Learn AI Engineering: الدليل الشامل لإتقان الذكاء الاصطناعي ونماذج اللغة الكبيرة من الصفر
مجال الذكاء الاصطناعي يتطور أسرع من أي تخصص آخر في هندسة البرمجيات. Learn AI Engineering هو خارطة طريق شاملة ومنظمة أنشأها Ashish Pratap Singh تختار أفضل الموارد المجانية لتعلم الذكاء الاصطناعي والتعلم الآلي والتعلم العميق ونماذج اللغة الكبيرة والعملاء وRAG وMCP وMLOps.
مع أكثر من 4,975 نجمة على GitHub و1,243 فورك، يغطي أكثر من 15 موضوعاً بموارد من Google وMicrosoft وAnthropic وOpenAI وDeepLearning.ai وCoursera وStanford.
لماذا يتميز هذا المستودع
- تقدم منطقي: كل قسم يبني على السابق — الرياضيات قبل ML، ML قبل التعلم العميق، التعلم العميق قبل LLMs
- الجودة فوق الكمية: فقط أفضل الموارد المجانية
- محدّث 2026: يشمل أحدث النماذج — أدوات الترميز العميلة (Claude Code, Codex)، MCP
- عملي + نظري: توازن بين الفهم المفاهيمي والأدوات العملية
إحصائيات المشروع
| المقياس | القيمة |
|---|---|
| نجوم GitHub | +4,975 |
| الفوركات | 1,243 |
| الترخيص | GPL-3.0 |
| المؤلف | Ashish Pratap Singh |
مسار التعلم الكامل
1. الأسس الرياضية
الجبر الخطي (3Blue1Brown)، الاحتمالات والإحصاء (Khan Academy)، StatQuest، الرياضيات للتعلم الآلي (Coursera).
2. Python
AI Python للمبتدئين (DeepLearning.ai).
3. أساسيات الذكاء الاصطناعي والتعلم الآلي
Google ML Crash Course، Microsoft AI for Beginners، Elements of AI (هلسنكي)، ML Specialization (Coursera).
4. التعلم العميق
Deep Learning Specialization (Andrew Ng)، Practical Deep Learning (Fast.ai). التخصصات: الرؤية الحاسوبية، NLP، التعلم التعزيزي.
5. الذكاء الاصطناعي التوليدي
Building Blocks of Generative AI، Generative AI for Beginners (Microsoft)، Generative AI for Everyone (Coursera).
6. نماذج اللغة الكبيرة (LLMs)
Illustrated Transformer، Understanding LLMs (Sebastian Raschka)، Building GPT from Scratch (Karpathy)، LLM Course (Hugging Face).
النظام البيئي: الدردشة (ChatGPT, Gemini, Claude)، المفتوح المصدر (Llama, DeepSeek)، APIs (OpenAI, Anthropic, Groq)، الأطر (LangChain, LlamaIndex, Ollama)، IDEs (Cursor, Windsurf, Copilot)، الأدوات العميلة (Claude Code, Codex).
7. هندسة المطالبات (Prompt Engineering)
Google Prompting Essentials، ChatGPT PE for Developers، Advanced Prompting (Instructor).
8. التوليد المعزز بالاسترجاع (RAG)
Introduction to RAG (Coursera)، RAG Techniques (GitHub).
9. عملاء الذكاء الاصطناعي
Visual Guide to LLM Agents، Agents (Chip Huyen)، AI Agents Course (Hugging Face).
10. بروتوكول سياق النموذج (MCP)
MCP Introduction (Anthropic)، Building AI Apps using MCP (DeepLearning.ai)، MCP Course (Hugging Face).
11. MLOps والنشر
ML in Production (Coursera)، Full Stack Deep Learning، ML System Design (Stanford).
الكتب والأوراق الموصى بها
16 كتاباً أساسياً بما في ذلك Hands-On ML، Deep Learning (Goodfellow)، AI Engineering، Build a LLM from Scratch.
6 أوراق بحثية تأسيسية: Attention Is All You Need، GANs، GPT، GPT-3، BERT، Chain-of-Thought Prompting.
المقارنة مع البدائل
| الميزة | Learn AI Engineering | ml-roadmap | krishnaik06 | microsoft gen-ai |
|---|---|---|---|---|
| النجوم | 4.9K | +2K | +5K | +75K |
| النطاق | كامل | ML فقط | 3 مسارات | Gen AI فقط |
| LLMs | ✅ عميق | أساسي | ✅ | ✅ |
| العملاء | ✅ | ❌ | ✅ | ✅ |
| MCP | ✅ | ❌ | ❌ | ❌ |
| MLOps | ✅ | ❌ | ✅ | ❌ |
| مجاني | ✅ | مختلط | مختلط | ✅ |
الخلاصة
Learn AI Engineering يملأ فجوة حرجة في مشهد تعليم الذكاء الاصطناعي. بدلاً من قائمة ضخمة من الروابط أو دورة ضيقة، إنه خارطة طريق منظمة عبر كامل حزمة هندسة الذكاء الاصطناعي — من الجبر الخطي إلى النشر في الإنتاج. مع أكثر من 4,975 نجمة وموارد من أكثر المصادر موثوقية، إنه أفضل نقطة انطلاق لأي شخص جاد بشأن هندسة الذكاء الاصطناعي في 2026.