التعلم العميق: التمثيلات والتدرجات والتجارب الموثوقة

في هذه الدورة

ابن فهماً رياضياً دقيقاً للتعلم العميق قبل الاعتماد على إطار عمل. تربط ثمانية عشر درساً مطوراً بين عقود الموترات والتمثيل اللاخطي والخسائر المستقرة وقاعدة السلسلة والتحسين والتنظيم وافتراضات المعمارية والثقة والتكييف والدقة العددية وقابلية الإعادة ودليل القبول. يضم كل درس حسابين مشروحين وثلاثة أخطاء تشخيصية وتمرينين بحلول كاملة.

جميع الأمثلة القابلة للتنفيذ برامج Python صغيرة وحتمية بالمكتبة القياسية وقيم اصطناعية مقدمة داخلها. لا تحتاج حزمة عددية أو إطار شبكات أو نموذجاً محملاً أو بيانات خارجية أو GPU أو خدمة أو اعتماداً أو اتصالاً. تثبت الحساب المحلي وسلوك العقد، ولا تثبت جودة نموذج مدرب. تعالج مساقات PyTorch وTensorFlow واجهات الأطر، ويعالج MLOps ممارسات دورة الحياة التشغيلية.

لمن هذه الدورة؟

• المطورون والمحللون الراغبون في فهم رياضيات الشبكات العصبية وتجاربها.
• المتعلمون الذين يستعدون لتنفيذ التعلم العميق بإطار عمل متخصص.

قبل أن تبدأ

• دوال Python وقوائمها وحلقاتها والتحققات ومعالجة الاستثناءات الأساسية.
• المتجهات والمصفوفات والمشتقات والمتوسط والتباين والاحتمالات الأولية.
• مفاهيم التعلم الآلي، ومنها التقييم المحجوز والتسرب وخطوط الأساس واختيار النماذج.