المراجعة والاختبار النهائيّ

عشر وحدات لتحويل دفتر Jupyter وحيد إلى نظام إنتاجيّ يعرف كيف يعيد تدريب نفسه. هذه الدورة مُكثَّفة، ثمّ الخيوط التي تعبرها كلّها.

الدورة في لمحة

الوحدة	الجوهر الواجب حفظه
1. ما تحلّه MLOps	الشفرة + البيانات + البيئة تحدّد النموذج؛ اختبار الشفرة وحده لا يكفي؛ ثلاثة مستويات نضج، الأغلبيّة في المستوى 0
2. إمكانية التكرار	لا بذرة واحدة بل عدّة؛ ملفّ قفل صارم؛ حاوية للتدريب لا للنشر فقط؛ الحتميّة على GPU ممكنة لكن بطيئة
3. MLflow	معلمات ومقاييس ومخرجات لكلّ تشغيل؛ تجارب بأسماء دلاليّة؛ خادم مشترك للفريق؛ ربط بالتزام Git
4. DVC	لا نلتزم بالبيانات في Git؛ ملفّات .dvc صغيرة تحمل البصمة؛ خطوط أنابيب dvc.yaml لإعادة التنفيذ الجزئية
5. سجلّ النماذج	الأسماء البديلة @production تفصل الشفرة عن رقم الإصدار؛ لا ترقية عمياء؛ التراجع بأمر واحد
6. تحزيم النموذج	صور slim مُثبَّتة بـsha256؛ النموذج يُحمَّل عند البدء لا عند كلّ طلب؛ الأسرار في متغيّرات البيئة
7. CI/CD	اختبارات على البيانات (schema، مدى، توزيع) وعلى النموذج (عتبات، شرائح)؛ مصادقة يدوية قبل الإنتاج
8. أوضاع الخدمة	دفعات إذا كان الزمن ساعات؛ متّصلة للمللي ثانية؛ تدفّق للتيّار الحيّ؛ تناغم المتغيّرات بين التدريب والخدمة
9. المراقبة	انحراف البيانات ≠ انحراف المفهوم؛ اختبارات إحصائية على المهمّ فقط؛ تنبيه له فعل واضح
10. إعادة التدريب	مُطلق مختلط (جدول + انحراف)؛ مصادقة قبل الترقية؛ كناري وأزرق/أخضر؛ تراجع في دقيقتين

الخيوط التي تعبر الدورة

كلّ شيء يعود إلى إعادة الإنتاج. فالبذور (الوحدة 2)، وMLflow (الوحدة 3)، وDVC (الوحدة 4)، وحاويات Docker (الوحدة 6)، والمصادقة قبل الترقية (الوحدة 5)، والتراجع (الوحدة 10) كلّها إجابات على نفس السؤال: هل نستطيع اليوم إعادة إنتاج ما فعلناه أمس؟ إن كان الجواب لا، فكلّ ما نبنيه فوقه بيت ورقيّ.

البيانات هي المصدر الأوّل للأخطاء الصامتة. لا انحراف مفهوم دون تغيّر بيانات، ولا سلوك مختلف بين التدريب والإنتاج دون سوء معالجة، ولا تنبيه انحراف حقيقيّ دون أن نسأل أوّلًا: هل خطّ الاستخراج نفسه صحيح؟ درجات كثيرة من مشاكل الإنتاج تحلّها اختبارات بيانات صارمة قبل التدريب (الوحدة 7)، لا نموذج أذكى.

لا ترقية آليّة إلى الإنتاج بدون إنسان. كلّ ما بنيناه من أتمتة (CI، CD، إعادة تدريب) يخدم الإنسان في الحلقة، لا يزيحه. الاختبارات الآلية تكشف 95 بالمائة من المشاكل، لكنّ الـ5 بالمائة الأخرى — الفروق الدلاليّة، الأثر الاجتماعيّ، سياق الأعمال — تتطلّب حكمًا بشريًّا. النماذج التي رقّيت آليًّا لأنّ AUC صالح هي مصدر الحوادث الكبرى في 2024 و2025.

التراجع يسبق التحقيق. الحادثة في الإنتاج تُحلّ بإرجاع النسخة السابقة، ثمّ يبدأ التحقيق. عكس هذا التسلسل يخسر أموالًا حقيقيّة كلّ دقيقة. اختبار حقيقيّ لجاهزيّة الفريق: هل يعرف مناوب الليل كيف يعود إلى الإصدار السابق دون سؤال أحد؟

الاختبار النهائيّ

يتضمّن الاختبار 40 سؤالًا تشمل الوحدات العشر: مصادر اللاحتميّة، وسلسلة اللِنَاج بين الشفرة والبيانات والنموذج، والترقية دون مصادقة، واختبار النموذج في CI، واختيار بين الدفعات والمتّصلة، والتنبيهات الوهميّة على الانحراف، والتراجع السريع. الأسئلة تختبر الحكم لا الاستظهار: أمامك موقف، ما القرار؟

بعد الاجتياز تُمنَح شهادة الإتمام فورًا، ورقمها قابل للتحقّق من أيّ طرف على المنصّة.

قبل أن تبدأ

استعِد الجدول أعلاه، واسأل نفسك عن كلّ سطر: «كيف سأكشف أنّني مخطئ هنا؟». إن عرفت أن تقول لماذا تنبيه انحراف على كلّ المتغيّرات دفعةً واحدة يُشير غالبًا إلى خطأ استخراج، ولماذا نموذج بAUC ممتاز في المصادقة قد يفشل على أقلّية، ولماذا تحميل النموذج في معالج الطلب خطأ مكلف، 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.