بناء أنظمة ذكاء اصطناعي متعدّدة الوسائط
ربط الرؤية والصوت والنص في فضاء تمثيلي موحد. نعيد بناء CLIP، ونستكشف نماذج الانتشار الشرطية للعربية مع التركيز على المخطوطات.
عن هذه الدورة
قراءة جادة لما تتعلمه — ما الذي ستبنيه بيديك، وأين يقع هذا المسار في طيف ممارسة الذكاء الاصطناعي.
الأنظمة متعددة الوسائط ليست مزجًا عرضيًا للنصوص والصور، بل بنية تمثيلية موحدة. هذا المسار يعلم البنية، لا الوصفة.
نتناول CLIP وSigLIP، نماذج الانتشار الشرطية، ومحولات الرؤية (ViT). نطبق على بيانات عربية: مخطوطات، فن إسلامي، نصوص يدوية.
المنهج التفصيلي
الوحدات على مدى الفصل. كل وحدة تنتهي بتسليم محدد يقيم فرديًا وجماعيًا.
CNN، ViT، الفروقات والمفاضلات.
- CNN basics
- ViT
- patches وembedding
بناء CLIP وفهم الفضاء المشترك.
- Contrastive learning
- CLIP
- SigLIP
DDPM، Stable Diffusion، الشرط النصي.
- DDPM
- Latent Diffusion
- Cross-attention conditioning
نظام استرجاع للمخطوطات العربية.
- Indexing
- Retrieval
- تقييم
المدرس
المسار يقوده مدرس واحد، يعرف ما يدرس من الداخل، ولا يفوض المختبرات لمساعدين.
سيعلن المدرس قريبًا
مدرس رئيسي للمسار
ساعي للتعلمزائر سابق · DeepMind
د. كريم فؤاد مهندس أول في الرؤية الحاسوبية وأنظمة الاسترجاع. عمل ست سنوات على نماذج متعددة الوسائط.
حصل على الدكتوراه من جامعة أكسفورد عام 2019 في تمثيلات الفيديو.
مسارات ذات صلة
دورات تكمل أو تسبق هذا المسار في رحلة التعمق.