بُنى Transformer: من آلية الانتباه إلى السلاسل الزمنية

تتبّع آلية الانتباه من المكوّنات الأساسية إلى نموذج متخصص للتنبؤ.

هل تبحث عن شروحات خطوة بخطوة لأدوات ذكاء اصطناعي محددة؟

نظرة عامة على الدورة

مسار تقني يبدأ بأساسيات Transformer وتنفيذ صغير شفاف، ثم يتناول متغيرات الانتباه وينتهي ببنية Informer للسلاسل الزمنية. يربط المتعلم بين اختيارات البنية وتركيب التسلسلات وكلفة الحساب وافتراضات التنبؤ، ثم يصمم تقييماً يتجنب تسرّب المعلومات عبر الزمن.

شرح كيفية تمثيل الانتباه للعلاقات بين مواضع التسلسل. مقارنة Transformer تقليدي بمتغير للانتباه وبنية مخصصة للسلاسل الزمنية. تصميم تقييم زمني للتنبؤ باستخدام خطوط أساس وفحوص تكشف تسرّب البيانات.

يُستحسن الإلمام بالشبكات العصبية والمتجهات والتعلم الخاضع للإشراف. وتفيد القدرة على قراءة مخططات النماذج البسيطة أو الشيفرة الكاذبة؛ لا يلزم برنامج بعينه.

للمتعلمين ذوي الخبرة الراغبين في تعميق مهارات الذكاء الاصطناعي المتقدمة وتطبيقها

لمن يتعلمون بشكل أفضل من خلال الأمثلة والدروس الموجّهة والتطبيق العملي

للمهنيين والمبدعين والمطورين المستقلين الباحثين عن سير عمل قابل للتكرار

جرّب الدرس الأول

جرّب الدرس الأول مجانًا بحساب مجاني، دون بطاقة دفع. تتطلب الدروس المدفوعة الأخرى وصولًا صالحًا إلى الأكاديمية أو فترة تجريبية نشطة أو اشتراك Lumi Pro.

4 الدروس · متقدم · الدورة الكاملة.

محتوى دورة بترخيص مفتوح · مرخّص CC BY · الترخيص موثّق

تستخدم هذه الدورة مواد مرخّصة بموجب CC BY مع نسبتها إلى مزود المحتوى أو رافعها. لا يتاح تشغيل الدروس إلا بعد تسجيل الدخول واجتياز فحوص النشر والترخيص.

تحليل المصادر

دورة تقنية عن المحولات (Transformers) موجهة إلى ممارسي التنبؤ، مع شروط وصول مفتوحة لا تزال غير واضحة

تحليل تحريري بمساعدة الذكاء الاصطناعي للمصادر المذكورة، وليس اختبارًا عمليًا أو مراجعة عميل. ادعاءات المورّد ليست قياسات أداء مستقلة.

تقييمنا

تصف الصفحة دورة "Transformer Architectures: Attention to Time Series" بوصفها دورة متقدمة من أربعة دروس تنتقل من أساسيات المحولات إلى متغيرات الانتباه (attention) وبنية Informer الخاصة بالسلاسل الزمنية. ويتسم تركيزها المعلن بالطابع التحليلي: إذ يُتوقع من المتعلمين أن يربطوا الخيارات المعمارية ببنية التسلسلات وكلفتها الحسابية وافتراضات التنبؤ. وتشير المتطلبات السابقة المذكورة (الشبكات العصبونية، والمتجهات، والتعلم الخاضع للإشراف الأساسي) إلى أن الدورة مصممة للقراء ذوي الإعداد التقني، لا للمبتدئين الباحثين عن نظرة عامة على الذكاء الاصطناعي.

الجمهور والاستخدام المناسب

أكثر حالات الاستخدام صلة بالدورة هو ممارس يبني تنبؤات السلاسل الزمنية أو يقيّمها، ويرغب في فهم سبب ملاءمة نموذج قائم على المحولات أو عدم ملاءمته لمشكلة تسلسل معينة. تذكر الصفحة أن المتعلمين يجب أن يكونوا قادرين على تصميم تقييم للتنبؤ يحترم الترتيب الزمني والنماذج المرجعية، وهي نتيجة ملموسة لمن يراجع أعمال التنبؤ. أما من يبحث أساساً عن أداة جاهزة للتشغيل أو برنامج تعليمي تطبيقي، فلن يجد ذلك هنا، إذ تنص الصفحة على أنه لا يلزم برنامج بعينه، وأن التركيز منصب على التحليل.

القيود والمفاضلات

أقوى ما تصرّح به الدورة هو تركيزها على المفاضلات بدلاً من قوائم الميزات: إذ تطلب من المتعلمين مقارنة المحول التقليدي بمتغير للانتباه وببنية مخصصة للسلاسل الزمنية. أما القيد الرئيسي فيتعلق بمستوى الدخول المطلوب. فالصفحة توصي بخبرة سابقة في الشبكات العصبونية والتعلم الخاضع للإشراف، لذا قد يجد القراء الذين لا يملكون هذه الخلفية المادة صعبة. كما تصف الصفحة الدورة بأنها مكونة من دروس مع درس أول مجاني، لكن بقية الدروس يبدو أنها تتطلب وصولاً موثقاً، ولا تذكر الصفحة سعراً ولا شروطاً محددة لهذا الوصول. وينبغي للقراء ألا يفترضوا أن الدورة كاملة متاحة مجاناً.

قبل البدء

قبل تخصيص وقت أو مال، تحقّق من ثلاثة أمور لدى الجهة المقدّمة: شروط الوصول الحالية إلى الدروس التي تلي الدرس الأول، ومستوى المتطلبات السابقة الدقيق الذي تفترضه الدورة، وما إذا كان حجم الوقت المطلوب يتناسب مع جدولك. تشير الصفحة إلى أن مقاطع الفيديو مرفوعة باللغة الإنجليزية وأن الدورة تستخدم مواداً مرخصة بموجب CC BY، لكنها لا تصف دعماً للترجمات النصية أو الترجمات الأخرى، لذا ينبغي لغير الناطقين بالإنجليزية التحقق من ذلك مباشرة. واعتبر ما تذكره الدورة عن نتائجها نوايا المقدّم، إذ لا تنشر الصفحة نتائج المتعلمين ولا بيانات إكمال الدورة.

نقاط تحتاج إلى تحقق

المصادر التي تمت مراجعتها

ساعدنا على جعل هذه الصفحة أكثر فائدة

هل تابعت دروسًا من هذه الدورة؟ أخبرنا بما تعلمته وما يمكن توضيحه.

شارك تجربتك · اقترح تصحيحًا

تُرسل الملاحظات بشكل خاص إلى فريقنا. لا تُنشر تلقائيًا ولا تُحتسب كتقييم. لا تشارك كلمات المرور أو بيانات العملاء أو المعلومات الحساسة.