الذكاء الاصطناعي التوليدي باستخدام Python

تقدّم هذه الدورة استكشافاً معمّقاً لأساليب الذكاء الاصطناعي التوليدي باستخدام Python، بما يمكّن المشاركين من تصميم نماذج ذكاء اصطناعي قادرة على توليد البيانات وإنشاء المحتوى وحل المشكلات المعقدة وتطبيقها. ويركّز الذكاء الاصطناعي التوليدي على نماذج التعلّم العميق القادرة على توليد النصوص والصور والصوت وغيرها من أنواع البيانات. وتتناول الدورة الجوانب العملية لبناء النماذج وتدريبها، مثل الشبكات التوليدية التنافسية (GANs) والمشفّرات التلقائية التباينية (VAEs) ونماذج المحوّلات (Transformers)، باستخدام مكتبات Python مثل TensorFlow وPyTorch وHugging Face.

ستعلّم الدورة المشاركين كيفية توظيف الذكاء الاصطناعي التوليدي لابتكار حلول وتطبيقات مبتكرة في مجالات مثل توليد المحتوى وتصميم المنتجات وتأليف الموسيقى وتعزيز البيانات (Data Augmentation).

تعتمد الدورة نهج التعلّم التطبيقي، ويتضمن العناصر التالية:

محاضرات يقدمها المدرب تتناول المفاهيم النظرية للنماذج التوليدية

تمارين برمجة عملية لبناء النماذج التوليدية وتدريبها باستخدام Python

دراسات حالة واقعية لتطبيقات الذكاء الاصطناعي التوليدي في مختلف القطاعات

جلسات أسئلة وأجوبة تفاعلية ونقاشات بين المشاركين لتعزيز التعلّم التعاوني

مشروع ختامي ينشئ فيه المشاركون نموذجاً توليدياً لحل مشكلة واقعية

مواد داعمة تشمل دفاتر الملاحظات (Notebooks) وأمثلة الشيفرة البرمجية ومجموعات البيانات

• بنهاية هذه الدورة، سيكون المشاركون قادرين على:
• فهم المفاهيم الرئيسية للذكاء الاصطناعي التوليدي، بما في ذلك GANs وVAEs ونماذج المحوّلات
• تطبيق نماذج الذكاء الاصطناعي التوليدي وتدريبها باستخدام Python وأطر التعلّم العميق الشائعة
• توليد بيانات واقعية مثل الصور والنصوص والموسيقى باستخدام نماذج الذكاء الاصطناعي
• تحليل أداء النماذج التوليدية وتقييمه
• إنشاء تطبيقات وحلول توظّف الذكاء الاصطناعي التوليدي في سيناريوهات واقعية
• فهم الآثار الأخلاقية للنماذج التوليدية وحدودها

عند إتمام الدورة، سيكون المشاركون قادرين على:

• بناء النماذج التوليدية وتدريبها باستخدام Python وأطر التعلّم العميق مثل Py-Torch وTensorFlow.
• تطبيق أساليب الذكاء الاصطناعي التوليدي لتوليد النصوص والصور وغيرها من المحتوى
• تطوير الشبكات التوليدية التنافسية (GANs) لتطبيقات مثل توليد الصور وتعزيز البيانات ونقل الأنماط
• تطبيق المشفّرات التلقائية التباينية (VAEs) في مهام مثل استكشاف الفضاء الكامن واكتشاف الحالات الشاذة.
• توظيف النماذج القائمة على المحوّلات (مثل GPT وBERT) في توليد النصوص ومهام معالجة اللغة الطبيعية (NLP)
• تقييم النماذج التوليدية من حيث الأداء وجودة المحتوى المولّد
• نشر النماذج التوليدية في بيئات الإنتاج لتطبيقات قابلة للتوسع