Machine Learning with Python

انضم إلى مجموعة Python العربية على تليجرام للحصول على الموارد والدروس المتخصصة في لغة Python باللغة العربية. اطرح أسئلتك وشارك خبراتك مع مجتمع متحمس لتطوير البرامج وتحليل البيانات والذكاء الاصطناعي وغيرها من المجالات باستخدام Python. انضم الآن وكن جزءًا من المجتمع العربي المتنامي لمستخدمي Python. https://t.me/PythonArab

اجمل الـقنوات علي Telegram 👇🏻 👈🏻 اضف قناتك مجانا من هنا كورس الهكر الاخلاقي باللغة العربية رابط التحمبل اضغط هنا

Our paid bot The bot contain more than 30 millions books and daily updates and all ieee articles Only type title of book and you will get the results as pdf format You can search for a specific field and display all books related to this field and within the year you choose Ex: Python +year:[2023 TO *] For subscribing: @Hussein_Sheikho The subscription is permanent

Our paid bot The bot contain more than 30 millions books and daily updates and all ieee articles Only type title of book and you will get the results as pdf format You can search for a specific field and display all books related to this field and within the year you choose Ex: Python +year:[2023 TO *] For subscribing: @Hussein_Sheilkho The subscription is permanent

Our paid bot The bot contain more than 30 millions books and daily updates and all ieee articles Only type title of book and you will get the results as pdf format You can search for a specific field and display all books related to this field and within the year you choose Ex: Python +year:[2023 TO *] For subscribing: @Hussein_Sheilkho The subscription is permanent

اليوم سنتحدث عن تصميم شبكه عصبيه اصطناعيه لحل بعض المشكلات في البيانات عند العمل علي احد مشاريع التعلم العميق الخاصه بال image. عند العمل علي ال image في معظم الاحالات تكون تلك الصور تعاني من بعض المشكلات مثل الضوضاء البسيطه او ظهور علامات مثل المطر في الصوره او ان الصوره بها اماكن معتمه تحتاج الي التوضيح/التفتيح قليلا. تلك هي مجموعه من المشكلات الشائعه، الحل في هذا الموقف كما هو معلوم هو استخدام معالجه الصور للتخلص من تلك المشكلات واحده تلو الاخري، ولكن في حاله تعذر تطبيق معالجه البيانات (التي تمت الاشاره اليها) وحل المشكلات تباعا لاي سبب من الاسباب. هنا ياتي الحل، الصوره المرفقه توضح شبكه عصبيه CNN مكونه من ثلاثه اجزاء قمت بتصميمها لمساعدتي. -- ملاحظه: تلك الشبكه الاصطناعيه مصممه خصيصا لاستقبال بيانات بمعالجه ابتدائيه (مثل توحيد حجم الصور، ضبط طبقات الصوره وهكذا)وليست بيانات خام. وهدف تلك الشبكه هو مساعده نفسها في ضبط البيانات داخلها وهذا يعد توفيرا للوقت والمصادر. الجزء الاول: هو عباره عن شبكه مكونه من العديد من الطبقات الملتفه والمتصله معا بطريقه تعطي قوه للشبكه وقدره علي تنقيه الصور من العديد من المشكلات، فتلك الوصلات بين الطبقات تعمل علي تفتيح الاماكن المعتمه من الصوره بالاضافه الي ازاله الضوضاء من الصوره عن طريق تطبيق العديد من المرشحات وبالتالي فصل البيكسلز الغير مرغوب فيها عن الصوره. وفي نهايه تلك الطبقه تكون لدينا صوره محسنه عن الصوره القديمه، والصوره جاهز للدخول الي الجزء الثاني. الجزء الثاني: هو عباره عن pre-trained model من نوع EfficientNetB7 مهمته الاساسيه في تلك الشبكه هو تقليل overfitting واستخراج الميزات المهمه في الصوره المحسنه. في نهايه تلك المرحله يكون لدينا مجموعه من ال features المعدله والجاهزه للدخول الي fully connected layers. الجزء الثالث: وهو عباره عن مجموعه من الطبقات ال Dense من اجل الحصول علي النتائج المطلوبه. وفيما بعد ان شاء الله سنتحدث اكثر عن المرحله الاولي لان بها العديد من التفاصيل. #منقول

اليوم سنتحدث عن تصميم شبكه عصبيه اصطناعيه لحل بعض المشكلات في البيانات عند العمل علي احد مشاريع التعلم العميق الخاصه بال image. عند العمل علي ال image في معظم الاحالات تكون تلك الصور تعاني من بعض المشكلات مثل الضوضاء البسيطه او ظهور علامات مثل المطر في الصوره او ان الصوره بها اماكن معتمه تحتاج الي التوضيح/التفتيح قليلا. تلك هي مجموعه من المشكلات الشائعه، الحل في هذا الموقف كما هو معلوم هو استخدام معالجه الصور للتخلص من تلك المشكلات واحده تلو الاخري، ولكن في حاله تعذر تطبيق معالجه البيانات (التي تمت الاشاره اليها) وحل المشكلات تباعا لاي سبب من الاسباب. هنا ياتي الحل، الصوره المرفقه توضح شبكه عصبيه CNN مكونه من ثلاثه اجزاء قمت بتصميمها لمساعدتي. -- ملاحظه: تلك الشبكه الاصطناعيه مصممه خصيصا لاستقبال بيانات بمعالجه ابتدائيه (مثل توحيد حجم الصور، ضبط طبقات الصوره وهكذا)وليست بيانات خام. وهدف تلك الشبكه هو مساعده نفسها في ضبط البيانات داخلها وهذا يعد توفيرا للوقت والمصادر. الجزء الاول: هو عباره عن شبكه مكونه من العديد من الطبقات الملتفه والمتصله معا بطريقه تعطي قوه للشبكه وقدره علي تنقيه الصور من العديد من المشكلات، فتلك الوصلات بين الطبقات تعمل علي تفتيح الاماكن المعتمه من الصوره بالاضافه الي ازاله الضوضاء من الصوره عن طريق تطبيق العديد من المرشحات وبالتالي فصل البيكسلز الغير مرغوب فيها عن الصوره. وفي نهايه تلك الطبقه تكون لدينا صوره محسنه عن الصوره القديمه، والصوره جاهز للدخول الي الجزء الثاني. الجزء الثاني: هو عباره عن pre-trained model من نوع EfficientNetB7 مهمته الاساسيه في تلك الشبكه هو تقليل overfitting واستخراج الميزات المهمه في الصوره المحسنه. في نهايه تلك المرحله يكون لدينا مجموعه من ال features المعدله والجاهزه للدخول الي fully connected layers. الجزء الثالث: وهو عباره عن مجموعه من الطبقات ال Dense من اجل الحصول علي النتائج المطلوبه. وفيما بعد ان شاء الله سنتحدث اكثر عن المرحله الاولي لان بها العديد من التفاصيل. #منقول

اجمل الـقنوات علي Telegram 👇🏻 👈🏻 اضف قناتك مجانا من هنا كورس الهكر الاخلاقي باللغة العربية رابط التحمبل اضغط هنا

اجمل الـقنوات علي Telegram 👇🏻 👈🏻 اضف قناتك مجانا من هنا كورس الهكر الاخلاقي باللغة العربية رابط التحمبل اضغط هنا

https://t.me/DataScience_Books https://t.me/DataScience_Books

خلال هذا المقال البسيط هنركز ان شاء الله علي ما هي اساليب التحسين التي يمكن تطبيقها علي الشبكات العصبيه الاصطناعيه من نوع ال CNN (Convolutional Neural Network) والتي من خلالها يمكننا زياده كفاءه الشبكه والحصول علي نتائج ادق وفي وقت اقل. من تلك الاساليب ما يلي: 1 . Gradient descent optimization: هو خوارزمية تحسين تستخدم لتقليل داله الخسارة في CNN. كما ان تلك الخوارزميه بها العديد من النقاط الهامه التي تتشابك معها وهي Stochastic Gradient Descent (SGD), Adaptive Moment Estimation (Adam), and Root Mean Square Propagation (RMSprop). 2 . Weight initialization: او كما يعرف بالعربيه بتهيئه الاوزان، يمكن أن يكون لتهيئة الأوزان في شبكة CNN تأثير كبير على أدائها. يمكن أن يؤدي التهيئة الصحيحة للأوزان إلى منع النموذج من التعثر في حل دون المستوى الأمثل (Not the Optimal Solution)وتحسين سرعة التقارب. ومن اجل تطبيق هذا الاسلوب هناك العديد من الطرق اتباعها مثل استخدام خوارزميات التحسين الحديثه وغيرها والتي سنتطرق اليها فيما بعد. 3 . Dropout regularization: التسرب هو تقنية تنظيم مستخدمة لمنع مشكله ال overfitting في CNN. وهو اسلوب قائم علي اسقاط بشكل عشوائي العقد (Nodes) في الشبكة أثناء التدريب لمنع النموذج من الاعتماد بشكل كبير على Nodes دون الاخري. 4 . Batch normalization: هي تقنية تساعد على استقرار توزيع المدخلات على كل طبقة في شبكة CNN. من خلال عمل normalizing لمدخلات الشبكه ، يمكن أن يؤدي ال Batch إلى تقليل وقت التدريب وتحسين دقة النموذج، وهو اسلوب يستخدم بقوه في حاله التعامل مع بيانات ضخمه او في حاله كانت امكانيات الجهاز الذي تعمل عليه ضعيفه. 5 . Learning rate scheduling: جدولة معدل التعلم هي تقنية تقوم بضبط معدل التعلم أثناء التدريب. يمكن أن يساعد ذلك في تحسين سرعة التقارب ومنع ال overfitting. 6 . Data augmentation: زيادة البيانات هي تقنية تستخدم لزيادة حجم مجموعة بيانات التدريب عن طريق إنشاء بيانات تركيبية. يمكن أن يساعد هذا في منع فرط التجهيز (overfitting) وتحسين دقة النموذج. 7 . Model architecture optimization: يمكن أن يكون لهندسه بني الشبكات لل CNN تأثير كبير على أدائها. من خلال تجربة بنى الشبكات المختلفة ، يمكنك العثور على البنية المثالية لمهمتك المحددة. وهو بوابه لعلم كبير يسمي اختصارا بال (NAS). كل هذا يعد من التقنيات المشهور والمستخدمه لرفع كفاءه الشبكات الاصطناعيه ولكن هناك العديد من الاساليب الاخري والتي لا تقل اهميه عن ما تم ذكره سنتطرق اليه فيما بعد ان شاء الله. #منقول

اجمل الـقنوات علي Telegram 👇🏻 👈🏻 اضف قناتك مجانا من هنا كورس الهكر الاخلاقي باللغة العربية رابط التحمبل اضغط هنا

Track Phone Number Using Python with Code Example https://morioh.com/p/f9d4d715debf?f=5c21fb01c16e2556b555ab32

اجمل الـقنوات علي Telegram 👇🏻 👈🏻 اضف قناتك مجانا من هنا كورس الهكر الاخلاقي باللغة العربية رابط التحمبل اضغط هنا

hello all

Ready to break into tech? Learn how to get a high-paying job as a Systems Engineer🚀 The demand by tech companies for Systems Engineers keeps increasing. Many of you might still be wondering, "Systems Engineer“? ⠀ Systems Engineers are highly sought after specialists responsible for the upkeep & configuration of the entire company’s infrastructure. From implementing software solutions to analyzing data to improve existing ones, a Systems Engineer boosts productivity in the workplace. Systems Engineering is a straightforward task! 👌 No experience required  👌 No need to learn coding or programming! 👌 We’ll teach you all you need to know to get, do and keep the job of Systems Engineer. 🔗 Follow the link: www.careerist.com to get: ✅  Your first FREE lesson  ✅  Special offer ✅  Certificate and money-back guarantee See you DATE at our online class!

لمشاهدة محتوى القناة المدفوعة ما عليك سوى الاشتراك في القناة المدفوعة، تتضمن القناة المدفوعة كورسات برمجية متعددة وضخمه بالاضافة لكتب مفيدة جدا غير متوفرة مجانا سوى في القناة المدفوعة لطلب الاشتراك: تحدث مع @Hussein_Sheikho رابط القناة: https://t.me/+LnCmAFJO3tNmYjUy