الذكاء الاصطناعي Scikit-learn
إتقان مكتبة scikit-learn: واجهة المقدِّرات، خطوط المعالجة و ColumnTransformer، اختيار النموذج بالتحقق المتقاطع والبحث عن المعاملات، النماذج المجمعة والتعزيز، الهندسة واختيار السمات…
م. عبدالمقصود
الذكاء الاصطناعي التوليدي
افهم كيف تعمل النماذج التوليدية من الداخل: الرموز والتضمينات والانتباه وأخذ العينات، توليد الصور والصوت والتزييف العميق، بناء مساعد معرفي بالاسترجاع (RAG) والأدوات والوكلاء، وتقييم المخرجات وأمن التطبيقات والقانون والاستخدام المسؤول.
- م. عبدالمقصود بدر
- لا توجد تقييمات بعد
- مبتدئلا يشترط خبرة سابقة
- 24 ساعةإجمالي وقت المحتوى
- بالعربيةمع المصطلحات التقنية بالإنجليزية
عن الكورس
الدورة تشرح «لماذا» قبل «كيف»: كل فكرة تقنية لها تجربة بسيطة يجريها المتعلم بأي أداة متاحة، ومشروع نهائي لمساعد يجيب من مستندات موثوقة ويذكر مصادره.
محتوى من إعداد أكاديمية بدر.
مميزات الكورس
- Explain what makes a model generative, how text becomes tokens, context windows, and the pre-training → fine-tuning → preference-tuning pipeline
- Explain embeddings and similarity, the intuition of attention in transformers, sampling controls (temperature, top-p) and why models hallucinate
- Describe diffusion-based image generation, write controllable image prompts, and recognise and responsibly handle synthetic media and deepfakes
- Design generative solutions with retrieval-augmented generation, tools/agents and APIs, estimate token costs, and compare hosted and open models
- Evaluate outputs systematically, recognise prompt injection and other application risks, and apply privacy, copyright and responsible-use rules
- Build, evaluate and present a small cited knowledge assistant
هل هذا الكورس مناسب لك؟
لمن هذا الكورس
- secondary, university and adult learners who use generative tools and want to understand, evaluate and build with them responsibly
المتطلبات
- CRS-GEN-AI-FUNDAMENTALS (what a model is, training/testing, LLM basics, responsible AI)
محتوى الكورس
كل محتوى الكورس ظاهر هنا بمدة كل جلسة، والجلسات تُفتح بعد الاشتراك في الكورس وتفعيله في حسابك.
- 8وحدات
- 21جلسة
- 7اختبارات
M1 – من البيانات إلى التوليد4 جلسات
- 1.1 ما الذي يجعل النموذج «توليديًا»؟ فيديو المقدمة قريبًا
- 1.2 الرموز ونافذة السياق
- 1.3 كيف يُبنى النموذج: التدريب المسبق والضبط
- 1.4 أنواع المخرجات والنماذج متعددة الوسائط
M2 – داخل النموذج اللغوي4 جلسات
- 2.1 التضمينات والتشابه
- 2.2 الانتباه والمحوّل بالحدس
- 2.3 أخذ العينات: temperature و top-p
- 2.4 لماذا «يهلوس» النموذج؟
M3 – الصور والصوت والوسائط الاصطناعية3 جلسات
- 3.1 نماذج الانتشار بالحدس
- 3.2 أوامر الصور والتحكم
- 3.3 الصوت والفيديو والتزييف العميق ووسوم المصدر
M4 – بناء حلول توليدية4 جلسات
- 4.1 الاسترجاع مع التوليد (RAG)
- 4.2 الأدوات والوكلاء
- 4.3 الواجهات البرمجية والتكلفة
- 4.4 النماذج المفتوحة والمحلية والسحابية
M5 – التقييم والأمان والقانون4 جلسات
- 5.1 تقييم المخرجات
- 5.2 حقن الأوامر وأمن التطبيقات
- 5.3 الخصوصية والملكية الفكرية والقانون
- 5.4 الاستخدام المسؤول في التعلم والعمل
M6 – المشروع: مساعد معرفي موثّقجلستان
- 6.1 تصميم المساعد المعرفي
- 6.2 التقييم والعرض
الاختباراتلا توجد جلسات · 7 اختبارات
- M1 – من البيانات إلى التوليد
- M2 – داخل النموذج اللغوي
- M3 – الصور والصوت والوسائط الاصطناعية
- M4 – بناء حلول توليدية
- M5 – التقييم والأمان والقانون
- M6 – المشروع: مساعد معرفي موثّق
- الاختبار النهائي
المشاريع والواجباتلا توجد جلسات
- المشروع – «مساعد معرفي موثّق»
المحاضر
التقييمات
لا توجد مراجعات مكتوبة بعد
المراجعات المكتوبة يكتبها الطلاب المسجلون بعد الدراسة. لن نعرض مراجعات لم يكتبها طلاب حقيقيون.
النقاش (0)
التعليق للأعضاء المسجلين في الأكاديمية. تعليقات غير المسجلين في الكورس تُراجع من المحاضر أو الإدارة قبل ظهورها.
لا توجد تعليقات بعد – كن أول من يشارك.
خطوتك التالية
هذا الكورس ضمن مسارالذكاء الاصطناعينماذج اللغة ووكلاء الذكاء الاصطناعي، وتحليل البيانات وعلمها بتطبيق عملي. 10 كورساتكورسات قريبة من هذا الكورس
الذكاء الاصطناعي م. عبدالمقصود
الذكاء الاصطناعي الانحدار والتصنيف
تعمق في المهمتين الأساسيتين للتعلم الإشرافي: الانحدار الخطي المتعدد وافتراضاته وتشخيصه، التحويلات والحدود متعددة الحدود والتنظيم Ridge و Lasso، الانحدار اللوجستي والاحتمالات…
م. عبدالمقصود
الذكاء الاصطناعي أساسيات تعلم الآلة
ما تعلم الآلة وكيف يتعلم النموذج من البيانات: أنواع التعلم، تجهيز البيانات، الانحدار والتصنيف، التقييم والتحقق المتقاطع والإفراط في التكيف، النزول بالتدرج،…
م. عبدالمقصود
الذكاء الاصطناعي معالجة اللغات الطبيعية
تعليم الحاسوب فهم اللغة: النص كبيانات وخصوصيات العربية (التطبيع، التشكيل، الصرف، اللهجات)، التمثيلات الكلاسيكية و TF-IDF والتشابه، التصنيف واستخراج الكيانات، التضمينات والشبكات،…
م. عبدالمقصود
الذكاء الاصطناعي مشروعات تعلم الآلة التطبيقية
تحويل المعرفة إلى مشروعات حقيقية: صياغة المشكلة ومقاييس النجاح والكلفة، جمع البيانات ووسمها وتوثيقها، استراتيجية التحقق وخط الأساس وتحليل الأخطاء، تتبع التجارب…
م. عبدالمقصود
الذكاء الاصطناعي أساسيات التعلم العميق
من العصبون إلى الشبكات العميقة: الدوال التنشيطية والشبكات متعددة الطبقات، الانتشار العكسي والتدرجات التلقائية في PyTorch، حلقات التدريب والمحسِّنات ومعدل التعلم، التنظيم…
م. عبدالمقصود
الذكاء الاصطناعي الرؤية الحاسوبية
تعليم الحاسوب أن «يرى»: الصور كبيانات وألوانها، المعالجة الكلاسيكية بالمرشحات والحواف والكنتورات، الشبكات الالتفافية وتدريبها في PyTorch، التعلم بالنقل والتقييم، اكتشاف الأجسام…
م. عبدالمقصود
الذكاء الاصطناعي هندسة الأوامر (Prompt Engineering)
اكتب أوامر واضحة تعطيك نتائج موثوقة: تشريح الأمر، الأمثلة، التفكير خطوة بخطوة، الهيكلة والمخرجات المنظمة، سلاسل الأوامر والمستندات الطويلة، الأوامر للتعلم والكتابة…
م. عبدالمقصود