حقيبة تدريبية
مقدمة في الذكاء الاصطناعي وتعلم الآلة
4 أيام، 20 ساعة تدريبية
تتضمن الحقيبة الملفات التالية:
- شرائح العرض PowerPoint
- دليل المدرب Word
- مذكرة المتدرب Word
- أوراق العمل "التمارين والحالات العملية" Word
- الاختبار القبلي والبعدي Word
- الدليل التعريفي للحقيبة Word
- نموذج تقييم دورة تدريبية Word
جميع الملفات مفتوحة وقابلة للتعديل (تصميم انفوغرافيك)
وصف الدورة:
- دورة شاملة تجمع بين الأسس النظرية والتطبيقات العملية في مجال الذكاء الاصطناعي وتعلم الآلة، تغطي التقنيات الأساسية والمتقدمة باستخدام لغةPython ومكتباتها المتخصصة.
أهمية الدورة:
- مواكبة التطور السريع في مجال الذكاء الاصطناعي.
- تلبية احتياجات سوق العمل المتزايدة للمتخصصين في هذا المجال.
- تطوير مهارات تحليل البيانات واتخاذ القرارات المدعومة بالذكاء الاصطناعي.
الهدف العام:
- تأهيل المشاركين للعمل في مجال الذكاء الاصطناعي وتعلم الآلة من خلال تزويدهم بالمعرفة النظرية والمهارات العملية.
الأهداف التفصيلية:
- إتقان أساسيات برمجة Python.
- فهم مبادئ وتقنيات تعلم الآلة.
- التعامل مع مكتبات تحليل البيانات وتعلم الآلة.
- التعرّف على نماذج التعلم العميق.
- تقييم وتحسين أداء النماذج.
الفئة المستهدفة:
- مهندسو البرمجيات.
- محللو البيانات.
- الباحثون والأكاديميون.
- طلاب الدراسات العليا.
- المهتمون بمجال الذكاء الاصطناعي.
منهجية التدريب:
- محاضرات نظرية تفاعلية.
- تطبيقات عملية ومشاريع.
- دراسات حالة.
- مناقشات جماعية.
إطار السلوكية:
- التفكير التحليلي.
- حل المشكلات.
- العمل الجماعي.
- التعلم المستمر.
الكفاءات التخصصية:
- مهارات البرمجة.
- التحليل الإحصائي.
- بناء النماذج.
- معالجة البيانات.
مخرجات الدورة:
سيكون المشارك قادراً على:
- القدرة على تطوير حلول ذكاء اصطناعي.
- إتقان أدوات وتقنيات تعلم الآلة.
- التعامل مع مكتبات تحليل البيانات وتعلم الآلة.
- تحليل وتقييم أداء النماذج.
المحاور التدريبية:
اليوم التدريبي الأول:
الجلسة الأولى: مدخل إلى الذكاء الاصطناعي وبرمجة Python
- مشاهدة فيديو تدريبي.
- مقدّمة في الذكاء الاصطناعي وتعلّم الآلة.
- أساسيّات برمجة Python.
- برمجةPython المتقدمة.
- دراسة حالة لشركة ناشئة طبقت حلول ذكاء اصطناعي باستخدام Python.
الجلسة الثانية: أدوات ومكتبات الذكاء الاصطناعي
- مكتبات علم البيانات NumPy &Pandas .
- مقدّمة في مكتبة scikit-learn وتطبيقاتها في تعلم الآلة.
- لمحة عن مكتبات التعلّم العميق مثل TensorFlow & PyTorch .
- ورشة عمل "تثبيت وتجربة المكتبات على حاسوب المشاركين مع تنفيذ تمارين عملية بسيطة".
اليوم التدريبي الثاني:
الجلسة الأولى: النماذج التحليلية في تعلّم الآلة
- نموذج الانحدار.
- نموذج التصنيف.
- نموذج التجميع.
- دراسة حالة "كيفية اختيار النموذج المناسب لمشكلة محددة".
الجلسة الثانية: تقييم النماذج وتحسين الأداء
- مقاييس تقييم النماذج.
- تقنيات ضبط النماذج وتحسين الأداءHyperparameter Tuning)).
- استراتيجيات تقليل الخطأ والتعلم الآلي المستمر.
- تحليل حالة "تعديل نموذج بناءً على التغذية الراجعة وتحسين نتائجه".
اليوم التدريبي الثالث:
الجلسة الأولى: مقدّمة في الشبكات العصبية الاصطناعية
- مفهوم الشبكات العصبية الاصطناعية.
- أنواع الشبكات العصبية الاصطناعية.
- كيفية عمل الشبكات الاصطناعية وطبقاتها.
- نشاط تدريبي "تطبيقات الشبكات العصبية في الحياة العملية".
الجلسة الثانية: التعلّم العميق وتطبيقاته المتقدّمة
- مقدّمة في التعلم العميق والفروق بينه وبين تعلم الآلة التقليدي.
- تطبيقات التعلم العميق.
- مشاريع ناجحة وتحديات تطبيق التعلم العميق.
- جلسة نقاش تفاعلية "التحديات والفرص المستقبلية في مجال التعلم العميق".
اليوم التدريبي الرابع:
الجلسة الأولى: برمجة لعبة حجرة ورقة مقص باستخدام بايثون
- تطبيق عملي برمجة لعبة حجرة ورقة مقص.
الجلسة الثانية: تطوير لعبة حجرة ورقة مقص باستخدام الشبكات العصبية
- تطوير لعبة حجرة ورقة مقص باستخدام الذاكء الاصطناعي.
