AI & Data 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…
Eng. Abdelmaksoud
الذكاء الاصطناعي التوليدي
Generative AI
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.
Understand how generative models work inside – tokens, embeddings, attention and sampling; image and audio generation and deepfakes; building a knowledge assistant with retrieval (RAG), tools and agents; and evaluating outputs, application security, law and responsible use.
- Eng. Abdelmaksoud Badr
- No reviews yet
- BeginnerNo prior experience needed
- 24 hTotal content time
- In ArabicWith technical terms in English
About this course
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.
Academy-authored content.
Course highlights
- 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
Is this course for you?
Who it’s for
- secondary, university and adult learners who use generative tools and want to understand, evaluate and build with them responsibly
Requirements
- CRS-GEN-AI-FUNDAMENTALS (what a model is, training/testing, LLM basics, responsible AI)
Course content
The whole outline is shown here with the length of each session; sessions open once you have the course and it is activated in your account.
- 8units
- 21sessions
- 7quizzes
M1 – من البيانات إلى التوليد4 sessions
- 1.1 ما الذي يجعل النموذج «توليديًا»؟ Introduction video coming soon
- 1.2 الرموز ونافذة السياق
- 1.3 كيف يُبنى النموذج: التدريب المسبق والضبط
- 1.4 أنواع المخرجات والنماذج متعددة الوسائط
M2 – داخل النموذج اللغوي4 sessions
- 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 sessions
- 3.1 نماذج الانتشار بالحدس
- 3.2 أوامر الصور والتحكم
- 3.3 الصوت والفيديو والتزييف العميق ووسوم المصدر
M4 – بناء حلول توليدية4 sessions
- 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 sessions
- 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 موثّق2 sessions
- 6.1 تصميم المساعد المعرفي
- 6.2 التقييم والعرض
Quizzes0 sessions · 7 quizzes
- 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
- Final exam
Projects and assignments0 sessions
- المشروع – «مساعد معرفي موثّق»
The lecturer
Ratings and reviews
No written reviews yet
Written reviews come from enrolled students after studying. We don’t display reviews that real students didn’t write.
Discussion (0)
Commenting is for signed-in members. Comments from people not enrolled in the course are reviewed by the lecturer or the academy before they appear.
No comments yet – be the first to join in.
Your next step
This course is part of the trackAI & DataLanguage models, AI agents, and data analysis and science, hands-on. 10 coursesCourses close to this one
AI & Data Eng. Abdelmaksoud
AI & Data الانحدار والتصنيف
Regression & Classification
تعمق في المهمتين الأساسيتين للتعلم الإشرافي: الانحدار الخطي المتعدد وافتراضاته وتشخيصه، التحويلات والحدود متعددة الحدود والتنظيم Ridge و Lasso، الانحدار اللوجستي والاحتمالات…
Eng. Abdelmaksoud
AI & Data أساسيات تعلم الآلة
Machine Learning Fundamentals
ما تعلم الآلة وكيف يتعلم النموذج من البيانات: أنواع التعلم، تجهيز البيانات، الانحدار والتصنيف، التقييم والتحقق المتقاطع والإفراط في التكيف، النزول بالتدرج،…
Eng. Abdelmaksoud
AI & Data معالجة اللغات الطبيعية
Natural Language Processing
تعليم الحاسوب فهم اللغة: النص كبيانات وخصوصيات العربية (التطبيع، التشكيل، الصرف، اللهجات)، التمثيلات الكلاسيكية و TF-IDF والتشابه، التصنيف واستخراج الكيانات، التضمينات والشبكات،…
Eng. Abdelmaksoud
AI & Data مشروعات تعلم الآلة التطبيقية
Applied Machine Learning Projects
تحويل المعرفة إلى مشروعات حقيقية: صياغة المشكلة ومقاييس النجاح والكلفة، جمع البيانات ووسمها وتوثيقها، استراتيجية التحقق وخط الأساس وتحليل الأخطاء، تتبع التجارب…
Eng. Abdelmaksoud
AI & Data أساسيات التعلم العميق
Deep Learning Foundations
من العصبون إلى الشبكات العميقة: الدوال التنشيطية والشبكات متعددة الطبقات، الانتشار العكسي والتدرجات التلقائية في PyTorch، حلقات التدريب والمحسِّنات ومعدل التعلم، التنظيم…
Eng. Abdelmaksoud
AI & Data الرؤية الحاسوبية
Computer Vision
تعليم الحاسوب أن «يرى»: الصور كبيانات وألوانها، المعالجة الكلاسيكية بالمرشحات والحواف والكنتورات، الشبكات الالتفافية وتدريبها في PyTorch، التعلم بالنقل والتقييم، اكتشاف الأجسام…
Eng. Abdelmaksoud
AI & Data هندسة الأوامر (Prompt Engineering)
Prompt Engineering
اكتب أوامر واضحة تعطيك نتائج موثوقة: تشريح الأمر، الأمثلة، التفكير خطوة بخطوة، الهيكلة والمخرجات المنظمة، سلاسل الأوامر والمستندات الطويلة، الأوامر للتعلم والكتابة…
Eng. Abdelmaksoud