دورة الذكاء الاصطناعي
- 67 ساعة فيديو تدريبية
- من الصفر دون الحاجة لخبرة مسبقة
- شهادة معتمدة من أكاديمية حسوب
- متابعة أثناء الدورة وبعدها من قبل فريق مختص
- ضمان استعادة استثمارك خلال ستة أشهر
عن الدورة
انطلق في تعلم برمجة الذكاء الاصطناعي AI وتحليل البيانات مع هذه الدورة، التي ستتعلم فيها كل ما تحتاج إليه من الصفر دون حاجة إلى معرفة مسبقة، وتمدك بكل المعلومات لبناء نماذج ذكاء اصطناعي متخصصة.
ستتعلم في دورة الذكاء الاصطناعي أساسيات بايثون ومعالجة البيانات بمختلف أنواعها، وستتعامل مع مختلف LLMs مثل GPT من OpenAI و LLaMA 2 من Meta وكيفية دمجها مع تطبيقاتك العملية.
ستتعلم بأسلوب عملي وشيق الخوارزميات والمفاهيم البرمجية وراء تحليل البيانات Data Analysis وتمثيلها مرئيًا، وتعلم الآلة Machine Learning والتعلم العميق Deep Learning وغيرها، وستكون تجربتك التعليمية مرتكزة على ممارسة ما تتعلمه على مشاريع حقيقية تستخدم في سوق العمل؛ مما يؤهلك للمنافسة بقوة في هذا المجال.
ستمدك هذه الدورة بما تحتاج إليه من معلومات عملية لبناء أنظمة تنبؤ واقتراحات في متجرك، وأنظمة تحليل النصوص وتصنيف الرسائل والتعرف على الصور بإنشاء نماذج ذكاء اصطناعي خاصة بك تبرمجها بنفسك اعتمادًا على متطلباتك باستخدام مختلف الخوازرميات والمكتبات.
لمن هذه الدورة
- لمن يرغب بتعلم الذكاء الاصطناعي وتحليل البيانات من الصفر
- لمن يريد التعامل مع LLMs مثل GPT من OpenAI و LLaMA وغيرها
- لمن يعرف أي لغة برمجة ويرغب بتوسعة مجاله البرمجي وتعلم مهارات جديدة
- لمن يعرف أساسيات الذكاء الاصطناعي ويريد التعمق بالأمور المتقدمة فيه
- لمن يرغب بتطوير ودمج تقنيات الذكاء الاصطناعي مع مشروعه الذي يعمل عليه
مسارات الدورة
01. مقدمة
03:5602. تهيئة بيئة العمل
07:3601. كتابة أول برنامج في لغة بايثون
07:4403. العوامل في لغة بايثون
11:4104. السلاسل النصية في بايثون
12:2605. القوائم والصفوف في بايثون
10:5806. القواميس في بايثون
21:4607. المجموعات في بايثون
10:1008. استخدام محررات النصوص البرمجية في كتابة الشيفرات البرمجية
09:1309. الكتل البرمجية والإزاحة في بايثون
06:5010. التحكم في سير البرنامج باستخدام العبارات الشرطية
11:4611. التحكم في سير البرنامج باستخدام الحلقات التكرارية
14:2612. بانيات القوائم والقواميس
07:3313. الدوال Functions في بايثون
13:5015. الأركان الأربعة لنمط البرمجة الكائنية - الجزء الأول
12:1916. الأركان الأربعة لنمط البرمجة الكائنية - الجزء الثاني
09:2401. التعابير النمطية Regular Expresssions
17:0203. التعابير النمطية في لغة بايثون
14:2501. التعامل مع الملفات النصية في بايثون -الجزء الأول-
12:3202. التعامل مع الملفات النصية في بايثون -الجزء الثاني-
08:0202. الخطوات الأولى في عملية استخراج البيانات من الإنترنت
11:4703. مقدمة إلى حزمة requests وطريقة عملها
12:2704. مقدمة إلى حزمة BeautifulSoup4 وطريقة عملها
18:3005. تطبيق عملي - الجزء الأول -
25:3606. تطبيق عملي - الجزء الثاني -
15:1507. خاتمة
02:1402. مدخل إلى الذكاء الاصطناعي Artificial intelligence
10:3703. واجهة برمجة التطبيقات API
04:3904. تهيئة بيئة العمل
07:0501. التعرف على النموذج ChatGPT
07:4202. كيفية عمل ChatGPT تقنيًا
07:2904. استخدام النموذج GPT-3.5 Turbo لتحليل آراء العملاء
07:5805. أتمتة التواصل مع النموذج GPT-3.5 Turbo من خلال الدوال
08:2902. تنزيل النموذج BERT واستخدامه لتحليل المشاعر
10:3604. استخدام النموذج BERT مع مجموعة بيانات عربية
06:3502. الدردشة مع النموذج LLaMA2
20:3701. مدخل إلى صقل النماذج Fine Tuning
06:3602. صقل Fine Tuning النموذج GPT-3.5 Turbo
34:5003. تخصيص نموذج لغة باستخدام LangChain و OpenAI
22:1204. تخصيص نموذج لغة باستخدام LangChain و OpenAI على بيانات عربية
03:5205. تخصيص النموذج GPT-3.5 Turbo واستخدامه في صفحة الويب
21:0206. صقل النموذج BERT على مجموعة بيانات عربية لتحليل المشاعر
30:3301. مدخل إلى هندسة الموجهات Prompt Engineering
08:1202. استخدام الموجهات Prompts
06:3903. التعرف على التقنيات المستخدمة في هندسة الموجهات Prompt Engineering
07:3804. استخدام هندسة الموجهات مع النموذج GPT-3.5 Turbo
10:2905. التعرف على ضبط الموجه Prompt Tuning
07:5306. مثال تطبيقي باستخدام ضبط الموجه Prompt Tuning
18:0801. التعرف على Ollama واستخدامه
05:0002. استخدام النماذج اللغوية الكبيرة من خلال واجهة المستخدم Open WebUI
07:0203. تخصيص النموذج Llama3 من خلال واجهة المستخدم Open WebUI
06:2404. ملخص المسار
02:0802. أنواع قواعد البيانات
13:4903. محركات قواعد البيانات
10:5504. برامج التعامل مع قواعد البيانات
09:5005. تثبيت محرك قواعد بيانات MySQL
05:5502. التعامل مع الجداول باستخدام لغة SQL
15:2703. الاستعلام عن البيانات في الجداول باستخدام العبارة SELECT
09:2804. ترشيح النتائج باستخدام العبارة WHERE
19:1905. التعابير النمطية Regular Expressions في SQL
05:5606. إدراج البيانات وتحديثها في SQL
07:2107. المفاتيح الرئيسية Primary Keys والمفاتيح الخارجية Foreign Keys
17:2008. ربط الجداول باستخدام الروابط Joins
13:2309. الربط الداخلي والخارجي اليميني والخارجي اليساري في SQL
13:2310. تجميع البيانات Aggregate باستخدام عدد من الدوال
06:1412. وضع شروط متعددة باستخدام العبارة CASE
08:2713. التعامل مع الوقت والتاريخ في SQL
09:1414. تنظيف البيانات في SQL
09:0315. إجراء عمليات استعلام فرعية subqueries في SQL
07:1216. تحسين أداء عمليات الاستعلام
07:1318. حزمة mysql-connector للتعامل مع قواعد بيانات MySQL في لغة بايثون
14:4502. مقدمة عن قواعد بيانات MongoDB
09:4203. تثبيت MongoDB على أنظمة التشغيل المختلفة
16:0704. التعامل مع الملفات في MongoDB
11:0805. العوامل Operators في MongoDB
15:2306. عمليات التجميع Aggregation في MongoDB
26:0501. التعريف بمفهوم الواجهة البرمجية
12:5302. بروتوكول HTTP
13:0903. أداة curl للتواصل مع الواجهات البرمجية
16:4605. إنشاء واجهة برمجية بسيطة باستخدام الحزمة Flask
23:1401. مقدمة
03:5002. المشاكل التي تواجه عملية استخراج البيانات
06:2404. استخراج البيانات من موقع يوتيوب باستخدام الحزمة Selenium
18:0301. الوحدة csv في بايثون للتعامل مع ملفات csv
12:4802. الوحدة openpyxl للتعامل مع ملفات Excel
13:1503. خاتمة
02:4101. مدخل إلى مكتبة Pandas
10:0402. التعرف على ملفات CSV
05:2204. التعرف على ملفات JSON
07:5005. التعامل مع ملفات JSON باستخدام مكتبة Pandas
05:3606. دمج أطر البيانات
13:0407. إعادة تشكيل إطار البيانات Reshaping
05:5808. تحديد البيانات من إطار البيانات
12:1709. الدوران على قيم الصفوف والأعمدة
11:1410. تنظيف أعمدة إطار البيانات
05:5512. تنظيف البيانات Data Cleaning
10:1113. التعرف على دوال الإحصاء
07:4215. مقارنة علامات الطلاب باستخدام دوال الإحصاء
14:0416. دالة الإحصاء الوصفي describe
06:3718. الترابطات بين قيم الأعمدة
03:4702. المدرج التكراري Histogram
09:0204. التوزع الطبيعي للبيانات
05:2301. التعرف على المكتبة Matplotlib
10:4302. الرسم الخطي Line والأشرطة Bar
11:2403. المخطط الدائري Pie Chart
05:5704. الرسم الفرعي Subplot
07:3005. مخطط التشتت Scatter Plots
12:2702. الرسم الخطي Line Plot
12:2703. الرسم الخطي Line Plot لأكثر من متغير
07:4604. رسم الأشرطة Bars Plot
09:5405. رسم العدد Count Plot
09:1206. مخطط التشتت Scatter Plots
08:0807. مخطط الصندوق Box Plot
06:2601. جلب البيانات واستكشافها
07:3602. تنظيف البيانات وتحليلها
10:2601. جلب البيانات واستكشافها
07:4002. تنظيف البيانات وتحليلها
09:3603. تمثيل البيانات مرئيًا Visualization
14:3301. استكشاف البيانات وتنظيفها
05:1002. تمثيل البيانات مرئيًا - مخطط العدد
09:1403. تمثيل البيانات مرئيًا - مخطط الصندوق والتدرج
13:5901. جلب البيانات واستكشافها
07:5903. تمثيل البيانات مرئيًا - الأعمدة الرقمية
09:1901. استكشاف البيانات وتنظيفها
07:0602. تنظيف البيانات
05:0503. تمثيل البيانات مرئيًا - المتغيرات الأحادية
09:0604. تمثيل البيانات مرئيًا - أكثر من متغير
10:3302. مقدمة إلى الذكاء الاصطناعي
09:3804. تهيئة بيئة العمل
08:0601. التعرف على مكتبة Numpy وتثبيتها
05:1002. إنشاء مصفوفات باستخدام مكتبة NumPy
16:3703. خصائص المصفوفات والعمليات الحسابية عليها
09:0404. العمليات على المصفوفات باستخدام مكتبة NumPy
12:2702. التعرف على عملية تقسيم البيانات
06:4303. التعرف على عملية ترميز وتقييس البيانات
12:4702. الانحدار الخطي linear Regression
05:4503. القواعد الرياضية للانحدار الخطي
08:3904. التنبؤ بأسعار المبيعات باستخدام متغير واحد
17:1805. التنبؤ بأسعار المبيعات باستخدام أكثر من متغير
09:2206. الانحدار الغير خطي Nonlinear Regression
16:3707. التنبؤ بأسعار السيارات
20:5802. تقييم نماذج التصنيف Models Evaluation
17:0203. تقييم نماذج التصنيف متعدّد الأصناف Multi-class classifiers
16:2001. تعلم قواعد التصنيف باستخدام الانحدار اللوجيستي
13:4003. التنبؤ بنوع قيادة السيارة
14:2201. تعلم قواعد التصنيف باستخدام مصنف بايز البسيط
11:4102. تطبيق نظرية بايز مع التعلم الآلي
08:0803. التنبؤ بالعملاء الذين يستطيعون شراء هاتف باستخدام مصنف بايز
14:2901. تعلم قواعد التصنيف باستخدام أشجار القرار
17:0502. التنبؤ بالعملاء الذين يستطيعون شراء هاتف باستخدام أشجار القرار
08:5003. الموافقة على طلب قرض بنكي أم لا
21:1502. التنبؤ بالعملاء الذين يستطيعون شراء هاتف باستخدام KNN
09:0403. إيجاد توصيات الأفلام Find movie recommendations
05:5701. تعلم قواعد التصنيف باستخدام الدعم الآلي للمتجه SVM
03:4602. مشروع تصنيف الفواكه
08:3803. التنبؤ بالعملاء الذين يستطيعون شراء هاتف باستخدام SVM
06:1101. فرط التخصيص Overfitting وقلة التخصيص Underfitting
07:2402. مثال على مشكلة فرط التخصيص Overfitting
09:0803. التقييم المتقاطع لنماذج التصنيف Cross Evaluation
06:2504. اختيار نموذج التعلم الأفضل
08:5801. مدخل إلى التجميع Clustering
08:1602. التجميع باستخدام المتوسطات K-Means
09:5204. مدخل إلى التجميع الهرمي Hierarchical Clustering
09:5705. تطبيق عملي على التجميع الهرمي Hierarchical Clustering
14:5906. تجميع الزبائن في مجموعات باستخدام التجميع الهرمي
14:4001. مدخل إلى الترابط Association
05:1502. مفاهيم أساسية في استكشاف قواعد الترابط
07:1003. إيجاد قواعد الترابط باستخدام الخوارزمية Apriori
13:5004. تطبيق عملي على خوارزمية Apriori
15:3105. إيجاد قواعد الترابط في مبيعات المتجر الإلكتروني
13:5401. مدخل إلى التعلم المعزز Reinforcement Learning
05:4202. السائق الآلي الذكي Smart cab
07:0403. خوارزمية التعلم النوعي Q-Learning
07:2304. تطبيق السائق الغير متعلم في بايثون
21:0605. التعلم النوعي في بايثون Q-Learning using Python
10:3401. ملخص المسار
02:5301. تحليل توزع الزبائن وفق البلاد
21:5402. جلب مواصفات المستخدمين
13:2303. تحليل أعمار المستخدمين
06:4104. تحليل أعداد جنس المستخدمين
09:1501. قواعد الترابط Association Rules
06:1402. المفاهيم الأساسية في تعلم قواعد الترابط
07:0003. إعداد دخل خوارزميات الترابط
14:4904. إيجاد قواعد الترابط Association Rules
13:0706. تحديث نتائج الترابط لاستخدامها في المتجر الإلكتروني
03:5902. إعداد دخل خوارزميات التصنيف
24:1103. اختيار نموذج التصنيف المناسب
12:5304. بناء نموذج التصنيف المناسب وحفظه
13:5505. تحديث نموذج التصنيف من خلال ملف بايثون
03:4606. استخدام نموذج التصنيف للتوقع بالمنتجات المناسبة للزبون
17:1402. استخراج السلسلة الزمنية لبيانات المبيعات اليومية
12:3203. تحليل السلسلة الزمنية للمبيعات اليومية
07:0704. بناء واختبار نموذج التوقع
10:5605. استخدام نموذج التوقع للتوقع بالمبيعات المستقبلية
12:5106. تحديث نموذج التوقع واستخدامه
04:0301. ما هي واجهة برمجة التطبيقات API
05:4703. إنشاء واجهة برمجة التطبيقات لتوصيات الشراء للمنتجات المترابطة
10:2804. التواصل مع واجهة برمجة التطبيقات لتوصيات الشراء للمنتجات المترابطة
12:0705. إنشاء واجهة برمجة التطبيقات لتوصيات الشراء بالنسبة للزبائن
09:0006. التواصل مع واجهة برمجة التطبيقات لتوصيات الشراء بالنسبة للزبائن
13:0107. إنشاء واجهة برمجة التطبيقات لتوقعات الشراء المستقبلية
09:0008. التواصل مع واجهة برمجة التطبيقات لتوقعات الشراء المستقبلية
04:5601. ملخص المسار
04:1401. التعريف بالشبكات العصبية ANN
09:3602. أساسيات تدريب الشبكات العصبية
07:5603. دوال الخسارة ودوال التحسين
05:5903. الانحدار الخطي باستخدام المكتبة Keras
11:2304. التصنيف باستخدام مكتبة Keras
08:4705. التعرف على المسرعات Accelerators
09:4001. إعداد بيانات المشروع
10:5802. تجهيز بيانات الدخل والخرج
07:0504. استخدام نموذج الشبكة العصبية
07:2101. التعرف على عمليات المعالجة اللغوية للنصوص
10:2903. تحويل النصوص إلى قوائم رقمية
09:0204. بناء نموذج الشبكة العصبية
07:3401. تعريف مسألة تصنيف الأرقام المكتوبة بخط اليد
03:4102. تجهيز بيانات التدريب
06:4603. بناء الشبكة العصبية
09:3301. إعداد بيانات المشروع
16:2702. بناء الشبكة العصبية
11:0201. تمثيل الصور في الحاسوب
05:2102. مدخل إلى الشبكات العصبية التلافيفية CNN
07:0401. معاينة مجموعة الصور
07:1402. بنية الشبكة التلافيفية
09:5403. البحث الشبكي لإيجاد قيم معاملات الشبكة العصبية
11:2504. استخدام النموذج
10:5801. RNN الشبكات العصبية التكرارية
09:2902. الشبكات العصبية ذات الذاكرة طويلة وقصيرة المدى LSTM
13:2403. بناء مُصنّف LSTM
13:2504. الشبكات العصبية التكرارية ذات البوابات GRU
09:2401. التعرف على تحليل المشاعر في النصوص
07:2802. المعالجة اللغوية للنصوص
14:3103. حساب قطبية النصوص
14:5204. تحويل النصوص إلى قوائم رقمية
06:5806. بناء الشبكة العصبية وفق أفضل المعاملات واستخدامها
08:4301. التعرف على التنبؤ بأسعار الأسهم
07:1702. إعداد بيانات التدريب والاختبار
04:1003. بناء الشبكة العصبية
09:4901. تحليل تغريدات الأشخاص
04:2202. المعالجة الأولية للتصوص
11:3203. تجهيز بيانات الدخل والخرج
07:2704. بناء الشبكة العصبية
04:1901. بوتات المحادثة
05:2102. إعداد البيانات
13:0203. بناء الشبكة العصبية
05:0304. تجربة المحادث الآلي
08:2101. تصنيف الأخبار الكاذبة
08:0402. تجهيز الدخل لنموذج التعلم
05:1003. بناء الشبكة العصبية
08:3301. التنبؤ بوقوع الزلازل
09:3502. بناء الشبكة العصبية
06:3301. خاتمة
04:2001. تحليل أعمار المستخدمين وجنسهم
22:1102. تحليل المكونات الرئيسية التي يحويها الموقع ومبيعاتها
25:4903. تأثير تحليل البيانات على نماذج الذكاء الاصطناعي
04:4701. جلب بيانات التدريب عن طريق عملية Scraping
15:3602. تنظيف البيانات
15:1403. مهام التصنيف
04:5404. الشبكة العصبية التلافيفية CNN
08:3805. فحص البيانات ومعالجتها
13:4407. بناء نموذج الذكاء الاصطناعي
15:0108. تدريب النموذج ومناقشة النتائج
12:2001. التعرف على الوجبات
04:5903. اختيار مجموعة بيانات مناسبة و شرح خصائصها
05:4504. معالجة البيانات
15:4205. بناء نموذج الذكاء الاصطناعي
06:5901. الاقتراحات الشخصية
05:1102. بناء مجموعة البيانات ومعالجتها
12:3203. بناء نموذج الذكاء الاصطناعي
09:3204. تدريب النموذج ومناقشة النتائج
05:5602. دمج خاصية التعرف على المكونات
14:3403. دمج خاصية الاقتراحات بناء على صورة وجبة
13:1504. دمج خاصية الاقتراحات الشخصية
10:0805. دمج المخططات البيانية
15:0802. مقدمة إلى نقل التعلم
11:2103. الحالات المختلفة لنقل التعلم
09:5104. أهم النماذج المدربة
06:4205. مراجعة لمبادئ التعلم العميق
12:4601. كيفية الاستفادة من نموذج مدرب
10:4502. استخدام النموذج المدرب
07:4803. استخدام نموذج تضمين مدرب
07:3804. استخدام نموذج مدرب لتحليل المشاعر
04:2601. التعريف بمشروع تصنيف ثنائي للصور
12:4302. بناء نموذج تعلم عميق
13:2903. استخدام نقل التعلم
10:1704. تقييم النتائج
06:2505. استخدام النموذج Xception
06:2801. التعريف بمشروع تصنيف صور متعددة الأصناف
10:2402. بناء نموذج تعلم
10:3503. استخدام النموذج MobileNetV2 دون صقله
11:3504. صقل النموذج MobileNetV2
07:1901. التعرف على المشاعر في الوجوه
09:1402. إعداد بيانات التدريب والاختبار
11:5303. بناء نموذج باستخدام نقل التعلم
08:4304. صقل النموذج المدرب
07:5201. مدخل إلى تمثيل النصوص Texts Representation
10:0202. تمثيل النصوص باستخدام TF-IDF Vectorization
08:2103. تمثيل النصوص باستخدام Tokenization
04:4204. تضمين النصوص باستخدام النموذج Word2Vec
15:4405. تضمين النصوص باستخدام النموذج FastText
06:2706. تضمين النصوص باستخدام النموذج GloVe
07:2007. تضمين النصوص باستخدام النموذج BERT
17:4201. تدريب وصقل النموذج Word2Vec
09:1202. تدريب وصقل Fasttext
03:3801. تصنيف البريد الإلكتروني باستخدام التعلم العميق
06:2402 .تصنيف البريد الإلكتروني باستخدام نقل التعلم-إعداد الدخل
09:2803. تصنيف البريد الإلكتروني باستخدام نقل التعلم: صقل النموذج
07:2601. استخدام نموذج تعلم عميق دون تضمين مدرب مسبقًا
13:1301. تصنيف الأخبار متعددة المواضيع
06:2302. إعداد البيانات
09:5103. بناء نموذج التعلم
05:08ميزات دورات أكاديمية حسوب
تقدم لك دورات أكاديمية حسوب كل ما تحتاجه لتعلم تقنيات المستقبل وتطوير مهاراتك. تعرف على أبرز ميزاتها
لماذا تتعلم عبر أكاديمية حسوب؟
إرشادات دائمة من المدربين
نجيب عن أسئلتك واستفساراتك عبر فريق من المدربين المختصين على مدار الساعة.
ضمان استرداد استثمارك
بعد حصولك على الشهادة، وإن لم تحصل على عمل خلال 6 أشهر يغطي قيمة الدورة التي دفعتها، فسنعيد لك ما دفعت. بهذه البساطة!
شهادة معتمدة
شهادتنا معتمدة تعطى بعد اجتياز الامتحان بنجاح وتقديم مشروع حقيقي للتخرج، وليست شهادة حضور.
وصول لمسارات الأساسيات
باشتراكك في هذه الدورة ستحصل أيضًا على وصول للمسار الأول في جميع دورات أكاديمية حسوب الأخرى.
خدمة كتابة السيرة الذاتية مجانًا
بعد منحك الشهادة ستحصل على باقة كتابة السيرة الذاتية في موقع بعيد بقيمة 99$ مجانًا.
بناء معرض أعمال
حين إتمامك للدورة وتطبيقك العملي معها، سيكون لديك مجموعة رائعة من المشاريع العملية في معرض أعمالك.
مشاريع عملية حقيقية
دوراتنا مطورة اعتمادًا على حاجات سوق العمل، حسوب صاحبة أكبر مواقع العمل العربية: خمسات ومستقل وبعيد.
وصول مدى الحياة
عندما تشترك في هذه الدورة فستدفع التكلفة مرة واحدة فقط، لا توجد رسوم دورية.
تحديثات مستمرة مجانية
نحدث دوراتنا باستمرار، وسنضيف مسارات جديدة ونحدث المحتوى الحالي دوريًا.
ماذا ستتعلم في هذه الدورة؟
-
أساسيات لغة بايثون Python
ستتعلم لغة البرمجة بايثون بكل تفاصيلها المهمة، وستتعامل مع قواعد بيانات SQL و NoSQL ومختلف صيغ تخزين البيانات مثل جداول إكسل وملفات CSV.
-
تحليل البيانات Data Analysis
ستتعلم تحليل البيانات على مشاريع عملية، وستتعلم استخلاص المعلومات من مجموعات من البيانات بتحليلها وتصويرها، والتعامل مع مكتبات شهيرة مثل Pandas و Numpy و Matpoltlib و Seaborn.
-
التعامل مع نماذج الذكاء الاصطناعي LLMs
ستتعلم التعامل مع نماذج الذكاء الاصطناعي الكبيرة مثل GPT من OpenAI مثل ChatGPT ونموذج LLaMA و BERT، مع أمثلة عملية عن استخدامها.
-
التعلم العميق Deep Learning
ستطبق خوارزميات التعلم العميق في تصنيف العناصر، وتدرب شبكات عصبية CNN للتعرف على الصور، وتحلل المشاعر والنصوص وتبني بوت محادثة عبر الشبكات التكرارية RNN، وتطبيقات أخرى عملية عليها.
-
نقل التعلم Transfer Learning
ستتعلم تقنيات نقل التعلم وتدريب النماذج وصقلها Fine-Tuning لتحقيق أداء أعلى في مهام الذكاء الاصطناعي، وستستفيد من النماذج المدربة مسبقًا لتسريع عملية التدريب، وتخصيصها لتلبية احتياجات تطبيقات محددة مثل تصنيف الصور وتحليل النصوص.
-
خوارزميات تعلم الآلة Machine Learning
ستتعلم الخوارزميات التي تستخدم في مهام الانحدار Regressions والتصنيف Classification والتجميع Clustering وغيرها في تعلم الآلة.
-
خوارزميات التعلم الخاضعة وغير الخاضعة للإشراف
ستتعرف على خوارزميات التعلم الخاضعة للإشراف Supervised learning وخوارزميات التعلم الغير خاضعة للإشراف Unsupervised learning وخوارزميات التعلم المعزز Reinforced learning.
-
تخصيص نماذج اللغة الكبيرة LLMs وصقلها
ستتعلم هندسة الموجهات Prompt Engineering وضبطها Prompt tuning مع مختلف نماذج LLMs، وكيفية تشغيل Ollama محليًا.
-
دمج تقنيات الذكاء الاصطناعي مع متجر إلكتروني
ستوظف ما تعلمته من تحليل للبيانات وتعلم الآلة في متجر إلكتروني، بدءًا من جلب البيانات من قاعدة البيانات ثم تحليلها ثم برمجة نماذج الذكاء الاصطناعي ثم دمجها مع المتجر لتقديم أنظمة ذكية للعملاء.
-
التعرف على الصور باستخدام الشبكات العصبية
ستتعلم كيفية جمع الصور ومعالجتها وتهيئتها لبناء نموذج شبكة عصبية عبر TensorFlow، وستتعلم إنشاء واجهة برمجية API بنفسك لدمج النماذج التي دربتها مع تطبيقاتك.
شهادة معتمدة
جميع الشهادات التي تصدرها أكاديمية حسوب تصدر فقط بعد اجتياز الامتحان بنجاح وتوفّر برابط مباشر على موقع الأكاديمية مما يتيح التحقق من صحتها بأي وقت
أراء طلابنا
وليد الفيفي
السعودية
أكثر شيء أحببته في أكاديمية حسوب هو الاهتمام الكبير والدعم المقدم للطلاب خصوصًا بعد التخرج، وما زلت أذكر وأقدر المقابلة التي أجريت معي وأمدوني فيها بمجموعة نصائح مهمة حول التطوير المهني وكيفية استغلال مهاراتي في سوق العمل. أما عن محتوى الدورات فهو عال الجودة من جهة الشرح والمعلومات المفصلة وجودة التسجيل أيضًا، والأهم من ذلك أن محتوى الدورات باللغة العربية وهنا أقصد اتسامه بالجودة مع ذلك وهو ما يندر وجوده على الويب العربي. أما عن القسم المفضل لي، فقد كان قسم التعليقات والأسئلة على كل فيديو، فكنت دائمًا ما أضيف أسئلة تأتيني أجوبتها في غضون ساعات قليلة.
عبد الواحد الحدادي
المغرب
أول ما لفتني في دورات أكاديمية حسوب أنها باللغة العربية الفصحى، وأبرز ما أفادني عند التعلّم وجود فريق متكامل من المدربين والأساتذة يتابعون معك ويوجهونك ويصححون أخطاءك ويشجعونك على الاستمرار والتعلم بنفسك، وهذا أمر مهم لمن يريد تعلم البرمجة دون أن يتيه في جوجل مع كل مشكلة تواجهه خصوصًا وهو في بداية رحلة التعلم.
زينب عبد النبي
لبنان
بدأت تعلم البرمجة مع أكاديمية حسوب، وهذا جعل منها تجربة رائعة جدًا لأنهم قدموا لنا شروحات موسوعية وشاملة وباللغة العربية، وإلى الآن ما زلت أتذكر كل ما تعلمته في دورة جافاسكربت وأطبقه في أعمالي، فالدراسة في أكاديمية حسوب كانت بمثابة تجربة عملية لما عليه سوق العمل على الحقيقة، وقد أفادتني المشروعات التي نفذتها في الدورات في بناء سيرة ذاتية قوية ساعدتني في الحصول على وظيفتي الحالية.
علي يعقوب
الأردن
إن كنت تدرس البرمجة لكنك صفر في الخبرة العملية، فأكاديمية حسوب ستعطيك هذه الخبرة، فأنا استفدت استفادة هائلة من حجم التطبيقات العملية في الدورات. وأكثر ما أعجبني أسلوبهم في الشرح، فأولوية المدربين هي إيصال المعلومات بطريقة مبسطة ويسيرة في فيديوهات بجودة مرتفعة، لذلك تأكد أنك ستخرج من هذه الدورات وأنت على معرفة تامة بموضوعاتها، وقد ساعدتني المشروعات التي نفذتها مع الأكاديمية في حصولي على عملي الحالي.
صلاح عزب
مصر
بدأت بتعلم البرمجة ذاتيًا إلى أن قررت الاحتراف فيها، وشرعت بالبحث عن مكان أجد فيه كل ما أريده لأصبح محترفًا في مجال تطوير الويب، وكانت أكاديمية حسوب أفضل مكان لتحقيق هذا الهدف، لأن محتوى الدورات شامل لكل المعلومات المتعلقة بالمجال الذي تدرسه، فلم أحتج إلى التشتت بمصادر مختلفة من الإنترنت لكي أتمكن من المهارات التي أردت تعلمها، وكذلك وجدت إجابات سريعة من المدربين عن أي شيء وقف في طريقي في أثناء التطبيق، وأهم شيء بالنسبة لي كان المرونة في التعلّم فيمكنني اختيار الوقت والمكان الذي يناسبني لمعاينة الفيديوهات.
لانا عبد الرازق
الأردن
أكثر ما أحببته في دوات أكاديمية حسوب أنها تمدك بطريق واضح ومنظم ومتدرج لتعلم المهارات التي تريدها، فطريقة تسلسل المعلومات فيها ساعدتني في معرفة الطريق الصحيح لتعلم البرمجة دون تشتت واختصرت عليّ أوقاتًا كثيرة. والأهم من ذلك أن الدورات لا تعتمد على إلقاء المعلومات من جانب المدربين وفقط، بل لكي تتمكن من استكمال الدورة والنجاح فيها لا بد من أن تطبق ما تعلمته بنفسك، والأهم من ذلك، أنهم يعلّمونك كيف تبحث بنفسك من دون مساعدة وهذا بالضبط ما يحتاجه أي مبرمج في سوق العمل.
عائشة ذكي
اليمن
تجربة التعلم من أكاديمية حسوب رائعة جدًا، فقد أحببت البرمجة بسببها وأزالت لدي الصورة الذهنية التي تقول إن البرمجة مجال معقد، بالعكس فكان الأساتذة يبسّطون لنا المعلومات ويجيبوننا عن أسئلتنا في دقائق قليلة من نشر السؤال. إضافة إلى أن المحتوى شامل لكل ما تريده، يعني إن أردت أن تتعلم لغة جافاسكربت فستحتاج إلى الاشتراك في ثلاث دورات على الأقل من أماكن مختلفة، لكن في أكاديمية حسوب دورة واحدة كافية جدًا لتتعلم كل شيء عنها، إلى جانب أن محتوى الدورات يحدّث دوريًا وستتمكن من الرجوع إليه وقتما تريد.
رحاب صالح
مصر
ساعدتني أكاديمية حسوب في فهم المواد الدراسية التي أدرسها في كلية حاسبات ومعلومات والتعمق فيها وهذا ميّزني بين زملائي، ومكنني من أن أكون مرجعًا لهم أشرح لهم ما صعب عليهم فهمه. وأنا شخصيًا لا أحب المعلومات النظرية الكثيرة وهذا النمط مشتهر أكثر في التعلم عبر يوتيوب الذي كان بوابتي الأولى في التعلم الذاتي بجوار الدراسة الأكاديمية، لكن مساحة التطبيق العملي في أكاديمية حسوب مختلفة تمامًا وكبيرة جدًا، والتطبيق وحده أهم شيء في تعلم البرمجة.
محمد منتصر
مصر
بدأت في تعلم البرمجة استرشادًا بنصيحة أخي الأكبر لكي أستفيد من فترة الإجازة الصيفية في تعلم أشياء مفيدة. كانت البداية بيوتيوب، لكنني أردت التوسع أكثر، وكان لدي تخوف بسبب اللغة الإنجليزية، لكن بعدما بدأت الدراسة مع أكاديمية حسوب وجدت أن الشروحات كلها باللغة العربية. وأبرز ما يميز هذه الدورة هي الردود السريعة من المدربين على الأسئلة فبمجرد ما تكتب السؤال إلا وتجد الإجابة عنه، وكذلك طريقة الشرح سهلة وبسيطة.
اشترك الآن
بمجرد شرائك للدورة سترسل لك التفاصيل عبر البريد الالكتروني. إن كان لديك حساب مسجل في أكاديمية حسوب فستضاف هذه الدورة إلى حسابك أو سينشئ لك حساب جديد.
أسئلة شائعة
نحن نعلم بالصعوبات التي تواجه الراغبين بتعلم البرمجة، ومن خبرتنا في التعليم وسوق العمل أعددنا لك هذه الدورة لتأخذك من البداية حتى الاحتراف.
سنكون معك خطوةً بخطوة مع فريق من المدربين المختصين بتعليم البرمجة لنرافقك في رحلتك في التعلم.
دوراتنا هي منهج تدريبي متكامل، ومحتواها يتكامل مع بعضه لتستطيع تعلم المهارات المطلوبة في سوق العمل.
كل دوراتنا تبدأ معك من الأساسيات، التي نشرحها في مسار كامل يعادل دورة تدريبية مستقلة، ثم نأخذك في رحلة رائعة لبناء تطبيقات عملية لطالما كنت تتساءل كيف تم تطويرها.
لا تنتهي الخدمات التي نقدمها لك بإنتهاء حصولك على المادة العلمية؛ حيث سنقدم لك خدمة كتابة السيرة الذاتية، ونتابع معك على مواقع العمل حتى تستعيد المبلغ الذي استثمرته في هذه الدورة.
أنت طالبنا، ودوراتنا هي استثمار في مستقبلك لتحصل على ما تريده من نجاح في العمل كمبرمج محترف!
قد يهمك أيضًا
