ديف أوبس وداتا أوبس ومل أوبس

طبّق تعلّم الآلة في سياقات واقعية باستخدام DevOps وDataOps وMLOps، وتعلّم كيفية بناء حلول MLOps متكاملة من البداية إلى النهاية عبر تدريب عملي يعتمد على البرمجة الثنائية (Pair Programming) في مشاريع ذكاء اصطناعي. ستستفيد من أدوات حديثة ومتقدمة مثل GitHub Copilot وGradio وHugging Face لتسريع التطوير وبناء واجهات تفاعلية للنماذج، مع التركيز على تحويل الأفكار إلى تطبيقات تعلم آلي قابلة للاستخدام والنشر. كما ستتعلّم كيفية بناء تطبيقات تعلم آلي مُحَوْسَبة داخل حاويات (Containerized) بحيث يمكن نشرها بسلاسة عبر منصات سحابية مختلفة. رحلة الدورة تشمل: استكشاف مشهد MLOps وفهم كيفية الاستفادة من النماذج المُدرَّبة مسبقًا لحل مشكلات الأعمال؛ تطبيق ML/AI عمليًا عبر أساليب مثل التحسين (Optimization) والمحاكاة (Simulation) والهيورستكس (Heuristics) للوصول إلى حلول فعّالة؛ تطوير خطوط عمل متكاملة تجمع DevOps وDataOps وMLOps على GitHub تشمل إدارة الشيفرة، الأتمتة، والتشغيل؛ ثم تغليف حلول تعلم الآلة داخل حاويات لتسهيل النشر السحابي والتشغيل المتكرر. كما تتضمن الدورة انتقالًا إلى لغة Rust للاستفادة من الأداء العالي في مهام تعلم الآلة المُسرَّعة بالـ GPU، مع حالات استخدام مرتبطة بـ Kubernetes وDocker والبيئات عديمة الخوادم (Serverless). هذه الدورة مناسبة لعلماء البيانات، ومهندسي البرمجيات، والمحللين، والمهنيين الذين يعملون مع تعلم الآلة ويرغبون في اكتساب مهارات MLOps شاملة عبر مشاريع واقعية.

• استخدام أطر ويب مثل Gradio وHugging Face لبناء واجهات تفاعلية لتطبيقات تعلم الآلة
• بناء أدوات سطر أوامر لتطبيقات ML/AI باستخدام Click
• الاستفادة من أداء Rust في حالات استخدام Kubernetes وDocker والبيئات عديمة الخوادم (Serverless)
• تحزيم (Containerize) ونشر خطوط أنابيب تعلم الآلة عبر بيئات سحابية متعددة