وصف الوحدة

• يقدم هذا المسار مجموعة متنوعة من المواضيع لبناء مهارات المتدربين وفهمهم للذكاء الاصطناعي والإلمام بالمفاهيم والمصطلحات الأساسية للمنطقة المستهدفة. وسيتعرف المتدرب على التطبيقات الرئيسية للذكاء الاصطناعي عبر حالات الاستخدام المختلفة في مختلف المجالات. تنفيذ تقنيات الذكاء الاصطناعي للتعلم الآلي مثل خوارزميات البحث والشبكات العصبية. اكتساب القدرة على تطبيق تقنيات الذكاء الاصطناعي لحل المشكلات وشرح القيود المفروضة على تقنيات الذكاء الاصطناعي الحالية. يستهدف هذا المسار الأشخاص الذين يأملون أن يصبحوا مهندسي الذكاء الاصطناعي، ومهندسي تحليل البيانات.

المتطلبات الأساسية للوحدة

• المعرفة الأساسية للرياضيات.
• السيطرة الجيدة على لغات البرمجة.
• مهارات تحليلية جيدة.
• القدرة على فهم الخوارزميات.
• المعرفة الأساسية للإحصاء والنمذجة.

محتويات الوحدة

• مقدمة في الذكاء الاصطناعي.
• أساسيات الرياضيات والإحصاء للذكاء الاصطناعي.
• أساسيات بايثون للذكاء الاصطناعي.
• أساسيات تحليل البيانات.
• المعالجة المسبقة للبيانات وتصور البيانات.
• التعلم الخاضع للإشراف وغير الخاضع للإشراف.
• التعلم الالي.
• الانحدار الخطي، الانحدار اللوجستي، DT، SVM، KNN …
• هندسة الشبكات العصبية.
• تعلم عميق.
• سي إن إن، آر إن إن، إل إس تي إم، جي آر يو.
• أطر التعلم العميق والمكتبات البرمجية.
• أساسيات رؤية الكمبيوتر ونظرية معالجة الصور وتطبيقاتها.
• أساسيات معالجة اللغات الطبيعية (NLP).

مرافق

• معمل يستخدم باقات مختلفة لتحليل البيانات مثل (Pandas ,Numy, SciPy ..إلخ).
• مختبرات باستخدام أداة sklearn.
• مختبرات باستخدام مكتبة Keras.
• مختبرات تستخدم إطار عمل Tensorflow.
• مختبرات تستخدم مجموعات البيانات الصناعية.