| 1218. 1.0 What is Deep Learning ما هو التعلم العميق |
35:49 |
| 1219. 1.1 Introduction to Deep Learning مقدمة للتعلم العميق |
28:48 |
| 1220. 1.2.1 Neural Network Basics أساسيات الشبكات العصبية |
31:28 |
| 1221. 1.2.2 Cost Function for NN معادلة الخطأ للشبكات العصبية |
20:15 |
| 1222. 1.2.3 Gradient Descent for NN الإنحدار الإشتقاقي للشبكات العصبية |
23:16 |
| 1223. 1.2.4 Back Propagation for NN المسار الخلفي للشبكات العصبية |
17:20 |
| 1224. 1.2.5 Vectorization in Python أسلوب الفيكتوريزاشن |
24:35 |
| 1225. 1.2.6 Broadcasting in Python أسلوب البرودكاستنج |
20:09 |
| 1226. 1.3.1 أساسيات الشبكات العصبية المجوفة |
24:20 |
| 1227. 1.3.2 مفهوم الشبكات العصبية المجوفة |
22:31 |
| 1228. 1.3.3 دالة الأكتيفاشن |
20:14 |
| 1229. 1.3.4 اشتقاق السيجمويد |
18:36 |
| 1230. 1.3.5 الإنحدار الإشتقاقي للشبكات العصبية المجوفة |
18:44 |
| 1231. 1.4.1 أساسيات الشبكات العصبية العميقة |
34:15 |
| 1232. 1.4.2 مفهوم الشبكات العصبية العميقة |
13:03 |
| 1233. 1.4.3 بناء الشبكات العصبية العميقة |
12:21 |
| 1234. 1.4.4 المعاملات العليا في الشبكات العصبية العميقة |
12:41 |
| 1235. 2.1.1 مفهوم السمات العملية للتعلم العميق |
13:26 |
| 1236. 2.1.2 التنوع و الإنحراف - الجزء الأول |
12:54 |
| 1237. 2.1.3 التنوع و الإنحراف - الجزء الثاني |
20:09 |
| 1238. 2.1.4 تنعيم البيانات |
16:33 |
| 1239. 2.1.5 فكرة حذف الخلايا dropout - الجزء الأول |
22:14 |
| 1240. 2.1.6 فكرة حذف الخلايا dropout - الجزء الثاني |
13:23 |
| 1241. 2.1.7 تشويه البيانات - التوقف المبكر |
21:55 |
| 1242. 2.1.8 تضخم و تضائل الإشتقاقات |
14:23 |
| 1243. 2.1.9 الفحص التدريجي |
21:47 |
| 1244. 2.2.1 الحصول علي القيم المثالية |
13:35 |
| 1245. 2.2.2 فكرة الاوبتيمايزاشن |
15:58 |
| 1246. 2.2.3 فكرة الميني باتش Mini-Batch Gradient Descent |
17:53 |
| 1247. 2.2.4 المتوسطات الأسية Exponentially Weighted Averages |
17:47 |
| 1248. 2.2.5 تذبذب المتوسطات الأسية |
23:22 |
| 1249. 2.2.6 الإشتقاق باستخدام الجذر التربيعي RMS Prop |
16:48 |
| 1250. 2.2.7 مقدار معامل التدريب Learning Rate |
13:58 |
| 1251. 2.2.8 نقطة السرج Saddle Point |
6:27 |
| 1252. 2.3.1 ضبط قيم الشبكات العميقة |
19:15 |
| 1253. 2.3.2 فكرة Cross Fertilization |
15:48 |
| 1254. 2.3.3 تسوية البيانات Data Normalization |
14:51 |
| 1255. 2.3.4 تعميم دالة الأكتيفاشن |
14:23 |
| 1256. 2.3.5 التسوية الجماعية Batch Norm |
11:16 |
| 1257. 2.3.6 أداة السوفت ماكس Softmax Classifier - الجزء الأول |
21:18 |
| 1258. 2.3.7 أداة السوفت ماكس Softmax Classifier - الجزء الثاني |
15:45 |
| 1259. 3.1.1 استراتيجيات تعلم الآلة |
29:43 |
| 1260. 3.1.2 تقسيم البيانات |
25:07 |
| 1261. 3.2.1 تحليل الخطأ error analysis |
23:56 |
| 1262. 3.2.2 اختلاف البيانات |
20:10 |
| 1263. 3.2.3 التحليل اليدوي للأخطاء |
17:35 |
| 1264. 3.2.4 المهام المتعددة Multi-Task |
11:25 |
| 1265. 3.2.5 النهاية للنهاية End to End |
14:55 |
| 1266. 4.1.1 أساسيات الشبكات العصبية الملتفة |
17:27 |
| 1267. 4.1.2 التعرف علي الحواف Edge Detection |
24:50 |
| 1268. 4.1.3 فكرة الفلتر |
18:16 |
| 1269. 4.1.4 فكرة الحشو Padding |
21:56 |
| 1270. 4.1.5 خطوة الفلتر Filter Stride |
21:27 |
| 1271. 4.1.6 القنوات المتعددة Several Channels |
12:52 |
| 1272. 4.1.7 معاملات الشبكة العصبية الملتفة |
18:17 |
| 1273. 4.1.8 مثال كامل علي الشبكة الملتفة |
16:24 |
| 1274. 4.1.9 أداة ال Max-Pooling |
25:43 |
| 1275. 4.2.1 حالات عملية من الـ CNN |
18:24 |
| 1276. 4.2.2 الشبكات المتبقية Residual Network |
10:18 |
| 1277. 4.2.3 معادلة الشبكات المتبقية Residual Network Equation |
12:40 |
| 1278. 4.2.4 شبكة البداية Inception Network |
16:34 |
| 1279. 4.2.5 التعليم المتنقل Transfer Learning |
11:57 |
| 1280. 4.2.6 تطبيق التعليم المتنقل Transfer Learning |
13:26 |
| 1281. 4.2.7 زيادة البيانات Data Augmentation |
13:56 |
| 1282. 4.3.1 مفهوم التعرف علي الأشياء Object Detection |
25:17 |
| 1283. 4.3.2 الخطوط الفاصلة Landmarks |
9:25 |
| 1284. 4.3.3 النوافذ المتحركة Sliding Windows |
10:08 |
| 1285. 4.3.4 فكرة الـ YOLO |
15:35 |
| 1286. 4.3.5 اسلوب Intersection Over Union |
7:09 |
| 1287. 4.3.6 حذف القيم الدنيا Non-Max Suppression |
10:16 |
| 1288. 4.3.7 مربع التحديد Anchor Box |
12:38 |
| 1289. 4.4.1 التعرف علي الوجوه Face Detection |
10:22 |
| 1290. 4.4.2 التعلم بصورة واحدة One Shot Learning |
12:49 |
| 1291. 4.4.3 دالة الخطأ الثلاثية Triplet Loss Function |
13:13 |
| 1292. 4.4.4 معادلة دالة الخطأ الثلاثية |
10:04 |
| 1293. 4.4.5 Style Transformation نقل الطابع 1 |
11:09 |
| 1294. 4.4.6 Style Transformation نقل الطابع 2 |
12:10 |
| 1295. 4.4.7 معادلة خطأ نقل الطابع Style Transformation cost function |
17:28 |
| 1296. 4.5.8 تصنيف صور الكلاب و القطط |
20:50 |
| 1297. 4.5.1 مقدمة في التطبيق العملي |
12:30 |
| 1298. 4.5.2 شرح للنماذج السابقة |
29:30 |
| 1299. 4.5.3 أدوات الشبكات العصبية الملتفة |
32:05 |
| 1300. 4.5.4 مثال تصنيف الصور الجزء الأول |
22:33 |
| 1301. 4.5.5 مثال تصنيف الصور الجزء الثاني |
19:01 |
| 1302. 4.5.6 مثال ارقام بخط اليد |
33:28 |
| 1303. 4.5.7 تصنيف صور ملابس mnist |
14:41 |
| 1304. 5.1.1 مفهوم الشبكات العصبية المتكررة |
15:46 |
| 1305. 5.1.2 التعامل مع الاسماء name entity |
15:27 |
| 1306. 5.1.3 مصفوفة الكلمات |
11:57 |
| 1307. 5.1.4 مصفوفة الكلمات 2 |
10:07 |
| 1308. 5.1.5 تصميم الشبكات العصبية المتكررة |
12:50 |
| 1309. 5.1.6 المعادلة الرياضية للشبكات العصبية المتكررة |
16:22 |
| 1310. 5.1.7 المسار العكسي للشبكات العصبية المتكررة |
10:40 |
| 1311. 5.1.8 أنواع الشبكات العصبية المتكررة |
19:55 |
| 1312. 5.1.9 نموذج اللغة language model |
7:29 |
| 1313. 5.1.10 الترميز Tokenization |
13:48 |
| 1314. 5.1.11 اختفاء الاشتقاقات |
15:17 |
| 1315. 5.1.12 الذاكرة طويلة قصيرة المدي LSTM |
9:56 |
| 1316. 5.1.13 الشبكة المتكررة ذات الإتجاهين Bidirectional RNN |
10:04 |
| 1317. 5.2.1 أساسيات المعالجة اللغوية الطبيعية NLP |
18:40 |
| 1318. 5.2.2 مصفوفة الـ one-hot |
23:21 |
| 1319. 5.2.3 جدول الخصائص |
21:58 |
| 1320. 5.2.4 تضمين الكلمات Word Embedding |
14:15 |
| 1321. 5.2.5 مبدأ word2vec |
17:32 |
| 1322. 5.2.6 مبدأ العينة السلبية Negative Sample |
15:29 |
| 1323. 5.2.7 تصنيف الانطباع Sentimental Classification |
12:36 |
| 1324. 5.2.8 الاخطاء العنصرية في المعالجة اللغوية الطبيعية |
21:01 |
| 1325. 5.3.1 نماذج التتابع Sequence Models |
17:37 |
| 1326. 5.3.2 البحث الشعاعي Beam Search |
15:46 |
| 1327. 5.3.3 تعديلات نظام البحث الشعاعي Beam Search |
20:10 |
| 1328. 5.3.4 تحليل الأخطاء |
9:51 |
| 1329. 5.3.5 تكنيك درجة البلو BLEU Score |
15:20 |
| 1330. 5.3.6 نموذج الإنتباه Attention Model |
18:16 |
| 1331. 5.3.7 التعرف علي الصوت Audio Recognition |
13:47 |
| 1332. 5.4.1 التطبيق العملي الفيديو الأول |
13:48 |
| 1333. 5.4.2 التطبيق العملي الفيديو الثاني |
15:46 |
| 1334. 5.4.3 التطبيق العملي الفيديو الثالث |
18:04 |
| 1335. 5.4.4 التطبيق العملي الفيديو الرابع |
13:31 |
| 1336. 5.4.5 التطبيق العملي الفيديو الخامس |
10:21 |
| 1337. بث مباشر بمناسبة انتهاء الكورس , وللإجابة عن أسئلة هامة |
1:23:47 |