الرئيسيةمن أناالدوراتالجلساتالمدونةسوق الأوامرالمناهج والباقاتالشركاء

دورات عربية متخصصة في التقنية والبرمجة والذكاء الاصطناعي.

المنصة مبنية على الوضوح، التطبيق، والنتيجة النافعة: شرح مرتب يساعدك تفهم الأدوات، تكتب كودًا أفضل، وتستخدم الذكاء الاصطناعي بوعي داخل العمل الحقيقي.

المنصة

  • الرئيسية
  • من أنا
  • الدورات
  • الجلسات الفردية
  • المناهج والباقات
  • سوق الأوامر
  • المدونة

الدعم

  • الأسئلة الشائعة
  • تواصل معنا
  • سياسة الخصوصية
  • شروط استخدام التطبيق
  • سياسة الاسترجاع

© 2026 أحمد حايس. جميع الحقوق محفوظة.

الرئيسيةالدوراتالجلساتالمدونةالدخول

الذكاء الاصطناعي

مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.

المجال
كل المجالات
تكنولوجياDevOps بالعربيHow To Make ItOptimizing بالعربيأحدث أخبار التكنولوجياالأوتوميشنالبرمجة بالعربيالذكاء الاصطناعي
المستوى
كل المستوياتمبتدئمتوسطمحترف
البحث الهجين (Hybrid Search): ليه البحث الدلالي لوحده بيفوّت النتيجة الحرفية
متوسط15 أغسطس 2026

البحث الهجين (Hybrid Search): ليه البحث الدلالي لوحده بيفوّت النتيجة الحرفية

لو بحثك الدلالي بيفوّت المقالة اللي فيها كود الخطأ أو رقم الموديل بالظبط، المشكلة في طبيعة الـ embeddings مش في السيرفر. المقال للمتوسط يشرح البحث الهجين بمثال بسيط ثم علميًا، مع دمج BM25 والمتجهات بـ RRF في أقل من 30 سطر Python، أرقام من BEIR، الـ trade-offs، ومتى لا تستخدمه، مع مصادر.

5 دقائق قراءة
تقطيع المستندات في RAG: ليه إجابات نموذجك بتطلع ناقصة والسبب في الـ Chunking
متوسط15 أغسطس 2026

تقطيع المستندات في RAG: ليه إجابات نموذجك بتطلع ناقصة والسبب في الـ Chunking

لو نظام RAG بيرجّع إجابات ناقصة رغم إن المعلومة موجودة، المشكلة غالبًا في تقطيع النص مش في الـ embedding. المقال يشرح التقطيع للمتوسط بمثال بسيط ثم علميًا، مع كود LangChain شغّال، أرقام recall قبل وبعد، الـ trade-offs، ومتى لا تستخدمه، مع مصادر رسمية.

4 دقائق قراءة
المخرجات المنظّمة: خلّي نموذجك يرجّع JSON صالح كل مرة
متوسط13 أغسطس 2026

المخرجات المنظّمة: خلّي نموذجك يرجّع JSON صالح كل مرة

لو رد النموذج بيتكسر في json.loads من وقت للتاني، المشكلة إنك بتطلب JSON بدل ما تجبره عليه. المقال للمستوى المتوسط يشرح المخرجات المنظّمة بمثال بسيط ثم علميًا بفك التشفير المقيّد، مع كود Pydantic شغّال، رقم 100% مقابل 35.9%، الـ trade-offs، ومتى لا تستخدمها، مع مصادر رسمية.

5 دقائق قراءة
آلية الانتباه الذاتي: إزاي النموذج بيعرف إن كلمة (هي) بتقصد مين؟
متوسط9 أغسطس 2026

آلية الانتباه الذاتي: إزاي النموذج بيعرف إن كلمة (هي) بتقصد مين؟

كل كلمة في نموذج اللغة بتبص على كل الكلمات وتقرّر مين المهم ليها. المقال يشرح آلية الانتباه الذاتي (Self-Attention) للمتوسط بمثال الحفلة المزدحمة ثم علميًا بثلاثية Q K V ومعادلة softmax، مع كود بايثون شغّال يطبع مصفوفة الأوزان، رقم تكلفة O(n²)، الـ trade-offs، ومتى لا تستخدمها، مع مصادر رسمية.

5 دقائق قراءة
استدعاء الدوال (Function Calling): خلّي النموذج يطلب تشغيل كودك
متوسط9 أغسطس 2026

استدعاء الدوال (Function Calling): خلّي النموذج يطلب تشغيل كودك

لو الشات بوت بيخترع أرقام مش موجودة، المشكلة إنه ملوش وصول لبياناتك. استدعاء الدوال بيخلّي النموذج يطلب تشغيل دالة حقيقية عندك بـ JSON منظّم، وانت تنفّذها وترجّع النتيجة. شرح بمثال بسيط ثم علميًا، كود بايثون شغّال، الوضع الصارم بأرقام، الـ trade-offs، ومتى لا تستخدمها، مع مصادر رسمية.

5 دقائق قراءة
إعادة الترتيب (Reranking): ليه أفضل 5 نتائج بحثك مش الأفضل فعلاً
متوسط8 أغسطس 2026

إعادة الترتيب (Reranking): ليه أفضل 5 نتائج بحثك مش الأفضل فعلاً

أفضل 5 نتائج من بحثك الدلالي مش أحسن 5 فعلاً. المقال يشرح إعادة الترتيب (Reranking) بالـ Cross-Encoder بمثال لجنة التوظيف ثم علمياً، مع كود Python شغّال، أرقام موثّقة، الـ trade-offs، ومتى لا تستخدمها، مع مصادر رسمية.

4 دقائق قراءة
التخزين المؤقت الدلالي: خفّض تكلفة نموذج اللغة على الأسئلة المتكررة
متوسط7 أغسطس 2026

التخزين المؤقت الدلالي: خفّض تكلفة نموذج اللغة على الأسئلة المتكررة

لو تطبيقك بيبعت كل سؤال للـ LLM حتى لو اتسأل قبل كده بصياغة تانية، إنت بتدفع مرتين على نفس الإجابة. التخزين المؤقت الدلالي بيطابق الأسئلة بالمعنى مش بالنص، فيقلّل الاستدعاءات ويخفض التكلفة والبطء. شرح بمثال بسيط ثم علميًا، كود بايثون شغّال، أرقام قبل وبعد، trade-offs، ومتى لا تستخدمه، مع مصادر.

5 دقائق قراءة
التقطير المعرفي: إزاي يتعلّم نموذج صغير من نموذج عملاق
متوسط31 يوليو 2026

التقطير المعرفي: إزاي يتعلّم نموذج صغير من نموذج عملاق

التقطير المعرفي يخلّي نموذجًا صغيرًا يقلّد مخرجات نموذج كبير، فتحصل على نموذج أصغر 40% وأسرع 60% بدقة قريبة. شرح بمثال بسيط ثم علميًا، مع كود PyTorch شغّال، أرقام DistilBERT الحقيقية، trade-offs، ومتى لا تستخدمه، مع مصادر.

5 دقائق قراءة
LoRA وQLoRA: درّب نموذج 7B على كارت شاشة واحد بأقل من 1% من الأوزان
متوسط31 يوليو 2026

LoRA وQLoRA: درّب نموذج 7B على كارت شاشة واحد بأقل من 1% من الأوزان

الضبط الدقيق الكامل لنموذج 7B يطلب ذاكرة تتجاوز 100 جيجابايت. LoRA يجمّد النموذج ويدرّب محوّلًا صغيرًا فتنزل لأقل من 1% من الأوزان، وQLoRA يوصلها لكارت واحد 48 جيجا. شرح بمثال بسيط ثم علميًا بتفكيك الرتبة، كود PEFT شغّال، أرقام من الورقتين الأصليتين، trade-offs، ومتى لا تستخدمه، مع مصادر.

5 دقائق قراءة

عرض 1 - 9 من 113 مقال

السابق
1
2
…13
التالي