الدروس

اكتشف ماهية مجموعات البيانات، وسبب أهمية جودة البيانات، وكيف تعلم البيانات الصحيحة الذكاء الاصطناعي أن يكون ذكياً.

تعرف على ماهية الخوارزميات، وكيفية عملها مع الأمثلة اليومية، وسبب أهمية اختيار الخوارزمية المناسبة للذكاء الاصطناعي.

اكتشف كيف تحاكي الشبكات العصبية الدماغ، وتعالج المعلومات من خلال الطبقات، وتتعلم من أخطائها.

افهم حلقة التدريب، ووظائف الخسارة، والتجهيز الزائد، وكيفية معرفة متى يكون نموذج الذكاء الاصطناعي الخاص بك جاهزًا.

اكتشف كيف يدخل التحيز إلى أنظمة الذكاء الاصطناعي، والتحديات الأخلاقية التي يخلقها الذكاء الاصطناعي، وكيف يمكننا بناء تكنولوجيا أكثر عدالة.

افهم كيف تتعلم الشبكات العصبية عن طريق نشر الأخطاء بشكل عكسي عبر الطبقات، باستخدام قاعدة السلسلة لتحديث كل وزن.

اكتشف كيف تقيس وظائف الخسارة أخطاء النموذج وكيف يستخدم المحسنون التدرجات لتقليلها بشكل منهجي.

تعرف على كيفية قيام نماذج اللغة بتقسيم النص إلى رموز مميزة باستخدام BPE والخوارزميات الأخرى، ولماذا يشكل الرمز المميز كل شيء بدءًا من التكلفة وحتى القدرة.

اكتشف كيف يمثل الذكاء الاصطناعي الكلمات والجمل كمتجهات في مساحة عالية الأبعاد، مما يتيح البحث الدلالي والتوصيات وRAG.

تعرف على سبب كون الدقة وحدها مضللة، واتقن المقاييس - الدقة، والاستدعاء، وF1، وROC-AUC، وBLEU، والحيرة - التي تقيس أداء الذكاء الاصطناعي حقًا.

كيف يعمل GPT وClaude وغيرهم من حاملي ماجستير إدارة الأعمال (LLM) تحت الغطاء

افهم وضعي فشل التعلم الآلي الأكثر شيوعًا — التجهيز الزائد والتجهيز غير المناسب — مع أمثلة واضحة وكيفية إصلاحهما.

تعرف على كيفية قيام هندسة الميزات بتحويل البيانات الأولية إلى مدخلات قوية للتعلم الآلي - وهي المهارة التي تفصل بين النماذج الجيدة والنماذج الرائعة.

مقارنة واضحة بين التعلم الآلي الخاضع للإشراف وغير الخاضع للإشراف - متى يتم استخدام كل نهج، مع أمثلة وخوارزميات من العالم الحقيقي.

تعرف على كيفية عمل أشجار القرار، وسبب كونها إحدى خوارزميات تعلم الآلة الأكثر سهولة، ومتى يتم استخدامها.

فهم التجميع - أحد أساليب التعلم الرئيسية غير الخاضعة للرقابة - من خلال وسائل K-Means، والتجميع الهرمي، وتطبيقات العالم الحقيقي.