مقدمة إلى آليات الانتباه و Transformers

يعتمد الذكاء الاصطناعي الحديث بشكل كبير على قدرة الشبكات العصبية على التركيز على ما يهم أكثر في تسلسل البيانات. إن فهم آلية الانتباه هو المفتاح لفتح الطريق أمام كيفية معالجة نماذج اللغة الحديثة وأنظمة الترجمة للمعلومات. في هذه الدورة النصية، ستنتقل من المبادئ الأساسية لمعالجة التسلسل إلى البنية الأساسية للنماذج القائمة على الانتباه. ستكتسب فهماً بديهياً ومفاهيمياً قوياً لكيفية تعلم الآلات وزن أجزاء مختلفة من تسلسل المدخلات ديناميكياً. ما ستتعلمه: فهم المفاهيم الأساسية لنماذج التسلسل إلى التسلسل وقيودها التاريخية؛ التعرف على ميكانيكا الانتباه الذاتي، بما في ذلك أدوار الاستعلامات (queries) والمفاتيح (keys) والقيم (values)؛ استكشاف بنية نموذج Transformer وكيف يتيح المعالجة المتوازية؛ تحليل كيف يلتقط الانتباه متعدد الرؤوس (multi-head attention) علاقات متنوعة داخل النص؛ التدرب على تتبع تدفق البيانات عبر طبقات الانتباه مع شروحات مكتوبة واضحة وتفاصيل خطوة بخطوة؛ اكتشاف كيف تعمل آليات الانتباه كعمود فقري لنماذج اللغة الكبيرة الحديثة. تبدأ الدورة بالمصطلحات الأساسية والتعريفات التأسيسية قبل توجيهك عبر الحدس الرياضي الكامن وراء انتباه حاصل الضرب النقدي (dot-product attention). ستتقدم عبر شروحات مكتوبة منظمة تحلل بنيات التعلم العميق المعقدة إلى مفاهيم قابلة للفهم. تم تصميم هذه الدورة لعلماء البيانات المبتدئين، ومطوري البرمجيات، ومهتمين بالذكاء الاصطناعي الحريصين على فهم ميكانيكا التعلم الآلي الحديث. لا يتطلب الأمر خلفية متقدمة في التعلم العميق. ابدأ القراءة اليوم لإتقان البنية الأساسية التي تقود الذكاء الاصطناعي الحديث.