بناء أنظمة الذكاء الاصطناعي باستخدام Python - تأليف Martin Hander (غلاف ورقي)

ملخص الكتاب يُعد هذا الكتاب دليلاً عملياً وشاملاً للمهندسين والممارسين الراغبين في تجاوز مرحلة النماذج الأولية ونشر حلول تعلم الآلة والنماذج اللغوية الكبيرة بثقة في بيئات العمل الواقعية. يقودك هذا الكتاب عبر دورة حياة تعلم الآلة الحديثة بأكملها؛ حيث ستبدأ بالأساسيات باستخدام NumPy وPandas وPyArrow لبناء مسارات البيانات، ثم تنتقل لبناء خطوط أساس متينة باستخدام scikit-learn. ومن هناك، ستتقدم نحو التعلم العميق باستخدام PyTorch، وتقنيات الـ transformers، وأساليب تطويع النماذج اللغوية الكبيرة مثل LoRA وQLoRA. ستستكشف نماذج الانتشار (diffusion) والنماذج متعددة الوسائط (multimodal)، وتتعلم كيفية بناء أنظمة التوليد المعزز بالاسترجاع باستخدام FAISS و pgvector. تغطي الفصول العملية الوكلاء (agents)، واستخدام الأدوات، وأطر التقييم، وقابلية المراقبة، وممارسات الذكاء الاصطناعي المسؤولة بما في ذلك الخصوصية والسلامة والحوكمة. وأخيراً، ستتقن تقنيات النشر باستخدام FastAPI و Ray Serve و TorchServe، ومحركات خدمة LLM المتطورة مثل vLLM و TGI. كما يقترن كل مفهوم بأمثلة برمجية واضحة، وأنماط اختبار، وقوائم مراجعة تشغيلية. بدلاً من الاعتماد على حيل عابرة، ستتعلم كيفية تبني سير عمل قابل للتكرار: بدءاً من الأدوات القائمة على المخططات (schema-first)، ووصولاً إلى مسارات التدريب القابلة لإعادة الإنتاج، والتقييم باستخدام مجموعات البيانات الذهبية، وصولاً إلى عمليات النشر الآمنة في بيئات الإنتاج مع نقاط مراقبة وامتثال. في الختام، سيساعدك هذا الكتاب على بناء أنظمة قوية، وقابلة للتدقيق، ومُحسّنة؛ سواء كنت تقوم بنشر نموذجك الأول أو تدير أعباء عمل مؤسسية معقدة. هذا الكتاب هو دليلك العملي لعصر GenAI، والمصمم خصيصاً للمهندسين الذين يتطلعون إلى إطلاق تقنيات الذكاء الاصطناعي بكل ثقة ومسؤولية. ما ستتعلمه: تنفيذ نماذج الذكاء الاصطناعي الحديثة بما في ذلك نماذج المحولات (transformers)، ونماذج الانتشار (diffusion)، والنماذج متعددة الوسائط (multimodal)، وأنظمة التوصية، والتعلم المعزز (RL) باستخدام أمثلة عملية باستخدام PyTorch. ضبط النماذج اللغوية الكبيرة (LLMs) وتقديمها باستخدام تقنيات LoRA/QLoRA، والتكميم (quantization)، وتوليد المحتوى المدعوم بالاسترداد (RAG)، واستدعاء الأدوات، والمطالبات المهيكلة، وتقنيات التقييم القوية. تصميم أنظمة الذكاء الاصطناعي الوكيلية (agentic AI) مع ميزات الذاكرة، والتخطيط، والتنفيذ الآمن للأدوات، وأنماط الوكلاء المتعددين (multi agent patterns)، وأطر تقييم الاستقلالية. نشر وتشغيل ذكاء اصطناعي بمستوى الإنتاج باستخدام MLOps/LLMOps لتغطية عمليات التقديم، وضبط الأداء، والمراقبة، والتحكم في التكاليف، والامتثال، ونشر الحوسبة الطرفية (edge deployments). لمن هذا الكتاب: صُمم هذا الكتاب لمهندسي تعلم الآلة والذكاء الاصطناعي الممارسين، ومهندسي البرمجيات المنتقلين إلى مجال الذكاء الاصطناعي التطبيقي، وعلماء البيانات الذين يعملون على بناء أنظمة الإنتاج، وممارسي MLOps/LLMOps، والمطورين التقنيين الراغبين في تجاوز مرحلة العروض التجريبية ونشر أنظمة GenAI وLLM وPyTorch القائمة على تطبيقات واقعية وعلى نطاق واسع.

نبذة عن المؤلف

مارتن هاندر، Ph.D. (جامعة LIGS)، هو خبير تقني ومؤلف وباحث متخصص في الذكاء الاصطناعي، والحوسبة السحابية، وخدمات الويب، ومنصات البيانات الحديثة. ومن خلال خبرته التي تزيد عن 15 عاماً في هندسة برمجيات المؤسسات، والأنظمة الموزعة، والبنى التحتية السحابية الأصلية، عمل في كل من الأوساط الأكاديمية والصناعية، حيث ساعد المؤسسات على بناء تطبيقات قابلة للتوسع وآمنة وجاهزة للمستقبل. عندما لا يكون مشغولاً بالكتابة أو البحث، يستمتع Martin بتوجيه المطورين، واستكشاف ابتكارات الذكاء الاصطناعي الناشئة، والمساهمة في مجتمع التكنولوجيا العالمي.