تعلّم الذكاء الاصطناعي بالممارسة

دورات عملية بالفيديو في الذكاء الاصطناعي للطلاب والموظفين والمستقلين وأصحاب الأعمال والشركات الراغبة في استخدامه في العمل.

جديد في الذكاء الاصطناعي؟ ابدأ هنا.

اختر دورة عملية وتعلّم بالوتيرة التي تناسبك. دورات المبتدئين هذه متاحة الآن في كتالوج الأكاديمية.

• Claude Cowork والعمل المعرفي بالذكاء الاصطناعي - استخدم العروض المختارة لدراسة أنماط العمل المعرفي: تنظيم الملفات، وإضافة سياق دائم، والبحث في موقع، وتغليف قدرات قابلة لإعادة الاستخدام، وصياغة مخرجات تجارية، ومقارنة التدفقات بالوكلاء. ينصب التركيز على المدخلات القابلة للفحص والمخرجات القابلة للمراجعة، لأن الواجهات والصلاحيات قد تتغير.
• إنشاء الصور بالذكاء الاصطناعي: المطالبات والاتساق والأدوات المحلية - ابدأ من موجز بصري وابنِ سير عمل للصور يمكن مراجعته. ستقارن بين أساليب التوليد والتحرير، وتتدرب على بناء المطالبة، وتحافظ على استمرارية الشخصية والمشهد، وتختبر الخيارات المستضافة والمحلية دون اعتبار واجهة بعينها ثابتة. يركز المقرر على سجلات الإصدارات والأذونات ومراجعة المخرجات والإفصاح عن الوسائط الاصطناعية.
• سير عمل المحتوى والتسويق بالذكاء الاصطناعي - أنشئ نظام محتوى صغيرًا بدل كومة من نصائح الأدوات. ستتدرب على تصميم المطالبة والسياق، وموجزات متعددة المخرجات، والأتمتة المحدودة، والمسودات بأسلوب المحتوى الذي ينشئه المستخدمون، والاختصارات على الهاتف، وتجارب التسويق، ومختبرات المطالبات المضبوطة. ويُبقي كل سير عمل التحقق والخصوصية ومراجعة الادعاءات والموافقة البشرية واضحة، حتى لا تصبح واجهة منتج متغيرة مصدر الحقيقة الوحيد للمقرر.
• اقرأ دليل الذكاء الاصطناعي إلى جانب دورتك

تعلّم الذكاء الاصطناعي بالممارسة

دورات عملية بالفيديو في الذكاء الاصطناعي للطلاب والموظفين والمستقلين وأصحاب الأعمال والشركات الراغبة في استخدامه في العمل.

• تحليلات SQL باستخدام دوال النوافذ - طوّر مهارة عملية في دوال النوافذ في SQL، بدءاً من عبارة OVER والتقسيم، وصولاً إلى الترتيب والحسابات المقارنة. ميّز بين حساب النافذة والتجميع الذي يختزل الصفوف، وحدد الترتيب وحدود إطار النافذة بوضوح، ثم تحقق من النتائج باستخدام أمثلة صغيرة. تستخدم الأنشطة بيانات افتراضية أو مسموحاً باستخدامها، وتركز على تحديد مستوى الصفوف، والترتيب الحتمي، والتفسير المتأني. لا تكون نتيجة الاستعلام ذات معنى إلا عند توضيح مجتمع البيانات والافتراضات.
• مراقبة انجراف النماذج: الكشف والتشخيص والتحسين - يربط هذا المقرر إشارات الانجراف الإحصائية بتشخيص النماذج في الإنتاج وتحسينها بمسؤولية. ميّز تغير توزيع المدخلات عن تغير العلاقة التنبؤية، واجمع أدلة جودة البيانات والنتائج، ولا تعتبر التنبيه سبباً تلقائياً لإعادة التدريب. تستخدم الأنشطة حالات خيالية وتركز على خط الأساس والتقييم الزمني ومراجعة المجموعات والتراجع وتحديد المسؤولية.
• إجابات مستندة إلى المصادر: تصميم سير عمل RAG وتقييمه - تتبّع الانتقال من استرجاع الوثائق إلى سير عمل للأسئلة والأجوبة يمكن مراجعته. قارن أنظمة محلية للتعامل مع ملفات PDF، وافحص أسلوباً للتحقق الذاتي، وصمّم تقييماً يفصل بين الاسترجاع والتوليد. تركّز الأنشطة الأصلية على تتبّع المصادر والخصوصية وتحليل الإخفاقات والمراجعة البشرية، لا على اعتبار طلاقة الإجابة دليلاً على صحتها.
• الذكاء الاصطناعي التوليدي: دليل عملي للمبتدئين - مدخل قصير لا يتطلب خبرة سابقة. تعرض أربعة مقاطع فيديو تم التحقق من حقوق استخدامها الأساسيات وحدود الإجابات المولدة وتطبيقين يوميين. تحقق دائمًا من النتائج بالرجوع إلى المصدر.
• تجزئة الصور المتقدمة: الأساليب الدلالية والفردية والبانوبتيكية - من صياغة التجزئة إلى الوسوم الدلالية وتمثيل الكائنات والبانوبتيك، ثم تتبع النقاط والبكسلات. ميّز وحدات التنبؤ والوسم والارتباط الزمني.
• الضبط الدقيق المقتصد لمعلمات نماذج اللغة: PEFT وLoRA وQLoRA - ادرس الضبط الدقيق المقتصد بالمعلمات من دوافعه والتكيّف منخفض الرتبة إلى مسارات PEFT وLoRA المكمّم. قارن أوزاناً أساسية مجمدة بوحدات تكيّف قابلة للتدريب، وحدد اختيارات الوحدات والبيانات بوضوح. صمم تقييماً يفصل مكاسب المهمة عن الحفظ وآثار التكميم وكلفة النشر. الفيديوهات بالإنجليزية ومرفقة بملاحظات أصلية لا بنصوص منسوخة.
• التعلم المستمر: الذاكرة والاستقرار والمرونة - تتناول الدورة سيناريوهات التعلم المستمر، والموازنة بين الاستقرار والمرونة، والذاكرة والتعميم، ودراسة للتعلم المعزز المستمر دون الاعتماد على تعريف المهمة. ينتقل المسار من تحديد تقييم المهام المتتابعة إلى آليات التكيف وتكاليف الذاكرة، ثم يدرس خط أساس بسيطاً في التعلم المعزز. ستتعلم التمييز بين الاحتفاظ بالمعرفة ونقلها وتصميم تقييمات تكشف النسيان وأثر ترتيب المهام وتكاليف الموارد. مقاطع الفيديو باللغة الإنجليزية؛ وهذه الملاحظات والأنشطة الأصلية لا تنسخ نصوصها.
• التعلم المعزز: أساليب القيمة وتدرجات السياسة - مسار يبدأ بعمليات القرار لماركوف وأهداف التعلم، ثم يتناول أساليب القيمة والسياسة، والتكرار الملائم للقيمة، وتدرجات السياسة الحتمية. يربط بين اختيار الأسلوب وفضاء الأفعال وجمع البيانات والاستقرار، ويميز الأفكار الخوارزمية عن ضمان نجاح التحكم. مقاطع الفيديو باللغة الإنجليزية؛ أما الملاحظات والأنشطة الأصلية فلا تنسخ نصوصها.
• مشروعات تعلم الآلة التطبيقي: الإعداد والتنبؤ والمقارنة - تربط الأمثلة العملية بين إعداد البيانات والتصنيف والتجميع والتنبؤ بالسلاسل الزمنية. تتناول الأنشطة تحديد الهدف وتسرب البيانات وخط الأساس وحدود تعميم النتائج. استخدم بيانات عامة أو اصطناعية ووثّق عدم اليقين وقابلية إعادة الإنتاج.
• اختبارات A/B: تصميم التجارب وتنفيذها وتفسيرها - طوّر سير عمل عمليًا للتجارب يربط سؤالًا عن المنتج بمعالجة ومجموعة مقارنة ونتيجة محددة بوضوح. راعِ التوزيع العشوائي والتعرّض والقياس والأهمية العملية، وكذلك مخاطر المبالغة في تفسير نتائج مشوشة. تستخدم الأنشطة بيانات افتراضية أو مجمّعة ومصرّحًا باستخدامها، وتركز على القرارات المحددة مسبقًا ومقاييس الحماية والتعبير الصريح عن عدم اليقين؛ ولا تضمن أي تجربة إجابة نهائية.
• استرجاع المعلومات: نماذج النقر والملاءمة وتعلّم الترتيب - يتدرج هذا المسار المتقدم من نمذجة الملاءمة اللغوية وسلوك النقر إلى التعلّم الزوجي عبر الإنترنت وبنى الترتيب العميقة. ويميز أحكام الملاءمة عن النقرات المرصودة، ويفحص تحيز التعرض، ويربط أهداف الترتيب بالتقييم. يركز على البحث والترتيب لا على التوليد المعزز بالاسترجاع. الفيديوهات بالإنجليزية، وترافقها مواد أصلية لا نصوص منسوخة.
• بُنى Transformer: من آلية الانتباه إلى السلاسل الزمنية - مسار تقني يبدأ بأساسيات Transformer وتنفيذ صغير شفاف، ثم يتناول متغيرات الانتباه وينتهي ببنية Informer للسلاسل الزمنية. يربط المتعلم بين اختيارات البنية وتركيب التسلسلات وكلفة الحساب وافتراضات التنبؤ، ثم يصمم تقييماً يتجنب تسرّب المعلومات عبر الزمن.
• هندسة المطالبات: صياغة طلبات أوضح - مدخل عملي إلى التواصل مع الذكاء الاصطناعي التوليدي. تقدّم أربعة مقاطع تحقّقنا من حقوق استخدامها كلٌّ على حدة، بدءاً من أساسيات المطالبات وجودتها، ثم تقنيات صياغتها وطرق جعل الطلب أوضح. تدرّب على مهمة محدودة المخاطر، وقارن النتائج، وتعامل مع كل إجابة بوصفها مسودة تحتاج إلى مراجعة.
• تحليل البيانات عملياً باستخدام Python وPandas - ابنِ سير عمل عملي للتحليل عبر خطوات قصيرة: جهّز دفتر الملاحظات، وافهم قيم Python، وحمّل الملفات الشائعة، واختر البيانات واربطها، ولخّص المجموعات، وافحص مجموعة بيانات. الدروس المختارة عروض تعليمية بترخيص مفتوح من Alex The Analyst، ولا تغني عن وثائق المكتبات المحدثة. ستنتهي بدفتر قابل لإعادة التنفيذ للتحليل الاستكشافي، وبسجل واضح لافتراضاتك.
• الشبكات العصبية البيانية: تمرير الرسائل والتعلم على الرسوم - يتناول المسار الانتباه البياني وتمرير الرسائل العصبي وتصنيف العقد والرسوم واستكمال رسوم المعرفة متعددة العلاقات. يربط بنية الرسم وتجميع المعلومات بمهام التنبؤ، ثم يفحص أثر الزيادة والافتراضات الهندسية في التعميم. كما يجعل قرارات بناء الرسم صريحة ويصمم تقييماً يتجنب تسرب البيانات.
• تقييم النماذج التوليدية: المقاييس والاختبارات المعيارية والثقة - ينتقل هذا المسار من معايير جودة المخرجات إلى حدود الاختبارات المعيارية وأدلة الثقة، ثم يتناول حالة تقييم متعددة الوسائط. لا يُعدّ ترتيب النماذج أو المقياس الواحد حكماً نهائياً: حدّد الاستخدام المقصود، وافحص ملاءمة البيانات ومعيار التقييم، وحلّل الإخفاقات حسب الفئات. تجمع الأنشطة بين الاختبارات الكمية والمراجعة النوعية والإشراف البشري المتناسب.
• التعلم الذاتي الإشراف لتمثيلات الرسوم والشبكات - يتناول المسار الزيادة التقابلية والرسوم الفائقة والتمثيلات السياقية للتنبؤ بالروابط والاستعلامات المنطقية في رسوم المعرفة. ويقارن البنية التي تحفظها الإشارات وأثر نوع الرسم والهندسة والتقييم. لا يضمن الهدف ذاتي الإشراف تمثيلاً عاماً نافعاً. ترافق الفيديوهات الإنجليزية مواد أصلية لا نصوصاً منسوخة.
• الكشف المتقدم عن الأجسام: DETR والتعلم بكفاءة البيانات - تتبع موضوع كشف الأجسام من تعريف المهمة إلى التنبؤ بالمجموعات على نمط DETR وتصميم المحولات والتعلم النشط الاحتمالي لاختيار البيانات الموسومة. ميّز تحديد الموقع في الصورة من التتبع الزمني، وراع المقاييس وتقسيم البيانات وجودة الوسوم وكلفة الحوسبة. ترافق الفيديوهات الإنجليزية ملاحظات تعليمية أصلية.
• سير عمل الوكلاء: التخطيط واستخدام الأدوات والحفاظ على الرقابة البشرية - ادرس الانتقال من إجابة واحدة إلى سير عمل متعدد المراحل. ارسم التخطيط واستدعاء الأدوات والتسليم بين المراحل، وضع حدوداً للأفعال التي قد تؤثر في الأشخاص أو البيانات أو الأنظمة الخارجية. تستخدم الأنشطة الأصلية سيناريوهات متخيلة وتوضح الموافقة والتسجيل والتعافي من الإخفاق.
• سير عمل البيانات ببايثون: الجمع والتحويل والتحليل - تتبّع البيانات من موقع أو واجهة برمجية إلى تنظيمها والعمليات العددية وتحليل العلاقات. افحص الإذن والحدود والمصدر والمخطط والقيم المفقودة. تميز الأنشطة بين الارتباط والسببية؛ ولا يعني ظهور البيانات للعامة السماح بإعادة استخدامها.
• التعلم الاتحادي: التجميع والتخصيص والتمثيلات - يدرس التعلم الاتحادي وFedAvg والتخصيص. يحلل اختلاف العملاء والمشاركة والاتصال، ولماذا لا يضمن حفظ البيانات محلياً الخصوصية رسمياً.
• استكمال الرسوم البيانية المعرفية: التمثيلات والتضمينات والتقييم - تركز هذه الدورة المتقدمة على استكمال الرسوم البيانية المعرفية لا على الشبكات العصبية للرسوم البيانية عموماً. تربط البنى والسمات النصية بتضمينات الكيانات والعلاقات، وتدرس أهدافاً كفؤة من دون أخذ عينات سلبية واستكمال الكيانات الواعي بالمخطط، ثم تفحص بروتوكولات تقييم التنبؤ بالروابط. ينصب الاهتمام على بناء المرشحين وتسرب البيانات ومقاييس الترتيب ومدى تمثيل التقييم للاستخدام المقصود. مقاطع الفيديو باللغة الإنجليزية؛ والمواد التعليمية الأصلية توجيه تحليلي وليست نصوصاً منسوخة.
• تجارب المنتجات: التحليل والمفاضلات والمنصات - اربط تفسير التجارب بقرارات المنتج والأنظمة التي تنسق الاختبارات على نطاق واسع. يوضح مثال لمفارقة ومحاضرة عن النماذج واختبارات A/B ونقاش حول ملاءمة الاختبار وجلسة عن إدارة المنصات أنواعًا مختلفة من الأدلة والمفاضلات التشغيلية. تدرب على فحص الشرائح والاختبارات المتداخلة والحوكمة وجودة القياس؛ ولا يُعد أي ادعاء من منصة أو متحدث دليلًا عامًا على صلاحية التجربة.
• قابلية رصد MLOps: مراقبة أنظمة الإنتاج - استكشف قابلية الرصد من جمع المقاييس وتصميم التنبيهات إلى تسليم العمليات وانتقال الدفتر إلى الخدمة. افصل إشارات البنية التحتية عن أدلة التنبؤ، وراعِ أدوات قياس تحمي الخصوصية وتسميات محدودة وإصدارات قابلة لإعادة الإنتاج وخطط الاستعادة. تستخدم الأنشطة أنظمة خيالية ولا تزعم أن منصة المراقبة تضمن الموثوقية.
• خطواتك الأولى في تحليل البيانات - تعرف على ثلاث طرق لفحص البيانات الجدولية، دون ادعاء إتقانها جميعًا فورًا. تعرض أربعة مقاطع فيديو تم التحقق من حقوق استخدامها مشروع Excel وإعداد MySQL واستكشاف SQL والتنظيف باستخدام Pandas. سجل افتراضاتك أثناء العمل.
• تحقّق قبل أن تثق: تدقيق مخرجات الذكاء الاصطناعي - مسار للمبتدئين يتعامل مع الادعاءات التي ينتجها الذكاء الاصطناعي على أنها أمور تستدعي البحث، لا حقائق ينبغي تكرارها. تتناول أربعة مقاطع فُحصت حقوق استخدامها الهلوسات، ومثالاً للتحقق، والمراجعة البشرية، واكتشاف المخرجات الخاطئة. تدرّب على فصل الادعاءات والعثور على أدلة مستقلة وبيان ما لم يُحسم.
• التحليل الجغرافي المكاني: البيانات والاستعلامات والربط المكاني - أنشئ سير عمل دقيقاً للاستعلامات والربط الجغرافي، واربط عمليات نظم المعلومات الجغرافية المكتبية بقواعد البيانات المكانية. ميّز بين مسندات الهندسة وأنظمة الإحداثيات ومستوى تفاصيل السجلات المربوطة، وادرس أثر الحدود ومصدر البيانات في التحليل. تستخدم الأنشطة أمثلة جغرافية افتراضية أو مرخصة على نحو مناسب، وتتحقق من الهندسات غير الصالحة أو غير المتوافقة، ولا تعتبر الخريطة أو الارتباط المكاني دليلاً سببياً. تحقق من شروط المصدر وبيانات الإحداثيات الوصفية قبل إعادة استخدام بيانات حقيقية.
• أسس تعلّم الآلة: من الخوارزميات إلى خطوط المعالجة - اربط الحدس الهندسي للمتجهات بالتفكير بأقرب الجيران، والأشجار المعززة، ودوال الخسارة، وخطوط المعالجة التمهيدية، ومثالين موجزين للشبكات العصبية. تستخدم السلسلة دروس CampusX المرخّصة ترخيصاً مفتوحاً بوصفها عروضاً تطبيقية. وبدلاً من اعتبار مثال برمجي دليلاً على التعميم، ستتدرب على السؤال عن البيانات والهدف والتقسيم ومقياس التقييم الذي يستخدمه النموذج.
• التمويل الكمي: الاختبار التاريخي وبيانات السوق - ادرس تفاعل البيانات المالية وقواعد الاستراتيجية وخيارات المحاكاة في الاختبار التاريخي. ميّز بين اختبار المحفظة وأمثلة الاستراتيجية الواحدة، واستكشف سير عمل يستند إلى Python. تحقق من غياب انحياز النظر إلى المستقبل وانحياز البقاء وافتراضات التنفيذ غير الواقعية. العناوين اللافتة ادعاءات تستحق الفحص وليست نتائج مثبتة. تستخدم الأنشطة بيانات افتراضية وتركز على تكاليف المعاملات والتحقق المرتب زمنياً والمقارنة المرجعية ومقاييس المخاطر وحدود تعميم الأداء التاريخي. هذا مقرر تعليمي وليس نصيحة استثمارية.
• سير عمل الصور التوليدية: الإعداد والإنشاء والمراجعة - افحص أدوات سطح المكتب والنماذج وسير تحويل النص إلى صورة وحدود الاستدلال من الصور. خطط لتجارب آمنة وسجّل المصدر وراجع الحقوق والإفصاح واحتمال التضليل. لا يثبت كاشف الصور مصدرها.
• التحسين البايزي للتجارب الفعالة - ينتقل المسار من دوافع التحسين البايزي إلى تصميم التجارب بالنماذج البديلة وضبط الأداء آلياً. يدرس عدم اليقين واختيار دالة الاكتساب وضجيج القياس والقيود العملية، مثل كلفة التقييم ومجالات المعاملات. ويركز على المقارنة القابلة لإعادة الإنتاج مع البحث العشوائي وتوثيق ميزانية البحث.
• الخصوصية التفاضلية: الحساسية والمقاييس والإحصاءات الخاصة - يعرض أسس الخصوصية التفاضلية والحساسية والتعريفات والإحصاءات الخاصة. يركز على التجاور والتركيب والمنفعة ونموذج التهديد.
• كشف الشذوذ: التدفقات والبيانات متعددة المتغيرات والتفسير - ينتقل المسار من تدفقات البيانات إلى مؤشرات متعددة المتغيرات وتفسير القيم المتطرفة. ويميز درجة الكشف عن الحادث المؤكد ويفحص التفسيرات بالمعرفة المجالّية. إلى جانب نقاش يركز على HTM، يعرض أبحاثاً متعددة المتغيرات؛ فلا يناسب كاشف واحد كل السياقات. الفيديوهات بالإنجليزية ومرافقة بمواد أصلية لا نصوص منسوخة.
• الذكاء الاصطناعي المسؤول: الخصوصية والأخلاقيات والمراجعة - مقرر تمهيدي حول الاستخدام المتأني للذكاء الاصطناعي التوليدي والمعلومات. تتناول أربعة مقاطع مرخصة بترخيص مفتوح الخصوصية والأخلاقيات وأسس الذكاء الاصطناعي المسؤول ونزاهة البحث. تساعد أنشطة أصلية على تحديد ما يمكن مشاركته، ومن قد يتأثر، ومتى تلزم مراجعة بشرية أو طريقة أكثر أماناً.
• أنظمة توصية تطبيقية: الكتب والأفلام وقوائم التشغيل - استخدم سياقات توصية مختلفة لفهم النماذج المعتمدة على التفاعل والمحتوى وحدود ما تثبته التجربة. عرّف التغذية الراجعة وأهداف الترتيب وافحص السمات وانحياز التعرض وخطط للموافقة والتنوع والبداية الباردة وتحكم المستخدم. تستخدم الأنشطة حالات خيالية أو بيانات وصفية مسموحاً بها؛ لا تثبت التجربة ذوقاً عالمياً أو أثراً للمنتج.
• تعلم آلي آمن: الاستدلال الخاص وعكس النماذج - تتناول الدورة أنظمة تعلم الآلة الحافظة للخصوصية: من إطار عام إلى مصنف آمن لأقرب الجيران وتقييم الشبكات العصبية المكمّمة، ثم عكس النموذج بوصفه تهديداً ملموساً في التصفية التعاونية. تميز الدورة بين حماية الحساب والضمانات الرسمية للخصوصية، وتفحص نماذج التهديد وقنوات التسرب وكلفة المنفعة. والدرس الأخير المتمحور حول الهجوم تحليل أمني لا تأييد لاستخراج البيانات الشخصية. مقاطع الفيديو باللغة الإنجليزية؛ والملاحظات والأنشطة أصلية لا تنسخ نصوصاً.
• التعلم الآلي القابل للتفسير: الشروح والحدود - يميّز هذا المسار بين قابلية التفسير المتأصلة والشروح اللاحقة، ويدرس إسناد الأهمية إلى الخصائص والشبكات العصبية القابلة للتفسير وقيود الاستخدام في الإنتاج. اختبر ثبات الشرح، وما تقوله الطريقة فعلاً عن النموذج، وكيفية توضيح نطاقه للفئة التي تحتاج إليه.
• تنسيق خطوط البيانات: المجدولات ومخططات DAG - استكشف جدولة تدفقات البيانات عبر حديث عن Luigi ومقارنة بين Airflow وLuigi وأداة مرئية لإنشاء مخططات DAG ودروس ترحيل من مجدولات مؤسسية. اربط تبعيات المهام بإعادة المحاولة وعدم تكرار الأثر وقابلية الرصد وإدارة التغيير؛ فالمجدول لا يغني عن كود مهام موثوق. تتطلب الأنشطة خططًا صريحة للاستعادة والمسؤولية. هذه العروض أمثلة وليست دليلًا على أن أداة بعينها هي الأفضل لكل فريق.
• تقييم تطبيقات الذكاء الاصطناعي ونشرها بمسؤولية - اربط تقييم التطبيق بتغليف خدمة تعتمد على نموذج وإتاحتها. حدّد اختبارات ممثلة وافحص قابلية إعادة التنفيذ وحدود واجهة API، ثم ضع شروط إصدار تشمل الأمان والتراجع والمسؤولية البشرية. لا تضمن الأنشطة الأصلية استمرار صلاحية إطار عمل أو وصفة نشر بعينها.
• تتبع الأجسام المتعددة: ربط الهويات والمتتبعات المتينة - ادرس تتبع الأجسام المتعددة بوصفه ربطاً زمنياً لا كشفاً مستقلاً لكل إطار. تناول قرارات المطابقة وإدارة المسارات وGHOST مثالاً محدداً. حلل تبدل الهوية والاكتشافات الفائتة وإشارات الحركة والمظهر والتقييم على مستوى التسلسل، من دون افتراض تعميم الطريقة خارج ظروف اختبارها. الفيديوهات بالإنجليزية ومرفقة بملاحظات أصلية.
• التعلّم العميق والرؤية الحاسوبية باستخدام CNNs - انتقل من دور التعلّم العميق وعائلات الشبكات العصبية إلى أساسيات PyTorch والبنية الالتفافية والنماذج المدرّبة مسبقاً والتعلّم بالنقل. يقدّم الدرس الأخير سياقاً محدوداً لمشروع تصنيف الصور. تُعرض المادة عبر دروس CampusX المرخّصة ترخيصاً مفتوحاً، لذلك ينبغي التحقق من واجهات أطر العمل ومصطلحات مجموعات البيانات في الوثائق المحدثة قبل تنفيذ مشروع.
• تصميم أوامر قابلة للتكرار: الهيكلة والاختبار والمراجعة - الأمر مكوّن في تطبيق وليس صيغة سحرية. حدد المهمة والسياق والقيود والفحوص، وقارن النسخ بأمثلة ثابتة واختبر الأدوات المقترحة. تركز الأنشطة على التكرار والأدلة والخصوصية والحكم البشري.
• خوارزميات التوصية: الترشيح التعاوني عملياً - انتقل من مسألة ترتيب التوصيات إلى جوار المستخدمين والدرجات الموزونة وتشابه العناصر. افحص افتراضات مصفوفات التفاعل والتداخل والتعرض، وقارن بخطوط أساس الشعبية وجودة الترتيب والتغطية واختبارات البداية الباردة والحساسية. تستخدم الأنشطة مصفوفات خيالية صغيرة وتؤكد أن الدرجات دون اتصال لا تثبت النفع أو العدالة أو الأثر السببي.
• الاستدلال البايزي: التعلم وحساب التوزيع اللاحق وMCMC - من الاستدلال البايزي إلى حساب التوزيع اللاحق بطرائق MCMC. يوضح الافتراضات ويفحص التقريب والتشخيص والحساسية.
• استدلال عصبي فعال: التكميم والضغط - يدرس المسار تكميم الشبكات العصبية والتكميم بخطوة متعلمة وكفاءة الاستدلال ومجموعة أوسع من تقنيات كفاءة نماذج اللغة الكبيرة. يميز بين مفاضلات التمثيل والحساب وبين نتائج العتاد الفعلية، ويقارن أساليب الضغط ويصمم فحوص جودة وزمن استجابة ملائمة للمهمة. ترافق مقاطع الفيديو الإنجليزية مواد تحليلية أصلية لا تنسخ نصوصها.
• أنظمة التوصية: الترشيح التعاوني والتحليل إلى عوامل والإنصاف - استكشف أنظمة التوصية من الترشيح التعاوني وإشارات التفضيل إلى ترميز التشابه المدمج والتوصية المراعية للإنصاف ونماذج التحليل إلى عوامل. افحص كيفية جمع التغذية الراجعة وأثر التقييم في جودة الترتيب والإنصاف. الفيديوهات بالإنجليزية ومرفقة بملاحظات أصلية لا بنصوص منسوخة.
• الاستدلال السببي: التجارب والمطابقة والانحدار - ينتقل المسار من الأسئلة السببية وافتراضاتها إلى التجارب العشوائية والمطابقة وضبط الانحدار. حدّد الأثر المستهدف وارسم مخططاً سببياً واكتشف مخاطر الالتباس والانتقاء، ثم وضّح حدود الاستنتاجات الرصدية. الأمثلة للتعلم المنهجي ولا تثبت أن مقدّراً واحداً يحل مشكلة تحديد السببية.
• أنظمة معالجة اللغة الطبيعية: من بنية اللغة إلى المحوّلات - أنشئ جسراً عملياً من معالجة النصوص ووسم التسلسلات إلى نماذج اللغة العصبية وتمثيلات المحوّلات. قارن صياغة المهام واختيارات البيانات ومخرجات النماذج، ثم خطط لتقييم يراعي السياق وتكلفة الأخطاء. تستخدم الأنشطة نصوصاً متخيلة أو عامة وتؤكد أن طلاقة المخرجات لا تثبت ملاءمة المهمة أو غياب التحيز.
• هندسة البيانات: ETL وReverse ETL وخطوط التحليلات - استكشف أربعة أوجه لعمل خطوط البيانات: نظرة عامة إلى التصميم الحديث، وتنفيذ ETL في Databricks، وReverse ETL باستخدام Airflow، وخط تحليلي باستخدام Airflow وPySpark. ميّز خيارات الإدخال والتحويل عن التسليم التشغيلي إلى أنظمة أخرى، ثم وثّق العقود والمنشأ والاستعادة وحدود الخصوصية. البنى والعروض أمثلة توضيحية؛ ولا تكون حزمة تقنية أو حركة بيانات ملائمة تلقائيًا دون إذن المصدر وضوابط الوجهة.
• إنشاء الصور بالذكاء الاصطناعي: من المطالبة إلى المراجعة - مسار للمبتدئين يستعرض الأساسيات والطرق العملية لإنشاء الصور التوليدية. تعرّف أربعة مقاطع جرى التحقق من حقوقها بتوليد الصور، وتعرض إنشاء الصور، وتتناول صيغ المطالبات وسير عمل للمبتدئين. أنشئ موجزاً أصلياً محدود المخاطر، وقارن النتائج، وراجع الجودة والمصدر والموافقة والاستخدام المقصود قبل المشاركة.
• التعلم قليل الأمثلة: التعميم عبر المعرفة والأحداث والرسوم - بعد تحديد إعداد التعلم قليل الأمثلة، يتناول المسار التحقق من المعرفة وكشف الأحداث الواعي بالتصنيف الهرمي وخصائص الجزيئات. تساعد أمثلة الدعم وبنية المهمة على التكيف ولا تضمن النقل. قارن خطوط الأساس وقيّم على مستوى الكيانات أو المجالات المناسب. الفيديوهات بالإنجليزية وموادها أصلية لا نصوص منسوخة.
• أسس معالجة اللغة الطبيعية وصولاً إلى المحوّلات وLLMs - ابنِ تصوراً متسلسلاً لمعالجة اللغة الطبيعية: عرّف المهمة، وضع المعالجة المسبقة والتمثيل في خط، وجرب صياغة تصنيف نصي خاضع للإشراف، ثم اربط الانتباه الذاتي بالتطور التاريخي للنماذج اللغوية. الدروس المختارة من CampusX مادة تعليمية لا وعداً بنتيجة لنموذج بعينه، وتركز التمارين على إظهار اختيارات المعالجة وافتراضات التقييم.
• تحليل البيانات في Excel: من التنظيف إلى المخططات - تعلّم تسلسلاً عملياً للإجابة عن سؤال بيانات صغير في Excel: افحص جدولاً ونظّفه، واحسب حقولاً مفيدة، ولخّص الفئات بجدول محوري، ثم اختر مخططاً مناسباً. تعتمد الدروس الأربعة على عروض منفصلة جرى التحقق من حقوق استخدامها. اعمل على نسخة من بيانات مسموح لك باستخدامها، واحتفظ بالأصل، واشرح ما يوضحه ملخصك وما لا يثبته.
• بناء تطبيقات GenAI باستخدام LangChain وLangGraph - ابدأ بدور LangChain في تطبيقات الذكاء الاصطناعي التوليدي، ثم افحص المكونات وواجهات النماذج والمطالبات والمخرجات المنظمة والمحللات، قبل الانتقال إلى سير عمل وكيل في LangGraph. تقدم CampusX العروض المختارة وسياق الشيفرة؛ وقد تتغير أسماء الحزم وواجهات البرمجة، لذلك تعامل مع التمارين كنماذج تحتاج إلى تحقق لا تعليمات إنتاج ثابتة. تكافئ الدورة المخططات الصريحة ومدخلات الاختبار وانتقالات الحالة القابلة للرصد.
• مقدمة إلى SQL: طرح أسئلة على الجداول - ابنِ استعلاماً استكشافياً على خطوات صغيرة يسهل مراجعتها: اختر أعمدة من جدول، ورشّح الصفوف، ولخّص الصفوف الناتجة حسب الفئة، ثم ميّز بين شرط على صفوف المصدر وشرط على نتائج التجميع. تعرض الدروس أساليب عمل ولا تفترض إعداداً معيناً لقاعدة البيانات. استخدم جدول تدريب آمناً وكيّف تفاصيل صياغة SQL حسب بيئتك.
• أتمتة الذكاء الاصطناعي وتشغيل الوكلاء - يدرس هذا المقرر أنماطًا عملية للأتمتة من دون التعامل مع العرض التوضيحي بوصفه مخططًا جاهزًا للإنتاج. ينتقل من سير عمل متكامل للمحتوى إلى التشغيل عن بُعد، والجدولة، والامتدادات، وتصميمات متعددة الوكلاء بنمط المشرف، وسير عمل في n8n يتضمن ضبطًا بشريًا للجودة. يُتوقع من المتعلمين اختبار الصلاحيات، والتعافي من الإخفاق، ومعالجة البيانات، وخطوات الأدوات الحساسة للتغيير.
• Python وPandas: أول تحليل للبيانات الجدولية - مقدمة مركّزة إلى التعامل مع البيانات الجدولية باستخدام Pandas في Python. ابدأ بفهم DataFrame بوصفه جدولاً ذا تسميات، واقرأ ملفاً، ورشّح الصفوف أو الأعمدة للإجابة عن سؤال، ثم لخّص المجموعات. تظل الفيديوهات منسوبة إلى قنواتها الناشرة، وقد جرى التحقق من حقوق كل منها على حدة. تدرّب بملف غير حساس، وتحقق من كل تحويل، وسجّل افتراضاتك.
• Claude Cowork والعمل المعرفي بالذكاء الاصطناعي - استخدم العروض المختارة لدراسة أنماط العمل المعرفي: تنظيم الملفات، وإضافة سياق دائم، والبحث في موقع، وتغليف قدرات قابلة لإعادة الاستخدام، وصياغة مخرجات تجارية، ومقارنة التدفقات بالوكلاء. ينصب التركيز على المدخلات القابلة للفحص والمخرجات القابلة للمراجعة، لأن الواجهات والصلاحيات قد تتغير.
• أساسيات Power BI: استيراد البيانات ونمذجتها وعرضها - اتبع مساراً عملياً في Power BI Desktop: تعرّف إلى أول مرئي، وجهّز جدولاً مستورداً، وافهم أثر العلاقات في التحليل، واختر مرئيات توصل نتيجة جرى التحقق منها. كل درس عرض مستقل مرخّص برخصة المشاع الإبداعي من الجهة الناشرة. قد تتغير الواجهة والميزات؛ لذا وثّق قراراتك المتعلقة بالبيانات والنموذج.
• المطالبات التطبيقية للبحث والعمل عالي الحساسية - ينتقل هذا المقرر من بنية المطالبة والأمثلة إلى سياق الإجراءات القانونية، وتحليل فجوات المحادثة، وتأصيل الاسترجاع، والبحث البصري، واكتشاف الكلمات المفتاحية. يتعامل المقرر مع مخرجات النموذج بوصفها مسودة للفحص، لا نصيحة قانونية ولا إثباتًا لواقعة ولا بديلًا عن المراجعة المؤهلة. ينتج كل تكليف مطالبة أو سجل أدلة أو أثر تقييم يمكن تدقيقه.
• تعلّم الآلة: المفاهيم الأساسية وتقسيم البيانات - مسار تمهيدي ينتقل من الفكرة الأساسية لتعلّم الآلة إلى أنواع مهام التعلّم ومفاهيم النماذج وتقسيم البيانات على نحو مدروس. تقارن بين أمثلة التعلّم المُراقَب وغير المُراقَب والتعلّم القائم على المكافآت، ثم تستكشف ضرورة فصل بيانات التدريب عن بيانات التقييم. يستخدم النشاط الختامي مجموعة صغيرة من البيانات المسموح لك باستخدامها، ولا يتطلب خبرة برمجية.
• أساسيات نماذج اللغة الكبيرة: التعلم العميق والنماذج والاسترجاع - يربط هذا المقرر بين تدريب الشبكات العصبية وممارسة التعلم بالنقل من جهة، وداخليات نماذج اللغة وتقييم النماذج والمطالبة وحلقات الوكلاء واتصالات أدوات MCP وسير العمل الموجّه بالاسترجاع من جهة أخرى. تجمع المادة بين دروس تقنية مطولة وعروض أقصر؛ فاستخدم التكليفات للتمييز بين المفاهيم الدائمة والأوامر الحساسة للإصدار، ولاحظ كل حدود النظام واختبرها.
• الشبكات العصبية: من العصبونات إلى التعلّم - مقدمة ميسّرة من أربعة دروس تبدأ بالعصبون الاصطناعي، ثم تنتقل إلى الطبقات ودوال التنشيط والتمثيلات المكتسبة. تشرح الدورة المفاهيم من دون الحاجة إلى البرمجة أو التفاضل والتكامل. وفي النهاية ترسم شبكة صغيرة وتوضح ضرورة اختبار مخرجاتها على أمثلة لم تُستخدم في تدريبها.
• أساسيات الذكاء الاصطناعي ونماذج اللغة إلى وكلاء البحث (أردية-إنجليزية) - يبني هذا المقرر مسارًا مفاهيميًا من التعلم الآلي ومعالجة اللغة الطبيعية إلى نماذج اللغة الكبيرة وأدوات النماذج المدربة مسبقًا والمطالبات ومشروع تخرج لوكيل بحث بلغة Python. تُقدَّم السلسلة بتعليم أردي-إنجليزي، وينبغي استخدامها أساسًا للتجارب لا وعدًا ببقاء واجهة نموذج أو مكتبة أو خدمة مستضافة على حالها. تركز التكليفات على التعامل مع المصادر والمخرجات المنظمة والمراجعة البشرية.
• تصوير البيانات: المبادئ والإدراك والترميزات - دورة للمبتدئين من أربعة دروس حول تصميم تصوير البيانات وقراءته. تبدأ بهدف التصوير، ثم تتناول الإدراك والتسلسل البصري وترميزات مثل الموضع والطول واللون. تتدرب على اختيار رسم يلائم السؤال وبيان عدم اليقين والحدود، بدلًا من التعامل مع صورة مصقولة كأنها دليل قاطع.
• إنشاء الصور بالذكاء الاصطناعي: المطالبات والاتساق والأدوات المحلية - ابدأ من موجز بصري وابنِ سير عمل للصور يمكن مراجعته. ستقارن بين أساليب التوليد والتحرير، وتتدرب على بناء المطالبة، وتحافظ على استمرارية الشخصية والمشهد، وتختبر الخيارات المستضافة والمحلية دون اعتبار واجهة بعينها ثابتة. يركز المقرر على سجلات الإصدارات والأذونات ومراجعة المخرجات والإفصاح عن الوسائط الاصطناعية.
• أخلاقيات البيانات: الخصوصية والاستخدام والربط المسؤول - مقدمة عملية للتفكير الأخلاقي خلال دورة حياة البيانات. تحدد الأشخاص المتأثرين والأغراض، وتبحث الاستخدام المسؤول والخصوصية في تحليلات التعلّم، ثم تدرس كيف يمكن لدمج مجموعات البيانات أن ينشئ مخاطر جديدة. تقدم الدورة إطارًا للمراجعة لا استشارة قانونية، وتنتهي بسجل عملي لقرار يتعلق باستخدام البيانات.
• إنتاج الفيديو بالذكاء الاصطناعي: من تحويل الصورة إلى فيديو إلى الإعلانات السينمائية - خطط لأعمال الفيديو القصيرة بالذكاء الاصطناعي على هيئة لقطات واختبارات ونقاط مراجعة. ينتقل التسلسل من كتابة مطالبات تحويل النص إلى فيديو إلى التخطيط السينمائي وتحريك الصور وتجارب تحويل الصورة إلى فيديو والإعداد المحلي واستكشاف الأخطاء وإصلاحها ومشروع ختامي موجه للإعلانات. وتظل عادات الإنتاج المتينة، مثل الموجزات وأوراق الاستمرارية وسجلات المصدر وسجلات العيوب والموافقة البشرية، مفيدة مع تغير الأدوات والنماذج.
• أتمتة بالذكاء الاصطناعي دون برمجة: أنشئ سير عمل وراجعه - مقدمة عملية للأتمتة المدعومة بالذكاء الاصطناعي لمن لا يبرمجون. تنتقل العروض الأربعة المرخّصة من شرح تمهيدي لأداة n8n إلى إنشاء أول أتمتة بالذكاء الاصطناعي، ثم مثال متعلق بـGmail ودرس مطوّل عن Make.com. تدرب على بيانات تجريبية غير حساسة فقط؛ فالواجهات والتكاملات تتغير، وينبغي اختبار الأتمتة بعناية قبل أن تؤثر في أشخاص أو سجلات حقيقية.
• سير عمل المحتوى والتسويق بالذكاء الاصطناعي - أنشئ نظام محتوى صغيرًا بدل كومة من نصائح الأدوات. ستتدرب على تصميم المطالبة والسياق، وموجزات متعددة المخرجات، والأتمتة المحدودة، والمسودات بأسلوب المحتوى الذي ينشئه المستخدمون، والاختصارات على الهاتف، وتجارب التسويق، ومختبرات المطالبات المضبوطة. ويُبقي كل سير عمل التحقق والخصوصية ومراجعة الادعاءات والموافقة البشرية واضحة، حتى لا تصبح واجهة منتج متغيرة مصدر الحقيقة الوحيد للمقرر.
• سير عمل الكتابة بالذكاء الاصطناعي: من الفكرة إلى المراجعة - أنشئ عملية كتابة قابلة للتكرار من دون التخلي عن مسؤوليتك التحريرية. تتناول العروض الأربعة المرخّصة بمشاع إبداعي العصف الذهني باستخدام ChatGPT، وصياغة طلب محدد لرسالة بريد إلكتروني، ودرسًا قصيرًا عن جعل نص الذكاء الاصطناعي أنسب لجمهوره، ومراجعة النص عبر مخطط عكسي وملخصات مولدة. تعامل مع النص الناتج بوصفه مسودة قابلة للتحرير: قدّم بنفسك الحقائق المتحقق منها، وافحص الادعاءات والنبرة، واتخذ القرارات النهائية بنفسك.
• أنظمة البحث والإنتاجية بالذكاء الاصطناعي - صمّم روتينات البحث والإنتاجية كسير عمل قابل للتدقيق. تغطي الدروس أذونات مساحة العمل والتقاط الاجتماعات ووكلاء البحث المجدولين وجمع إشارات المنتجات وتقييم الميزات وأمن الوكلاء والعمل بمساعدة الصوت. وبدل الوعد بالدقة الآلية، يطلب المقرر من المتعلمين تحديد حدود المصادر وفحص المخرجات وحماية المعلومات الحساسة والاحتفاظ بمسار يدوي بديل.
• سير عمل البحث بالذكاء الاصطناعي: ابحث وتحقق ونظّم - مسار للمبتدئين لاستخدام ميزات البحث بالذكاء الاصطناعي دون الخلط بين الملخصات المولدة والأدلة. تقدم الفيديوهات البحث المعمق بالذكاء الاصطناعي وأدوات البحث، وتتناول التحقق من نتائج البحث الآلي، ثم تعرض سيرًا لقراءة الأبحاث باستخدام Roam Research. ستتدرب على تحديد سؤال، والعثور على المصادر الأصلية، وتسجيل بيانات المصادر، وتوضيح ما لا يزال غير مؤكد. قد تحذف أدوات الذكاء الاصطناعي معلومات أو تحرفها؛ وتبقى مسؤولية التحقق من الادعاءات المهمة على الباحث.
• الذكاء الاصطناعي المسؤول: الإنصاف وقابلية التفسير والخصوصية والثقة - تعلّم تحويل شواغل الذكاء الاصطناعي المسؤول إلى أسئلة مراجعة وسجلات قرار ملموسة. ينتقل التسلسل من تحديد النطاق الأخلاقي وتعريفات الإنصاف المتنافسة إلى تصميم اختبارات التحيز وحدود الشرح ونمذجة تهديدات الخصوصية وأسئلة حقوق النشر والمصدر والتحقق من التزييف العميق. لا يقدم المقرر نصيحة قانونية أو درجة إنصاف شاملة؛ بل يركز على الأدلة والأشخاص المتأثرين وعدم اليقين والرقابة البشرية والتصعيد.
• إنشاء الفيديو بالذكاء الاصطناعي: خطط وولّد وحرّر - مقدمة للمبتدئين إلى عملية إنشاء فيديو بمساعدة الذكاء الاصطناعي، من فكرة قصة بسيطة إلى التوليد والتحرير. تتناول الفيديوهات المختارة إنشاء قصص رسوم متحركة بالذكاء الاصطناعي، وتوليد فيديوهات سينمائية بالذكاء الاصطناعي، وشرحًا للمبتدئين عن إنشاء الفيديو بالذكاء الاصطناعي، وسير عمل للقصص باستخدام CapCut. تختلف الإتاحة والميزات والحقوق باختلاف الأدوات. استخدم مواد لديك إذن باستخدامها فقط، ووضّح عند اللزوم المحتوى الاصطناعي أو المعدّل، وراجع الفيديو النهائي بحثًا عن الأخطاء قبل مشاركته.

الأسئلة الشائعة

هل هناك دورات مجانية متاحة؟

نعم. يتوفر الدرس التمهيدي في كل دورة متاحة كمعاينة مجانية، ولا تحتاج إلى بطاقة ائتمان للبدء.

كيف تعمل النسخة التجريبية لمدة 7 أيام؟

يحصل المستخدمون المؤهلون على فترة تجريبية مجانية لمدة 7 أيام. بعد ذلك، تتجدد الخطة الشهرية أو السنوية المختارة تلقائيًا حتى تقوم بالإلغاء. ألغِ قبل نهاية الفترة التجريبية لتجنب تحصيل الرسوم.

ما هو تصريح الأكاديمية؟

يمنحك تصريح الأكاديمية وصولاً غير محدود إلى جميع الدورات الكاملة والموارد المميزة والمهام الحصرية. وهو متوفر مقابل 14.99 دولارًا شهريًا أو 149 دولارًا سنويًا، مع توفير 17٪ في الخطة السنوية، ويمكنك الإلغاء في أي وقت من خلال بوابة فواتير Stripe الخاصة بنا.

هل الأكاديمية متضمنة مع Lumi Pro؟

نعم. إذا كان لديك اشتراك Lumi Pro نشط، فسيتم تضمين الوصول غير المحدود إلى الأكاديمية تلقائيًا دون أي تكلفة إضافية.

محتوى دورة بترخيص مفتوح · مرخّص CC BY · الترخيص موثّق

لا يتضمن هذا الدليل إلا الدورات التي تملك أدلة ترخيص كاملة ومعتمدة ودرسًا منشورًا مؤهلًا واحدًا على الأقل.