السبت 12 أكتوبر 2024
-
رئيس التحرير
محمد الطوخي

كيف تصبح مبرمج في الذكاء الاصطناعي

دليلك لتصبح مبرمج في الذكاء الاصطناعي

دليلك لتصبح مهندس
دليلك لتصبح مهندس ذكاء اصطناعي

الذكاء الاصطناعي هو النموذج الجديد لبناء كل التكنولوجيا ويجب توافر المهارات وموارد التعلم وأفكار المشاريع اللازمة لتصبح مهندس ذكاء اصطناعي في عام 2024 ونوضح هنا دليلك الذي يمكن اتباعه للانتقال من مهندس برمجيات إلى مهندس ذكاء اصطناعي.


خريطة الطريق لتصبح مهندس ذكاء اصطناعي

المبرمجون / مهندسو البرمجيات / المحللون / علماء البيانات الذين يخططون لرفع مهاراتهم في هندسة الذكاء الاصطناعي.

نظرًا لأن هذه مهارة هندسية أساسية، فإن المتطلبات الأساسية هي التالية:

مستوى متوسط ​​من فهم برمجة Python / JS.
من الناحية المثالية، يجب أن يكون لديك خبرة في برمجة 2-3 تطبيقات معقدة على الأقل مثل تطبيق ويب للتدوين في Flask أو Rails أو Node.js.
أنت على الأقل تشعر بالراحة عند قراءة الوثائق الخاصة بالبناء.
يمكنك أن تشعر بالراحة عند كتابة البرامج في بيئة تطوير متكاملة مثل VS Code.
على الرغم من أهمية العمل مع git وGitHub، إلا أنه يمكن تعلمه أثناء العمل على مشروع ما.

تقسيم خريطة الطريق

تنقسم مسار هندسة الذكاء الاصطناعي بالكامل إلى 3 مراحل،

وهنا ما تمثله كل مرحلة:

مبتدئ (<= 1 شهر) - قم ببناء تطبيق أساسي لتعلم كيفية استخدام واجهات برمجة التطبيقات LLM، وهندسة المطالبات بعناية لتطبيقاتك والعمل مع برامج LLM مفتوحة المصدر.

المستوى المتوسط ​​(~ شهرين) - تعمق في بناء تطبيقات متقدمة أكثر وعياً بالسياق باستخدام Retreival Augmented Generation (RAG). تعرف على قواعد بيانات المتجهات وكيفية العمل مع أحدها. تعلم كيفية بناء وكلاء باستخدام LLMs والأدوات.

المستوى المتقدم (~ 3 أشهر) — بعد إتقان بناء التطبيقات، تعلم كيفية نشر التطبيقات التي تعمل بنظام LLM وتحسينها وإدارتها في الإنتاج باستخدام LLMOps. تعلم كيفية ضبط النماذج المدربة مسبقًا للتكيف مع التطبيقات اللاحقة بكفاءة وبتكلفة منخفضة.

المهارات الخاصة بالمستوى المبتدئ هي كما يلي:

إذا كنت تريد أن تفهم أساسيات LLM — فيجب عليك فقط أن تعرف كيف يعمل ChatGPT على مستوى عالٍ.
تعلم هندسة المطالبات للمطورين. كيفية كتابة المطالبات لتحسين استجابة طالب الماجستير في القانون.

تعلم كيفية استهلاك البيانات من واجهات برمجة التطبيقات، وتعلم كيفية العمل مع بيانات JSON.
تعلم كيفية استدعاء نماذج LLM المغلقة والمفتوحة المصدر، واستدعاء الوظائف، وتمرير المطالبات، وتحليل الاستجابة.
تعلم كيفية إدارة مساحة السياق من المحادثة.
تعلم كيفية إنشاء وتشغيل سلسلة من العمليات تلقائيًا — سلاسل باستخدام langchain.
تطوير التطبيقات الأساسية باستخدام Gradio أو Streamlit لإثبات المفاهيم والعروض التوضيحية.
قم بنشر تطبيقاتك لجعلها في متناول الجميع — النشر الأساسي على HuggingFace Space أو Streamlit cloud.
إنشاء متعدد الوسائط - الكود والصور والصوت باستخدام transformerمكتبة HuggingFace.

تتطلب المشاريع ذات المستوى المتوسط ​​ما يلي:
فهم تضمين المتجهات وقواعد بيانات المتجهات.
تعلم كيفية استخدام قواعد البيانات المتجهة لتطبيقك.
بناء الجيل المعزز بالاسترجاع (RAG) - الدردشة مع قاعدة المعرفة الخاصة بك.
تطوير خطوط أنابيب RAG المتقدمة مثل محرك استعلام فرعي يمكنه تقديم الاستجابات بعد المرور عبر مصادر بيانات متعددة.

وكلاء البناء - تدفقات عمل تكرارية لإنجاز مهمة كبيرة.
بناء تطبيقات متعددة الوكلاء حيث يعمل أكثر من وكيل معًا لتوفير حل أفضل.
الأتمتة مع وكلاء متعددين — Autogen وCrew AI
تقييم مجموعات العمل الإقليمية - إطار عمل مجموعات العمل الإقليمية.

إدارة قواعد البيانات، والاسترجاع، ونشر التطبيقات الكاملة، وإصداراتها، وتسجيلها ومراقبة سلوك النموذج.

ستحتاج المشاريع المتقدمة إلى:
ضبط مستوى طلاب الماجستير في القانون المدربين مسبقًا للمعرفة المحددة في المجال والاستجابات المصممة خصيصًا مثل البحث الطبي والبحث المالي والتحليل القانوني.
تنظيم مجموعات البيانات وتصميم خطوط الأنابيب (ETL pipelines) لضبط النموذج.

تقييم وقياس أداء النموذج

إنشاء تطبيقات متعددة الوسائط - البحث الدلالي الهجين باستخدام النص والصورة
إنشاء حزم SDK وحلول مخصصة لتمكين المطورين الآخرين
تأمين تطبيقات الذكاء الاصطناعي الخاصة بك باستخدام تقنيات مثل الاختراق الفوري ودمج التدابير الدفاعية من خلال التحقق من نقاط الضعف والمخاطر المحتملة.

فيما يلي كيفية تطور مهاراتك مع قضاء وقت كافٍ في إنشاء التطبيقات وضبط النماذج:


والآن كيف نطور هذه المهارات؟

مصادر التعلم والمراجع والمشاريع 
تمتلئ الذكاء الاصطناعي بموارد التعلم والبرامج التعليمية.

هناك العديد من المصادر الجيدة لتعلم كل هذه المفاهيم وهناك العديد من الأشخاص الجيدين الذين يقدمون مواد عميقة ومفصلة للغاية حول كل من هذه الموضوعات.

سيكون من الصعب جدًا جمع كل الموارد هنا، لذا قمت بإنشاء قائمة موارد منفصلة هنا .

أفضل طريقة للتعلم هي البناء!
لقد تعلمنا ما يجب علينا فعله، دعونا نتحدث عن أفضل طريقة للقيام بذلك.

العمل على المشاريع.

أفضل طريقة ليس فقط لتعلم هذه المفاهيم بل وفهمها حقًا. وسوف تعمل على شحذ مهارة التفكير في حالات الاستخدام المتطورة.

يمكنك العثور على أفكار المشاريع في نفس المكان.

وبالإضافة إلى ذلك، سأستمر في مشاركة المشاريع والبرامج التعليمية على قناتي على اليوتيوب.

بالنسبة للخطوات الأولى، أوصي بالاطلاع على هذه الدورة التدريبية القائمة على المشروع التي قمت بإنشائها حيث تقوم ببناء تطبيقات تعمل بنظام LLM بما في ذلك خطوط RAG التي يتم تقديمها كروبوتات محادثة WhatsApp.

بناء روبوتات الدردشة على WhatsApp المدعومة بـ LLM

دورة تدريبية قائمة على المشاريع لتعلم كيفية بناء تطبيقات LLM التي يتم تقديمها كـ WhatsApp Chatbots

بالإضافة إلى التعلم، هناك الكثير من الإعلانات والتطورات التي يتم إجراؤها يوميًا في مجتمع الذكاء الاصطناعي، حيث يجد العديد من الأشخاص حالات استخدام مثيرة للاهتمام ويعملون على منتجات مثيرة للاهتمام قد تهمك.
 

تم نسخ الرابط