الانتشار العكسي والأجهزة الاستقبالية المتعددة الطبقات من الصفر

هل تساءلت يوما ما عما يحدث فعلا تحت الغطاء عندما تتعلم شبكة عصبية؟ للتمكن حقا من التعلم العميق، يجب أن تنظر إلى ما وراء المكتبات العالية المستوى وتفهم الميكانيكا الأساسية لكيفية تدفق البيانات وتحديث التدرجات. هذه الدورة النصية ترشدك من خلال الرياضيات الأساسية ولبنات البناء الهيكلية للشبكات العصبية الحديثة. ستتحول من المفاهيم النظرية إلى كتابة شفرة نظيفة وصريحة تقوم بتدريب نموذج من الأساس. عن طريق القراءة من خلال شروح واضحة خطوة بخطوة، ستبني حدسًا متينًا لبنية الشبكة العصبية. ستتعلم كتابة ضربات المصفوفة، ودوال التنشيط، وخطوات التحسين الأمثل دون الاعتماد على السحر الآلي. ما ستتمكن من تعلمه: فهم الرياضيات الأساسية وراء أجهزة الاستشعار متعددة الطبقات وعمليات المصفوفات؛ تنفيذ الانتشار الخلفي يدويًا لرؤية كيفية تدفق التدرج عبر شبكة؛ كتابة وظائف التنشط المخصصة وحسابات الخسارة باستخدام توسعات PyTorch؛ تطبيق تقنيات الاستهلال الحديثة لمنع اختفاء أو انفجار التدرج؛ تشكيل حلقات التدريب الأساسية وخطوة التحسين من الصفر؛ قراءة وتحليل أشكال المتجه لتصحيح أخطاء بنية الشبكة. تبدأ الدورة بتعاريف رياضية أساسية وعمليات المتجه الأساسية قبل توجيهك تدريجيا من خلال بناء أجهزة استشعار متعددة الطبقة، وتنفيذ المرور الخلفي، والتحسين الأفضل للبارامترات. هذه المادة مصممة للمبتدئين على مستوى المبرمج الذين لديهم معرفة أساسية بلغة بايثون ويرغبون في فهم العمليات الداخلية للتعلم العميقة. لا تحتاج إلى خبرة سابقة في التعلم الآلي.