📚 كتاب بعنوان: مدخل إلى الذكاء الاصطناعي وتعلم الآلة
👇👇👇👇👇👇👇👇👇👇👇👇

📚 كتاب بعنوان: مدخل إلى الذكاء الاصطناعي وتعلم الآلة

🖐 لاتنسى مشاركة المنشور او القناة للآخرين.
@CodeProgrammer 👨‍💻👩‍💻

#المبرمج لا يتذكر كل أوامر اللغة ولكنه يعرف كيف يبحث عنها عند الحاجة.

#المبرمج لا يعرف كل تفاصيل المنصة التي يستهدفها أو إطار العمل الذي يستخدمه ولكنه يتعلم مايريد عند الحاجة.

#المبرمج لا يتذكر كل سطر كتبه في برنامجه ولكنه يتصور مكان المشكلة عند حدوثها ثم يفحص ذلك المكان ويصلحها.

كتاب مترجم للعربية بعنوان:

بايثون للجميع

👇👇👇👇👇

كتاب مترجم للعربية بعنوان:

بايثون للجميع

@CodeProgrammer

شبكة المعتقدات العميقة Deep Belief Networks (DBN) هي إحدى خوارزميات التعلم العميق الاحتمالية غير الخاضعة للإشراف .
تم تدريب DBNs مسبقًا باستخدام خوارزمية Greedy حيث يستخدم نهج طبقة تلو طبقة لتعلم جميع الأوزان التوليدية والأساليب التنازلية.
حيث يتم إنشاء هذه الشبكة من خلال إلحاق عدة طبقات من آلات بولتزمان المقيدة (RBM) ويمكن لكل طبقة RBM التواصل مع كل من الطبقات السابقة واللاحقة.
للمزيد أكثر عن هذه الخوارزمية اقرأوا هذا المقال🌸🌸

https://smartcontent.top/deep-belief-networks/

الفولدرز اللى كاتب فيها المحتوى سواء بالاحتمالات او بال deep learning او غيرها..

1- الفولدر الاول للاحتمالات

https://drive.google.com/drive/folders/1jQufqc0FrdDclixIieuTtgeqI5K0DS0C?usp=sharing

2- الفولدر التانى بالاحصاء

https://drive.google.com/drive/folders/1VXR3E1k9YuMjU84M-R3bbbgSMiPkS0ZA?usp=sharing
3- الفولدر الثالث خاص بالجبر الخطي

https://drive.google.com/drive/folders/1ErPjw-943XT8BkTf8GfhujhD6sZctTrR?usp=sharing

4- الفولدر الرابع ل Machine learning

https://drive.google.com/drive/folders/1EOsvrqKFEoX4QfEF6Dk8Kff_dwFOMXFc?usp=sharing
5- الفولدر الخامس ل deep learning cmu

https://drive.google.com/drive/folders/1uTM-ZTfj0xK3A2eeEJT4DMn-Gz3OJTe3?usp=sharing

6- الفولدر السادس ل nyu deep learning

https://drive.google.com/drive/folders/1z7NrOeUYWFQwhRrzh3mvLWhMoiSUG6Jc?usp=sharing
7- الفولدر السابع ل الرياضيات الخاصة بالحاسب
mathematical foundations of machine learning
https://drive.google.com/drive/folders/1L_Vd6cwVJ8gbYrs-9Z5llGci2MckaHqw?usp=sharing

8- الفولدر الثامن وهو عن موضوعات متفرقة
https://drive.google.com/drive/folders/1EpiSpyx3ns40OAMa1Q6HF70lwcz8vyhv?usp=sharing
9- فولدر جديد عن ال deep learning
https://drive.google.com/drive/folders/1sRrQt_HRBQZLzXfFztCu89-d27Rciccy?usp=sharing

#منقول بايثون للجميع

@CodeProgrammer

Heroes of Machine Learning: Geoffrey Hinton

#artificialintelligence #machinelearning

اذا نقلت المشكلـة الى مديرك فأنت مراسل ، واذا نقلتهـا مع اقتراح بحلهـا فأنت مستشـار ، أما اذا نقلتهـا وقـد بادرت بحلهـا فأنت قائـد.

ستيفـن كوفي

افضل كورس اكاديمي لتعلم الذكاء الاصطناعي يعلن عن الكورس الجديد المجاني ولفترة محدودة سارع بالتسجيل

رابط الكورس متاح في قناتنا الجديدة:
https://t.me/DataScienceT/18890

كتاب تنقيب البيانات وتعلم الآلة: بدون برمجة

كتاب مترجم للعربية 👇👇👇👇👇

كتاب تنقيب البيانات وتعلم الآلة: بدون برمجة.

💻 نريد اكثر من 20 👍 لهذا الكتاب.

By: @CodeProgrammer ⭐️

Did you know #Python includes a calendar library? 🐍📆

You can use it to output calendars like the Unix cal program

Here's an example 👆

By: @CodeProgrammer ⭐️

شبكة عصبية تكرارية↩️
Recurrent neural network(RNN)

غالبًا ما يرتبط إستخدام الشبكة العصبية التكرارية بالتعلم العميق وإستخدام المتسلسلات لتطوير نماذج تحاكي النشاط العصبي في الدماغ البشري فما هي🤔.

هي نوع من الشبكات العصبية الإصطناعية المصممة للتعرف على النمط من تسلسل البيانات، مثل السلاسل الزمنية كالتعرف على الكلام، ترجمة الآلة وما إلى ذلك🤩.
لفهم الشبكات التكرارية، أولاً يجب أن نفهم أساسيات الشبكة العصبية ذات تغذية أمامية🤨:
تمت تسمية كل من هاتين الشبكتين، شبكة عصبية تكرارية و شبكة عصبية ذات تغذية أمامية على اسم الطريقة اللذان تنقلان بها المعلومات من خلال سلسلة من العمليات الحسابية التي يتم إجراؤها على عقد الشبكة😲. أحدهما يغذي المعلومات مباشرة (لا تلمس نفس العقدة مرتين أبدًا)، بينما تقوم الأخرى بتدويرها عبر حلقة، والأخيرة هي ما تسمى بالتكرارية.
من ناحية أخرى، تأخذ الشبكات التكرارية مدخلاتها، ليس فقط مثال الإدخال الحالي الذي تراه، ولكن كذلك ما رأته سابقًا في الوقت.

يؤثر القرار التي توصلت إليه الشبكة العصبية التكرارية في الوقت ز-١ على قرار وصولها إلى لحظة واحدة في وقت لاحق ز🧐.
لذا فإن الشبكات التكرارية لها مصدران للمدخلات، الحاضر والماضي القريب، واللذان يتحدان لتحديد كيفية استجابتهم للبيانات الجديدة، تمامًا كما نفعل في الحياة😯.
أما الخطأ التي تولده سيعود عبر الانتشار العكسي ويستخدم لضبط الأوزان حتى لا يمكن للخطأ أن تقل أكثر بعدها !.

تذكر أن الغرض من الشبكات التكرارية هو التصنيف الدقيق للمدخلات المتسلسلة.
نحن نعتمد على الانتشار العكسي للخطأ والنزول الاشتقاقي للقيام بذلك🤔.

المصادر :
https://coursera.org/specializations/deep-learning
https://en.m.wikipedia.org/wiki/Recurrent_neural_network

#منقول