Skip to content
KnowledgeCity

الذكاء الاصطناعي

تصفية الدورات
مستوى الدورة التدريبية
المدّة
إلغاء التصفية
44 دورات ل 'الذكاء الاصطناعي'
لم نعثر على أيّ شيء اليوم، ولكن تحقق مجدداً في وقت لاحق، فنحن نضيف محتوى جديد كل شهر!
أخلاقيات الذكاء الاصطناعي والمساءلة ساعتان وإحدى وثلاثون دقيقة • 54 الدروس • متوسط ستوفر هذه الدورة التدريبية حول أخلاقيات الذكاء الاصطناعي والمساءلة نظرة عامة شاملة على الاعتبارات والمبادئ الأخلاقية المتعلقة بالمساءلة في أنظمة الذكاء الاصطناعي. سوف تتعرف على المبادئ التي تنطبق فقط على أنظمة الذكاء الاصطناعي، مثل قابلية الشرح، بالإضافة إلى مبادئ أوسع، مثل مبدأ المساواة في الوصول إلى التكنولوجيا والخدمات والفرص. سوف تتعلم عن تقاطع الذكاء الاصطناعي الأخلاقي وحقوق الإنسان والحكم والنظام القانوني.
أخلاقيات الذكاء الاصطناعي والمساءلة: تطوير الذكاء الاصطناعي الحديث أربع وعشرون دقيقة • 7 الدروس • متوسط ستغطي هذه الدروس حول تطوير الذكاء الاصطناعي الحديث تاريخ وخلفية الذكاء الاصطناعي والجوانب والمفاهيم الأساسية للذكاء الاصطناعي، بما في ذلك كيفية عمل الذكاء الاصطناعي كنظام اتخاذ القرار. سنستكشف أيضًا كيفية استخدام الذكاء الاصطناعي في الحياة اليومية، والتعلم الآلي كنظام آلي يتعلم من المعلومات، والاعتبارات الفريدة حول البيانات الضخمة المستخدمة في أنظمة الذكاء الاصطناعي.
أخلاقيات الذكاء الاصطناعي والمساءلة: التحديات الفريدة للذكاء الاصطناعي والتعلم الآلي ست عشرة دقيقة • 5 الدروس • متوسط في هذه الدروس حول التحديات الفريدة التي يواجهها الذكاء الاصطناعي والتعلم الآلي، ستستكشف أنواع التعلم الآلي، بما في ذلك التعلم الخاضع للإشراف، والذي يستخدم البيانات المصنفة لإجراء التنبؤات؛ غير خاضعة للإشراف، وهي سلسلة من التقنيات لفهم بنية البيانات دون متغير النتيجة؛ والتعلم المعزز، أحد أقدم أنماط التعلم الآلي الذي يستخدم طريقة التعلم القائمة على الأهداف. ستفهم أيضًا الاعتبارات الأخلاقية المتعلقة بالشبكات العصبية والذكاء الاصطناعي التوليدي.
أخلاقيات الذكاء الاصطناعي والمساءلة: مقدمة في الذكاء الاصطناعي الأخلاقي إحدى وعشرون دقيقة • 7 الدروس • متوسط في هذه الدروس، ستتعرف على مشهد الحوكمة حول الذكاء الاصطناعي. سوف تتعرف على توافق الذكاء الاصطناعي مع القيم الإنسانية والتأثيرات الخارجية التي ترتبط بشكل غير مباشر بإنشاء ونشر أي نظام للذكاء الاصطناعي، مثل التأثيرات البيئية. ستتعرف أيضًا على أنظمة الذكاء الاصطناعي التي تسبب ضررًا متعمدًا وأنماطًا مظلمة، وأنماط تصميم خادعة تُستخدم للتأثير على الأفراد للقيام بعمل قد لا يكون في مصلحتهم.
أخلاقيات الذكاء الاصطناعي والمساءلة: المساءلة في الذكاء الاصطناعي ثمان دقائق • 4 الدروس • متوسط تعد المساءلة جزءًا مهمًا من أخلاقيات الذكاء الاصطناعي، وهي ذات صلة في جميع مراحل دورة حياة نظام الذكاء الاصطناعي، بما في ذلك أثناء التصميم، وبعد النشر، وكذلك عند حدوث أي ضرر بسبب النظام. في هذه الدروس حول المساءلة في الذكاء الاصطناعي، ستتعلم كيف يمكن تقييم أنظمة الذكاء الاصطناعي باستخدام مبادئ المساءلة، إلى جانب الإصلاحات التنظيمية والأطر القانونية وتقاطعها مع المساءلة.
أخلاقيات الذكاء الاصطناعي والمساءلة: الخصوصية والسلامة والأمن في الذكاء الاصطناعي ثلاث عشرة دقيقة • 6 الدروس • متوسط ستناقش هذه الدروس حول الخصوصية والسلامة والأمن في الذكاء الاصطناعي اللائحة العامة لحماية البيانات، والموافقة، وإمكانية نقل البيانات، والقدرة على تقييد المعالجة، والحق في التصحيح، والحق في المحو. سوف تتعلم مفاهيم مهمة تتعلق بالموثوقية والسلامة وتكتشف كيف يمكن للمراقبة اكتشاف المخاطر المحتملة وتخفيف الضرر بسرعة إذا كان النظام لا يعمل على النحو المطلوب. ستغطي هذه الدروس أيضًا مدى أهمية إمكانية التتبع للسلامة.
أخلاقيات الذكاء الاصطناعي والمساءلة: الشفافية وقابلية الشرح في الذكاء الاصطناعي أربع عشرة دقيقة • 5 الدروس • متوسط في هذه الدروس حول الشفافية وقابلية الشرح في الذكاء الاصطناعي، ستتعرف على قابلية الشرح وقابلية التفسير وتقاطعها مع مفهومي الصندوق الأسود والصندوق الزجاجي للذكاء الاصطناعي. ستراجع مزايا وعيوب البرامج مفتوحة المصدر في تطوير نظام الذكاء الاصطناعي. ستتعرف أيضًا على مبادئ الإخطار بالقرار والتفاعل وأهميتها مع الأنظمة التي تستخدم اللغة الطبيعية أو التعرف على الوجه.
أخلاقيات الذكاء الاصطناعي والمساءلة: التحيز والشمولية والعدالة في الذكاء الاصطناعي ثمان دقائق • 4 الدروس • متوسط ستستكشف هذه الدروس حول التحيز والشمولية والعدالة في الذكاء الاصطناعي سبب كون التحيز أحد أكثر المفاهيم التي تمت مناقشتها والتي تتضمن أخلاقيات الذكاء الاصطناعي ولماذا يجب أن يكون منع التحيز جزءًا من إدارة كل نظام للذكاء الاصطناعي. بالإضافة إلى ذلك، ستستعرض هذه الدروس مفاهيم العدالة والتمثيل ومبدأ التأثير الشامل.
أخلاقيات الذكاء الاصطناعي والمساءلة: المسؤولية المهنية والتحكم البشري في تكنولوجيا الذكاء الاصطناعي ثمان دقائق • 5 الدروس • متوسط في هذه الدروس حول المسؤولية المهنية والتحكم البشري في الذكاء الاصطناعي، ستتعرف على المبدأ الواسع للتحكم البشري في التكنولوجيا وكيف يتقاطع مع تطوير نظام الذكاء الاصطناعي. سترى أيضًا كيف ترتبط مسؤولية المصممين بحوكمة نظام الذكاء الاصطناعي وتعاون أصحاب المصلحة المتعددين لتمكين التعليقات القيمة حول تصميم النظام وتأثيره على مجموعات أصحاب المصلحة المختلفة.
أخلاقيات الذكاء الاصطناعي والمساءلة: الذكاء الاصطناعي والأنظمة الاجتماعية التقنية سبع عشرة دقيقة • 6 الدروس • متوسط ترتبط حقوق الإنسان ارتباطاً وثيقاً بالقيم الإنسانية، وتتقاطع مع كافة جوانب المجتمع. في هذه الدروس حول الذكاء الاصطناعي وتأثير النظام الاجتماعي التقني على المجتمع والقيم الإنسانية، ستتعلم كيف يمكن أن تتأثر حقوق الإنسان بالذكاء الاصطناعي وستفهم تقاطع الحقوق المدنية والحريات المدنية مع الذكاء الاصطناعي. ستتعرف على مبدأ المساواة في الوصول إلى التكنولوجيا والخدمات والفرص وكيف سيتغير هذا المبدأ الواسع مع تطور الذكاء الاصطناعي بشكل أكبر.
أخلاقيات الذكاء الاصطناعي والمساءلة: حوادث الذكاء الاصطناعي الحرجة أربع عشرة دقيقة • 3 الدروس • متوسط تتناول هذه الدروس حول حوادث الذكاء الاصطناعي الخطيرة حوادث الذكاء الاصطناعي المهمة من خلال سلسلة من الأمثلة الواقعية للنتائج السلبية في الذكاء الاصطناعي، وكيف تم حلها، وكيف كان من الممكن منعها. وعلى وجه التحديد، ستعمل من خلال دراسات الحالة التي تركز على قضايا الهوية والتمييز والمحتوى المسيء والآثار القانونية. ستراجع أولاً حالة التمييز في توظيف الذكاء الاصطناعي حيث تم استبعاد المتقدمات من الإناث، ثم ستنظر في حالة الصورة المتحيزة للذكاء الاصطناعي التي أدت إلى أوصاف صور مسيئة.
أساسيات الذكاء الاصطناعي ساعة واحدة • 17 الدروس • مبتدئ في هذه الدورة التدريبية عن أساسيات الذكاء الاصطناعي، ستستكشف ما المقصود بالذكاء الاصطناعي، وكيف يغير طريقة عيش الأشخاص وعملهم، وتطبيقاته الحالية والمحتملة على أرض الواقع، والسمات الرئيسية للذكاء الاصطناعي، والتحديات الأخلاقية التي يفرضها.
ما الذكاء الاصطناعي؟ ثلاث عشرة دقيقة • 4 الدروس • مبتدئ مرحباً بك في هذه الدورة التدريبية بعنوان "ما الذكاء الاصطناعي؟". في هذه الدروس، ستستكشف ما المقصود بالذكاء الاصطناعي، والاختلافات بين الذكاء الطبيعي والاصطناعي، وستتعلم كيف يسمح الذكاء الاصطناعي للبشر بإنشاء أنظمة ذكية مثل روبوتات الدردشة والسيارات الذكية التي تستطيع التفكير كالعقل البشري تماماً.
الأسس النظرية للذكاء الاصطناعي خمس عشرة دقيقة • 4 الدروس • مبتدئ في هذه الدروس عن الأسس النظرية للذكاء الاصطناعي، ستتعرف على المفاهيم النظرية المتعلقة بالذكاء الاصطناعي وستستكشف تلك النظريات، بالإضافة إلى عملية اختبار الذكاء الاصطناعي.
الذكاء الاصطناعي وتقنيات أخرى خمس عشرة دقيقة • 5 الدروس • مبتدئ في هذه الدورة التدريبية بعنوان "الذكاء الاصطناعي وتقنيات أخرى"، ستستكشف الذكاء الاصطناعي ونوعي حلول تعلم الآلة ، بالإضافة إلى استخدام الذكاء الاصطناعي في الروبوتات.
اتجاهات الذكاء الاصطناعي واستخداماته خمس عشرة دقيقة • 4 الدروس • مبتدئ هذه الدروس عن اتجاهات الذكاء الاصطناعي واستخداماته ستتناول كيفية استخدام الذكاء الاصطناعي في العالم حالياً واستخداماته المحتملة في المستقبل، بدءاً من تخزين المعلومات الشخصية والكتابة الآلية للتعليمات البرمجية ووصولاً إلى التشخيص واستخدام الموارد.
نمذجة تصنيف البيانات ساعة واحدة وست وخمسون دقيقة • 32 الدروس • متوسط
مُعتمد من قبل
International Institute of Business Analysis (IIBA®)
في هذه الدورة، ستتعلم أساسيات نمذجة التصنيف باستخدام التعلم الآلي. ستفحص خط أنابيب نموذج التصنيف النموذجي والمشكلات التي يطبق عليها التصنيف. سوف تتعلم أيضًا كيفية جمع ومعالجة وتحليل البيانات اللازمة لإنشاء نموذج تصنيف قابل للتطبيق. سيتم شرح نماذج التصنيف الأكثر شيوعًا ومناقشة المفاضلات بين النماذج، بما في ذلك النصائح العملية لتنفيذها.
التعلم الآلي والتصنيف ست وعشرون دقيقة • 6 الدروس • متوسط ستقدم هذه الدروس نمذجة التصنيف ومساحة المشكلة ضمن التعلم الآلي الخاضع للإشراف. وسيشمل ذلك التعلم والتعرف على الفرق بين التصنيف والتنبؤ، وكيف تتناسب نمذجة التصنيف مع المجال الأكبر للتعلم الآلي. سوف تتعلم كيفية التعامل مع مشاكل التصنيف، وسيتم تقديمك إلى خط أنابيب نموذج التصنيف النموذجي.
مشاكل التصنيف سبع وعشرون دقيقة • 6 الدروس • متوسط ستشرح هذه الدروس عملية بناء النموذج النموذجية بالرجوع إلى خط أنابيب نموذج التصنيف. ستتلقى أيضًا مقدمة حول مشاكل التصنيف الثنائي ومتعدد الفئات، والطرق التي يتم استخدامها على أفضل وجه. سوف تتعلم كيفية استخدام هندسة الميزات لمعرفة أفضل مدخلات البيانات لنماذج التصنيف الخاصة بك.
خوارزميات / نماذج التصنيف أربع وثلاثون دقيقة • 8 الدروس • متوسط ستتعلم في هذه الدروس خوارزميات التصنيف الأكثر استخدامًا والمشكلات التي تنطبق عليها عادةً. سنغطي العديد من أنماط النمذجة بما في ذلك: الانحدار، وNaive Bayes،وآلات المتجهات الداعمة، وأشجار القرار، ونماذج الغابات العشوائية، وخوارزمية K-Nearest Neighbours والنماذج متعددة الفئات.
تحديات نمذجة التصنيف ست عشرة دقيقة • 6 الدروس • متوسط في هذه الدروس، ستتعلم كيفية اختيار النموذج الصحيح من خلال التفكير في المفاضلات بينهما. سوف تتعلم أيضًا كيفية التعامل مع التحديات المشتركة التي تواجهها نماذج التصنيف، بما في ذلك مشاكل التحيز والإنصاف وجمع البيانات. سوف تستكشف هذه الدروس التوازن بين الدقة وإمكانية الشرح، بالإضافة إلى البقاء على دراية بالمجموعات التي يمكن أن تؤثر عليها نماذجك. ستتعرف على بعض المشاكل الحالية مع أنظمة التصنيف من حيث الهجمات العدائية التي يمكن أن تدمر أداء النموذج وتسبب مشاكل كبيرة في النشر.
تطبيقات نمذجة التصنيف عشر دقائق • 4 الدروس • متوسط ستأخذك هذه الدروس عبر التطبيقات المختلفة لنمذجة التصنيف في سيناريوهات الحياة الواقعية. سوف تتعلم كيف يتم استخدام نمذجة التصنيف والذكاء الاصطناعي في التصوير الطبي والتشخيص والوقاية، وكيف يأمل الباحثون في مساعدة الرعاية الصحية حول العالم. سوف تتعلم أيضًا الطرق التي تستخدم بها الشركات النمذجة والتنبؤ لفهم سلوك العملاء وانسحابهم بشكل أفضل.
الشبكات العصبية ساعة واحدة وخمس وعشرون دقيقة • 24 الدروس • مبتدئ في هذه الدورة، ستتعلم أساسيات الشبكات العصبية. ستفهم ما هي الشبكات العصبية والمفاهيم والمواضيع ذات الصلة. ستكون قادرا على فهم جوانب التصميم المختلفة للشبكات العصبية وكيفية العمل على إجراء اختيارات لهم. سوف تغطي الدورة أيضا كيفية تنفيذ الشبكات العصبية، على وجه التحديد في بايثون. سيتم مناقشة مزايا أطر الشبكة العصبية المختلفة وإعطاء أمثلة على تطبيقها.
ما هي الشبكات العصبية؟ سبع عشرة دقيقة • 5 الدروس • مبتدئ ستقدم هذه الوحدة الشبكات العصبية. ستتعرف على ما هي الشبكات العصبية وكيف يتم استخدامها. سوف تتعلم أيضا عن النوع الأساسي للشبكة العصبية. سيتم مناقشة المدخلات والمخرجات وتوضيحها في هذه الوحدة. وستشرح هذه الوحدة أيضا الفرق بين التصنيف والانحدار للشبكات العصبية.
تصميم الشبكة العصبية تسع وعشرون دقيقة • 7 الدروس • مبتدئ ستقدم هذه الوحدة مفاهيم تصميم الشبكة العصبية. حيث ستغطي أهمية البيانات في كل من أداء واختيار الشبكات العصبية. وستغطي أيضا دوال التنشيط ودوال Loss  والمحسنات Optimizers وكذلك كيفية تحديد أي منها الأفضل للاستخدام. ستعرفك هذه الوحدة أيضا على التدريب والاختبار والتحقق من صحة الشبكات العصبية.
تطبيقات الشبكات العصبية ثمان وعشرون دقيقة • 6 الدروس • مبتدئ في هذه الوحدة، ستتعلم تنفيذ الشبكة العصبية. وسيتم مناقشة لغات مختلفة قادرة على أن يتم استخدامها لتنفيذ الشبكات العصبية. سوف تتعلم لماذا يوصى ببايثون كلغة برمجية لبدء تنفيذ الشبكة العصبية. تغطي هذه الوحدة أيضا أطرا مختلفة لتنفيذ الشبكات العصبية في بايثون.
تطبيقات عملية للشبكات العصبية سبع دقائق • 4 الدروس • مبتدئ ستغطي هذه الوحدة الاستخدامات والتطبيقات العملية للشبكات العصبية. وسوف تغطي كيفية استخدام الشبكات العصبية في الأمن السيبراني والأتمتة والكشف عن الأنشطة غير الطبيعية في مجموعة البيانات والأنظمة التنبؤية.
التجميع في التعلم الآلي ساعتان وتسع وثلاثون دقيقة • 37 الدروس • متوسط
مُعتمد من قبل
International Institute of Business Analysis (IIBA®)
في هذه الدورة التدريبية، ستتعلم أساسيات مجموعة متنوعة من مجالات التعلم الآلي، بما في ذلك التجميع واكتشاف الانحرافات في البيانات ونمذجة الارتباط. ستفهم الطريقة الأكثر شيوعًا للتجميع K- Means وكيف يمكن تطبيقها على بيانات الاستطلاع من أجل إنشاء تقسيم قوي للعملاء، بما في ذلك إنشاء الشخصيات وأداة الكتابة. بنهاية هذه الدورة التدريبية، ستعرف كيفية تنفيذ عدد من تقنيات التجميع والتحليل المختلفة.
تحليل مجموعات البيانات ست وثلاثون دقيقة • 7 الدروس • متوسط ستقدم هذه الوحدة، دروس عن التجميع ومساحة المشكلة ضمن التعلم الآلي غير الخاضع للإشراف. ستتعرف على أزواج المجموعات العنقودية مع خطوات النمذجة الأخرى مثل تقليل الأبعاد وهندسة الميزات والتنبؤ..
خوارزمية التجميع K-Means إثنتا وخمسون دقيقة • 8 الدروس • متوسط تقدم هذه الدروس النمط الأكثر شيوعًا للتجميعk-Meansوالعمل من خلال حالة استخدام تفصيلية لتجزئة العملاء في فئات.سوف تتعلم كيفية اختيار متغيرات الإدخال، وتحديد عدد المجموعات، وتفسير النقط الوسطى. ستتعلم كيفية تقييم جودة نموذج التحليل العنقودي، وكيفية مواجهة التحديات الحسابية التي تأتي مع التجميع. سندرس كيفية إنشاء شخصيات وطرق لتصنيف البيانات الجديدة.
خوارزميات التجميع أربع وعشرون دقيقة • 6 الدروس • متوسط في هذه الدروس، ستتعلم خوارزميات التجميع الأكثر استخدامًا والمشاكل التي تنطبق عليها عادة. سنقوم بتغطية نقاط القوة والضعف النسبية الخاصة بهم، والمبادلات بينهما.
قواعد الارتباط ست عشرة دقيقة • 4 الدروس • متوسط في هذه الدروس، ستتعرف على قواعد الارتباط وكيف يمكن تطبيقها على متاجر البيع بالتجزئة ومواقع التجارة الإلكترونية ومنصات الوسائط الإعلامية. وبالمقابل، سنستكشف المقاييس الثلاثة الأكثر أهمية-الدعم والثقة والرفع-وكذلك كيفية تفسير كل منها.
الحالات الشاذة في البيانات ست عشرة دقيقة • 5 الدروس • متوسط ستأخذك هذه الدروس عبر طرق مختلفة لاكتشاف الشذوذ في البيانات وتطبيقات ذلك العالم الحقيقي. ستتعلم كيف يمكن استخدام أنماط التعلم الآلي المختلفة في اكتشاف الانحراف في البيانات، وأي طرق تجميع محددة تعمل من أجل اكتشاف شذوذ البيانات. كما سنستكشف خوارزمية Isolation Forest، وكيف يمكن أن تنطبق على التنفيذ في العالم الحقيقي للكشف عن الاحتيال.
الاستخدامات/التطبيقات عشر دقائق • 5 الدروس • متوسط ستقدم لك هذه الدروس حالات الاستخدام المختلفة والتطبيقات الواقعية للطرق التي قمنا بتغطيتها في الدورة. ستغطي حالات الاستخدام سيناريوهات مختلفة، بما في ذلك سيناريوهات الأدوية والتجزئة والتسويق.
TensorFlow - المستوى المبتدئ ساعة واحدة وتسع وأربعون دقيقة • 22 الدروس • مبتدئ في هذه الدورة التدريبية على TensorFlow ستبدأ بتعلم كيفية استخدام التعلم الآلي لحل مشاكل العالم الحقيقي عبر مجالات مختلفة مثل الأمور المالية وعلم الأحياء. سوف تستكشف نماذج التصنيف، ومعالجة بيانات Pandas وتصور Seaborn وتقييم النماذج ومقاييس الأداء.
TensorFlow للمستوى المبتدئ: ما هو TensorFlow؟ خمس عشرة دقيقة • 3 الدروس • مبتدئ TensorFlow هي مكتبة برامج شهيرة مفتوحة المصدر للتعلم العميق وتستخدم على نطاق واسع في تطبيقات التعلم الآلي. في هذه الدروس، ستتعرف على تقسيم التدريب/التحقق من الصحة الأكثر شيوعًا وأهمية الحفاظ على التوازن بين المجموعتين. سوف تكتشف أيضًا إحدى تقنيات المعالجة المسبقة التي توفرها TensorFlow للصور، وهو أمر بالغ الأهمية لتحسين دقة النموذج. بالإضافة إلى ذلك، سوف تستكشف استخدام البيانات المختلطة في التدريب، وما إذا كان من المستحسن مزجها مع تقسيم التحقق من صحة التدريب.
TensorFlow للمستوى المبتدئ: التعلم العميق مع TensorFlow عشرون دقيقة • 3 الدروس • مبتدئ التعلم العميق هو مجال متطور سريعًا، ويمكن أن يكون هناك فهم أساسي للطرق والتقنيات المختلفة المستخدمة في التعلم العميق ذات قيمة للمهنيين في هذا المجال. في هذه الدروس، ستتعرف على أساليب التعلم العميق المختلفة المستخدمة في هذا المجال، بما في ذلك الشبكات العصبية التلافيفية (CNNs) وPerceptrons متعددة الطبقات (MLPs).
TensorFlow للمستوى المبتدئ: الشبكات العصبية تسع عشرة دقيقة • 3 الدروس • مبتدئ أصبحت الشبكات العصبية جزءًا لا يتجزأ من التعلم الآلي ويمكن استخدامها في مجموعة متنوعة من التطبيقات، من معالجة الصور إلى معالجة اللغة الطبيعية. في هذه الدروس، ستتعرف على المفاهيم الأساسية للشبكات العصبية، بما في ذلك الشبكات العصبية الاصطناعية (ANNS) وطريقة المربعات الصغرى. سوف تستكشف كيفية إنشاء ANN باستخدام TensorFlow وكيفية استخدام طريقة المربعات الصغرى لتحسين أدائها.
TensorFlow للمستوى المبتدئ: التعلم بالنقل عشرون دقيقة • 4 الدروس • مبتدئ التعلم بالنقل هو تقنية قوية في التعلم الآلي الذي يتضمن استخدام نماذج مسبقة لتحسين أداء النماذج الخاصة بك. في هذه الدروس، ستتعرف على الفوائد المختلفة للتعلم بالنقل وكيفية استخدام النماذج المسبقة لتحسين أداء مشاريع التعلم الآلي.
TensorFlow للمستوى المبتدئ: الوظائف الإضافية لـ TensorFlow ثلاث عشرة دقيقة • 3 الدروس • مبتدئ تعد TensorFlow أداة قوية للتعلم الآلي، ولكن هناك أيضًا عدد من الوظائف الإضافية المتاحة التي يمكن أن تعزز قدراتها. في هذه الدروس، سوف تستكشف الوظائف الإضافية المختلفة المتاحة وكيفية استخدامها بفعالية في مشاريع التعلم الآلي.
TensorFlow للمستوى المبتدئ: تطبيقات العالم الحقيقي ثمان عشرة دقيقة • 4 الدروس • مبتدئ في هذه الدروس، سوف تتعلم كيفية تطبيق تقنيات التعلم الآلي لحل مشاكل العالم الحقيقي المعقدة في مختلف المجالات مثل الأمور المالية والبيولوجيا. سوف تتعرف على نماذج التصنيف وكيف يمكن استخدامها لحل التحديات مثل تحليل الإجهاد/الإجهاد للسد، كمثال بارز. سوف تكتشف أيضًا كيفية استخدام Pandas لمعالجة البيانات وSeaborn لتصور البيانات المرنة، مما يتيح لك تحليل وتفسير مجموعات البيانات الكبيرة بشكل فعال.
فهم الذكاء الاصطناعي التوليدي والأمن السيبراني سبع عشرة دقيقة • 5 الدروس • أساسي ستتعرف في هذه الدورة التدريبية عن فهم الذكاء الاصطناعي التوليدي والأمن السيبراني على كيفية إعادة تشكيل الذكاء الاصطناعي التوليدي للأمن السيبراني، وستتعلم أساسيات الذكاء الاصطناعي التوليدي، والفرق بينه وبين الذكاء الاصطناعي التقليدي، وتطبيقاته في مختلف القطاعات. كما سنتناول مثلث أمن المعلومات ودور الذكاء الاصطناعي في إنشاء التهديدات وتعزيز الأمن. وبحلول ختام هذه الدورة، ستكون قادراً على تعديل استراتيجياتك في الأمن السيبراني لمواجهة المخاطر الناشئة المدفوعة بالذكاء الاصطناعي.
استخدام الذكاء الاصطناعي التوليدي في مجال الأمن السيبراني سبع عشرة دقيقة • 5 الدروس • أساسي ستتعرف في هذه الدورة عن استخدام الذكاء الاصطناعي التوليدي في مجال الأمن السيبراني على كيفية دمج الذكاء الاصطناعي في أطر عملك الأمنية للتنبؤ بمخاطر الإنترنت المتقدمة ومواجهتها. ستستكشف كيفية ترقية بنيتك التحتية، وتدريب نماذج الذكاء الاصطناعي على تهديدات متنوعة، وتنفيذ إجراءات أمنية مدعومة بالذكاء الاصطناعي، مثل اكتشاف ثغرات يوم الصفر وتعزيز سبل الوقاية من التصيد الاحتيالي. سنتناول أيضاً المسؤوليات الأخلاقية لدمج الذكاء الاصطناعي، وضمان الخصوصية والعدالة والشفافية في ممارسات الأمن السيبراني.
الاستجابة لتهديدات الأمن السيبراني الناشئة عن الذكاء الاصطناعي التوليدي ثمان عشرة دقيقة • 5 الدروس • أساسي ستتعلم في هذه الدورة، عن الاستجابة لتهديدات الأمن السيبراني الناشئة عن الذكاء الاصطناعي التوليدي، كيفية تحديد المخاطر التي يشكلها الذكاء الاصطناعي وإدارتها. سنستعرض كيف يمكن للذكاء الاصطناعي إنشاء هجمات تصيد احتيالي، وعمليات تزييف عميق، وثغرات آلية، إلى جانب استكشاف دور التعلم الآلي في مكافحة هذه التهديدات. بحلول ختام هذه الدورة، ستكون مستعداً لتعزيز دفاعات شركتك من خلال استراتيجيات أمنية مدعومة بالذكاء الاصطناعي.
هل أنت جاهز لجعل فريقك أكثر إنتاجية وتفاعل ومعرفة؟ ابدأ اليوم