الخلاصة والامتحان النهائي

عشر وحدات للانتقال من مساحة عمل فارغة إلى خطّ إنتاج مجدوَل يعيد تدريب نموذج تنبّؤ الطلب أسبوعيًّا مع مراقبة ونشر آمن. هذه الدورة مُكثَّفة، ثمّ الخيوط التي تعبرها.

الدورة في لمحة

الوحدة	الجوهر الواجب حفظه
1. مساحة العمل والموارد	حاوية منطقية + 4 موارد ملازمة؛ هُويّة مُدارة + RBAC بدل المفاتيح؛ فصل تطوير/اختبار/إنتاج
2. أهداف الحساب	مثيل يُوقَف بالجدولة؛ عنقود دائمًا بـ**min_instances = 0**؛ الأولوية المنخفضة توفّر 60-80% مع خطر انتزاع
3. أصول البيانات	مخزن بالهُويّة المُدارة؛ أصول مُصدَّرة؛ MLTable يُصرّح الشيمة؛ لا latest في الشفرة
4. البيئات والصور	ابدأ بمنسّقة؛ ثبّت == لا >=؛ الإصدار الصريح، لا env:latest
5. التدريب والتتبّع	مهمّة أمر = صندوق نقيّ؛ mlflow.autolog() يوفّر التسجيل؛ مسح Bayesian + Bandit للإيقاف المبكر
6. AutoML	خطّ أساس سريع؛ فحص متغيّرات best_trial ضدّ التسريب؛ timeout_minutes إلزامي
7. سجلّ النماذج	سجلّ مشترك للترقية بين المساحات؛ MLflow يُلغي الحاجة إلى score.py؛ العلامات (stage) هي المفتاح
8. نقاط النهاية	متّصلة للطلبات الحيّة، بالدفعات للملايين؛ تقسيم حركة أزرق/أخضر؛ aad_token في الإنتاج
9. خطوط المعالجة	مكوّنات معاد استعمالها؛ cron مع منطقة زمنية صريحة؛ Event Grid للتشغيل عند البيانات
10. المراقبة والحصص والتكاليف	انزياح البيانات والتنبّؤات؛ الوسوم لكلّ مورد؛ الميزانيات والتنبيهات جزء من الإعداد

الخيوط التي تعبر الدورة

الفصل بين الحاوية والحساب. مساحة العمل لا تحسب شيئًا، والحوسبة لا تحفظ شيئًا. هذه القسمة أساس مرونة Azure ML: العنقود يهبط إلى صفر بينما مساحة العمل تبقى، والنماذج والبيانات مسجَّلة مستقلّة عن أيّ عقدة. فهم هذا يُنقذ من الخطأ الشائع «لماذا انهارت مهمّتي عند حذف العنقود؟» — لأنّ الخلط الذهني بين الاثنين خطأ.

الإصدار في كلّ مكان. أصل بيانات مُصدَّر، بيئة مُصدَّرة، شفرة مُسحبة بسحابة رقمية، نموذج مُصدَّر، مكوّن خطّ معالجة مُصدَّر. latest هو العدوّ الأوحد لإعادة الإنتاج، وقد ذُكر في خمس وحدات متتالية. بعد ستّة أشهر، تستطيع أن تُثبت أنّ التنبّؤ الفلاني نتج بالضبط عن هذه الشفرة على هذه البيانات في هذه البيئة. بدون إصدار، هذا الإثبات مستحيل.

الهُويّة المُدارة تحلّ محلّ المفاتيح. كلّ نداء بين موارد Azure (مساحة → مخزن، عنقود → سجلّ حاويات، نقطة نهاية → مخزن) ينبغي أن يمرّ بـManaged Identity + RBAC. المفاتيح تنتهي، تُسرَّب، تُنسى في .env. الهُويّة المُدارة لا تفعل شيئًا من هذا. حين ترى --credentials في تعليمي أو قالب، اسأل نفسك: هل يمكن استبدالها بهُويّة مُدارة؟ الجواب في 95% من الحالات: نعم.

التكلفة لا تُصلَح بعد الوقوع. الوحدة الأخيرة تبدو ثانوية لكنّها الأكثر خطرًا في العمل الحقيقي. min_instances = 1 منسي، جدولة إيقاف غير مُعدَّة، ميزانية بلا تنبيه، فاتورة الشهر الأوّل صدمة. الإعداد الصحيح للتكاليف جزء من يوم الإعداد الأوّل، لا مرحلة تحسين تُؤجَّل.

مقارنة بين المنصّات الثلاث

بالنسبة إلى من درس دورة MLOps (20)، تعرف مفاهيم تقابلية:

المفهوم	Azure ML	AWS SageMaker	GCP Vertex AI
الحاوية المنطقية	Workspace	لا يوجد مكافئ صريح	Project + Vertex AI settings
العنقود القابل للتوسّع إلى صفر	Compute Cluster	Training Job (لا يوجد عنقود دائم)	Custom Job (كذلك)
السجلّ	Model Registry	Model Registry (SageMaker)	Model Registry (Vertex)
نقطة النهاية المتّصلة	Managed Online Endpoint	Real-time Endpoint	Vertex Endpoint
نقطة النهاية بالدفعات	Batch Endpoint	Batch Transform	Batch Prediction
خطّ المعالجة	Azure ML Pipeline	SageMaker Pipelines	Vertex AI Pipelines (Kubeflow)
المراقبة	Azure ML Data Drift + Monitor	SageMaker Model Monitor	Vertex Model Monitoring

المفاهيم متطابقة، الأسماء تختلف. من يتقن Azure ML يقرأ توثيق المنصّات الأخرى بسهولة.

الامتحان النهائي

يتضمّن الامتحان 40 سؤالًا تشمل الوحدات العشر: تنظيم مساحة العمل والأدوار، اختيار الحوسبة بين المثيل والعنقود والحوسبة بلا خادم، أصول البيانات وMLTable، البيئات المُصدَّرة، مهامّ التدريب مع MLflow، الحدود المناسبة لـAutoML، سجلّ النماذج وترقيتها، تقسيم الحركة على نقاط النهاية، جدولة خطوط المعالجة، ومراقبة الانزياح والحصص والتكاليف.

وتعرض عدّة أسئلة حالات للتشخيص: فاتورة مضاعفة، تدريب لا يُعاد إنتاجه، نموذج ينحدر بصمت، نشر جديد لم يستقبل حركة، جدولة تعمل في المنطقة الزمنية الخاطئة. فالمُقيَّم هو الحكم، لا استظهار الصيغ.

وفي حال النجاح تُمنح شهادة الإتمام فورًا؛ ورقمها قابل للتحقّق من أيّ طرف على المنصّة.

قبل أن تبدأ

استعِد الجدول أعلاه، واسأل نفسك عن كلّ سطر: «كيف سأشرح هذا لزميل بدأ أمس؟». فإن عرفت أن تقول لماذا يظلّ min_instances = 1 خطرًا ماليًّا، ولماذا env:latest وصفة لكارثة إعادة إنتاج، ولماذا تقسيم الحركة أزرق/أخضر أكثر أمانًا من نشر مباشر، فأنت جاهز. 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.