المجلد السادس — 🗺️ خارطة الطريق: من الصفر إلى الخبير

الفصل الأول

📖 لمحة عامة — لماذا هذا المسار؟

في عالم يزدحم بالمحتوى السطحي عن الذكاء الاصطناعي، حيث تنتشر الفيديوهات التي تَعِد "بجني الملايين باستخدام ChatGPT" وتتوالى الادعاءات بأن تعلم الآلة "سحري" ويُمكن إتقانه في أسبوعين، يأتي هذا المسار ليكون دليلك الواقعي للوصول إلى مستوى الخبير الحقيقي في الذكاء الاصطناعي.

⚠️ الفرق بين تعلم الآلة "السحري" والفهم العميق الحقيقي

الكثيرون يقفزون مباشرة إلى استخدام APIs جاهزة مثل OpenAI و Hugging Face، فيظنون أنهم خبراء. لكن الخبير الحقيقي هو من يفهم ما يحدث تحت الغطاء، ويستطيع بناء النماذج من الصفر، وتشخيص المشكلات، وتطوير حلول مخصصة. هذا المسار لا يعلّمه كيف تستخدم الذكاء الاصطناعي — بل كيف تصنعه.

📋 متطلبات النجاح

المتطلب	المستوى المطلوب	ملاحظات
📐 الجبر الخطي	بكالوريوس — مصفوفات، متجهات، eigenvalues	أساسي لمعظم خوارزميات DL
📈 التفاضل والتكامل	بكالوريوس — قاعدة السلسلة، التدرج	قلب خوارزمية backpropagation
📊 الإحصاء والاحتمالات	بكالوريوس — توزيعات، اختبار فرضيات	لتقييم النماذج وفهم الثقة
💻 البرمجة	بايثون أساسي — loops, functions, OOP	يمكن تعلّمها خلال شهر-شهرين
🇬🇧 اللغة الإنجليزية	قراءة أكاديمية (B2+)	ضرورية لقراءة الأوراق البحثية والمصادر

⏱️ كم تحتاج من الوقت؟

بين ١٢ و ٢٤ شهرًا من العمل المكثف بدوام كامل (٦-١٠ ساعات يوميًا). هذا ليس مسارًا سريعًا — إنه خريطة طريق واقعية لمن يريد الوصول إلى مصافّ الخبراء العالميين. يمكن أن يقل الوقت لأصحاب الخلفية الرياضية/الهندسية القوية.

🧭 ماذا ستتعلم؟

الشبكات العصبية — من perceptron إلى الشبكات العميقة

المحولات (Transformers) — قلب ثورة الذكاء الاصطناعي التوليدي

نماذج اللغة الكبيرة (LLMs) — بناء، تدريب، تحسين

الصوت والتحدث — STT، TTS، Voice Cloning

البنية التحتية — GPU clusters، MLOps، نشر الإنتاج

الفصل الثاني

📚 المرحلة ١ — التأسيس (شهر ١-٣)

هذه المرحلة هي أساس البناء. لا يمكنك بناء ناطحة سحاب على رمال متحركة، لذا سنركز هنا على ترسيخ المفاهيم الأساسية التي ستحملك طوال رحلتك.

الأسبوع	الموضوع	الأهداف الرئيسية
١-٢	🐍 بايثون لعلم البيانات	NumPy, Pandas, Matplotlib
٣-٤	📐 الجبر الخطي	مصفوفات، متجهات، eigenvalues, SVD
٥-٦	📈 التفاضل والتكامل	قاعدة السلسلة، التدرج، الاشتقاق الآلي
٧-٨	📊 الإحصاء والاحتمالات	التوزيعات، نظرية بايز، تقدير المعلمات
٩-١٢	🤖 Intro to ML + أول شبكة عصبية	Linear Regression ← Logistic ← Perceptron ← MLP

📌 الموارد الأساسية

3Blue1Brown

سلسلة "Essence of Linear Algebra" و "Neural Networks" — أفضل شرح بصري

🎬 يوتيوب

Andrej Karpathy — Zero-to-Hero

بناء شبكات عصبية من الصفر في Python + Micrograd

🎬 فيديو

Kaggle Microcourses

دورات مصغّرة مجانية في Python, ML, Pandas

💻 تفاعلي

Deep Learning with Python — Chollet

الكتاب المرجعي العملي الأكثر شهرة

📖 كتاب

🚀 المشروع الأول

المشروع

MNIST من الصفر

بناء مصنّف أرقام مكتوبة بخط اليد باستخدام NumPy فقط — بدون PyTorch أو TensorFlow. هذا المشروع سيعلمك كيف تعمل backpropagation فعليًا.

💡 نصيحة الموسم

لا تتخطى الجبر الخطي مهما كان مغرٍيًا. خوارزميات الذكاء الاصطناعي كلها — من GPT-4 إلى Stable Diffusion — هي في جوهرها عمليات مصفوفات ضخمة. كلما فهمت المصفوفات بعمق، كلما كان فهمك أعمق لكل ما يأتي لاحقًا.

الفصل الثالث

🔬 المرحلة ٢ — التعمق (شهر ٤-٨)

بعد أن بنيت أساسًا متينًا، حان وقت التعمق. ستنتقل من فهم المفاهيم النظرية إلى بناء نماذج حقيقية باستخدام PyTorch، وستستكشف أغلب فروع التعلم العميق.

الشهر	الموضوع	المحتوى
٤-٥	🔥 PyTorch عميق	Autograd, DataLoader, Custom Modules, GPU Training
٥-٦	🖼️ Convolutional Networks	CNNs, ResNet, Transfer Learning, Object Detection intro
٦-٧	🔄 RNN, LSTM, GRU	التسلسلات، Vanishing Gradient، التطبيقات النصية والزمنية
٧-٨	🧠 Attention + Transformer	Self-Attention, Multi-Head Attention, من الصفر

📌 الموارد الأساسية

Stanford CS231n

المرجع الأكاديمي للرؤية الحاسوبية والشبكات الالتفافية

🎬 فيديو

Stanford CS224n

معالجة اللغة الطبيعية مع التركيز على RNNs و Transformers

🎬 فيديو

Dive into Deep Learning (d2l.ai)

كتاب تفاعلي مع كود — يشرح النظرية والتطبيق معًا

📖 تفاعلي

Fast.ai

منهج تعليمي من الأعلى للأسفل — ممتاز للفهم العملي

💻 كورس

🚀 المشاريع

المشروع ٢

Image Classifier متكامل

بناء مصنّف صور باستخدام CNN مع Transfer Learning (ResNet, EfficientNet). يشمل Data Augmentation و Hyperparameter Tuning.

المشروع ٣

Transformer صغير من الصفر

بناء Transformer باستخدام PyTorch فقط لتوليد النصوص. هذا المشروع هو الأساس لكل النماذج الحديثة (GPT, BERT, T5).

🔥 تحدّي Transformer

هذه هي أهم لحظة في رحلتك. عندما تبني Transformer بنفسك — وتفهم كل جزء منه: Attention, Positional Encoding, LayerNorm, Feed-Forward — عندها فقط ستكون مستعدًا لفهم GPT و LLaMA و BERT. لا تنتقل للمرحلة التالية إلا بعد أن تشعر بالثقة في هذا المشروع.

الفصل الرابع

🎯 المرحلة ٣ — التخصص (شهر ٩-١٨)

هنا تبدأ رحلة التخصص. بعد أن أتقنت الأساسيات، حان وقت اختيار مسار واحد (أو أكثر) والتعمق فيه لمدة ١٠ أشهر. كل مسار يوصلك إلى مستوى خبير في مجاله.

🅰️ LLMs — نماذج اللغة 🅱️ Speech/Audio — الصوت 🅲️ Computer Vision — الرؤية 🅳️ Infrastructure/MLOps — البنية التحتية

🅰️ المسار أ: نماذج اللغة الكبيرة (LLMs)

الشهر	الموضوع	المخرجات
٩-١٠	هندسة LLMs المتقدمة	فهم GPT, LLaMA, Mistral architectures, MoE, GQA, RoPE
١١-١٢	التدريب الموزع	FSDP, DeepSpeed, Tensor/Pipeline Parallelism, NCCL
١٣-١٤	Fine-tuning + Alignment	LoRA, QLoRA, RLHF, DPO, ORPO, Reward Modeling
١٥-١٦	النشر والتقييم	vLLM, TGI, Triton, Evaluation Benchmarks, Safety

🚀 مشروع التخرج — Fine-tune LLaMA على بيانات عربية

قم بتنزيل LLaMA-3 8B، وجهّز مجموعة بيانات عربية (مثل Reddit Arabia أو Wikipedia Arabic)، واستخدم LoRA/QLoRA لضبط النموذج على مهمة توليد محتوى عربي. قيّم النتيجة باستخدام BLEU, ROUGE, و Human Evaluation.

🅱️ المسار ب: Speech / Audio

الشهر	الموضوع	المخرجات
٩-١٠	معالجة الصوت	librosa, torchaudio, STFT, Mel-spectrogram, Features
١١-١٢	تدريب STT	Whisper fine-tuning, Connectionist Temporal Classification
١٣-١٤	تدريب TTS	Coqui TTS, XTTS, VITS, Tacotron, FastSpeech
١٥-١٦	Voice Cloning + Deployment	Speaker Encoder, Zero-shot Cloning, Real-time Inference

🚀 مشروع التخرج — نموذج TTS عربي سعودي

ابنِ نموذج تحويل نص إلى كلام باللهجة السعودية. ابدأ بجمع بيانات صوتية (لهجة سعودية)، ودرّب نموذج XTTS-V2 عليها. النتيجة: نموذج يقرأ أي نص عربي بصوت سعودي طبيعي.

🅲️ المسار ج: Computer Vision

الشهر	الموضوع	المخرجات
٩-١٠	Object Detection	YOLO, DETR, Faster R-CNN, mAP Evaluation
١١-١٢	Segmentation	U-Net, SAM, Mask R-CNN, Instance/Semantic Segmentation
١٣-١٤	Generative Models	Diffusion Models, DDPM, Stable Diffusion, ControlNet
١٥-١٦	Video Understanding	VideoMAE, TimeSformer, Action Recognition, Tracking

🚀 مشروع التخرج — نظام رؤية كامل

ابنِ نظامًا يكتشف الأشياء ويصنّفها ويقسمها في الفيديو المباشر. استخدم YOLO-NAS للاكتشاف و SAM للتقسيم. أضف واجهة مستخدم باستخدام Gradio أو Streamlit. اجعل النظام يعمل في الوقت الحقيقي.

🅳️ المسار د: Infrastructure / MLOps

الشهر	الموضوع	المخرجات
٩-١٠	GPU Clusters	NVIDIA NCCL, InfiniBand, GPUDirect, Cluster Architecture
١١-١٢	Orchestration	Kubernetes + Ray + SLURM, GPU Scheduling, Auto-scaling
١٣-١٤	CI/CD + Monitoring	ML Pipelines, Model Registry, Prometheus + Grafana, Alerts
١٥-١٦	Cost Optimization	Spot Instances, Multi-Cloud, Carbon Footprint, Budgeting

🚀 مشروع التخرج — بناء GPU Cluster صغير

استخدم ٤-٨ GPUs (عبر Lambda Labs أو RunPod أو محليًا) وابنِ كتلة تدريب موزعة. قم بإعداد Kubernetes + Ray، ودرّب نموذجًا باستخدام FSDP على الكتلة. وثّق التكوين والنتائج.

الفصل الخامس

🏆 المرحلة ٤ — الاحتراف والنشر العلمي (شهر ١٩-٢٤+)

وصلت إلى هنا — أنت الآن خبير تقني متكامل. لكن الخبير الحقيقي لا يكتفي بالمعرفة، بل ينشرها ويبني سمعة عالمية. هذه المرحلة تركز على التحول من متعلم إلى قائد في المجال.

📖 قراءة الأوراق البحثية — كيف تقرأ ١٠ ورقات/أسبوع

🔍 استراتيجية القراءة

ابدأ بالـ Abstract والـ Conclusion — هل الورقة مهمة لمجالك؟ اقرأ Figures أولاً (الصور تختصر ألف كلمة). اقرأ Related Work للتأريخ. اقرأ Method بالتفصيل. أخيرًا، اقرأ Results مع نقد. درّب نفسك على القراءة السريعة: ٣٠ دقيقة لكل ورقة.

📬 أين تنشر؟

المنصة/المؤتمر	المجال	نسبة القبول	ملاحظات
NeurIPS	عام (ML/DL)	~٢٥٪	الأرفع مكانة في ML
ICML	تعلم الآلة	~٢٥٪	موازٍ في المكانة لـ NeurIPS
ICLR	التعلم التمثيلي	~٢٥٪	سريع النمو، يقدر الأوراق الجريئة
ACL / EMNLP	NLP / LLMs	~٢٥-٣٠٪	أهم مؤتمرات NLP
Interspeech / ICASSP	Speech / Audio	~٤٥-٥٠٪	أفضل فرصة للنشر في الصوت
CVPR / ICCV	Computer Vision	~٢٥٪	أهم مؤتمرات الرؤية
🌐 arXiv	جميع المجالات	—	نشر مسبق (preprint)، ضروري لبناء السمعة

✍️ كتابة البحث — من الفكرة إلى النشر

اختيار الفكرة: اقرأ ٥٠+ ورقة في مجالك، حدد الثغرات، صغ سؤالاً بحثيًا.
التجارب: دَوّن كل تجربة، احتفظ بنتائج الفاشل منها، استخدم Weights & Biases للتتبع.
الكتابة: ابدأ بـ Figures (قصة البحث في صور)، ثم Method، ثم Introduction.
المراجعة: اطلب من ٢-٣ زملاء مراجعة قبل الإرسال. استعد للرفض — كل الباحثين الناجحين رُفضوا في البداية.

🤝 المساهمات مفتوحة المصدر

المساهمة في المشاريع مفتوحة المصدر هي أسرع طريقة لبناء سمعة تقنية. ابدأ بخطوات صغيرة:

ساهم في توثيق Hugging Face 🤗 أو PyTorch
أصلح Bugs بسيطة في مكتبات تستخدمها
ابنِ مكتبة مفتوحة المصدر خاصة بك وأطلقها على GitHub
شارك في فعاليات Hacktoberfest و ML Contests

🌐 بناء السمعة

🐦 Twitter / X

تابع الباحثين، انشر نتائجك، تفاعل مع المجتمع

💼 LinkedIn

انشر ملخصات الأوراق، اكتب محتوى تعليمي

📝 Blog تقني

Medium، Dev.to، أو مدونة شخصية — شرّح المفاهيم بلغة بسيطة

🎤 التحدث

قدّم في meetups، مؤتمرات، وورش عمل

💼 بناء شركة AI

معظم شركات الذكاء الاصطناعي الناجحة وُلدت من أوراق بحثية أو مشاريع مفتوحة المصدر. بعد أن تصل لهذه المرحلة، لديك المهارات لتحويل معرفتك إلى منتج. ابحث عن مشكلة حقيقية، ابنِ حلًا، وانطلق.

الفصل السادس

📚 موارد متكاملة — أكبر مرجع عربي

هذا الفصل هو كنز الموارد الذي يضم كل ما تحتاجه في رحلتك — كتب، كورسات، قنوات، مجتمعات، أدوات، أوراق بحثية. صمم هذا القسم ليكون مرجعًا دائمًا ترجع إليه في أي مرحلة من رحلتك.

📖 قائمة بأكثر من ٥٠ كتابًا

#	الكتاب	المؤلف	المستوى	لغة
١	Deep Learning	Goodfellow, Bengio, Courville	متقدم	🇬🇧
٢	Deep Learning with Python	François Chollet	مبتدئ-متوسط	🇬🇧
٣	Dive into Deep Learning (d2l.ai)	Zhang, Lipton, Li, Smola	مبتدئ-متوسط	🇬🇧
٤	The Elements of Statistical Learning	Hastie, Tibshirani, Friedman	متقدم	🇬🇧
٥	Pattern Recognition and Machine Learning	Christopher Bishop	متقدم	🇬🇧
٦	Mathematics for Machine Learning	Deisenroth, Faisal, Ong	متوسط	🇬🇧
٧	Speech and Language Processing	Jurafsky & Martin	متوسط-متقدم	🇬🇧
٨	Hands-On Machine Learning with Scikit-Learn, Keras & TF	Aurélien Géron	مبتدئ-متوسط	🇬🇧
٩	Natural Language Processing with Transformers	Tunstall, Werra, Wolf	متوسط	🇬🇧
١٠	Designing Machine Learning Systems	Chip Huyen	متوسط	🇬🇧
١١	Introduction to Linear Algebra	Gilbert Strang	أساسي	🇬🇧
١٢	Calculus (Early Transcendentals)	Stewart	أساسي	🇬🇧
١٣	Probabilistic Machine Learning	Kevin Murphy	متقدم	🇬🇧
١٤	Understanding Deep Learning	Simon J.D. Prince	متوسط	🇬🇧
١٥	Machine Learning Engineering	Andrew Ng (Andriy Burkov)	متوسط	🇬🇧
١٦	Grokking Deep Learning	Andrew Trask	مبتدئ	🇬🇧
١٧	Transformers for NLP	Denis Rothman	متوسط	🇬🇧
١٨	Generative Deep Learning	David Foster	متوسط	🇬🇧
١٩	Reinforcement Learning: An Introduction	Sutton & Barto	متقدم	🇬🇧
٢٠	Practical MLOps	Noah Gift et al.	متوسط	🇬🇧
٢١	Deep Learning for Coders with Fastai and PyTorch	Howard & Gugger	مبتدئ-متوسط	🇬🇧
٢٢	Machine Learning: A Probabilistic Perspective	Kevin Murphy	متقدم	🇬🇧
٢٣	Python Data Science Handbook	Jake VanderPlas	أساسي	🇬🇧
٢٤	Introduction to Statistical Learning (ISLR)	James, Witten, Hastie, Tibshirani	متوسط	🇬🇧
٢٥+	— المزيد من الكتب العربية في الأسفل —

📚 كتب عربية مهمة

#	الكتاب	المؤلف	الموضوع
٢٥	مقدمة في الذكاء الاصطناعي	د. صالح السنوسي	مدخل عربي شامل
٢٦	تعلم الآلة: أساسيات وتطبيقات	د. أسامة داود	نظرة عامة عملية
٢٧	الشبكات العصبية والتعلم العميق	د. محمد الرويلي	ترجمة وشرح للمفاهيم
٢٨	معالجة اللغة العربية	د. نبيل علي	NLP عربي متخصص
٢٩	الثورة الصناعية الرابعة	د. ماجد الحربي	الذكاء الاصطناعي والمجتمع
٣٠+	— ستجد مزيدًا في المكتبة العربية —

🎓 قائمة بأكثر من ٣٠ كورسًا مجانيًا

#	الكورس	المنصة	المستوى
١	Machine Learning Specialization (Andrew Ng)	Coursera / DeepLearning.AI	مبتدئ
٢	Deep Learning Specialization	Coursera / DeepLearning.AI	متوسط
٣	CS229 — Machine Learning (Stanford)	يوتيوب / Stanford Online	متوسط
٤	CS231n — CNNs for Visual Recognition	Stanford Online	متوسط-متقدم
٥	CS224n — NLP with Deep Learning	Stanford Online	متوسط-متقدم
٦	CS182 — Deep Learning (UC Berkeley)	يوتيوب	متوسط-متقدم
٧	MIT 6.S191 — Intro to Deep Learning	MIT / يوتيوب	مبتدئ-متوسط
٨	Fast.ai Practical Deep Learning	Fast.ai (مجاني)	مبتدئ
٩	Hugging Face Course (NLP)	Hugging Face	متوسط
١٠	Full Stack Deep Learning	fullstackdeeplearning.com	متوسط
١١	MLOps Specialization	Coursera / DeepLearning.AI	متوسط
١٢	TensorFlow Developer Certificate	Coursera / DeepLearning.AI	متوسط
١٣	PyTorch for Deep Learning	freeCodeCamp / يوتيوب	مبتدئ-متوسط
١٤	Krish Naik — ML/DL tutorials	يوتيوب	مبتدئ-متوسط
١٥	OpenAI Spinning Up in Deep RL	OpenAI (مجاني)	متقدم
١٦	NYU DGL — Deep Learning (Yann LeCun)	يوتيوب	متقدم
١٧	Berkeley CS285 — Deep RL	يوتيوب	متقدم
١٨	Practical ML (Dive into Deep Learning)	d2l.ai (تفاعلي)	متوسط
١٩	Stanford XCS224U — NLU	Stanford Online	متقدم
٢٠	GPU Mode (Training/Performance)	يوتيوب (قناة GPU MODE)	متقدم
٢١	Andrew Ng — AI for Everyone	Coursera	أساسي
٢٢	Mathematics for ML	Coursera / Imperial College	أساسي
٢٣	Kaggle Learn Microcourses	Kaggle (مجاني)	مبتدئ
٢٤	DataCamp — Python for Data Science	DataCamp (جزئيًا مجاني)	مبتدئ
٢٥	Google ML Crash Course	Google (مجاني)	مبتدئ-متوسط
٢٦	Stanford CS 224V — Conversational AI	Stanford Online	متقدم
٢٧	UvA Deep Learning Tutorials	جامعة أمستردام (يوتيوب)	متوسط
٢٨	Statistics 110 (Harvard, Joe Blitzstein)	يوتيوب / Harvard	أساسي-متوسط
٢٩	3Blue1Brown — Neural Networks	يوتيوب (مجاني)	أساسي
٣٠	Andrej Karpathy — Zero-to-Hero	يوتيوب (مجاني)	متوسط
٣١	Prompt Engineering for AI (DeepLearning.AI)	Coursera	مبتدئ
٣٢	LangChain for LLMs (DeepLearning.AI)	Coursera	متوسط
٣٣+	— و العديد من الكورسات على رواق ومنصة نفهم —

🎬 قائمة بأكثر من ٢٠ قناة يوتيوب

#	القناة	المجال	اللغة
١	3Blue1Brown	رياضيات + تصور بصري	🇬🇧
٢	Andrej Karpathy	تعلم عميق من الصفر	🇬🇧
٣	Stanford Online	محاضرات جامعية كاملة	🇬🇧
٤	MIT OpenCourseWare	محاضرات MIT	🇬🇧
٥	Yannic Kilcher	مراجعة أوراق بحثية أسبوعية	🇬🇧
٦	Two Minute Papers	ملخصات أبحاث (دقيقتان)	🇬🇧
٧	StatQuest with Josh Starmer	إحصاء + ML ببساطة	🇬🇧
٨	AI Coffee Break with Letitia	مفاهيم DL موجزة	🇬🇧
٩	Nicholas Renotte	AI تطبيقي وعملي	🇬🇧
١٠	Sentdex	Python + ML تطبيقي	🇬🇧
١١	Machine Learning Street Talk	نقاشات معمقة مع باحثين	🇬🇧
١٢	Sudharshan Ravichandran (AI Engineering)	LLMs, RAG, GenAI	🇬🇧
١٣	Umar Jamil	شروحات Transformer من الصفر	🇬🇧
١٤	Jeff Heaton	DL مع Python بالتفصيل	🇬🇧
١٥	El Moasser — AI بالعربية	شروحات عربية للتعلم العميق	🇸🇦
١٦	أكاديمية الذكاء الاصطناعي	دورات عربية في ML/DL	🇸🇦
١٧	مصطفى عبدالهادي	AI وعلوم البيانات بالعربية	🇪🇬
١٨	قناة إبراهيم الجعفري	PyTorch, TensorFlow عربي	🇸🇦
١٩	Code Basics (عربي)	تعليم برمجة + AI	🇸🇦
٢٠	د. عبدالله الزهراني	AI وأخلاقياته	🇸🇦
٢١	BWB (Bassem W. Basket)	ML, DL, مشاريع عملية	🇪🇬
٢٢+	— تابع قنوات مؤتمرات (NeurIPS, ICML) أيضًا —

🌍 قائمة بأكثر من ١٠ مجتمعات عربية

#	المجتمع	المنصة	الوصف
١	مجتمع الذكاء الاصطناعي السعودي	تلغرام / تويتر	أكبر مجتمع AI سعودي
٢	AI Hub Arabia	تلغرام	أخبار، دورات، وظائف
٣	مجتمع تعلم الآلة العربي	تلغرام / ديسكورد	نقاشات تقنية
٤	Data Science Arabia	فيسبوك / تلغرام	مجتمع كبير لعلوم البيانات
٥	PyData Arabia	تلغرام	مجتمع بايثون وتحليل البيانات
٦	NLP Arabic Community	تلغرام	متخصص في معالجة العربية
٧	Saudi AI / ML Meetup	Meetup.com	لقاءات دورية في السعودية
٨	Google Developers Group (GDG) — AI	كل مدينة	فعاليات محلية للذكاء الاصطناعي
٩	Arab AI / Data Science Club	ديسكورد	مجتمع عالمي للناطقين بالعربية
١٠	منصة رواق — مجتمع التعلم	رواق	دورات ومناقشات
١١	Hugging Face Arabic Community	Hugging Face	منظمة مجتمعية للعربية
١٢	سايبر AI (Cybr AI)	يوتيوب / تلغرام	محتوى تعليمي وبحثي

🎤 قائمة بأكثر من ١٥ مؤتمرًا سنويًا

#	المؤتمر	المجال	الموعد التقريبي
١	NeurIPS	عام (ML/DL)	ديسمبر
٢	ICML	تعلم الآلة	يوليو
٣	ICLR	التعلم التمثيلي	مايو
٤	AAAI	ذكاء اصطناعي عام	فبراير
٥	ACL	NLP	يوليو/أغسطس
٦	EMNLP	NLP	نوفمبر
٧	NAACL	NLP (أمريكا الشمالية)	يونيو
٨	CVPR	Computer Vision	يونيو
٩	ICCV	Computer Vision	أكتوبر (سنوات فردية)
١٠	ECCV	Computer Vision	سبتمبر (سنوات زوجية)
١١	Interspeech	Speech/Audio	سبتمبر
١٢	ICASSP	Signal Processing	مايو
١٣	KDD	Data Mining & Knowledge Discovery	أغسطس
١٤	MLSys	ML Systems / Infrastructure	أبريل/مايو
١٥	CoLM (Conference on Language Modeling)	LLMs	متغير
١٦	SOUPS / USENIX Security	AI Safety / Security	أغسطس
١٧+	— بالإضافة إلى المؤتمرات العربية: قمة الذكاء الاصطناعي السعودية LEAP، جيتكس دبي —

🛠️ قائمة بأكثر من ٢٠ أداة ومكتبة

PyTorch

إطار العمل الأساسي للبحث والتطوير

🔥

TensorFlow / Keras

للإنتاج والمشاريع التجارية

🧱

JAX

حسابات عالية الأداء، قابل للتفاضل

⚡

Hugging Face Transformers

أشهر مكتبة لنماذج اللغة

🤗

vLLM

تسريع استدلال LLMs (PagedAttention)

⚙️

DeepSpeed

تدريب موزع من Microsoft

🚆

Ray

توزيع المهام والحوسبة المتوازية

🌐

Weights & Biases

تتبع التجارب وتنظيمها

📊

MLflow

دورة حياة ML كاملة

📦

DVC

إدارة البيانات وإصدار النماذج

🗃️

Docker + NVIDIA Container Toolkit

حزم وتشغيل النماذج مع GPU

🐳

Kubernetes (K8s)

إدارة الحاويات والموارد الموزعة

☸️

FastAPI

بناء APIs لنماذج AI بسرعة

🚀

Gradio / Streamlit

واجهات مستخدم سريعة للنماذج

🎨

ONNX

نقل النماذج بين الأطر المختلفة

🔄

TensorRT

تحسين استدلال NVIDIA

⚡

Librosa

معالجة الصوت والموسيقى

🎵

TorchAudio

معالجة الصوت في PyTorch

🔊

OpenCV

معالجة الصور والفيديو

📷

Scikit-learn

خوارزميات ML كلاسيكية

🧪

LangChain / LlamaIndex

بناء تطبيقات LLM (RAG، agents)

🦜

GNU Parallel / SLURM

إدارة مهام الحوسبة

💻

Weights (Transformers.js)

تشغيل Transformers في المتصفح

🌍

📄 قائمة بأكثر من ١٠٠ ورقة بحثية أساسية

مقسّمة حسب المجال — اقرأها بالترتيب الموصى به في كل مجال.

🧠 الشبكات العصبية والتعلم العميق (الأساسيات)

#	الورقة	المؤلفون	السنة
١	ImageNet Classification with Deep Convolutional Networks (AlexNet)	Krizhevsky et al.	٢٠١٢
٢	Very Deep Convolutional Networks for Large-Scale Image Recognition (VGG)	Simonyan & Zisserman	٢٠١٤
٣	Going Deeper with Convolutions (GoogLeNet/Inception)	Szegedy et al.	٢٠١٤
٤	Deep Residual Learning for Image Recognition (ResNet)	He et al.	٢٠١٥
٥	Batch Normalization: Accelerating Deep Network Training	Ioffe & Szegedy	٢٠١٥
٦	Dropout: A Simple Way to Prevent Neural Networks from Overfitting	Srivastava et al.	٢٠١٤
٧	Understanding the difficulty of training deep feedforward neural networks	Glorot & Bengio	٢٠١٠
٨	Delving Deep into Rectifiers (He Initialization)	He et al.	٢٠١٥
٩	Adam: A Method for Stochastic Optimization	Kingma & Ba	٢٠١٤
١٠	Gradient-Based Learning Applied to Document Recognition (LeNet)	LeCun et al.	١٩٩٨

🧠 Transformers و الـ Attention

#	الورقة	المؤلفون	السنة
١١	Attention is All You Need (Transformer)	Vaswani et al.	٢٠١٧
١٢	BERT: Pre-training of Deep Bidirectional Transformers	Devlin et al.	٢٠١٨
١٣	Improving Language Understanding by Generative Pre-Training (GPT-1)	Radford et al. (OpenAI)	٢٠١٨
١٤	Language Models are Unsupervised Multitask Learners (GPT-2)	Radford et al. (OpenAI)	٢٠١٩
١٥	Language Models are Few-Shot Learners (GPT-3)	Brown et al. (OpenAI)	٢٠٢٠
١٦	Training Language Models to Follow Instructions (InstructGPT)	Ouyang et al. (OpenAI)	٢٠٢٢
١٧	LLaMA: Open and Efficient Foundation Language Models	Touvron et al. (Meta)	٢٠٢٣
١٨	LLaMA 3: Herding Models with Scale	Meta AI	٢٠٢٤
١٩	Mistral 7B / Mixtral 8x7B	Jiang et al. (Mistral AI)	٢٠٢٣-٢٠٢٤
٢٠	Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer (T5)	Raffel et al.	٢٠١٩
٢١	RoFormer: Enhanced Transformer with Rotary Position Embedding (RoPE)	Su et al.	٢٠٢١
٢٢	FlashAttention: Fast and Memory-Efficient Exact Attention	Dao et al.	٢٠٢٢
٢٣	GQA: Training Generalized Multi-Query Transformer Models	Ainslie et al.	٢٠٢٣
٢٤	Constitutional AI: Harmlessness from AI Feedback	Bai et al. (Anthropic)	٢٠٢٢
٢٥	Direct Preference Optimization (DPO)	Rafailov et al.	٢٠٢٣
٢٦	LoRA: Low-Rank Adaptation of Large Language Models	Hu et al.	٢٠٢١
٢٧	QLoRA: Efficient Finetuning of Quantized LLMs	Dettmers et al.	٢٠٢٣
٢٨	Mixture of Experts (MoE) in LLMs	Shazeer et al. / Fedus et al.	٢٠١٧-٢٠٢٢

📷 Computer Vision

#	الورقة	المؤلفون	السنة
٢٩	You Only Look Once (YOLO)	Redmon et al.	٢٠١٥
٣٠	Faster R-CNN: Towards Real-Time Object Detection	Ren et al.	٢٠١٥
٣١	End-to-End Object Detection with Transformers (DETR)	Carion et al. (Meta)	٢٠٢٠
٣٢	U-Net: Convolutional Networks for Biomedical Image Segmentation	Ronneberger et al.	٢٠١٥
٣٣	Mask R-CNN	He et al. (Meta)	٢٠١٧
٣٤	Segment Anything (SAM)	Kirillov et al. (Meta)	٢٠٢٣
٣٥	Generative Adversarial Nets (GANs)	Goodfellow et al.	٢٠١٤
٣٦	Denoising Diffusion Probabilistic Models (DDPM)	Ho et al.	٢٠٢٠
٣٧	High-Resolution Image Synthesis with Latent Diffusion Models (Stable Diffusion)	Rombach et al.	٢٠٢١
٣٨	An Image is Worth 16x16 Words: Transformers for Image Recognition (ViT)	Dosovitskiy et al. (Google)	٢٠٢٠
٣٩	MAE: Masked Autoencoders Are Scalable Vision Learners	He et al. (Meta)	٢٠٢١
٤٠	CLIP: Learning Transferable Visual Models From Natural Language Supervision	Radford et al. (OpenAI)	٢٠٢١
٤١	VideoMAE: Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training	Tong et al.	٢٠٢٢
٤٢	TimesFormer: A Unified Architecture for Video Understanding	Bertasius et al.	٢٠٢١

🎤 Speech & Audio

#	الورقة	المؤلفون	السنة
٤٣	Deep Speech: Scaling up end-to-end speech recognition	Hannun et al. (Baidu)	٢٠١٤
٤٤	WaveNet: A Generative Model for Raw Audio	van den Oord et al. (DeepMind)	٢٠١٦
٤٥	Natural TTS Synthesis by Conditioning WaveNet on Mel Spectrogram Predictions (Tacotron 2)	Shen et al. (Google)	٢٠١٧
٤٦	Attention Is All You Need in Speech Separation (SepFormer / Speech Transformer)	Subakan et al.	٢٠٢١
٤٧	Robust Speech Recognition via Large-Scale Weak Supervision (Whisper)	Radford et al. (OpenAI)	٢٠٢٢
٤٨	XTTS: a Massively Multilingual Zero-Shot Text-to-Speech Model	Coqui AI	٢٠٢٣
٤٩	VITS: Conditional Variational Autoencoder with Adversarial Learning for End-to-End TTS	Kim et al.	٢٠٢١
٥٠	Bark: Suno AI's GPT-Style Text-to-Audio Model	Suno AI	٢٠٢٣
٥١	FastSpeech 2: Fast and High-Quality End-to-End Text to Speech	Ren et al.	٢٠٢٠
٥٢	HuBERT: Self-Supervised Speech Representation Learning	Hsu et al. (Meta)	٢٠٢١
٥٣	Wav2Vec 2.0: A Framework for Self-Supervised Learning of Speech Representations	Baevski et al. (Meta)	٢٠٢٠

⚙️ MLOps & Infrastructure

#	الورقة	المؤلفون	السنة
٥٤	Efficient Large-Scale Language Model Training on GPU Clusters (Megatron-LM)	Shoeybi et al. (NVIDIA)	٢٠١٩
٥٥	ZeRO: Memory Optimizations Toward Training Trillion Parameter Models	Rajbhandari et al. (Microsoft)	٢٠١٩
٥٦	GPipe: Efficient Training of Giant Neural Networks using Pipeline Parallelism	Huang et al. (Google)	٢٠١٨
٥٧	PyTorch FSDP: Experiences on Scaling Fully Sharded Data Parallel	Zhao et al. (Meta)	٢٠٢٣
٥٨	Ray: A Distributed Framework for Emerging AI Applications	Moritz et al. (UC Berkeley)	٢٠١٨
٥٩	TensorFlow: A System for Large-Scale Machine Learning	Abadi et al. (Google)	٢٠١٦
٦٠	MLflow: A Machine Learning Lifecycle Platform	Zaharia et al.	٢٠١٨
٦١	Docker: Lightweight Linux Containers for Consistent Development and Deployment	Merkel (Docker Inc.)	٢٠١٤
٦٢	Kubernetes: Production-Grade Container Orchestration	Google	٢٠١٤

🧮 NLP & Language Understanding

#	الورقة	المؤلفون	السنة
٦٣	Distributed Representations of Words and Phrases (Word2Vec)	Mikolov et al. (Google)	٢٠١٣
٦٤	GloVe: Global Vectors for Word Representation	Pennington et al. (Stanford)	٢٠١٤
٦٥	Sequence to Sequence Learning with Neural Networks	Sutskever et al. (Google)	٢٠١٤
٦٦	Neural Machine Translation by Jointly Learning to Align and Translate (Bahdanau Attention)	Bahdanau et al.	٢٠١٤
٦٧	Long Short-Term Memory (LSTM)	Hochreiter & Schmidhuber	١٩٩٧
٦٨	Learning Phrase Representations using RNN Encoder-Decoder (GRU)	Cho et al.	٢٠١٤
٦٩	XLNet: Generalized Autoregressive Pretraining for Language Understanding	Yang et al. (Google/Carnegie Mellon)	٢٠١٩
٧٠	ELECTRA: Pre-training Text Encoders as Discriminators	Clark et al. (Stanford)	٢٠٢٠
٧١	ALBERT: A Lite BERT for Self-supervised Learning of Language Representations	Lan et al. (Google)	٢٠١٩
٧٢	DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter	Sanh et al. (Hugging Face)	٢٠١٩
٧٣	Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks	Reimers & Gurevych	٢٠١٩
٧٤	Retrieval-Augmented Generation (RAG) for Knowledge-Intensive NLP Tasks	Lewis et al.	٢٠٢٠
٧٥	Chain-of-Thought Prompting Elicits Reasoning in Large Language Models	Wei et al. (Google)	٢٠٢٢
٧٦	Tree of Thoughts: Deliberate Problem Solving with Large Language Models	Yao et al.	٢٠٢٣
٧٧	ReAct: Synergizing Reasoning and Acting in Language Models	Yao et al.	٢٠٢٢
٧٨	Scaling Monosemanticity: Extracting Interpretable Features from Claude 3 Sonnet	Anthropic	٢٠٢٤

🧬 Reinforcement Learning & Decision Making

#	الورقة	المؤلفون	السنة
٧٩	Human-level control through deep reinforcement learning (DQN)	Mnih et al. (DeepMind)	٢٠١٥
٨٠	Mastering the game of Go with deep neural networks and tree search (AlphaGo)	Silver et al. (DeepMind)	٢٠١٦
٨١	Proximal Policy Optimization Algorithms (PPO)	Schulman et al. (OpenAI)	٢٠١٧
٨٢	Asynchronous Methods for Deep Reinforcement Learning (A3C)	Mnih et al. (DeepMind)	٢٠١٦
٨٣	Soft Actor-Critic: Off-Policy Maximum Entropy Deep RL	Haarnoja et al. (UC Berkeley)	٢٠١٨
٨٤	RLHF: Training language models to follow instructions with human feedback	Ouyang et al. (OpenAI)	٢٠٢٢
٨٥	Decision Transformer: Reinforcement Learning via Sequence Modeling	Chen et al.	٢٠٢١

🤖 Robotics & Embodied AI

#	الورقة	المؤلفون	السنة
٨٦	RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control	Brohan et al. (Google DeepMind)	٢٠٢٣
٨٧	PaLM-E: An Embodied Multimodal Language Model	Driess et al. (Google)	٢٠٢٣
٨٨	SayCan: Do As I Can, Not As I Say (Grounding LLMs in Robotics)	Ahn et al. (Google)	٢٠٢٢
٨٩	Learning Dexterous In-Hand Manipulation	OpenAI	٢٠١٨
٩٠	BEHAVIOR-1K: A Benchmark for Embodied AI with 1,000 Everyday Activities	Li et al. (Stanford)	٢٠٢٣

🌍 AI Safety, Ethics & Alignment

#	الورقة	المؤلفون	السنة
٩١	Concrete Problems in AI Safety	Amodei et al. (OpenAI)	٢٠١٦
٩٢	Deep Reinforcement Learning from Human Preferences	Christiano et al. (DeepMind)	٢٠١٧
٩٣	TruthfulQA: Measuring How Models Mimic Human Falsehoods	Lin et al.	٢٠٢١
٩٤	Holistic Evaluation of Language Models (HELM)	Liang et al. (Stanford)	٢٠٢٢
٩٥	AI Risk Management Framework (NIST AI RMF)	NIST (US Government)	٢٠٢٣
٩٦	Human-Centered AI (Book & Framework)	Ben Shneiderman	٢٠٢٢
٩٧	Representation Engineering: A Top-Down Approach to AI Transparency	Zou et al.	٢٠٢٣

⌛ Multimodal & Foundation Models

#	الورقة	المؤلفون	السنة
٩٨	Flamingo: a Visual Language Model for Few-Shot Learning	Alayrac et al. (DeepMind)	٢٠٢٢
٩٩	BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models	Li et al. (Salesforce)	٢٠٢٣
١٠٠	LLaVA: Large Language and Vision Assistant	Liu et al.	٢٠٢٣
١٠١	Gemini: A Family of Highly Capable Multimodal Models	Google DeepMind	٢٠٢٣
١٠٢	GPT-4 Technical Report	OpenAI	٢٠٢٣
١٠٣	Claude 3 Model Family: Rivaling the Best Models in the Industry	Anthropic	٢٠٢٤
١٠٤	ImageBind: One Embedding Space To Bind Them All	Girdhar et al. (Meta)	٢٠٢٣
١٠٥	Meta-Transformer: A Unified Framework for Multimodal Learning	Xu et al.	٢٠٢٣
١٠٦+	— تابع arXiv و دليل الوراق البحثية الشهري —

🎖️ شهادات احترافية

#	الشهادة	الجهة المانحة	التكلفة	المستوى
١	NVIDIA DLI — Fundamentals of Deep Learning	NVIDIA	مجاني / $٩٠	مبتدئ
٢	NVIDIA DLI — Building Transformer-Based NLP Apps	NVIDIA	$٩٠	متوسط
٣	NVIDIA DLI — Applications of Generative AI	NVIDIA	$٩٠	متوسط
٤	DeepLearning.AI — TensorFlow Developer Certificate	DeepLearning.AI / Google	$٤٩/شهر	متوسط
٥	DeepLearning.AI — Deep Learning Specialization	DeepLearning.AI / Coursera	$٤٩/شهر	متوسط
٦	Google Cloud — Professional ML Engineer	Google Cloud	$٢٠٠	متقدم
٧	AWS Certified ML Specialty	Amazon AWS	$٣٠٠	متقدم
٨	Hugging Face — NLP Course (Certificate)	Hugging Face	مجاني	متوسط
٩	Fast.ai — Practical Deep Learning (Course)	Fast.ai	مجاني	مبتدئ-متوسط
١٠	Stanford Online — Professional Certificate in ML & AI	Stanford University	$٥٠٠-$١٠٠٠	متقدم
١١	MIT Professional Education — Applied AI	MIT	$٣٠٠-$٥٠٠	متقدم
١٢	Computer Vision Nanodegree (Udacity)	Udacity / AWS	مجاني جزئيًا	متوسط

💎 كلمة أخيرة

هذه الرحلة طويلة ولكنها مجزية. ليس كل من يبدأها سيصل إلى النهاية — لكن من يصل سيصبح واحدًا من نخبة الخبراء في العالم. المفتاح هو الاستمرارية وليس السرعة. اقرأ ورقة واحدة كل يوم، اكتب كودًا كل يوم، واسأل أسئلة كل يوم.

تذكر: كل خبير بدأ مبتدئًا. الفرق الوحيد هو أنه لم يتوقف.