الأسئلة والأجوبة

ابدأ بسؤال.
وابنِ على فهم.

إجابات مباشرة عن المعسكر، ثم أسئلة من صميم كل جلسة.

عن المعسكر وتجربة التعلم

ما هو معسكر هندسة الذكاء الاصطناعي؟+

مسار تطبيقي من عشر جلسات يربط بناء النماذج بهندسة التطبيقات. يبدأ بـGit وبيئة التطوير، ويمر بتعلم الآلة والتعلم العميق والرؤية واللغة، ثم RAG والوكلاء والأنظمة الصوتية، وينتهي بمشروع تخرج موثق.

كم مدة المعسكر وكيف تتوزع الجلسات؟+

المدة الإجمالية المخططة 28.5 ساعة: ساعتان للجلسة الأولى، وساعتان ونصف للسابعة، وثلاث ساعات لكل جلسة أخرى. وقت إكمال الواجبات والتوسعات خارج هذه المدة.

هل المعسكر مناسب للمبتدئين تمامًا؟+

يفترض المسار أساسًا برمجيًا في Python، ثم يتدرج نحو موضوعات متوسطة ومتقدمة. جلسة الرؤية الحاسوبية والأنظمة الصوتية ليستا مقدمة للمبتدئ؛ راجع المتطلبات في صفحة كل جلسة وجهّز البيئة مسبقًا.

ما الذي سأبنيه خلال المعسكر؟+

ستعمل على تطبيق تعلم آلة، والتعرف على أرقام MNIST، وتحليل حركة المركبات، واستخراج الكيانات من النص، ومساعد RAG، وميزة API بمساعدة وكيل برمجي، ووكيل بحث بأدوات MCP، ومدرب صوتي، ثم تجمع مهاراتك في Capstone.

كيف أتتبع الجلسات وأضيف مهامي؟+

افتح أي جلسة وحدد حالتها، وأكمل المهام المستخرجة من المنهج أو أضف مهمة خاصة بك مع أولوية وموعد اختياري. تتحدث لوحة التقدم تلقائيًا، ويمكنك حفظ ملاحظاتك داخل الجلسة نفسها.

أين تُحفظ مهامي وملاحظاتي؟+

تُحفظ في هذا المتصفح على جهازك، ولا تتزامن تلقائيًا بين الأجهزة. صدّر نسخة JSON من لوحة التقدم للاحتفاظ بنسخة احتياطية، ثم استوردها عند الانتقال إلى جهاز أو متصفح آخر.

هل توجد تسجيلات أو شهادة معتمدة؟+

الملفات المتاحة هي منهج الجلسات ومهامها ومراجعها؛ لم تتضمن روابط تسجيلات أو تفاصيل شهادة معتمدة أو مواعيد تسجيل. لذلك يعرض الموقع المادة التعليمية كما هي دون افتراض هذه الخدمات.

هل يجب أن يستخدم مشروع التخرج كل التقنيات؟+

لا. اختر المعمارية التي تخدم المشكلة والمستخدم. المطلوب مشروع يمكن تشغيله وتقييمه وشرح حدوده، وليس جمع RAG والوكلاء والصوت في مشروع واحد دون حاجة.

الجلسة 01

Git وGitHub وبيئة العمل

افتح الجلسة
ما الفرق بين Git وGitHub؟+

Git يتتبع إصدارات الشيفرة محليًا، أما GitHub فيستضيف المستودعات ويوفر التعاون ومراجعة التعديلات عبر Pull Requests.

ما أول تطبيق عملي في المعسكر؟+

تنشئ Fork وClone ثم فرعًا مستقلًا، تحفظ تعديلًا وترفعه، وتفتح Pull Request للمراجعة؛ ثم تشارك في حل تعارض دمج.

كيف أحمي مفاتيح API في المشروع؟+

احتفظ بالقيم السرية في ملف .env محلي واستبعده عبر .gitignore، وشارك ملف .env.example يحتوي أسماء المتغيرات دون قيمها السرية.

الجلسة 02

تعلم الآلة من الأساسيات إلى المنتج

افتح الجلسة
كيف نحول نموذج تعلم آلة إلى تطبيق؟+

نجهز البيانات ونقسمها، ندرب النموذج ونقيمه، ثم نحفظه مع المعالجة المسبقة ونقدمه عبر FastAPI وواجهة Streamlit مع تغليف التشغيل باستخدام Docker.

لماذا لا تكفي Accuracy لتقييم النموذج؟+

قد تخفي اختلال الفئات وتكلفة الأخطاء. تراجع الجلسة Precision وRecall وF1 وConfusion Matrix، مع تقييم على بيانات منفصلة.

هل مشروع توقع مغادرة الموظفين مناسب لقرارات التوظيف؟+

لا. المثال تعليمي على بيانات عامة مناسبة أو اصطناعية، ولا يستخدم لاتخاذ قرارات توظيف أو فصل أو تقييم موظفين حقيقيين.

الجلسة 03

التعلم العميق من NumPy إلى PyTorch

افتح الجلسة
لماذا نبني شبكة NumPy قبل PyTorch؟+

لفهم المرور الأمامي وحساب الخطأ والمشتقات وتحديث الأوزان، ثم استخدام Autograd وOptimizer في PyTorch مع فهم ما يحدث داخل التدريب.

ما مشروع جلسة التعلم العميق؟+

التعرف على أرقام MNIST المكتوبة يدويًا من 0 إلى 9، مع تنفيذ يدوي صغير ومقارنته بتطبيق PyTorch وتحليل منحنيات التدريب.

كيف تكون المقارنة بين NumPy وPyTorch عادلة؟+

نوضح حجم البيانات وبنية الشبكة وعدد خطوات التدريب. اختلاف الدقة عند اختلاف هذه العوامل لا يثبت تفوق إطار العمل نفسه.

الجلسة 04

هندسة الرؤية الحاسوبية وتحليل الفيديو

افتح الجلسة
ما الفرق بين كشف المركبات وعدّ عبورها؟+

الكشف يحدد الجسم داخل إطار، بينما العد يعتمد على مساره عبر الزمن واتجاه عبوره لخط محدد مع قواعد منع التكرار.

هل ندرّب YOLO من الصفر؟+

لا. نستخدم نموذج كشف صغيرًا مدربًا مسبقًا ونركز على التتبع ومنطق الأحداث والتصدير والتقييم ضمن فيديو قصير من كاميرا واحدة.

ما مخرجات مشروع Traffic Flow Intelligence؟+

شيفرة قابلة لإعادة التشغيل، events.csv للأحداث، summary.json للإحصاءات، annotated.mp4 للدليل البصري، evaluation.md للتقييم، وREADME وPull Request.

الجلسة 05

معالجة اللغة وTransformers وBERT

افتح الجلسة
ماذا يتعلم الطالب في جلسة NLP وTransformers؟+

ينتقل من Tokenization وEmbeddings إلى Attention وTransformers والفرق بين BERT وGPT، ثم يخصص BERT لاستخراج الكيانات المسماة.

لماذا تحتاج وسوم NER إلى مواءمة بعد Tokenization؟+

قد تنقسم الكلمة إلى عدة Subwords؛ لذا يجب ربط وسوم الكيانات بوحدات النص الناتجة واستبعاد الرموز غير المخصصة للتقييم وفق السياسة المعتمدة.

كيف نقيّم نموذج استخراج الكيانات؟+

نحسب Precision وRecall وF1 على مستوى الكيانات مع مجموعة اختبار منفصلة وأمثلة نجاح وفشل؛ Accuracy على مستوى Tokens وحدها غير كافية.

الجلسة 06

هندسة النماذج اللغوية وتطبيقات RAG

افتح الجلسة
هل RAG يعني تدريب النموذج على الوثائق؟+

لا. يسترجع التطبيق مقاطع مناسبة من مصدر معرفة ويزود النموذج بها أثناء الإجابة، دون أن يعني ذلك تعديل أوزان النموذج.

ما الذي يبنيه الطالب في جلسة LLM Engineering؟+

مساعد معرفة لوثائق المعسكر باستخدام Chunking وEmbeddings وVector Store وRetrieval، مع واجهة Streamlit وإجابات تظهر مصادرها.

ماذا يفعل المساعد إذا لم يجد دليلًا كافيًا؟+

يصرح بعدم كفاية المستندات بدل اختلاق الإجابة. يشمل التقييم أسئلة مدعومة وأخرى خارج نطاق الوثائق وفحص صحة الإحالات.

الجلسة 07

البرمجة بمساعدة الذكاء الاصطناعي

افتح الجلسة
كيف أستخدم وكيل البرمجة بطريقة مهنية؟+

أكتب مواصفات ومعايير قبول، أقدم سياق المشروع، أراجع الخطة، ثم أفحص التعديلات والاختبارات بنفسي وأوثق العمل في Pull Request.

ما الميزة العملية في جلسة AI-Assisted Coding؟+

إضافة POST /feedback لاستقبال تقييم بين 1 و5 وتعليق اختياري، وGET /feedback/summary لعدد التقييمات ومتوسطها، مع التحقق والاختبارات.

هل نجاح الاختبارات كافٍ لاعتماد شيفرة الوكيل؟+

لا. يجب مراجعة المتطلبات والـDiff وجودة الاختبارات معًا، لأن الاختبارات قد لا تغطي الحالات المهمة أو قد تكون متوافقة مع سلوك خاطئ.

الجلسة 08

وكلاء الذكاء الاصطناعي وأدوات MCP

افتح الجلسة
ما الفرق بين Workflow وAgent؟+

الـWorkflow ينفذ مسارات يحددها المطور مسبقًا، بينما قد يختار Agent خطواته وأدواته ديناميكيًا بناءً على الهدف والحالة، ضمن حدود تنفيذ واضحة.

ما الأدوات الثلاث في مشروع Research Operations Agent؟+

search_docs للبحث وget_document لقراءة الوثائق، وwrite_report لحفظ تقرير داخل مجلد مقيد بعد المراجعة والموافقة المناسبة.

هل يتطلب المشروع عدة وكلاء؟+

لا. يستخدم المختبر إطارًا واحدًا وثلاث أدوات؛ تصبح بنية Multi-Agent مناسبة عندما توجد مهام منفصلة تحتاج إلى تنسيق فعلي.

الجلسة 09

الوكلاء الصوتيون ومتعددو الوسائط

افتح الجلسة
ما المشروع المطلوب في جلسة Pipecat؟+

English Voice Coach يجري ثلاثة أدوار صوتية على الأقل، يستخدم أداة آمنة، يدعم المقاطعة، ويوثق اختبارات الفشل وزمن أول صوت. VisionTutor امتداد اختياري.

ما الفرق بين VAD وتحديد نهاية الدور؟+

VAD يرصد احتمال وجود كلام؛ أما نهاية الدور فتحدد اكتمال دور المستخدم. الصمت القصير قد يكون تفكيرًا قبل متابعة الجملة.

كيف نقيس زمن استجابة الوكيل الصوتي؟+

نثبت نقطة بداية القياس، مثل اكتشاف نهاية دور المستخدم، ونقيس وصول أول صوت مسموع من العميل. نوثق خمس تجارب TTFA على الأقل.

الجلسة 10

الإنتاج والتقييم ويوم عرض المشاريع

افتح الجلسة
ما النتيجة المستهدفة بنهاية المعسكر؟+

مشروع Capstone أولي قابل للتشغيل وإعادة الإنتاج، مع اختبارات وتقييم وتوثيق وعرض واضح لحدوده؛ لا تعني الجلسة أنه أصبح نظام إنتاج كاملًا.

ما الفرق بين تقييم النموذج وتقييم النظام والمراقبة؟+

تقييم النموذج يقيس تنبؤاته، وتقييم النظام يختبر المهمة من البداية للنهاية، والمراقبة تتابع جودة الخدمة والأخطاء والزمن والتكلفة بعد النشر.

كيف يقدم الفريق مشروعه في Demo Day؟+

سبع دقائق تشمل المشكلة والحل والمعمارية وتجربة حية والنتائج والحدود، ثم دقيقتان للأسئلة، مع تسجيل احتياطي لا يتجاوز دقيقتين.

ما الذي تريد تعلّمه؟

بحث في محتوى الجلسات العشر. استخدم Esc للإغلاق.