وصف الدورة
دورة Deep Learning برنامج تدريبي يشرح كيف تنتقل من بيانات خام إلى نموذج شبكات عصبية يمكن تدريبه وتقييمه. تبدأ بالمفاهيم الأساسية، ثم تجهيز البيانات، وبناء النموذج، وفهم loss وoptimization وoverfitting، قبل الدخول إلى CNN وتطبيقات النصوص وTransformers بصورة تمهيدية.
الهدف ليس حفظ أوامر مكتبة واحدة، بل فهم دورة العمل: ما المشكلة؟ ما البيانات المناسبة؟ كيف تختار بنية أولية؟ كيف تدرب النموذج؟ وكيف تعرف أن النتيجة جيدة فعلًا وليست مجرد دقة مرتفعة على بيانات التدريب؟
هذه الدورة يقدمها معهد مسارتك، ولا تعني كلمة ai في رابط الصفحة أنها برنامج رسمي تابع لمنصة DeepLearning.AI أو أنها تمنح اعتمادًا منها. كما أنها ليست اختبار شهادة دولية، بل تدريب تطبيقي وشهادة حضور من المعهد وفق سياسة البرنامج.
الإجابة عن سؤال الهوك: لا يوجد في البيانات المتاحة ما يثبت اعتماد الدورة من DeepLearning.AI. لذلك تُقدَّم بوضوح كدورة معهد مسارتك، ويجب عدم الخلط بينها وبين البرامج الرسمية لجهات أخرى.
Pythonالبرمجة الأساسية
Data BasicsNumPy وPandas
Machine Learningالبيانات والتقييم
Deep Learningالشبكات العصبية
SpecializationVision أو NLP أو MLOps
ما هو التعلم العميق؟
التعلم العميق Deep Learning جزء من Machine Learning يعتمد على شبكات عصبية متعددة الطبقات تتعلم تمثيلات من البيانات. بدل أن يحدد المبرمج كل القواعد يدويًا، يتعلم النموذج أوزانًا داخلية تقلل الخطأ على أمثلة التدريب، ثم يُختبر على بيانات لم يرها من قبل.
Artificial Intelligence
المجال الأوسع لبناء أنظمة تنفذ مهامًا تحتاج عادة إلى قدر من الاستدلال أو الإدراك.
Machine Learning
خوارزميات تتعلم أنماطًا من البيانات، وتشمل نماذج خطية وأشجار قرار وشبكات عصبية.
Deep Learning
نماذج شبكات عصبية عميقة تتعلم تمثيلات معقدة، خصوصًا في الصور والصوت والنصوص.
Neural Networks
طبقات من الوحدات الحسابية والأوزان ودوال التنشيط تحول المدخلات إلى مخرجات.
| المقارنة | Machine Learning التقليدي | Deep Learning |
|---|---|---|
| حجم البيانات | قد يعمل جيدًا مع بيانات صغيرة أو متوسطة بحسب المشكلة. | يستفيد غالبًا من بيانات أكبر أو من Transfer Learning. |
| استخراج الخصائص | قد يحتاج Feature Engineering يدويًا. | يتعلم كثيرًا من التمثيلات داخل الشبكة. |
| الحوسبة | يمكن أن يكون أخف وأسرع في مسائل كثيرة. | قد يحتاج وقت تدريب وذاكرة وGPU للمشروعات الكبيرة. |
| التفسير | بعض النماذج أسهل في التفسير. | النماذج العميقة غالبًا أصعب في التفسير. |
| الاستخدامات | تصنيف وتنبؤ وبيانات جدوليّة. | صور ونصوص وصوت ونماذج توليدية ومهام معقدة. |
الخلاصة: Deep Learning ليس بديلًا أفضل دائمًا. أحيانًا يكون نموذج أبسط أسرع وأوضح وأكثر ملاءمة للبيانات المتاحة.
الفوائد
فهم الشبكات من الداخل
تفهم دور الطبقات والأوزان وActivation Functions بدل التعامل مع النموذج كصندوق أسود بالكامل.
بناء Workflow كامل
تمر من تجهيز البيانات إلى التدريب والتحقق والاختبار وحفظ النموذج وتشغيل inference.
تحسين التدريب
تتعلم قراءة loss curves واختيار learning rate ومعالجة overfitting بصورة منظمة.
مدخل إلى Computer Vision
تتعرف على CNN وتطبيق تصنيف صور وتفهم سبب استخدام convolution وpooling.
مدخل إلى NLP
تفهم تمثيل النصوص والنماذج التسلسلية وفكرة self-attention وTransformers.
بداية لمسار تخصصي
تحدد بصورة أوضح هل تكمل في Vision أو NLP أو Data Science أو ML Engineering.
لماذا مسارتك؟
التعلم العميق لا يُتقن بمشاهدة النموذج وهو يعمل فقط. تحتاج إلى تغيير البيانات والمعاملات، ومقارنة نتائج التدريب والتحقق، وتحليل الخطأ، ثم تفسير سبب تحسن النموذج أو تراجعه. لذلك يركز التدريب على الفهم والتجربة بدل نسخ Notebook جاهز.
تدريب مرخصاعتماد TVTC رقم 224111315311812.
تعليم إلكتروني مرخصترخيص المركز الوطني رقم 2000341831046877.
أونلاين أو بالرياضطريقة الحضور بحسب الدفعات المتاحة.
- شرح عربي يحافظ على المصطلحات التقنية الإنجليزية المستخدمة في الوثائق وسوق العمل.
- الانتقال من البيانات إلى النموذج والتقييم بدل التركيز على كتابة الكود فقط.
- تطبيقات صغيرة يمكن تشغيلها وفهمها قبل الانتقال إلى نماذج أكبر.
- توضيح الفرق بين فهم Deep Learning واستخدام واجهات نماذج جاهزة.
- تنبيه واضح إلى متطلبات Python والرياضيات وبيئة الحوسبة قبل التسجيل.
- عدم تقديم الدورة باعتبارها اعتمادًا من DeepLearning.AI أو ضمانًا لوظيفة.
المحتوى
| المحور التدريبي | ما الذي ستتعلمه؟ | الناتج العملي |
|---|---|---|
| AI وML وDeep Learning | العلاقة بين المجالات ومتى تكون الشبكات العميقة مناسبة أو مبالغًا فيها. | اختيار نوع الحل بصورة أكثر واقعية. |
| مراجعة Python | المصفوفات والدوال والبيانات وNumPy ومبادئ التعامل مع Notebook. | تجهيز بيئة قابلة للتطبيق. |
| تجهيز البيانات | Cleaning وencoding وnormalization وتقسيم Training وValidation وTest. | Dataset جاهزة للتدريب من دون تسرب بيانات. |
| Tensors | الأبعاد والأشكال والعمليات الأساسية والفرق بين batch وfeature. | قراءة المدخلات والمخرجات من دون أخطاء shape. |
| Neural Networks | Neurons وlayers وweights وbiases وforward pass. | بناء شبكة Dense أولية. |
| Activation Functions | ReLU وSigmoid وSoftmax وعلاقتها بنوع المهمة. | اختيار output وactivation مناسبين. |
| Loss وBackpropagation | قياس الخطأ وحساب gradients وتحديث الأوزان. | فهم ما يحدث خلال التدريب. |
| Optimization | Gradient Descent وAdam وlearning rate وbatch size وepochs. | تجربة إعدادات تدريب ومقارنة النتائج. |
| Evaluation | Accuracy وPrecision وRecall وF1 وConfusion Matrix وتحليل الأخطاء. | تقييم النموذج بما يناسب المشكلة. |
| Overfitting | Dropout وregularization وearly stopping وdata augmentation. | تحسين قدرة النموذج على التعميم. |
| CNN | Convolution وfilters وpooling وبناء نموذج تصنيف صور. | تطبيق تمهيدي في Computer Vision. |
| Transfer Learning | استخدام نموذج مدرب مسبقًا ثم feature extraction وfine-tuning. | حل عملي عندما تكون البيانات محدودة. |
| Sequence Models وNLP | تمثيل النصوص وembeddings ومقدمة في RNN وLSTM. | فهم أولي لتصنيف النصوص. |
| Transformers | فكرة self-attention والفرق عن RNN واستخدام النماذج المدربة مسبقًا. | فهم معماري من دون ادعاء تدريب LLM ضخم. |
| Saving وInference | حفظ النموذج واستعادته وتشغيل prediction على بيانات جديدة. | إخراج نموذج قابل للاستخدام التجريبي. |
| المشروع النهائي | اختيار مشكلة وتجهيز بيانات وبناء نموذج وتقييمه وتوثيق النتيجة. | مشروع تدريبي يثبت فهم دورة العمل. |
الإجابة عن سؤال الهوك: المفاهيم تنطبق على Keras وTensorFlow وPyTorch، لكن إطار العمل المستخدم داخل مختبر مسارتك غير مؤكد في البيانات الحالية. اسأل عن الإطار والإصدار وبيئة GPU أو Colab قبل التسجيل.
الفئة المستهدفة
الدورة مناسبة لـ
- المبتدئين في Deep Learning ممن لديهم أساس Python.
- طلاب علوم الحاسب والذكاء الاصطناعي والهندسة والبيانات.
- محللي البيانات الراغبين في الانتقال إلى النماذج التنبؤية.
- المبرمجين الذين يريدون فهم بناء نماذج AI بدل استخدام APIs فقط.
- المهنيين الراغبين في اختبار مسار Computer Vision أو NLP.
- أصحاب المشاريع التقنية الذين يحتاجون فهمًا واقعيًا لقدرات النماذج وحدودها.
المتطلبات الموصى بها
- أساسيات Python: المتغيرات والدوال والقوائم وقراءة الأخطاء.
- فهم أولي لـNumPy أو الاستعداد لمراجعته داخل البرنامج.
- معرفة عامة بالبيانات وتقسيم التدريب والاختبار.
- جبر أساسي ومفهوم الدالة والمتجه والمتوسط والاحتمال.
- جهاز قادر على تشغيل Notebook أو اتصال ببيئة سحابية.
- ليست مناسبة لمن يريد تدريب LLM ضخم خلال دورة تمهيدية قصيرة.
الإجابة عن سؤال الهوك: إذا لم تتعلم Python بعد، فالأفضل البدء بها أولًا. الدورة مناسبة للمبتدئ في Deep Learning، لكنها لا تعوّض أساس البرمجة بالكامل.
التسجيل ورسوم دورة Deep Learning
لا يظهر في المحتوى القديم سعر أو مدة مؤكدة يمكن الاعتماد عليها. لذلك تُعرض الأسعار الافتراضية المبدئية لمعهد مسارتك: 1,150 ريال للأونلاين المباشر و1,450 ريال للحضور بالرياض. الموعد والمدة يحددان بحسب الدفعات المتاحة، ويجب تأكيد الجدول وإطار العمل وبيئة المختبر والإجمالي قبل الدفع.
أونلاين مباشر
جلسات حية بحسب جدول الدفعة
1,150ريال سعودي
- سعر مبدئي عند غياب سعر مؤكد.
- المدة والموعد يحددان حسب الدفعة.
- أكد إطار العمل وبيئة التطبيق قبل التسجيل.
حضوري بالرياض
داخل مقر التدريب بحسب الدفعة المتاحة
1,450ريال سعودي
- سعر مبدئي عند غياب سعر مؤكد.
- المدة والموعد يحددان حسب الدفعة.
- أكد توفر أجهزة أو بيئة سحابية للتطبيق.
قبل الدفع: اسأل هل السعر شامل الضريبة، وما عدد الساعات، وهل التطبيق على TensorFlow/Keras أم PyTorch، وهل توجد متطلبات جهاز أو حساب سحابي.
المهارات والوظائف
المهارات التي تبنيها الدورة
- التمييز بين AI وMachine Learning وDeep Learning واختيار مستوى الحل المناسب.
- تجهيز البيانات وتقسيمها وتجنب Data Leakage الأساسي.
- بناء شبكة عصبية بسيطة وفهم الطبقات والأوزان والـforward pass.
- اختيار loss وactivation وmetric مناسبين للمهمة.
- تشغيل training loop ومراقبة loss وvalidation metrics.
- تحليل overfitting وتطبيق dropout وearly stopping وregularization.
- تنفيذ نموذج CNN تمهيدي واستخدام Transfer Learning.
- فهم مداخل NLP وembeddings وRNN وTransformers.
- حفظ النموذج وتشغيل inference وتوثيق التجربة.
الوظائف والمسارات التي تستفيد من المهارات
| الدور أو المسار | كيف تفيده الدورة؟ | ما الذي يحتاجه بجانبها؟ |
|---|---|---|
| Junior Data Scientist | بناء نماذج وتجارب وتقييم نتائجها بصورة منظمة. | Python وSQL وإحصاء وMachine Learning ومشروعات بيانات. |
| Machine Learning Engineer | فهم بنية التدريب والنماذج العميقة والتعامل مع inference. | Software Engineering وAPIs وDocker وCloud وMLOps. |
| AI Developer | اختيار نموذج وربطه بتطبيق أو خدمة بصورة أولية. | Backend أو Frontend وAPIs وقواعد بيانات وأمن التطبيق. |
| Computer Vision Junior | مدخل إلى CNN وتصنيف الصور وTransfer Learning. | OpenCV وaugmentation وobject detection ومشروعات صور. |
| NLP Junior | فهم embeddings والنماذج التسلسلية وTransformers. | Text preprocessing وHugging Face وتقييم نماذج اللغة. |
| Data Analyst متجه إلى AI | الانتقال من التحليل الوصفي إلى نماذج تنبؤية أعمق. | Python وSQL وإحصاء وMachine Learning قبل التخصص. |
| AI Product Specialist | فهم حدود النماذج ومتطلبات البيانات والتقييم قبل بناء المنتج. | Product Management وUX وقياس المخاطر والتكلفة والجودة. |
النتيجة الواقعية: الدورة تبني أساسًا ومشروعًا تدريبيًا، لكنها لا تجعل المتدرب Machine Learning Engineer جاهزًا للعمل بمفردها ولا تضمن وظيفة. القيمة الحقيقية تأتي من استكمال الأساسيات وبناء Portfolio قابل للمراجعة.
الأسئلة الشائعة
ما هي دورة Deep Learning؟
دورة تدريبية عملية تشرح أساسيات التعلم العميق والشبكات العصبية، وتجهيز البيانات، وتدريب النماذج وتقييمها، مع تطبيقات تمهيدية في الصور والنصوص ومشروع تدريبي.
هل الدورة مناسبة للمبتدئين؟
تناسب المبتدئ في التعلم العميق، لكنها ليست بداية من الصفر في البرمجة. يفضل أن تعرف أساسيات Python والمتغيرات والدوال والقوائم، وأن تكون مستعدًا للتعامل مع البيانات والمفاهيم الرياضية البسيطة.
هل أحتاج تعلم Python قبل الدورة؟
نعم، معرفة Python الأساسية تجعل الاستفادة أكبر. إذا لم تكتب كودًا من قبل، ابدأ أولًا بأساسيات Python ثم انتقل إلى Machine Learning وDeep Learning.
هل أحتاج خلفية قوية في الرياضيات؟
لا تحتاج أن تكون متخصصًا في الرياضيات، لكن فهمًا أوليًا للجبر والدوال والمتجهات والاحتمالات يساعدك على فهم الأوزان ودوال الخطأ والتحسين بصورة أفضل.
ما الفرق بين Machine Learning وDeep Learning؟
Machine Learning مجال أوسع يضم خوارزميات متعددة، بينما Deep Learning جزء منه يعتمد غالبًا على شبكات عصبية متعددة الطبقات لتعلم تمثيلات معقدة من البيانات.
هل اسم رابط الدورة يعني أنها معتمدة من DeepLearning.AI؟
لا. هذه دورة يقدمها معهد مسارتك، ووجود ai في اسم الرابط لا يعني أنها برنامج رسمي تابع لمنصة DeepLearning.AI أو أنها تمنح اعتمادًا منها، ما لم يذكر عرض التسجيل ذلك صراحة.
هل الدورة تشمل تطبيقات عملية؟
نعم، المحتوى المقترح يتضمن تجهيز البيانات، وبناء نموذج، وتنفيذ دورة التدريب والتقييم، وتحليل الأخطاء، وتجربة تطبيق في الصور أو النصوص، ثم مشروع تدريبي نهائي.
هل تستخدم الدورة TensorFlow أم PyTorch؟
المفاهيم قابلة للتطبيق في Keras وTensorFlow وPyTorch، لكن إطار العمل المستخدم فعليًا في مختبر الدفعة يجب تأكيده قبل التسجيل حتى تعرف البيئة التي ستطبق عليها.
هل أحتاج جهازًا بكرت شاشة GPU؟
ليس ضروريًا للمختبرات الصغيرة، ويمكن تنفيذ كثير من التدريبات على CPU أو بيئة سحابية. المشروعات الأكبر تستفيد من GPU، لذلك اسأل عن بيئة المختبر المتاحة في الدفعة.
هل تشمل الدورة CNN وتحليل الصور؟
يتضمن المحتوى مدخلًا إلى Convolutional Neural Networks وتطبيقًا تمهيديًا على تصنيف الصور، مع شرح تجهيز البيانات وقراءة النتائج ومشكلات overfitting.
هل تشمل NLP وTransformers؟
يتضمن المحتوى مدخلًا إلى تمثيل النصوص والنماذج التسلسلية وTransformers، لكن الهدف هو فهم الفكرة والتطبيق التمهيدي، وليس تدريب نموذج لغوي ضخم من الصفر.
هل تشمل Transfer Learning وFine-tuning؟
يتضمن المسار شرح الفكرة وكيفية إعادة استخدام نموذج مدرب مسبقًا وتكييفه لمهمة جديدة، مع توضيح متى يفيد fine-tuning ومتى يرفع خطر overfitting.
هل تمنح الدورة شهادة دولية؟
الدورة ليست اختبار اعتماد دوليًا بحد ذاتها. يحصل المتدرب على شهادة حضور من معهد مسارتك وفق سياسة البرنامج، ولا تفترض وجود قسيمة اختبار أو اعتماد من جهة تقنية أخرى إلا إذا ذكر العرض ذلك صراحة.
ما الوظائف التي تستفيد من مهارات الدورة؟
تفيد المسار نحو Junior Data Scientist وMachine Learning Engineer وAI Developer وتطبيقات Computer Vision وNLP، لكنها لا تضمن وظيفة بمفردها وتحتاج إلى Python وMachine Learning ومشروعات وGit وSQL ومهارات نشر النماذج.
ما مدة الدورة وطرق الحضور؟
المدة والجدول يحددان بحسب الدفعات المتاحة. يتوفر التدريب أونلاين مباشر أو حضوريًا بالرياض وفق البرنامج المعلن، ويجب تأكيد عدد الأيام والساعات قبل التسجيل.
كم سعر دورة Deep Learning؟
عند عدم وجود سعر مؤكد في الصفحة الحالية، يعتمد السعر المبدئي 1,150 ريال للأونلاين المباشر و1,450 ريال للحضور بالرياض. يجب تأكيد الإجمالي النهائي وأي ضريبة أو متطلبات قبل الدفع.
كيف أسجل في الدورة؟
تواصل عبر واتساب على 966532365192 أو اتصل على 920014582، وحدد مستواك في Python وطريقة الحضور، واسأل عن الموعد والمدة وإطار العمل وبيئة المختبر والسعر النهائي.
ابدأ من نموذج صغير تفهمه، لا من كود كبير تنسخه
أخبر فريق مسارتك بمستواك في Python وهدفك من الدورة، واسأل عن الإطار المستخدم وبيئة التطبيق والمدة والمشروع النهائي قبل اختيار الدفعة.