المهارات اللي تساعدك تنتقل من أساسيات الـAI للـindustry.
v1.0 (Oct 2026)
لأي ملاحظات، تعليقات، أو اقتراحاتهذا الجزء الثاني بعد AI Specialization Roadmap. الأول كان أساس الـAI كعلم. هذا يغطي الفجوة بين اللي تدرسه في الكورسات، واللي بتشوفه في الـindustry.
هنا ما في خطة واضحة مرة. الموضوع تطوير حر إلى حد ما. الخطة هذي عبارة عن مجموعة skills، وكل ما توسعت فيها أفقياً وعمودياً كان أفضل:
اعتبر الأشياء اللي مذكورة هنا كأنها مفاتيح، مفروض تساعدك تعرف إيش الخطوات الجاية أكثر من أنها تكون خطة كاملة. ممكن تشتغل عليها إلين تلقى فرصة جيدة، وبعدها من هناك بتكون غالباً عارف إيش الـnext steps.
المهارات قسمين: مشتركة يحتاجها الكل تقريباً، وتخصصية تختار منها حسب اهتمامك والفرص اللي قدامك. وتحت كل مهارة تلقى وين تحتاجها: نوع الشغل والشركات والتطبيقات المحلية اللي تستخدمها.
المصادر تحت كل مهارة مجرد اقتراحات، مو مسار إلزامي. تقدر تاخذ أسماء المواضيع وتدرسها من أي مصدر يناسبك.
اضغط على أي مهارة عشان تروح لتفاصيلها.
يحتاجها الكل تقريباً
تختار منها حسب اهتمامك والفرص اللي قدامك
ما في ترتيب إلزامي داخل أي مجموعة. اختار حسب اهتمامك.
قبل ما تدخل في المهارات بالتفصيل، أنصح تبدأ بسلسلة mini-RAG: From notebooks to the PRODUCTION. تبني فيها تطبيق web كامل من البداية للنهاية، زي اللي يصير في الواقع: Git، قواعد البيانات، الـAPIs، الـRAG، والـdeployment. لأنها تفتح عينك على الصورة الكاملة بدل ما تتعلم كل جزء لحاله. ومن بعدها توسع في المهارات اللي تحت حسب ما تحتاج.
بعدها اقرا From AI Foundations to Real-World Practice، عرض كنت عملته يلخص كيف يمشي مشروع AI في الواقع: دورة حياة المنتج من الفكرة للـproduction، القيود (البيانات، الموارد، الخصوصية، الميزانية)، متى تستخدم API أو fine-tuning أو تدريب من الصفر، كيف تعرف إذا المشكلة قابلة للحل بالـAI، وأنماط الـdeployment.
مهارات تقدر تلتقطها حسب اهتمامك والفرص اللي قدامك. تحت كل وحدة تلقى وين تنستخدم، عشان تربطها بالشغل اللي تبيه.
أي شيء له علاقة بالتعامل مع الصوت، مثل تحويل الصوت لنصوص والعكس.
مراكز الاتصال وخدمة العملاء (اتصالات، طيران، مستشفيات ومختبرات)، تفريغ وتلخيص المكالمات والاجتماعات، والمساعدات الصوتية.
ابدأ فيه. كورس مجاني لتطبيق الـTransformers على الصوت.
استخدمه كدليل للمواضيع اللي تحتاج تتعلمها، إذا تبغى تتوسع في الاتجاه هذا.
استخراج النصوص والمعلومات من المستندات والجداول والصور.
رقمنة المستندات (عقود، هويات، فواتير، نماذج)، أتمتة التحقق من هوية العملاء (KYC)، وتجهيز المستندات لأنظمة الـRAG.
ابدأ فيه. masterclass عملي عن fine-tuning الـVLMs للـOCR العربي المعقد.
البنوك والـfintech (كشف الاحتيال، تقييم الائتمان)، الاتصالات (توقع إلغاء الاشتراك churn)، التجارة الإلكترونية وتطبيقات التوصيل (التوصيات، ترتيب البحث، التسعير)، والتجزئة والطاقة (التنبؤ بالطلب).
باقي المواضيع غالباً مهام ML تقدر تتدرب عليها من فيديوهات YouTube أو Kaggle.
تدريب النماذج نفسها: pipelines للـpretraining والـpost-training، distributed training، الـSFT والـpreference optimization، تجهيز الـdatasets، وبناء evaluation pipelines.
هذا النوع من الأدوار أقرب للبحث منه للـindustry، وغالباً يحتاج معرفة بحثية: قراءة papers، تصميم تجارب، وتحليل نتائج. وأغلبه موجود في المختبرات والشركات الكبيرة ومراكز البحث.
الشركات اللي تبني نماذجها، الجهات اللي تبني نماذج عربية أو سيادية (مثل ALLaM)، المراكز البحثية والجامعات، وأي جهة تحتاج تكيّف نموذج على لهجة أو مجال معين (طبي، قانوني، مالي).
كورس Stanford عن الـTransformers والـLLMs.
كورس تبني فيه كل مراحل الـLLM بنفسك.
بالعربي، دليل تعليمي مفصل بالمعادلات لأنواع الـattention في الـLLMs.
كيف بنى فريق Hugging Face نماذجهم من البداية للنهاية.
دليل عملي لتقييم الـLLMs من Hugging Face.
كيف تشغّل النماذج بسرعة وتكلفة معقولة على hardware محدود، وكيف تبني وتدير البنية اللي تشغلها.
أي جهة تستضيف نماذجها بنفسها بدل الـAPIs. كثير من الجهات الحكومية والمالية تشترط إن البيانات تبقى داخل المملكة أو داخل أنظمتها (on-prem)، وهذا يعني نماذج open-weight وself-hosting. كذلك مزودي الـcloud والـGPU، الشركات اللي حجم استخدامها كبير لدرجة إن الـAPIs تصير مكلفة، والتطبيقات اللي تشغل النماذج على الأجهزة (edge / on-device).
كورس يشرح هندسة الـinference.
استخدم أسئلة قسم الـinfrastructure كدليل يوريك إيش المواضيع المهمة، وإيش اللي ممكن يكون ناقصك منها.
الأنظمة واللوائح اللي تحدد إيش يمديك تسوي بالبيانات والنماذج.
يعني مثلاً: مو كل نموذج أو dataset مفتوح تقدر تستخدمه في منتج تجاري. بعضها رخصته مفتوحة (Apache 2.0، MIT)، وبعضها بشروط خاصة، وبعضها للاستخدام غير التجاري فقط (مثل CC BY-NC)، وكثير من الـdatasets العربية للبحث فقط.
القطاعات المنظمة مثل التأمين والصحة والجهات الحكومية، فرق الـrisk والـcompliance، وأي مشروع يتعامل مع بيانات شخصية أو يستخدم نموذج أو dataset مفتوح في منتج تجاري.
دوّر على كورس data governance في YouTube، واقرا عن أنظمة الامتثال. في السعودية مثلاً:
نظام حماية البيانات الشخصية (PDPL) ومبادئ أخلاقيات الذكاء الاصطناعي.
أنظمة القطاع المالي.
ضوابط الأمن السيبراني، مثل ضوابط الحوسبة السحابية.
ما في أحد يخلص هذا الـroadmap كامل. الفكرة إنك تبني أساس واسع، وتتعمق في شي أو شيئين.
أصعب خطوة هي إيجاد أول فرصة في الأغلب. لكن لما تلقاها، أشياء كثيرة بتبدأ توضح: إيش يستاهل تتعمق فيه، وإيش تقدر تتركه.