نظم مركز الحاسبة الالكترونية / جامعة بغداد ندوة علمية بعنوان The Python Deep Learning Library  keras بمشاركة عدد من الباحثين والتدريسيين والمبرمجين من مركز الحاسبة الالكترونية والمراكز الاخرى وتهدف الندوة التي ادارتها الدكتورة هالة حسن الى عرض وايضاح المفاهيم الاتية:-

التعلم العميق  Deep Learning.

فهو مجال بحث جديد يتناول إيجاد نظريات وخوارزميات تتيح للآلة أن تتعلم بنفسها عن طريق محاكاة الخلايا العصبية في جسم الإنسان. و أحد فروع العلوم التي تتناول علوم الذكاء الاصطناعي يعد فرع من فروع علوم التعلم الآلي، تركز معظم أبحاث التعلم المتعمق على إيجاد أساليب استنباط درجة عالية من المتجردات بتحليل مجموعة بيانات ضخمة باستخدام متحولات خطية وغير خطية. اثبتت الاكتشافات في هذا المجال تقدما كبيرا وسريعا وفعالية في العديد المجالات منها التعرف على الوجه، التعرف على الكلام، الرؤية الحاسوبية، ومعالجة اللغات الطبيعية.

الـ keras

ويعتبر الـ keras مكتبة مفتوحة المصدر للشبكة العصبية مكتوبة في بيثون.

وهو قادر على العمل فوق TensorFlow و Microsoft Cognitive Toolkit و R و Theano Designed لتمكين التجريب السريع مع الشبكات العصبية العميقة. وقد تم تطويره كجزء من الجهد البحثي لمشروع ONEIROS (نظام التشغيل الذكي للأجهزة الإلكترونية العصبية المفتوحة العضوية) ، والمؤلف الرئيسي والمشرف عليه هو فرانسوا شوليت ، مهندس Google. Chollet هو أيضًا مؤلف نموذج الشبكة العصبية العميقة XCeption.

الأهداف و المكتسبات:

  • التمكن من بناء نماذج التعلم العميق باستخدام Keras .
    • التعرف على كيفية تقييم أداء الشبكات العصبية التي تم إنشاؤها باستخدام Keras.
    • التمكن من فهم كيفية ضبط طبقات Keras على طبولوجيا الشبكة المختلفة.
    • التعرف على شفرة العديد من الشبكات العصبية في Python باستخدام Keras.
    • التمكن من تمييز التطبيقات العملية التي يمكن أن تستفيد من التعلم العميق.
    • التمكن من تدريب و تشغيل نماذج في السحابة cloud باستخدام GPU.
    • تعلم بناء و تدريب و استخدام الشبكات العصبية المترابطة و التلفيفية و المتكررة.
    • تطبيق التعلم العميق لحل مشاكل التعلم تحت الإشراف و أيضاغير الخاضعة للرقابة و التي تشمل الصور و النصوص و الصوت و السلسلة الزمنية و البيانات المجدولة.
    • تثبيت و استخدام Python و Keras لبناء نماذج التعلم العميق.
    * التعرف على الصور باستخدام مكتبة CIFAR-10.
    • التعرف على أرقام مكتوبة بخط اليد باستخدام MNIST المتقدمة.
    • التعرف على الصور باستخدام CIFAR-100.

 

Comments are disabled.