خارطة طريق تعلم مجال تحليل البيانات والذكاء الاصطناعي.

بعد تعلم أساسيات لغة Python، ما هي المرحلة التالية؟ هل يجب الانتقال مباشرة إلى تطبيقات الذكاء الاصطناعي، أم البدء بتعلم تحليل البيانات؟

لقد اشتريت دورة في الذكاء الاصطناعي وأمتلك أساسيات قوية في Python. كنت أعتقد أن هناك المزيد لتعلمه داخل الدورة، لكنني لم أجد ما أبحث عنه. وعند تصفح أقسام الدورة، وجدت أنها مرتبة بطريقة معينة، ولكن عندما بدأت في قسم "تطبيقات عملية على النماذج النصية الكبيرة (LLMs)"، واجهت صعوبة كبيرة في فهم العديد من المفاهيم.

لذلك، قررت البحث عن مصادر خارجية، حيث لاحظت أن الدورة لم تتعمق في بعض المواضيع مثل مكتبات NumPy ،Pandas، Matplotlib بالإضافة إلى بعض الجوانب في أساسيات اللغة، خاصة في قسم "البرمجة الكائنية (OOP)". بناءً على ذلك، أود طرح الأسئلة التالية:

1. هل يجب متابعة أقسام دورة الذكاء الاصطناعي بشكل تسلسلي؟
2. هل كل قسم مستقل بذاته يعلّم مهارات خاصة، أم أن ترابط هذه المهارات ضروري لفهم المجال بشكل صحيح؟
3. هل هناك خارطة طريق واضحة لمتابعة الأقسام دون مواجهة مشكلة "سيتم التعمق في هذه المكتبة لاحقًا" أو "سيتم شرح هذا المفهوم في الدروس القادمة"؟
4. هل يمكنني البدء مباشرة بعد تعلم الأساسيات بقسم تحليل البيانات، أم أن هناك مواضيع ضرورية يجب تعلمها أولًا قبل الدخول إلى هذا المجال؟
5. هل تغطي الدورة جميع أساسيات كل قسم بشكل كافٍ، أم يجب البحث في مصادر خارجية للاستزاد؟ على سبيل المثال، في قسم "تطبيقات عملية على النماذج النصية الكبيرة (LLMs)"، تم التطرق إلى بعض النقاط، لكن عدم توضيحها بشكل كامل قد يضع الطالب في حيرة من أمره عند محاولة التطبيق العملي حيث هناك الكثير من الأمور سوف يتم أخذها كصندوق أسود.

أبحث عن خارطة تعلم تبدأ معي من المستوى المبتدئ، ثم المتوسط، وصولًا إلى المحترف، بحيث أتمكن من دراسة المواضيع بترتيب صحيح دون مواجهة فجوات معرفية.

وشكراً مسبقاً على ردودكم.