دبلومة الذكاء الاصطناعي [التعلم الآلي]

نبذة عن الدبلومة

  • تم تصميم دبلومة الذكاء الاصطناعي ( تعلم الآلة ) لتزويد المتدربين بالمهارات والمعارف الأساسية اللازمة للتفوق في مجال الذكاء الاصطناعي والتعلم الآلي سريع التطور، حيث سيكتسب المتدربون من خلال منهج شامل الكفاءة في برمجة بايثون وتطبيقها في التعلم الآلي والذكاء الاصطناعي.
  • ينقسم البرنامج التدريبي إلى جزأين: في القسم التأسيسي، يبدأ المتدربون في رحلة لإتقان برمجة بايثون، والتعمق في الإحصاءات الوصفية ونظرية الاحتمالات، وفهم مفاهيم الجبر الخطي باستخدام بايثون، ليصبحوا بارعين في استخدام مكتبات بايثون الأساسية لعلوم البيانات. بالإضافة إلى ذلك، سيستوعب المتدربون مفاهيم قواعد البيانات الأساسية وأنظمة إدارة قواعد البيانات العلائقية، مما يضع أساسًا قويًا للعمل مع مجموعات البيانات الكبيرة.
  • ويعتمد القسم المتقدم من البرنامج على هذه الأساسيات، وهو التعرف على تقنيات التعلم الآلي المتقدمة، حيث سيستكشف المتدربون قدرات لغة بايثون في التعلم الآلي، بدءًا من معالجة البيانات إلى بناء وتقييم النماذج. ومن خلال دورات في الإحصاء الاستدلالي، والجبر الخطي المتقدم، والتعلم الخاضع للإشراف وغير الخاضع للإشراف، سيطور المتدربون القدرة على استخلاص الرؤى من البيانات، وإعداد التوقعات، والكشف عن الأنماط الخفية بالبيانات.
  • كما يتضمن المنهج مواضيع متخصصة مثل التنبؤ بالسلاسل الزمنية، والتعلم المعزز، ومقدمة للتعلم العميق من خلال الشبكات العصبية، حيث توفر هذه المواضيع المتقدمة للمتدربين فهمًا أعمق للتقنيات المتطورة في الذكاء الاصطناعي، وتهيئتهم لمواجهة تحديات العالم الحقيقي المعقدة.

سجل الان!
900$1400$

الدورة التدريبية

لماذا يجب عليك دراسة الذكاء الاصطناعي والتعلم الآلي

هناك عدة أسباب لأهمية دراسة الذكاء الاصطناعي والتعلم الآلي:

  • الفرص الوظيفية: يعد الذكاء الاصطناعي أحد أسرع المجالات نموًا، فهناك طلب كبير على المتخصصين المهرة في مجال الذكاء الاصطناعي، ويمكن أن يؤدي السعي للحصول على مهنة في مجال الذكاء الاصطناعي إلى مهنة مربحة ومرضية.
  • حل المشكلات: يُستخدَم الذكاء الاصطناعي لحل بعض من أكثر المشكلات تعقيدًا في العالم، مثل التغير المناخي، واكتشاف الأمراض، والازدحام المروري. وتساعدك دراسة الذكاء الاصطناعي على فهم كيفية تطوير حلول لهذه المشكلات وغيرها من القضايا الملحة.
  • الابتكار: يدفع الذكاء الاصطناعي عجلة الابتكار في العديد من القطاعات، بما في ذلك الرعاية الصحية والتمويل والنقل. ومن خلال دراسة الذكاء الاصطناعي، يمكنك تعلم كيفية تطوير تقنيات جديدة يمكن أن تحدث ثورة في هذه القطاعات.
  • تحسين عملية صنع القرار: يمكن للذكاء الاصطناعي أن يساعد المؤسسات على اتخاذ قرارات أفضل من خلال تحليل كميات كبيرة من البيانات وتقديم رؤى قد لا يتمكن البشر من اكتشافها. ويمكن أن تساعدك دراسة الذكاء الاصطناعي على فهم كيفية تطبيق هذه التقنيات لاتخاذ قرارات أفضل.
  • فهم المستقبل: من المتوقع أن يكون للذكاء الاصطناعي تأثير كبير على المجتمع في السنوات القادمة، فمن خلال دراسة الذكاء الاصطناعي، يمكنك اكتساب فهم أفضل لكيفية تشكيل هذه التكنولوجيا للمستقبل والاستعداد بصورة أفضل للتغييرات التي قد تحدثه.

من يجب أن يحضر

تعد دبلومة الذكاء الاصطناعي (التعلم الآلي) مناسبة للأفراد الذين ليس لديهم خلفية تقنية والذين لديهم شغف لاستكشاف مشهد الذكاء الاصطناعي المتطور.

  • المهنيون: تعتبر دبلومة الذكاء الاصطناعي والتعلم الآلي مفيدة للمهنيين الراغبين في توسيع نطاق معارفهم وتطبيق تقنيات الذكاء الاصطناعي في عملهم. فعلى سبيل المثال، يمكن للمهنيين العاملين في مجالات الرعاية الصحية والتمويل والتسويق والتصنيع استخدام الذكاء الاصطناعي لتحسين عملياتهم واتخاذ قرارات أفضل.
  • رواد الأعمال: يمكن لدبلومة الذكاء الاصطناعي والتعلم الآلي أن تكون ذا قيمة لرواد الأعمال الذين يرغبون بتطوير تقنيات ومنتجات جديدة قائمة على الذكاء الاصطناعي، حيث توفر الدبلومة فهمًا قويًا لمفاهيم وتقنيات الذكاء الاصطناعي، مما يساعد رواد الأعمال على ابتكار حلول مبتكرة تستفيد من تقنيات الذكاء الاصطناعي.
  • الباحثون: يمكن أن تكون دبلومة الذكاء الاصطناعي والتعلم الآلي مفيدة للباحثين المهتمين باستكشاف إمكانيات الذكاء الاصطناعي، حيث توفر الدبلومة أساسًا قويًا في مفاهيم وتقنيات الذكاء الاصطناعي، مما يساعد الباحثين على تطوير تطبيقات وتقنيات جديدة قائمة على الذكاء الاصطناعي.

أهداف الدبلومة

  • اكتساب مهارات البرمجة الأساسية في بايثون للتعامل مع البيانات وتحليلها وعرضها.
  • فهم الإحصاءات الوصفية واحتمالية تلخيص ووصف خصائص مجموعات البيانات واتخاذ قرارات مستنيرة.
  • تنفيذ عمليات الجبر الخطية في بايثون باستخدام مكتبات مثل.NumPy.
  • استكشاف مكتبات بايثون الأساسية لمعالجة البيانات مثل (Pandas) والتصور مثل (Matplotlib) و(Seaborn) والحوسبة العلمية مثل    NumPy)  SciPy, ).
  • فهم مفاهيم قواعد البيانات الأساسية.
  • التعلم والتدريب على خوارزميات التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف لتحديد الأنماط والهياكل في مجموعات البيانات.
  • تقديم وفهم مبادئ وخوارزميات التعلم المعزز والتعلم العميق.

المتطلبات الأساسية للالتحاق بدبلومة الذكاء الاصطناعي

  • الحصول على شهادة إتمام بعد الالتحاق بدورة أسس الذكاء الاصطناعي.

شهادة إتمام دورة

لإتمام الدورة  بنجاح يجب على المتدرب:

  • الالتزام بالحضور بمعدل لا يقل عن 80% (أو معدل حضور أعلى كما هو محدد للدورة التدريبية).
  • اجتياز التقييمات والمشاريع والمهام العملية المطلوبة أثناء الدورة التدريبية بما لا يقل عن 75% من إجمالي عدد المهام المطلوبة في كل دورة تدريبية.

الجدول الدراسي

2024-07-05 الجمعة من 5:00 الي 9:00 مساء

المنهج الدراسي

  أساسيات البايثون

  • بناء الجملة الأساسي.
  • أنواع البيانات.
  • الجهات المشغلة.
  • بيانات التحكم في التدفق.
  • القرارات المتخذة.
  • لوبس (Loops).
  • المهام الوظيفية.

  هياكل البيانات

  • القوائم والتوبلز (Lists and tuples).
  • المجموعات.
  • القواميس.
  • السلاسل النصية.

  OOP برمجة موجهة للكائنات

  • الصفوف.
  • الكائنات.
  • أعضاء البيانات.
  • التحميل الزائد.
  • الوراثة.

  الملفات و قواعد البيانات

  • قراءة من الملفات
  • الكتابة في الملفات
  • الاتصالات بقواعد البيانات
  • التعامل مع الملفات باستخدام بانداس (Pandas)

  الإحصاء الوصفي

  • المجتمع والعينات.
  • مقاييس النزعة المركزية.
  • مقاييس التباين.
  • كشف القيم الشاذة.

   الاحتمالية

  • قوانين الاحتمالية.
  • توزيع الاحتمالية.
  • نظرية بايز (Bayesian Theorem).
  • نظرية الحد المركزي.
  • فترة الثقة.
  • عمليات المصفوفات.
  • معكوس وتحليل المصفوفات.
  • المتجهات.

(NumPy – Matplotlib – Plotly – Seaborn - Pandas

Sklearn)

(خدمات البيانات السحابية - لتعلم الآلي الأوتوماتيكي - عمليات التعلم الآلي)

  • البرمجة الكائنية التوجه( Object oriented programming)
  • جملة التجربة و الخطأ (Try except)
  • الوحدة النمطية (Module)
  • فترات الثقة (Confidence Intervals )
  • اختبارات الدلالة للفرضيات (Significance Tests About Hypotheses)
  • مقارنة مجموعتين (Comparing Two Groups)
  • الأساس والبعد (Basis and Dimension)
  • المصفوفات (Matrices)
  • العمليات الأولية وثوابت المصفوفة (Elementary Operations and Matrix Invariants)
  • الجداء الداخلي (Inner Product)
  • مراجعة الانحدار الخطي
  • مراجعة الانحدار اللوجستي
  • مراجعة آلة الدعم الناقل (SVM)
  • تصنيف الجار الأقرب (K-Nearest Neighbor (K-NN
  • تصنيف شجرة القرار (Decision Tree Classification)
  • نايف بايز (Naive Bayes )
  • التصنيف العشوائي للغابة (Random Forest Classification)
  • المصنف الجماعي (Ensemble Classifier (Bagging-Stacking-Vote)
  • تحسين النموذج
  • اكس جي بوست (XGBoost)
  • ادابوست (ADaBoost)
  • لايت جي بي ام (LightGBM)

 

تجميع K-Means

  • فخ البداية العشوائية لـ K-Means
  • اختيار عدد المجموعات في K-Means

التجميع الهرمي

  • كيفية عمل الدندروجرامات (Dendrograms)
  • استخدام الدندروجرامات في التجميع الهرمي (Dendrograms)
  • تحليل المكون الرئيسي
  • مسح قاعدة البيانات (DB Scan)
  • فهم أساسيات التنبؤ
  • نماذج التنبؤ الإحصائية
  • نموذج FB Prophet
  • الحد الأعلى للثقة
  • عينة تومسون (Thompson Sampling) )
  • هندسة الشبكة العصبية وكيفية عملها
  • الشبكة العصبية الاصطناعية
  • الشبكات العصبية الالتفافية
  • الشبكة العصبية المتكررة

MONEY-BACK