بايثون للذكاء الاصطناعي: خريطة الأدوات
كلّ مشروع ذكاء اصطناعي تقريباً يُكتب ببايثون. هذه الدورة تشرح لماذا، وتعطيك خريطة واضحة للأدوات: ما تفعله كلّ مكتبة، ومتى تُستخدم، وأين تنتهي حدودها.
ما تسعى إليه هذه الدورة: أن ت فهم المنظومة قبل أن تكتب سطراً واحداً، فلا تتوه بين عشرين اسماً بلا خيط ناظم.
ما لا تفعله هذه الدورة: تعليم البرمجة سطراً بسطر. الكتالوج المدفوع يتولّى ذلك بدفاتر عمل وتمارين مصحّحة.
ما ستكتشفه
محتوى الدورة
| # | الدرس | الهدف الأساسي | المدّة |
|---|---|---|---|
| 1 | لماذا بايثون | كيف فرضت لغة بطيئة نفسها في الحساب الثقيل | 7 د |
| 2 | NumPy وpandas | المصفوفة والجدول: أساس كلّ شيء | 9 د |
| 3 | الدفاتر وسير العمل | حيث تُستكشف البيانات، وحدود الدفاتر | 7 د |
| 4 | scikit-learn | واجهة واحدة لكلّ نماذج تعلّم الآلة | 8 د |
| 5 | الأُطر والبيئات | PyTorch وTensorFlow، وقابلية التكرار | 8 د |
| 6 | الملخّص والأسئلة الشائعة | خلاصة، معجم، و12 سؤالاً متكرّراً | 6 د |
| 7 | الاختبار والشهادة | خمسة أسئلة مصحّحة للتحقّق من فهمك | 3 د |
هل هذه الدورة لك؟
- تريد الدخول إلى الذكاء الاصطناعي وتتساءل بأيّ أدوات يعمل الناس فعلاً.
- تعرف لغة برمجة أخرى وتريد فهم ما يميّز منظومة بايثون.
- سمعت أسماء NumPy وpandas وPyTorch وتريد خريطة تربطها ببعضها.
- تدير فريقاً تقنياً وتريد فهم ما يطلبه المهندسون ولماذا.
لا حاجة إلى خبرة برمجية سابقة.
ما ستقدر عليه في النهاية
- شرح لماذا فرضت بايثون نفسها بحجّة تقنية لا بعبارة «لأنّها سهلة».
- التمييز بين ما ي قدّمه NumPy وما يقدّمه pandas.
- وصف سير عمل واقعي من الملفّ الخامّ إلى النموذج المقيَّم.
- معرفة موضع scikit-learn ولماذا يبقى الخيار الأول على الجداول.
- الاختيار بين PyTorch وTensorFlow بأسباب واضحة.
- إعداد بيئة معزولة حتى يعمل عملك عند غيرك بعد سنة.
المدّة المقدّرة
نحو 45 دقيقة من القراءة.
المتطلّبات وما بعد الدورة
المتطلّبات: مقدّمة في الذكاء الاصطناعي مفيدة لكنّها غير إلزامية.
الخطوة التالية المنطقية:
- الرياضيات للذكاء الاصطناعي — البديهة المطلوبة، لا البراهين
- تعلّم الآلة — أوّل نماذجك الحقيقية
- MLOps — ما يحدث بعد أن يعمل النموذج
أسئلة سريعة، جواب في سطر
هل بايثون لغة صعبة؟
هي من أسهل اللغات في القراءة، وهذا سبب انتشارها في التعليم. الصعب ليس اللغة بل المنظومة: معرفة أيّ مكتبة تستخدم ولماذا، وهذا موضوع هذه الدورة.
هل أحتاج إلى تنصيب أيّ شيء لأبدأ؟
لا. Google Colab يشغّل بايثون وكلّ المكتبات الأساسية في المتصفّح، ومعالج رسومي مجاني عند الحاجة.
هل يمكنني استخدام R أو Julia؟
يمكن، لكنّك ستفقد معظم الدروس والنماذج المدرَّبة مسبقاً وتنفيذات الأبحاث. R قويّ في الإحصاء، وJulia واعدة في الحساب العلمي، والذكاء الاصطناعي التطبيقي يجري ببايثون.
الدورات المدفوعة تعطيك بايثون وNumPy وpandas وscikit-learn وPyTorch بدفاتر عمل ومشاريع مصحّحة، وشهادة قابلة للتحقّق بعد اختبار من 40 سؤالاً. مشمولة في كلّ الخطط المدفوعة.
جاهز؟ ابدأ بالدرس الأول ←