نماذج الرؤيه الحاسوبيه والمعادلات الرياضية

نكشف الغطاء عن الرياضيات الحقيقية خلف الرؤية الحاسوبية الحديثة

All Levels 19h 10m 16 lessons Laith Al-Haware Arabic

About this course

دورة احترافية متقدمة تكشف الغطاء عن **الرياضيات الحقيقية** خلف الرؤية الحاسوبية الحديثة. لا نكتفي بالقول "النموذج يكتشف القطة" — بل نُظهر **بالمعادلات الكاملة والمشتقات** كيف يقرأ النموذجُ الصورةَ كمصفوفة أرقام، وكيف يستخرج الحوافَّ والملامحَ عبر الالتفاف (Convolution)، وكيف يُموضِع الأجسامَ ويُحدِّد إحداثياتها رياضياً، وصولاً إلى معماريات المُحوِّلات البصرية (Vision Transformers) والنماذج التوليدية. كل درسٍ يوازن بدقّة بين **النظرية** (اشتقاقات كاملة، براهين، تدرّجات) و**التطبيق** (شيفرة NumPy لفهم الجوهر، و PyTorch للتنفيذ العملي)، مدعوماً بمخططاتٍ توضيحية أصلية وفيديوهات تعليمية مُنتقاة. **الجمهور المستهدف:** المهندسون والباحثون والطلاب الجادّون الذين يريدون فهم "لماذا" قبل "كيف". --- ## 🗺️ خريطة الدورة (20 درساً) ### الوحدة الأولى: الأساس الرياضي للصورة | # | الدرس | الملف | |---|-------|-------| | 01 | الصورة كدالّة ومصفوفة: التمثيل الرياضي | [الدرس 01](lessons/lesson-01-image-as-function.md) | | 02 | فضاءات الألوان والعيّنات ونظرية نايكويست | [الدرس 02](lessons/lesson-02-color-sampling.md) | | 03 | الالتفاف والارتباط: قلب الرؤية الحاسوبية | [الدرس 03](lessons/lesson-03-convolution.md) | | 04 | المرشّحات المكانية والترددية وتحويل فورييه | [الدرس 04](lessons/lesson-04-filters-fourier.md) | ### الوحدة الثانية: استخراج الملامح (Features) | # | الدرس | الملف | |---|-------|-------| | 05 | كشف الحواف: من التدرّج إلى Canny | [الدرس 05](lessons/lesson-05-edge-detection.md) | | 06 | كشف الزوايا والنقاط المميِّزة: Harris و SIFT | [الدرس 06](lessons/lesson-06-corners-sift.md) | | 07 | واصفات الملامح: HOG و BoVW | [الدرس 07](lessons/lesson-07-descriptors-hog.md) | ### الوحدة الثالثة: الشبكات الالتفاقية العميقة | # | الدرس | الملف | |---|-------|-------| | 08 | طبقة الالتفاف رياضياً والانتشار العكسي خلالها | [الدرس 08](lessons/lesson-08-conv-layer-backprop.md) | | 09 | التجميع، الحشو، الخطوة، والحقل الاستقبالي | [الدرس 09](lessons/lesson-09-pooling-receptive-field.md) | | 10 | دوال التنشيط والتسوية الدُّفعية: الرياضيات | [الدرس 10](lessons/lesson-10-activation-batchnorm.md) | | 11 | دوال الخسارة والتحسين والتدرّج | [الدرس 11](lessons/lesson-11-loss-optimization.md) | | 12 | المعماريات الكلاسيكية: من LeNet إلى ResNet | [الدرس 12](lessons/lesson-12-architectures.md) | ### الوحدة الرابعة: كشف الأجسام وتحديدها رياضياً | # | الدرس | الملف | |---|-------|-------| | 13 | صناديق الإحاطة و IoU و NMS: الرياضيات | [الدرس 13](lessons/lesson-13-bbox-iou-nms.md) | | 14 | عائلة R-CNN: من الاقتراحات إلى Faster R-CNN | [الدرس 14](lessons/lesson-14-rcnn-family.md) | | 15 | YOLO: الكشف بمرور واحد رياضياً | [الدرس 15](lessons/lesson-15-yolo.md) | | 16 | DETR: الكشف بالمحوِّلات والمطابقة الثنائية | [الدرس 16](lessons/lesson-16-detr.md) | ### الوحدة الخامسة: التجزئة والمعماريات الحديثة | # | الدرس | الملف | |---|-------|-------| | 17 | التجزئة الدلالية والمثيلية: U-Net و Mask R-CNN | [الدرس 17](lessons/lesson-17-segmentation.md) | | 18 | المحوِّل البصري ViT وآلية الانتباه الذاتي | [الدرس 18](lessons/lesson-18-vit-attention.md) | ### الوحدة السادسة: النماذج التوليدية البصرية | # | الدرس | الملف | |---|-------|-------| | 19 | الترميز التلقائي المتغيّر VAE والشبكات التوليدية GAN | [الدرس 19](lessons/lesson-19-vae-gan.md) | | 20 | نماذج الانتشار (Diffusion) رياضياً | [الدرس 20](lessons/lesson-20-diffusion.md) | --- ## ⚙️ المتطلبات المسبقة - **الجبر الخطي:** المصفوفات، القيم الذاتية، تحليل القيم المفردة (SVD). - **التفاضل والتكامل:** المشتقات الجزئية، قاعدة السلسلة، التدرّج. - **الاحتمالات:** التوزيعات، الاحتمال الشرطي، نظرية بايز. - **برمجة Python:** إلمام بـ NumPy، ويُفضّل أساس في PyTorch. --- *أُعدّت هذه الدورة بعناية لتكون مرجعاً عربياً متقدماً ونادراً في الرؤية الحاسوبية. حقوق المحتوى والرسوم محفوظة .*

What you'll learn

تمثيل الصورة رياضياً كدالّة وكموتِّر (Tensor)، وفهم فضاءات الألوان والعيّنات.

اشتقاق عملية الالتفاف ومعكوسها، والتدرّج المنتشر عبرها (Backprop through Conv).

بناء كاشفات الحواف والزوايا والملامح من الصفر (Sobel, Harris, SIFT, HOG).

الرياضيات الكاملة للشبكات الالتفافية: التجميع، التسوية الدُّفعية، دوال الخسارة.

كيف يُحدِّد النموذج الأجسامَ: صناديق الإحاطة، IoU، NMS، خسائر الكشف.

معماريات الكشف الحديثة (R-CNN عائلة، YOLO، DETR) رياضياً.

التجزئة الدلالية والمثيلية ورياضيات القناع (Mask).

المحوِّلات البصرية (ViT) وآلية الانتباه الذاتي بالمعادلات.

النماذج التوليدية البصرية: GANs، VAEs، ونماذج الانتشار (Diffusion).

Curriculum

16 lessons · 19h 10m total · Preview lessons marked below

01

التمثيل الرياضي

الصورة كدالّة ومصفوفة

1h

02

فضاءات الألوان والعيّنات ونظرية نايكويست

1h 5m

03

الالتفاف والارتباط

قلب الرؤية الحاسوبية

1h 10m

04

المرشّحات المكانية والترددية وتحويل فورييه

1h 10m

05

كشف الحواف

من التدرّج إلى Canny

1h 15m

06

كشف الزوايا والنقاط المميِّزة

1h 20m

07

واصفات الملامح HOG و BoVW

1h 10m

08

طبقة الالتفاف رياضياً والانتشار العكسي خلالها

1h 30m

09

التجميع والحقل الاستقبالي

1h 10m

10

التنشيط والتسوية الدُّفعية (Activation & Batch Normalization)

35m

11

دوال الخسارة والتحسين (Loss Functions & Optimization)

1h 20m

12

المعماريات: من LeNet إلى ResNet (Architectures)

1h 20m

13

صناديق الإحاطة و IoU و NMS (Bounding Boxes, IoU, NMS)

1h 10m

14

عائلة R-CNN (R-CNN Family)

1h 20m

15

YOLO: الكشف بمرحلة واحدة (You Only Look Once)

1h 15m

16

DETR: الكشف بالمحوّلات (Detection Transformer)

1h 20m

Progress to Get Course Certificate