Practical Deep Learning، الطبعة الثانية - بواسطة Ronald T Kneusel (غلاف ورقي)

عن الكتاب "مقدمة في تعلم الآلة والتعلم العميق للمبتدئين. يغطي المفاهيم الأساسية قبل عرض نماذج تعلم الآلة الكلاسيكية، والشبكات العصبية، والشبكات العصبية الالتفافية الحديثة. يتضمن تجارب عملية باستخدام Python لكل نموذج"--مقدم من الناشر. ملخص الكتاب التعلم العميق أصبح بسيطاً. تعمق في مجال التعلم العميق دون الغرق في النظريات مع هذه الطبعة المحدثة بالكامل من كتاب Practical Deep Learning، من تأليف المؤلف الخبير في الذكاء الاصطناعي Ronald T. Kneusel. بعد مراجعة موجزة لمبادئ الرياضيات والبرمجة الأساسية، ستنغمس في تجارب عملية وتتعلم كيفية بناء نماذج فعالة لكل شيء، بدءاً من تحليل الصور وصولاً إلى الكتابة الإبداعية، كما ستكتسب فهماً شاملاً لكيفية عمل كل تقنية من الداخل. سواء كنت مطوراً يتطلع إلى إضافة الذكاء الاصطناعي إلى مجموعة أدواته، أو طالباً يسعى لاكتساب مهارات عملية في تعلم الآلة، سيعلمك هذا الكتاب: كيفية عمل الشبكات العصبية وطرق تدريبها، وكيفية استخدام نماذج تعلم الآلة التقليدية، وكيفية تطوير نموذج تعلم عميق من الصفر، وكيفية تقييم النماذج باستخدام مقاييس معتمدة في القطاع التقني، بالإضافة إلى كيفية إنشاء نماذج الذكاء الاصطناعي التوليدي الخاصة بك.

يركز كل فصل على تطوير المهارات العملية والتجريب، وصولاً إلى دراسة حالة تدمج كل ما تعلمته لتصنيف التسجيلات الصوتية. كما يتضمن الكتاب أمثلة على أكواد برمجية جاهزة للعمل يمكنك تشغيلها وتعديلها بسهولة، وجميع هذه الأكواد متاحة مجاناً على GitHub. مع الإصدار الثاني من Practical Deep Learning، ستكتسب المهارات والثقة اللازمة لبناء أنظمة ذكاء اصطناعي حقيقية تعالج مشكلات واقعية. ما الجديد في هذه الطبعة: محتوى حول الرؤية الحاسوبية، والضبط الدقيق والتعلم بنقل المعرفة، والتوطين، والتعلم الخاضع للإشراف الذاتي، والذكاء الاصطناعي التوليدي لإنشاء صور مبتكرة، والنماذج اللغوية الكبيرة للتعلم في السياق، والبحث الدلالي، والتوليد المعزز بالاسترداد (RAG). نبذة عن المؤلف: حصل Ronald T. Kneusel على درجة الدكتوراه في تعلم الآلة من University of Colorado, Boulder، ويمتلك خبرة تزيد عن 20 عاماً في مجال تعلم الآلة في القطاع الصناعي. يُعد Kneusel أيضاً مؤلفاً للعديد من الكتب، بما في ذلك Math for Programming (2025)، و The Art of Randomness (2024)، و How AI Works (2023)، و Strange Code (2022)، و Math for Deep Learning (2021)، وجميعها من No Starch Press.