المدونة
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
Embeddings للمبتدئ: ابني Semantic Search عربي بـ 30 سطر Python
لو كتبت "حاسوب" والمقال فيه "كمبيوتر"، البحث الكلاسيكي بيرجّع صفر. Embeddings بتحوّل الكلام لمتجهات أرقام بتعكس المعنى مش الحروف. مقال للمبتدئ بمثال خريطة المدينة، تعريف علمي للـ cosine similarity، كود Python شغّال على sentence-transformers + multilingual-e5، أرقام مقاسة (71% vs 38% على BM25)، 4 trade-offs حقيقية، ومتى البحث الكلاسيكي يكفيك.
اعمل Background Remover للصور بـ Python و rembg في 50 سطر — بديل remove.bg محلي
لو بتدفع $0.20 لكل صورة على remove.bg و موقعك بيرفع 500 صورة شهريًا، أنت بتحرق $100 في الشهر بدون داعي. مكتبة rembg المفتوحة بتشيل الخلفية محليًا في 1.4 ثانية على CPU عادي بدون API key وبدون إنترنت. مقال للمبتدئ بمثال المخ البشري لفهم الـ segmentation، تعريف علمي لـ U²-Net، كود Python شغّال في 50 سطر يعالج فولدر كامل، أرقام مقاسة على Mac M2 و i7، trade-offs الجودة، ومتى لا تستخدم الحل المحلي أصلاً.
LLM-as-a-Judge للمحترف: قيّم 10,000 إجابة AI بـ $30 بدل $5,000
لو فريق الـ QA بيراجع 200 إجابة LLM في الأسبوع وعندك 10,000 إجابة يومياً، الـ coverage بتاعك 1.4% وأنت في الإنتاج بدون شبكة أمان. LLM-as-a-Judge بيقيّم العشرة آلاف كاملة في 3 ساعات بـ $30 والاتفاق مع المراجع البشري بيوصل 83%. مقال للمحترف بمثال مدرّس الإنشاء للمبتدئ، التعريف العلمي من ورقة Zheng et al. (NeurIPS 2023)، كود Python شغّال على Anthropic SDK مع pairwise مقاوم للـ position bias، أرقام مقاسة من 12,400 تذكرة دعم عربية، 4 trade-offs حقيقية، وحالات لا تستخدم فيها التقنية أصلاً.
Embeddings للمبتدئ: ازاي الموديل بيفهم إن "كلب" أقرب لـ "قطة" من "سيارة"
لو سألت Claude أو ChatGPT عن "أفضل أكل للقطط" والموديل رجّعلك نتيجة فيها "هريرة" أو "قطة صغيرة" رغم إن السؤال ما فيهوش الكلمتين، ده شغل تقنية اسمها Embeddings. مقال للمبتدئ بمثال خريطة المدينة، تعريف علمي للـ vector space و cosine similarity، كود Python شغّال على sentence-transformers، أرقام مقاسة من إنتاج (recall@10 من 78% لـ 96%)، 4 trade-offs حقيقية، وحالات لا تستخدم فيها embeddings أصلاً.
Diffusion Models للمبتدئ: ازاي Stable Diffusion بيرسم صورة من 5 كلمات
لو فتحت Stable Diffusion وكتبت "قطة فضائية"، النتيجة بتطلع في 4 ثواني. ده مش سحر، ده Diffusion Models. شرح للمبتدئ بمثال فصل الصوت في غرفة مزعجة، تعريف علمي للـ noise prediction، كود Python شغّال على diffusers 0.27+، أرقام مقاسة من LAION-5B، 3 trade-offs، وحالات لا تستخدم فيها التقنية أصلًا.
Hoisting في JavaScript للمبتدئ: ليه console.log(x) بيطبع undefined قبل تعريف x
لو كتبت console.log(x) قبل ما تعرّف x وفوجئت إن المتصفح طبع undefined بدل ما يكسر، ده مش غلط في Node ولا الـ browser. ده سلوك اسمه Hoisting. شرح للمبتدئ بمثال دفتر الفهرس، تعريف علمي دقيق لـ Execution Context و Variable Environment، الفرق العملي بين var و let و const، فخ function expression، سيناريو bug حقيقي وفّر 3 ساعات debugging، trade-offs، ومتى ما يهمكش الموضوع.
Embeddings للمبتدئ: ازاي الكمبيوتر يفهم إن "قطة" و "هرّة" نفس الحاجة
لو سألت ChatGPT عن "هرّة" وفهم إنك بتسأل عن قطة، السبب مش سحر. السبب مفهوم اسمه Embeddings بيحوّل الكلام لأرقام في فضاء متعدد الأبعاد. مقال للمبتدئ بمثال خرايط جوجل، تعريف علمي للـ vector space، كود Python شغّال على sentence-transformers، أرقام مقاسة، trade-offs، ومتى لا تستخدمه.
Trie (شجرة المقاطع) للمبتدئ: ازاي محرّك البحث بيكمّل كلمتك في 0.4 مللي ثانية
لو بتكتب prog في صندوق البحث وفي 0.4 ms بتظهرلك 10 اقتراحات بدأ كلهم بـ prog، ده مش لأن السيرفر بيمر على كل الكلمات. ده هيكل بيانات اسمه Trie. مقال للمبتدئ بمثال القاموس، تعريف علمي دقيق لـ Prefix Tree، كود Python 3.12 شغّال على 100 ألف كلمة من NLTK، أرقام مقاسة بـ timeit (78.40 ms مقابل 0.41 ms)، 3 استخدامات حقيقية (autocomplete, spell checker, IP routing)، الفخ الكلاسيكي، trade-offs الذاكرة، ومتى لا تستخدمه فيها.
Prompt Caching في Claude للمتوسط: وفّر 90% من تكلفة الـ system prompt الطويل
لو بتبعت لـ Claude نفس system prompt بـ 8000 توكن مع كل request، إنت بتدفع تكلفة التوكنز دي 1000 مرة في اليوم بدون داعي. Prompt Caching بيخلّيك تدفع 25% من السعر بس على أول request، و10% بس على الـ requests اللي بعدها لمدة 5 دقايق. شرح للمستوى المتوسط بمثال أمين المكتبة للمبتدئ، تعريف علمي دقيق من توثيق Anthropic، كود Python شغّال على anthropic SDK 0.40+، أرقام مقاسة على 1000 سؤال (89.9% توفير)، 4 trade-offs حقيقية، وحالات لا تستخدم Caching فيها.