مشكلة ترتيب المسارات في دورة الذكاء الاصطناعي

ندرس تحليل البيانات Data Analysis مُبكرًا لأننا سنحتاج ذلك في المسارات التالية، ولن نحتاج دراسة قواعد البيانات والـ APIs مُبكرًا، لذا الترتيب مناسب لمنهج الدورة.

فلا يمكنك بناء أي موديل ذكاء اصطناعي بدون أن تعرف كيف تنظف البيانات وتعالجه، فذلك هو الأساس.

ومجال الـ Computer Vision الحديث يعتمد بنسبة 90% على تقنيات الـ Deep Learning، والـ Deep Learning هو فرع متطور من الـ Machine Learning.
لذا تستطيع دراسة الدورة بنفس الترتيب  لترى النتيجة أي التطبيق العملي أولاً، مثل اكتشاف الأشياء باستخدام YOLO في البداية لتشعر بقوة المجال، ثم العودة للخلف لنشرح الأساسيات أي الرياضيات والخوارزميات في مسار ML و DL.

أو الترتيب التالي لو أردت تعلم الأساسيات ثم التطبيق العملي:

• Machine Learning
• Deep Learning
• Computer Vision

ولا مشكلة في تدريس الأساسيات النظرية أولاً أي التعلم العميق والشبكات العصبية، ثم الانتقال إلى البنى المتقدمة المبنية عليها كالـ Transformers.

لكن الفكرة من إعادة الترتيب هو إتباع منهجية حديثة  وهي من الأعلى إلى الأسفل أو التطبيق أولاً، وذلك بدلاً من المنهجية التقليدية من الأسفل إلى الأعلى أو النظرية أولاً.

وذلك لتعلم كيفية قيادة السيارة وتحقيق بها نتائج ملموسة تطبيقات المحولات، ثم بعد أن يدرك الطلبة أهميتها وقوتها، سيتعلمون كيف يعمل محركها الداخلي أي التعلم العميق.

بمعنى المحولات هي نوع من الشبكات العصبية، لكن استخدامها كأداة لا يتطلب بالضرورة فهم كل تفاصيلها النظرية المعقدة مسبقًا، تمامًا كما أنك تستخدم هاتفك الذكي كل يوم دون الحاجة لمعرفة تصميم أشباه الموصلات في معالجه.

لذا الترتيب الجديد غرضه، تعليمك المهارات التطبيقية الأكثر طلبًا أولاً، وإبقائك متحفزة عبر بناء مشاريع حقيقية مبكرًا، وتأهيلك بشكل عملي لفهم النظرية لاحقًا بشكل أسهل وأكثر جدوى.

بتاريخ On 12‏/1‏/2026 at 11:51 قال Mustafa Suleiman:

ندرس تحليل البيانات Data Analysis مُبكرًا لأننا سنحتاج ذلك في المسارات التالية، ولن نحتاج دراسة قواعد البيانات والـ APIs مُبكرًا، لذا الترتيب مناسب لمنهج الدورة.

فلا يمكنك بناء أي موديل ذكاء اصطناعي بدون أن تعرف كيف تنظف البيانات وتعالجه، فذلك هو الأساس.

ومجال الـ Computer Vision الحديث يعتمد بنسبة 90% على تقنيات الـ Deep Learning، والـ Deep Learning هو فرع متطور من الـ Machine Learning.
لذا تستطيع دراسة الدورة بنفس الترتيب  لترى النتيجة أي التطبيق العملي أولاً، مثل اكتشاف الأشياء باستخدام YOLO في البداية لتشعر بقوة المجال، ثم العودة للخلف لنشرح الأساسيات أي الرياضيات والخوارزميات في مسار ML و DL.

أو الترتيب التالي لو أردت تعلم الأساسيات ثم التطبيق العملي:

• Machine Learning
• Deep Learning
• Computer Vision

ولا مشكلة في تدريس الأساسيات النظرية أولاً أي التعلم العميق والشبكات العصبية، ثم الانتقال إلى البنى المتقدمة المبنية عليها كالـ Transformers.

لكن الفكرة من إعادة الترتيب هو إتباع منهجية حديثة  وهي من الأعلى إلى الأسفل أو التطبيق أولاً، وذلك بدلاً من المنهجية التقليدية من الأسفل إلى الأعلى أو النظرية أولاً.

وذلك لتعلم كيفية قيادة السيارة وتحقيق بها نتائج ملموسة تطبيقات المحولات، ثم بعد أن يدرك الطلبة أهميتها وقوتها، سيتعلمون كيف يعمل محركها الداخلي أي التعلم العميق.

بمعنى المحولات هي نوع من الشبكات العصبية، لكن استخدامها كأداة لا يتطلب بالضرورة فهم كل تفاصيلها النظرية المعقدة مسبقًا، تمامًا كما أنك تستخدم هاتفك الذكي كل يوم دون الحاجة لمعرفة تصميم أشباه الموصلات في معالجه.

لذا الترتيب الجديد غرضه، تعليمك المهارات التطبيقية الأكثر طلبًا أولاً، وإبقائك متحفزة عبر بناء مشاريع حقيقية مبكرًا، وتأهيلك بشكل عملي لفهم النظرية لاحقًا بشكل أسهل وأكثر جدوى.

مرحبا انا الان لم افهم الترتيب الصحيح هل ابدا بتحليل البيانات اولا ثم اذهب الى تعلم الاله او التعلم العميق او التعامل مع البيانات او الشبكات العصبية الى اخره ...

لم يتضح لي خلاصة الامر اريد منك ان ترتبها لي من الاول الى الاخير بحيث لا افهم شي قبل شي 

بتاريخ 7 ساعة قال Faisal Al Zaedi:

مرحبا انا الان لم افهم الترتيب الصحيح هل ابدا بتحليل البيانات اولا ثم اذهب الى تعلم الاله او التعلم العميق او التعامل مع البيانات او الشبكات العصبية الى اخره ...

لم يتضح لي خلاصة الامر اريد منك ان ترتبها لي من الاول الى الاخير بحيث لا افهم شي قبل شي 

لا يوجد ترتيب صحيح أو ترتيب خاطئ ولكن الترتيب يعتمد على الطالب نفسه . الترتيب الحالي للدورة جيد جدا وهو نظام تعليمي جديد تنتهجه الأكاديمة هنا كما وضح المدرب مصطفي .

ولكن إذا وجدت صعوبة في فهم التطبيقات العملية أولا قبل الشرح النظري فيمكنك بدأ الشرح النظري أولا ثم الذهاب إلى التطبيقات العملية .

فيمكنك إتباع الترتيب التالي إذا أردت الدروس النظرية أولا :

• تحليل البيانات Data Analysis
• التعامل مع البيانات
• تعلم الآلة Machine Learning
• التعلم العميق Deep Learning
• التعرف على الصور باستخدام الشبكات العصبية
• تطبيقات عملية على النماذج النصية الكبيرة LLMs
• تطبيقات عملية باستخدام المحوّلات Transformers
• تطبيقات عملية على نماذج الرؤية الحاسوبية 

 وباقي المسارات يمكنك دراستها بالترتيب الموجود في الدورة.