السلام عليكم.. أريد البدء في مجال الذكاء الاصطناعي. تعلمت برمجة بايثون وكذلك الرياضيات (التفاضل والتكامل، الجبر الخطي، الاحصاء والاحتمالات) من قبل وأحتاج إرشادي في الموضوع التالي. فأنا لا أعرف سوى أني سأبدأ في الأساسيات التي ذكرتها أعلاه.
أتمنى إرشادي في هذا الموضوع فقد بحثت كثيراً ولم أجد شيء وشكراً.
تجنبًا للتكرار، قد تم النقاش حول ذلك الأمر في النقاشات التالية بشكل وافي أرجو منك قراءتها:
وعليكم السلام.
يسعدني أن تكون مهتمًا بمجال الذكاء الاصطناعي،وقبل أن أشاركك ما عندي أريدك أن تدلني على مصادر تعلم الرياضيات فأنا أريد تعلمها.
أما لتطوير مهاراتك في هذا المجال، فحاول أن تتعمق في مفاهيم الذكاء الاصطناعي، واستكشف مجالاته، وتعلم أدواته، وشارك في المشاريع العلمية التي تقام لأجله، وبالطبع لابد أن تبقى مطلعا على تطوراته.
صراحةً تعلمت الرياضيات في الجامعة.. أنا تخصصي هندسة حاسوب ونحن ندرس هذه العلوم أيضاً.. لكن إن أردت فهناك (خان أكاديمي) وقد ساعدني حقاً في تعلمي للرياضيات.
هنا الجبر الخطي:
وهنا الإحصاء:
مع العلم أنها باللغة الإنجليزية.
هنام دورات وكورسات رائعة جداً انصحك بالبدء فيها اولا وا نتركو على شيء واحد وهدف واحد وتخصص واحد لكي تنجح وانصحك فقط بالاستمرار وعدم اليأس نهائياً
قام مصطفى في التعليق السابق بتوفير مقالات ونقاشات توضح لك المسار كاملاً بالتفصيل ولكن حتى تجد الدورة الأفضل للتعلم يجب عليك إلقاء نظرة على الدورات التالية
يُعد Andrew Ng واحدًا من الأشخاص الذين ألهموا الملايين من المطورين حول العالم حول الذكاء الاصطناعي وتعلم الآلة من خلال دوراته الكلاسيكية في تعلم الآلة. كما أنه أحد مؤسسي Coursera وهو رئيس Google Brain وعالم رئيسي في Baidu، ومدرّس أشهر دورة في تعلم الآلة على الإطلاق.
تحتوي هذه الدورة على 5 دورات مختلفة تغطي الأسس النظرية والتطبيقات العملية لتعلم العميق. وهو يعتبر الأمر الأكثر تقدمًا في تعلم الآلة اليوم، حيث يتم استخدامه في مجالات مثل التعرف على الصوت والصور وتحليل النصوص.
تقدم هذه الدورة نظرة شاملة على مفاهمات تعلم الآلة، وتشمل مواضيع مثل تصنيف الصور وتحليل النصوص وتحديد المواقع الجغرافية والتسويق الرقمي. وتستخدم هذه الدورة منهجًا تفاعليًا لتعليم المفاهيم المختلفة في تعلم الآلة، مما يجعلها مثالية للأشخاص الذين يبحثون عن تجربة تعلم ممتعة ومثيرة.
تعد هذه الدورة خيارًا مثاليًا للمبتدئين في تعلم تعلم الآلة باستخدام بايثون، حيث توفر لهم المعرفة الأساسية اللازمة لبناء نماذج تعلم الآلة المتقدمة. وتشمل هذه الدورة مجموعة من الموضوعات المختلفة مثل تحليل البيانات وتصنيف الصور وتحديد المواقع الجغرافية وتحليل النصوص.
ويقدم المدرس Carlos Guestrin، الذي يقود فريق تعلم الآلة في جامعة واشنطن، دروسًا مفصلة حول المفاهيم المختلفة في تعلم الآلة وكيفية تطبيقها على الحالات الفعلية. ويعتبر هذا الأسلوب العملي والتطبيقي مثاليًا للأشخاص الذين يرغبون في تعلم تعلم الآلة بأسلوب شامل وعملي.
بوركت أخي..
لكن سؤال: أليس machine learning و deep learning تخصصات فرعية عن AI ؟ يعني أعتقد لا يجب البدء بهم. أو بالأحرى الاختيار بعد الاطلاع على التخصصات الأخرى.
++ رأيت الكثير من الأشخاص يتكلمون عن موضوع machine learning و deep learning. هل هو الأكثر انتشاراً ؟ أم يجب تعلمه بأي حال من الأحوال ؟
بالنسبة للسؤال الأول
نعم machine learning و deep learning تخصصات فرعية عن AI ويفضل تعلم الأساسيات أولاً
بالنسبة للانتشار، فإن machine learning و deep learning هما من التقنيات الأكثر انتشارًا في الوقت الحالي في مجال الذكاء الاصطناعي، ويمكن القول إنهما أساسيان في بناء حلول AI. ومع ذلك، فإن هناك أيضًا العديد من التقنيات الأخرى التي يمكن استخدامها في AI، مثل الشبكات العصبونية الاصطناعية وتعلم الآلة المراقبة والتعلم التعاوني وغيرها. لذلك، يجب النظر إلى machine learning و deep learning على أنهما جزء من مجال الذكاء الاصطناعي، وليسوا التقنيات الوحيدة المتاحة في هذا المجال.
1- فهم مفهوم الذكاء الاصطناعي: يوصي بتعلم الأساسيات في الخطوة الأولى، مثل فهم مفهوم الذكاء الاصطناعي وتطبيقاته في مختلف المجالات. يمكن التعلم من خلال العديد من المصادر المقترحة مثل:
2- تعلم الرياضيات: بعد فهم المفاهيم الأساسية للذكاء الاصطناعي، يوصي بتعلم الرياضيات التي تحتاجها لفهم خوارزميات التعلم الآلي والتعلم العميق، مثل الإحصاء والاحتمالات والجبر الخطي والتفاضل والتكامل. يمكن التعلم من خلال المصادر المقترحة مثل:
3- تعلم لغة البرمجة: بعد تعلم الأساسيات والرياضيات، يوصي بتعلم لغة البرمجة مثل Python لتنفيذ الخوارزميات التعلم الآلي والتعلم العميق. يمكن التعلم من خلال المصادر المقترحة مثل:
4- تعلم أدوات البيانات الكبيرة (Big Data): يوصي بتعلم أدوات البيانات الكبيرة (Big Data) مثل Hadoop و Spark و Cassandra و MongoDB لإدارة كميات كبيرة من البيانات. يمكن التعلم من خلال المصادر المقترحة مثل:
5- تعلم علوم البيانات: يوصي بتعلم علوم البيانات والتعامل مع البيانات وتحليلها. يمكن التعلم من خلال المصادر المقترحة مثل:
6- تعلم خوارزميات التعلم الآلي والتعلم العميق: يوصي بتعلم خوارزميات التعلم الآلي والتعلم العميق، وإطارات العمل الخاصة بها مثل Tensorflow أو Keras. يمكن التعلم من خلال المصادر المقترحة مثل:
7- العمل على مشاريع حقيقية: ينصح بالعمل على مشاريع حقيقية لتطبيق هذه المهارات الجديدة والحصول على خبرة عملية. يمكن العثور على المشاريع عبر المصادر التعليمية السابقة أو من خلال البحث على الإنترنت عن مشاريع تطبيقية في مجال الذكاء الاصطناعي.
هذه هي الخطوات الأساسية لتعلم الذكاء الاصطناعي بالتفصيل والمصادر المقترحة لتعلم كل خطوة.
يجب الإشارة إلى أن هذه الخطوات ليست الخطوات الوحيدة اللازمة لتعلم الذكاء الاصطناعي، ولكنها توفر مسارًا شاملاً للمبتدئين في هذا المجال.
التعليقات