🤖
برمجة متوسط شهادة معتمدة
🚀 قريباً — الدورة تحت الإعداد

Python AI Developer — بايثون وتطوير الذكاء الاصطناعي

طوّر مهاراتك وادخل عالم الذكاء الاصطناعي بأقوى لغة برمجة في المجال.

سجّل اهتمامك — أعلمني عند البدء
8
مستوى دراسي
143
موضوع تفصيلي
180
ساعة تدريب
✓
شهادة معتمدة
Python AI Developer — بايثون وتطوير الذكاء الاصطناعي

📚 المحتوى التفصيلي

دورة شاملة تنقلك من إتقان بايثون إلى بناء تطبيقات ذكاء اصطناعي حقيقية. 8 وحدات متكاملة تجمع بين النظرية والتطبيق العملي — من تحليل البيانات، Machine Learning، Neural Networks، NLP، Computer Vision، وحتى بناء Chatbot ذكي ونشر مشروع AI كامل. الدورة قريباً — سجّل اهتمامك للحصول على أولوية الالتحاق.

unit-1
الوحدة الأولى: Python للذكاء الاصطناعي + NumPy + Pandas + VisualizationUnit 1: Python for AI + NumPy + Pandas + Visualization
📚 46 موضوع · 📑 5 قسم

القسم الأول: مقدمة الذكاء الاصطناعيSection 1: Introduction to AI

  • ما هو الذكاء الاصطناعي (AI)What is Artificial Intelligence (AI)?
  • الفرق بين AI و Machine Learning و Deep LearningDifference between AI, Machine Learning, and Deep Learning
  • مجالات استخدام الذكاء الاصطناعيApplications of AI
  • دورة حياة مشروع الذكاء الاصطناعيLifecycle of an AI project
  • الأدوات والمكتبات المستخدمة في الدورةTools and libraries used in the course

القسم الثاني: NumPySection 2: NumPy

  • لماذا نستخدم NumPy؟Why do we use NumPy?
  • إنشاء ArraysCreating Arrays
  • الأبعاد (shape, ndim, size)Dimensions (shape, ndim, size)
  • الوصول إلى البيانات (Indexing & Slicing)Accessing data (Indexing & Slicing)
  • العمليات الرياضية (Element-wise Operations)Mathematical operations (Element-wise Operations)
  • الدوال التجميعية (Aggregation Functions)Aggregation Functions
  • إعادة تشكيل البيانات (Reshape)Reshaping data (Reshape)
  • التعامل مع الصور كمصفوفاتWorking with images as arrays
  • تطبيقات NumPy في الذكاء الاصطناعيNumPy applications in AI

القسم الثالث: PandasSection 3: Pandas

  • لماذا Pandas؟Why Pandas?
  • Series و DataFrameSeries and DataFrame
  • قراءة ملفات CSV و ExcelReading CSV and Excel files
  • الوصول إلى الأعمدةAccessing columns
  • أنواع البيانات (Data Types)Data Types
  • التعامل مع القيم المفقودةHandling missing values
  • البحث والتصفية (Filtering)Searching and Filtering
  • ترتيب البيانات (Sorting)Sorting data
  • دمج الجداول (Merge)Merging tables (Merge)
  • التجميع (GroupBy)Grouping (GroupBy)
  • Pivot TablesPivot Tables
  • حفظ البيانات بعد التعديلSaving data after modification

القسم الرابع: Matplotlib & SeabornSection 4: Matplotlib & Seaborn

  • إنشاء الرسوم البيانيةCreating charts
  • Line ChartLine Chart
  • Bar ChartBar Chart
  • Pie ChartPie Chart
  • HistogramHistogram
  • Scatter PlotScatter Plot
  • Box PlotBox Plot
  • HeatmapHeatmap
  • تخصيص الرسوم البيانيةCustomizing charts
  • اختيار الرسم المناسب لكل نوع من البياناتChoosing the right chart for each data type

القسم الخامس: Data PreparationSection 5: Data Preparation

  • أهمية تجهيز البيانات قبل تدريب النموذجImportance of preparing data before training the model
  • تنظيف البيانات (Data Cleaning)Data Cleaning
  • حذف الأعمدة غير المهمةRemoving unimportant columns
  • اختيار الخصائص (Feature Selection)Feature Selection
  • تحويل البيانات النصية إلى رقمية (Encoding) — LabelEncoder / OneHotEncoderEncoding text data to numeric — LabelEncoder / OneHotEncoder
  • تطبيع البيانات (Feature Scaling) — StandardScaler / MinMaxScalerFeature Scaling — StandardScaler / MinMaxScaler
  • التعامل مع OutliersHandling Outliers
  • Correlation Matrix وتحليل العلاقاتCorrelation Matrix and relationship analysis
  • تقسيم البيانات (Train / Validation / Test Split)Splitting data (Train / Validation / Test Split)
  • بناء Pipeline كاملة لتجهيز البياناتBuilding a complete Data Preparation Pipeline
🎯 المشروع العمليPractical Project
تحليل Dataset حقيقي من البداية للنهاية: قراءة البيانات، تنظيفها، معالجة القيم المفقودة، Encoding، Scaling، التحليل الإحصائي، إنشاء الرسوم البيانية، وتجهيز البيانات لتدريب نموذج ذكاء اصطناعي.End-to-end analysis of a real Dataset: reading data, cleaning it, handling missing values, Encoding, Scaling, statistical analysis, creating charts, and preparing data for training an AI model.
unit-2
الوحدة الثانية: Machine Learning باستخدام Scikit-learnUnit 2: Machine Learning with Scikit-learn
📚 11 موضوع · 📑 2 قسم

المفاهيم الأساسيةCore Concepts

  • ما هو Machine Learning؟What is Machine Learning?
  • أنواع التعلمTypes of learning
  • Dataset / Features / LabelsDataset / Features / Labels
  • Training / Validation / Testing / PredictionTraining / Validation / Testing / Prediction
  • Bias & VarianceBias & Variance
  • Overfitting و UnderfittingOverfitting and Underfitting
  • AccuracyAccuracy

نماذج RegressionRegression Models

  • Linear RegressionLinear Regression
  • Multiple Linear RegressionMultiple Linear Regression
  • تقييم النماذجModel evaluation
  • MAE / MSE / RMSE / R² ScoreMAE / MSE / RMSE / R² Score
🎯 المشروع العمليPractical Project
بناء نموذج للتنبؤ بأسعار المنازل أو درجات الطلاب.Build a model to predict house prices or student grades.
unit-3
الوحدة الثالثة: Classification & ClusteringUnit 3: Classification & Clustering
📚 16 موضوع · 📑 3 قسم

ClassificationClassification

  • Logistic RegressionLogistic Regression
  • Decision TreeDecision Tree
  • Random ForestRandom Forest
  • KNNKNN
  • Naive BayesNaive Bayes
  • SVMSVM

تقييم النماذجModel Evaluation

  • Confusion MatrixConfusion Matrix
  • PrecisionPrecision
  • RecallRecall
  • F1 ScoreF1 Score
  • ROC CurveROC Curve
  • AUCAUC

ClusteringClustering

  • K-MeansK-Means
  • اختيار عدد المجموعاتChoosing the number of clusters
  • Elbow MethodElbow Method
  • مقدمة عن DBSCANIntroduction to DBSCAN
🎯 المشروع العمليPractical Project
تصنيف المرضى أو تقسيم العملاء إلى مجموعات.Classify patients or segment customers into groups.
unit-4
الوحدة الرابعة: Neural NetworksUnit 4: Neural Networks
📚 16 موضوع · 📑 2 قسم

المفاهيم الأساسيةCore Concepts

  • كيف تعمل الشبكات العصبيةHow neural networks work
  • NeuronNeuron
  • WeightsWeights
  • BiasBias
  • Activation FunctionsActivation Functions
  • LayersLayers
  • Forward PropagationForward Propagation
  • Loss FunctionLoss Function
  • Backpropagation (بشكل مبسط)Backpropagation (simplified)

TensorFlow / KerasTensorFlow / Keras

  • إنشاء أول نموذجBuilding your first model
  • Sequential ModelSequential Model
  • Dense LayersDense Layers
  • CompileCompile
  • FitFit
  • EvaluateEvaluate
  • PredictPredict
🎯 المشروع العمليPractical Project
بناء شبكة عصبية لتصنيف الصور أو التنبؤ بالقيم.Build a neural network for image classification or value prediction.
unit-5
الوحدة الخامسة: معالجة اللغة الطبيعية (NLP)Unit 5: Natural Language Processing (NLP)
📚 11 موضوع · 📑 3 قسم

تجهيز النصوصText Preprocessing

  • تنظيف النصوصText cleaning
  • TokenizationTokenization
  • Stop WordsStop Words
  • StemmingStemming
  • LemmatizationLemmatization

تحويل النصوصText Vectorization

  • Bag of WordsBag of Words
  • TF-IDFTF-IDF
  • مقدمة في Word EmbeddingsIntroduction to Word Embeddings

تطبيقات NLPNLP Applications

  • تحليل المشاعرSentiment analysis
  • تصنيف النصوصText classification
  • كشف الرسائل المزعجة (Spam Detection)Spam Detection
🎯 المشروع العمليPractical Project
تحليل مشاعر التعليقات أو مراجعات المستخدمين.Analyze sentiment of comments or user reviews.
unit-6
الوحدة السادسة: Computer VisionUnit 6: Computer Vision
📚 16 موضوع · 📑 3 قسم

أساسيات الصورImage Basics

  • PixelsPixels
  • RGBRGB
  • Image ShapeImage Shape
  • ChannelsChannels

OpenCVOpenCV

  • قراءة الصورReading images
  • تعديل الحجمResizing
  • القصCropping
  • GrayscaleGrayscale
  • ThresholdThreshold
  • ContoursContours

CNNCNN

  • ConvolutionConvolution
  • KernelKernel
  • Feature MapsFeature Maps
  • PoolingPooling
  • FlattenFlatten
  • Fully Connected LayersFully Connected Layers
🎯 المشروع العمليPractical Project
بناء نموذج لتصنيف الصور أو كشف الأجسام.Build a model for image classification or object detection.
unit-7
الوحدة السابعة: LLMs و AI APIsUnit 7: LLMs and AI APIs
📚 16 موضوع · 📑 4 قسم

أساسيات النماذج اللغويةLanguage Model Basics

  • ما هي LLMs؟What are LLMs?
  • كيف تعمل؟How they work
  • TokensTokens
  • Context WindowContext Window

Prompt EngineeringPrompt Engineering

  • كتابة Prompts احترافيةWriting professional prompts
  • System PromptSystem Prompt
  • Few-shot PromptingFew-shot Prompting
  • Chain of Thought (مفهومياً)Chain of Thought (conceptually)

العمل مع APIsWorking with APIs

  • OpenAI APIOpenAI API
  • Gemini APIGemini API
  • Hugging Face APIHugging Face API

مواضيع متقدمةAdvanced Topics

  • Structured OutputStructured Output
  • Function CallingFunction Calling
  • EmbeddingsEmbeddings
  • مقدمة في Vector DatabasesIntroduction to Vector Databases
  • مقدمة في RAGIntroduction to RAG
🎯 المشروع العمليPractical Project
بناء Chatbot احترافي باستخدام AI APIs.Build a professional Chatbot using AI APIs.
🎓
الوحدة الثامنة: المشروع النهائيUnit 8: Final Project
📚 11 موضوع · 📑 1 قسم

مشروع متكامل يجمع جميع المهارات المكتسبةComprehensive project combining all acquired skills

  • قراءة DatasetReading a Dataset
  • تنظيف وتحليل البياناتCleaning and analyzing data
  • تجهيز البيانات للنموذجPreparing data for the model
  • تدريب نموذج ذكاء اصطناعيTraining an AI model
  • تقييم النموذجEvaluating the model
  • حفظ النموذجSaving the model
  • إنشاء واجهة استخدامBuilding a user interface
  • ربط النموذج مع APIConnecting the model with an API
  • نشر المشروعDeploying the project
  • كتابة Documentation احترافيةWriting professional documentation
  • تقديم المشروع النهائيPresenting the final project