الخلاصة والامتحان النهائي

عشر وحدات للانتقال من عصبون واحد إلى شبكة مُدرَّبة ومُشخَّصة. هذه هي الدورة مُكثَّفة، ثم الخيوط التي تعبرها.

الدورة في لمحة

الوحدة	الجوهر الواجب حفظه
1. من الإدراك المفرد إلى الشبكة	مجموع موزون ثم تنشيط؛ يفشل الإدراك المفرد في XOR، والعمق فعّال لا ضروري
2. دوال التنشيط	بغير لاخطّية تساوي مئة طبقة طبقةً واحدة؛ ReLU افتراضيًا، وGELU للمحوّلات
3. الانتشار الأمامي	الطبقة جداء مصفوفي؛ ويجب أن تستقبل الخسارة النتائج الخام، لا سوفت‌ماكس
4. الانتشار الخلفي	قاعدة السلسلة: إعادة توزيع بـ$W^{\top}$، وترشيح بـ$f'(z)$، في مرور خلفي واحد
5. المُحسِّنات	معدّل التعلّم يهيمن على كلّ شيء؛ AdamW مع تسخين ثم تناقص جيب تمامي
6. التهيئة والتدرّجات	He لـReLU؛ والحدّ $+1$ في الاتّصال المتبقّي يفتح مسارًا مباشرًا للتدرّج
7. التنظيم	الإسقاط يكافئ مجموعة شبكات فرعية؛ والإسقاط المعكوس يفرض eval() عند الاستدلال
8. التطبيع	$\gamma$ و$\beta$ يجعلان التحويل اختياريًا؛ وبالطبقات متى خرجنا من الرؤية
9. منحنيات التعلّم	الخسارة المستوية علّة؛ والإفراط في تعلّم عشر مشاهدات يُصادق على السلسلة في دقيقتين
10. أوّل شبكة	التقسيم قبل المعالجة؛ وحفظ المُسوّي مع الأوزان

الخيوط التي تعبر الدورة

كلّ شيء يعود إلى صيغة الانتشار الخلفي. فتدرّج وزن عميق جداءُ مشتقّات محلّية: وهذه العبارة وحدها تفسّر التدرّج المتلاشي (الوحدة 6)، ولماذا أزاحت ReLU السيغمويد (الوحدة 2)، ولماذا يحجب تنشيط مُتشبّع التعلّم، ولماذا تعمل الاتّصالات المتبقّية. ففهم هذه الصيغة يعني امتلاك نموذج ذهني يجعل الوحدات الأخرى قابلة للاستنتاج بدلًا من الحفظ.

التدريب والاستدلال نظامان متمايزان. فالإسقاط يُعطّل عصبونات في أحدهما لا في الآخر. والتطبيع بالحزم يستخدم إحصائيات الحزمة، ثم المتوسّطات الجارية. ونسيان eval() لا يرفع أي خطأ: بل يُدهور التوقّعات بصمت ويجعلها تعتمد على الحزمة. وهي أشيع علّة في هذه الدورة.

الخسارة وتنشيط المُخرَج زوج. سوفت‌ماكس مع إنتروبيا متقاطعة صنفية، وسيغمويد مع إنتروبيا متقاطعة ثنائية، ومُخرَج خطّي مع خطأ تربيعي. وهذا ليس عُرفًا اعتباطيًا: بل هذا الاقتران هو ما يُنتج تبسيط $\delta^{(L)} = \hat{y} - y$ في الوحدة 4.

التشخيص يسبق المعمارية. أمام شبكة لا تتعلّم، يكون الإغراء هو تغيير النموذج. وتقترح الوحدتان 6 و9 العكس: قياس معيار التدرّجات، وقراءة المنحنيين، والإفراط في تعلّم عيّنة صغيرة. فهذه الحركات الثلاث تُحدّد السبب في دقائق، حيث يُكلّف التخبّط المعماري ساعات.

الامتحان النهائي

يتضمّن الامتحان 40 سؤالًا تشمل الوحدات العشر: حساب العصبون وتحديد أبعاد الطبقات، واختيار التنشيط والخسارة حسب المهمّة، وميكانيك الانتشار الخلفي، وضبط معدّل التعلّم واختيار المُحسِّن، والتهيئة وتشخيص التدرّجات، والإسقاط والتطبيع بنظاميهما، وقراءة منحنيات التعلّم، وبناء حلقة تدريب صحيحة.

وتعرض عدّة أسئلة حالات للتشخيص: خسارة تصير NaN، ومنحنيان يتباعدان، ونموذج تتغيّر توقّعاته حسب الحزمة، وتدريب متوقّف من الحقبة الأولى. فالمُقيَّم هو الحُكم، لا استظهار الصيغ.

وفي حال النجاح تُمنح شهادة الإتمام فورًا؛ ورقمها قابل للتحقّق من أي طرف على المنصّة.

قبل أن تبدأ

استعِد الجدول أعلاه، واسأل نفسك عن كلّ سطر: «كيف سأرى أنّني مخطئ هنا؟». فإن عرفت أن تقول لماذا تساوي مئة طبقة بلا تنشيط طبقةً واحدة، ولماذا يُعطي نموذج توقّعات مختلفة حسب حزمته، وما تعني خسارة مستوية من الحقبة الأولى، فأنت مستعدّ. حظًّا موفّقًا!

الامتحان النهائي

هل أنت مستعدّ لاعتماد هذه الدورة؟

40 سؤالًا تُختار عشوائيًّا من بنك أسئلة الدورة · حدّ النجاح 70 % · شهادة PDF قابلة للتحقّق تُصدَر فورًا عند النجاح.

ابدأ الامتحان

يلزم تسجيل الدخول إلى حسابك في InSkillML مع اشتراك نشط. يمكنك أيضًا بدء الامتحان من دوراتي.