خريطة طريق تعلم هندسة الذكاء الاصطناعي

خريطة طريق تعلم هندسة الذكاء الاصطناعي

نحن نشارك خريطة طريق التعلم لأولئك الذين يريدون بدء هندسة الذكاء الاصطناعي. هذه الخريطة منظمة للسماح بالتعلم التدريجي للمجالات الأساسية لهندسة الذكاء الاصطناعي.

👨‍💻 البرمجة وأساسيات التعلم الآلي

اللغات والمفاهيم الأساسية

Python

• Python لعلم البيانات (freeCodeCamp)
• صيغة Python الأساسية وهياكل البيانات.
• مكتبات علم البيانات مثل NumPy، Pandas، Matplotlib.

Bash

• دورة مكثفة في برمجة Bash
• أوامر shell الأساسية والبرمجة النصية.
• الأتمتة وإدارة النظام.

Typescript (اختياري)

• دليل TypeScript
• نظام النوع الثابت.
• البرمجة الكائنية.

الإحصاء وأنواع نماذج التعلم الآلي

• أكاديمية خان - الإحصاء والاحتمال
• دورة Google المكثفة في التعلم الآلي
• “كتاب التعلم الآلي من مائة صفحة” بقلم Andriy Burkov

📦 واجهات برمجة تطبيقات LLM

• كتاب طبخ OpenAI
• وثائق LangChain
• دليل Anthropic API
• متعدد الوسائط مع OpenAI (الرؤية والصوت)

🔧 تكييف النموذج

• دليل هندسة المطالبات
• Hugging Face – دورة ضبط Transformers الدقيق
• Toolformer: نماذج اللغة يمكنها تعليم نفسها استخدام الأدوات

🗃️ التخزين للاسترجاع

• وثائق Pinecone (قاعدة بيانات المتجهات)
• بداية Weaviate RAG
• دليل Redis + LangChain للاسترجاع الهجين

🧠 RAG والـ RAG الوكيلي

• RAG مع LangChain و OpenAI
• خط أنابيب Haystack RAG
• ورقة RAG الأصلية من Meta
• تنسيق LLM مع LangGraph

🤖 وكلاء الذكاء الاصطناعي

• وكلاء LangChain
• Auto-GPT
• OpenAgents (عرض OpenAI DevDay)
• ورقة ReAct

🏗️ البنية التحتية

• MLOps Zoomcamp (مجاني)
• نشر LLM مع Kubernetes (بواسطة Pinecone)
• CI/CD مع GitHub Actions

👀 القابلية للملاحظة والتقييم

• WhyLogs (WhyLabs)
• TruLens لتقييم LLM
• LangSmith (بواسطة LangChain)

🛡️ الأمان

• دليل Red Teaming للذكاء الاصطناعي (Microsoft)
• الاعتبارات الأخلاقية من DeepMind
• Llama Guard وحواجز المطالبات

🚀 العناصر المستقبلية

• وكلاء الذكاء الاصطناعي للروبوتات - Stanford CS327G
• استنساخ الصوت و TTS (coqui.ai)
• وكلاء الذكاء الاصطناعي CLI (Auto-GPT، gpt-engineer)

دليل التعلم

تغطي خريطة الطريق هذه بشكل شامل مجالات مختلفة من هندسة الذكاء الاصطناعي. يمكن تعلم كل قسم بشكل مستقل، ويمكنك تعديل ترتيب التعلم وفقاً لاهتماماتك وأهدافك.

ترتيب التعلم الموصى به

1. البرمجة وأساسيات التعلم الآلي: تعلم أولاً البرمجة ومفاهيم التعلم الآلي التي تشكل أساس هندسة الذكاء الاصطناعي.
2. واجهات برمجة تطبيقات LLM: تعلم الاستخدام الأساسي لنماذج اللغة الكبيرة.
3. تكييف النموذج: تعلم كيفية تعديل النماذج من خلال هندسة المطالبات والضبط الدقيق.
4. التخزين و RAG: تعلم كيفية بناء أنظمة تخزين واسترجاع البيانات.
5. وكلاء الذكاء الاصطناعي: تعلم كيفية تصميم وتنفيذ وكلاء الذكاء الاصطناعي المستقلين.
6. البنية التحتية والأمان: النظر في النشر والأمان في بيئات الإنتاج.

نصائح التعلم

• حاول تنفيذ الأمثلة العملية من كل قسم بنفسك.
• شارك في المجتمعات ذات الصلة لتبادل الخبرات مع المطورين الآخرين.
• حدث باستمرار مع أحدث الاتجاهات والتقنيات.

نأمل أن تساعدك خريطة الطريق هذه في بدء رحلتك في هندسة الذكاء الاصطناعي. يرجى المتابعة بالتعلم بوتيرتك الخاصة ووفقاً لاهتماماتك.

مستعد لبناء مستقبل السحابة الذكية الخاصة؟

إذا كنت تتردد صدى مع مهمة Thaki Cloud—”حوسبة الذكاء الاصطناعي والبرمجيات للجميع”—يرجى الاتصال بنا عبر البريد الإلكتروني فوراً. 📧 info@thakicloud.co.kr