وصف المقرر
في العديد من مهام التعلم الآلي في العالم الحقيقي ، خاصة تلك التي لها مدخلات إدراكية ، مثل الرؤية والكلام ، غالبًا ما يكون التعيين من البيانات الأولية إلى المخرجات وظيفة معقدة للغاية مع العديد من عوامل التباين. في الماضي ، من أجل تحقيق أداء مقبول في مثل هذه المهام ، كان لابد من بذل جهد كبير لهندسة الميزات المصنوعة يدويًا. ومع ذلك ، مع ظهور التعلم العميق ، تم تسهيل هذه المهام وجعلها أكثر واقعية. وفي هذا الصدد، تهدف خوارزميات التعلم العميق إلى تعلم التسلسلات الهيكلية للميزات مع ميزات على مستويات أعلى في التسلسل الهرمي الذي يتم تكوينه من خلال تكوين ميزات المستوى الأدنى. تم إثبات هذا التعلم التلقائي للميزات للكشف عن البنية الأساسية في البيانات التي تؤدي إلى أحدث النتائج في المهام في الرؤية والكلام وبسرعة في المجالات الأخرى أيضًا. يركز هذا المقررعلى تعلم النظرية الأساسية للتعلم العميق وكيفية تطبيقها على التطبيقات المختلفة. يهدف إلى تقديم التحديات الرياضية والإحصائية والحسابية لبناء تمثيلات مستقرة للبيانات عالية الأبعاد ، مثل الصور والنصوص والبيانات. سوف يتعمق في موضوعات مختارة من التعلم العميق ، ويناقش النماذج الحديثة من كل من التعلم الخاضع للإشراف وغير الخاضع للإشراف. سيكون التركيز بشكل خاص على البنى التلافيفية ، والتعلم الثابت ، والتعلم غير الخاضع للإشراف والتحسين غير المحدب
Course ID: ARTI 406
الساعات المعتمدة | نظري | عملي | مختبرات | محاضرة | ستوديو | ساعات الاتصال | المتطلبات السابقة | 3 | 4 | 4 | ARTI 308 |
---|