معلومات المقرر الدراسي

This comprehensive course unfolds the multi-dimensional world of Artificial Intelligence (AI), ushering participants from its foundational elements to advanced applications. In Chapter 1, students are introduced to the pivotal principles, historical context, and diverse applications of AI, setting a well-rounded base. The journey continues into Chapter 2, where a deep dive into the core concepts of Machine Learning (ML) occurs, offering insights into various algorithms and their real-world applications and limitations. Chapter 3 elevates this learning, focusing on the sophisticated architecture of Neural Networks and offering practical engagement to build and optimize these powerful models. The complexity increases in Chapter 4, where students are immersed in the world of Deep Learning, distinguishing between deep and simpler neural networks and mastering the tools and techniques to construct efficient models. Chapter 5 caps the learning experience with an in-depth exploration of Convolutional Neural Networks (CNNs), offering hands-on experience in building models like VGG16, AlexNet, and ResNet-50 and an understanding of their unique functionalities and applications. Each chapter is intricately woven to ensure a harmonious blend of theoretical knowledge and practical skills, empowering students to navigate the dynamic landscape of AI with confidence and expertise.

تفتح هذه الدورة الشاملة الأبواب أمام عالم الذكاء الاصطناعي متعدد الأبعاد، حيث تقود المشاركين من خلال العناصر الأساسية إلى التطبيقات المتقدمة. في الفصل الأول، يتم تقديم الطلاب إلى المبادئ الرئيسية والسياق التاريخي والتطبيقات المتنوعة للذكاء الاصطناعي، مُعدًا قاعدة متناظرة. تتابع الرحلة في الفصل الثاني حيث يحدث غمر عميق في المفاهيم الأساسية لتعلم الآلة، وتقديم رؤى حول الخوارزميات المختلفة وتطبيقاتها وقيودها في العالم الحقيقي. يرتفع مستوى التعلم هذا في الفصل الثالث، حيث يركز على هيكلية الشبكات العصبية المعقدة ويقدم التفاعل العملي لبناء وتحسين هذه النماذج القوية. يزداد التعقيد في الفصل الرابع، حيث يتم غمر الطلاب في عالم التعلم العميق، مُميزين بين الشبكات العصبية العميقة والأبسط وإتقان الأدوات والتقنيات لبناء نماذج فعالة. يختتم الفصل الخامس تجربة التعلم بإلقاء نظرة عميقة على الشبكات العصبية التلافيفية، مع تقديم تجربة عملية في بناء نماذج مثل 

VGG16 وAlexNet وResNet-50

 وفهم وظائفها وتطبيقاتها الفريدة. يتم توجيه كل فصل بعناية لضمان خلط متناغم من المعرفة النظرية والمهارات العملية، مما يمكّن الطلاب من التنقل بثقة وخبرة في مشهد الذكاء الاصطناعي المتغير باستمرار.