خارطة طريق هندسة الذكاء الاصطناعي الكاملة النهائية للانتقال من 0 إلى 100. هذا هو المسار المعين بالضبط حول ما يتطلبه الأمر بالفعل للانتقال من مهندس الذكاء الاصطناعي المبتدئين → المكدس الكامل. > ابدأ بأساسيات الترميز. > تعلم Python و Bash و Git والاختبار. > يبدأ كل مهندس الذكاء الاصطناعي قوي بالأساسيات. > تعرف على كيفية التفاعل مع النماذج من خلال فهم واجهات برمجة تطبيقات LLM. > سيعلمك هذا المخرجات المنظمة ، والتخزين المؤقت ، ومطالبات النظام ، وما إلى ذلك. تعد واجهات برمجة التطبيقات > رائعة ، لكن LLMs الأولية لا تزال بحاجة إلى أحدث المعلومات لتكون فعالة. > تعرف على كيفية زيادة LLMs عادة بمزيد من المعلومات / الأنماط. > سيعلمك هذا أساسيات الضبط الدقيق ، و RAG ، والهندسة السريعة / السياق ، وما إلى ذلك. > LLMs القوية عديمة الفائدة بدون سياق. هذا هو المكان الذي تساعد فيه تقنيات الاسترجاع. > تعرف على قواعد البيانات المتجهة والاسترجاع المختلط واستراتيجيات الفهرسة وما إلى ذلك. > بمجرد أن يصبح الاسترجاع صلبا ، انتقل إلى RAG. > تعلم كيفية إنشاء مسارات الاسترجاع + التوليد وإعادة الترتيب والاسترداد متعدد الخطوات باستخدام أطر عمل التنسيق الشائعة. > الآن ، ادخل إلى الذكاء الاصطناعي Agents ، حيث ينتقل الذكاء الاصطناعي من الإجابة إلى التمثيل. > تعلم الذاكرة ، والأنظمة متعددة العوامل ، وتصميم الإنسان في الحلقة ، والأنماط العميلة ، وما إلى ذلك. > تعرف على كيفية الشحن في الإنتاج باستخدام البنية التحتية. > سيعلمك هذا CI/CD والحاويات وتوجيه النموذج وKubernetes والنشر على نطاق واسع. > التركيز على قابلية الملاحظة والتقييم. > تعرف على كيفية إنشاء مجموعات بيانات التقييم ، ومسار LLM كقاضي ، والتتبع ، والأجهزة ، ومسارات التقييم المستمر. ...