الخطوة التالية بعد GenAI‑101. تعلّم أن تبني وتُطلق أدوات حقيقية بالذكاء الاصطناعي التوليدي — ما يكفي من هندسة البرمجيات لكتابة خطط جيدة، وكيفية العمل مع وكلاء البرمجة، وكيفية تشكيل ما تبنيه وكتابة مواصفاته، والمهارات الست وراء تطبيقات الذكاء الاصطناعي الموثوقة.
يتنظّم هذا المقرر حول خريطة Andrew Ng لما يتطلّبه بناء مسيرة في هندسة الذكاء الاصطناعي — خريطة تشكّلت من تحليل عدد كبير من إعلانات الوظائف ومقابلات الخبراء واستطلاعات الرأي.
الفرق الجوهري بين تطبيقات الذكاء الاصطناعي والبرمجيات العادية أن مُخرَج نظام الذكاء الاصطناعي أقل قابلية للتنبؤ. أنت لا تعرف مسبقاً ما الذي سيقوله النموذج اللغوي. وبسبب هذا اللايقين، فإن بناء أنظمة الذكاء الاصطناعي عملية تكرارية أكثر بكثير: تبني جزءاً، ثم تفحصه، ثم تقرّر ما الذي تجرّبه تالياً. والقدرة على اتخاذ القرار التالي ببراعة هي ما يتيح لك صناعة برمجيات موثوقة من مكوّنات ذكاء اصطناعي غير موثوقة.
يقسّم Ng هندسة الذكاء الاصطناعي إلى أربع مهارات عليا، ويقسّم الأولى — بناء ونشر تطبيقات الذكاء الاصطناعي — إلى ست مهارات فرعية. يغطّي GenAI‑102 المهارات الهندسية العامة الثلاث أولاً (الوحدات ٢–٤)، ثم يتعمّق في مهارات البناء والنشر الست (الوحدات ٥–١٠).
المصدر: Andrew Ng, “AI Engineering Skills Map: Building and Deploying AI Applications” — DeepLearning.AI / The Batch. المهارات الست تتبع مقالته؛ أما تفصيل الوحدات ٢–٤ فهو من إعداد هذا المقرر.
علّمك GenAI‑101 كيف يعمل الذكاء الاصطناعي التوليدي. أما GenAI‑102 فيعلّمك أن تحوّل ذلك الفهم إلى أدوات عاملة وقابلة للصيانة وجاهزة للإنتاج.
انتقل من مخاطبة روبوت محادثة إلى هندسة برمجيات: خطوط RAG، ووكلاء، وتقييمات، وأنظمة تعمل في الإنتاج.
لست بحاجة لأن تكون مهندساً خبيراً — لكن معرفة الواجهة الأمامية والخلفية وقواعد البيانات وتصميم الأنظمة تتيح لك كتابة خطط واقعية وتوجيه وكلاء البرمجة بذكاء.
مُخرَج الذكاء الاصطناعي غير متوقّع. المهارة الأهم هي إدارة حلقة منضبطة: ابنِ ← افحص ← قرّر — وهذا المقرر مبنيّ حولها.
تعلّم بناء التقييمات وإدارة حلقة تحليل الأخطاء — السمة التي تميّز أكثر من غيرها من يبرعون في بناء أنظمة الذكاء الاصطناعي.
المراقبة، والانحراف، وحقن الأوامر، والكلفة والكمون — تشغيل برمجيات الذكاء الاصطناعي مختلف فعلاً عن تشغيل البرمجيات التقليدية.
من السهل أن يُنتِج الذكاء الاصطناعي شيئاً يعمل مرة واحدة ولا يقدر أحد على صيانته. تعلّم بناء أدوات مقروءة وقابلة للتوسعة وآمنة للتسليم.
١٠ وحدات: المهارات الهندسية العامة أولاً، ثم المهارات الست وراء بناء ونشر تطبيقات الذكاء الاصطناعي. المحتوى قيد التطوير — والمخطّط أدناه هو الخطة.
خريطة المهارات، ولماذا البناء بالذكاء الاصطناعي مختلف. المُخرَج غير المتوقّع يعني أن حلقة ابنِ←افحص←قرّر هي المهارة الأساسية — وتبيّن هذه الوحدة موضع كل وحدة لاحقة على الخريطة.
ما يكفي من الإلمام بالبرمجيات لكتابة خطط واقعية وتوجيه وكلاء البرمجة جيداً: كيف يُبنى النظام من طرف إلى طرف، وأنواع التطبيقات التي قد تبنيها، وأساسيات التحكّم بالإصدارات والاختبار والنشر والكلفة والحِمل.
العمل مع وكلاء البرمجة كتخصّص هندسي: منح السياق، والتوجيه بالأوامر، والتخطيط والقيادة، ومراجعة المُخرَج دون ثقة عمياء، والأدوات وسير العمل متعدّد الوكلاء — وSkills، الغراء الذي يربط الأدوات والأوامر والسياق، ويُشارَك كإضافات في الأسواق.
مهارة المنتِج/المهندس المعماري: تقرير ما تبنيه في ظل اللايقين. اكتب المواصفات بمساعدة الذكاء الاصطناعي، واختر التقنية والتصميم، وعرّف النجاح بالاختبارات قبل التصميم، وفكّك العمل إلى مهام، وابنِ أدوات لا تتحوّل إلى فوضى.
القرارات الهندسية وراء استخدام النموذج اللغوي جيداً: كيف يرمّز المُدخَل ويولّد المُخرَج، ومفاضلات نافذة السياق، وإصابات التخزين المؤقت، وحدّ المعرفة، ومستوى جهد الاستدلال، ومعاملات العيّنة، واستدعاء الأدوات، ومتى يستحقّ الضبط الدقيق أو الاستضافة الذاتية العناء. مرتبط بـGenAI‑101 للمفاهيم الأساسية.
منح النماذج اللغوية السياق الصحيح لتنتج مُخرَجاً مفيداً. RAG بالبحث المتجهي كتقنية مبكرة، ثم القائمة الأوسع: ما توضع في الأمر مقابل ما يُسترجَع عند الطلب، والفهارس المتجهية مقابل الرسوم المعرفية مقابل الطبقات الدلالية، وتحويل المستندات إلى مُدخَلات جاهزة، وإبقاء البيانات نظيفة وحديثة.
من سير العمل المحدّد مسبقاً إلى مِنصّات الوكلاء التي تقرّر خطوتها التالية. اختر البنية (سَلسَلة، توازٍ، شِفرة مقابل نموذج)، وصمّم حلقة الوكيل بالأدوات والذاكرة، واعرف متى تلزم أوركسترة متعدّدة الوكلاء، وحوّل النماذج الأوّلية إلى وكلاء موثوقين وآمنين.
حلقة التقييم/تحليل الأخطاء المنضبطة التي تميّز أكثر من غيرها من يبرعون في بناء أنظمة الذكاء الاصطناعي. افحص الآثار والمُخرَجات، وقرّر ما تقيسه، واختر من القائمة: تقييمات محدّدة، ونموذج كحَكَم، وإنسان في الحلقة — ثم قيّم تقييماتك لتبقى في تطوّر.
تشغيل برمجيات الذكاء الاصطناعي مختلف بسبب لايقينها وكلفتها وكمونها. ابنِ المراقبة، وتتبّع الأداء واكشف الانحراف، واستجب للأعطال وحوادث حقن الأوامر، ونفّذ اختبار انحدار يعتمد على الإحصاء، وحسّن الكلفة والكمون على نطاق واسع.
العمق في تعلّم الآلة وراء هندسة النماذج اللغوية الجيدة. تُبنى النماذج الحديثة بالتعلّم المُشرَف والتعلّم المعزّز؛ اعرف النماذج الشائعة ومفاضلاتها، وكيفية هندسة بيانات التدريب، والأطر الذهنية — التحيّز/التباين وتحليل الأخطاء — للتعامل مع المُخرَج غير المؤكّد. جسر إلى ML‑101 لا إعادة تدريسه.
هذا مقرر بناء. كل درس يُختَم بقسم «طبّقها» — كيف تنفّذ الفكرة، والخلاصات التي تغذّي أحد مشروعَي التخرّج. أكمِل واحداً، أو كليهما.
ابنِ متتبّعاً أسبوعياً للمهام والتقدّم — مهام هرمية وملاحظات وعرض أسبوعي — ثم اربطه بـWhatsApp أو تطبيق مراسلة آخر لتضيف المهام وتسجّل التقدّم وتحصل على ملخّصات بالرسائل. نموذج لغوي يحلّل رسائلك، ووكيل يقرّر الإجراء، وتقييمات تتحقّق من صحّته.
حوّل ما يعرفه الشخص — مهاراته ومشاريعه وكتاباته — إلى موقع علامة شخصية أنيق، يُولَّد ويُصقَل بالذكاء الاصطناعي. مؤسَّس على مادّته الحقيقية (السيرة، المستودعات، الملاحظات) فتكون كل معلومة صحيحة لا مُختلَقة — انضباط الصدق في هذه المنصّة مطبَّقاً.