مواد تعليمية للتعلم الآلي والذكاء الاصطناعي: وصف تفصيلي

معلومات أساسية

اسم الكتاب: تعلم الآلة والذكاء الاصطناعي: 30 سؤالاً وجواباً أساسياً حول تعلم الآلة والذكاء الاصطناعي

المؤلف: سيباستيان راشكا

الناشر: No Starch Press

حقوق النشر: © 2024-2025 بواسطة سيباستيان راشكا

طريقة الوصول: قراءة مجانية عبر الإنترنت

نظرة عامة على الدورة

هذا دليل عملي يركز على المفاهيم الأساسية للتعلم الآلي والذكاء الاصطناعي، ويقدم نقاط معرفية مكثفة للمتعلمين من المبتدئين إلى الخبراء في تعلم الآلة، وذلك من خلال 30 سؤالاً وجواباً رئيسياً. سيباستيان راشكا، بصفته مربياً معروفاً في مجال تعلم الآلة، يلخص مواضيع الذكاء الاصطناعي المعقدة في نقاط عملية سهلة الفهم.

أهداف التعلم

• مساعدة المتعلمين على مواكبة التطور السريع للتعلم الآلي والذكاء الاصطناعي
• تغطية مواضيع متنوعة في مجالات تعلم الآلة
• توفير مسار تعليمي للمبتدئين من البداية حتى مستوى الخبراء
• حتى الباحثون والممارسون ذوو الخبرة في تعلم الآلة يمكنهم اكتشاف تقنيات وأساليب جديدة

هيكل الدورة

الجزء الأول: الشبكات العصبية والتعلم العميق (Part I: Neural Networks and Deep Learning)

• الفصل 1: التضمينات، الفضاء الكامن، والتمثيلات
• الفصل 2: التعلم بالإشراف الذاتي
• الفصل 3: التعلم من عدد قليل من الأمثلة
• الفصل 4: فرضية تذكرة اليانصيب
• الفصل 5: تقليل التجاوز (Overfitting) باستخدام البيانات
• الفصل 6: تقليل التجاوز (Overfitting) بتعديلات النموذج
• الفصل 7: نماذج التدريب متعددة وحدات معالجة الرسوميات (GPU)
• الفصل 8: نجاح المحولات (Transformers)
• الفصل 9: نماذج الذكاء الاصطناعي التوليدية
• الفصل 10: مصادر العشوائية

الجزء الثاني: رؤية الحاسوب (Part II: Computer Vision)

• الفصل 11: حساب عدد المعلمات
• الفصل 12: الطبقات المتصلة بالكامل والالتفافية
• الفصل 13: مجموعات التدريب الكبيرة لمُحولات الرؤية (Vision Transformers)

الجزء الثالث: معالجة اللغة الطبيعية (Part III: Natural Language Processing)

• الفصل 14: الفرضية التوزيعية
• الفصل 15: زيادة البيانات للنصوص
• الفصل 16: الانتباه الذاتي
• الفصل 17: مُحولات بأسلوب المُشفّر والمُفكّك (Encoder- and Decoder-Style Transformers)
• الفصل 18: استخدام وضبط المُحولات المُدربة مسبقاً
• الفصل 19: تقييم نماذج اللغة الكبيرة التوليدية

الجزء الرابع: الإنتاج والنشر (Part IV: Production and Deployment)

• الفصل 20: التدريب عديم الحالة وذو الحالة
• الفصل 21: الذكاء الاصطناعي المرتكز على البيانات
• الفصل 22: تسريع الاستدلال
• الفصل 23: تحولات توزيع البيانات

الجزء الخامس: الأداء التنبؤي وتقييم النموذج (Part V: Predictive Performance and Model Evaluation)

• الفصل 24: انحدار بواسون والانحدار الترتيبي
• الفصل 25: فترات الثقة
• الفصل 26: فترات الثقة مقابل التنبؤات المطابقة
• الفصل 27: المقاييس الصحيحة
• الفصل 28: الـ k في التحقق المتقاطع k-Fold
• الفصل 29: عدم التوافق بين مجموعة التدريب والاختبار
• الفصل 30: البيانات المحدودة الموسومة

توصيات الخبراء

كاميرون ر. وولف (مؤلف كتاب Deep Learning Focus)

"يتمتع سيباستيان بموهبة في تقطير المواضيع المعقدة المتعلقة بالذكاء الاصطناعي إلى خلاصات عملية يمكن لأي شخص فهمها. كتابه الجديد، تعلم الآلة والذكاء الاصطناعي، هو مورد رائع آخر لممارسي الذكاء الاصطناعي من أي مستوى."

تشيب هوين (مؤلفة كتاب "Designing Machine Learning Systems")

"يجمع سيباستيان بشكل فريد بين العمق الأكاديمي، والمرونة الهندسية، والقدرة على تبسيط الأفكار المعقدة. يمكنه التعمق في أي مواضيع نظرية، وإجراء التجارب للتحقق من الأفكار الجديدة، ثم شرحها لك بكلمات بسيطة. إذا كنت تبدأ رحلتك في تعلم الآلة، فسيباستيان هو دليلك."

كريس ألبون (مدير تعلم الآلة في مؤسسة ويكيميديا)

"لا يمكن للمرء أن يطلب دليلاً أفضل من سيباستيان، الذي هو، بلا مبالغة، أفضل معلم لتعلم الآلة حالياً في هذا المجال. في كل صفحة، لا يكتفي سيباستيان بنقل معرفته الواسعة فحسب، بل يشارك أيضاً الشغف والفضول اللذين يميزان الخبرة الحقيقية."

رونالد تي. كنيوسل (مؤلف كتاب "How AI Works")

"كتاب سيباستيان راشكا الجديد، تعلم الآلة والذكاء الاصطناعي، هو محطة واحدة للحصول على نظرة عامة على مواضيع الذكاء الاصطناعي الحاسمة التي تتجاوز الأساسيات التي تغطيها معظم الدورات التمهيدية... إذا كنت قد دخلت بالفعل عالم الذكاء الاصطناعي عبر الشبكات العصبية العميقة، فإن هذا الكتاب سيوفر لك ما تحتاجه لتحديد وفهم المستوى التالي."

مميزات التعلم

1. التعلم القائم على الأسئلة والأجوبة: يغطي مفاهيم تعلم الآلة والذكاء الاصطناعي الهامة بشكل منهجي من خلال 30 سؤالاً أساسياً.
2. التوجه العملي: يركز على التطبيقات العملية، ويقدم نقاطاً تقنية قابلة للتنفيذ.
3. الجمع بين العمق والشمولية: يمتلك عمقاً نظرياً وشمولية عملية.
4. التعلم التدريجي: مناسب للمتعلمين من مختلف المستويات، من المبتدئين إلى الخبراء.
5. وصول مجاني: يوفر قراءة مجانية عبر الإنترنت.

الفئات المستهدفة

• المبتدئون في تعلم الآلة
• ممارسو وباحثو الذكاء الاصطناعي
• الطلاب الذين يرغبون في تعلم تقنيات التعلم العميق الحديثة بشكل منهجي
• المهنيون التقنيون الذين يحتاجون إلى مواكبة اتجاهات تطور الذكاء الاصطناعي
• المهندسون المهتمون بتطبيقات الذكاء الاصطناعي في بيئات الإنتاج

نصائح للتعلم

1. يُنصح بالدراسة وفقاً لترتيب الفصول، حيث أن لكل جزء تسلسله المنطقي الخاص.
2. بعد دراسة كل فصل، يمكن تطبيق المفاهيم في مشاريع عملية.
3. التركيز على محتوى الجزء الرابع المتعلق بالإنتاج والنشر، فهذه معرفة تطبيقية عملية تفتقر إليها العديد من الدورات التعليمية.
4. محتوى الجزء الخامس الخاص بتقييم النموذج مهم جداً لاختيار النماذج وتحسينها في العمل الفعلي.

طرق الحصول

• قراءة مجانية عبر الإنترنت: الوصول مباشرة إلى موقع المؤلف
• شراء الكتاب المطبوع: أمازون أو No Starch Press
• دعم المؤلف: الاشتراك في مدونة سيباستيان على Substack أو كتابة مراجعة على أمازون