كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

أساسيات معماريات التعلم العميق

Deep Learning Architecture Foundations

من الشبكات العصبية التقليدية إلى المعماريات الحديثة: كيف أضاف كل جيل تحيّزاً استقرائياً جديداً.

مبتدئ

أهداف المسار

  • فهم التحويل الخطي ودوال التنشيط والانتشار العكسي.
  • تفسير سبب نجاح الالتفاف مع الصور والوصلات المتبقية مع العمق.
  • شرح فكرة الضغط في المشفّر التلقائي.
  • حساب الانتباه بالضرب النقطي المقيّس خطوة بخطوة.
  • قراءة مخطط كتلة Transformer وتتبّع أبعادها.

المتطلبات السابقة

  • جبر خطي أساسي: ضرب المصفوفات والمتجهات.
  • مشتقات وقاعدة السلسلة.
  • بايثون وأساسيات NumPy أو PyTorch.

ترتيب التعلّم

  1. الإدراك متعدد الطبقات Multilayer Perceptron

    شبكة من طبقات خطية متتالية تفصل بينها دوال تنشيط غير خطية، وهي اللبنة الأولى التي تُبنى عليها معظم المعماريات الحديثة.

  2. الشبكة العصبية الالتفافية Convolutional Neural Network

    شبكة تستخدم مرشّحات التفاف صغيرة مشتركة الأوزان تنزلق على الصورة، فتلتقط الأنماط المحلية مع عدد معاملات أقل بكثير من MLP.

  3. الشبكة المتبقية Residual Network

    تضيف وصلات تخطٍّ (skip connections) تجعل كل كتلة تتعلم الفرق المتبقي F(x) بدلاً من التحويل الكامل، فيصبح تدريب شبكات بمئات الطبقات ممكناً.

  4. المشفّر التلقائي Autoencoder

    شبكة تضغط الدخل إلى تمثيل كامن صغير (encoder) ثم تعيد بناءه (decoder)، فتتعلم تمثيلاً مضغوطاً دون تسميات.

  5. آلية الانتباه Attention Mechanism

    آلية تسمح للنموذج بأن يحسب أوزاناً لكل عنصر من عناصر الدخل حسب صلته بالخطوة الحالية، ثم يأخذ متوسطاً موزوناً، بدلاً من ضغط الجملة كلها في متجه واحد.

  6. المحوّل Transformer

    معمارية تعتمد بالكامل على الانتباه الذاتي متعدد الرؤوس بدلاً من التكرار أو الالتفاف، فتعالج كل مواضع التسلسل بالتوازي وتربط أي موضعين مباشرة بخطوة وا…

المختبرات

مشاريع مقترحة

  1. ابنِ في مصمم المعماريات شبكة MLP ثم CNN لصور 28×28، وقارن عدد المعاملات في الحالتين.
  2. درّب مثال ResNet في الموسوعة مرة بالوصلات المتبقية ومرة دونها بعمق أكبر، وسجّل الفرق في الخسارة.
  3. نفّذ الانتباه بالضرب النقطي يدوياً بـ NumPy وقارن الناتج مع nn.MultiheadAttention.

اختبار المسار

  1. صح أو خطأ

    تركيب طبقتين خطيتين دون دالة تنشيط يكافئ طبقة خطية واحدة.

  2. صح أو خطأ

    الوصلة المتبقية في ResNet تضيف معاملات كثيرة إلى كل كتلة.

  3. مفهوم

    ما الذي يجعل الالتفاف أوفر في المعاملات من الطبقة الكاملة الاتصال على الصور؟

  4. رياضي

    في الانتباه $\mathrm{softmax}(QK^\top/\sqrt{d_k})V$، لماذا نقسم على $\sqrt{d_k}$؟