تخطَّ إلى المحتوى
ابدأ مجاناً
التعلم العميق الذكاء الاصطناعي · المستوى 3

من المقال إلى الكود: قراءة بحوث التعلم العميق وإعادة إنتاجها ونشرها

دورة تطبيقية للباحثين وطلبة الماستر والدكتوراه تأخذك من مقال منشور إلى كود يعمل ثم إلى مقالك أنت: نفكّك مقالين محكّمين في مجلة Expert Systems with Applications (تصنيف الأصوات بـ 1D CNN، وكشف Covid-19 من صور الأشعة بشبكة CNN خفيفة) جزءاً جزءاً: العنوان والملخص والفجوة البحثية والمساهمات والبيانات والتطبيع والتقسيم والمعمارية وجداولها والخوارزمية ومقاييس التقييم ومنحنيات التدريب ومصفوفة الالتباس وROC والتعقيد الحسابي والمقارنة المنصفة والقيود. ثم نعيد إنتاج كود CNN + LSTM في Spyder ونصلح أخطاءه، وننهي بكيفية اختيار المجلة وتجهيز المقال على Overleaf بـ LaTeX مع المعادلات والمراجع BibTeX.

  • متوسط
  • 80 درساً
  • 7 وحدة
  • 5+ ساعات
جرّب مجاناً 48 ساعة الدروس المجانية

ستتعلم

  • قراءة المقالات العلمية
  • الفجوة البحثية والمساهمة
  • 1D CNN
  • CNN خفيفة
  • Class Weight
  • مقاييس التقييم
  • Confusion Matrix
  • ROC وAUC
  • CNN + LSTM
  • Functional API
  • اختيار المجلة
  • Overleaf وLaTeX
  • BibTeX

محتوى الدورة

1 الوحدة 1: تمهيد: أبعاد الـ CNN ومعاملاتها3 دروس
  1. 1.1 شكل المدخلات في CNN مجاني
  2. 1.2 خرائط الخصائص وشكل المخرجات مجاني
  3. 1.3 حساب عدد المعاملات في طبقة Conv
2 الوحدة 2: مقال 1D CNN لتصنيف الأصوات12 درساً
  1. 2.1 CNN في بُعد وبُعدين وثلاثة
  2. 2.2 قراءة غلاف المقال
  3. 2.3 الإشارة الصوتية كمدخل للشبكة
  4. 2.4 مجال الزمن ومجال التردد
  5. 2.5 معدّل العينات Sampling Rate
  6. 2.6 معمارية 1D CNN من جدول المقال
  7. 2.7 فلتر Gammatone: مساهمة الباحث
  8. 2.8 كود المؤلف: تحميله وإصلاحه
  9. 2.9 قراءة الكود: Functional API
  10. 2.10 من Pooling إلى Dense
  11. 2.11 دالة بناء النموذج وmodel.summary
  12. 2.12 فلاتر Gammatone في الكود وMATLAB
3 الوحدة 3: تفكيك مقال Covid-19: من العنوان إلى المنهجية12 درساً
  1. 3.1 الوصول إلى مقال مفتوح المصدر
  2. 3.2 العنوان والكلمات المفتاحية والملخص
  3. 3.3 المقدمة: كيف يحدّد الباحث الفجوة
  4. 3.4 مساهمات المقال
  5. 3.5 لماذا نموذج خفيف؟
  6. 3.6 بيانات COVID-19 Radiography
  7. 3.7 كود Kaggle: نظرة أولى
  8. 3.8 تغيير حجم الصور
  9. 3.9 تطبيع الصور
  10. 3.10 تقسيم البيانات والتحقق من الأرقام
  11. 3.11 مخطط المنهجية
  12. 3.12 مزايا النموذج وكتابة المساهمة
4 الوحدة 4: تفكيك مقال Covid-19: المعمارية والتقييم11 درساً
  1. 4.1 معمارية النموذجين
  2. 4.2 الالتفاف كما يشرحه المقال
  3. 4.3 عدد الفلاتر وخرائط الخصائص
  4. 4.4 الـ Pooling والـ Overfitting
  5. 4.5 Autoencoder والتقليص
  6. 4.6 Flatten والطبقات الكاملة
  7. 4.7 قراءة جدول المعمارية
  8. 4.8 دالة الخسارة والمحسّن
  9. 4.9 معالجة عدم التوازن بـ Class Weight
  10. 4.10 قراءة الخوارزمية
  11. 4.11 مقاييس التقييم
5 الوحدة 5: قراءة النتائج والنقاش والمقارنة17 درساً
  1. 5.1 من الخوارزمية إلى الكود
  2. 5.2 قسم النتائج: بيئة التجربة
  3. 5.3 منحنيات الدقة والخسارة
  4. 5.4 كيف تعلّق على المنحنيات
  5. 5.5 مصفوفة الالتباس الثنائية
  6. 5.6 العينات المصنّفة خطأً
  7. 5.7 النموذج متعدد الفئات وجدول الأداء
  8. 5.8 حين تخدع الدقة
  9. 5.9 لماذا تكون دقة الاختبار أقل؟
  10. 5.10 كيف تقدّم نتائجك
  11. 5.11 منحنى ROC وAUC
  12. 5.12 التعقيد الحسابي وعدد المعاملات
  13. 5.13 حساب المعاملات وزمن التنبؤ
  14. 5.14 المقارنة مع أحدث الأعمال
  15. 5.15 مقارنة منصفة
  16. 5.16 القيود والأعمال المستقبلية
  17. 5.17 من أين تأتي مساهمتك القادمة؟
6 الوحدة 6: إعادة إنتاج الكود: CNN + LSTM12 درساً
  1. 6.1 كود Kaggle: المكتبات
  2. 6.2 البذرة العشوائية وقراءة ملفات Excel
  3. 6.3 خطأ المكتبة المفقودة
  4. 6.4 تثبيت المكتبات داخل البيئة الافتراضية
  5. 6.5 تجهيز المجلدات وImageDataGenerator
  6. 6.6 الكتل الالتفافية في CNN-LSTM
  7. 6.7 من CNN إلى LSTM
  8. 6.8 compile وملخص النموذج
  9. 6.9 Callbacks والتدريب
  10. 6.10 رسم منحنيات التدريب
  11. 6.11 التقييم ومصفوفة الالتباس
  12. 6.12 حساب المقاييس من المصفوفة بالكود
7 الوحدة 7: كتابة المقال ونشره: المجلات وOverleaf وLaTeX13 درساً
  1. 7.1 المجلات ومعامل التأثير
  2. 7.2 Journal Finder: اختيار المجلة
  3. 7.3 دليل المؤلفين
  4. 7.4 رسومات عالية الجودة
  5. 7.5 قبل الإرسال: Word أم LaTeX؟
  6. 7.6 قالب المجلة على Overleaf
  7. 7.7 بنية ملف LaTeX
  8. 7.8 المؤلفون والملخص والـ Highlights
  9. 7.9 كتابة Highlights والكلمات المفتاحية
  10. 7.10 المعادلات
  11. 7.11 الأقسام والمراجع
  12. 7.12 استيراد المراجع من Google Scholar
  13. 7.13 مثال مقال كامل ورفع مشروع

في المسار نفسه

دورة الشبكات العصبية التلافيفية CNN

متقدم · 27 درساً · ساعتان و11 دقيقة

أساسيات الذكاء الاصطناعي: من المفاهيم إلى الشبكات العصبية

مبتدئ · 22 درساً · ساعتان و11 دقيقة

مفاهيم التعلم العميق ببساطة

مبتدئ · 71 درساً · 9+ ساعات
من المقال إلى الكود: قراءة بحوث التعلم العميق وإعادة إنتاجها ونشرها
80 درساً · متوسط
جرّب مجاناً 48 ساعة