عن الدبلومة
دبلومة التعلم العميق
احترف بناء النماذج الذكية وتعلّم كيف “تفكر” الآلة
دبلومة تأسيسية لمجال التعلم العميق (Deep Learning) نتعرض فيه لتغطية واسعة أفقا ورأسا لكثير من المفاهيم والمهارات التي تغيب عن الكثيرين في سوق العمل. صممت هذه الدبلومة لبناء أرضية قوية في مجال التعلم العميق، بأسلوب عملي وتدريجي يناسب السوق
.للدفع بالجنيه المصري من داخل مصر، يُرجى الضغط على الزر المخصص أدناه
احصل على معاينة مجانية
سجّل الآن للوصول إلى الجزء المجاني وتجربة طريقة الشرح قبل الاشتراك الكامل
سجّل للوصول المجانيCurriculum
-
00 Wlcome
2 lessons- 01 Welcome - Pricing
- 02 DL Diploma Details and QA
-
02 PyTorch Framework
9 lessons- 01 Deep Learning and Frameworks history
- 02 PyTioch Installations
- 03 Pytorch intro
- 04 Followup2024 - QA
- 05 PyTorch Continue
- 06 PyTorch Continue challenge
- 07 Design Challenge Solution
- 08 Followup2024 - QA
- 09 Followup2024 - QA
-
03 CNN
14 lessons- 10 Comuter Vision Before DNN
- 11 Convolutional Operator - pad - stride
- 12 Followup2024 - QA
- 13 Followup2024 - QA
- 14 Concolutional Layer
- 15 Convolutional Network 1
- 16 Followup2024 - QA
- 17 Followup2024 - QA Discussion on model performance
- 18 Convolutional Network 2
- 19 Misc Topics 1
- 20 Followup2024 - QA Discussion on Error Analysis
- 21 Misc Topics 2
- 22 Followup2024 - QA - note about coming math
- 23 Followup2024 - QA - Short Discussion on evolving data - offtopic
-
04 RNN
10 lessons- 23 RNN 1
- 24 RNN 2
- 25 RNN 3
- 26 Followup2024 - QA
- 27 Followup2024 - QA
- 28 RNN 4
- 29 LSTM 1
- 30 LSTM 2
- 31 Followup2024 - QA
- 32 Followup2024 - QA - Input Validation Discussion
-
50 Project - CV
8 lessons- 33 Deep Learning Project - CVPR 16
- 34 Followup2024
- 35 Followup2024
- 36 Followup2024
- 37 Followup2024
- 38 Followup2024 - ECCV18 paper - discussion on improvements and analysis growth
- 39 Followup2024
- 40 Followup2024 - high performance
-
06 More on DNN Basics
7 lessons- 41 dropout
- 42 batchnorm 1
- 43 batchnorm 2 - discussion on 2 kpi sets
- 44 batchnorm 3
- 45 Depthwise-Seperable conv - updated
- 46 Transposed Conv 1
- 47 Transposed Conv 2
-
07 GAN AI in CV - Part 1
11 lessons- 53 Relationships and Similarity
- 54 Fixed and Dynamic Self-Attention
- 55 Self-Attention Softmax Issue
- 56 Multi-head Self-Attention
- 57 Cross Attention - Positional Encoding WHAT
- 58 Positional Encoding - HOW
- 59 Positional Encoding - Analysis - Discussion 3 vs 1 channel concern
- 60 Transformer Architecture
- 61 Transformer impl 1
- 62A Transformer impl PAD token - resume projects
- 62B non-DL discussion
-
08 Transformer for NLP
11 lessons- 53 Relationships and Similarity
- 54 Fixed and Dynamic Self-Attention
- 55 Self-Attention Softmax Issue
- 56 Multi-head Self-Attention
- 57 Cross Attention - Positional Encoding WHAT
- 58 Positional Encoding - HOW
- 59 Positional Encoding - Analysis - Discussion 3 vs 1 channel concern
- 60 Transformer Architecture
- 61 Transformer impl 1
- 62A Transformer impl PAD token - resume projects
- 62B non-DL discussion
عن الدورة
ما الذي يميز هذه الدبلومة ؟
هذه الدبلومة يقدمها د. مصطفى سعد إبراهيم، الحاصل على درجة الماجستير والدكتوراه في مجال الرؤية الحاسوبية (أحد فروع الذكاء الاصطناعي)، ويمتلك أكثر من 17 عامًا من الخبرة العملية في المجال، بالإضافة إلى أكثر من 10 سنوات من الخبرة في التدريس والتدريب، مما يضمن مزيجًا فريدًا من العمق الأكاديمي والخبرة الواقعية
أهداف الدبلومة
تهدف هذه الدبلومة إلى تأهيل الطالب نظريًا وعمليًا في أربعة محاور أساسية، تمهيدًا لدخول سوق العمل بثقة، وبناء ملف مهني متميز:
فهم معمّق للنماذج الأساسية في الذكاء الاصطناعي
تعرف على النماذج التي تقف وراء كثير من التطبيقات المعاصرة، من الرؤية الحاسوبية إلى نماذج اللغة
إتقان مفاهيم النمذجة والتقييم والتحسين
تعلم كيف تصمم نموذجًا فعالًا، وتقيم أداءه، وتعدّل مساره للحصول على نتائج دقيقة
فهم شامل لمفاهيم البيانات والتعامل معها
اكتشف أهمية تحضير البيانات وتنقيحها، وكيف تؤثر على كفاءة النموذج وجودته
اكتساب رؤية كاملة لبناء مشروع تطبيقي من البداية حتى الإطلاق
من مرحلة الفكرة إلى النتائج، تعلم كيف تُحوّل النظرية إلى مشروع فعلي يُعرض في سيرتك الذاتية
مميزات الدبلومة
نقاشات مباشرة مع الطلاب لضمان الفهم العميق لكل موضوع
إزالة التشتت الناتج عن التعلّم من مصادر متعددة وغير مرتبة
موازنة مثالية بين الأسس النظرية والتطبيقات العملية
اختيار دقيق للمواضيع الأكثر طلبًا في سوق العمل الحالي
تجنّب التعقيد الرياضي المبالغ فيه مع التركيز على المفيد
انتهاء الدبلومة بـ مشروع عملي قوي يمكنك عرضه كجزء من ملفك المهني
متطلبات الدورة
إتقان الشبكات العصبية الأساسية مثل ( AutoEncoder، Backprop)
خبرة سابقة بلغة Python مهارات جيدة في بناء المشاريع
الأفضلية لمن حضر دبلومة تعلم الآلة و بايثون