ad099430632
من أفضل كورسات الذكاء الاصطناعى على الإطلاق , ورغم انى مش مبرمج اصلا ولكنه ادانى صورة عميقة عن كل الادوات اللى بستخدمها وبقيت استخدمها بشكل أفضل , وطبعا انا لسه فى تانى يونيت واستفدت ده ,
AI Engineer - مهندس ذكاء اصطناعي
AI Engineer - مهندس ذكاء اصطناعي
من أول Model API call إلى نظام AI موثوق يعمل في بيئة الإنتاج.
تأخذك هذه الدورة في مسار متكامل لتصبح AI Engineer قادرًا على بناء المنتجات حول النماذج، لا مجرد كتابة Prompt أو إنشاء Demo سريع. ستتعلم كيف تربط النموذج بالبيانات والأدوات وWorkflows، وكيف تضيف التقييم والأمان والمراقبة وتجربة المستخدم والبنية التحتية التي يحتاجها الاستخدام الحقيقي.
تبدأ الرحلة من Tokens وContext وModel APIs، ثم تنتقل إلى Structured Outputs وTool Calling وPrompt & Context Engineering وLangChain، وصولًا إلى RAG باستخدام pgvector وWorkflows باستخدام LangGraph وAgents وMCP.
وفي المشروع الختامي ستبني AI Knowledge and Operations Copilot متعدد المستخدمين، يقرأ مستندات خاصة، ويجيب بمصادر، وينفذ Workflow مضبوطًا، ويطلب موافقة بشرية قبل الإجراءات المؤثرة.
المدرب: Bashmohandes Mazen
Loading video...
احصل على الكورس
34 درس
وصول مدى الحياة- وفر %20$110$130أفضل سعرقم بشراء الكورس و كل الدروس المتعلقة بيه.
اقرا شروط الخدمة هنا.
AI Engineer - مهندس ذكاء اصطناعي
من أول Model API call إلى نظام AI موثوق يعمل في بيئة الإنتاج.
تأخذك هذه الدورة في مسار متكامل لتصبح AI Engineer قادرًا على بناء المنتجات حول النماذج، لا مجرد كتابة Prompt أو إنشاء Demo سريع. ستتعلم كيف تربط النموذج بالبيانات والأدوات وWorkflows، وكيف تضيف التقييم والأمان والمراقبة وتجربة المستخدم والبنية التحتية التي يحتاجها الاستخدام الحقيقي.
تبدأ الرحلة من Tokens وContext وModel APIs، ثم تنتقل إلى Structured Outputs وTool Calling وPrompt & Context Engineering وLangChain، وصولًا إلى RAG باستخدام pgvector وWorkflows باستخدام LangGraph وAgents وMCP.
وفي المشروع الختامي ستبني AI Knowledge and Operations Copilot متعدد المستخدمين، يقرأ مستندات خاصة، ويجيب بمصادر، وينفذ Workflow مضبوطًا، ويطلب موافقة بشرية قبل الإجراءات المؤثرة.
المدرب: Bashmohandes Mazen
adelr234216
كورس ممتاز تبسيط للمفاهيم بشكل عبقري والتطبيق العملي فالريبو علي ريموت حاجه تانيه مهندس مازن شاطر جدا ربنا يوفقو
shady335776
ممتاز
محتويات الدورة
هذه الدورة تنقسم إلى مراحل ووحدات تعليمية مختلفة تغطي جميع مكونات المجال
المرحلة 1
المرحلة 1: التهيئة وأساسيات الذكاء الاصطناعي
تهيّئ هذه المرحلة المتعلم لفهم دور AI Engineer، وطبيعة الأنظمة المبنية على النماذج، وحدود النماذج من حيث المعرفة وTokens وContext.
1
موديول
1 / 5
المرحلة 2
المرحلة 2: Model APIs وPrompt Engineering وLangChain
تنقل هذه المرحلة المتعلم من استدعاء النماذج مباشرة عبر APIs إلى تصميم Prompts قابلة للقياس وإدارة السياق، ثم بناء مكوّنات قابلة لإعادة الاستخدام باستخدام LangChain.
3
موديول
1 / 5
المرحلة 3
المرحلة 3: RAG وWorkflows وAgents
تغطي هذه المرحلة إضافة المعرفة الخارجية عبر RAG، وتنظيم المهام المعقدة في Workflows قابلة للاستئناف، وبناء Agents وأدوات تعمل ضمن حدود واضحة وآمنة.
3
موديول
1 / 5
المرحلة 4
المرحلة 4: هندسة منتجات الذكاء الاصطناعي Full-Stack
تركز هذه المرحلة على تحويل قدرات AI إلى منتج متكامل وسهل الاستخدام وقابل للقياس، مع إدارة الحالة والتقييم والمراقبة والأمن والخصوصية.
3
موديول
1 / 5
المرحلة 5
المرحلة 5: المشروع الختامي (Capstone)
تجمع هذه المرحلة مهارات الدورة في مشروع إنتاجي متكامل لبناء مساعد معرفة وعمليات آمن، متعدد المستخدمين، وقابل للنشر والتقييم والدفاع التقني.
1
موديول
1 / 5
مرحلة
1
المرحلة 1
المرحلة 1: التهيئة وأساسيات الذكاء الاصطناعي
تهيّئ هذه المرحلة المتعلم لفهم دور AI Engineer، وطبيعة الأنظمة المبنية على النماذج، وحدود النماذج من حيث المعرفة وTokens وContext.
1
موديول
مرحلة
2
المرحلة 2
المرحلة 2: Model APIs وPrompt Engineering وLangChain
تنقل هذه المرحلة المتعلم من استدعاء النماذج مباشرة عبر APIs إلى تصميم Prompts قابلة للقياس وإدارة السياق، ثم بناء مكوّنات قابلة لإعادة الاستخدام باستخدام LangChain.
3
موديول
مرحلة
3
المرحلة 3
المرحلة 3: RAG وWorkflows وAgents
تغطي هذه المرحلة إضافة المعرفة الخارجية عبر RAG، وتنظيم المهام المعقدة في Workflows قابلة للاستئناف، وبناء Agents وأدوات تعمل ضمن حدود واضحة وآمنة.
3
موديول
مرحلة
4
المرحلة 4
المرحلة 4: هندسة منتجات الذكاء الاصطناعي Full-Stack
تركز هذه المرحلة على تحويل قدرات AI إلى منتج متكامل وسهل الاستخدام وقابل للقياس، مع إدارة الحالة والتقييم والمراقبة والأمن والخصوصية.
3
موديول
مرحلة
5
المرحلة 5
المرحلة 5: المشروع الختامي (Capstone)
تجمع هذه المرحلة مهارات الدورة في مشروع إنتاجي متكامل لبناء مساعد معرفة وعمليات آمن، متعدد المستخدمين، وقابل للنشر والتقييم والدفاع التقني.
1
موديول
إكمال الدورة
تهانينا! لقد أكملت جميع الوحدات والدروس وأصبحت جاهزاً للانطلاق
المرحلة 1
المرحلة 1: التهيئة وأساسيات الذكاء الاصطناعي
تهيّئ هذه المرحلة المتعلم لفهم دور AI Engineer، وطبيعة الأنظمة المبنية على النماذج، وحدود النماذج من حيث المعرفة وTokens وContext.
1
موديول
المرحلة 2
المرحلة 2: Model APIs وPrompt Engineering وLangChain
تنقل هذه المرحلة المتعلم من استدعاء النماذج مباشرة عبر APIs إلى تصميم Prompts قابلة للقياس وإدارة السياق، ثم بناء مكوّنات قابلة لإعادة الاستخدام باستخدام LangChain.
3
موديول
المرحلة 3
المرحلة 3: RAG وWorkflows وAgents
تغطي هذه المرحلة إضافة المعرفة الخارجية عبر RAG، وتنظيم المهام المعقدة في Workflows قابلة للاستئناف، وبناء Agents وأدوات تعمل ضمن حدود واضحة وآمنة.
3
موديول
المرحلة 4
المرحلة 4: هندسة منتجات الذكاء الاصطناعي Full-Stack
تركز هذه المرحلة على تحويل قدرات AI إلى منتج متكامل وسهل الاستخدام وقابل للقياس، مع إدارة الحالة والتقييم والمراقبة والأمن والخصوصية.
3
موديول
المرحلة 5
المرحلة 5: المشروع الختامي (Capstone)
تجمع هذه المرحلة مهارات الدورة في مشروع إنتاجي متكامل لبناء مساعد معرفة وعمليات آمن، متعدد المستخدمين، وقابل للنشر والتقييم والدفاع التقني.
1
موديول
1 / 5
أهداف الدورة
الأهداف التي ستحققها عند إتمام هذه الدورة
1
LangGraph Workflows — بناء AI Workflows ديناميكية وموثوقة وقابلة للاستئناف
2
RAG Systems — بناء تطبيقات تجيب من Private Data مع Citations واضحة
3
AI Agents — إنشاء Agents تستخدم Tools وتنجز Multi-Step Tasks بأمان
4
Context Engineering — تصميم Context يرفع الجودة ويخفض Latency وCost
5
LangChain Composition — بناء AI Components قابلة لإعادة الاستخدام
6
Structured Outputs & Schema Validation — إنتاج مخرجات منظمة وموثوقة للتطبيقات
7
Tool Calling & MCP — ربط AI Systems بالخدمات والبيانات بأمان
8
Vector Embeddings & Semantic Search — بناء Search يفهم المعنى، لا الكلمات فقط
9
Production Prompt Engineering — تطوير Prompts قابلة للاختبار والإصدار والتحسين
10
Stateful AI & Human-in-the-Loop — حفظ State وإضافة Checkpoints وApprovals
11
AI Product UX — تصميم Streaming وProgress وMemory بشكل عملي
12
Evaluation & Observability — قياس Quality وتتبع Latency وCost والأخطاء
13
AI Security — الحد من Prompt Injection وتسرب البيانات والإجراءات غير الآمنة
14
Production Capstone — بناء ونشر Multi-User AI Product متكامل
1 / 14
1
LangGraph Workflows — بناء AI Workflows ديناميكية وموثوقة وقابلة للاستئناف
2
RAG Systems — بناء تطبيقات تجيب من Private Data مع Citations واضحة
3
AI Agents — إنشاء Agents تستخدم Tools وتنجز Multi-Step Tasks بأمان
4
Context Engineering — تصميم Context يرفع الجودة ويخفض Latency وCost
5
LangChain Composition — بناء AI Components قابلة لإعادة الاستخدام
6
Structured Outputs & Schema Validation — إنتاج مخرجات منظمة وموثوقة للتطبيقات
لمن هذه الدورة؟
هذه الدورة مُصممة خصيصاً للفئات التالية من المتعلمين
مطورو Back-End وFull-Stack الراغبون في الانتقال إلى هندسة منتجات الذكاء الاصطناعي.
المطورون الذين بنوا AI Demos أو Chatbots ويريدون تحويلها إلى أنظمة موثوقة قابلة للتشغيل الفعلي.
مهندسو ML وData الذين يريدون بناء طبقة التطبيق والWorkflows والبنية المحيطة بالنموذج.
Tech Leads وSoftware Architects المسؤولون عن قرارات الموثوقية والأمان والتكلفة وقابلية التوسع.
المؤسسون التقنيون وProduct Engineers الذين يبنون مساعدين معرفيين أو أتمتة أعمال مدعومة بالذكاء الاصطناعي.
1 / 5
مطورو Back-End وFull-Stack الراغبون في الانتقال إلى هندسة منتجات الذكاء الاصطناعي.
المطورون الذين بنوا AI Demos أو Chatbots ويريدون تحويلها إلى أنظمة موثوقة قابلة للتشغيل الفعلي.
مهندسو ML وData الذين يريدون بناء طبقة التطبيق والWorkflows والبنية المحيطة بالنموذج.
المتطلبات
Software Development — خبرة عملية في البرمجة باستخدام لغة حديثة
Web & APIs — فهم أساسي لـ Web Applications وAPIs وRequest/Response
Databases — معرفة أساسية بـ Databases وSQL
Software Development — خبرة عملية في البرمجة باستخدام لغة حديثة
Web & APIs — فهم أساسي لـ Web Applications وAPIs وRequest/Response
Databases — معرفة أساسية بـ Databases وSQL
Developer Tools — القدرة على استخدام Terminal وGit وPackage Managers وقراءة الأخطاء
Local Environment — جهاز متصل بالإنترنت وقادر على تشغيل Development Environment وDocker
No ML Background Required — لا تُشترط خبرة سابقة في Machine Learning أو تدريب النماذج أو الرياضيات المتقدمة
الأسئلة الشائعة
إجابات على أكثر الأسئلة شيوعاً حول هذه الدورة
نعم. يحصل الطالب المسجل مع كل Lesson على تعليمات واضحة للوصول إلى Private GitHub Repository الخاص به، مع الكود التطبيقي الكامل لتشغيله ومراجعته والبناء عليه خطوة بخطوة.
لا. تركز الدورة على بناء منتجات وأنظمة حول النماذج المتاحة عبر Model APIs. موضوعات بنية النموذج الداخلية مثل Attention وLayers ورياضيات التدريب خارج نطاق الدورة.
لا. Prompt Engineering جزء من النظام، لكن الدورة تغطي أيضًا Structured Outputs وTool Calling وRAG وLangChain وLangGraph وAgents وMCP وتجربة المستخدم والتقييم والأمان والنشر.
سيبني المتعلم AI Knowledge and Operations Copilot متعدد المستخدمين، يستوعب مستندات خاصة، ويجيب بمصادر، وينفذ Workflow مضبوطًا، ويستخدم أدوات أعمال، ويطلب موافقة بشرية قبل الإجراءات المؤثرة.
تشمل Model APIs وJSON Schema وZod وLangChain وEmbeddings وpgvector وLangGraph وMCP، إلى جانب Streaming وTracing وEvaluation وSecurity وDeployment.
من خلال معايير نجاح وبيانات تقييم، ومخرجات مهيكلة، واسترجاع مدعوم بالمصادر، وفحوص حتمية، وGraders وTracing، وتحليل حالات الفشل ومراقبة الإنتاج.
تغطي Prompt Injection وعزل بيانات المستخدمين وحماية البيانات الحساسة وتقليل صلاحيات الأدوات والموافقات البشرية وسجلات التدقيق والتحقق من مخرجات النموذج قبل استخدامها.
لا. ستتعلم اختيار النمط الأنسب بين Chat وCommand وSuggestion وWorkflow وBackground Agent، واستخدام أقل مستوى من الاستقلالية يحقق المطلوب بأمان.
- التقييمات
- الشرح
لم يعد دور مهندس الذكاء الاصطناعي (AI Engineer) هو تدريب نموذج من الصفر، بل بناء نظام برمجي موثوق حول نموذج نصل إليه عبر API. قد يكون استدعاء النموذج بسيطًا، لكن المنتج الحقيقي يحتاج إلى بيانات صحيحة، ومخرجات قابلة للتحقق، وتدفقات عمل واضحة، وضوابط أمان، وتجربة استخدام مناسبة، وبنية تحتية تتحمل الاستخدام الفعلي.
تبدأ الدورة بتوضيح ما يبنيه AI Engineer فعليًا، والفرق بينه وبين Data Scientist وML Engineer وFull-Stack Engineer. ثم تشرح حدود النموذج وطريقة تعامله مع Tokens وContext Window وTemperature، قبل الانتقال إلى دمج Model APIs، وإدارة الرسائل وStreaming والوسائط وميزانية Tokens.
بعد ذلك ستبني Structured Outputs باستخدام JSON Schema وZod، وتنفذ Tool Calling وفق المبدأ الصحيح: النموذج يقترح، لكن التطبيق يتحقق وينفذ. وستتعلم التعامل مع أخطاء الأدوات والمخرجات غير الصالحة، وفصل التعليمات الموثوقة عن مدخلات المستخدم غير الموثوقة.
ثم تنتقل إلى Prompt & Context Engineering انطلاقًا من معايير نجاح قابلة للقياس وEvaluation Dataset تمثل الحالات الطبيعية والطرفية والهجومية. ستنظم التعليمات والأمثلة والسياق، وتقلل الضوضاء والتكرار، وتدير Prompts وإعدادات النموذج والSchemas كأصول برمجية ذات إصدارات واختبارات ونشر متدرج.
ستستخدم LangChain لتكوين عمليات AI قابلة لإعادة الاستخدام واختبارها وتتبعها، ثم تبني خط RAG متكاملًا يشمل تحميل المستندات وتنظيفها وتقسيمها إلى Chunks، وإنشاء Embeddings، والبحث الدلالي باستخدام pgvector، وحفظ المصادر وMetadata، وتطبيق Document Ownership وTenant Isolation.
وتغطي الدورة AI Workflows باستخدام LangGraph، بما فيها Routing وParallelization وOrchestrator–Worker وEvaluator–Optimizer، مع State وCheckpoints والموافقة البشرية والاستئناف بعد الفشل وStreaming للتقدم. ثم تنتقل إلى Agent Loop وتصميم Tools موثوقة، وضبط الصلاحيات والميزانيات وشروط التوقف، وبناء واختبار MCP Server صغير.
وفي مرحلة هندسة المنتج ستصمم تجربة استخدام تتجاوز Chat Box، وتدير حالة التطبيق والمحادثات والذاكرة والتغذية الراجعة، وتقيس جودة أنظمة RAG وWorkflows وAgents باستخدام Graders وTraces وتجارب الإنتاج. كما ستطبق Threat Modelling وتتعامل مع Prompt Injection والبيانات الحساسة وعزل المستخدمين وأمان الأدوات والمخرجات.
تُختتم الدورة بمشروع AI Knowledge and Operations Copilot متعدد المستخدمين، يستوعب مستندات خاصة، ويجيب بمصادر، وينفذ Workflow مضبوطًا، ويستخدم أدوات أعمال، ويطلب موافقة بشرية قبل الإجراءات المؤثرة. ويشمل المشروع النشر والاختبار والتوثيق وتقرير التقييم ونموذج التهديدات والدفاع التقني عن قرارات التصميم.