WEBVTT 00:00.660 --> 00:03.870 أهلا ومرحبا بكم مرة أخرى في دورة الذكاء الاصطناعي. 00:03.870 --> 00:08.490 في قسم اليوم ، سنقوم بمعالجة التعلم التلافيفي العميق. 00:08.490 --> 00:12.270 لذلك نحن نتخذ التعلم العميق إلى خطوة أخرى. 00:12.270 --> 00:13.860 لذلك بدأنا في الأصل بـ. 00:13.890 --> 00:15.570 س تعلم التعلم البسيط. 00:15.570 --> 00:20.640 ثم أخذنا ذلك إلى التعلم العميق ، والآن نأخذه إلى التعلم التلافيفي العميق. 00:20.640 --> 00:23.460 لذلك دعونا نرى ما سنناقشه من حيث الحدس. 00:23.700 --> 00:26.100 سيكون قسم الحدس سريعًا جدًا. 00:26.130 --> 00:33.480 ليس هناك الكثير الذي نحتاج إلى إضافته طالما أننا على دراية بالشبكات العصبية التلافيفية ، وسنتطرق 00:33.480 --> 00:35.790 إلى هذا في نهاية عرض اليوم. 00:35.850 --> 00:41.400 لذلك اليوم في هذا القسم ، سنتحدث عن العمق التلافيفي ، ونتعلم الحدس الكامن 00:41.400 --> 00:49.710 وراء الأشياء ولماذا هو قوي جدًا ، ولماذا بالضبط من المهم جدًا الابتعاد عن التعلم العميق ولماذا التعلم العميق 00:49.710 --> 00:55.920 هو مجرد لبنة أساسية حيث إنها مجرد خطوة بالنسبة لنا على طريق التعلم التلافيفي العميق 00:55.920 --> 01:01.220 ونوع السبل التي يفتحها التعلم التلافيفي العميق لك. 01:01.230 --> 01:06.690 ما نوع السبل التي تفتحها المعرفة لك وأين يمكن تطبيقها. 01:07.380 --> 01:13.620 سيكون لدينا بعض الأمثلة على ذلك ومن ثم سنتحدث عن تتبع الأهلية أو MN Step Learning 01:13.860 --> 01:21.750 ، وهي إضافة قوية جدًا لمفهوم التعلم العميق بالكامل وسنتحدث عن الحدس الكامن وراء ذلك. 01:21.750 --> 01:25.770 إنه موضوع معقد تمامًا ، ولكن مع ذلك سنقوم بتفصيل الحدس بعبارات بسيطة 01:25.770 --> 01:32.280 جدًا ، وبعد ذلك سأقدم لك بعض المراجع الإضافية حيث يمكنك القراءة عن تتبع الأهلية إذا كنت ترغب في الخوض في مزيد 01:32.280 --> 01:33.510 من التفاصيل. 01:33.510 --> 01:38.070 لكن من المهم بالنسبة لنا أن نحصل على الحدس لأننا سنستخدم 01:38.070 --> 01:45.750 ذلك من الناحية العملية ، لأننا نتعمق في مواضيع أكثر تعقيدًا الآن حيث نحتاج إلى إضافة هذه العناصر 01:45.750 --> 01:54.630 الإضافية إلى وكلائنا أو لخوارزميات التعلم الرئيسية لدينا حتى يتمكنوا بالفعل من التعامل مع هذه البيئات المعقدة 01:54.630 --> 01:57.810 والتنقل بينها بنجاح. 01:58.260 --> 02:04.980 وبالطبع ، في هذا القسم ، لأننا نتحدث عن الشبكات العصبية التلافيفية ، فمن المستحسن للغاية أن تقوم 02:04.980 --> 02:08.970 بمراجعة الملحق الثاني للشبكات العصبية التلافيفية. 02:09.300 --> 02:15.060 مرة أخرى ، إذا كنت قد انتهيت من عصور التعلم العميق ، وما إلى ذلك ، فأنت بالفعل على دراية 02:15.060 --> 02:16.380 بهذه المعلومات. 02:16.380 --> 02:21.450 حتى تتمكن من متابعة هذه الدروس بأمان حول التعلم التلافيفي العميق. 02:21.450 --> 02:27.720 إذا لم تكن قد قمت بدورة مجموعة بيانات التعلم العميق ، فمن الجيد أن تنظر إلى الشبكات العصبية 02:27.720 --> 02:33.180 التلافيفية وأن تنظر إلى تلك البرامج التعليمية البديهية هناك حتى تفهم بشكل 02:33.180 --> 02:41.010 أفضل كيفية معالجة الصور بواسطة الشبكات العصبية من أجل البحث عن الميزات وما هي الطبقات التلافيفية بأكملها 02:41.010 --> 02:46.170 تدور حول طبقات التجميع ، وطبقات التسطيح ، وكيف يعمل كل ذلك من أجل التوصل 02:46.170 --> 02:48.540 إلى بعض المعلمات حول ذلك. 02:48.540 --> 02:54.450 صِف البيئة أو تلك ، صِف تلك الصورة ، وبالتالي سنستخدمها كمدخلات في شبكتنا 02:54.450 --> 02:58.230 العصبية بدلاً من ذلك المتجه الذي نتحدث عنه. 02:58.230 --> 02:59.820 لكن المزيد عن ذلك في البرنامج التعليمي التالي. 02:59.820 --> 03:06.240 لذلك إذا لم تكن قد شاهدت هذه البرامج التعليمية حتى الآن ، فننصحك بشدة بمراجعتها لتتمكن من متابعة 03:06.240 --> 03:10.230 أو تحديث معلوماتك حول الشبكات العصبية الإرادية. 03:10.230 --> 03:15.720 بشكل عام ، لدينا قسم مثير وكما ترى ، ليس هناك الكثير من البرامج التعليمية 03:15.720 --> 03:21.630 للحدس ، مما يعني أنه يمكنك القفز إلى الجانب العملي للأشياء بسرعة كبيرة. 03:21.960 --> 03:24.330 لذا في هذه الملاحظة ، لا أطيق الانتظار لرؤيتك في البرنامج التعليمي الأول. 03:24.330 --> 03:26.790 وحتى ذلك الحين ، استمتع بـ I.