الذكاء الاصطناعي التوليدي
خطة طريق لتعلم الذكاء الاصطناعي بحلول 2024
هل ترغب في تعلم الذكاء الاصطناعي، أليس كذلك؟ لكنك غير متأكد من أين تبدأ أو كيف تمضي قدمًا؟ تصبح أهمية الذكاء الاصطناعي (AI) أكثر وضوحًا مع مرور الوقت حيث نعيش في لحظة قد تكون هامة في تطور الإنسانية.
علاوة على ذلك، فإن برامج مثل Bard وMidjourney وChatGPT تجلب الذكاء الاصطناعي إلى العامة. وبسبب ذلك، فإن الذكاء الاصطناعي كفن وعلوم أصبح أكثر أهمية من أي وقت مضى.
بالإضافة إلى مراجعة المعرفة والموارد التي ستحتاجها، نبحث أيضًا في كيفية استخدام الشركات للذكاء الاصطناعي في بيئة الأعمال الحديثة.
ما هو الذكاء الاصطناعي (AI)؟
الهدف من مجال علوم الحاسوب المعروف بالذكاء الاصطناعي، أو AI، هو بناء آلات قادرة على تنفيذ مهام تتطلب عادةً ذكاءً بشريًا.
الذكاء الاصطناعي هو مجال كبير يتضمن عدة أقسام أصغر، كل منها يهدف إلى مجالات محددة وخبرات خاصة. قم بزيارة دليلنا الشامل، ما هو الذكاء الاصطناعي؟، لمعرفة المزيد.
ستكتسب كل هذه المهارات في بعض من أفضل الجامعات في العالم، بما في ذلك هارفارد، وجوجل، وأمازون، وDeepLearning. الذكاء الاصطناعي بشكل مجاني.
ما هي أنواع الذكاء الاصطناعي؟
تم طرح الذكاء الاصطناعي بطرق متنوعة مع تزايد انتشاره. بناءً على قدراته، يمكن تقسيم الذكاء الاصطناعي إلى ثلاثة مستويات:
اليوم، فإن النوع الأكثر شيوعًا من الذكاء الاصطناعي الذي نتعامل معه هو الذكاء الاصطناعي الضيق (ANI). مثل التعرف على الصوت أو الاقتراحات على خدمات البث، يتم تصميم ANI لأداء مهمة واحدة.
الذكاء الاصطناعي العام (AGI): يمكن للذكاء الاصطناعي الذي يمتلك ذكاءً اصطناعيًا عامًا أن يفهم، ويتعلم، ويتكيف، ويطبق المعرفة على مجموعة متنوعة من الأنشطة بمستوى بشري.
الذكاء الاصطناعي المتفوق (ASI): الشكل النهائي من الذكاء الاصطناعي، حيث تصف ASI حالة يكون فيها الذكاء الاصطناعي متفوقًا في النهاية على الذكاء البشري في جميع المهام التي تجلب ربحًا تقريبًا. على الرغم من كونه مثيرًا للاهتمام، إلا أن هذه الفكرة لا تزال في الغالب نظرية.
لماذا يعتبر تعلم الذكاء الاصطناعي مهمًا الآن؟
الذكاء الاصطناعي هو تقنية رائدة تغير الطريقة التي نعيش بها ونعمل ونتفاعل. ليس مجرد شعار.
من المتوقع أن ترتفع الحاجة إلى متخصصي الذكاء الاصطناعي حيث تعتنق المزيد من الشركات تقنيات الذكاء الاصطناعي لتحسين اتخاذ القرار وتبسيط العمليات.
تشدد التوسعات المتوقعة في حجم سوق الذكاء الاصطناعي بين عامي 2021 و2030 على هذا التوقع بشكل أكبر.
الذكاء الاصطناعي مجال مربح
بالطبع، فإن الطلب المتزايد على خبرات الذكاء الاصطناعي يترجم إلى رواتب تنافسية. اعتبارًا من نوفمبر 2023، بلغ متوسط الراتب السنوي لمهندس الذكاء الاصطناعي في الولايات المتحدة 153,719 دولارًا، مع احتمال الحصول على مكافآت وتوزيع الأرباح، وفقًا لبيانات من Glassdoor.
بلغ متوسط الراتب السنوي لمهندسي التعلم الآلي وعلماء البيانات 151,158 دولارًا و178,515 دولارًا على التوالي. تعكس هذه التعويضات المالية قيمة وتأثير مهارات الذكاء الاصطناعي في سوق العمل.
فهم الذكاء الاصطناعي صعب
هناك أكثر مما هو مطلوب من الذكاء الاصطناعي أكثر من مجرد مهن ذات رواتب عالية وطلب سوقي كبير. تنتظرك تحديات مثيرة للاهتمام في هذا المجال، والتي تعتبر أيضًا محفزة فكريًا.
تشمل الأمر إنشاء نماذج تحاكي الذكاء البشري، وتطوير أساليب لحل قضايا معقدة، وتطوير تطبيقات مبتكرة.
يستمر خبراء الذكاء الاصطناعي في التعلم والتطور والتكيف. نظرًا لأن الموضوع دائم التغير، فهناك دائمًا مفاهيم جديدة لفهمها، وقضايا لحلها، وأطر لتحسينها.
كم من الوقت يلزم لتعلم الذكاء الاصطناعي؟
في السنوات القادمة، سيكون هناك زيادة هائلة في الطلب على متخصصي الذكاء الاصطناعي.
ستظهر أدوار جديدة مثل مهندس الذكاء الاصطناعي، واستشاري الذكاء الاصطناعي، ومهندس الذكاء الاصطناعي، مع بدء الشركات في دمج نماذج الذكاء الاصطناعي في إجراءاتها.
هذه وظائف ذات رواتب جيدة، مع متوسط دخل سنوي يتراوح بين 136,000 دولار إلى 375,000 دولار.
علاوة على ذلك، لم يكن هناك وقت أفضل للانضمام إلى سوق العمل مع خبرة الذكاء الاصطناعي، حيث أن هذا المجال بدأ فقط في الحصول على recognition واسع.
لكن مجال الذكاء الاصطناعي يتطلب الكثير للتعلم.
قد يبدو من المستحيل متابعة هذه التغييرات والتكيف مع تقنيات جديدة بهذا الوتيرة السريعة عندما تحدث تطورات جديدة في الصناعة تقريبًا كل يوم.
لحسن الحظ، لست مضطرًا لذلك.
لا يتطلب دخول مجال الذكاء الاصطناعي معرفة كل تقنية جديدة.
كل ما تحتاج لمعرفته لإنتاج حلول ذكاء اصطناعي لأي حالة استخدام هو فهم أساسي لبضعة مبادئ.
ستكتسب كل هذه المهارات في بعض من أفضل الجامعات في العالم، بما في ذلك هارفارد، وجوجل، وأمازون، وDeepLearning. الذكاء الاصطناعي بشكل مجاني.
كيف سيتم تعلم الذكاء الاصطناعي من الصفر في عام 2024؟
الرياضيات
تتضمن المفاهيم الأساسية لخوارزميات الذكاء الاصطناعي الإحصاء وحساب التفاضل والتكامل، والاحتمالات، والجبر الخطي.
المصادر: الرياضيات المعتمدة على Weights & Biases للتعلم الآلي (كود) الرياضيات الخطية الحاسوبية لـ Fast.AI (فيديو، كود) نظرة عامة على الجبر الخطي لاستخدام بايثون في التعلم الآلي التطبيقي المحاضرات في Imperial College London حول حساب التفاضل والتكامل متعدد المتغيرات والجبر الخطي 3Blue1Brown: أساسيات التفاضل والتكامل الإحصائيات والجبر الخطي بواسطة StatQuest
الأدوات
بايثون:
تعلم مهارات جديدة أو انطلق في الأساسيات. المصادر: البرمجة اليدوية بايثون إتقان بايثون المتقدم بواسطة ديفيد بيزلي خطب جيمس باول كتاب: الطبعة الثانية من بايثون الطلاقة (كود) بودكاست: Talk & Real Python
PyTorch:
إطار للتعلم العميق. المصادر: دروس PyTorch لألaddin برسون الدروس الرسمية والأمثلة لـ PyTorch التمرين: ألغاز Tensor/srush الكتاب: التعلم العميق مع PyTorch Programming
التعلم الآلي
أنشئ شيئًا من الصفر.
اكتب الخوارزميات من الصفر أثناء القراءة.
أنشئ الخوارزميات من الصفر. المصادر: المستودعات: ML-From-Scratch وeriklindernoren Aaron T. Leb/homemade machine learning، وJeremy Nixon/oracle دورة هندسة تعلم الآلة بنفسك، MiniTorch (فيديو، كود)
انضم إلى مسابقات ML على Bitgrit وKaggle ومنصات أخرى.
خذ مشاريع ثانوية: أنشئ نموذجًا، ثم نفذه. الموارد: earthaccess لـ Vicki Boykis (بيانات الأرض التابعة لناسا) streamlit (بناء واجهة مستخدم) التعلم الآلي في الإنتاج.
قم بتثبيت النماذج ومراقبة التجارب: المصادر: ML-Made ZoomCamp/DataTalksClub: دورة مجانية في MLOps chiphuyen/design of machine learning systems Apparently، 300 دراسة حالة عن الذكاء الاصطناعي—تصميم أنظمة التعلم الآلي ml-engineering/stas00.
نشرها:
ابدأ في إنتاج النماذج. احتفظ بسجل لتجاربك. ادرس مراقبة النموذج. احصل على خبرة عملية مع البيانات وتحولات النموذج.
هذه بعض الموارد الممتازة.
التعلم العميق
لتحقيق الأفضل، ابدأ بـ fast.aI.
الكتب:
استكشف التعلم العميق مع الكود مع PyTorch وNumPy/MXNet وJava وTensorFlow كتاب Ian Goodfellow ويوشوا بنجيو وآرون كورتفيل "التعلم العميق" التعلم العميق والشبكات العصبية فهم التعلم العميق باستخدام دفاتر الملاحظات مقالات من الكتاب الصغير للتعلم العميق: صيغة لتدريب الشبكات العصبية قبل 33 عامًا وقبل 33 عامًا للشبكات العصبية العميقة
شارك في تحدي التعلم العميق FGVC11 (رؤية الحاسوب) PlantTraits2024 على Kaggle.
استخدم LabML.AI لتنفيذ الأوراق البحثية. تنفيذات للأوراق البحثية المشروحة بـ PyTorch، وأوراق مكشوفة بالرمز (مثل تفسير BERT).
شارك في المزيد من المسابقات:
PlantTraits2024—FFGVC11 | Kaggle (رؤية الحاسوب)
إضافي:
كتاب Transformers: معالجة اللغة الطبيعية باستخدام
نماذج اللغة الكبيرة (LLMs):
استعرض الأوراق وشاهد الفيديوهات
[حديث مدته ساعة] مقدمة أندريه لنماذج اللغة الكبيرة GPT في 60 سطرًا من NumPy | جاي مودي—أكبر نماذج اللغة بخمس صيغ من ألكسندر راش—ميتاحة تكنولوجيا الشبكات العصبية: من الصفر إلى الابطال بواسطة أندريه كارباثي
تقديم المعسكر المجاني لذوي المهارات الكاملة في التعلم العميق
إنشاء تطبيقات LLM مع كتاب أندرو إنغ، تطوير التطبيقات باستخدام نماذج اللغة الكبيرة: بناء تطبيقات LLM لإنتاج هويين. أنماط تشيب يان لتطوير الأنظمة والمنتجات المعتمدة على LLM
اقرأ بناء تطبيقات LLM للتصنيع لهويين تشيب.
بالإضافة إلى ذلك، أنماط تشيب يان لتطوير الأنظمة والمنتجات المعتمدة على LLM.
اكتب Transformers من الصفر
للحصول على ملخص، اقرأ عائلة Transformers النسخة 2.0 | Lil'Log.
حدد التنسيق المفضل لديك وأنشئه من الصفر.
RAG:
قطعة ممتازة من Anyscale: تطوير تطبيقات LLM المعتمدة على RAG للتصنيع
تحليل متعمق لجيل مدعوم بالاسترجاع من أمان تشadha
الخاتمة
تعلم الذكاء الاصطناعي (AI) هو مسعى مثمر يقود إلى عالم من التقنيات المتطورة وآفاق العمل المثيرة. هذه الطريقة تحقق المعلومات والمهارات التي تتجاوز المحاضرات والمنشورات.
يشمل ذلك دورة ديناميكية من التطبيق، والتجريب، والتعلم، والتحسين. تسريع التعلم باستخدام نهج عملي يعزز التفكير النقدي، والإبداع، ومهارات حل المشكلات. هذا صحيح بشكل خاص للمساقات ومشاريع الذكاء الاصطناعي.
هل ترغب في تعلم الذكاء الاصطناعي، أليس كذلك؟ لكنك غير متأكد من أين تبدأ أو كيف تمضي قدمًا؟ تصبح أهمية الذكاء الاصطناعي (AI) أكثر وضوحًا مع مرور الوقت حيث نعيش في لحظة قد تكون هامة في تطور الإنسانية.
علاوة على ذلك، فإن برامج مثل Bard وMidjourney وChatGPT تجلب الذكاء الاصطناعي إلى العامة. وبسبب ذلك، فإن الذكاء الاصطناعي كفن وعلوم أصبح أكثر أهمية من أي وقت مضى.
بالإضافة إلى مراجعة المعرفة والموارد التي ستحتاجها، نبحث أيضًا في كيفية استخدام الشركات للذكاء الاصطناعي في بيئة الأعمال الحديثة.
ما هو الذكاء الاصطناعي (AI)؟
الهدف من مجال علوم الحاسوب المعروف بالذكاء الاصطناعي، أو AI، هو بناء آلات قادرة على تنفيذ مهام تتطلب عادةً ذكاءً بشريًا.
الذكاء الاصطناعي هو مجال كبير يتضمن عدة أقسام أصغر، كل منها يهدف إلى مجالات محددة وخبرات خاصة. قم بزيارة دليلنا الشامل، ما هو الذكاء الاصطناعي؟، لمعرفة المزيد.
ستكتسب كل هذه المهارات في بعض من أفضل الجامعات في العالم، بما في ذلك هارفارد، وجوجل، وأمازون، وDeepLearning. الذكاء الاصطناعي بشكل مجاني.
ما هي أنواع الذكاء الاصطناعي؟
تم طرح الذكاء الاصطناعي بطرق متنوعة مع تزايد انتشاره. بناءً على قدراته، يمكن تقسيم الذكاء الاصطناعي إلى ثلاثة مستويات:
اليوم، فإن النوع الأكثر شيوعًا من الذكاء الاصطناعي الذي نتعامل معه هو الذكاء الاصطناعي الضيق (ANI). مثل التعرف على الصوت أو الاقتراحات على خدمات البث، يتم تصميم ANI لأداء مهمة واحدة.
الذكاء الاصطناعي العام (AGI): يمكن للذكاء الاصطناعي الذي يمتلك ذكاءً اصطناعيًا عامًا أن يفهم، ويتعلم، ويتكيف، ويطبق المعرفة على مجموعة متنوعة من الأنشطة بمستوى بشري.
الذكاء الاصطناعي المتفوق (ASI): الشكل النهائي من الذكاء الاصطناعي، حيث تصف ASI حالة يكون فيها الذكاء الاصطناعي متفوقًا في النهاية على الذكاء البشري في جميع المهام التي تجلب ربحًا تقريبًا. على الرغم من كونه مثيرًا للاهتمام، إلا أن هذه الفكرة لا تزال في الغالب نظرية.
لماذا يعتبر تعلم الذكاء الاصطناعي مهمًا الآن؟
الذكاء الاصطناعي هو تقنية رائدة تغير الطريقة التي نعيش بها ونعمل ونتفاعل. ليس مجرد شعار.
من المتوقع أن ترتفع الحاجة إلى متخصصي الذكاء الاصطناعي حيث تعتنق المزيد من الشركات تقنيات الذكاء الاصطناعي لتحسين اتخاذ القرار وتبسيط العمليات.
تشدد التوسعات المتوقعة في حجم سوق الذكاء الاصطناعي بين عامي 2021 و2030 على هذا التوقع بشكل أكبر.
الذكاء الاصطناعي مجال مربح
بالطبع، فإن الطلب المتزايد على خبرات الذكاء الاصطناعي يترجم إلى رواتب تنافسية. اعتبارًا من نوفمبر 2023، بلغ متوسط الراتب السنوي لمهندس الذكاء الاصطناعي في الولايات المتحدة 153,719 دولارًا، مع احتمال الحصول على مكافآت وتوزيع الأرباح، وفقًا لبيانات من Glassdoor.
بلغ متوسط الراتب السنوي لمهندسي التعلم الآلي وعلماء البيانات 151,158 دولارًا و178,515 دولارًا على التوالي. تعكس هذه التعويضات المالية قيمة وتأثير مهارات الذكاء الاصطناعي في سوق العمل.
فهم الذكاء الاصطناعي صعب
هناك أكثر مما هو مطلوب من الذكاء الاصطناعي أكثر من مجرد مهن ذات رواتب عالية وطلب سوقي كبير. تنتظرك تحديات مثيرة للاهتمام في هذا المجال، والتي تعتبر أيضًا محفزة فكريًا.
تشمل الأمر إنشاء نماذج تحاكي الذكاء البشري، وتطوير أساليب لحل قضايا معقدة، وتطوير تطبيقات مبتكرة.
يستمر خبراء الذكاء الاصطناعي في التعلم والتطور والتكيف. نظرًا لأن الموضوع دائم التغير، فهناك دائمًا مفاهيم جديدة لفهمها، وقضايا لحلها، وأطر لتحسينها.
كم من الوقت يلزم لتعلم الذكاء الاصطناعي؟
في السنوات القادمة، سيكون هناك زيادة هائلة في الطلب على متخصصي الذكاء الاصطناعي.
ستظهر أدوار جديدة مثل مهندس الذكاء الاصطناعي، واستشاري الذكاء الاصطناعي، ومهندس الذكاء الاصطناعي، مع بدء الشركات في دمج نماذج الذكاء الاصطناعي في إجراءاتها.
هذه وظائف ذات رواتب جيدة، مع متوسط دخل سنوي يتراوح بين 136,000 دولار إلى 375,000 دولار.
علاوة على ذلك، لم يكن هناك وقت أفضل للانضمام إلى سوق العمل مع خبرة الذكاء الاصطناعي، حيث أن هذا المجال بدأ فقط في الحصول على recognition واسع.
لكن مجال الذكاء الاصطناعي يتطلب الكثير للتعلم.
قد يبدو من المستحيل متابعة هذه التغييرات والتكيف مع تقنيات جديدة بهذا الوتيرة السريعة عندما تحدث تطورات جديدة في الصناعة تقريبًا كل يوم.
لحسن الحظ، لست مضطرًا لذلك.
لا يتطلب دخول مجال الذكاء الاصطناعي معرفة كل تقنية جديدة.
كل ما تحتاج لمعرفته لإنتاج حلول ذكاء اصطناعي لأي حالة استخدام هو فهم أساسي لبضعة مبادئ.
ستكتسب كل هذه المهارات في بعض من أفضل الجامعات في العالم، بما في ذلك هارفارد، وجوجل، وأمازون، وDeepLearning. الذكاء الاصطناعي بشكل مجاني.
كيف سيتم تعلم الذكاء الاصطناعي من الصفر في عام 2024؟
الرياضيات
تتضمن المفاهيم الأساسية لخوارزميات الذكاء الاصطناعي الإحصاء وحساب التفاضل والتكامل، والاحتمالات، والجبر الخطي.
المصادر: الرياضيات المعتمدة على Weights & Biases للتعلم الآلي (كود) الرياضيات الخطية الحاسوبية لـ Fast.AI (فيديو، كود) نظرة عامة على الجبر الخطي لاستخدام بايثون في التعلم الآلي التطبيقي المحاضرات في Imperial College London حول حساب التفاضل والتكامل متعدد المتغيرات والجبر الخطي 3Blue1Brown: أساسيات التفاضل والتكامل الإحصائيات والجبر الخطي بواسطة StatQuest
الأدوات
بايثون:
تعلم مهارات جديدة أو انطلق في الأساسيات. المصادر: البرمجة اليدوية بايثون إتقان بايثون المتقدم بواسطة ديفيد بيزلي خطب جيمس باول كتاب: الطبعة الثانية من بايثون الطلاقة (كود) بودكاست: Talk & Real Python
PyTorch:
إطار للتعلم العميق. المصادر: دروس PyTorch لألaddin برسون الدروس الرسمية والأمثلة لـ PyTorch التمرين: ألغاز Tensor/srush الكتاب: التعلم العميق مع PyTorch Programming
التعلم الآلي
أنشئ شيئًا من الصفر.
اكتب الخوارزميات من الصفر أثناء القراءة.
أنشئ الخوارزميات من الصفر. المصادر: المستودعات: ML-From-Scratch وeriklindernoren Aaron T. Leb/homemade machine learning، وJeremy Nixon/oracle دورة هندسة تعلم الآلة بنفسك، MiniTorch (فيديو، كود)
انضم إلى مسابقات ML على Bitgrit وKaggle ومنصات أخرى.
خذ مشاريع ثانوية: أنشئ نموذجًا، ثم نفذه. الموارد: earthaccess لـ Vicki Boykis (بيانات الأرض التابعة لناسا) streamlit (بناء واجهة مستخدم) التعلم الآلي في الإنتاج.
قم بتثبيت النماذج ومراقبة التجارب: المصادر: ML-Made ZoomCamp/DataTalksClub: دورة مجانية في MLOps chiphuyen/design of machine learning systems Apparently، 300 دراسة حالة عن الذكاء الاصطناعي—تصميم أنظمة التعلم الآلي ml-engineering/stas00.
نشرها:
ابدأ في إنتاج النماذج. احتفظ بسجل لتجاربك. ادرس مراقبة النموذج. احصل على خبرة عملية مع البيانات وتحولات النموذج.
هذه بعض الموارد الممتازة.
التعلم العميق
لتحقيق الأفضل، ابدأ بـ fast.aI.
الكتب:
استكشف التعلم العميق مع الكود مع PyTorch وNumPy/MXNet وJava وTensorFlow كتاب Ian Goodfellow ويوشوا بنجيو وآرون كورتفيل "التعلم العميق" التعلم العميق والشبكات العصبية فهم التعلم العميق باستخدام دفاتر الملاحظات مقالات من الكتاب الصغير للتعلم العميق: صيغة لتدريب الشبكات العصبية قبل 33 عامًا وقبل 33 عامًا للشبكات العصبية العميقة
شارك في تحدي التعلم العميق FGVC11 (رؤية الحاسوب) PlantTraits2024 على Kaggle.
استخدم LabML.AI لتنفيذ الأوراق البحثية. تنفيذات للأوراق البحثية المشروحة بـ PyTorch، وأوراق مكشوفة بالرمز (مثل تفسير BERT).
شارك في المزيد من المسابقات:
PlantTraits2024—FFGVC11 | Kaggle (رؤية الحاسوب)
إضافي:
كتاب Transformers: معالجة اللغة الطبيعية باستخدام
نماذج اللغة الكبيرة (LLMs):
استعرض الأوراق وشاهد الفيديوهات
[حديث مدته ساعة] مقدمة أندريه لنماذج اللغة الكبيرة GPT في 60 سطرًا من NumPy | جاي مودي—أكبر نماذج اللغة بخمس صيغ من ألكسندر راش—ميتاحة تكنولوجيا الشبكات العصبية: من الصفر إلى الابطال بواسطة أندريه كارباثي
تقديم المعسكر المجاني لذوي المهارات الكاملة في التعلم العميق
إنشاء تطبيقات LLM مع كتاب أندرو إنغ، تطوير التطبيقات باستخدام نماذج اللغة الكبيرة: بناء تطبيقات LLM لإنتاج هويين. أنماط تشيب يان لتطوير الأنظمة والمنتجات المعتمدة على LLM
اقرأ بناء تطبيقات LLM للتصنيع لهويين تشيب.
بالإضافة إلى ذلك، أنماط تشيب يان لتطوير الأنظمة والمنتجات المعتمدة على LLM.
اكتب Transformers من الصفر
للحصول على ملخص، اقرأ عائلة Transformers النسخة 2.0 | Lil'Log.
حدد التنسيق المفضل لديك وأنشئه من الصفر.
RAG:
قطعة ممتازة من Anyscale: تطوير تطبيقات LLM المعتمدة على RAG للتصنيع
تحليل متعمق لجيل مدعوم بالاسترجاع من أمان تشadha
الخاتمة
تعلم الذكاء الاصطناعي (AI) هو مسعى مثمر يقود إلى عالم من التقنيات المتطورة وآفاق العمل المثيرة. هذه الطريقة تحقق المعلومات والمهارات التي تتجاوز المحاضرات والمنشورات.
يشمل ذلك دورة ديناميكية من التطبيق، والتجريب، والتعلم، والتحسين. تسريع التعلم باستخدام نهج عملي يعزز التفكير النقدي، والإبداع، ومهارات حل المشكلات. هذا صحيح بشكل خاص للمساقات ومشاريع الذكاء الاصطناعي.
هل ترغب في تعلم الذكاء الاصطناعي، أليس كذلك؟ لكنك غير متأكد من أين تبدأ أو كيف تمضي قدمًا؟ تصبح أهمية الذكاء الاصطناعي (AI) أكثر وضوحًا مع مرور الوقت حيث نعيش في لحظة قد تكون هامة في تطور الإنسانية.
علاوة على ذلك، فإن برامج مثل Bard وMidjourney وChatGPT تجلب الذكاء الاصطناعي إلى العامة. وبسبب ذلك، فإن الذكاء الاصطناعي كفن وعلوم أصبح أكثر أهمية من أي وقت مضى.
بالإضافة إلى مراجعة المعرفة والموارد التي ستحتاجها، نبحث أيضًا في كيفية استخدام الشركات للذكاء الاصطناعي في بيئة الأعمال الحديثة.
ما هو الذكاء الاصطناعي (AI)؟
الهدف من مجال علوم الحاسوب المعروف بالذكاء الاصطناعي، أو AI، هو بناء آلات قادرة على تنفيذ مهام تتطلب عادةً ذكاءً بشريًا.
الذكاء الاصطناعي هو مجال كبير يتضمن عدة أقسام أصغر، كل منها يهدف إلى مجالات محددة وخبرات خاصة. قم بزيارة دليلنا الشامل، ما هو الذكاء الاصطناعي؟، لمعرفة المزيد.
ستكتسب كل هذه المهارات في بعض من أفضل الجامعات في العالم، بما في ذلك هارفارد، وجوجل، وأمازون، وDeepLearning. الذكاء الاصطناعي بشكل مجاني.
ما هي أنواع الذكاء الاصطناعي؟
تم طرح الذكاء الاصطناعي بطرق متنوعة مع تزايد انتشاره. بناءً على قدراته، يمكن تقسيم الذكاء الاصطناعي إلى ثلاثة مستويات:
اليوم، فإن النوع الأكثر شيوعًا من الذكاء الاصطناعي الذي نتعامل معه هو الذكاء الاصطناعي الضيق (ANI). مثل التعرف على الصوت أو الاقتراحات على خدمات البث، يتم تصميم ANI لأداء مهمة واحدة.
الذكاء الاصطناعي العام (AGI): يمكن للذكاء الاصطناعي الذي يمتلك ذكاءً اصطناعيًا عامًا أن يفهم، ويتعلم، ويتكيف، ويطبق المعرفة على مجموعة متنوعة من الأنشطة بمستوى بشري.
الذكاء الاصطناعي المتفوق (ASI): الشكل النهائي من الذكاء الاصطناعي، حيث تصف ASI حالة يكون فيها الذكاء الاصطناعي متفوقًا في النهاية على الذكاء البشري في جميع المهام التي تجلب ربحًا تقريبًا. على الرغم من كونه مثيرًا للاهتمام، إلا أن هذه الفكرة لا تزال في الغالب نظرية.
لماذا يعتبر تعلم الذكاء الاصطناعي مهمًا الآن؟
الذكاء الاصطناعي هو تقنية رائدة تغير الطريقة التي نعيش بها ونعمل ونتفاعل. ليس مجرد شعار.
من المتوقع أن ترتفع الحاجة إلى متخصصي الذكاء الاصطناعي حيث تعتنق المزيد من الشركات تقنيات الذكاء الاصطناعي لتحسين اتخاذ القرار وتبسيط العمليات.
تشدد التوسعات المتوقعة في حجم سوق الذكاء الاصطناعي بين عامي 2021 و2030 على هذا التوقع بشكل أكبر.
الذكاء الاصطناعي مجال مربح
بالطبع، فإن الطلب المتزايد على خبرات الذكاء الاصطناعي يترجم إلى رواتب تنافسية. اعتبارًا من نوفمبر 2023، بلغ متوسط الراتب السنوي لمهندس الذكاء الاصطناعي في الولايات المتحدة 153,719 دولارًا، مع احتمال الحصول على مكافآت وتوزيع الأرباح، وفقًا لبيانات من Glassdoor.
بلغ متوسط الراتب السنوي لمهندسي التعلم الآلي وعلماء البيانات 151,158 دولارًا و178,515 دولارًا على التوالي. تعكس هذه التعويضات المالية قيمة وتأثير مهارات الذكاء الاصطناعي في سوق العمل.
فهم الذكاء الاصطناعي صعب
هناك أكثر مما هو مطلوب من الذكاء الاصطناعي أكثر من مجرد مهن ذات رواتب عالية وطلب سوقي كبير. تنتظرك تحديات مثيرة للاهتمام في هذا المجال، والتي تعتبر أيضًا محفزة فكريًا.
تشمل الأمر إنشاء نماذج تحاكي الذكاء البشري، وتطوير أساليب لحل قضايا معقدة، وتطوير تطبيقات مبتكرة.
يستمر خبراء الذكاء الاصطناعي في التعلم والتطور والتكيف. نظرًا لأن الموضوع دائم التغير، فهناك دائمًا مفاهيم جديدة لفهمها، وقضايا لحلها، وأطر لتحسينها.
كم من الوقت يلزم لتعلم الذكاء الاصطناعي؟
في السنوات القادمة، سيكون هناك زيادة هائلة في الطلب على متخصصي الذكاء الاصطناعي.
ستظهر أدوار جديدة مثل مهندس الذكاء الاصطناعي، واستشاري الذكاء الاصطناعي، ومهندس الذكاء الاصطناعي، مع بدء الشركات في دمج نماذج الذكاء الاصطناعي في إجراءاتها.
هذه وظائف ذات رواتب جيدة، مع متوسط دخل سنوي يتراوح بين 136,000 دولار إلى 375,000 دولار.
علاوة على ذلك، لم يكن هناك وقت أفضل للانضمام إلى سوق العمل مع خبرة الذكاء الاصطناعي، حيث أن هذا المجال بدأ فقط في الحصول على recognition واسع.
لكن مجال الذكاء الاصطناعي يتطلب الكثير للتعلم.
قد يبدو من المستحيل متابعة هذه التغييرات والتكيف مع تقنيات جديدة بهذا الوتيرة السريعة عندما تحدث تطورات جديدة في الصناعة تقريبًا كل يوم.
لحسن الحظ، لست مضطرًا لذلك.
لا يتطلب دخول مجال الذكاء الاصطناعي معرفة كل تقنية جديدة.
كل ما تحتاج لمعرفته لإنتاج حلول ذكاء اصطناعي لأي حالة استخدام هو فهم أساسي لبضعة مبادئ.
ستكتسب كل هذه المهارات في بعض من أفضل الجامعات في العالم، بما في ذلك هارفارد، وجوجل، وأمازون، وDeepLearning. الذكاء الاصطناعي بشكل مجاني.
كيف سيتم تعلم الذكاء الاصطناعي من الصفر في عام 2024؟
الرياضيات
تتضمن المفاهيم الأساسية لخوارزميات الذكاء الاصطناعي الإحصاء وحساب التفاضل والتكامل، والاحتمالات، والجبر الخطي.
المصادر: الرياضيات المعتمدة على Weights & Biases للتعلم الآلي (كود) الرياضيات الخطية الحاسوبية لـ Fast.AI (فيديو، كود) نظرة عامة على الجبر الخطي لاستخدام بايثون في التعلم الآلي التطبيقي المحاضرات في Imperial College London حول حساب التفاضل والتكامل متعدد المتغيرات والجبر الخطي 3Blue1Brown: أساسيات التفاضل والتكامل الإحصائيات والجبر الخطي بواسطة StatQuest
الأدوات
بايثون:
تعلم مهارات جديدة أو انطلق في الأساسيات. المصادر: البرمجة اليدوية بايثون إتقان بايثون المتقدم بواسطة ديفيد بيزلي خطب جيمس باول كتاب: الطبعة الثانية من بايثون الطلاقة (كود) بودكاست: Talk & Real Python
PyTorch:
إطار للتعلم العميق. المصادر: دروس PyTorch لألaddin برسون الدروس الرسمية والأمثلة لـ PyTorch التمرين: ألغاز Tensor/srush الكتاب: التعلم العميق مع PyTorch Programming
التعلم الآلي
أنشئ شيئًا من الصفر.
اكتب الخوارزميات من الصفر أثناء القراءة.
أنشئ الخوارزميات من الصفر. المصادر: المستودعات: ML-From-Scratch وeriklindernoren Aaron T. Leb/homemade machine learning، وJeremy Nixon/oracle دورة هندسة تعلم الآلة بنفسك، MiniTorch (فيديو، كود)
انضم إلى مسابقات ML على Bitgrit وKaggle ومنصات أخرى.
خذ مشاريع ثانوية: أنشئ نموذجًا، ثم نفذه. الموارد: earthaccess لـ Vicki Boykis (بيانات الأرض التابعة لناسا) streamlit (بناء واجهة مستخدم) التعلم الآلي في الإنتاج.
قم بتثبيت النماذج ومراقبة التجارب: المصادر: ML-Made ZoomCamp/DataTalksClub: دورة مجانية في MLOps chiphuyen/design of machine learning systems Apparently، 300 دراسة حالة عن الذكاء الاصطناعي—تصميم أنظمة التعلم الآلي ml-engineering/stas00.
نشرها:
ابدأ في إنتاج النماذج. احتفظ بسجل لتجاربك. ادرس مراقبة النموذج. احصل على خبرة عملية مع البيانات وتحولات النموذج.
هذه بعض الموارد الممتازة.
التعلم العميق
لتحقيق الأفضل، ابدأ بـ fast.aI.
الكتب:
استكشف التعلم العميق مع الكود مع PyTorch وNumPy/MXNet وJava وTensorFlow كتاب Ian Goodfellow ويوشوا بنجيو وآرون كورتفيل "التعلم العميق" التعلم العميق والشبكات العصبية فهم التعلم العميق باستخدام دفاتر الملاحظات مقالات من الكتاب الصغير للتعلم العميق: صيغة لتدريب الشبكات العصبية قبل 33 عامًا وقبل 33 عامًا للشبكات العصبية العميقة
شارك في تحدي التعلم العميق FGVC11 (رؤية الحاسوب) PlantTraits2024 على Kaggle.
استخدم LabML.AI لتنفيذ الأوراق البحثية. تنفيذات للأوراق البحثية المشروحة بـ PyTorch، وأوراق مكشوفة بالرمز (مثل تفسير BERT).
شارك في المزيد من المسابقات:
PlantTraits2024—FFGVC11 | Kaggle (رؤية الحاسوب)
إضافي:
كتاب Transformers: معالجة اللغة الطبيعية باستخدام
نماذج اللغة الكبيرة (LLMs):
استعرض الأوراق وشاهد الفيديوهات
[حديث مدته ساعة] مقدمة أندريه لنماذج اللغة الكبيرة GPT في 60 سطرًا من NumPy | جاي مودي—أكبر نماذج اللغة بخمس صيغ من ألكسندر راش—ميتاحة تكنولوجيا الشبكات العصبية: من الصفر إلى الابطال بواسطة أندريه كارباثي
تقديم المعسكر المجاني لذوي المهارات الكاملة في التعلم العميق
إنشاء تطبيقات LLM مع كتاب أندرو إنغ، تطوير التطبيقات باستخدام نماذج اللغة الكبيرة: بناء تطبيقات LLM لإنتاج هويين. أنماط تشيب يان لتطوير الأنظمة والمنتجات المعتمدة على LLM
اقرأ بناء تطبيقات LLM للتصنيع لهويين تشيب.
بالإضافة إلى ذلك، أنماط تشيب يان لتطوير الأنظمة والمنتجات المعتمدة على LLM.
اكتب Transformers من الصفر
للحصول على ملخص، اقرأ عائلة Transformers النسخة 2.0 | Lil'Log.
حدد التنسيق المفضل لديك وأنشئه من الصفر.
RAG:
قطعة ممتازة من Anyscale: تطوير تطبيقات LLM المعتمدة على RAG للتصنيع
تحليل متعمق لجيل مدعوم بالاسترجاع من أمان تشadha
الخاتمة
تعلم الذكاء الاصطناعي (AI) هو مسعى مثمر يقود إلى عالم من التقنيات المتطورة وآفاق العمل المثيرة. هذه الطريقة تحقق المعلومات والمهارات التي تتجاوز المحاضرات والمنشورات.
يشمل ذلك دورة ديناميكية من التطبيق، والتجريب، والتعلم، والتحسين. تسريع التعلم باستخدام نهج عملي يعزز التفكير النقدي، والإبداع، ومهارات حل المشكلات. هذا صحيح بشكل خاص للمساقات ومشاريع الذكاء الاصطناعي.
Frequently Asked Questions
Some of our commonly asked questions about ReactJS Engineering Services
كم من الوقت يستغرق تعلم الذكاء الاصطناعي؟
كم من الوقت يستغرق تعلم الذكاء الاصطناعي؟
كم من الوقت يستغرق تعلم الذكاء الاصطناعي؟
كم من الوقت يستغرق تعلم الذكاء الاصطناعي؟
لماذا يجب أن أتعلم الذكاء الاصطناعي الآن؟
لماذا يجب أن أتعلم الذكاء الاصطناعي الآن؟
لماذا يجب أن أتعلم الذكاء الاصطناعي الآن؟
لماذا يجب أن أتعلم الذكاء الاصطناعي الآن؟
من يمكنه الاستفادة من تعلم الذكاء الاصطناعي؟
من يمكنه الاستفادة من تعلم الذكاء الاصطناعي؟
من يمكنه الاستفادة من تعلم الذكاء الاصطناعي؟
من يمكنه الاستفادة من تعلم الذكاء الاصطناعي؟
هل تعلم الذكاء الاصطناعي صعب؟
هل تعلم الذكاء الاصطناعي صعب؟
هل تعلم الذكاء الاصطناعي صعب؟
هل تعلم الذكاء الاصطناعي صعب؟
ما هي أدوات الذكاء الاصطناعي التي يجب أن أبدأ بتعلمها؟
ما هي أدوات الذكاء الاصطناعي التي يجب أن أبدأ بتعلمها؟
ما هي أدوات الذكاء الاصطناعي التي يجب أن أبدأ بتعلمها؟
ما هي أدوات الذكاء الاصطناعي التي يجب أن أبدأ بتعلمها؟
شارك فكرتك أو ما تحتاجه - سنعود بسرعة البرق
مع فريق من الخبراء في الاستشارات، والتطوير، والتسويق، نقوم بإعداد استراتيجيات مصممة خصيصًا - فقط أخبرنا هدفك، وسنضع خطة مخصصة تناسب احتياجات عملك.
شركاء في الهندسة والتسويق
67% عدد المهندسين الكبار
شارك فكرتك أو ما تحتاجه - سنعود بسرعة البرق
مع فريق من الخبراء في الاستشارات، والتطوير، والتسويق، نقوم بإعداد استراتيجيات مصممة خصيصًا - فقط أخبرنا هدفك، وسنضع خطة مخصصة تناسب احتياجات عملك.
شركاء في الهندسة والتسويق
67% عدد المهندسين الكبار