كيفية الاستفادة من مهارات البرمجة والمعرفة الأساسية لتطوير مهاراتك في مجال تعلم الذكاء الإصطناعي؟

و عليكم السلام،

يجب عليك أن تكون على اطلاع جيد بالرياضيات، خاصة الجبر الخطي و الاحتمال و التحليل.

يمكنك الإطلاع على المحاضرات من جامعات عالمية مثل MIT لهذه المواد، بالطبع هي باللغة الانكليزية.

بعد ذلك دائماً حاول تطبيق ما تعلمته، قم ببناء تطبيق يستعمل الذكاء الصنعي لوحدك، عندها ستواجد مشاكل و ستتعلم كيف تحلها، بالطبع تحتاج إلى أن تكون على إطلاع بما سبق و ذكرته حيث أن أغلب المشاكل التي تواجهك في هذا المجال ليست مشاكل برمجية و إنما مشاكل منطقية غالباً ما يكون سببها متعلق بالرياضيات، مثلاً اخترت توزع احتمالي غير منطقي للمسألة التي تحاول حلها، أو هناك مشاكل في المشتقات و الكثير من المشاكل الأخرى.

المجال ليس سهل بالطبع فهو جديد و الأبحاث فيه تظهر كل يوم فعليك أن تكون على إطلاع دائم على كل ما هو جديد.

المجال فيه إبداع بالطبع، ليس مجرد تطبيق خوارزميات، حتى في حال اخترت أن تقوم بالتطبيق فقط بدون البحث العلمي، فإنه عليك أن تكون على مستوى جيد من الفهم حتى تستطيع حل المشاكل التي تواجهك.

تصميم خوارزميات ذكاء صنعي بنفسك ليس بالموضوع السهل أبداً، عليك في البداية أن تصبح جيد في المجال و تصبح قادر على بناء التطبيقات المعروفة، من ثم عليك القيام بقراءة الكثير من الأوراق البحثية حتى تصبح على إطلاع على كل ما هو جديد، بعد ذلك يمكنك البدء في عملية البحث لتطوير خوارزميات جديدة، كما أنا الأمر في الغالب يتطلب وجود تجهيزات لتدريب النماذج التي تريد تطويرها، بالطبع يمكنك الاشتراك بالخدمات التي تقدمها الكثير من الشركات من سيرفرات تدريب، و لكن الأمر مكلف جداً، و من الجيد إذا كان بإمكانك إكمال دراستك في جامعة تقدم هذه الأمور، كما أن وجود أحد يوجهك هو أمر ضروري لذلك أنصحك بالدراسة الأكاديمية في جامعة من أجل هكذا مجال.

بتاريخ 26 دقائق مضت قال Kais Hasan:

و عليكم السلام،

يجب عليك أن تكون على اطلاع جيد بالرياضيات، خاصة الجبر الخطي و الاحتمال و التحليل.

يمكنك الإطلاع على المحاضرات من جامعات عالمية مثل MIT لهذه المواد، بالطبع هي باللغة الانكليزية.

بعد ذلك دائماً حاول تطبيق ما تعلمته، قم ببناء تطبيق يستعمل الذكاء الصنعي لوحدك، عندها ستواجد مشاكل و ستتعلم كيف تحلها، بالطبع تحتاج إلى أن تكون على إطلاع بما سبق و ذكرته حيث أن أغلب المشاكل التي تواجهك في هذا المجال ليست مشاكل برمجية و إنما مشاكل منطقية غالباً ما يكون سببها متعلق بالرياضيات، مثلاً اخترت توزع احتمالي غير منطقي للمسألة التي تحاول حلها، أو هناك مشاكل في المشتقات و الكثير من المشاكل الأخرى.

المجال ليس سهل بالطبع فهو جديد و الأبحاث فيه تظهر كل يوم فعليك أن تكون على إطلاع دائم على كل ما هو جديد.

المجال فيه إبداع بالطبع، ليس مجرد تطبيق خوارزميات، حتى في حال اخترت أن تقوم بالتطبيق فقط بدون البحث العلمي، فإنه عليك أن تكون على مستوى جيد من الفهم حتى تستطيع حل المشاكل التي تواجهك.

تصميم خوارزميات ذكاء صنعي بنفسك ليس بالموضوع السهل أبداً، عليك في البداية أن تصبح جيد في المجال و تصبح قادر على بناء التطبيقات المعروفة، من ثم عليك القيام بقراءة الكثير من الأوراق البحثية حتى تصبح على إطلاع على كل ما هو جديد، بعد ذلك يمكنك البدء في عملية البحث لتطوير خوارزميات جديدة، كما أنا الأمر في الغالب يتطلب وجود تجهيزات لتدريب النماذج التي تريد تطويرها، بالطبع يمكنك الاشتراك بالخدمات التي تقدمها الكثير من الشركات من سيرفرات تدريب، و لكن الأمر مكلف جداً، و من الجيد إذا كان بإمكانك إكمال دراستك في جامعة تقدم هذه الأمور، كما أن وجود أحد يوجهك هو أمر ضروري لذلك أنصحك بالدراسة الأكاديمية في جامعة من أجل هكذا مجال.

شكرا جدا 

أ.قيس حسن

بتاريخ منذ ساعة مضت قال Kais Hasan:

المجال ليس سهل بالطبع فهو جديد و الأبحاث فيه تظهر كل يوم فعليك أن تكون على إطلاع دائم على كل ما هو جديد.

 

كيف يا أ.قيس اتابع الابحاث والحاجات الجديد ؟

وسوال كمان لوسمحت هو انا الازم اتعلم نظام لنيكس ؟

بتاريخ 2 ساعة قال Ali Ahmed39:

كيف يا أ.قيس اتابع الابحاث والحاجات الجديد ؟

وسوال كمان لوسمحت هو انا الازم اتعلم نظام لنيكس ؟

هناك الكثير من الطرق، في حال كانت لغتك الانكليزية جيدة يمكنك متابعة صفحات المراكز البحثية على ال LinkedIn على سبيل المثال، حيث تقوم هذه المراكز بإعلان أي حدث هناك، مثلاً يمكنك متابعة الجامعات المعروفة مثل MIT, Stanford و غيرها.

أيضاً يمكنك متابعة الباحثين المشهورين مثل Yann Lecun و هو العالم الرئيس للذكاء الصنعي في شركة Meta، و Andrew Ng و هو أيضاً أحد الباحثين المشهورين في المجال.

طريقة أخرى هي متابعة بعض الصفحات التي تقوم بنشر الأخبار، و لكن هذه الطريقة أقل مصداقية حيث أن بعض الصفحات تقوم بالتغيير قليلاً في العنوان لجذب الانتباه، لذلك أنصحك بالطريقة الأولى.

من أجل سؤالك الثاني، ليس من الضروري ذلك، و لكن عليك أن تكون جيداً في التعامل مع سطر الأوامر، حيث أن سيرفرات التدريب غالباً يتم التواصل معها و إعدادها عن طريق سطر الأوامر، كما ستحتاجه كثيراً لجلب البيانات و القيام ببعض العمليات عليها و الكثير من الاستعمالات الأخرى.

بالإضافة إلى ما تم ذكره، عليك  أن تتعلم المفاهيم الأساسية لتعلم الآلة. يشمل ذلك فهم ماهية النماذج والخوارزميات والتقنيات المستخدمة في المعالجة الإحصائية والتعلم العميق.

وتستطيع البدء بقراءة الكتب المتخصصة في هذا المجال مثل "Hands-On Machine Learning with Scikit-Learn and TensorFlow" و "Pattern Recognition and Machine Learning" و "Deep Learning" لاكتساب الفهم العميق لهذه المفاهيم.

والمجال يحتاج منك إلى تعلم الإنجليزية بشكل جيد حيث أن جميع المصادر والشروحات هي بالإنجليزية.

بعد ذلك عليك بتعلم استخدام الأدوات والمكتبات المستخدمة في تعلم الآلة مثل TensorFlow وKeras وScikit-learn، وتلك المكتبات توفر واجهات برمجة التطبيقات (APIs) التي تسهل تنفيذ الخوارزميات وتجربتها، وبإمكانك البدء بتطبيق أمثلة الشفرة الموجودة في وثائق هذه المكتبات لفهم كيفية استخدامها.

وإليك بعض المصادر التي ستفيدك:

1. Coursera: يقدم دورات مجانية ومدفوعة في مجال الذكاء الاصطناعي وتعلم الآلة بواسطة جامعات عالمية مرموقة.
2. edX: منصة أخرى للتعلم عبر الإنترنت توفر مجموعة واسعة من الدورات في الذكاء الاصطناعي وتعلم الآلة.
3. Stanford University's CS229: هذه الدورة المسجلة بجامعة ستانفورد تغطي مفاهيم تعلم الآلة بشكل عميق ومفصل.
4. TensorFlow: TensorFlow هي إطار عمل مشهور لتعلم الآلة والذكاء الاصطناعي، ويتوفر لديهم موقع وثائق شاملة ومنتدى مجتمع نشط للمساعدة وتوجيه المطورين.
5. Kaggle: منصة تنافسية ومجتمع لعلم البيانات وتعلم الآلة، وتوفر مسابقات ومجموعات بيانات ونقاشات تقنية.
6. Medium وTowards Data Science: يحتوي موقع Medium على العديد من المقالات والمدونات المتخصصة في تعلم الآلة والذكاء الاصطناعي، ويمكنك استعراض هذه المواقع للحصول على محتوى قيم.
7. بودكاست وقنوات YouTube: هناك العديد من البودكاست والقنوات على YouTube التي تغطي مواضيع تعلم الآلة والذكاء الاصطناعي، بعض الأمثلة هي "Lex Fridman Podcast" و "Two Minute Papers" و "Sentdex" و "3Blue1Brown".
8.  Fast.ai : هي منصة تعليمية تقدم دورات عبر الإنترنت في مجال التعلم العميق وتطبيقاتها، وتتميز بتوفير مسارات تعلم سريعة ومناسبة للمبتدئين وتشجيع التعلم العملي والتطبيقات العملية.

9. PyTorch:  هو إطار عمل شهير لتعلم الآلة والذكاء الاصطناعي. يتميز بقوة ومرونة في تصميم النماذج وتطويرها، ويوفر واجهة سهلة الاستخدام لتنفيذ الخوارزميات والتعامل مع البيانات.

10.  AI for Everyone : دورة تدريبية تقدمها شركة Coursera ويُقدمها Andrew Ng، الذي يعتبر من أبرز الشخصيات في مجال التعلم الآلي، وتستهدف هذه الدورة الجمهور غير المتخصص في مجال البرمجة أو التقنية، وتهدف إلى تعريفهم بمفاهيم الذكاء الاصطناعي وتطبيقاتها في العالم الحقيقي.

بتاريخ 7 ساعة قال Mustafa Suleiman:

بالإضافة إلى ما تم ذكره، عليك  أن تتعلم المفاهيم الأساسية لتعلم الآلة. يشمل ذلك فهم ماهية النماذج والخوارزميات والتقنيات المستخدمة في المعالجة الإحصائية والتعلم العميق.

وتستطيع البدء بقراءة الكتب المتخصصة في هذا المجال مثل "Hands-On Machine Learning with Scikit-Learn and TensorFlow" و "Pattern Recognition and Machine Learning" و "Deep Learning" لاكتساب الفهم العميق لهذه المفاهيم.

والمجال يحتاج منك إلى تعلم الإنجليزية بشكل جيد حيث أن جميع المصادر والشروحات هي بالإنجليزية.

بعد ذلك عليك بتعلم استخدام الأدوات والمكتبات المستخدمة في تعلم الآلة مثل TensorFlow وKeras وScikit-learn، وتلك المكتبات توفر واجهات برمجة التطبيقات (APIs) التي تسهل تنفيذ الخوارزميات وتجربتها، وبإمكانك البدء بتطبيق أمثلة الشفرة الموجودة في وثائق هذه المكتبات لفهم كيفية استخدامها.

وإليك بعض المصادر التي ستفيدك:

1. Coursera: يقدم دورات مجانية ومدفوعة في مجال الذكاء الاصطناعي وتعلم الآلة بواسطة جامعات عالمية مرموقة.
2. edX: منصة أخرى للتعلم عبر الإنترنت توفر مجموعة واسعة من الدورات في الذكاء الاصطناعي وتعلم الآلة.
3. Stanford University's CS229: هذه الدورة المسجلة بجامعة ستانفورد تغطي مفاهيم تعلم الآلة بشكل عميق ومفصل.
4. TensorFlow: TensorFlow هي إطار عمل مشهور لتعلم الآلة والذكاء الاصطناعي، ويتوفر لديهم موقع وثائق شاملة ومنتدى مجتمع نشط للمساعدة وتوجيه المطورين.
5. Kaggle: منصة تنافسية ومجتمع لعلم البيانات وتعلم الآلة، وتوفر مسابقات ومجموعات بيانات ونقاشات تقنية.
6. Medium وTowards Data Science: يحتوي موقع Medium على العديد من المقالات والمدونات المتخصصة في تعلم الآلة والذكاء الاصطناعي، ويمكنك استعراض هذه المواقع للحصول على محتوى قيم.
7. بودكاست وقنوات YouTube: هناك العديد من البودكاست والقنوات على YouTube التي تغطي مواضيع تعلم الآلة والذكاء الاصطناعي، بعض الأمثلة هي "Lex Fridman Podcast" و "Two Minute Papers" و "Sentdex" و "3Blue1Brown".
8.  Fast.ai : هي منصة تعليمية تقدم دورات عبر الإنترنت في مجال التعلم العميق وتطبيقاتها، وتتميز بتوفير مسارات تعلم سريعة ومناسبة للمبتدئين وتشجيع التعلم العملي والتطبيقات العملية.

9. PyTorch:  هو إطار عمل شهير لتعلم الآلة والذكاء الاصطناعي. يتميز بقوة ومرونة في تصميم النماذج وتطويرها، ويوفر واجهة سهلة الاستخدام لتنفيذ الخوارزميات والتعامل مع البيانات.

10.  AI for Everyone : دورة تدريبية تقدمها شركة Coursera ويُقدمها Andrew Ng، الذي يعتبر من أبرز الشخصيات في مجال التعلم الآلي، وتستهدف هذه الدورة الجمهور غير المتخصص في مجال البرمجة أو التقنية، وتهدف إلى تعريفهم بمفاهيم الذكاء الاصطناعي وتطبيقاتها في العالم الحقيقي.

شكرا جدا

لتطوير نفسك في مجال تعلم الآلة، يمكنك القيام بالأمور التالية:

1. تعلم الرياضيات اللازمة لتعلم الآلة مثل الاحتمالات والإحصاء والجبر الخطي.
2. تعلم تقنيات التعلم الآلي والشبكات العصبية.
3. تعلم لغات البرمجة المستخدمة في تعلم الآلة مثل  R وغيرها.
4. تطبيق ما تعلمته في مشاريع تطبيقية حقيقية.

بالنسبة لسؤالك عن مدى صعوبة مجال تعلم الآلة، فهو مجال يتطلب دراسة وتعلم موضوعات رياضية متقدمة وتقنيات حديثة، لكنه يمكن التعلم فيه بشكل تدريجي والاستفادة من الموارد المتاحة عبر الإنترنت والكتب والدورات التدريبية.

وبالنسبة لسؤالك عن إبداع المجال، فهو مجال يمكن فيه تصميم وتطوير حلول إبداعية للمشاكل الحقيقية، ويمكن استخدام تقنيات تعلم الآلة في مجالات مختلفة مثل الطب والتمويل والتسويق والصناعة وغيرها.

وبالنسبة لسؤالك عن تصميم الخوارزميات بنفسك، في مجال تعلم الآلة، يمكن تصميم خوارزميات جديدة أو تحسين الخوارزميات الموجودة بناءً على الحاجة والمشكلة التي يتم حلها. يمكن تصميم الخوارزميات بنفسك من خلال دراسة المفاهيم الأساسية لتعلم الآلة والتحليل الرياضي وتجارب التعلم العملية. بالإضافة إلى ذلك، يمكن الاستفادة من الأبحاث والدوريات العلمية لتحسين الخوارزميات وتصميم حلول أفضل.