15 أفضل كتب الذكاء الاصطناعي (تحديث 2026)

نحن قارئ مدعومة وقد تكسب عمولة عند الشراء من خلال الروابط الموجودة على موقعنا

الذكاء الاصطناعي هو فرع من علوم الحاسوب يُعنى بإنشاء أنظمة قادرة على أداء مهام تتطلب عادةً حكماً بشرياً. تشمل هذه المهام فهم اللغة، والتعرف على الصور، واكتشاف الأنماط، والتنبؤ، وحل المشكلات.

قد يبدو تعلم الذكاء الاصطناعي مربكًا لأن الكتب تغطي مواضيع مختلفة. بعضها يُعلّم Python بينما يركز البعض الآخر على التعلم الآلي، ويتناول آخرون الرياضيات، أو التطبيقات التجارية، أو الأخلاقيات، أو تأثير الذكاء الاصطناعي على المجتمع. يعتمد اختيار الكتاب المناسب على خبرتك وأهدافك التعليمية.

يقارن هذا الدليل كتب الذكاء الاصطناعي للمبتدئين والطلاب والمطورين وقراء الأعمال. يشرح كل تقييم المواضيع الرئيسية والمعرفة المطلوبة والقيمة العملية والجمهور المستهدف، مما يساعدping تختار نقطة بداية مناسبة. اقرأ أكثر…

أفضل كتب الذكاء الاصطناعي للمبتدئين والخبراء

عنوان كتاب	اسم المؤلف	الطبعة الأخيرة	Publisher	التقييمات	الرابط
Make Your Own Neural Network	طارق راشد	إصدار 1st	نشرت بشكل مستقل		اعرف المزيد
الذكاء الاصطناعي	ستيوارت راسل	3rd طبعة	بيرسون		اعرف المزيد
Artificial Intelligence For Dummies	جون بول مولر	إصدار 1st	للحمقى		اعرف المزيد
Machine Learning For Absolute Beginners	يا ثيوبالد	الطبعة 2nd	الصحافة مبعثر		اعرف المزيد
Superintelligence	Nick بوستروم	طبعة غير مختصرة	‎Audible استوديوهات على بريليانس الصوت		اعرف المزيد

التقييم: التقييمات متوسطة Amazon تم تقييم آراء القراء اعتبارًا من أكتوبر 2026 وقد تتغير.

1) Make Your Own Neural Network

Make Your Own Neural Network يشرح الكتاب الرياضيات الأساسية الكامنة وراء الشبكة العصبية الصغيرة ويحول تلك الأفكار إلى Python يشرح طارق رشيد المدخلات والأوزان والأخطاء والتعلم في تسلسل يسمح للقراء بمتابعة كل عملية حسابية بدلاً من التعامل مع النموذج كصندوق أسود.

يتميز الكتاب بوتيرة سلسة، لكن القراء ما زالوا بحاجة إلى الصبر في التعامل مع الجبر والبرمجة. تركز الأمثلة على شبكة صغيرة الحجم بدلاً من أطر الإنتاج الحديثة. وهذا ما يجعل الكتاب مفيدًا لفهم آلية التعلم قبل الانتقال إلى مكتبات أكبر، أو بنى معمارية متقدمة، أو أدوات جاهزة.

ماذا ستتعلم:

• فهم كيفية ترابط المدخلات والأوزان والمخرجات رياضياً
• احسب الأخطاء واضبط الأوزان من خلال خطوات الانتشار العكسي
• اكتب شبكة عصبية صغيرة باستخدام لغة بسيطة Python
• تدريب النماذج باستخدام بيانات الأرقام المكتوبة بخط اليد وأمثلة
• اقرأ عمليات المصفوفات دون التعامل مع النماذج كسحر.
• استعد لدراسة متعمقة مع مكتبات التعلم الحديثة

أفضل ل: للمبتدئين ذوي الأساسيات Python المهارات لمن يرغبون في تعلم رياضيات الشبكات العصبية من خلال العمليات الحسابية والبرمجة البسيطة.

---

2) Artificial Intelligence: A Modern Approach

Artificial Intelligence: A Modern Approach يُغطي هذا الكتاب المجالات الأكاديمية الرئيسية للذكاء الاصطناعي، بما في ذلك الوكلاء، والبحث، والتخطيط، والمنطق، وعدم اليقين، والتعلم الآلي، واللغة، والرؤية الحاسوبية، والروبوتات، والأخلاقيات. يبدأ ستيوارت راسل وبيتر نورفيج بأفكار واضحة قبل الانتقال إلى الخوارزميات والتفاصيل الرياضية.

يُتيح اتساع نطاق الكتاب استخدامه كمرجعٍ دراسيٍّ طويل الأمد، ولكنه كبيرٌ جدًّا لتقديمه كمقدمةٍ سريعة. يحتاج القراء إلى إلمامٍ مُسبقٍ بالخوارزميات والاحتمالات والاستدلال المنطقي. يُضيف الإصدار الرابع فصولًا جديدةً حول التعلّم العميق، والتعلّم العميق لمعالجة اللغة الطبيعية، والبرمجة الاحتمالية، واتخاذ القرارات متعددة العوامل.

ماذا ستتعلم:

• اشرح كيف تختار الأنظمة الذكية الإجراءات في ظل عدم اليقين
• قارن بين طرق البحث لحل مشاكل القرار المنظمة
• تمثيل المعرفة من خلال المنطق ونماذج الاحتمالات المنظمة
• ادرس التعلم الآلي واللغة والرؤية والروبوتات معًا
• اربط أساليب التخطيط بمشاكل صنع القرار الحقيقية بشكل فعال
• دراسة الإنصاف والسلامة والخصوصية وخيارات الذكاء الاصطناعي المسؤولة

أفضل ل: طلاب الجامعات، والمدرسون، والباحثون، والمطورون الذين يحتاجون إلى مرجع أكاديمي مفصل حول أساليب الذكاء الاصطناعي الأساسية.

---

3) Artificial Intelligence For Dummies

Artificial Intelligence For Dummies يشرح هذا الكتاب الذكاء الاصطناعي بلغة بسيطة تناسب القراء الذين لا يرغبون في البدء بالمعادلات أو البرمجة. يناقش جون بول مولر ولوكا ماسارون المصطلحات الشائعة، والتطبيقات النموذجية، والبيانات، والخوارزميات، والروبوتات، وحدود الأنظمة الحالية.

يقدم الكتاب نظرة عامة شاملة بدلاً من تعليمات بناء النماذج، مما يجعله أسهل للمديرين والقراء عموماً، ولكنه أقل فائدة لمن يسعى إلى ممارسة البرمجة. وقد أُضيفت ستيفاني دايموند كمؤلفة مشاركة في الطبعة الثالثة (2024).

ماذا ستتعلم:

• اشرح مصطلحات الذكاء الاصطناعي الشائعة بلغة بسيطة
• افصل بين قدرات الذكاء الاصطناعي الحالية والمفاهيم الخاطئة الشائعة لدى العامة
• إدراك كيفية استخدام المؤسسات للتنبؤ والقرارات الآلية
• فهم العلاقات بين البيانات والخوارزميات ومخرجات النموذج
• ضع في اعتبارك الخصوصية والتحيز والسلامة والاستخدام المسؤول للنظام
• اطرح أسئلة أفضل قبل أن تثق في نتيجة آلية

أفضل ل: المدراء والطلاب والقراء عموماً الذين يبحثون عن مقدمة مبسطة عن الذكاء الاصطناعي دون الحاجة إلى البرمجة أو الرياضيات المتقدمة.

---

4) Machine Learning For Absolute Beginners

Machine Learning For Absolute Beginners يقدم هذا الكتاب مفهومي التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف دون افتراض خلفية رياضية قوية. ويغطي أوليفر ثيوبالد إعداد البيانات، والانحدار، والتجميع، وآلات المتجهات الداعمة، والشبكات العصبية، والخطوات الأساسية المستخدمة لإنشاء نموذج في Python.

الشروحات الموجزة والأمثلة المرئية تجعل الفصول الأولى سهلة الفهم. لكن في المقابل، يكون العمق محدودًا، لذا قد يتجاوزها المبرمجون ذوو الخبرة بسرعة. استخدمها لتعلم المصطلحات وسير العمل، ثم انتقل إلى كتاب يركز على المشاريع عندما تكون مستعدًا لضبط النماذج ومقارنة النتائج وكتابة المزيد من التعليمات البرمجية.

ماذا ستتعلم:

• ميز بين أساليب التعلم الرئيسية الخاضعة للإشراف، والتعلم غير الخاضع للإشراف، والتعلم المعزز
• قم بإعداد البيانات غير المنظمة قبل تدريب نموذج التنبؤ.
• قارن بين أساليب الانحدار والتجميع والتصنيف للمشاريع العملية
• قم ببناء نموذج أساسي للتعلم الآلي باستخدام Python
• فهم خطوات التحقق من الصحة، واختيار الميزات، وتحسين النموذج
• إدراك متى تكون الخوارزميات البسيطة مناسبة لمشاكل البيانات العملية

أفضل ل: للمبتدئين الذين يرغبون في الحصول على شروحات واضحة حول التعلم الآلي قبل الخوض في البرمجة المتقدمة أو الرياضيات.

---

5) Superintelligence

Superintelligence يتناول هذا البحث ما يمكن أن يحدث إذا تجاوز الذكاء الاصطناعي القدرة البشرية في العديد من المجالات. Nick يستكشف بوستروم المسارات المحتملة لمثل هذه الأنظمة، ومشكلة التحكم، والأهداف المتنافسة، والخيارات الاستراتيجية التي قد يواجهها الناس قبل وجود الذكاء الاصطناعي عالي القدرة.

هذا كتابٌ ذو طابع فلسفي وسياسي، وليس دليلاً للبرمجة أو أدوات التعلّم الآلي الحالية. حججه مُعقّدة وكثيراً ما تكون تخمينية، لذا ينبغي على القراء مقارنتها بوجهات نظر أخرى حول مخاطر الذكاء الاصطناعي. اختره للتفكير المتأني في الحوكمة طويلة الأجل، والسلامة، والتحكم البشري.

ماذا ستتعلم:

• قارن بين المسارات الممكنة نحو ذكاء يتجاوز القدرة البشرية
• فهم لماذا قد تقاوم الأنظمة المتقدمة السيطرة البشرية
• افحص أهداف النظام، والحوافز، وسلوك الآلة غير المقصود
• ينبغي النظر في خيارات الحوكمة قبل وصول الأنظمة ذات الكفاءة العالية.
• افصل حجج المخاطر طويلة الأجل عن منتجات الذكاء الاصطناعي الحالية
• تقييم الاستراتيجيات المتنافسة للحفاظ علىping الذكاء الاصطناعي المتقدم مفيد

أفضل ل: الباحثون، وقراء السياسات، والمتخصصون التقنيون الذين يدرسون سلامة الذكاء الاصطناعي على المدى الطويل، والتحكم فيه، والمخاطر المحتملة.

---

6) Life 3.0: Being Human in the Age of Artificial Intelligence

يتناول كتاب "الحياة 3.0" كيف يمكن للذكاء الاصطناعي المتطور أن يؤثر على العمل والقانون والحرب والثروة والهوية والوعي ومستقبل المجتمع. يعرض ماكس تيغمارك عدة نتائج محتملة، ويدعو القراء إلى التفكير في الأهداف التي يرغب الناس أن تخدمها التكنولوجيا.

الكتاب موجه لعامة القراء ولا يتطلب معرفة مسبقة بالبرمجة. يتناول خيارات قريبة المدى واحتمالات بعيدة المدى، مما قد يجعل بعض الفصول تبدو تخمينية. يُعدّ الكتاب أفضل ما يكون كنقطة انطلاق لنقاش حول القيم والسياسات، وليس كدليل قاطع على حدوث مستقبل معين.

ماذا ستتعلم:

• اكتشف كيف يمكن للذكاء الاصطناعي أن يعيد تشكيل العمل والدخل
• قارن بين الاحتمالات المستقبلية التي تتضمن ذكاءً آلياً متطوراً.
• دراسة الأسلحة ذاتية التشغيل، والقانون، والسلامة، والقوة العالمية
• ناقش الوعي والهوية والمعنى وتغير الأهداف الإنسانية
• افصل بين خيارات السياسة قصيرة المدى والاحتمالات الأبعد مدى
• تكوين آراء شخصية مستنيرة حول تطوير التكنولوجيا المفيدة

أفضل ل: القراء عموماً والطلاب والمتخصصون في السياسات الذين يستكشفون كيف يمكن أن يؤثر الذكاء الاصطناعي على المجتمع والعمل والإنسانية.

---

7) Applied Artificial Intelligence: A Handbook For Business Leaders

يساعد الذكاء الاصطناعي التطبيقي قادة الأعمال على الانتقال من الاهتمام العام بالذكاء الاصطناعي إلى مشروع تنظيمي محدد. Mariيناقش كل من يا ياو، وأديلين تشو، ومارلين جيا اختيار المشكلات المفيدة، وإعداد البيانات، وبناء الفرق، والاختيار بين الأدوات الداخلية والخارجية، واختبار الأفكار في مراحل يمكن التحكم فيها.

يركز الكتاب على القرارات والأفراد والتنفيذ بدلاً من نماذج البرمجة. وتعكس الأمثلة بيئة الأعمال وقت تأليف الكتاب، لذا ينبغي على القراء مواءمة منهجية التخطيط الواردة فيه مع إرشادات الأمن والخصوصية والمنصات الحالية. ويُعدّ الكتاب مفيدًا للغاية عندما يحتاج الفريق إلى هيكلة واضحة قبل إنفاق الأموال على التكنولوجيا.

ماذا ستتعلم:

• تحديد المشكلات التجارية التي قد تستفيد من الذكاء الاصطناعي
• افصل بين فرص العمل المفيدة والمشاريع الغامضة التي تعتمد على التكنولوجيا
• قم ببناء فرق تجمع بين مهارات الأعمال والبيانات والمهارات التقنية
• حدد متى تقوم بالبناء أو الشراء أو الشراكة الخارجية
• خطط لتجارب صغيرة مضبوطة قبل القيام باستثمارات أكبر
• معالجة جودة البيانات، واعتمادها، وأخلاقياتها، والتغيير التنظيمي

أفضل ل: المدراء التنفيذيون وقادة المنتجات والمستشارون والمدراء الذين يخططون لمشاريع الذكاء الاصطناعي دون الحاجة إلى تعليمات برمجية مفصلة.

---

8) Artificial Intelligence Engines: A Tutorial Introduction to the Mathematics of Deep Learning

يشرح كتاب "محركات الذكاء الاصطناعي" الرياضيات التي تسمح للشبكات العصبية بالتعلم. يستخدم جيمس ف. ستون الرسوم البيانية والمعادلات والأمثلة المحلولة لتغطية مفاهيم البيرسيبترون، والانحدار التدريجي، والانتشار العكسي، والشبكات الالتفافية، والمشفرات التلقائية، ومفاهيم التعلم العميق ذات الصلة.

يجعل الكتاب المعادلات أكثر سهولة، لكن سيظل على القراء الصبر ومعرفة أساسية بالجبر. ويركز على فهم رياضيات التعلم العميق بدلاً من نشر نماذج الإنتاج.

ماذا ستتعلم:

• اربط سلوك الشبكة العصبية بالرياضيات الأساسية التي تقوم عليها
• تابع حسابات انحدار التدرج والانتشار العكسي من خلال أمثلة محلولة
• فهم البيرسيبترونات والشبكات متعددة الطبقات ووظائف التنشيط الشائعة
• ادرس الشبكات الالتفافية، والمشفرات التلقائية، والنماذج التوليدية معًا
• اقرأ المعادلات إلى جانب الرسوم البيانية والأمثلة العددية المحلولة
• استعد للأوراق التقنية ودورات التعلم المتعمقة

أفضل ل: الطلاب والمطورون والباحثون الذين لديهم معرفة أساسية بالجبر ويرغبون في الحصول على مقدمة رياضية واضحة للتعلم العميق.

---

9) Python Machine Learning, 1st Edition

Python Machine Learning, 1st Edition يُعلّم هذا البرنامج سير عمل عملي لتحويل البيانات إلى نماذج تنبؤية باستخدام Pythonيغطي سيباستيان راشكا التصنيف، والانحدار، والتجميع، واختيار الميزات، وتقييم النموذج، وتحليل النصوص، والشبكات العصبية، والأدوات المستخدمة في الطبعة الأصلية.

ماذا ستتعلم:

• قم ببناء نماذج التصنيف والانحدار باستخدام Python أدوات
• قم بإعداد الميزات وتقييم النماذج باستخدام مقاييس واضحة
• قارن بين أساليب التجميع، وتقليل الأبعاد، وأساليب التجميع في الممارسة العملية
• تطبيق التعلم الآلي على بيانات النصوص والصور
• فهم سير العمل بدءًا من البيانات الأولية وحتى التنبؤ
• التعرف على واجهات المكتبات القديمة التي قد تتطلب تحديثات

أفضل ل: Python المطورون والطلاب الذين يدرسون أمثلة الطبعة الأولى من كتاب سيباستيان راشكا وسير العمل الأصلي للتعلم الآلي.

---

10) Deep Learning Illustrated

Deep Learning Illustrated يستخدم الكتاب رسومًا بيانية ملونة بالكامل لشرح الشبكات العصبية وبنى التعلم العميق الشائعة. ينتقل جون كروهن، وغرانت بيليفيلد، وأغلاي باسنس من الخلايا العصبية الأساسية والتدريب إلى رؤية الحاسوب، ونماذج اللغة، والشبكات التوليدية، والتعلم المعزز.

تُسهّل الشروحات المرئية فهم المفاهيم الأساسية، بينما تُساعد أمثلة البرمجة على ربط الأفكار بالتطبيق العملي. الكتاب أوسع نطاقًا من مجرد دليل سريع للمبتدئين، ولكنه أقل تفصيلًا من مرجع رياضي. تستخدم أمثلة البرمجة Keras، لذا يُنصح القراء الذين يعملون بلغة Py بقراءته.Torسيحتاج ch إلى ترجمتها.

ماذا ستتعلم:

• تخيل كيف تحول الشبكات العصبية المدخلات إلى تنبؤات
• فهم التدريب، ووظائف الخسارة، وأساليب التحسين الشائعة
• قارن بصريًا بين تصميمات الشبكات الالتفافية والمتكررة والتوليدية
• اربط مفاهيم التعلم العميق بأمثلة برمجية عملية
• استكشف تطبيقات رؤية الحاسوب واللغة والتعلم المعزز
• التعرف مبكراً على حدود النموذج الشائعة وتحديات التدريب الصعبة

أفضل ل: المتعلمون البصريون والطلاب والمطورون الذين يبحثون عن مقدمة سهلة الفهم لمفاهيم ومخططات التعلم العميق.

---

11) Predictive Analytics For Dummies

Predictive Analytics For Dummies يشرح الكتاب كيف تستخدم المؤسسات البيانات التاريخية لتقدير النتائج المستقبلية. ويتناول أناس باري ومحمد شاوشي وتومي جونغ تحديد المشكلة، وإعداد البيانات، واختيار النماذج، وتقييم التنبؤات، وعرض النتائج على متخذي القرارات.

يُفضّل الكتاب الشروحات المبسطة على الرياضيات المتقدمة أو الشفرات البرمجية المطولة. ولا تزال منهجيته مفيدة، على الرغم من أن أمثلة البرمجيات ودراسات الحالة قد تبدو قديمة بعض الشيء. وهو مناسب للقراء الذين يحتاجون إلى فهم مشروع تنبؤي قبل اختيار الأدوات، بينما قد يرغب علماء البيانات ذوو الخبرة في مرجع إحصائي أكثر تعمقًا.

ماذا ستتعلم:

• حدد مشكلة التنبؤ قبل اختيار أي نموذج
• قم بإعداد البيانات التاريخية بعناية لإجراء تحليل موثوق.
• قارن بوضوح بين أساليب التصنيف والانحدار والتجميع واتخاذ القرار
• قم بتقييم التوقعات باستخدام مقاييس الأعمال والتقنية المناسبة
• اشرح نتائج النموذج بوضوح لصناع القرار غير المتخصصين.
• التعرف على مخاطر الخصوصية والجودة والتنفيذ خلال مرحلة التخطيط المبكر

أفضل ل: المحللون والمديرون والطلاب وقراء الأعمال الذين يتعلمون مفاهيم التحليلات التنبؤية ومراحل المشروع والمصطلحات.

---

12) Human + Machine: Reimagining Work in the Age of AI

يتناول كتاب "الإنسان + الآلة" كيفية إعادة تصميم المؤسسات للعمل بحيث يساهم كل من الأفراد وأنظمة الذكاء الاصطناعي بنقاط قوة مختلفة. ويصف بول دورتي وإتش جيمس ويلسون أدوارًا جديدة، وعمليات تجارية متغيرة، ومهارات القوى العاملة، وممارسات إدارية مستمدة من أبحاث الشركات.

ماذا ستتعلم:

• تحديد المهام المناسبة للأفراد أو الآلات أو التعاون
• إعادة تصميم سير العمل بما يتناسب مع نقاط القوة التكاملية بين الإنسان والذكاء الاصطناعي
• فهم الأدوار الجديدة التي أنشأتها أنظمة مكان العمل الذكية
• خطط للتدريب بما يتناسب مع تغير المسؤوليات والمهارات المطلوبة
• ربط تبني الذكاء الاصطناعي بالقيادة والتصميم التنظيمي
• Revخيارات تنفيذ الثقة والأخلاقيات والمسؤولية في مكان العمل

أفضل ل: المدراء التنفيذيون، والمدراء، وقادة الموارد البشرية، والمستشارون يستكشفون كيف يمكن للذكاء الاصطناعي أن يغير العمل، والأدوار، والمهارات.

---

13) Hands-On Machine Learning

Hands-On Machine Learning يرشد المبرمجين خلال مشاريع التعلم الآلي الكاملة مع Python الأدوات. يغطي أوريلين جيرون إعداد البيانات، واختيار النموذج، والتقييم، والخوارزميات الكلاسيكية، والشبكات العصبية، ورؤية الكمبيوتر، ومهام اللغة، وطرق تحسين الأنظمة المدربة.

يناسب النهج القائم على المشاريع القراء الذين يجيدون الكتابة بالفعل Pythonيتميز الكتاب بأسلوبه السريع واحتوائه على العديد من الأمثلة، لذا قد يفضل المبتدئون تمامًا مقدمةً مختصرةً أولًا. يستخدم الإصدار الثالث مكتبات Scikit-Learn وKeras وTensorFlow لتعليم تقنيات تتراوح من الانحدار إلى الشبكات العصبية العميقة.

ماذا ستتعلم:

• أنجز مشروعًا في مجال تعلم الآلة من البداية إلى النهاية
• قم بإعداد البيانات ومقارنة مقاييس أداء النموذج المناسبة.
• تدريب نماذج الانحدار والتصنيف والتجميع والنماذج المجمعة عمليًا
• قم ببناء الشبكات العصبية باستخدام أدوات Keras وTensorFlow
• اضبط النماذج وتحقق من الأخطاء قبل الاختبار النهائي
• خطة النشر والمراقبة والصيانة وتحسين النموذج المستقبلي

أفضل ل: Python المبرمجون ومحللو البيانات والطلاب المستعدون لبناء مشاريع تعلم الآلة باستخدام مكتبات راسخة.

---

14) Data Science from Scratch: First Principles with Python

يبني كتاب "علم البيانات من الصفر" أفكارًا شائعة في علم البيانات باستخدام لغة بسيطة Python قبل الاعتماد على المكتبات الكبيرة. جويل غروس يغطي الموضوع. Python الأساسيات، الإحصاء، الاحتمالات، الجبر الخطي، جمع البيانات، التعلم الآلي، الشبكات، قواعد البيانات، معالجة اللغة الطبيعية، والأخلاقيات.

يساعد كتابة تطبيقات صغيرة القراء على فهم ما تفعله المكتبات الكبيرة في الخلفية، على الرغم من أنها تتطلب جهدًا أكبر من استخدام الدوال الجاهزة. يُعدّ هذا الكتاب الأنسب لتعلم مبادئ علم البيانات بدلاً من بناء نظام إنتاجي.

ماذا ستتعلم:

• اكتب أدوات البيانات الأساسية باستخدام لغة بسيطة Python الكود
• تطبيق مفاهيم الإحصاء والاحتمالات والجبر الخطي معًا
• قم ببناء طرق بسيطة للانحدار والتصنيف والتجميع يدويًا
• اجمع مجموعات البيانات المفيدة ونظفها واستكشفها وتصورها بعناية
• فهم الشبكات وقواعد البيانات ومعالجة اللغة وأساليب التوصية
• ناقشوا معاً الإنصاف والخصوصية والتفسير وأخلاقيات البيانات

أفضل ل: Python المتعلمون والمحللون وعلماء البيانات الطموحون الذين يرغبون في فهم كيفية عمل الأساليب الشائعة.

---

15) Artificial Intelligence for Humans: Fundamental Algorithms

Artificial Intelligence for Humans: Fundamental Algorithms يشرح الكتاب الأساليب الأساسية دون افتراض خلفية رياضية واسعة. يستخدم جيف هيتون أمثلة عددية لتغطية مواضيع مثل التطبيع، ومقاييس المسافة، والتجميع، وحساب الخطأ، والتحسين، وتسلق التلال، والانحدار الخطي.

يربط كل فصل بين العمليات الحسابية ومثال برمجي، ويقدم المؤلف شفرة برمجية داعمة. تستخدم الأمثلة عدة لغات برمجة معروفة، ولكن قد تكون بعض الأدوات أقدم من الممارسات الحالية. يناسب هذا الكتاب القراء الذين يرغبون في فهم أساسيات الخوارزميات بدلاً من استعراض شامل لأنظمة الذكاء الاصطناعي التوليدي الحديثة.

ماذا ستتعلم:

• قم بتطبيع البيانات قبل مقارنة القيم وتدريب النماذج
• حساب مقاييس المسافة المستخدمة بواسطة خوارزميات التعلم المختلفة
• تجميع البيانات من خلال أساليب التجميع العملية وأمثلة عليها
• قم بقياس أخطاء التنبؤ بعناية باستخدام حسابات رقمية واضحة
• تطبيق أساليب تسلق التلال وغيرها من أساليب التحسين عملياً
• اربط الخوارزميات الأساسية بأمثلة برمجية عملية مفيدة

أفضل ل: الطلاب والمبرمجون والمتعلمون المستقلون الذين لديهم معرفة أساسية بالجبر ويرغبون في شرح خوارزميات الذكاء الاصطناعي الأساسية من خلال الأمثلة.

كيف تختار كتاب الذكاء الاصطناعي المناسب؟

ابدأ بالنتيجة التي ترغب بها. اختر كتابًا لتعليم البرمجة للمبتدئين إذا كنت ترغب في بناء نموذج صغير. اختر كتابًا في الرياضيات إذا كنت ترغب في فهم سبب نجاح أساليب التدريب. المراجع الأكاديمية مناسبة للدراسة الرسمية، بينما تساعد كتب الأعمال والمجتمع القراء على مناقشة التبني والوظائف والسياسات والمخاطر.

• تحقق من المتطلبات الأساسية: تأكيد المطلوب Python ومهارات الرياضيات.
• تطابق التنسيق: اختر المشاريع أو الحسابات أو الفصول المرجعية أو المناقشة.
• تحقق من الطبعة: تتقادم أكواد المكتبات ونصائح المنصات بسرعة.
• افحص النطاق: الذكاء الاصطناعي، والتعلم الآلي، والتعلم العميق ليست متطابقة.
• خطة التدريب: استخدم مجموعة بيانات واحدة، أو دفتر ملاحظات واحد، أو سؤالًا تجاريًا حقيقيًا.

هل ينبغي عليك اختيار كتاب تقني أم غير تقني عن الذكاء الاصطناعي؟

ينبغي أن يساعدك الكتاب التقني في حساب أو برمجة أو تدريب أو مقارنة أو تقييم شيء ما. Make Your Own Neural Network يوفر مشروعًا أوليًا محدود النطاق، بينما Hands-On Machine Learning يغطي سير عمل تطوير أوسع. Artificial Intelligence: A Modern Approach وهو أوسع وأكثر رسمية من كليهما.

العناوين غير التقنية تجيب على أسئلة مختلفة. Artificial Intelligence For Dummies يشرح المصطلحات والاستخدامات. يركز الذكاء الاصطناعي التطبيقي والتفاعل بين الإنسان والآلة على المؤسسات. الحياة 3.0 و Superintelligence تستكشف هذه الكتب الخيارات الاجتماعية والمخاطر طويلة الأجل. وهي تضيف سياقاً، لكنها لا تغني عن الممارسة العملية في البرمجة.

ما الذي يجب أن تتعلمه قبل استخدام كتاب يعتمد على الذكاء الاصطناعي؟

لتعلم أساسيات كتابة عناوين البرمجة، تعلم الأساسيات Pythonالدوال، والقوائم، والملفات، والحزم، وتصحيح الأخطاء. بالنسبة للتعلم الآلي، أضف الإحصاءات والجبر البسيطين. تصبح رياضيات التعلم العميق أسهل بعد فهم المتجهات، والمصفوفات، والمشتقات، والاحتمالات، وبيانات التدريب، والتحقق، والتجاوز.

لا تنتظر حتى تكتمل جميع المتطلبات. ابدأ بمثال بسيط، ودوّن النقطة التي تواجه فيها صعوبة، ثم راجع الموضوع المفقود فقط. اربط الكود القديم بالوثائق الرسمية الحالية بدلاً من إجبار خطوات التثبيت القديمة على العمل دون تغيير.

حكم

يعتمد الخيار الأمثل على ما إذا كنت ترغب في البناء أو الدراسة أو التخطيط باستخدام الذكاء الاصطناعي. تغطي هذه الكتب الثلاثة نقاط انطلاق مختلفة.

• Make Your Own Neural Network: أفضل توصية لدينا للمبتدئين الذين يعرفون الأساسيات Python وأريد أن أفهم شبكة عصبية صغيرة خطوة بخطوة.
• Artificial Intelligence: A Modern Approach: اختره للدراسة الرسمية والتغطية الأكاديمية الواسعة في مجالات الذكاء الاصطناعي الرئيسية.
• الذكاء الاصطناعي التطبيقي: اختره عندما يحتاج فريق العمل إلى مساعدة في اختيار المشكلات والأشخاص والبيانات والتجارب القابلة للإدارة.

الأسئلة الشائعة