البداية: هندسة الذكاء الاصطناعي | AI Engineering Masterclass

في عالم الذكاء الاصطناعي فيه فرق كبير بين إنك تكون "مستخدم" للادوات الجاهزة وبين إنك تكون "مهندس" فاهم المنطق اللي اتبنت عليه النماذج دي. لو شفت معادلة واستخدمتها من غير ما تفهم جت منين، هتفضل دايمًا محبوس جوه قدرات الأدوات اللي غيرك صنعها

في معسكر "البداية"، هدفنا نكسر القاعدة دي. هدفي إنك تكون مكان الشخص اللي فكر في المعادلات دي، عشان بكره تكون إنت اللي بتطور المجال وبتصنع نماذج جديدة

أنا د. محمود عيد، دكتوراه في هندسة الذكاء الاصطناعي وباحث في واحدة من أفضل ١٠ جامعات على مستوى العالم. في المعسكر ده، أنا مش بديك مجرد فيديوهات أنا بنقلك خلاصة اكتر من ١٠ سنين من الخبرة وقرابة ٢٠ سنة من البرمجة العملية عشان تتحرك من مرحلة الأساسيات للاحتراف الهندسي الحقيقي

المعسكر ده هو "البداية" الحقيقية لجيل من المهندسين العرب القادرين على المنافسة وترك بصمة حقيقية في المجال

يتكون المعسكر من 7 مجموعات رئيسية

المجموعة الأولى: Machine Learning Foundations

• Terms (Features, Classes, Samples, Labels…)

• Common Problems (Classification, Regression)

• Data Types

• Vectors And Matrix Operations

• Central Tendency And Variability Measures

• Covariance And Correlation

• Quartiles, Outliers

• Boxplots

• Discrete And Continuous Variables

• Probability Mass/Density Function

• The Normal Distribution

• The Central Limit Theorem

• The Log Function

المجموعة الثانية: Machine Learning Terms and Algorithms

• Linear Regression, Polynomial Regression

• Gradient Descent (Batch, Mini-batch, Stochastic)

• Momentum, RMS Prop, ADAM

• Perceptron, Adaline, Multiclass-classification

• Logistic Regression And Backpropagation

• MLP and Deep Learning

المجموعة الثالثة: Building a Solid Machine Learning Pipeline

• Z-scoring, Handling Outliers, Missing Values

• Data Visualization And Multicollinearity

• Training, Validation, Testing; Cross-validation

• Overfitting, Bias, Covariate Shift

• L1, L2 Regularization, Dropout, Elastic Nets

• Learning Rate Schedulers

• Evaluation Metrics And Hypothesis Testing

• Dimensionality Reduction

• Feature Selection

• Sources Of Error

المجموعة الرابعة: The Probabilistic Approach to ML/DL

• Bayesian Inference

• Understanding And Designing Cost Functions

• Maximum Likelihood Estimation

• Normality Assumptions

• From Bernoulli/Categorical to Classifiers

• Entropy

• KL Divergence

المجموعة الخامسة: Natural Language Processing (NLP)

• Bayesian modeling, sequence models

• GRU, LSTM, BiRNN, Embedding

• Skip gram, negative sampling, GloVe

• Attention Mechanism, Transformers, BERT

• GPT

• Diffusion Models (Brownian motion to Images)

• DDPM paper

• Improved DDPM, Stable Diffusion

• CLIP and Contrastive learning

• Beam search, BLEU score

المجموعة السادسة: Computer Vision

• From Image Processing To CNNs

• CNN Architectures, Batch Normalization

• U-Net, Latent Space

• Augmentation, Transfer Learning, ResNets

• YOLO And Object Tracking

المجموعة السابعة: Building and Deploying Real Projects

• Building ML Systems On The Cloud

• AI-powered Chatbot Website And Mobile App

• Understanding RAG Systems (LangGraph)

• Fine-tuning LLMs (Unsloth With Ollama)

• Building AI Chatbot On Custom Datasets

الكورس فيه مسابقة برمجة بجائزة قيمتها 50,000 جنيه مصري  

المسابقة تنتهي ٣٠ مارس ٢٠٢٦

د. محمود عيد