README.md

EdgeAI للمبتدئين

اتبع هذه الخطوات للبدء باستخدام هذه الموارد:

1. تفرع المستودع: انقر
2. استنساخ المستودع: git clone https://github.com/microsoft/edgeai-for-beginners.git
3. انضم إلى Discord الخاص بـ Azure AI Foundry وتواصل مع الخبراء والمطورين الآخرين

🌐 دعم متعدد اللغات

مدعوم عبر GitHub Action (تلقائي ودائم التحديث)

العربية | البنغالية | البلغارية | البورمية (ميانمار) | الصينية (المبسطة) | الصينية (التقليدية، هونغ كونغ) | الصينية (التقليدية، ماكاو) | الصينية (التقليدية، تايوان) | الكرواتية | التشيكية | الدانماركية | الهولندية | الإستونية | الفنلندية | الفرنسية | الألمانية | اليونانية | العبرية | الهندية | الهنغارية | الإندونيسية | الإيطالية | اليابانية | الكورية | الليتوانية | الماليزية | الماراثية | النيبالية | النيجيرية بيجن | النرويجية | الفارسية (فارسي) | البولندية | البرتغالية (البرازيل) | البرتغالية (البرتغال) | البنجابية (غورموخي) | الرومانية | الروسية | الصربية (السيريلية) | السلوفاكية | السلوفينية | الإسبانية | السواحيلية | السويدية | التاغالوغية (الفلبينية) | التاميلية | التايلاندية | التركية | الأوكرانية | الأردية | الفيتنامية

إذا كنت ترغب في دعم لغات إضافية، يمكنك الاطلاع على اللغات المدعومة هنا

المقدمة

مرحبًا بك في EdgeAI للمبتدئين – رحلتك الشاملة إلى عالم الذكاء الاصطناعي المتقدم على الأجهزة الطرفية. هذه الدورة تربط بين قدرات الذكاء الاصطناعي القوية والتطبيق العملي في العالم الحقيقي على الأجهزة الطرفية، مما يتيح لك استغلال إمكانيات الذكاء الاصطناعي مباشرةً حيث يتم إنشاء البيانات واتخاذ القرارات.

ما ستتعلمه

تأخذك هذه الدورة من المفاهيم الأساسية إلى التنفيذ الجاهز للإنتاج، وتشمل:

• نماذج اللغة الصغيرة (SLMs) المصممة للنشر على الأجهزة الطرفية
• تحسين الأجهزة عبر منصات متنوعة
• الاستنتاج في الوقت الحقيقي مع الحفاظ على الخصوصية
• استراتيجيات النشر الإنتاجي لتطبيقات المؤسسات

لماذا يهم EdgeAI

يمثل EdgeAI تحولًا جذريًا يعالج تحديات العصر الحديث:

• الخصوصية والأمان: معالجة البيانات الحساسة محليًا دون التعرض للسحابة
• الأداء في الوقت الحقيقي: القضاء على تأخير الشبكة للتطبيقات الحساسة للوقت
• الكفاءة الاقتصادية: تقليل تكاليف عرض النطاق الترددي والحوسبة السحابية
• العمليات المستدامة: الحفاظ على الوظائف أثناء انقطاع الشبكة
• الامتثال التنظيمي: تلبية متطلبات سيادة البيانات

الذكاء الاصطناعي الطرفي

يشير الذكاء الاصطناعي الطرفي إلى تشغيل خوارزميات الذكاء الاصطناعي ونماذج اللغة محليًا على الأجهزة، بالقرب من مكان إنشاء البيانات، دون الاعتماد على موارد السحابة للاستنتاج. يقلل من التأخير، يعزز الخصوصية، ويمكّن اتخاذ القرارات في الوقت الحقيقي.

المبادئ الأساسية:

• الاستنتاج على الجهاز: تشغيل نماذج الذكاء الاصطناعي على الأجهزة الطرفية (الهواتف، أجهزة التوجيه، المتحكمات الدقيقة، أجهزة الكمبيوتر الصناعية)
• القدرة على العمل دون اتصال: العمل دون اتصال دائم بالإنترنت
• التأخير المنخفض: استجابات فورية مناسبة لأنظمة الوقت الحقيقي
• سيادة البيانات: الحفاظ على البيانات الحساسة محليًا، مما يعزز الأمان والامتثال

نماذج اللغة الصغيرة (SLMs)

نماذج مثل Phi-4، Mistral-7B، وGemma هي نسخ محسنة من نماذج اللغة الكبيرة – تم تدريبها أو تقليلها لتناسب:

• تقليل استهلاك الذاكرة: استخدام فعال لذاكرة الأجهزة الطرفية المحدودة
• تقليل الطلب على الحوسبة: تحسين الأداء على وحدات المعالجة المركزية ووحدات معالجة الرسومات الطرفية
• أوقات بدء تشغيل أسرع: تهيئة سريعة للتطبيقات المستجيبة

تتيح هذه النماذج قدرات معالجة اللغة الطبيعية القوية مع تلبية قيود:

• أنظمة مدمجة: أجهزة إنترنت الأشياء ووحدات التحكم الصناعية
• الأجهزة المحمولة: الهواتف الذكية والأجهزة اللوحية مع إمكانيات العمل دون اتصال
• أجهزة إنترنت الأشياء: أجهزة الاستشعار والأجهزة الذكية ذات الموارد المحدودة
• الخوادم الطرفية: وحدات المعالجة المحلية ذات موارد GPU محدودة
• أجهزة الكمبيوتر الشخصية: سيناريوهات النشر على أجهزة سطح المكتب والمحمولة

وحدات الدورة والتنقل

الوحدة	الموضوع	مجال التركيز	المحتوى الرئيسي	المستوى	المدة
📖 00	مقدمة إلى EdgeAI	الأساس والسياق	نظرة عامة على EdgeAI • تطبيقات الصناعة • مقدمة إلى SLM • أهداف التعلم	مبتدئ	1-2 ساعة
📚 01	أساسيات EdgeAI	مقارنة بين السحابة والذكاء الاصطناعي الطرفي	أساسيات EdgeAI • دراسات حالة واقعية • دليل التنفيذ • نشر الطرف	مبتدئ	3-4 ساعات
🧠 02	أساسيات نموذج SLM	عائلات النماذج والهندسة	عائلة Phi • عائلة Qwen • عائلة Gemma • BitNET • μModel • Phi-Silica	مبتدئ	4-5 ساعات
🚀 03	ممارسة نشر SLM	النشر المحلي والسحابي	التعلم المتقدم • البيئة المحلية • النشر السحابي	متوسط	4-5 ساعات
⚙️ 04	أداة تحسين النماذج	تحسين عبر المنصات	مقدمة • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • توليف سير العمل	متوسط	5-6 ساعات
🔧 05	SLMOps الإنتاجي	عمليات الإنتاج	مقدمة إلى SLMOps • تقليل النماذج • التخصيص • نشر الإنتاج	متقدم	5-6 ساعات
🤖 06	وكلاء الذكاء الاصطناعي واستدعاء الوظائف	أطر الوكلاء وMCP	مقدمة إلى الوكلاء • استدعاء الوظائف • بروتوكول سياق النموذج	متقدم	4-5 ساعات
💻 07	تنفيذ المنصة	عينات عبر المنصات	أدوات الذكاء الاصطناعي • Foundry Local • تطوير Windows	متقدم	3-4 ساعات
🏭 08	أداة Foundry Local	عينات جاهزة للإنتاج	تطبيقات العينات (انظر التفاصيل أدناه)	خبير	8-10 ساعات

🏭 الوحدة 08: تطبيقات العينات

• 01: بدء سريع للدردشة REST
• 02: تكامل OpenAI SDK
• 03: اكتشاف النماذج ومعايير الأداء
• 04: تطبيق Chainlit RAG
• 05: تنسيق متعدد الوكلاء
• 06: توجيه النماذج كأدوات
• 07: عميل API مباشر
• 08: تطبيق دردشة Windows 11
• 09: نظام متعدد الوكلاء المتقدم
• 10: إطار عمل أدوات Foundry

🎓 ورشة العمل: مسار التعلم العملي

مواد ورشة عمل شاملة مع تنفيذات جاهزة للإنتاج:

• دليل ورشة العمل - أهداف التعلم الكاملة، النتائج، والتنقل بين الموارد
• عينات Python (6 جلسات) - محدثة بأفضل الممارسات، معالجة الأخطاء، وتوثيق شامل
• دفاتر Jupyter (8 تفاعلية) - دروس خطوة بخطوة مع معايير الأداء ومراقبة الأداء
• أدلة الجلسات - أدلة مفصلة لكل جلسة ورشة عمل
• أدوات التحقق - نصوص للتحقق من جودة الكود وإجراء اختبارات أولية

ما ستبنيه:

• تطبيقات دردشة محلية بالذكاء الاصطناعي مع دعم البث
• خطوط أنابيب RAG مع تقييم الجودة (RAGAS)
• أدوات مقارنة ومعايير متعددة النماذج
• أنظمة تنسيق متعددة الوكلاء
• توجيه النماذج الذكية مع اختيار قائم على المهام

📊 ملخص مسار التعلم

• المدة الإجمالية: 36-45 ساعة
• مسار المبتدئين: الوحدات 01-02 (7-9 ساعات)
• مسار المتوسط: الوحدات 03-04 (9-11 ساعات)
• مسار المتقدم: الوحدات 05-07 (12-15 ساعات)
• مسار الخبراء: الوحدة 08 (8-10 ساعات)

ما ستبنيه

🎯 الكفاءات الأساسية

• هندسة الذكاء الاصطناعي الطرفي: تصميم أنظمة ذكاء اصطناعي محلية مع تكامل السحابة
• تحسين النماذج: تقليل حجم النماذج وضغطها للنشر الطرفي (زيادة السرعة بنسبة 85%، تقليل الحجم بنسبة 75%)
• النشر متعدد المنصات: Windows، الأجهزة المحمولة، الأنظمة المدمجة، وأنظمة السحابة الطرفية الهجينة
• عمليات الإنتاج: مراقبة، توسيع، وصيانة الذكاء الاصطناعي الطرفي في بيئة الإنتاج

🏗️ مشاريع عملية

• تطبيقات الدردشة المحلية Foundry: تطبيق أصلي لنظام Windows 11 مع تبديل النماذج
• أنظمة متعددة الوكلاء: منسق مع وكلاء متخصصين لتنفيذ مهام معقدة
• تطبيقات RAG: معالجة المستندات المحلية مع البحث المتجهي
• موجهات النماذج: اختيار ذكي بين النماذج بناءً على تحليل المهام
• إطارات API: عملاء جاهزون للإنتاج مع بث ومراقبة الصحة
• أدوات متعددة المنصات: أنماط تكامل LangChain/Semantic Kernel

🏢 تطبيقات صناعية

التصنيع • الرعاية الصحية • المركبات ذاتية القيادة • المدن الذكية • تطبيقات الهواتف المحمولة

البداية السريعة

مسار التعلم الموصى به (إجمالي 20-30 ساعة):

0. 📖 المقدمة (Introduction.md): أساسيات EdgeAI + سياق الصناعة + إطار التعلم
1. 📚 الأساسيات (الوحدات 01-02): مفاهيم EdgeAI + عائلات نماذج SLM
2. ⚙️ التحسين (الوحدات 03-04): النشر + أطر التكميم
3. 🚀 الإنتاج (الوحدات 05-06): SLMOps + وكلاء الذكاء الاصطناعي + استدعاء الوظائف
4. 💻 التنفيذ (الوحدات 07-08): عينات المنصات + أدوات Foundry Local

كل وحدة تتضمن نظرية، تمارين عملية، وعينات كود جاهزة للإنتاج.

تأثير على المسار المهني

الأدوار التقنية: مهندس حلول EdgeAI • مهندس تعلم الآلة (Edge) • مطور ذكاء اصطناعي لإنترنت الأشياء • مطور ذكاء اصطناعي للهواتف المحمولة

القطاعات الصناعية: التصنيع 4.0 • تكنولوجيا الرعاية الصحية • الأنظمة الذاتية • التكنولوجيا المالية • الإلكترونيات الاستهلاكية

مشاريع المحفظة: أنظمة متعددة الوكلاء • تطبيقات RAG الإنتاجية • النشر متعدد المنصات • تحسين الأداء

هيكل المستودع

edgeai-for-beginners/
├── 📖 introduction.md  # Foundation: EdgeAI Overview & Learning Framework
├── 📚 Module01-04/     # Fundamentals → SLMs → Deployment → Optimization  
├── 🔧 Module05-06/     # SLMOps → AI Agents → Function Calling
├── 💻 Module07/        # Platform Samples (VS Code, Windows, Jetson, Mobile)
├── 🏭 Module08/        # Foundry Local Toolkit + 10 Comprehensive Samples
│   ├── samples/01-06/  # Foundation: REST, SDK, RAG, Agents, Routing
│   └── samples/07-10/  # Advanced: API Client, Windows App, Enterprise Agents, Tools
├── 🌐 translations/    # Multi-language support (8+ languages)
└── 📋 STUDY_GUIDE.md   # Structured learning paths & time allocation

أبرز ملامح الدورة

✅ تعلم تدريجي: نظرية → ممارسة → نشر الإنتاج
✅ دراسات حالة حقيقية: Microsoft، Japan Airlines، تطبيقات الشركات
✅ عينات عملية: أكثر من 50 مثالاً، 10 عروض شاملة لأدوات Foundry Local
✅ تركيز على الأداء: تحسينات سرعة بنسبة 85%، تقليل الحجم بنسبة 75%
✅ متعدد المنصات: Windows، الهواتف المحمولة، الأجهزة المدمجة، السحابة والطرف الهجين
✅ جاهز للإنتاج: مراقبة، توسيع، أطر الأمان والامتثال

📖 دليل الدراسة متوفر: مسار تعلم منظم لمدة 20 ساعة مع إرشادات تخصيص الوقت وأدوات التقييم الذاتي.

---

EdgeAI يمثل مستقبل نشر الذكاء الاصطناعي: محلي أولاً، يحافظ على الخصوصية، وفعال. تعلم هذه المهارات لبناء الجيل القادم من التطبيقات الذكية.

دورات أخرى

فريقنا يقدم دورات أخرى! تحقق من:

Azure / Edge / MCP / Agents

---

سلسلة الذكاء الاصطناعي التوليدي

---

التعلم الأساسي

---

سلسلة Copilot

الحصول على المساعدة

إذا واجهت أي صعوبات أو لديك أسئلة حول بناء تطبيقات الذكاء الاصطناعي، انضم إلى:

إذا كان لديك ملاحظات على المنتج أو أخطاء أثناء البناء، قم بزيارة:

---

إخلاء المسؤولية:
تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي Co-op Translator. بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالترجمة البشرية الاحترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.