دورة

نماذج اللغة الكبيرة من الداخل

دورة تشرح كيف تعمل نماذج اللغة الكبيرة فعلًا: من الـ Tokens والـ Embeddings والـ Attention، إلى الـ Context والسرعة والتكلفة، ثم التدريب وRAG والتعلم المعزَّز والـ Agents والـ Evals، بأمثلة عملية.

معاينة هذه الدورة
نماذج اللغة الكبيرة من الداخل
غير مسجل
اشترك في الدورة

دورة تتضمن

  • 8 أقسام
  • 60 المواضيع
  • 39 الإختبارات
  • شهادة دورة
  • 8أقسام
  • 60درسًا
  • 39اختبارًا
  • شهادةإتمام
المحاضرم. أحمد فتحي

تبدأ الدورة بسؤال بسيط: ماذا يحدث بين أن تضغط Send وأن تظهر الإجابة أمامك؟ ومنه تنتقل إلى تحويل النص إلى أرقام: الـ Tokens والـ Parameters والـ Embeddings والتمثيلات السياقية، ثم كيف يولّد النموذج إجابته عبر الـ Attention (Q/K/V) والتوليد التراجعي، وما الذي تفعله Temperature وTop-p حقًا.

بعدها تتناول الـ Context والذاكرة والتعلّم داخل السياق، والسرعة والتكلفة عبر Prefill وDecode وKV Cache وPrompt Caching، وأسباب الهلوسة. ثم كيف تتعلم النماذج: Pretraining وSFT، والاختيار بين RAG وFine-Tuning، ولماذا يفشل RAG. وتختم بنماذج الاستدلال والتعلم المعزَّز وRLHF وRLAIF وRLVR، وطرق PPO وGRPO وDPO وReward Hacking، ثم الـ Agents والـ Workflows والـ Evals.

محتوى الدورة

  1. 1
    From Text to Numbers10 دروس · 6 اختبارات يحتوي على دروس مجانية
    1. The Inference Pipeline درس مجاني
    2. مختصر كتابي: The Inference Pipeline درس مجاني
    3. اختبار قصير: The Inference Pipeline
    4. Tokens and Tokenization درس مجاني
    5. مختصر كتابي: Tokens and Tokenization درس مجاني
    6. اختبار قصير: Tokens and Tokenization
    7. Parameters and Weights درس مجاني
    8. مختصر كتابي: Parameters and Weights درس مجاني
    9. اختبار قصير: Parameters and Weights
    10. Embeddings
    11. مختصر كتابي: Embeddings
    12. اختبار قصير: Embeddings
    13. Contextual Representations
    14. مختصر كتابي: Contextual Representations
    15. اختبار قصير: Contextual Representations
    16. اختبار: From Text to Numbers
  2. 2
    How the Model Generates6 دروس · 4 اختبارات
    1. Attention: Queries, Keys and Values
    2. مختصر كتابي: Attention: Queries, Keys and Values
    3. اختبار قصير: Attention: Queries, Keys and Values
    4. Autoregressive Generation
    5. مختصر كتابي: Autoregressive Generation
    6. اختبار قصير: Autoregressive Generation
    7. Temperature and Top-p
    8. مختصر كتابي: Temperature and Top-p
    9. اختبار قصير: Temperature and Top-p
    10. اختبار: How the Model Generates
  3. 3
    Context and Memory8 دروس · 5 اختبارات
    1. What Is Inside the Context
    2. مختصر كتابي: What Is Inside the Context
    3. اختبار قصير: What Is Inside the Context
    4. Long Context
    5. مختصر كتابي: Long Context
    6. اختبار قصير: Long Context
    7. Memory: Model or Application?
    8. مختصر كتابي: Memory: Model or Application?
    9. اختبار قصير: Memory: Model or Application?
    10. In-Context Learning
    11. مختصر كتابي: In-Context Learning
    12. اختبار قصير: In-Context Learning
    13. اختبار: Context and Memory
  4. 4
    Speed, Cost and Mistakes6 دروس · 4 اختبارات
    1. Prefill and Decode
    2. مختصر كتابي: Prefill and Decode
    3. اختبار قصير: Prefill and Decode
    4. KV Cache and Prompt Caching
    5. مختصر كتابي: KV Cache and Prompt Caching
    6. اختبار قصير: KV Cache and Prompt Caching
    7. Hallucination
    8. مختصر كتابي: Hallucination
    9. اختبار قصير: Hallucination
    10. اختبار: Speed, Cost and Mistakes
  5. 5
    How Models Learn8 دروس · 5 اختبارات
    1. Pretraining
    2. مختصر كتابي: Pretraining
    3. اختبار قصير: Pretraining
    4. Base Models and SFT
    5. مختصر كتابي: Base Models and SFT
    6. اختبار قصير: Base Models and SFT
    7. RAG vs Fine-Tuning
    8. مختصر كتابي: RAG vs Fine-Tuning
    9. اختبار قصير: RAG vs Fine-Tuning
    10. Why RAG Fails
    11. مختصر كتابي: Why RAG Fails
    12. اختبار قصير: Why RAG Fails
    13. اختبار: How Models Learn
  6. 6
    Reasoning and Reinforcement Learning10 دروس · 6 اختبارات
    1. Reasoning Models
    2. مختصر كتابي: Reasoning Models
    3. اختبار قصير: Reasoning Models
    4. Reinforcement Learning
    5. مختصر كتابي: Reinforcement Learning
    6. اختبار قصير: Reinforcement Learning
    7. Types of Reinforcement Learning
    8. مختصر كتابي: Types of Reinforcement Learning
    9. اختبار قصير: Types of Reinforcement Learning
    10. RLHF
    11. مختصر كتابي: RLHF
    12. اختبار قصير: RLHF
    13. RLHF, RLAIF and RLVR
    14. مختصر كتابي: RLHF, RLAIF and RLVR
    15. اختبار قصير: RLHF, RLAIF and RLVR
    16. اختبار: Reasoning and Reinforcement Learning
  7. 7
    Preference Optimization8 دروس · 5 اختبارات
    1. PPO
    2. مختصر كتابي: PPO
    3. اختبار قصير: PPO
    4. GRPO
    5. مختصر كتابي: GRPO
    6. اختبار قصير: GRPO
    7. DPO
    8. مختصر كتابي: DPO
    9. اختبار قصير: DPO
    10. Reward Hacking
    11. مختصر كتابي: Reward Hacking
    12. اختبار قصير: Reward Hacking
    13. اختبار: Preference Optimization
  8. 8
    From Models to Products4 دروس · 3 اختبارات
    1. Agents and Workflows
    2. مختصر كتابي: Agents and Workflows
    3. اختبار قصير: Agents and Workflows
    4. Evals
    5. مختصر كتابي: Evals
    6. اختبار قصير: Evals
    7. اختبار: From Models to Products
  1. الاختبار النهائي
    1. الاختبار النهائي: نماذج اللغة الكبيرة من الداخل

عن المعلم

م. أحمد فتحي
م. أحمد فتحي

مؤسس منصة المدرسة، ومهندس برمجيات رئيسي ومعماري سحابة ومدير، عمل مع شركات ناشئة مثل QbDVision وRewaaTech، ويحمل شهادتي AWS Architect وProfessional Scrum Master. يقدّم استشارات مهنية تساعد على تحويل تحديات العمل إلى خطوات عملية.

Founder & CEO, Almdrasa

التقييمات والمراجعات

0.0
متوسط التقييمات
0 عدد التقييمات
5
0
4
0
3
0
2
0
1
0
كيف كانت تجربتك؟ نود أن نعرف!

تقرير

سلوك التحرش أو التنمر
يحتوي على محتوى للبالغين أو حساس
تحتوي على معلومات مضللة أو خاطئة
يحتوي على محتوى مسيء أو مهين
يحتوي على رسائل غير مرغوب فيها أو محتوى مزيف أو برامج ضارة محتملة

عضو الحظر؟

من فضلك أكد أنك تريد منع هذا العضو.

لن تتمكن بعد هذه الخطوة من:

  • ذكر هذا العضو في منشورات
  • قم بدعوة هذا العضو إلى المجموعات
  • مراسلة هذا العضو

يرجى الانتظار بضع دقائق حتى تكتمل هذه العملية.

تقرير

لقد أبلغت عن هذا بالفعل .