التعلم العميق من الأساسيات حتى بناء شبكة عصبية عميقة بلغة البايثون

المحتويات

الفصل الأول: مقدمة في التعلم العميق 11
مقدمة 12
ما هو التعلم العميق؟ 12
نشأة التعلم العميق؟ 13
سبب شعبية التعلم العميق؟ 14
كيف يعمل التعلم العميق؟ 15
عيوب وتحديات التعلم العميق 16
مستقبل التعلم العميق؟ 20
التفكير الرمزي (symbolic reasoning) 21
تطبيقات التعلم العميق؟ 21
المساعدين الافتراضيين 22
جمع الأخبار واكتشاف أخبار الاحتيال 22
الذكاء العاطفي 22
الرعاية الصحية 23
كشف الاحتيال 23
خلاصه الفصل 23
اختبار 23
الفصل الثاني: الأساسيات 24
المقدمة 25
البيانات (Data) 25
البيانات المقروءة آليًا مقابل البيانات التي يمكن للبشر قراءتها 25
البيانات في التكنولوجيا 26
انواع البيانات 27
رقمي (Numeric) او مستمر (Continuous) 27
فئوي (Categorical) او اسمي (Nominal) 27
مجموعة البيانات Dataset 28
طرق التعلم الآلي 28
التعلم بإشراف 29
التصنيف (Classification) 29
التصنيف احادي العلامة 30
التصنيف الثنائي 30
التصنيف متعدد الفئات 30
التصنيف متعدد العلامات 30
التوقع Regression 31
مزايا وعيوب التعلم تحت الإشراف 31
التعلم بدون اشراف 32
التجميع Clustering 33
تقليل الأبعاد 33
مقارنة التعلم بالإشراف مع التعلم بدون إشراف 34
لماذا التعلم بدون اشراف؟ 34
مزايا وعيوب التعلم بدون اشراف 36
المزايا 36
العيوب 36
التعليم المعزز 36
اختيار النموذج وتقييمه 37
تجزئة البيانات 38
توازن التحيز والتباين (Bias-Variance Trade-Off) 39
طرق التقييم 41
معايير تقييم الأداء 42
أدوات ومكتبات بايثون 44
تثبيت بايثون 44
ابدأ مع بايثون 44
تثبيت المكتبات 46
Jupyter Notebook 46
Colab 48
أطر التعلم العميق 50
باي تورج (PyTorch) 50
المزايا والعيوب 51
تنسرفلو (TensorFlow) 51
المزايا والعيوب 52
كيراس (Keras) 52
المزايا والعيوب 53
خلاصة الفصل 53
اختبار 54
الفصل الثالث: الشبكات العصبية امامية التغذية 56
المقدمة 57
الشبكات العصبية الاصطناعية (Artificial Neural Networks) 57
بيرسيبترون (perceptron) 58
خوارزمية التعلم بيرسبترون 62
تنفيذ بيرسيبترون في بايثون 63
بيرسيبترون متعدد الطبقات (الشبكة العصبية امامية التغذية) 68
المشاكل المتعلقة بتصميم وتدريب الشبكات العصبية 70
دالة التنشيط 71
لماذا دوال التنشيط غير الخطية ضرورية؟ 71
الميزات المثلى لدالة التنشيط 72
مشاكل دوال التنشيط 73
دوال التنشيط المفيدة 74
Sigmoid 74
tanh 76
ReLU 78
Softmax 80
التحسين ودالة الخطأ (Loss Function) 81
الانحدار الاشتقاقي 82
تنفيذ الانحدار الاشتقاقي في بايثون 84
الانحدار الاشتقاقي المعتمد على الزخم (Momentum) 88
الانحدار الاشتقاقي المسرع نيستوروف (NAG) 89
خوارزمية الانحدار الاشتقاقي في keras 90
خوارزميات تحسين معدل التعلم التكيفي 90
Adagrad 91
خوارزمية Adagrad في keras 91
AdaDelta 92
خوارزمية Adadelta في keras 93
RMSprop 93
خوارزمية RMSprop في keras 93
Adam 93
خوارزمية Adam في keras 94
دالة الخطأ Loss Function 94
دوال الخطأ للانحدار 94
Mean Square Error 95
Mean Absolute Error 95
دوال الخطأ للتصنيف 95
Cross Entropy 95
Binary Cross Entropy 96
الانتشار الخلفي Backpropagation 96
تهيئة الأوزان للمعاملات 97
المعاملات 99
التعميم والتنظيم 99
التوقف المبكر (Early stopping) 101
الحذف العشوائي (Dropout) 102
التسوية الجماعية (Batch Normalization) 103
تنفيذ الشبكة العصبية في keras 104
خلاصة الفصل 116
اختبار 117
تمرين 117
الفصل الرابع: الشبكة العصبية الالتفافية 118
المقدمة 119
الشبكات العصبية الالتفافية (CNN) 119
عامل الالتفاف 121
طبقة الالتفاف 123
طبقة الالتفاف في keras 126
طبقة التجميع (الدمج) 126
تصنيف الصور مع الشبكة الالتفافية في keras 127
خلاصة الفصل 140
اختبار 140
الفصل الخامس: الشبكة العصبية المتكررة 141
المقدمة 142
ما هي الشبكة العصبية المتكررة؟ 142
هيكل الشبكة العصبية المتكررة 143
انواع معماريات RNN 145
توليد نص باستخدام RNN 146
LSTM 153
توليد نص باستخدام LSTM 155
تصنيف النص متعدد العلامات باستخدام LSTM 158
تحليل العاطفة مع LSTM 164
خلاصة الفصل 169
اختبار 169
الفصل السادس: شبكات الخصومة التوليدية 170
المقدمة 171
ما هو النموذج المولد؟ 171
نماذج المولد ومستقبل الذكاء الاصطناعي؟ 172
شبكة الخصومة التوليدية (GAN) 173
التدريب على الخصومة 175
تدريب GAN 176
تدريب المميز 177
تدريب المولد 178
توليد صور جديدة MNIST با GAN 179
التحديات المتعلقة بتدريب شبكات الخصومة التوليدية 186
خلاصة الفصل 187
اختبار 187
المراجع 188