المراجعة والاختبار

عشر وحدات للانتقال من السؤال «كيف نمذج متتالية؟» إلى مشروع تنبّؤ كامل بفترات ثقة. هذه هي الدورة مكثَّفة، ثم الخيوط التي تعبرها، ثم جسر إلى دورة المحوّلات القادمة.

الدورة في لمحة

الوحدة	الجوهر الواجب حفظه
1. المتتالية والجدول	ترتيب الأسطر معلومة؛ التقسيم زمنيّ حصرًا، والمعالجة القبلية على السلسلة كاملة تسرّب
2. العصبون التكراري	$h_t = \tanh(W_x x_t + W_h h_{t-1} + b)$ مع أوزان مشتركة؛ شكل (N, T, F)
3. BPTT	خوارزمية واحدة عبر الزمن؛ ذاكرة تنمو بـ$N \cdot T \cdot H$، حلّ عمليّ التقطيع مع detach
4. تلاشي التدرّج وانفجاره	جداء يعاقبة يتحرّك أسّيًا؛ قصّ التدرّج للانفجار، التهيئة المتعامدة للتلاشي، وLSTM للحلّ الحقيقي
5. LSTM	حالة خلية بمسار جمعيّ يعبره التدرّج؛ ثلاث بوّابات، وانحياز نسيان موجب
6. GRU	بوّابتان ومجموع محدَّب؛ 25% وسائط أقلّ من LSTM بأداء متكافئ
7. ثنائية الاتّجاه والتكديس	مضاعفة القدرة إن كان المستقبل متاحًا؛ ممنوعة في التنبّؤ
8. مرمّز-فاكّ ترميز	متّجه سياق واحد ينضغط، teacher forcing، فكّ جشِع؛ عنق زجاجة يفتح باب الانتباه
9. الحشو والتقنيع	pack_padded_sequence يمنع الحساب على الحشو؛ فرز بالطول لكسب الأداء
10. مشروع تنبّؤ	مرجعية ساذجة إلزامية؛ GRU افتراضًا؛ فترات ثقة بالكوانتيلات

الخيوط التي تعبر الدورة

كلّ شيء يعود إلى صيغة الاستدعاء الذاتي. فتدرّج وزن عميق في الزمن جداءُ يعاقبة: عبارة واحدة تفسّر تلاشي التدرّج (الوحدة 4)، ولماذا لم تحلّ الشبكة التكرارية البسيطة اللغةَ الطبيعية، ولماذا كسرت LSTM هذا القفل بإدخال مسار جمعيّ. فهم صيغة الاستدعاء يعني امتلاك نموذج ذهنيّ يجعل الوحدات التالية قابلة للاستنتاج بدلًا من الحفظ.

التسرّب الزمني هو مصيبة السلاسل. أربع صور له في هذه الدورة: تقسيم عشوائي، معالجة قبلية على السلسلة كاملة، شبكة ثنائية الاتّجاه في التنبّؤ، وتسوية داخل نافذة تمحو معلومة السلّم. أيّ منها يُنتج نموذجًا يعمل تمامًا في التحقّق ويعجز في الإنتاج. السؤال الواجب طرحه دائمًا: هل يمكن لعنصر ما في التدريب أن يعرف شيئًا عن المستقبل؟

النموذج الأبسط هو الأوّل الذي يجب تجريبه. المرجعية الساذجة، ثم النموذج الخطّي المهندَس، ثم GRU طبقة واحدة، ثم فقط LSTM أو التكديس أو الانتباه. القفز إلى معماريّة معقّدة قبل استنفاد الأبسط يُشتغل غالبًا على العَرَض، لا على السبب، ويكلّف أضعاف الوقت مقابل مكسب لا يتجاوز أحيانًا الحدّ الإحصائي.

التدريب والاستدلال نظامان متمايزان في المتتاليات أيضًا. pack_padded_sequence مع enforce_sorted=True سلوك تدريب؛ إعادة الترتيب إلى الأصلي بعد pad_packed_sequence عمل الاستدلال. Teacher forcing تدريب؛ فكّ جشِع أو beam search استدلال. نسيان الفارق يُنتج نموذجًا يتقن التدريب ويرتبك عند العمل. هذه أشيع علل هذه الدورة.

الجسر إلى المحوّلات

انتهت الوحدة 8 على اعتراف بحدّ معماريّ: متّجه سياق واحد يعجز عن حمل جملة طويلة. الجواب جاء عام 2015 بآلية الانتباه: يُعيد الفاكّ النظر إلى كلّ حالات المرمّز عند كلّ خطوة، ويختار الحصّة المناسبة. بعد سنتين، ورقة «Attention is all you need» (2017) خطت الخطوة الجريئة التالية: يمكن للانتباه أن يحلّ محلّ الشبكة التكرارية بأكملها. لا مزيد من الحالة المخفية التي تنقل الذاكرة، بل قراءة متوازية للمتتالية كلّها مرّة واحدة.

المحوّلات (Transformers) هي معمارية GPT وBERT والنماذج اللغوية الكبيرة الحالية، وهي موضوع الدورة القادمة. لكنّها ليست إلغاءً لِما تعلّمتَه هنا: التمييز بين متتالية وجدول (الوحدة 1)، التسرّب الزمني (الوحدة 9)، وأشكال المُوتّرات (N, T, F)، كلّها تنتقل حرفيًا. حتى مصطلحات «مرمّز» و«فاكّ ترميز» و«teacher forcing» و«كوانتيل ثقة» تعبر إلى المحوّلات بلا تغيير في المعنى.

الاختبار النهائي

يشمل الاختبار 40 سؤالًا تغطّي الوحدات العشر: قراءة شكل موتِّر تكراري، تعرّف تسرّب زمنيّ من عرض تجربة، تشخيص تدرّج ينفجر أو يتلاشى، اختيار LSTM أو GRU حسب المهمّة، الحكم على شرعية شبكة ثنائية الاتّجاه في سياق معيّن، فهم دور teacher forcing وحدود المرمّز-فاكّ الترميز، تفسير أثر pack_padded_sequence وضبط collate_fn، وتصميم مرجعية ساذجة لسلسلة زمنية.

وتُطرح عدّة أسئلة حالات للتشخيص: نتائج تحقّق ممتازة تنهار في الإنتاج، خسارة تصير NaN بعد ثلاث حقبات، شبكة تُنتج مُخرَجات مختلفة حسب حجم الدفعة، نموذج تكراريّ لا يتعلّم شيئًا بعد عشرين حقبة. فالمُقيَّم هو الحُكم، لا استظهار الصيغ.

وفي حال النجاح تُمنَح شهادة الإتمام فورًا؛ ورقمها قابل للتحقّق من أي طرف على المنصّة.

قبل أن تبدأ

استعِد الجدول أعلاه، واسأل نفسك عن كلّ سطر: «كيف سأرى أنّني مخطئ هنا؟». إن عرفت أن تقول لماذا train_test_split عشوائي على سلسلة زمنية تسرّب صامت، ولماذا pack_padded_sequence يُغيّر حالة النهاية، ولماذا الشبكة ثنائية الاتّجاه ممنوعة للتنبّؤ بالمستقبل، ولماذا LSTM يحلّ التلاشي بينما clip_grad_norm_ لا يحلّه، فأنت مستعدّ. حظًّا موفّقًا!

الامتحان النهائي

هل أنت مستعدّ لاعتماد هذه الدورة؟

40 سؤالًا تُختار عشوائيًّا من بنك أسئلة الدورة · حدّ النجاح 70 % · شهادة PDF قابلة للتحقّق تُصدَر فورًا عند النجاح.

ابدأ الامتحان

يلزم تسجيل الدخول إلى حسابك في InSkillML مع اشتراك نشط. يمكنك أيضًا بدء الامتحان من دوراتي.