🗓️ خطة ٦ أسابيع
ساعتين في اليوم. استخدم Google Colab عشان الـ GPU المجاني، وشغّل كل موديل وغيّر في إعداداته وشوف إيه اللي بيحصل.
1
الأسبوع ١
- الدرسين ١ و ٢
- فيديوهات 3Blue1Brown عن الشبكات العصبية
- عدّل شبكة XOR: جرب 2 neurons بس في الطبقة المخفية، وشوف بتتعلم ولا لأ
2
الأسبوع ٢
- الدرسين ٣ و ٤
- PyTorch Learn the Basics
- حوّل موديل أسعار الشقق من المرحلة ٥ لشبكة عصبية، وقارنه بالـ Linear Regression
3
الأسبوع ٣
- الدرس ٥
- اكتب training loop كامل من الذاكرة من غير ما تبص
- جرب تعمل overfitting عمداً وبعدين عالجه
4
الأسبوع ٤
- الدرس ٦
- درّب CNN على Fashion-MNIST من torchvision في Colab
5
الأسبوع ٥
- الدرس ٧
- هات داتا أسعار حقيقية (عملة أو سهم) وجرب LSTM، وقارنه بتوقع «بكرة زي النهارده»
6
الأسبوع ٦: المشروع
- الدرس ٨
- مشروع المرحلة: موديل تصنيف صور بالـ transfer learning على صور جمعتها بنفسك، مع confusion matrix وأمثلة للغلط، ومرفوع على GitHub
💡 الـ Deep Learning مش بديل للـ MLعلى داتا جدولية صغيرة، XGBoost أو حتى Logistic Regression غالباً بيكسبوا الشبكات العصبية وأسرع وأسهل. الـ Deep Learning بيلمع مع الصور والنصوص والصوت والداتا الضخمة. هتشوف ده بعينك في الدرس الرابع.
⚠ اقرا الـ loss، متتفرجش عليهلما التدريب يفشل، الـ loss بيقولك ليه: مش بينزل خالص؟ الـ learning rate أو الداتا فيها مشكلة. بينزل في الـ train وبيطلع في الـ validation؟ overfitting. طلع NaN؟ الـ learning rate كبير أو فيه قسمة على صفر. اتعلم تشخّص قبل ما تغير حاجات عشوائي.
مصادر تكمل بيها
PyTorch: Learn the Basicsالدليل الرسمي خطوة خطوة3Blue1Brown: Neural Networksأحسن شرح بصري للشبكات والـ backpropagationfast.ai: Practical Deep Learningكورس مجاني عملي جداً، بيبدأ بالنتايج وبعدين يشرحDive into Deep Learningكتاب تفاعلي مجاني بكود PyTorch
جاهز للمرحلة ٧؟
- تقدر تشرح إيه اللي بيحصل في
loss.backward()وoptimizer.step()؟ - تقدر تكتب training loop كامل بـ train و validation من الذاكرة؟
- تعرف إمتى تستخدم CNN وإمتى LSTM؟
- عملت موديل صور بالـ transfer learning على داتا من اختيارك؟