تطبيقات التعلم العميق: رؤية الحاسوب، ومعالجة اللغة الطبيعية، والسلاسل الزمنية

تصنيف الصور باستخدام الشبكات العصبية التلافيفية والتعلم بالنقل التنبؤ بالسلاسل الزمنية - التنبؤ بالتسلسل باستخدام الشبكات العصبية المتكررة (RNN) وشبكات الذاكرة طويلة المدى (LSTM) ووحدات التكرار البوابية (GRU). أساسيات الشبكات العصبية - التنظيم، والوظائف المستدعاة، والبنى المتبقية تتبع جميع دفاتر الملاحظات بنية احترافية متسقة: EDA → المعالجة المسبقة → بناء النموذج → التقييم باستخدام المقاييس → التصورات → الاستنتاجات الرئيسية. نظرة عامة على المشروع الهدف الرئيسي لهذا المشروع هو فهم وتطبيق تقنيات التعلم العميق في سيناريوهات العالم الحقيقي من خلال: تطبيق ومقارنة البنى المتكررة (RNN، LSTM، GRU) للتنبؤ بالسلاسل الزمنية باستخدام MAE وRMSE بناء شبكات عصبية تلافيفية من الصفر وتطبيق التعلم بالنقل باستخدام VGG16 لتصنيف الصور CIFAR-10 تطبيق شبكة ResNet مصغرة مع كتل متبقية مخصصة لمعالجة مشكلة تلاشي التدرج بناء شبكة تغذية أمامية منتظمة (تطبيع الدفعات + التسرب) مع استدعاءات تدريب ذكية ⚙️ التقنيات المستخدمة بايثون TensorFlow / Keras NumPy باندا ماتبلوتليب سيبورن Scikit-learn دفتر ملاحظات جوبيتر هيكل المشروع دفتر ملاحظات وصف Time_Series_Prediction_Comparison.ipynb يقوم برنامج EDA بتحليل بيانات درجة حرارة ملبورن، ثم يقوم بتدريب وتقييم الشبكات العصبية المتكررة (RNN) والشبكات العصبية طويلة المدى (LSTM) وشبكات التكرار البوابية (GRU) باستخدام مقياسي MAE وRMSE، بالإضافة إلى جدول مقارنة نهائي. CV_NLP_Models_Overview.ipynb تصنيف صور CIFAR-10: مقارنة بين CNN من الصفر، وVGG16 المجمدة، وVGG16 المُحسّنة؛ يتضمن مصفوفة الارتباك الخاصة بـ Seaborn وجدول مقارنة النماذج. Fashion_MNIST_Basic_NN.ipynb شبكة تغذية أمامية محسّنة مع وظائف استدعاء BatchNormalization + Dropout و EarlyStopping + ReduceLROnPlateau، وتقرير تصنيف، وخريطة حرارية لمصفوفة الارتباك ResNet_Implementation.ipynb تم بناء شبكة ResNet مصغرة من الصفر لمجموعة بيانات CIFAR-10 باستخدام residual_block()دالة مخصصة؛ تشرح الاتصالات المتبقية ومشكلة تلاشي التدرج ما الذي تتوقعه عند تشغيل دفاتر الملاحظات؟ ملاحظة: تحتوي دفاتر الملاحظات على تعليمات برمجية جاهزة للتنفيذ بدون مخرجات مُنفذة مسبقًا. شغّل جميع الخلايا لرؤية النتائج. دفتر ملاحظات ما ستراه السلاسل الزمنية منحنيات التدريب لشبكات RNN وLSTM وGRU + جدول مقارنة MAE/RMSE + مخططات التنبؤ السيرة الذاتية دقة كل دورة تدريبية لشبكة CNN Scratch، وVGG16 Frozen، وVGG16 Fine-tuned، بالإضافة إلى مصفوفة الارتباك. فن مينست منحنيات الدقة/الخسارة، تقرير التصنيف، وخريطة حرارية لمصفوفة الارتباك شبكة ريزنت المصغرة model.summary()، ومخططات تاريخ التدريب، ودقة الاختبار على CIFAR-10