مقدمة مفصلة للطبعة الثالثة من كتاب "Deep Learning with Python"

📚 معلومات أساسية

• اسم الكتاب: Deep Learning with Python, الطبعة الثالثة
• المؤلفون: فرانسوا شوليه (مؤسس Keras) وماتيو واتسون (مهندس برمجيات في Google)
• الناشر: Manning Publications
• الإصدار: الطبعة الثالثة (2025)
• القراءة عبر الإنترنت: https://deeplearningwithpython.io/ (قراءة مجانية)
• اللغة: الإنجليزية
• مستوى الصعوبة: متوسط (يتطلب مهارات بايثون متوسطة، ولا يتطلب معرفة مسبقة بالتعلم الآلي أو الجبر الخطي)

🎯 نظرة عامة على الدورة

هذا كتاب مرجعي موثوق في التعلم العميق، كتبه شخصياً فرانسوا شوليه، مؤسس إطار عمل Keras. الطبعة الثالثة هي إعادة كتابة كاملة للإصدار الأصلي الأكثر مبيعاً، مع إضافة أحدث المحتويات مثل الذكاء الاصطناعي التوليدي (Generative AI)، ونماذج اللغة الكبيرة (Large Language Models)، ونماذج الانتشار (Diffusion Models). يركز الكتاب على الجانب العملي، حيث يبني فهماً للتعلم العميق خطوة بخطوة من خلال أمثلة التعليمات البرمجية والمشاريع.

🔥 الميزات الأساسية للطبعة الثالثة

تغطية محتوى جديد بالكامل

• الذكاء الاصطناعي التوليدي (Generative AI): يتضمن أحدث تقنيات الذكاء الاصطناعي التوليدي
• هندسة Transformer: شرح مفصل لآلية الانتباه ونماذج Transformer
• نماذج اللغة الكبيرة الشبيهة بـ GPT: يعلمك كيفية بناء نماذجك الخاصة الشبيهة بـ GPT
• نماذج الانتشار (Diffusion Models): تعلم كيفية بناء نماذج الانتشار لتوليد الصور
• دعم متعدد الأطر: يغطي Keras 3 و PyTorch و JAX و TensorFlow

طريقة التعلم

• الأولوية للتطبيق العملي: تعلم عملي، يبدأ بالتعليمات البرمجية
• من الأساسيات إلى المتقدم: تغطية شاملة من المفاهيم الأساسية إلى الذكاء الاصطناعي التوليدي
• شرح رياضي بديهي: يشرح المفاهيم الرياضية بطريقة سهلة الفهم
• مدفوع بالمشاريع: كل فصل يتضمن مشاريع عملية وأمثلة تعليمات برمجية

📖 المحتوى التعليمي الرئيسي

حزمة التقنيات الأساسية

# الأطر الرئيسية المدعومة
- Keras 3 (الإطار الرئيسي)
- TensorFlow
- PyTorch
- JAX

المجالات التقنية المغطاة

1. النظرية الأساسية للتعلم العميق
   • اللبنات الرياضية للشبكات العصبية
   • المفاهيم الأساسية للتعلم العميق
2. الرؤية الحاسوبية
   • تصنيف الصور
   • تجزئة الصور
   • تقنيات الرؤية الحاسوبية المتقدمة
3. معالجة اللغة الطبيعية
   • تصنيف النصوص
   • الترجمة الآلية
   • بناء نماذج اللغة الكبيرة
4. التنبؤ بالسلاسل الزمنية
   • معالجة بيانات السلاسل الزمنية
   • بناء نماذج التنبؤ
5. الذكاء الاصطناعي التوليدي (Generative AI)
   • توليد النصوص
   • توليد الصور
   • بناء نماذج GPT ونماذج الانتشار
6. النشر في بيئة الإنتاج
   • تحسين النماذج وضبطها
   • أفضل الممارسات في العالم الحقيقي

🎓 الجمهور المستهدف

القراء المستهدفون

• المطورون ذوو مهارات بايثون المتوسطة
• علماء البيانات وعشاق التعلم الآلي
• المحترفون الذين يرغبون في دخول مجال التعلم العميق
• الباحثون المهتمون بالذكاء الاصطناعي التوليدي

المتطلبات المسبقة

• ✅ قدرة متوسطة على برمجة بايثون
• ❌ لا تتطلب خبرة في التعلم الآلي
• ❌ لا تتطلب أساسيات في الجبر الخطي
• ❌ لا تتطلب خبرة في Keras أو TensorFlow

💡 مصادر التعلم

المصادر عبر الإنترنت

• قراءة مجانية عبر الإنترنت: محتوى الكتاب الكامل متاح للقراءة مجاناً على الموقع الرسمي
• مستودع التعليمات البرمجية: يتوفر على GitHub دفاتر Jupyter كاملة
• Google Colab: يمكن تشغيل التعليمات البرمجية مباشرة في المتصفح
• تكامل Kaggle: استخدام مجموعات بيانات Kaggle وأوزان النماذج

بيئة التطبيق العملي

# بيئة التشغيل الموصى بها
- Google Colab (وقت تشغيل GPU مجاني)
- بيئة Jupyter محلية
- يمكن تشغيل جميع التعليمات البرمجية في الإصدار المجاني من Colab

📈 تاريخ تطور الإصدارات

• الإصدار الأول: أرسى أسس التعلم العميق باستخدام بايثون
• الإصدار الثاني: أضاف 50% من المحتوى الجديد
• الإصدار الثالث: إعادة كتابة كاملة، مع التركيز على الذكاء الاصطناعي التوليدي وأحدث التقنيات

🔧 الميزات التقنية

ميزات تنفيذ التعليمات البرمجية

• جميع الأمثلة قابلة للتشغيل مباشرة
• يدعم العديد من الواجهات الخلفية للتعلم العميق
• يوفر تطبيقات مشاريع كاملة
• مسار تعليمي تدريجي من الأساسيات إلى المتقدم

أساليب التدريس

• يجمع بين النظرية والتطبيق العملي
• يبني الفهم طبقة تلو الأخرى
• شروحات رياضية بديهية
• سيناريوهات تطبيقية واقعية

📱 طرق الحصول

• قراءة مجانية: https://deeplearningwithpython.io/
• شراء النسخة المطبوعة: الموقع الرسمي لـ Manning Publications
• تنزيل التعليمات البرمجية: متاح مجاناً من مستودع GitHub
• التشغيل عبر الإنترنت: تشغيل جميع التعليمات البرمجية مباشرة عبر Google Colab

لقد بيع من هذا الكتاب أكثر من 100 ألف نسخة، وهو أحد أكثر الكتب التعليمية شعبية في مجال التعلم العميق باستخدام بايثون. وقد جعل إصدار الطبعة الثالثة منه مصدراً لا غنى عنه لفهم التعلم العميق الحديث والذكاء الاصطناعي التوليدي.