دورات مجانية من كامبريدج لتعلم الذكاء الاصطناعي AI
تعرّف على 9 دورات وموارد مجانية من جامعة كامبريدج لتعلم الذكاء الاصطناعي، والـGenerative AI، وLLMs، وMachine Learning، وDiffusion Models وغيرها.
9 دورات وموارد مجانية من كامبريدج لتعلم الذكاء الاصطناعي
لو نفسك تبدأ تتعلم الذكاء الاصطناعي من مصدر أكاديمي قوي، فدي فرصة تستحق التجربة.
جامعة كامبريدج توفر من خلال Accelerate Science Resource Hub مجموعة من الدورات والورش والمواد التعليمية التي تساعد الباحثين والمهتمين على فهم الذكاء الاصطناعي وتطبيقاته، بداية من المفاهيم الأساسية وحتى موضوعات متقدمة مثل Generative AI وLarge Language Models وDiffusion Models.
والميزة أن المحتوى لا يركز فقط على الجانب النظري، فهناك أيضًا مواد عملية وأمثلة برمجية وورش يمكن العمل عليها بشكل ذاتي.
وفي هذا المقال جمعنا لك 9 موارد ودورات قوية في AI يمكنك البدء بها حسب مستواك.
ملاحظة مهمة: هذه الموارد منشورة عبر مركز Accelerate Science التابع لجامعة كامبريدج، لكن ليس كل مورد منها دورة مفتوحة بنفس شروط التسجيل أو الشهادة، لذلك يُفضل مراجعة صفحة كل مورد لمعرفة متطلبات الوصول الحالية.
1. AI Core Concepts
لو أنت مبتدئ تمامًا في الذكاء الاصطناعي، فده أفضل مكان تبدأ منه.
المحتوى مصمم لتعريف المبتدئين بالمفاهيم الأساسية للـAI، ويساعدك على فهم الفرق بين الذكاء الاصطناعي وMachine Learning وDeep Learning وGenerative AI.
ستتعرف أيضًا على أنواع مختلفة من Machine Learning، مثل:
- Supervised Learning
- Unsupervised Learning
- Reinforcement Learning
- Generative AI
كما يناقش المحتوى استخدامات الذكاء الاصطناعي والقيود والمخاطر المرتبطة به.
مناسب لك إذا: لا تعرف من أين تبدأ في AI وتريد بناء أساس قوي.
2. Introduction to Generative AI
أصبح Generative AI من أهم فروع الذكاء الاصطناعي خلال السنوات الأخيرة، وهذا المحتوى من كامبريدج يقدم مقدمة عن الذكاء الاصطناعي التوليدي وتطبيقاته.
ستتعرف بشكل أفضل على التكنولوجيا التي تقف وراء أدوات قادرة على إنشاء:
- النصوص
- الصور
- الأكواد
- المحتوى
- أنواع مختلفة من البيانات
مناسب لك إذا: تستخدم ChatGPT أو أدوات الذكاء الاصطناعي وتريد أن تفهم التكنولوجيا التي تعمل خلفها.
3. AI and Large Language Models
لو بتسمع باستمرار عن ChatGPT وLLMs ومش فاهم بالضبط إزاي النماذج دي بتشتغل، فالمورد ده يستحق وقتك.
المحتوى مصنف ضمن مستوى Intermediate، ويشرح كيفية عمل النماذج اللغوية الكبيرة وكيف يمكن استخدامها في الأبحاث والتطبيقات المختلفة.
ومن الموضوعات المرتبطة بهذا المسار:
- Large Language Models
- فهم آلية عمل النماذج
- استخدام LLMs
- تطبيقات النماذج اللغوية
4. Diffusion Models
هل مهتم بتوليد الصور بالذكاء الاصطناعي؟
إذن لازم تعرف Diffusion Models.
كامبريدج توفر ورشة كاملة حول نماذج الانتشار، وتشرح كيفية بناء نموذج Diffusion من الصفر، مع مواد وNotebooks برمجية يمكن العمل عليها بشكل ذاتي.
وتتضمن المادة موضوعات مثل:
- VAEs
- UNet
- CLIP
- DDPM
- Image Generation
- Generative AI
كما تتضمن أمثلة عملية باستخدام الكود، ويمكن تشغيل الـNotebooks محليًا أو باستخدام Google Colab وفقًا للمصدر.
مناسب لك إذا: لديك أساس برمجي وتريد فهم التكنولوجيا وراء نماذج توليد الصور.
5. Hands-On Machine Learning
مش عايز تتعلم Machine Learning بالنظري فقط؟
هذا المحتوى مصمم ليمنحك تجربة عملية في استخدام نماذج Machine Learning على بيانات حقيقية. وهو مصنف ضمن مستوى Intermediate في مركز التدريب.
وده مهم جدًا لأن تعلم AI لا يعتمد فقط على معرفة المصطلحات.
الأهم هو أن تعرف:
كيف تستخدم النموذج على بيانات حقيقية؟
وهنا تبدأ تنتقل من مرحلة “أنا فاهم AI” إلى مرحلة “أنا قادر أطبّق AI”.
6. Large Language Models Hands On
هذا مورد أكثر تقدمًا ومصنف ضمن مستوى Proficient.
ويركز على التطبيق العملي باستخدام Large Language Models، مع تقنيات وأدوات مثل:
- OpenAI
- Pydantic
- Jinja
- Databases
وهو مناسب أكثر للأشخاص الذين لديهم خلفية جيدة في البرمجة والذكاء الاصطناعي.
لو لسه مبتدئ: ما تبدأش منه.
ابدأ أولًا بالمفاهيم الأساسية ثم Generative AI وLLMs.
7. Data Pipelines for Science
الذكاء الاصطناعي لا يعمل بمعزل عن البيانات.
وهنا يأتي دور Data Pipelines، وهي العمليات التي تساعد في تجهيز البيانات ونقلها ومعالجتها حتى تصبح جاهزة للاستخدام في مشاريع Machine Learning.
مركز Accelerate يصنف هذا المورد ضمن المستوى المتوسط، ويهدف إلى بناء Pipeline للتعلم الآلي لمشروع علمي.
الموضوع مهم خصوصًا لمن يريد العمل مستقبلًا في:
- Data Science
- Machine Learning
- AI Engineering
- Research Computing
8. Python Programming for Science
لو أنت لسه بتبدأ في البرمجة وهدفك في النهاية دخول مجال AI أو Data Science، فتعلم Python خطوة مهمة جدًا.
كامبريدج توفر من خلال Accelerate Science وCambridge Spark محتوى لتعلم أساسيات Python والتعامل مع البيانات وتخزينها.
المحتوى مصمم لمساعدة المتعلمين على البدء في البرمجة باستخدام بيانات حقيقية.
ابدأ به قبل Machine Learning إذا كانت خبرتك في Python محدودة.
9. Prompt Engineering
مع انتشار أدوات الـLLMs، أصبحت طريقة كتابة الـPrompt جزءًا مهمًا من طريقة التعامل مع النماذج.
مواد كامبريدج تتناول تقنيات مثل:
- Few-shot prompting
- Prompt templates
- Chain-of-Thought
- Jinja2
- استخدام النماذج عبر API
وتتضمن أمثلة عملية باستخدام Python وOpenAI API.
وده يخلي المحتوى مفيدًا خصوصًا للمبرمجين والمهتمين ببناء تطبيقات تعتمد على الـLLMs.
هل الدورات مناسبة للمبتدئين؟
نعم، لكن مش كل المحتوى مناسب للمبتدئ.
كامبريدج نفسها تقسم موارد التدريب إلى مستويات:
Newcomer
لمن ليس لديه خبرة كبيرة في AI أو البرمجة.
ابدأ بـ:
AI Core Concepts → Introduction to Generative AI → Python
Intermediate
بعد ما يكون عندك أساس جيد.
انتقل إلى:
AI & Large Language Models → Hands-On Machine Learning → Diffusion Models → Data Pipelines
Proficient
للمتقدمين:
Large Language Models Hands On
والترتيب ده أفضل بكثير من الدخول مباشرة في موضوعات متقدمة لمجرد أنها تبدو مثيرة.
هل تحتاج إلى خبرة سابقة؟
الموضوع يعتمد على الدورة.
هناك موارد مصنفة Newcomer وموجهة للمبتدئين، بينما توجد موارد أخرى مصنفة Intermediate أو Proficient وتتطلب خلفية أفضل في البرمجة والذكاء الاصطناعي.
لذلك لو أنت جديد تمامًا، لا تقلق من عدم معرفتك بـPython أو Machine Learning.
ابدأ من:
AI Core Concepts
ثم تحرك تدريجيًا.
هل هذه الدورات مجانية؟
مركز Accelerate Science يوفر مجموعة من المواد التعليمية والورش والـtutorials المتعلقة بالذكاء الاصطناعي، وبعضها متاح للعمل عليه بشكل ذاتي عبر الإنترنت.
لكن من المهم عدم الخلط بين المحتوى التعليمي المفتوح وبين دورة جامعية رسمية تمنح شهادة معتمدة.
لذلك إذا كان هدفك الأساسي هو الحصول على Certificate لإضافتها إلى LinkedIn أو الـCV، تأكد من تفاصيل كل برنامج قبل البدء.
كيف تبدأ تعلم AI من كامبريدج؟
لو أنت مبتدئ، نقترح عليك الخطة التالية:
الأسبوع الأول
ابدأ بـ:
AI Core Concepts
وافهم:
- What is AI?
- Machine Learning
- Deep Learning
- Generative AI
- أنواع Machine Learning
الأسبوع الثاني
انتقل إلى:
Introduction to Generative AI
وحاول فهم الفرق بين النماذج التقليدية وGenerative AI.
الأسبوع الثالث
ابدأ في:
Python Programming
خصوصًا إذا كنت لا تعرف البرمجة.
بعد ذلك
انتقل إلى:
Hands-On Machine Learning
ثم:
AI and Large Language Models
وبعد بناء أساس جيد يمكنك الدخول في:
Diffusion Models وLLM Hands On.
هل هذه الموارد مفيدة لسوق العمل؟
بالتأكيد يمكن أن تساعدك في بناء معرفة عملية، لكن لا تعتمد على إكمال دورة وحدها للحصول على وظيفة في AI.
الشركات عادةً تبحث عن مزيج من:
- المعرفة النظرية.
- المهارات التقنية.
- Python.
- التعامل مع البيانات.
- فهم Machine Learning.
- المشاريع العملية.
- القدرة على حل المشكلات.
لذلك بعد كل موضوع تتعلمه، حاول تطبيقه في مشروع صغير.
مثلًا بعد تعلم LLMs، بدلًا من الاكتفاء بالمشاهدة، حاول بناء:
AI Resume Analyzer
أو:
AI Chatbot
أو:
Document Q&A Tool
حتى يكون لديك شيء حقيقي تضيفه إلى Portfolio الخاص بك.
رابط دورات وموارد الذكاء الاصطناعي من كامبريدج
يمكنك الوصول إلى مركز التدريب الرسمي ومشاهدة الموارد مرتبة حسب المستوى من هنا:
Cambridge Accelerate Science – AI Training & Resources
ويمكنك أيضًا البدء مباشرة من محتوى AI Core Concepts للمبتدئين:
أسئلة شائعة
هل دورات كامبريدج في AI مناسبة للمبتدئين؟
نعم، بعض الموارد مصنفة Newcomer ومصممة لمن يبدأون من الصفر، بينما توجد موارد أخرى تحتاج إلى خبرة في البرمجة والذكاء الاصطناعي.
هل أحتاج إلى تعلم Python قبل AI؟
ليس بالضرورة لفهم المفاهيم الأساسية، لكن Python ستكون مهمة جدًا إذا أردت الانتقال إلى الجانب العملي من Machine Learning وAI.
هل يوجد محتوى عن ChatGPT وLLMs؟
نعم، توجد مواد حول Large Language Models، بالإضافة إلى محتوى عملي يتعلق باستخدام LLMs وPrompt Engineering.
هل يوجد محتوى عن Generative AI؟
نعم، يوجد مورد مخصص لمقدمة في Generative AI، بالإضافة إلى مواد متقدمة عن Diffusion Models.
هل يمكنني دراسة المحتوى أونلاين؟
عدد من الموارد والمواد متاح للعمل عليها ذاتيًا عبر الإنترنت، لكن طبيعة الوصول تختلف من مورد لآخر. لذلك يجب مراجعة الصفحة الخاصة بكل مورد.
الأهم
مش لازم تكون مبرمج محترف عشان تبدأ تتعلم الذكاء الاصطناعي.
المهم إنك تبدأ من المستوى المناسب لك.
لو أنت مبتدئ تمامًا، لا تبدأ بـLLM APIs ولا Diffusion Models.
ابدأ بالمفاهيم الأساسية، افهم يعني إيه AI وMachine Learning وGenerative AI، وبعدها ابدأ Python والتطبيق العملي.
والميزة في موارد كامبريدج إنها لا تضع كل المتعلمين في مستوى واحد؛ بل تجمع محتوى من Newcomer إلى Intermediate ثم Proficient، وبالتالي يمكنك بناء مسار تعلم تدريجي بدلًا من التنقل العشوائي بين عشرات فيديوهات الذكاء الاصطناعي.
ابدأ من هنا:
الدليل الرسمي لموارد ودورات AI من Cambridge Accelerate Science
