سيتيح لك نظام إعادة التعلّم الفريد من نوعه من TECH تحديث معارفك ومهاراتك في مجال الهندسة المعمارية للقشرة البصرية بأكثر الطرق صرامة"

هناك عدد لا يحصى من الموارد المخصصة لتطوير وتدريب نماذج الشبكات العصبية. في هذا الصدد، أصبحت Keras الأكثر استخدامًا على نطاق واسع من قبل المحترفين نظرًا لسهولة استخدامها ومرونتها وتوافقها مع المكتبات الأخرى. توفر هذه المكتبة مفتوحة المصدر للمطوّرين واجهة برمجة تطبيقات عالية المستوى، مما يسمح لهم ببناء نماذج التعلّم العميق بشكل فوري. بهذه الطريقة، تساهم في إنشاء نماذج تصنيف الصور التي يمكنها تحديد الأجسام المختلفة في اللقطات. هذا مفيد في جوانب مثل أنظمة التعرف على الوجوه، وتصنيف الصور الطبية، أو إنشاء الفن التوليدي. 

في هذا السياق، تقوم TECH بتنفيذ شهادة الخبرة الجامعية والتي ستركز على Deep Computer Visionباستخدام الشبكات العصبية التلافيفية. تحقيقًا لهذه الغاية، سيتعمق المسار الأكاديمي في التدريب على التعلُّم التحويلي من خلال النظر في عوامل مثل تقنيات تهيئة الوزن وشروط التنعيم. بالتالي سيستفيد الخريجون من المعرفة السابقة المكتسبة من النماذج المدربة مسبقًا لتحسين أداء مهام التعلم الآلي الجديدة. سيتناول التدريب أيضاً بناء تطبيق  للتعلم العميق باستخدام TensorFlow و NumPy. سيمكن ذلك المهنيين من الاستفادة المثلى من هذه الأدوات في مجالات مثل التنبؤ بالأداء. 

سيتم تدريس الشهادة الجامعية 100% عبر الإنترنت، على منصة دراسية افتراضية لا تحكمها جداول زمنية محددة مسبقاً. بعيداً عن هذا، ستتاح لكل طالب فرصة إدارة تقدمه ذاتياً على أساس شخصي في أي وقت من الـ 24 ساعة يومياً. من أكثر السمات المميزة للمنهجية هي عملية التعلم التي تستخدمها TECH في جميع برامجها: Relearning. سيعزز هذا النظام التدريسي اكتساب الكفاءات بطريقة سريعة ومرنة تعتمد على تحليل المحتويات النظرية وتمثيل الحالات القائمة على السياق الحقيقي للمهنة.

ستكون مجهزاً للمساهمة في تطوير المعرفة في مجال التعلم العميق من خلال البحث وتطوير خوارزميات جديدة" 

تحتوي شهادة الخبرة الجامعية في الشبكات العصبية والتدريب في التعلم العميق (Deep Learning)  على البرنامج التعليمي الأكثر اكتمالاً وحداثة في السوق. أبرز خصائصها هي:

تطوير دراسات الحالة العملية التي يقدمها خبراء في الشبكات العصبية والتدريب في  في التعلم العميق (Deep Learning)
يجمع المحتوى الرسومي والتخطيطي والعملي البارز الذي تم تصميمه به معلومات تكنولوجية وعملية عن تلك التخصصات الأساسية للممارسة المهنية
التمارين العملية حيث يمكن إجراء عملية التقييم الذاتي لتحسين التعلم
تركيزها على المنهجيات المبتكرة 
كل هذا سيتم استكماله بدروس نظرية وأسئلة للخبراء ومنتديات مناقشة حول القضايا المثيرة للجدل وأعمال التفكير الفردية
توفر المحتوى من أي جهاز ثابت أو محمول متصل بالإنترنت

ستعمل على تحسين مهاراتك في تصميم نماذج التعلُّم المتعمق لتوليد حلول فعّالة للمشاريع"

البرنامج يضم في أعضاء هيئة تدريسه محترفين في المجال يصبون في هذا التدريب خبرة عملهم، بالإضافة إلى متخصصين معترف بهم من الشركات الرائدة والجامعات المرموقة. 

سيتيح محتوى البرنامج المتعدد الوسائط، والذي صيغ بأحدث التقنيات التعليمية، للمهني التعلم السياقي والموقعي، أي في بيئة محاكاة توفر تدريبا غامرا مبرمجا للتدريب في حالات حقيقية. 

يركز تصميم هذا البرنامج على التعلّم القائم على حل المشكلات، والذي يجب على المهني من خلاله محاولة حل مختلف مواقف الممارسة المهنية التي تنشأ على مدار العام الدراسى. للقيام بذلك، سيحصل على مساعدة من نظام فيديو تفاعلي مبتكر من قبل خبراء مشهورين.    

سوف تتحكم في بيئة الحوسبة الخاصة بـ NumPy وتقوم بإجراء العمليات العددية على المصفوفات متعددة الأبعاد"

سيكون لديك إمكانية الوصول إلى مكتبة وسائط متعددة مليئة بالمحتوى الديناميكي الذي سيعزز تعلمك بطريقة مرئية أكثر"

من خلال هذه التجربة التعليمية الشاملة، سيحظى الخريجون بتجربة تعليمية غامرة ستتيح لهم فرصة التمتع بمجموعة من المعارف والمهارات التي ستحقق لهم نقلة نوعية في مجال  التعلم العميق (Deep Learning). سيكون لدى الممارسين فهم قوي لتدريب الشبكات العصبية العميقة وسيكونون قادرين على تطبيق مبادئها على الخوارزميات بفعالية.  بالإضافة إلى ذلك، سوف يتقنون برامج متقدمة مثل TensorFlow، المصممة لإنشاء هياكل مختلفة للشبكات العصبية بسرعة وسهولة. كل هذا سيمكنهم من تصميم وتنفيذ مشاريع الذكاء الاصطناعي المتقدمة للتميز في قطاع التكنولوجيا الآخذ في التوسع. 

في غضون 6 أشهر فقط، ستمنح حياتك المهنية الدفعة التكنولوجية التي تحتاجها وتقدم حلولاً مبتكرة لمشاكل التدرج"

الأهداف العامة

تأسيس المفاهيم الأساسية للوظائف الرياضية ومشتقاتها
تطبيق هذه المبادئ على خوارزميات التعلم العميق للتعلم تلقائيًا
دراسة المفاهيم الأساسية للتعلم الخاضع للإشراف وكيفية تطبيقها على نماذج الشبكات العصبونية
مناقشة التدريب والتقييم والتحليل لنماذج الشبكات العصبونية
دعم المفاهيم والتطبيقات الرئيسية للتعلم العميق 
تنفيذ وتحسين الشبكات العصبية مع Keras
تطوير المعرفة المتخصصة في تدريب الشبكات العصبونية العميقة
تحليل آليات التحسين والتنظيم اللازمة لتدريب الشبكات العميقة

الأهداف المحددة

الوحدة 1. تدريب الشبكات العصبية العميقة

مناقشة مشاكل التدرج وكيف يمكن تجنبها
تحديد كيفية إعادة استخدام الطبقات المدربة مسبقًا لتدريب الشبكات العصبية العميقة
تحديد كيفية برمجة معدل التعلم للحصول على أفضل النتائج

الوحدة 2. تخصيص النموذج والتدريب باستخدام TensorFlow

تحديد كيفية استخدام TensorFlow API لتحديد الوظائف والرسوم البيانية المخصصة
الأساس المنطقي لاستخدام tf.data API لتحميل البيانات ومعالجتها مسبقًا بكفاءة
مناقشة مشروع TensorFlow Datasets وكيف يمكن استخدامه لتسهيل الوصول إلى مجموعات البيانات المعالجة مسبقًا

الوحدة 3. Deep Computer Vision بشبكات عصبونية تلافيفية

استكشاف وفهم كيفية عمل الطبقات التلافيفية وطبقات التجميع في بنية القشرة البصرية
تطوير بنيات CNN مع Keras
استخدام نماذج Keras المدربة مسبقًا لتصنيف الأشياء وتوطينها واكتشافها وتتبعها، بالإضافة إلى التجزئة الدلالية

ستقودك المواد التعليمية لهذه الشهادة إلى التعمق بطريقة أكثر بصرية في معرفة التعلم عبر النقل"