أي المجالين أنسب من حيث العائد المادي NLP أم Computer vision

ليس هنالك شرط للتعلم بالترتيب بالنسبة لهذين المجالين، يمكنك تعلمهما كلاهما، سواء بدأت بنماذج اللغة الكبيرة أو بالرؤية الحاسوبية وكلّ ذلك يعتمد على رغبتك وعلى أهدافك من عملية التعلم، فإذا كنت مهتما بمعالجة اللغة والتفاعل مع النصوص يمكنك البدء بتعلم نماذج اللغة الكبيرة (LLMs) وتقنيات معالجة اللغة الطبيعية (NLP) هنا ستتعلم كيف يمكن للذكاء الاصطناعي فهم النصوص وكيف يتم إنشاء المحتوى وكيف يتم تحليل المعاني.

أما إذا كنت تميل إلى العمل مع الصور والفيديوهات فأعتقد أنه يفضل البدء بتعلم الرؤية الحاسوبية (CV)، حيث ستتعرف على كيفية تحليل الصور والتعرف على الأشياء، وتطبيقات الواقع المعزز والذكاء الاصطناعي في المجالات البصرية.

في الأخير إذا كنت مهتما بالتطبيقات المتعددة الوسائط يمكنك بعد الحصول على الأساسيات في أحد المجالين البدء بالتعرف على النماذج متعددة الوسائط (MLLMs) التي تدمج بين معالجة اللغة والرؤية معا.

وفي حال كنت مشتركا في دورة الذكاء الاصطناعي فمؤخرا قد تمّ إضافة مسار خاص بالتطبيقات العملية باستخدام الرؤية الحاسوبية يمكنك تعلمها من هناك:

 هذه المقالة مفيدة أيضا:

يعتمد اختيارك بين تعلم كلاهما على أهدافك ومجال اهتمامك، فإذا كنت مهتما بتطوير تطبيقات تعتمد على معالجة اللغة الطبيعية فإن تعلم LLM سيكون الخيار الأنسب، أما إذا كنت ترغب في العمل على مشاريع تتعلق بتحليل الصور والفيديو، مثل التعرف على الوجوه والتصنيف الآلي للصور فإن رؤية الحاسوب ستكون الخيار الأفضل، و كلا المجالين مطلوبان بشدة، يمكنك أن تطلع على هذا المقال حيث سيعطيك فكرة أفضل عن المجال:

https://io.hsoub.com/tech/118455-الرؤية-الحاسوبية-computer-vision

لا يوجد إجابة محددة فكلا المجالين مختلفين تماما عن بعضهما البعض .

وهذا يعتمد بشكل كبير على إهتماماتك و أهدافك سواء كنت تريد الحصول على وظيفة معينة في مجال منهم أو إنشاء مشروعك الخاص.

إن نماذج اللغة الكبيرة (LLM) هي نماذج تعلم آلي تستخدم لفهم وتحليل وإنشاء النصوص .مثل  GPT  وBERT وغيرها .وهذا المجال يتضمن تطبيقات كثيرة مثل chat bots و ترجمة اللغات و تحليل النصوص مثل تصنيف المشاعر أو استخراج المعلومات وكتابة وإنشاء المحتوى وغيرها من المجالات الأخرى وهذا المجال يحتاج خلفية قوية في البرمجة لديك وبالخصوص في لغات مثل Python ومعرفة جيدة بالتعلم العميق (Deep Learning) وتعليم الآلة (Machine Learning) وفهم جيد للنماذج مثل الشبكات العصبية (Neural Networks).

أما الرؤية الحاسوبية (Computer Vision) فهي مجال من مجالات الذكاء الصناعي والذي يستهدف تمكين الآلات من الرؤية وفهم الأشياء كما يفعل الإنسان من خلال إستخدام الصور والفيديو. وتوجد تطبيقات كثيرة في هذا المجال مثل التعرف على الوجوه والأشخاص و التعرف على الأشياء في الصور والفيديو وتحليلها و السيارات ذاتية القيادة التي تقوم بتحليل لحظي للفيديو من خلال الكاميرات المدمجة في السيارة . وغيرها من التطبيقات الكثيرة الأخرى.

أما بخصوص الإختيار فكما وضحت لك فهذا الأمر يعتمد على إهتماماتك فإذا كنت مهتما للعمل مع النصوص وفهمها وإنشاء محتوى مكتوب فإن LLM هو الخيار الأفضل لك . و إذا كنت تفضل العمل مع الصور والفيديوهات وتريد تمكين الحاسوب من رؤية وفهم العالم  فإن ال Computer Vision ستكون أفضل لك.

كما بالتعليقات السابقة أنه إذا كنت شغوفًا باللغة والنصوص وتفاعلاتها، فقد تجد مجال الـ LLM أكثر إثارة. أما إذا كنت تجد شغفًا بالصور والفيديو وتفاصيلها، فإن رؤية الكمبيوتر قد تكون الاختيار الأنسب.
ولكن كلا المجالين يعتمد على مبادئ التعلم العميق والذكاء الاصطناعي. لذا من المؤكد أنك ستتعلم الأساسيات قبل التخصص في أحدهما وبالتالي سيكون لديك فكرة عنامة عن كلا المجالين ووقتها سيمكنك تحديد التخصص الذي تفضله ويمكنك أيضًا البدء بمشاريع صغيرة في كلا المجالين لتجربة واكتشاف أيهما يناسبك أكثر. 

وأيضاً راجع السوق والفرص المتاحة في المجالين، واختر ما يتماشى مع أهدافك المهنية المستقبلية.

I meant the payment

بتاريخ 1 دقيقة مضت قال Youcef Kias:

I meant the payment

أرجو توضيح السؤال لمساعدتك، ما المقصود بـ payment

which one pay more

بتاريخ 53 دقائق مضت قال Youcef Kias:

which one pay more

كلاهما بنفس العائد المادي، لكن عامًة الرؤية الحاسوبية ليس بالمجال السهل، ويتم استخدامها في صناعات ليست بسيطة مثل السيارات الذكية والتي تعمل بالكهرباء غالبًا، وأيضًا المجالات الطبية والأمنية والروبوتات الصناعية والأتمتة، لذا في حال التخصص به العائد المادي أكبر لكن بعد سنوات خبرة 5 سنوات مثلاً.

والأسهل والمطلوب أكثر هو تخصص NLP حيث يتم استخدام النماذج التوليدية في غالب التطبيقات حاليًا ليتمكن المستخدم من المحادثة والحصول على معلومات سواء نصية أو مرئية من خلال الصور، لكن أيضًا المنافسة به أكثر من مجال الرؤية الحاسوبية.