اكتساب المعرفة في التقنيات الكمية الآن سيجعلك رائدًا في البرمجة في المستقبل القريب“

إن تدريب نموذج من الصفر يعني وجود كمية كبيرة من المعلومات المفهرسة مسبقًا، حوالي 10000 صورة لكل نوع من الأنواع المراد تمييزها. يستغرق ذلك ساعات لتحقيق نتائج جيدة. بالنسبة لهذه الحالات، من الممكن البدء من النماذج التي تم تدريبها مسبقاً، من خلال مورد التعلّم المنقول Transfer Learning: تقوم شهادة الخبرة الجامعية بفحص نماذج الشبكة المتوفرة حالياً، وذلك لتسهيل تدريب النموذج باستخدام هذه التقنية.

سوف يقوم الخريجون بتحليل حالات الاستخدام الرئيسية للرؤية الحاسوبية: التصنيف، واكتشاف الأجسام، وتحديد الأجسام، وتتبع الأجسام. على سبيل المثال، يستخدم جوجل هذه الخوارزميات ليتمكن من البحث من الصور، ويستخدمها فيسبوك ليتمكن من تحديد الأشخاص في الصورة ووضع علامات عليها تلقائيًا.

لقد تقدمت الحوسبة الكمومية بسرعة في كل من النظرية والتطبيق في السنوات الأخيرة ومعها الأمل في التأثير المحتمل على التطبيقات الحقيقية. من المجالات الرئيسية التي تحظى باهتمام كبير والتي أثبتت الحوسبة الكمومية فعاليتها في مجال Machine Learning التعلم الآلي وتطبيقها على المشاكل الاستباقية والتنبؤية والإرشادية في العالم الحقيقي.

يحلل هذا البرنامج الحالات التي يمكن فيها تحقيق ميزة كمية، في سياق التحليلات المتقدمة والذكاء الاصطناعي. الهدف من شهادة الخبرة الجامعية هو إظهار الفوائد التي يمكن أن توفرها التقنيات الكمية الحالية والمستقبلية للتعلم الآلي، مع التركيز على الخوارزميات التي تمثل تحديًا للحواسيب الرقمية الكلاسيكية، مثل النماذج القائمة على النواة والتحسين والشبكات التلافيفية.

نظرًا لأنها شهادة الخبرة الجامعية بنسبة 100% عبر الإنترنت ، فإن الطلاب غير مقيدين بجداول زمنية ثابتة أو الحاجة إلى الانتقال إلى موقع فعلي آخر. باستخدام جهاز متصل بالإنترنت، يمكنك الوصول إلى المحتوى الغني الذي سيساعدك على اكتساب تقنيات الحوسبة الكمومية للوصول إلى النخبة في مجال الكمبيوتر. كل هذا، في أي وقت من اليوم، يجمع، بوتيرتهم الخاصة، عملهم وحياتهم الشخصية مع الأكاديمي.

سيسمح لك هذا التدريب بالتقدم في حياتك المهنية بطريقة مريحة"

تحتوي شهادة الخبرة الجامعية في الرؤية الاصطناعية والحوسبة الكمومية على البرنامج التعليمي الأكثر والحوسبة الكمومية اكتمالا و حداثة في السوق. أبرز خصائصها هي: 

تطوير دراسات الحالة التي قدمها خبراء في الرؤية الحاسوبية والحوسبة الكمومية
يوفر المحتوى البياني والتخطيطي والعملي البارز للكتاب معلومات عملية عن تلك التخصصات الضرورية للممارسة المهنية
تمارين عملية , يمكن من خلالها إجراء عملية التقييم الذاتي لتحسين التعلم
تركيزها على المنهجيات المبتكرة
كل هذا سيتم استكماله بدروس نظرية وأسئلة للخبراء ومنتديات مناقشة حول القضايا المثيرة للجدل وأعمال التفكير الفردية 
توفر المحتوى من أي جهاز ثابت أو محمول متصل بالإنترنت

أنت تواجه سوقًا ناشئة حيث سيكون الحصول على المعرفة والمشورة الصحيحة في مجال الحوسبة الكمومية أمرًا بالغ الأهمية للاستفادة من التطورات“. 

البرنامج يضم في أعضاء هيئة تدريسه محترفين في مجال الطاقات المتجددة يصبون في هذا التدريب خبرة عملهم، بالإضافة إلى متخصصين معترف بهم من الشركات الرائدة والجامعات المرموقة.

وسيتيح محتوى البرنامج المتعدد الوسائط، والذي صيغ بأحدث التقنيات التعليمية، للمهني التعلم السياقي والموقعي، أي في بيئة محاكاة توفر تدريبا غامرا مبرمجا للتدريب في حالات حقيقية.

يركز تصميم هذا البرنامج على التعلّم القائم على حل المشكلات، والذي يجب على المهني من خلاله محاولة حل مختلف مواقف الممارسة المهنية التي تنشأ على مدار العام الدراسي. للقيام بذلك، سيحصل على مساعدة من نظام فيديو تفاعلي مبتكر من قبل خبراء مشهورين.   

ستقوم بفحص نماذج الشبكات المتوفرة حالياً لتسهيل تدريب نموذجك من خلال تطبيق تقنية التعلّم التحويلي (Transfer Learning)"

سترى الفوائد التي يمكن أن تجلبها التقنيات الكمية الحالية والمستقبلية للتعلم الآلي، مع التركيز على الخوارزميات"

قد جمع المتخصصون في هذا القطاع أحدث التطورات في مجال الرؤية الاصطناعية والحوسبة الكمومية في ثلاث وحدات. تغطي شهادة الخبرة الجامعية هذه كل شيء بدءاً من بناء الشبكات العصبية التلافيفية، والدوائر الكمية، وخوارزميات التعلم الآلي الكلاسيكية، وصولاً إلى مفهوم التعلم التحوّليTransfer Learning وبرمجة الحواسيب الكمية، وغيرها. لتحقيق هذه الغاية، يستكشف هذا البرنامج بعمق نطاق تطبيق كل تقنية، وفهم المزايا التنافسية التي توفرها.

سيكون لديك رؤية عالمية للتقنيات المختلفة التي تنطوي عليها الرقمنة العالمية والقدرة على تطبيقها“

الوحدة 1. البحث والتطوير والذكاء الاصطناعي Computer vision. تحديد الكائنات وتتبعها

1.1    الرؤية الحاسوبية

1.1.1    الرؤية الحاسوبية
2.1.1    الرؤية الحاسوبية
3.1.1    تفسير الآلات في الصورة

2.1    وظائف التنشيط

1.2.1    وظائف التنشيط
2.2.1    سيني
3.2.1    RELU
4.2.1    الظل الزائدي القطعي
5.2.1    Softmax

3.1    بناء الشبكات العصبية التلافيفية

1.3.1    عملية الالتفاف
2.3.1    الطبقات RELU
3.3.1    التجميع
4.3.1    الإغراء
5.3.1    اتصال كامل

4.1    عملية الالتفاف

1.4.1    كيف يعمل الالتفاف
2.4.1    رمز الالتفاف
3.4.1    االالتفاف. التطبيق

5.1    التحويلات مع الصور

1.5.1    التحويلات مع الصور
2.5.1    التحويلات المتقدمة
3.5.1    التحويلات مع الصور. التطبيق
4.5.1    التحويلات مع الصور. حالة الاستخدام

6.1    Transfer Learning

1.6.1    Transfer Learning
2.6.1    Transfer Learning الأنماط
3.6.1    الشبكات العميقة لتطبيق التعلُّم المنقولTransfer Learning

7.1    الرؤية الحاسوبية. حالة الاستخدام

1.7.1    تصنيف الصورة
2.7.1   كشف الأشياء
3.7.1    تحديد الأجسام
4.7.1    تجزئة الأجسام

8.1    كشف الأشياء

1.8.1    الكشف القائم على الالتفاف
2.8.1    R-CNN، البحث المستهدف
3.8.1    الكشف السريع مع YOLO
4.8.1    الحلول الممكنة الأخرى

9.1    شبكة GAN شبكات الخصومة التوليدية، أو Generative Adversarial Networks

1.9.1    الشبكات التوليدية العدائية
2.9.1    كود شبكة GAN
3.9.1    شبكة GAN التطبيق

10.1    تطبيق نماذج الرؤية الحاسوبية

1.10.1    تنظيم المحتوى
2.10.1    محركات البحث المرئية
3.10.1   التعرف على الوجه
4.10.1    الواقع المعزز
5.10.1    القيادة الذاتية
6.10.1    تحديد الأعطال في كل تجميع
7.10.1    تحديد الآفات
8.10.1    الصحة 

الوحدة 2. Quantum computing. نموذج الحوسبة جديد

1.2 الحوسبة الكمومية

1.1.2 الاختلافات مع الحوسبة الكلاسيكية
2.1.2 الحاجة الحوسبة الكمومية
3.1.2 الحواسيب الكمية المتاحة: الطبيعة والتكنولوجيا

2.2 تطبيقات الحوسبة الكمومية

1.2.2 تطبيقات الحوسبة الكمومية مقابل الحوسبة الكلاسيكية
2.2.2 سياقات الاستخدام
3.2.2 التطبيق في الحالات الحقيقية

3.2 لأسس الرياضية للحوسبة الكمية

1.3.2 التعقيد الحسابي
2.3.2 تجربة الشق المزدوج. الجسيمات والموجات
3.3.2 التشابك

4.2 الأسس الهندسية للحوسبة الكمية

1.4.2 الكيوبت وفضاء هيلبرت ثنائي الأبعاد المعقد
2.4.2 صيغة ديراك العامة
3.4.2 حالات N-كيوبتس وفضاء هيلبرت ذو البعد 2ن

5.2 الأسس الرياضية الجبر الخطي الأسس الرياضية

1.5.2 المنتج المحلي
2.5.2 العوامل الهيرميتية
3.5.2 القيم الأصلية والمتجهات الأصلية

6.2 الدوائر الكمية

1.6.2 حالات بيل ومصفوفات باولي
2.6.2 البوابات المنطقية الكمية
3.6.2 بوابات التحكم الكمي

7.2 خوارزميات الكم

1.7.2 بوابات الكم القابلة للعكس
2.7.2 تحويل فورييه الكمّي
3.7.2 النقل الآني الكمي

8.2 الخوارزميات التي تثبت التفوق الكمي

1.8.2 خوارزمية دويتش
2.8.2 خوارزمية شور
3.8.2 خوارزمية غروفر

9.2 برمجة الكمبيوتر الكمي

1.9.2 برنامجي الأول في Qiskit (IBM)
2.9.2 برنامجي الأول للمحيطات (Dwave)
3.9.2 برنامجي سيرك الأول (جوجل)

10.2 التطبيق على الحواسيب الكمية

1.10.2 إنشاء البوابات المنطقية

 1.1.10.2 إنشاء مُضاعِف رقمي كمي

2.10.2 إنشاء الالعاب الكمومية
3.10.2 الاتصال بالمفتاح السري بين بوب وأليس

الوحدة 3. التعلم الآلي الكمي. الذكاء الاصطناعي في المستقبل

1.3 خوارزميات التعلم الآلي الكلاسيكية

1.1.3 النماذج الوصفية والتنبؤية والاستباقية والإرشادية
2.1.3 النماذج الخاضعة للإشراف وغير الخاضعة للإشراف
3.1.3 اختزال الميزات، التحليل المتسلسل متعدد الكلور، مصفوفة التباين، الآلة الكهروضوئية الجذعية، الشبكات العصبية
4.1.3 التحسين في التعلّم الآلي: الانحدار المتدرج

2.3 خوارزميات التعلم العميق الكلاسيكية

1.2.3 شبكات بولتزمان. ثورة التعلم الآلي
2.2.3 النماذج Deep Learning. CNN، وLSTM، وGANs
3.2.3 نماذج التشفير-فك التشفير
4.2.3 نماذج تحليل الإشارات. تحليل Fourier

3.3 مصنفات الكم

1.3.3 توليد مصنف كمي
2.3.3 ترميز سعة البيانات في الحالات الكمية
3.3.3 ترميز البيانات في الحالات الكمية حسب الطور/الزاوية
4.3.3 الترميز عالي المستوى

4.3 خوارزميات التحسين

1.4.3 خوارزمية التحسين التقريبي الكمي (QAOA)
2.4.3 حلول الكم المتغيرة المتغيرة (VQE)
3.4.3 التحسين الثنائي التربيعي غير المقيَّد (QUBO)

5.3 خوارزميات التحسين. الأمثلة

1.5.3 PCA مع الدوائر الكمية
2.5.3 تحسين حزم الأوراق المالية
3.5.3 تحسين الطرق اللوجستية

6.3 التعلم الآلي للنواة الكمية

1.6.3 المصنفات الكمية المتغيرة. QKA
2.6.3 Quantum Kernel Machine Learning
3.6.3 التصنيف على أساس النواة الكميةQuantum Kernel
4.6.3 التجميع الكمي القائم على النواة الكميةQuantum Kernel

7.3 Quantum Neural Networks

1.7.3 الشبكات العصبية الكلاسيكية والمدرك المستقبلي
2.7.3 الشبكات العصبية الكمية والإدراك التلقائي
3.7.3 الشبكات العصبية التلافيفية الكمية

8.3 خوارزميات التعلم العميق المتقدمة (DL)

1.8.3 آلات بولتزمان الكمية
2.8.3 شبكات الخصومة العامة
3.8.3 تحويل فورييه الكمي وتقدير الطور الكمي والمصفوفة الكمية

9.3 Machine Learning حالة الاستخدام

1.9.3 تجربة مع VQC (المصنف الكمي المتغير)
2.9.3 تجريب الشبكات العصبية الكمية
3.9.3 التجريب مع شبكات GANs

10.3 الحوسبة الكمومية والذكاء الاصطناعي

1.10.3 السعة الكمية في نماذج التعلم الآلي
2.10.3 الرسوم البيانية المعرفية الكمية
3.10.3 مستقبل الذكاء الاصطناعي الكمي

هذا أفضل مؤهل علمي للتعرف على أحدث التطورات في مجال الرؤية الحاسوبية والحوسبة الكمومية“