| رقم الدرس | عنوان الدرس |
|---|---|
| 1 | Machine Intelligence - Lecture 1 (methods, history, definitions, Turing Test) |
| 2 | Machine Intelligence - Lecture 2 (Turing Test, Chinese Room, Generalization, PCA) |
| 3 | Machine Intelligence - Lecture 3 (PCA, AI and Data) |
| 4 | Machine Intelligence - Lecture 4 (LDA, t-SNE) |
| 5 | Machine Intelligence - Lecture 5 (Computer Vision, Features, Fisher Vector, VLAD) |
| 6 | Machine Intelligence - Lecture 6 (Validation, Overfitting, Underfitting) |
| 7 | Machine Intelligence - Lecture 7 (Clustering, k-means, SOM) |
| 8 | Machine Intelligence - Lecture 8 (SOM learning, Support Vector Machines) |
| 9 | Machine Intelligence - Lecture 9 (Cluster Validity, Probability, Fuzzy Sets, FCM) |
| 10 | Machine Intelligence - Lecture 10 (Regression, Neurons, Perceptron, Learning) |
| 11 | Machine Intelligence - Lecture 11 (Backpropagation, Topology, Overfitting, Autoencoders) |
| 12 | Machine Intelligence - Lecture 12 (Problems of Learning, RBMs, Autoencoders) |
| 13 | Machine Intelligence - Lecture 13 (Convolutional Neural Networks, CNNs) |
| 14 | Machine Intelligence - Lecture 14 (Overfitting in Deep Learning, Reinforcement Learning) |
| 15 | Machine Intelligence - Lecture 15 (Reinforcement Learning, Q-Learning) |
| 16 | Machine Intelligence - Lecture 16 (Decision Trees) |
| 17 | Machine Intelligence - Lecture 17 (Fuzzy Logic, Fuzzy Inference) |
| 18 | Machine Intelligence - Lecture 18 (Evolutionary Algorithms) |
| 19 | Machine Intelligence - Lecture 19 (Opposition-Based Learning, GAs, DE) |
| 20 | Machine Intelligence - Lecture 20 (Bayesian Learning, Bayes Theorem, Naive Bayes) |
| 21 | Machine Intelligence - Lecture 21 (Naive Bayes, Swarm Intelligence, Ant Colonies) |
| 22 | Ethics of Artificial Intelligence - Part 1 :: Machine Intelligence Course, Lecture 23 |
| 23 | Ethics of Artificial Intelligence - Part 2 :: Machine Intelligence Course, Lecture 24 |
ملخص السيرة الذاتية
الدكتور حميد تيزوش هو أستاذ المعلوماتية
الطبية الحيوية في قسم الذكاء الاصطناعي والمعلوماتية ، Mayo Clinic ،
روتشستر ، مينيسوتا ، الولايات المتحدة الأمريكية. وهو مؤسس ومدير مختبر
KIMIA (مختبر الاستدلال المعرفي في تحليل الصور الطبية). تشمل أنشطته
البحثية الذكاء الاصطناعي ، ورؤية الكمبيوتر ، والتصوير الطبي ، مع التركيز
بشكل خاص على علم الأمراض الرقمي. قام الدكتور تيزوش بتطوير خوارزميات
تصفية الصور الطبية وتقسيمها وبحثها. كذلك ، فقد قدم مفهوم "التعلم القائم
على المعارضة". ألّف كتابين ، و 14 فصلاً في الكتب ، وأكثر من 150 ورقة
بحثية ومؤتمرات ، وبراءات اختراع متعددة. لديه أكثر من ثلاثة عقود من
الخبرة في المجال وعمل مع العديد من الشركات. بالإضافة إلى ذلك ، يتمتع
الدكتور تيجوش بخبرة تزيد عن خمسة عشر عامًا في مجال التسويق والمشاريع
الناشئة.
الاهتمامات البحثية
الذكاء الاصطناعي
التصوير الطبي
رؤية الكمبيوتر
الطب الحيوي
تعليم
2000 ، دكتوراه في علوم الكمبيوتر الفنية - التصوير الطبي ، جامعة ماغديبورغ
1996 ، ماجستير ، هندسة كهربائية - علوم حاسب تقنية ، جامعة التكنولوجيا آخن
الكورس ده والراجل ده عملاق الكلمة تركز فيها وتكتبها وراهوت عليها
الراجل
بيجمع ما بين العلم الأكاديمي وبين العملي العملي في الشغل فتلاقيه بيقولك
احنا بنعمل ايه في الشركات بجانب شرحه العظيم جدا اسمه Hamid Tizhoosh
الكورس كان تابع ل جامعة واترلو ، واترلو ، أونتاريو ، كندا
1-لمعرفة المفاهيم الأساسية وراء التعلم الآلي / الذكاء
2-لتعلم الاستدلال الفوقي المختلفة لتقريب الوظيفة
3 - تعلم كيفية اختيار أسلوب التعلم الصحيح لمشكلة معينة
4-لمعرفة الفرق بين التعلم الضحل والعميق
5- التعرف على كيفية التحقق من القدرات التعليمية لتقنية معينة من خلال الأدوات النظرية والتجريبية المناسبة
6-لمعرفة كيفية إجراء التجارب والتحقق من صحة / مقارنة الخوارزميات
7- تعلم كيفية كتابة الورقة العلمية
