Not sure this was the best way to learn this. The examples felt a bit dated, and the overall structure was confusing. I needed external resources to make sense of it.
معالجة اللغة الطبيعية (NLP) باستخدام نماذج التسلسل: RNNs و LSTMs و GRUs
أتقن الشبكات العصبية المتكررة (recurrent neural networks) و LSTMs و GRUs لتحليل المشاعر وتوليد النصوص ومقارنة تشابه النصوص في Python.
-
💬
مدرب ذكاء اصطناعي
اسأل عن أي درس واحصل على إجابة واضحة فورًا، في أي وقت. -
🕐
ابدأ في أي وقت
بلا جداول أو مواعيد نهائية — تعلّم بوتيرتك، وقتما يناسبك. -
🌐
بالعربية
الدروس والمهام والشهادة — كل ذلك بلغتك بالكامل.
حول هذه الدورة
تتطلب معالجة البيانات المتسلسلة مثل النصوص شبكات عصبية متخصصة تفهم السياق والترتيب. يرشدك هذا المساق القائم على النصوص عبر المفاهيم الأساسية والتطبيقات العملية لنماذج التسلسل في معالجة اللغة الطبيعية (NLP).
ستبدأ بالتعريفات الأساسية لمعالجة النصوص المتسلسلة وتتقدم إلى بناء معماريات عصبية تتعامل مع مهام اللغة الواقعية. من خلال دراسة شروحات الكود المنظمة والتفصيلات خطوة بخطوة، ستتعلم كيفية تمثيل النص كمتجهات كثيفة، ونمذجة التبعيات بمرور الوقت، ومقارنة المعنى الدلالي.
ما ستتعلمه:
- فهم الأسس الرياضية للشبكات العصبية المتكررة (RNNs) وكيفية معالجتها لبيانات النصوص المتسلسلة.
- بناء نماذج تحليل المشاعر باستخدام تضمينات الكلمات (word embeddings) والمعماريات المتكررة لتصنيف النصوص.
- توليد نصوص اصطناعية عن طريق تدريب وحدات التكرار المعززة (GRUs) للتنبؤ بالرمز التالي في التسلسل.
- تطبيق أنظمة التعرف على الكيانات المسماة (NER) باستخدام شبكات الذاكرة طويلة المدى (LSTM) لتحديد وتصنيف الكيانات الرئيسية.
- إنشاء معماريات Siamese LSTM لمقارنة التشابه الدلالي بين الجمل المختلفة.
- تطبيق تقنيات الترميز الحديثة (tokenization) واستراتيجيات التعامل مع التسلسل المستخدمة في سير عمل التعلم العميق المعاصر.
يبدأ المساق بالمصطلحات الأساسية، ويغطي الترميز (tokenization)، وبناء المفردات، وطبقات التضمين (embedding layers). ستستكشف بعد ذلك الشبكات المتكررة البسيطة قبل الانتقال إلى المعماريات ذات البوابات مثل LSTMs و GRUs لمهام معالجة النصوص المعقدة.
تم تصميم هذا المساق للمبتدئين في التعلم العميق (deep learning) ومعالجة اللغة الطبيعية (NLP) الذين لديهم فهم أساسي لـ Python وأساسيات الشبكات العصبية. لا يلزم وجود خبرة سابقة في نماذج التسلسل.
ابدأ القراءة لبناء نماذج NLP الخاصة بك القائمة على التسلسل اليوم.
ما الذي ستحصل عليه
-
📜
شهادة إتمام
أضفها إلى ملفك على LinkedIn -
💬
مدرّس AI شخصي
عالق في دورة؟ اسأل مدرّسك المدمج أي شيء، في أي وقت. -
🎧
النسخة الصوتية مضمَّنة
تعلَّم أثناء تنقُّلك — دون شاشة -
♾️
وصول مدى الحياة
عُد متى شئت، بلا انتهاء -
📱
الهاتف أو الكمبيوتر
يعمل في أي مكان وعلى أي جهاز -
💸
استرداد خلال 14 يومًا
دون أسئلة -
⚡
قصير ومركَّز
2 ساعة 42 دقيقة من المحتوى التطبيقي
المراجعات (6)
مقدمة جيدة ، لقد أقدر الخطوات الواضحة ، على الرغم من أن بعض الوحدات اللاحقة كان يمكن أن تستخدم المزيد من الأمثلة.
لقد تعلمت الكثير، والأمثلة المستخدمة كانت مفيدة للغاية في فهم المفاهيم، وأوصي بشدة.
What a great way to learn! The structure made complex ideas easy to grasp. Definitely worth the time investment.
Really enjoyed the flow of this. The examples were spot on and helped me grasp the material quickly. Great value.
ساعدني هذا حقا في ترسيخ بعض المفاهيم الرئيسية. كانت التفسيرات ممتازة والأمثلة توضيحية للغاية. أحببت ذلك!
المتعلمون أخذوا أيضًا
🏆 الأكثر شعبية
🎓 بشهادة
نماذج التسلسل ومعالجة اللغة الطبيعية (NLP) باستخدام TensorFlow على المنصات السحابية
شهادة
تطبيق عملي
AED 50.00
→
🔥 رائج
🎓 بشهادة
أساسيات تحسين LLM: الضغط و Fine-Tuning
شهادة
تطبيق عملي
AED 50.00
→
🔥 رائج
🎓 بشهادة
مقدمة في ضبط LLM الدقيق باستخدام LoRA و QLoRA
شهادة
تطبيق عملي
AED 50.00
→
🏆 الأكثر شعبية
🎓 بشهادة
أسس نماذج اللغات الكبيرة: من المحولات إلى ضبط الدقة
شهادة
تطبيق عملي
AED 50.00
→
الأسئلة الشائعة
ما الذي أحتاجه لأخذ هذه الدورة؟ +
يكفي هاتف أو كمبيوتر متصل بالإنترنت. بدون تثبيتات أو أجهزة خاصة.
كيف يمكنني الدفع؟ +
بالبطاقة عبر Stripe. لا نخزن بيانات البطاقة — يتولى Stripe ذلك بأمان.
هل يمكنني استرداد المال؟ +
نعم — استرداد كامل خلال 14 يومًا، دون أسئلة.
إلى متى يستمر وصولي؟ +
إلى الأبد. بمجرد الشراء، الدورة لك تعود إليها متى شئت.
هل سأحصل على شهادة؟ +
نعم. عند الإتمام ستحصل على شهادة يمكنك إضافتها إلى ملفك في LinkedIn.
مصمَّم للعاملين في
التقنية
التصميم
المالية
التسويق
الرعاية الصحية
التعليم
الضيافة
التصنيع