- معالجة الصور، النصوص والسلاسل الزمنية
- تصميم الشبكات العصبية الترشيحية (CNNs) والتكرارية (RNNs)
- تطبيق الممارسات الحديثة في النمذجة العميقة
مخرجات التعلّم
ستكتشف كيف يتكيّف التعلّم العميق مع أنواع البيانات المختلفة من صور ونصوص وسلاسل زمنية، وتفهم سبب الحاجة إلى تصميمات متقدّمة لكل نوع، بينما تتعرّف على الأسس التي تقوم عليها مجالات رؤية الحاسب، معالجة اللغة الطبيعية والسلاسل الزمنية.
المحوّلات ونماذج اللغة الضخمة (LLMs)
المدة: أسبوع واحد
المهارات المكتسبة:
- فهم عميق لهيكلية المحوّلات (Transformers) في مجال معالجة اللغة الطبيعية (Natural Language Processing)
- التعرّف على تطبيقات المحوّلات في مجال رؤية الحاسب
- إتقان تدريب وضبط نماذج اللغة الضخمة (LLMs)
- تطوير مهارة هندسة الأوامر (Prompt Engineering) لاستخدام نماذج اللغة بشكلٍ فعّال.
مخرجات التعلّم
ستكتسب فهمًا شاملاً لهندسة المحوّلات ونماذج اللغة الضخمة ودورها المحوري في تطوّر معالجة اللغة الطبيعية.
ستتعرّف على آلية الاهتمام الذاتي (Self-Attention) الفريدة التي تميّز نموذج Transformer عن البُنى السابقة، وتطوّر مهارات عملية في ضبط النماذج (Fine-Tuning) باستخدام تقنيات مثل LoRA وQLoRA، مما يساعدك على تحسين أداء النماذج بفعالية وكفاءة.
تعلّم الآلة في بيئة الإنتاج
2 Week
المهارات المكتسبة:
- أفضل الممارسات في تطوير نماذج تعلّم الآلة
- نشر النماذج في بيئات العمل الحقيقية
- مراقبة النماذج وصيانتها بعد نشرها في بيئة الإنتاج
- بناء تطبيقات ذكية على البيئات السحابية (cloud)
مخرجات التعلّم
بعد أن أصبحت تمتلك أساسًا قويًا، ستنتقل إلى التطبيق العملي لتعلّم الآلة.
ستستكشف التحديات الحقيقية التي تواجه النماذج عند نشرها في بيئة الإنتاج وكيفية التعامل معها بفعالية، بالإضافة إلى أفضل الممارسات التي تضمن استدامة الأداء. كما ستتعرّف على أدوات وتقنيات التوسّع السحابي التي تساعدك على تنفيذ حلول ذكاء اصطناعي قابلة للتطبيق في العالم الواقعي.
Learn how ZAKA is transforming the AI landscape in MENA
Arabic 
English