وصف الدورة:
- هو برنامج شامل مصمم ليأخذك من أساسيات الـ Image processing إلى أحدث التطورات في الـ Deep learning والـ Neural architectures
- توفر هذه الدورة رحلة تعليمية كاملة تبدأ بفهم كيفية تكوين الصور، معالجتها، وتحليلها باستخدام تقنيات الـ Classical computer vision، ثم تنتقل إلى مناهج الـ Modern deep learning مثل Convolutional Neural Networks (CNNs)، و Transformers، و Generative Models
- من خلال التوازن بين الأسس النظرية والـ Hands-on implementation، ستكتسب المهارات اللازمة لبناء Intelligent vision systems قادرة على حل مشكلات العالم الحقيقي مثل الـ Object detection، و Image segmentation، والـ Facial recognition، والـ AI-generated content
المتطلبات الأساسية قبل البدء:
- > البرمجة
- إتقان لغة Python، بما في ذلك مكتبة NumPy، والإلمام ببيئات العمل الخاصة بالتعلم العميق (Deep learning frameworks) مثل PyTorch أو TensorFlow
- > الجبر الخطي
- إتقان العمليات المصفوفية (Matrix operations)، (Vector spaces)،(Eigenvalues/eigenvectors)
- > التفاضل والتكامل
- فهم قوي للتفاضل والتكامل متعدد المتغيرات (Multivariate calculus)، والاشتقاقات الجزئية (Partial derivatives)، (Optimization techniques)
- > الإحصاء
- أساس متين في الـ probability theory، والـ distributions، والـ statistical inference
النقاط الرئيسية للدورة:
- > أساسيات معالجة الصور:
- Image formation, camera models, color spaces
- Image representation وهيكل الـ digital image
- تقنيات الـ Edge detection والـ sampling
- > تقنيات اكتشاف الميزات والرؤية الحاسوبية:
- اكتشاف الـ Corner, edge, blob
- SIFT و SURF وموصلات الميزات (feature descriptors)
- Image segmentation وتحليل المناطق (region analysis)
- > مطابقة الميزات وتمثيل الصور:
- Feature matching وخوارزمية RANSAC
- Hough Transform للكشف عن الأشكال
Image retrieval وقياس التشابه (similarity measurement)
- > أساسيات الشبكات العصبية:
- مقدمة في مفاهيم الـ deep learning
- تقنيات الـ Regularization والتحكم في الـ overfitting
- > Convolutional Neural Networks (CNNs):
- هيكلية الـ CNN ومبادئ التصميم
- النماذج الشهيرة: AlexNet, VGG, ResNet, EfficientNet
- استراتيجيات التدريب والـ transfer learning
- > تطبيقات الرؤية الحاسوبية:
- Object detection (مثل YOLO و Faster R-CNN)
- Face recognition والتحليل البشري (human analysis)
- Medical imaging وتطبيقات العالم الحقيقي
- > النماذج التسلسلية وآليات الانتباه:
- Recurrent Neural Networks (مثل RNNs, LSTM, GRU)
- Transformers و Vision Transformers (ViT)
- > نماذج التعلم العميق التوليدية:
- Generative Adversarial Networks (GANs)
- Diffusion models وتقنيات التوليد الحديثة
- > مواضيع متقدمة في الذكاء الاصطناعي والرؤية:
- Few-shot و zero-shot learning
- Self-supervised learning
- Neural Architecture Search (NAS)
مدة الدورة:
100 ساعة
السيرة الذاتية للمحاضر:
دكتور محمد وهبة
- خبير في هندسة النظم، والحوسبة، والذكاء الاصطناعي، متخصص في تطوير أنظمة الفضاء. يمتلك خبرة تزيد عن ثماني سنوات في نظم المعلومات الجغرافية (GIS) والذكاء الاصطناعي (AI)، وقد نشر أبحاثًا في مجالات متعددة تتعلق بأنظمة الذكاء الاصطناعي
احصل على الدعم السريع
طلب معاودة الاتصال
هل أنت مستعد لاستكشاف كيف يُمكن للذكاء الاصطناعي إحداث ثورة في عمليات أعمالك وإطلاق العنان لكفاءات جديدة؟ ACTAIA هنا لإرشادك في كل خطوة من رحلة التحول.
