★ 3.8 (6) ⏱ 2 ساعة 42 دقيقة 📚 27 دورة 🎧 النسخة الصوتية

معالجة اللغة الطبيعية (NLP) باستخدام نماذج التسلسل: RNNs و LSTMs و GRUs

Name: معالجة اللغة الطبيعية (NLP) باستخدام نماذج التسلسل: RNNs و LSTMs و GRUs
Price: 9.19 EUR
Availability: InStock
Rating: 3.83 (6 reviews)

أتقن الشبكات العصبية المتكررة (recurrent neural networks) و LSTMs و GRUs لتحليل المشاعر وتوليد النصوص ومقارنة تشابه النصوص في Python.

💬 مدرب ذكاء اصطناعي
اسأل عن أي درس واحصل على إجابة واضحة فورًا، في أي وقت.
🕐 ابدأ في أي وقت
بلا جداول أو مواعيد نهائية — تعلّم بوتيرتك، وقتما يناسبك.
🌐 بالعربية
الدروس والمهام والشهادة — كل ذلك بلغتك بالكامل.

حول هذه الدورة

تتطلب معالجة البيانات المتسلسلة مثل النصوص شبكات عصبية متخصصة تفهم السياق والترتيب. يرشدك هذا المساق القائم على النصوص عبر المفاهيم الأساسية والتطبيقات العملية لنماذج التسلسل في معالجة اللغة الطبيعية (NLP).

ستبدأ بالتعريفات الأساسية لمعالجة النصوص المتسلسلة وتتقدم إلى بناء معماريات عصبية تتعامل مع مهام اللغة الواقعية. من خلال دراسة شروحات الكود المنظمة والتفصيلات خطوة بخطوة، ستتعلم كيفية تمثيل النص كمتجهات كثيفة، ونمذجة التبعيات بمرور الوقت، ومقارنة المعنى الدلالي.

ما ستتعلمه:
- فهم الأسس الرياضية للشبكات العصبية المتكررة (RNNs) وكيفية معالجتها لبيانات النصوص المتسلسلة.
- بناء نماذج تحليل المشاعر باستخدام تضمينات الكلمات (word embeddings) والمعماريات المتكررة لتصنيف النصوص.
- توليد نصوص اصطناعية عن طريق تدريب وحدات التكرار المعززة (GRUs) للتنبؤ بالرمز التالي في التسلسل.
- تطبيق أنظمة التعرف على الكيانات المسماة (NER) باستخدام شبكات الذاكرة طويلة المدى (LSTM) لتحديد وتصنيف الكيانات الرئيسية.
- إنشاء معماريات Siamese LSTM لمقارنة التشابه الدلالي بين الجمل المختلفة.
- تطبيق تقنيات الترميز الحديثة (tokenization) واستراتيجيات التعامل مع التسلسل المستخدمة في سير عمل التعلم العميق المعاصر.

يبدأ المساق بالمصطلحات الأساسية، ويغطي الترميز (tokenization)، وبناء المفردات، وطبقات التضمين (embedding layers). ستستكشف بعد ذلك الشبكات المتكررة البسيطة قبل الانتقال إلى المعماريات ذات البوابات مثل LSTMs و GRUs لمهام معالجة النصوص المعقدة.

تم تصميم هذا المساق للمبتدئين في التعلم العميق (deep learning) ومعالجة اللغة الطبيعية (NLP) الذين لديهم فهم أساسي لـ Python وأساسيات الشبكات العصبية. لا يلزم وجود خبرة سابقة في نماذج التسلسل.

ابدأ القراءة لبناء نماذج NLP الخاصة بك القائمة على التسلسل اليوم.

ما الذي ستحصل عليه

📜 شهادة إتمام
أضفها إلى ملفك على LinkedIn
💬 مدرّس AI شخصي
عالق في دورة؟ اسأل مدرّسك المدمج أي شيء، في أي وقت.
🎧 النسخة الصوتية مضمَّنة
تعلَّم أثناء تنقُّلك — دون شاشة
♾️ وصول مدى الحياة
عُد متى شئت، بلا انتهاء
📱 الهاتف أو الكمبيوتر
يعمل في أي مكان وعلى أي جهاز
💸 استرداد خلال 14 يومًا
دون أسئلة
⚡ قصير ومركَّز
2 ساعة 42 دقيقة من المحتوى التطبيقي

شهادة إتمام

كل دورة تكملها على PickAClass تُصدر شهادة كهذه — أصلية، بكودها الخاص، قابلة للتحقّق عبر الرابط، ومفصّلة عمّا أُثبت فعلًا.

PickAClass

ملف المهارات · قابل للتحقّق

وثيقة

شهادة إتقان

تشهد هذه الوثيقة بأن

الاسم واللقب

أثبت بنجاح إتقان

معالجة اللغة الطبيعية (NLP) باستخدام نماذج التسلسل: RNNs و LSTMs و GRUs

المهارات المُثبَتة

✓

تحليل أنماط السلوك

تأسيسي

1.2 ساعة

✓

أطر معمارية لاتخاذ القرارات

متمكّن

1.4 ساعة

✓

تصميم اختبار A/B

متمكّن

1.7 ساعة

✓

كتابة نصوص سلوكية

متقدّم

1.9 ساعة

PickAClass — الاسم واللقب

معالجة اللغة الطبيعية (NLP) باستخدام نماذج التسلسل: RNNs و LSTMs و GRUs

صفحة 2 من 2

تفاصيل الأداء

ملخّص العمل الدراسي

الدورات المكتملة 14 / 14

أسئلة التدريب 26 / 28

الواجبات المُسلَّمة 4 (متوسط 4.5 / 5)

المشروع الختامي تمت مراجعته — 4.6 / 5

إجمالي التدريب 6.2 ساعة

معيار الأداء

ترتيب الدفعة ضمن أفضل 12% من 1,625

وقت الإكمال 11 يومًا (الوسيط: 22)

درجة الإتقان 91 / 100

درجة أسئلة التدريب 94%

التحقّق من المهارة مسار مهارة موثّق

شاهد شهادة نموذجية →

المراجعات (6)

Ильяс Сапаров KZ متعلِّم موثَّق

★ 2 · 14.07.2026

Not sure this was the best way to learn this. The examples felt a bit dated, and the overall structure was confusing. I needed external resources to make sense of it.