RSVP for your your local TensorFlow Everywhere event today!
ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

أساسيات التعلم الآلي باستخدام TensorFlow

قبل البدء في المواد التعليمية أدناه ، يرجى التأكد من:

  • لديك خبرة في تطوير البرامج ، خاصة في Python

هذا المنهج مخصص للأشخاص الذين هم:

  • جديد في تعلم الآلة ولكن لديهم خلفية في علوم الكمبيوتر أو التطوير

يهدف هذا المحتوى إلى توجيه المطورين الجدد في ML خلال المراحل الأولى من رحلة ML. سترى أن العديد من الموارد تستخدم TensorFlow ، ومع ذلك ، فإن المعرفة قابلة للنقل إلى أطر عمل أخرى للتعلم الآلي.

الخطوة 1: فهم ما هو كل شيء عن ML

تم تصميم TensorFlow 2.0 لتسهيل بناء الشبكات العصبية للتعلم الآلي ، ولهذا السبب يستخدم TensorFlow 2.0 واجهة برمجة تطبيقات تسمى Keras. يعد كتاب " التعلم العميق في بايثون " للمؤلف فرانسوا شوليت ، مبتكر Keras ، مكانًا رائعًا للبدء. اقرأ الفصول من 1 إلى 4 لفهم أساسيات ML من منظور المبرمج. يتعمق النصف الثاني من الكتاب في مجالات مثل رؤية الكمبيوتر ، ومعالجة اللغة الطبيعية ، والتعلم العميق التوليدي ، والمزيد. لا تقلق إذا كانت هذه الموضوعات متقدمة جدًا في الوقت الحالي لأنها ستكون أكثر منطقية في الوقت المناسب.

كتب
التعلم العميق مع بايثون ، بقلم فرانسوا شوليت

هذا الكتاب هو مقدمة عملية وعملية عن التعلم العميق باستخدام Keras.

⬆ أو ⬇

احصل على دورة تدريبية عبر الإنترنت مثل مقدمة Coursera إلى TensorFlow أو مقدمة Udacity إلى TensorFlow for Deep Learning ، وكلاهما يغطي نفس الأساسيات مثل كتاب Francois. قد تجد أيضًا مقاطع الفيديو هذه من 3blue1brown مفيدة ، والتي تمنحك تفسيرات سريعة حول كيفية عمل الشبكات العصبية على المستوى الرياضي.

سيمنحك إكمال هذه الخطوة أسس كيفية عمل ML ، وإعدادك للتعمق أكثر.

دورات تمهيدية عبر الإنترنت
deeplearning.ai: مقدمة إلى TensorFlow لـ AI و ML والتعلم العميق

تم تطوير هذه الدورة التدريبية بالتعاون مع فريق TensorFlow ، وهي جزء من TensorFlow في تخصص الممارسة ، وسوف تعلمك أفضل الممارسات لاستخدام TensorFlow.

دورات تمهيدية عبر الإنترنت
Udacity: مقدمة إلى TensorFlow للتعلم العميق

في هذه الدورة التدريبية عبر الإنترنت التي طورها فريق TensorFlow و Udacity ، ستتعلم كيفية إنشاء تطبيقات التعلم العميق باستخدام TensorFlow.

الخطوة الثانية: ما وراء الأساسيات

خذ تخصص TensorFlow في الممارسة ، والذي يأخذك إلى ما وراء الأساسيات في رؤية الكمبيوتر التمهيدية ، ومعالجة اللغة الطبيعية ، ونمذجة التسلسل.

استكمال هذه الخطوة يواصل تقديمك ، ويعلمك كيفية استخدام TensorFlow لبناء نماذج أساسية لمجموعة متنوعة من السيناريوهات ، بما في ذلك تصنيف الصور ، وفهم المشاعر في النص ، والخوارزميات التوليدية ، والمزيد.

دورات تمهيدية عبر الإنترنت
deeplearning.ai: تخصص TensorFlow في الممارسة

في هذه الدورة التدريبية ، سوف تستكشف الأدوات التي يستخدمها المطورون لبناء خوارزميات قابلة للتطوير مدعومة بالذكاء الاصطناعي في TensorFlow.

الخطوة 3: الممارسة

جرب بعض دروس TensorFlow Core الخاصة بنا ، والتي ستتيح لك ممارسة المفاهيم التي تعلمتها في الخطوتين 1 و 2. عند الانتهاء ، جرب بعض التدريبات الأكثر تقدمًا على الجانب الأيسر من الصفحة.

سيؤدي إكمال هذه الخطوة إلى تحسين فهمك للمفاهيم والسيناريوهات الرئيسية التي ستواجهها عند إنشاء نماذج ML.

الخطوة 4: تعمق مع TensorFlow

حان الوقت الآن للعودة إلى "التعلم العميق في Python" بقلم فرانسوا وإنهاء الفصول 5-9. كل مثال في هذا الكتاب سيعمل في TensorFlow 2.0 ، فقط عن طريق تغيير الاستيراد. يجب عليك أيضًا قراءة كتاب التعلم الآلي العملي باستخدام Scikit-Learn و Keras و TensorFlow من تأليف Aurelien Geron. يقدم هذا الكتاب ML باستخدام scikit-Learn ، وكذلك التعلم العميق باستخدام TensorFlow 2.0.

سيؤدي إكمال هذه الخطوة إلى استكمال معرفتك التمهيدية بـ ML ، بما في ذلك توسيع النظام الأساسي لتلبية احتياجاتك.

كتب
التعلم الآلي العملي باستخدام Scikit-Learn و Keras و TensorFlow ، الإصدار الثاني ، بواسطة Aurélien Géron

باستخدام أمثلة ملموسة وإطاري عمل Python الجاهزين للإنتاج - Scikit-Learn و TensorFlow - يساعدك هذا الكتاب على اكتساب فهم بديهي لمفاهيم وأدوات بناء أنظمة ذكية.