دورات Gen AI
ملخص
يحتوي هذا المستودع على مهام ومشاريع تتعلق بدورات AI التوليدية المختلفة التي أستكشفها حاليًا. تغطي المشاريع مجموعة واسعة من الموضوعات ، بما في ذلك التعلم العميق والشبكات العصبية وخوارزميات التعلم الآلي والتطبيقات العملية لتقنيات الذكاء الاصطناعي.
بصفتي شخصًا لديه خلفية في هندسة البرمجيات وليس في علم البيانات ، فقد اقتربت من إنشاء هذا المستودع بقصد إزالة الغموض عن تعقيدات الذكاء الاصطناعى التوليدي لأولئك الذين ، مثلي ، ليسوا من خلفية علم البيانات. تم تصميم كل دفتر ملاحظات ليخوض عميقًا في المفاهيم الأساسية ، مما يضمن شرح الأساسيات تمامًا. ستجد تفسيرات وأمثلة مفصلة في كل دفتر ملاحظات يهدف إلى جعل المحتوى متاحًا ومفهوما ، بغض النظر عن خبرتك السابقة في علوم البيانات. سأستمر في تحديث هذا الريبو وأنا أغطي مواضيع أحدث
دعوة للمتعاونين:
- تحقق من ملاحظة الترحيب
- تحقق من القضايا المفتوحة
- ذات صلة LinkedIn post
تنفيذ أوراق البحث:
- تعليمات الخلفية لتدريب LLM المحسّن
- تحسين التفضيل المباشر لضبط LLM
ترتيب مقترح
بالنسبة لأولئك الجدد إلى الذكاء الاصطناعي ، أوصي باتباع هذا المسار المتسلسل من خلال المشاريع في هذا المستودع لبناء فهم أساسي قبل التقدم إلى مواضيع أكثر تعقيدًا:
- CNN-Intro : ابدأ مع أساسيات الشبكات العصبية من خلال استكشاف الشبكات العصبية التلافيفية (CNNs). سيساعدك هذا المشروع على فهم بنيات الشبكة العصبية الأساسية وتطبيقاتها.
- تصنيف قرض الإقامة : تطبيق ما تعلمته عن الشبكات العصبية على مشكلة عملية-تصنيف بيانات القروض باستخدام Perceptrons متعددة الطبقات (MLPs). هذا سوف يمنحك خبرة عملية مع التعلم الخاضع للإشراف.
- ألوان المجموعات : تنويع مهاراتك مع مشروع تعليمي غير خاضع للإشراف. استخدم تقنية التجميع K-Means لتقسيم الصور بناءً على تشابه اللون ، مما يعمق فهمك لكيفية قيام الخوارزميات بتجميع بيانات بدون ملصقات.
- تشابه الجملة : انتقل إلى معالجة اللغة الطبيعية من خلال استكشاف طرق مختلفة لحساب تشابه الجملة. ينتقل هذا المشروع من التقنيات التقليدية إلى الشبكة العصبية ، بما في ذلك تضمينات الكلمات والخرقة.
- المتقدمين : مع وجود قاعدة صلبة في الشبكات العصبية و NLP ، تتحول إلى نماذج لغة متقدمة ، من MLPs البسيطة إلى نماذج المحولات. يتضمن هذا القسم العديد من المشاريع والتجارب التي تتوسع في بنية ووظائف نماذج اللغة المتطورة.
- Vae-intro : تعرف على أجهزة الترميز التلقائي المتنوع ، وخاصة النماذج التلافيفية ، لفهم النماذج التوليدية في الذكاء الاصطناعي. يعد هذا المشروع أمرًا بالغ الأهمية لاكتساب كيفية قيام الآلات بإنشاء مثيلات بيانات جديدة تشبه البيانات التدريبية.
- GAN : استكشاف شبكات الخصومة التوليدية من خلال دفتر الملاحظات Jupyter المقدم. ستعمق هذه الإضافة فهمك لنموذج توليدي حيوي آخر ، مع عرض الديناميكية بين شبكات المولد وشبكات التمييز في إنشاء عينات بيانات جديدة.
مساهمات
للمساهمة:
- شوكة المستودع.
- قم بإجراء التغييرات أو الإضافات.
- أرسل طلب سحب مع وصف مفصل لمساهماتك وأي مراجعات ضرورية.
رخصة
تتوفر محتويات هذا المستودع بموجب ترخيص معهد ماساتشوستس للتكنولوجيا ما لم ينص صراحة على خلاف ذلك.
اتصال
لأي استفسارات أخرى فيما يتعلق بالمشاريع أو الدورات الدراسية ، لا تتردد في التواصل معي على LinkedIn أو مراسلتي عبر البريد الإلكتروني على [email protected].
