من فهم الأساسيات إلى بناء نظام يعمل في الواقع
مسار تقني عميق من الأساسيات وحتى بناء وتشغيل أنظمة GenAI في بيئة Production. مناسب لمن يريد الالتزام بالبرمجة والرياضيات وتنفيذ مشروعات حقيقية.
06
مراحل عملية
RAG
و Agents
200
سؤال مقابلة
LEARNING PATH
مسار AI Engineer
طريق تقني عميق لبناء أنظمة الذكاء الاصطناعي وفهم ما تحت الغطاء — بالتدرّج ومن خلال مشروعات حقيقية.
THE ROADMAP
مراحل مسار AI Engineer
لا تحتاج لإنهاء كل مرحلة في أسبوع؛ تقدّم بالترتيب وابنِ مشروعًا صغيرًا مع كل خطوة.
01
الأساس الهندسي
Python، رياضيات وإحصاء، التعامل مع البيانات وأساسيات Machine Learning.
PythonMathStatisticsML
02
Deep Learning وTransformers
الشبكات العصبية، Attention، Tokenization، Embeddings وفهم بنية الـLLMs.
PyTorchNeural NetsTransformers
03
بناء أنظمة GenAI
APIs، Vector Databases، RAG، Agents، Tool Use وأنظمة الذاكرة.
RAGVector DBAgentsAPIs
04
تخصيص النماذج
تجهيز البيانات والتقييم وFine-tuning باستخدام LoRA وQLoRA وPEFT.
Fine-tuningLoRAQLoRAEvaluation
05
Production Engineering
Deployment، Latency، Scale، Cost، Observability والحماية من Prompt Injection.
LLMOpsSecurityScaleMonitoring
06
Portfolio والاستعداد للعمل
مشروعات كاملة، توثيق معماري، مراجعة 200 سؤال مقابلات والاستعداد للـSystem Design.
ProjectsInterviewsSystem Design
المصادر الأساسية للمسار
100 Days in AIخطة يومية من Python والرياضيات حتى Deep Learning والمشروع النهائي.AI Roadmapsخرائط تعلّم مرتّبة للتخصصات والمسارات المختلفة داخل مجال AI.Graduation Projects Ideasأفكار مشروعات تساعدك على بناء Portfolio تقني قابل للعرض.LLM Fine-tuning Guideدليل عملي للبيانات والتدريب والتقييم وتقنيات التخصيص المتقدمة.
FREE INTERVIEW GUIDE
تحميل PDF200 سؤال GenAI من Zero إلى Hero
من الأساسيات وRAG والـAgents حتى Production وSecurity وSystem Design.
المصادر والدليل من إعداد:Hesham Haroon · GitHubLinkedIn