الهدف من هذه الحصص هو التعرف على طريقة عمل التعلم العميق للآلة عن طريق خورزميات ممنهجة و هادفة
- المعلم: Mustapha Sahraoui
لتعلم العميق (Deep Learning) هو فرع متقدم من التعلم الآلي والذكاء الاصطناعي، يحاكي دماغ الإنسان عبر شبكات عصبية اصطناعية ذات طبقات متعددة لتحليل البيانات المعقدة. يعتمد على معالجة كميات ضخمة من البيانات للتعرف على الأنماط، الترجمة الآلية، والرؤية الحاسوبية دون برمجة يدوية دقيقة.
أبرز نقاط التعلم العميق:
- الشبكات العصبية العميقة: يستخدم طبقات مخفية عديدة (3 فأكثر) لتحويل البيانات إلى معلومات دقيقة.
- التطبيقات: القيادة الذاتية، تحليل الصور الطبية، التعرف على الوجوه، وتوليد النصوص.
- الخوارزميات الشائعة: الشبكات العصبية الالتفافية (CNNs) للصور، والمتكررة (RNNs) للتسلسل.
- المتطلبات: يتطلب قدرات حوسبة عالية وبيانات ضخمة للتدريب.
يعتبر التعلم العميق من أقوى التقنيات الحالية التي تتجاوز أداء البشر في بعض مهام تحليل الأنماط.
Deep learning is a subset of machine learning based on artificial neural networks with multiple layers (hence "deep") that mimic the human brain to analyze data. It automatically learns representations from unstructured data—like images, video, and text—without needing manual feature engineering, making it highly effective for complex tasks. It powers modern AI technologies including ChatGPT, self-driving cars, and facial recognition
- المعلم: Mustapha Sahraoui