ترانسفورمر | المحوّل | Transformer | Attention is all you need |

[@user-hosam_aldeen]

المواضيع و الجزئيات التى تتناولها تحتاج فعلاً و بحاجة ماسة الى هذا النوع من الشرح التحليلى التسلسلى كثيف التفاصيل ولم نجد قناة أخرى تبذل 1/10من الجهد و الاتقان الذى تبذله انت .. كلنا نحييك ❤❤❤❤❤

[@HebahYasin]

الله يبارك بعلمك ويجزيك الجنة

[@user-hosam_aldeen]

ارجو التوسع فى شرح كل ما يتعلق الذكاء الاصطناعي و كل مستجداته و عمل قائمة خاصة على قناتك تحتوى فيديوهات شرح الذكاء الاصطناعي من اوله لآخره حتى تكون مرجعاً وافياً لطلاب العلم .. شكراً جزيلاً

[@SciAwraq]

ان شاء الله تعالى

[@bmmask5806]

والله اليومين هذي احاول افهمها من الاجانب و عجزت محد وضحها لي زي ما وضحتها انت جزاك الله الف خير ما قصرت ❤️💐

[@user-hosam_aldeen]

لو يوجد تقييم لشرحك بالنجوم لاعطيتك الخمس نجوم كاملة بل لاعطيتك نجوم السماء كلها 😂❤

[@areejmralmadhon4590]

الامتنان لهذا الجهد القيّم، ونرجو أن تستمر.

[@SciAwraq]

شكراً جزيلاً ارجو نشر الصفحة بين الاصدقاء لتعم الفائدة

[@user-ve2xt8cj9t]

من أفضل الشروحات في اليوتيوب على الإطلاق - الله يبارك لك

[@Ammar_hani_21]

بارك الله فيك و جزاك الله كل خير

[@meditatio0n]

الشرح واضح جدا الله يسعد قلبك وروحك بحثت كثير عن هالموضوع بالعربي للاسف الشرح كان مختصر وبسيط لكن انت اسهبت الله ينور طريقك تكفى استمر نحتاج محتوى بهالقوه

[@SciAwraq]

شكراً جزيلاً على الكلام الطيب و التشجيع

[@mohammedhsaini4074]

كل الامتنان لهذا الجهد استاذ ❤

[@user-hosam_aldeen]

طريقة شرحك تسمى الشرح التحليلى فائق الدقة و بالتالى فقناتك مميزة عن آلاف القنوات الأخرى فى هذا المجال و تستحق جائزة و ليس مجرد تعليق جيد .. توسع أكثر و استمر ونحن سندعمك بكل قوة ❤❤❤

[@SciAwraq]

شكراً جزيلاً على كلامك الطيب, اعتز بدعمك و اسعد بانك تتطلع للمزيد من المحتوى الهادف.

[@EsmailAtta]

رهيييييب شكرا لك على هذا الشرح, حرفيا قبل مافتح الفيديو هذا كنت ماعرف شيء عن الترانسفورمرز. الان تعلمت من شرحك اشياء كثييييره. ❤

[@user-hosam_aldeen]

ارجو عمل سلسلة فيديوهات تشرح عمليات و خوارزميات ضغط الفيديو بانواعها ووضعها فى قائمة عرض خاصة أيضاً لانه لا احد يستطيع ان يشرحها بالتفصيل التحليلى الرائع هذا مثلك .. ❤❤❤

[@nothing-iv1ln]

ماشاء الله شرح رائع ،ياريت لو تشرح vision transformers

[@SciAwraq]

ان شاء الله سأخصص فيديو عن الترانفورمر بمجال الرؤية الحاسوبيه مع انه شبيه جداً بالترانسفورمر الكلاسيكي و لم يقم بإضافة علمية كبيرة

[@s.b378]

الامتنان لهذا الجهد القيّم، ونرجو أن تستمر.

[@aureliasam2092]

اخ زاهر أنا أحييك من ألمانيا و أشكرك ع هالمجهود الرائع و الشرح البسيط خاصة انني مبتدأ جدا بهذا المجال احتجت انه اشوف الفيديو اكتر من مرة لأفهم المحنوى. انا طالب في جامعة المانية و عنا ما في دكاترة بيشرحو بهي الطريقة. انا بدي اطلب منك رجاء تكمل شرح المواضيع المرتبطة بهذا المجال بأسلوبك الرائع.... مواضيع متل الN gram language model, text classification, naive bayes, recall and prescision.

[@SciAwraq]

شكراً جزيلاً, المواضيع التي ذكرتها ان شاء الله اتكلم عنها ان اتاح الوقت, خاصة انها قد لا تحتاج لشرح مطول

[@Seif285]

شكرا جزيلا ❤

[@zilaleizaldin1834]

شكرا جزيلا لك. أنا أدرس ماجستير في جامعة إلينوي ودايما أبحث باللغة الانجليزية عن الموضوع الذي لا أفهمه. بالصدفة وجدت هذا الفيديو من المقترحات فأحببت أن أشاهده وأرى هل سأفهم الموضوع وقد أحببته كثيرا .. طريقتك سلسة ومفيدة جدا. شكرا لك.

[@SciAwraq]

التواصل عن طريق اللكند ان

[@mandreams3]

شكرا ❤

[@magedmamdouh6745]

بارك الله فى حضرتك وزادك من علمه وفضله اللهم امين

[@MohamedAli-dk6cb]

جزاك الله خيراً ع هالمجهود الرائع.. استمر

[@eqtidarma4726]

الشكر الجزبل لحضرتك على الشرح الرائع

[@SciAwraq]

شكراً جزيلاً على التعليق و الاشتراك

[@khadijandm3989]

جزاك الله خيرا.

[@msbaydazahid698]

شكرًا شكرا من اعماق القلب على هذا الشرح الراقي، بحثت كثيرا عن شرح ال transfom بالعربي واخيرا وجدته بقناتك 🫶🏻…ربنا يحفظك وينورلك طريقك 🤲🏻 إستمر فمحتواك🆙 رائع

[@mehdialaoui8888]

جازاك الله كل خير على هذا الشرح الممتازو المفصل

[@SciAwraq]

جزاك الله خيراً

[@olfadaikhi2969]

شرح اكثر من رائع شكرااا جزيلا دكتر 🥰🥰🥰😊😊😊😊😊😊😊😊

[@SciAwraq]

شكراً جزيلاً لوضعك التعليق, هذه التعليقات حافز قوي لي حتى اقدم فيديوهات جديدة الشكر الجزيل

[@beboaltemimiburhan1330]

ماشاءالله عليك والله انا منبهرة بالشرح 👏👏

[@SciAwraq]

شكراً جزيلاً على الكلام الطيب, و اتمنى نشر القناة بين الاصدقاء للإفادة

[@ahmadabousetta]

جزاك الله خيرا. شرح ممتاز.

[@yshakaa]

ابدعت جداً ! الشرح رائع .. يعطيك العافية و بانتظار المزيد

[@SciAwraq]

شكراً جزيلاً على الكلام الطيب

[@abdelrhmanneme6303]

ماشاء الله الشرح ممتاز و مفيد جدا فى توضيح تفاصيل كتير ❤️❤️❤️

[@MrMalw-c5y]

رائع !!

[@lifesecrets5609]

merci Monsieur pour cette explecation , vraiment tu m'aide bien

[@mohammadkatby]

شكراً د. زاهر على الشرح والتوضيح، الله يجعلها بميزان حسناتك هل ممكن تعمل فيديو منفصل على ال attention أو ال Multi head attention وكيف إنه ال Query, Key, and Values بيلعبو دور اساسي بتمثيل العلاقات بين كلامات الجملة نفسها قبل العلاقات بين الجملتين؟

[@SciAwraq]

اهلا ابو الروض نعم ان شاء الله رح اعمل فيديو منفصل صغير عن الاتنشن

[@misrelkhlegacademy8837]

وانا كمان محتاج ده

[@fareidfareid6484]

شكرا جزيلا لحضرتك ❤❤❤

[@MT-kd5cd]

Thank you very much for such clear explanation of the paper 🌹

[@ahmedchaoukichami9345]

مشكور ماجور على الشرح الوافي لو فيه شرح vit بارك الله فيكم

[@SciAwraq]

نعم, تم طلبه اكثر من مرة و سأقوم بالعمل عليه ان شاء الله في المستقبل.

[@noni460]

جزاك الله كل خير.. شكرا جزيلا

[@TahaNakhleh]

محتوى قيم .. الله يعطيك العافية

[@MontherAlhamdoosh]

ماشاء الله شرح ممتاز...

[@SciAwraq]

شهادة اعتز بها ابو اسامة, و شكراً جزيلاً

[@ramikhrais4831]

خطأ BERT هي embedding model و gpt-3 هي generative model كل وحدة وظيفتها بتختلف

[@SciAwraq]

نعم كلامك صحيح, انا قصدت ان الخوارزميتين يتشابهون من ناحية ان كلاهما يستخدم الترانسفورمر, الجي بي تي تستخدم النصف يلي هو فاك المرمز من الترانسفورمر, و البيرت تستخدم النصف يلي هو المرمز من الترانسفورمر جي بي تي وبيرت هما نموذجان قائمان على المحولات يُستخدمان في معالجة اللغة الطبيعية، لكن يوجد بينهما بعض الاختلافات الأساسية في الهيكل والاستخدام: ١. الهدف: جي بي تي هو نموذج توليدي يهدف إلى إنشاء نصوص استنادًا إلى سياق معين، بينما بيرت هو نموذج تمييزي يهدف إلى فهم العلاقات بين أجزاء مختلفة من النص وتوقع الكلمات المفقودة أو الإجابة على الأسئلة استنادًا إلى النص المدخل. ٢. هدف التدريب: يتم تدريب جي بي تي باستخدام مهمة نمذجة اللغة أحادية الاتجاه (من اليسار إلى اليمين)، حيث يتنبأ بالكلمة التالية في الجملة استنادًا إلى السياق السابق. يتم تدريب بيرت باستخدام مهمة نمذجة اللغة القناعية ثنائية الاتجاه، حيث يتنبأ بكلمة مقنعة (مخفية) في الجملة استنادًا إلى السياق من الجانبين الأيسر والأيمن. ٣. السياق ثنائي الاتجاه: يأخذ بيرت في الاعتبار السياق من اليسار واليمين في جميع الطبقات، مما يسمح له بفهم أفضل لمعاني الكلمات في الجملة. بينما يعتمد جي بي تي على السياق غير المتبادل. ٤. التجانس: يمكن تكييف بيرت بسهولة لمهام معينة، مثل الإجابة على الأسئلة أو تحليل المشاعر. أما جي بي تي فيمكن تكييفه أيضًا ولكن قد يتطلب المزيد من التعديلات الخاصة بالمهمة. ٥. الاستخدامات: يستخدم جي بي تي في مهام إنشاء النصوص وتوليد العناوين، بينما يستخدم بيرت في مهام تتطلب فهم العلاقات بين الكلمات في الجملة. باختصار، تكمن الاختلافات الرئيسية بين جي بي تي وبيرت في أهدافهما وطرق التدريب وفهم السياق وقدرات التجانس والاستخدامات. يركز جي بي تي على إنشاء النصوص، بينما يتفوق بيرت في المهام التي تتطلب فهم عميق للعلاقات بين الكلمات في الجملة.

[@abcd-learning6085]

thank you for this explanation

[@ranialaiche5404]

الشرح جميل بارك الله فيك لكن فيك تشرح tranformer في مجال الصور .؟؟؟

[@SciAwraq]

نعم, قمت بشرح الفيجين ترانسفورمر بأحد التعليقات لكن سأخصص فيديو مخصص عنه

[@mohab5005]

مبدع

[@SciAwraq]

شكراً جزيلاً

[@omaralkhasawneh1968]

شيء جميل جداً

[@ahmedcherifmazari6974]

Very helpful, thanks for sharing

[@husseinalmansory7370]

ما شاء الله شرح واضح الله يجزاك خير

[@ghazisabri1377]

شرح رائع . مشكور استاذ

[@SciAwraq]

شكراً جزيلاً ارجو نشر الصفحة بين الاصدقاء لتعم الفائدة

[@nisan858]

شكرًا جزيلاً، استمر لو سمحت. 🌷

[@SciAwraq]

شكراً جزيلاً ارجو نشر الصفحة بين الاصدقاء لتعم الفائدة

[@najmidev]

شكرا لك

[@Unknown-ck7fi]

روعة

[@waelkraiem1260]

merciiii ❤❤

[@khaleddawoud363]

شرح مميز واكثر من رائع >> استمر وبالتوفيق لك. لايك واشتراك

[@khalilld728]

شكرا جزيلا على الشرح الواضح، لكن عندي سؤال فيما يخص Values, ال Values لازم نحصل عليهم من tokens يعني from our input. لكن في الفيديو قلت ان Values هم ضرب KEYS*Wi يعني خارج Dot-product between keys and query مضروب مرة اخرى في Keys. ممكن فهمت غلط او هذا قصدك. وشكرا مرة اخرى 🙂

[@AtikaBencherif]

شكرااا شكرااا كثيرا على شرح هل من ممكن الحصول على الورقة التي شرحت منها من فضلك

[@SciAwraq]

نعم اختي, الورقة هي : arxiv.org/pdf/1706.03762.pdf

[@AtikaBencherif]

@@SciAwraq بارك الله فيك كل توفيق الك ونفعنا الله بك

[@ranialaiche5404]

فهمت أنو الكلمة لازم تتحول ل فيكتور قبل ماتدخل على encoder . لكن الصورة كيف؟ وفي head ettention معنتها أنو مدى اهمية كل كلمة بالنسبة للكلمات الأخرى في نفس الجملة . والصورة كيف . أرجو ان تجيب . من فضلك 🥺

[@SciAwraq]

في الصور الامر مشابه جداً للكلمات، يتم تقسيم كل صورة إلى صور مربعة صغيرة بقياس ١٦*١٦ بكسل ثم يتم بسط كل صورة مربعة صغيرة إلى فيكتور بطول ٢٥٦ بكسل حيث يتم اخذ كل سطر بسكلات من الصورة المربعة وضعه بجانب السطر السابق حتى ينتج لدينا فيكتور بطول ٢٥٦ و قيمة كل خانة بالفيكتور هي القيمة الرقمية للبكسل. يمكن النظر إلى الفيكتور (وهو بالحقيقة مربع صغير بالصورة الكبيرة) بنفس الطريق التي يتم النظر بها إلى فيكتور الكلمات في الترامسفورمر الكلاسيكي. في النهاية الاتنشن يتعلم علاقات هذه المربعات الصغيرة مع بعضها البعض و ترتيبها ضمن الصورة الكاملة هذا التعلم يُكسب التراسفورمر القدرة على فهم ماهية الاشياء التي تحتويها الصورة الام وعلاقات الاشياء المرئية بين بعضها البعض. أرجو ان تكون الاجابة واضحة

[@ranialaiche5404]

@@SciAwraq فهمت جدا . شكراا . لكن هذا لنعرف ماهية الصورة .لكن في حالة بدنا نقيم جودة الصورة . لأنو هذا هو موضوع مذكرتي . ( multi scale qualité image transformers) . اذاا ما أزعجتك أخي جاوبني . شكرااا كتييير مسبقا