محمد عاطف17

وعليكم السلام ورحمة الله وبركاته. Biopython هي مكتبة خاصة في لغة بايثون يتم إستخدامها في المعلوماتية الحيوية (Bioinformatics). حيث توفر مجموعة واسعة من الأدوات والوظائف لمعالجة البيانات البيولوجية مثل تحليل تسلسلات الحمض النووي (DNA) والبروتينات والبيانات الجينومية وغيرها. ومن المميزات الخاصة بها : قراءة وكتابة تنسيقات ملفات بيولوجية حيث تدعم العديد من التنسيقات مثل FASTA و GenBank و PDB وغيرها. يمكن استخدامها لتحليل تسلسلات الحمض النووي والبروتينات. تدعم أدوات مثل BLAST ومحاذاة التسلسلات المتعددة. الوصول إلى قواعد البيانات البيولوجية: مثل NCBI وUniProt. التحليل الإحصائي مثل حساب الأحماض الأمينية. ولذلك فعي تعتبر أداة قوية للباحثين والمطورين العاملين في مجال المعلوماتية الحيوية حيث تسهل معالجة البيانات البيولوجية بشكل فعال. ولذلك إذا كنت مهتم بهذا المجال فإن تلك المكتبة ستساعدك كثيرا وإليك التوثيق الرسمي لها : https://biopython.org/

هل قمت بإغلاق الجهاز أثناء تثبيت التحديثات الخاصة بالويندوز ؟ حيث خطأ 0x0000098 يشير إلى أن النظام لا يستطيع العثور على الملفات ضرورية لتشغيل النظام. وقد يكون بسبب فشل تحديث أو تلف في ملفات النظام. سيتوجب عليك تثبيت نظام جديد غير الحالي . ويمكنك فتح اليوتيوب والبحث عن "Fix Boot Error Code 0xC0000098" وستجد فيديوهات يرجى إتباعها لحل المشكلة عن طريق تثبيت نظام ويندوز جديد.

وعليكم السلام ورحمة الله وبركاته. أحسنت عمل رائع أنك تعلمت أساسيات django rest framework وتقوم بالتطبيق عليه . المشروع جيد بالفعل ولكن توجد بعض التحسينات التي يمكنك إضافتها. بما أنك تتعامل في مشروع إدارة مخازن إذا من المتوقع أن البيانات ستكون كبيرة ولهذا يفضل إستخدام الصفحات (Pagination) لتحسين الأداء عند استرجاع البيانات وعدم إرجعاها جميعا كما تفعل من خلال objects.all() . أيضا لاحظ أنك لم تستعمل الصلاحيات حيث يمكن لأى شخص الوصول إلى ال API وإرسال الطلبات وهذا من الممكن أن يؤدي إلى مشاكل في الوصول الغير مرغوب فيه لتطبيقك لهذا يجب إستخدام نظام الصلاحيات. أما بخصوص استخدام الذكاء الاصطناعي فهو من الممكن أن يكون جيدا لك في عملية التعلم. لكن يجب أن تتأكد أنك لا تعتمد بشكل كامل عليه بل تستخدمه كأداة لتحسين مهاراتك وأيضا يجب عليك البحث ولا تأخذ بما يقول كأمر مسلم به حيث أحيانا كثيرة يخطأ ولا يعطيك الإجابة الصحيح أو الجيدة مما يجعلك تتعلم الأمور بطريقة خاطئة. فمثلا: إذا واجهت مشكلة يمكنك استخدام الذكاء الاصطناعي لتوجيهك نحو الحلول الممكنة ولكن تأكد أنك تفهم السبب وراء الحل الذي أعطاه لك والبحث على الإنترنت أو في التوثيقات الرسمية عن هذا الحل هو صحيح أم لا . أما إذا كنت تستخدمه للإجابة على أسئلة أثناء تعلمك فكما وضحت لك يجب التأكد من أن لديك فهم جيد للإجابة وعدم أخذها كأنها أمر مسلم به دون البحث عن تلك المعلومة بشكل متعمق أما بخصوص الكود الذي ذكرته في إعدادات settings.py : DEFAULT_FILTER_BACKENDS: هذا الخيار يتيح لك استخدام django_filters لترشيح البيانات . DEFAULT_RENDERER_CLASSES: هذا الخيار سيحدد كيف يتم عرض البيانات.لذلك إذا كنت ترغب في عرض البيانات بتنسيق JSON فقط فيمكنك إضافة هذا الكود. لكن إذا كنت لا تحتاج إلى تخصيص هذا الإعداد فلا داعي لإضافته . حيث إذا لم تقم بتفعيله وذهبت إلى المتصفح ستجد أنه يوضح لك أمور كثيرة لل api الحالي ويمكنك البحث والفلترة كما لو أنك في موقع واجهة أمامية :

وعليكم السلام ورحمة الله وبركاته. في بايثون لا يوجد قوائم ثابته فالمصفوفة التي أرفقتها لا تعتبر "Static Array" مثل باقي اللغات الأخرى كما في c و c++ . حيث في بايثون النوع الذي نستخدمه هنا هو قائمة (List) وهي عبارة عن هيكل بيانات ديناميكي أى أنه يمكن تعديل حجمها بسهولة إضافة أو حذف عناصر دون الحاجة إلى تحديد حجمها في بداية الكود . وبالتالي هي ليست ثابتة (static) في الذاكرة أو في الحجم مما يمكنك من إضافة أو إزالة عناصر منها بعد إنشائها.

وعليكم السلام ورحمة الله وبركاته. إذا كان الأمر محليا أى أنك تقوم بتشغيل المشروع على خادم محلي على جهازك فبالطبع يمكنك ذلك لا مشكلة كل ما عليك هو تثبيت خادم mysql لديك على الجهاز. أما إذا كان المشروع لديك على إستضافة أى يمكن الوصول إليه من خلال عنوان url على الإنترنت فهنا لن يمكنك جعل قاعدة البيانات لديك على الجهاز. حيث سيتوجب على الموقع أن يتصل بقاعدة البيانات ولكن قاعدة البيانات على جهازك محليا ولا يمكن ربطها بموقع على الإنترنت . لذلك يمكنك إنشاء قاعدة البيانات على الإستضافة الخاصة بك ويمكنك أخذ نسخة يوميا من تلك القاعدة إذا أردت ولكن لن يمكنك جعل النسخة الأساسية على جهازك.

وعليكم السلام ورحمة الله وبركاته. الفرق بين التعرف على الوجه (Face Recognition) والتحقق من الوجه (Face Verification) هو في مفهوم وكيفية تنفيذ كل منهما. التعرف على الوجه (Face Recognition): هو يهدف إلى تحديد هوية الشخص من بين مجموعة من الأشخاص.حيث يقوم النظام بمقارنة الصورة للوجه الذي تم إدخاله مع قاعدة بيانات تحتوي على صور وجوه معروفة الهوية و الهدف كما وضحت لك هو معرفة من هو الشخص في الصورة.مثل فتح هاتف ذكي باستخدام التعرف على الوجه، حيث يحدد الهاتف هوية المستخدم من بين عدة وجوه مخزنة. أما التحقق من الوجه (Face Verification) : فهو يهدف إلى التأكد من أن الشخص هو بالفعل من يقول أنه هو حيث يقوم النظام بمقارنة صورة الوجه المدخلة مع صورة واحدة محددة (مثل صورة الهوية) لتأكيد المطابقة.

ستجد أسفل فيديو الدرس صندوق للتعليقات كما هنا يرجى طرح سؤالك أسفل الدرس وليس هنا حيث هنا قسم الأسئلة العامة ولا نقوم بإجابة الأسئلة الخاصة بمحتوى الدورة أو الدرس، وذلك لمعرفة الدرس الذي توجد به مشكلتك و لمساعدتك بشكل أفضل.

وعليكم السلام ورحمة الله وبركاته. إن One-hot Encoding هو تمثيل رقمي للمتغيرات الفئوية حيث نقوم بتحويل كل فئة إلى متجه ثنائي (binary vector) بطول يساوي عدد الفئات حيث كل عنصر في المتجه يمثل فئة معينة وتكون القيمة 1 إذا كانت الفئة موجودة و 0 إذا كانت غير موجودة. وهو بسيط وسهل التطبيق و مناسب إذا كانت عدد الفئات صغيرة. ولكنه لا يعكس العلاقات بين الفئات مثل التشابه بين الفئات أى أنه لا يمكنك فهم معنى التحويل وسيتم فصل كل فئة عن الأخرى. أما Embedding Layer فهي طبقة في الشبكات العصبية تقوم بتحويل المتغيرات الفئوية إلى متجهات ذات أبعاد أقل حيث يتم تعلم هذه المتجهات أثناء التدريب مما يمكننا من تمثيل و إعطاء معنى للفئات. وأخيرا نستطيع أن نقومل أن One-hot Encoding هو بسيط ولكن غير جيد للفئات الكبيرة ولا يعكس العلاقات بينها ولهذا إذا كان لديك فئات كبيرة و تريد فهم العلاقات بينها فهذا ليس مناسبا. أما Embedding Layer فهو معقد أكثر من One-hot Encoding ولكنه أكثر كفاءة في الفئات الكبيرة ويعكس العلاقات بينها مما يجعله مناسبا للتطبيقات المعقدة مثل معالجة اللغة الطبيعية (NLP).

وعليكم السلام ورحمة الله وبركاته. أحسنت في التطبيق والتدريب على ما تقوم بتعلمه فهذا هو أفضل طريق لزيادة تعلم والحصول على خبرة من خلال بناء المشاريع والتطبيق العملي ولهذا فإن أفضل طريقة للتعلم هي التطبيق العملي وإنشاء مشاريع كاملة كبيرة لتطبيق كل شئ في مشروع واحد و حتى تتعلم كيفية ترابط الأكواد و دمج الخصائص معا لتكوين مشروع حقيقي متكامل. يوجد العديد من مواقع حل المشكلات (problem solving) والتي توفر تطبيقات ومسائل بمختلف المستويات يمكنك التدرب عليها لتمرين مهارات حل المشكلات لديك والتطبيق العملي : Hackerrank و LeetCode: هذه المواقع تقدم تحديات برمجية تمكنك من تطبيق المفاهيم المختلفة بما في ذلك الأساسيات و الدوال، وتقديم الحلول الخاصة بك لهذه التحديات ولكن يفضل الدخول في المستويات المبتدئة. PyBites: يوفر PyBites تحديات يومية وأسبوعية لتطوير مهاراتك في Python. codeforces : وهو من المواقع الشهيرة جدا التى تقوم بعمل مسابقات عالمية يوميا وإسبوعيا حيث تكون تلك المسابقات عبارة عن مشاكل ويجب حلها عن طريق البرمجة وتختلف صعوبة المسابقات من مسابقة إلى أخرى و أيضا يعطيك نقاط عند دخول كل مسابقة وحل المشاكل لتتابع تقيمك وسط العديد من المبرمجين حول العالم . Codewars : يقدم تحديات برمجية مصنفة بمستويات مختلفة تتيح لك تطوير مهاراتك بشكل تدريجي. ولذلك أنصحك بحل التحديات والتدرج في المستويات قليلا حتي تستطيع تنمية مهاراتك وأيضا التدرب على ما تعلمته. وإليك الإجابات التالية والمقال التالي لمزيد من النصائح لك :

وعليكم السلام ورحمة الله وبركاته. إن خطأ 404 يعني أن العنوان الذي تذهب إليه غير موجود لديك . أي أن ال url غير موجود في ملف web.php . هل يمكنك توضيح ما هو العنوان الذي تذهب إليه ويعطيك 404 ؟ ولكن أولا في هذا السطر : يرجى إستبدال department ب Department فمن الممكن أن المشكلة هنا : <h4> <a href="/Department/create">إضافة قسم</a></h4> ولكن من الأفضل إعطاء أسماء لل routes وإستخدام دالة route حيث من الممكن أن المشكلة هنا فإذا كان الموقع الخاص بك ال domain ليس هو ال root فستحدث مشكلة في ذلك. فمثلا لنفرض أن موقعك المحلي هكذا : http://localhost/test/ هنا ستحدث مشكلة إذا ضغطت على الرابط لأنه سيتوجه إلى localhost أى سيكون العنوان هكذا : http://localhost/Department/create لاحظ كيف تم حذف test وهو إسم المشروع لديك من العنوان . لهذا إما أن تستخدام دالة route أو ان تقوم بجعل الرابط هكذا في صفحة index : <h4> <a href="create">إضافة قسم</a></h4>

نعم بالطبع يمكنك مشاهدة بعض الدروس المفتوحة و أيضا يمكنك مشاهدة أول درس من كل مسار من خلال الرابط التالي وستتعرف على جميع ما سيتم شرحه في الدورة : https://academy.hsoub.com/learn/artificial-intelligence/ يرجى التمرير قليلا في الصفحة حتى تصل إلى المسارات ويمكنك فتح كل مسار للإطلاع على الوحدات والدروس التي بداخله وستجد دروس يمكنك الإطلاع عليها كما هنا في الصورة : ونعم الدورة تشمل شرح وتتطبيق عملى على ال fine tuning و ال Prompt Engineering والعديد من الدروس المتقدمة الأخرى وستسطيع الإطلاع عليهم جميعا في الرابط السابق الذي أرفقته لك.

نعم صحيح في Machine Learning و Deep Learning النماذج لا تفهم إلا الأرقام . ولذلك أي نوع من البيانات سواء نصوص أو صور أو صوت أو فيديو يجب تحويله إلى تمثيل رقمي قبل أن يتم إدخاله إلى النموذج. فالنصوص يجب تحويلها إلى tokens والصور يجب تحويلها إلى مصفوفات من البكسلات pixels حيث كل بكسل له قيمة بين 0 و 255 و الصور الملونة RGB تكون ثلاثية الأبعاد. والفيديوا أيضا يتم تحويله أيضا حيث الفيديوا هو مجموع من الإطارات والإطار الواحد مكون من عدة صور . وهكذا يجب تحويل أي نوع من البيانات إلى أرقام قبل إدخالها إلى النموذج و كل نوع من البيانات له طريقة تحويل خاصة به و بعد التحويل يمكن دمج أنواع البيانات المختلفة في نموذج واحد.

للأسف حاليا لا يوجد إمكانية تقسيط للدورة . حيث يجب دفع ثمن الدورة كاملا للحصول عليها . من الممكن أن تطلب من أحد أقاربك أو أصدقائك شراء بطاقة هدايا لك ويمكنك دفع المبلغ له بعد ذلك على فترات ويمكنك قراءة المزيد حول شراء بطاقة الهدايا : https://support.academy.hsoub.com/how-to-buy-gift-card ويمكنك محادثة الدعم بخصوص تقسيط مبلغ الدورة فهو المسؤول عن الماديات هنا في الأكاديمية : https://support.academy.hsoub.com/conversations

وعليكم السلام ورحمة الله وبركاته. نعم، يمكن تدريب النماذج في Machine Learning و Deep Learning على أكثر من نوع من الملفات أو مصادر البيانات. حيث يمكنك تدريب النموذج على بيانات من مصادر مختلفة مثل: نصوص Text من ملفات .txt أو .csv. صور Images من ملفات .jpg أو .png. صوت Audio من ملفات .wav أو .mp3. فيديو Video من ملفات .mp4. إذا كنت تقصد بنوعين أى ملفين أو عدة ملفات ولكنها تحوي نفس شكل البيانات مثل ملفات نصية فقط أو صور فقط أو فيديوهات فقط . فنعم إذا كان كذلك فالأمر بسيط يمكنك دمج البيانات من الملفات المختلفة في ملف واحد باستخدام تقنيات معالجة البيانات مثل الدمج (merge) أو التوحيد (concatenation). وفي حالة البيانات النصية يمكنك دمجها باستخدام أدوات مثل Pandas أما في حالة الصور أو البيانات الصوتية يمكنك استخدام أدوات مختلفة مثل OpenCV قبل دمجها في مجموعة بيانات واحدة. أما إذا كنت تقصد أنواع مختلفة من البيانات مثل إذا كان لديك ملفات نصية وصور فحينها يمكنك بناء نموذج تعلم عميق بعدة طبقات وكل طبقة لها نوع بيانات مدخل خاص .حيث يمر المدخل النصي عبر شبكة عصبية مخصصة لمعالجة النصوص مثل LSTM أو Transformer أما الصور باستخدام شبكة عصبيةCNN.

بشكل افتراضي pandas تقوم بتلخيص العرض ولا تقوم بعرض كل الأعمدة إذا كان عددها كبيرا كما لديك هنا 123 عمود.و لحل هذه المشكلة يمكنك تغيير إعدادات العرض في pandas لجعله يعرض جميع الأعمدة. import pandas as pd pd.set_option('display.max_columns', None) print(validation_labels.info()) pd.set_option('display.max_columns', None) هذا السطر يغير إعدادات pandas لجعلها تعرض كل الأعمدة بدلا من تلخيصها.

وعليكم السلام ورحمة الله وبركاته . الكود الذي استخدمته صحيح ولا توجد به مشكلة ولاحظ أنه يعرض معلومات عامة عن DataFrame المسمى validation_labels لديك من خلال الدالة info() والنتيجة التي حصلت عليها توضح أن DataFrame يحتوي على 2515 صفًا و123 عمودًا وأنواع البيانات للأعمدة هي float64، int64، وobject. كما أن الذاكرة المستخدمة لتخزين البيانات هي حوالي 2.4 ميجابايت. إذا كنت تتوقع رؤية بيانات فعلية فهذا لن يحدث لأن الدالة info() لا تعرض البيانات الفعلية بل تعرض فقط معلومات وصفية عن DataFrame.

وعليكم السلام ورحمة الله وبركاته. الصورة المرفقة لا توضح الكود الخاص بالدالة someCode لو كان في ملف أخر يرجى إرسالة صورة له. أما إذا لم تكن الدالة موجودة في ملف أخر فهنا ستحدث مشكلة أن الدالة لم يتم تعريفها.

عند الدخول الى المسار ستجد بجوار الفيديوهات دائرة وتلك الدائرة تشير إلى انه لم يتم مشاهدة هذا الدرس بعد . ولو اختفت تلك الدائرة فهذا يعني ان الدرس بالفعل قد تم مشاهدته .

وعليكم السلام ورحمة الله وبركاته. أولا يجب عليك معرفة ما وظيفة ال IP الخاص بك والذي توفره لك مزود خدمة الإنترنت الذي أنت مشترك بها . حيث إذا لم تكن مشترك في خدمة static ip وهي خدمة ال ip الثابت والتي تكون مفيدة في الخوادم والسيرفرات ولكن ليست للإستخدام الشخصي . فإذا لم تكن مشترك في تلك الخدمة فإنه في كل مرة تقوم بإيقاف وتشغيل الراوتر الخاص بك يتم إعطاءك ip مختلف من قبل مزود خدمة الإنترنت لديك. وال IP هو مجرد عنوان يستخدم لتحديد مكان الجهاز على شبكة الإنترنت وهو ضروري ليتم التواصل بين الأجهزة على الإنترنت وبدونه لن يتم الإتصال بالإنترنت أو لن يكون هناك إنترنت من الأساس. تخيل أنه مثل أرقام الهاتف لو أردت الوصول إلى شخص ما ستقوم بالإتصال به برقمه الخاص حتى تستطيع الوصول له ومحادثته. وهكذا ال IP فحينما تقوم بزيارة موقع ما فإنه يعرف عنوان ال IP الخاص بك لأنك أرسلت طلب له من خلال هذا ال IP و لهذا فإن معرفة عنوان ال IP ليست خطيرة جدا حيث بالفعل أى موقع تزوره يعرف عنوان ip ألخاص بك مسبقا. ولكن من الممكن إذا تم معرفة عنوان ال IP أن يتم معرفة مكان إقامتك مثل الدولة والمدينة التي توجد بها وهذه المعلومات عامة حيث تجد الكثير من المواقع التي تعطيها ال ip وتعطيك مكانا تقريبيا لهذا العنوان . ولكن مزود الخدمة فقط الخاص بك هو الذي يعرف مكانك بالتحديد ويتم إستخدام عناوين ال IP في تتبع الأشخاص المطلوبين وغيرهم . وأيضا يجب الإنتباه إلى أنك لو تعمل على أجهزة راوتر قديمة أو قمت بفتح بورتات بها . أو توجد ثغرات في النظام الخاص بك فمن الممكن على المخترقين المتمرسين جدا أن يحصلوا على وصول لجهازك والتحكم به. ولكن دون ذلك فلا حاجة للقلق.

وعليكم السلام ورحمة الله وبركاته. الفرق الرئيسي بين Command Prompt و Windows PowerShell يكمن في الوظائف والأدوات التي يوفرها كل منهما. Command Prompt : هو الواجهة التقليدية والأساسية في نظام Windows والتي توفر لك بيئة سطر أوامر لإجراء العمليات البسيطة كان موجودا في أنظمة Windows منذ بدايتها وهو يتيح لك تنفيذ أوامر النظام الأساسية مثل نسخ و حذف الملفات وإنشاء المجلدات وغيرها من الأوامر الأساسية. وهو يعتمد على أوامر DOS التقليدية. Windows PowerShell : وهو بيئة سطر أوامر متقدمة تم ظهورها أول مرة في نظام Windows عام 2006 وهو أكثر تقدما من Command Prompt.ويعتمد على لغة برمجة نصية أكثر تقدما وهي .NET Framework ويستخدم C# كأساس لكتابة السكربتات. و يوفر لك العديد من الأدوات المتقدمة، مثل إمكانية العمل مع الكائنات والبرمجة الكائينة (OOP). وكما وضحت لك Command Prompt مناسب للمهام البسيطة مثل إدارة الملفات و تشغيل البرامج أما Windows PowerShell يمكنه التعامل مع المهام المعقدة وتنفيذ وكتابة الإسكريبتات المتقدمة.

وعليكم السلام ورحمة الله وبركاته. في بايثون المصفوفة مختلفة تماما عن اللغات الأخرى مثل c# و c++ و c . حيث في بايثون كائن list هو مصفوفة ديناميكية (Dynamic Array) وليست مصفوفة ثابتة (Static Array).و هذا يعني أن حجمها يمكن أن يتغير أثناء التشغيل ولا يتم تحديد حجم معين لها وحيث يمكن إضافة عناصر جديدة أو إزالة عناصر دون الحاجة إلى إنشاء مصفوفة جديدة. وأيضا العناصر بداخلها متغيره وليست ثابته حيث يمكنك وضع أرقام وسلاسل نصية وكائنات وليس نوع معين فقط.

سيكون الإختبار في المسارات التي أتممتخا فقط وأقل عدد مسارات هو أربع مسارات للتقدم للإختبار. الإمتحان سيكون من شقين . نظرى وعملي . حيث سيكون هناك محادثة صوتيةو سيتم تحديد موعد لك لاجراء محادثة صوتية لمدة 30 دقيقة يطرح المدرب فيها أسئلة متعلقة بالدورة ويناقش معك ما نفذته خلالها. بعد ذلك سيكون هناك مشروع التخرجسيحدد لك المدرب مشروعًا مرتبطًا بما تعلمته أثناء الدورة لتنفيذه خلال فترة محددة تتراوح بين أسبوع الى أسبوعين. ويمكنك قراءة تفاصيل أكثر من خلال الرابط التالي: https://support.academy.hsoub.com/exams

نعم بالطبع بعد إتمامك للدورة ستكون مؤهلا للعمل في الشركات والتقدم على وظائف أو يمكنك العمل على مواقع العمل الحر . وعند حصولك على الشهادة ستساعدك الأكاديمية بفريق محترف من أجل توجيهك للحصول على عمل في هذا المجال، فبعد اتمامك لأي من الدورات الموجودة في الأكاديمية وبعد اجتيازك الامتحان بنجاح ثم تطبيق إرشادات المختصين لتحسين سيرتك الذاتية وملفاتك الشخصية على مواقع العمل الحر، سيساعدك هذا الأمر في إيجاد عمل بشكل أسرع، كما يمكنك أن تبحث عن عمل من خلال مواقع العمل الحر كذلك مثل مستقل وخمسات. ويمكنك قراءة الإجابة التالية :

هل يحدث خطأ لك ؟ هل قمت بالفعل بإنشاء حساب باى بال وأضفت الإعدادات الخاصة بحسابك في إعدادات الإضاف؟

وعليكم السلام ورحمة الله وبركاته. إن الفرق بين Multi-task Learning و Transfer Learning يكمن في كيفية استخدام المعلومات تم إستخلاصها من البيانات في تعلم النماذج و الإثنين موجودان الفعل في مجال Machine Learning، ولكنهما يختلفان في الأهداف والطرق. Multi-task Learning : يهدف إلى تعلم عدة مهام مرتبطة معا في نفس الوقت باستخدام نموذج واحد. تم مشاركة المعرفة المكتسبة بين المهام لتحسين الأداء العام خيث يتعلم النموذج من الممعلومات مشتركة تفيد في جميع المهام. Transfer Learning يهدف إلى استخدام المعرفة المكتسبة من مهمة أو مجال معين لتحسين الأداء في مهمة أو مجال آخر . حيث يتم تدريب النموذج على مهمة أساسية (source task) ومن ثم يتم نقل المعرفة المكتسبة إلى مهمة جديدة (target task) عن طريق إعادة استخدام الأوزان أو التمثيلات. وهو مفيد عندما تكون البيانات في المهمة الجديدة قليلة حيث يمكن الاستفادة من المعرفة المكتسبة مسبقا من البيانات السابقة.