أفضل دورات الذكاء الاصطناعي التوليدي 2026: LLM وRAG وAgents

لم يعد تعلم Generative AI في 2026 يعني فقط معرفة كيفية كتابة Prompt جيد في ChatGPT. المجال اتسع ليشمل Large Language Models وRAG وEmbeddings وAI Agents وEvaluation وFine-Tuning وبناء تطبيقات تعتمد على النماذج التوليدية.

ومع كثرة الدورات، تظهر مشكلة أخرى: بعض دورات الذكاء الاصطناعي التوليدي مصممة للمستخدم العادي، بينما يفترض بعضها معرفة Python وMachine Learning، وهناك دورات متخصصة في LLM أو RAG أو Agents لا تناسب الشخص الذي يبدأ من الصفر.

لذلك لا نرتب الدورات هنا حسب الشهرة فقط، بل حسب الهدف والمستوى.

سنميز بين:

• من يريد فهم Generative AI دون برمجة.
• من يريد استخدام AI في العمل.
• من يريد تطوير تطبيقات باستخدام LLM.
• من يريد تعلم RAG.
• من يريد التخصص في Transformers وFine-Tuning.
• من يريد الانتقال إلى AI Agents.

آخر تحقق من حالة الدورات والمناهج: 6 سبتمبر 2026.

إذا كنت ما تزال في بداية رحلة AI ولا تعرف أي مجال يجب أن تتعلمه أولًا، فالأفضل البدء من خارطة طريق تعلم الذكاء الاصطناعي بدل القفز مباشرة إلى دورة متخصصة.

أما إذا كنت تبحث عن خيارات أوسع تشمل Machine Learning وAI Fundamentals، فيمكنك الرجوع إلى دليل دورات الذكاء الاصطناعي المجانية.

أفضل دورات الذكاء الاصطناعي التوليدي في 2026 باختصار

لا توجد دورة واحدة هي الأفضل للجميع.

هذا هو الاختيار الأقرب حسب الهدف:

الدورة أو المسار	المستوى	البرمجة	المجال الأساسي	الأفضل لـ
OpenAI Academy	مبتدئ	لا	AI + Workflows + Agents	المستخدم العام والمهني
Google Skills: Introduction to Generative AI	مبتدئ	لا	GenAI + LLM Basics	البداية السريعة
DeepLearning.AI: Generative AI for Everyone	مبتدئ	لا	GenAI للأعمال والمستخدمين	فهم المجال دون Coding
Microsoft Learn: Explore Generative AI	مبتدئ	لا في الأساس	GenAI + Copilot	مستخدمي Microsoft
DeepLearning.AI Short Courses	مبتدئ إلى متوسط	حسب الدورة	RAG وAgents وLLM Apps	المطورين
Hugging Face LLM Course	متوسط	نعم	LLM + Transformers + Fine-Tuning	المطور التقني
Hugging Face Agents Course	متوسط	نعم	AI Agents	بناء Agents عمليًا

الفرق بين هذه الخيارات مهم.

إذا كنت غير تقني، فلا تبدأ بـHugging Face LLM Course.

وإذا كنت مطورًا يريد بناء RAG، فلن تكون دورة تعريفية مدتها 45 دقيقة كافية وحدها.

ما الذي يجب أن تتعلمه في Generative AI؟

قبل اختيار الدورة، من المفيد معرفة الطبقات التي يتكون منها المجال.

المستوى الأول: Generative AI Fundamentals

تشمل:

• ما هو Generative AI؟
• ما هو LLM؟
• كيف تختلف النماذج التوليدية عن Machine Learning التقليدي؟
• ما هي Tokens؟
• ما هو Context؟
• لماذا تحدث Hallucinations؟
• ما الاستخدام المسؤول للذكاء الاصطناعي؟

المستوى الثاني: Prompting

تشمل:

• كتابة تعليمات واضحة.
• تقديم Context.
• تحديد شكل المخرجات.
• مراجعة النتائج.
• تقسيم المهام.
• Structured Outputs.

المستوى الثالث: بناء التطبيقات

هنا تبدأ مفاهيم مثل:

• APIs.
• Python.
• Model Selection.
• Tool Calling.
• Structured Data.
• Embeddings.

المستوى الرابع: RAG

تشمل:

• Retrieval.
• Chunking.
• Embeddings.
• Vector Search.
• Grounding.
• Evaluation.

المستوى الخامس: Agents

تشمل:

• Tools.
• Actions.
• Workflows.
• Planning.
• Memory.
• Guardrails.
• Agent Evaluation.

المستوى السادس: Fine-Tuning وModel Engineering

وهذه مرحلة أكثر تقنية، وتشمل:

• Transformers.
• Datasets.
• Supervised Fine-Tuning.
• Alignment.
• Model Evaluation.
• Inference.

لا تحتاج إلى دراسة جميع هذه المستويات إذا كان هدفك فقط استخدام AI في العمل.

1. OpenAI Academy: أفضل بداية عملية للمبتدئ

إذا كنت تبحث عن دورة منظمة تساعدك على الانتقال من فهم AI إلى استخدامه داخل مهام حقيقية، فإن OpenAI Academy أصبحت واحدة من أهم نقاط البداية.

توفر OpenAI حاليًا مسارًا تدريجيًا يتكون من ثلاث مراحل رئيسية:

• AI Foundations.
• Applied AI Foundations.
• Agents and Workflows.

وتوضح OpenAI أن هذه الدورات مجانية، ذاتية الوتيرة، ومتاحة عالميًا لأي شخص لديه حساب ChatGPT.

يمكن الوصول مباشرة إلى صفحة دورات OpenAI Academy.

AI Foundations

هذه أفضل نقطة بداية إذا كنت جديدًا على Generative AI.

تتعلم فيها:

• أساسيات AI.
• Large Language Models.
• استخدام ChatGPT.
• كتابة التعليمات.
• تقديم Context.
• تقييم المخرجات.
• الاستخدام المسؤول.

المدة التقديرية الحالية هي 60 إلى 75 دقيقة.

Applied AI Foundations

هذه المرحلة أكثر أهمية لمن يعرف بالفعل أساسيات ChatGPT.

بدل التركيز على Prompt منفرد، تنتقل إلى تحويل مهمة متكررة إلى Workflow.

تتعلم:

• تقسيم المهمة إلى خطوات.
• تحديد أين يمكن أن يساعد AI.
• إضافة نقاط مراجعة بشرية.
• تحويل الاستخدام الناجح إلى عملية قابلة للتكرار.

المدة التقديرية الحالية هي 75 إلى 90 دقيقة.

Agents and Workflows

هذه المرحلة مخصصة لمن أصبح مرتاحًا في استخدام AI ويريد فهم العمل مع Agents بطريقة أكثر تنظيمًا.

تركز على:

• إعطاء Agent السياق.
• تحديد المخرجات.
• وضع الحدود.
• مراجعة النتائج.
• تحسين Workflow.
• إعادة استخدام العمليات الناجحة.

OpenAI نفسها ترتب هذا المسار بعد AI Foundations وApplied AI Foundations، وهي إشارة جيدة إلى أن Agents ليست أفضل نقطة بداية للمستخدم الجديد.

هل تحتاج إلى البرمجة؟

لا.

المسار الأساسي في OpenAI Academy لا يتطلب خلفية تقنية.

هل OpenAI Academy مجانية؟

نعم، الدورات الحالية مجانية.

هل تمنح شهادة؟

يمكن الحصول على Course Completion Certificate للدورات المؤهلة بعد تسجيل الدخول بحساب ChatGPT وإكمال المسار المطلوب.

لكن يجب الانتباه إلى أن هذه شهادة إتمام وليست OpenAI Certification مهنية.

الأفضل لـ: المبتدئ والمستخدم المهني الذي يريد الانتقال من Prompting إلى Workflows وAgents بطريقة منظمة.

2. Google Skills: Introduction to Generative AI

إذا كنت تريد دورة قصيرة جدًا لفهم المفاهيم الأساسية قبل الدخول في مسار أطول، فإن Google لديها مسار رسمي مناسب للمبتدئين.

يوفر Google Skills حاليًا Learning Path بعنوان:

Beginner: Introduction to Generative AI

ويغطي المفاهيم الأساسية للذكاء الاصطناعي التوليدي، من Large Language Models إلى Responsible AI.

يمكن الدخول إلى مسار Introduction to Generative AI على Google Skills.

دورة Introduction to Generative AI

يوجد داخل المسار Course تمهيدي يحمل الاسم نفسه.

مدة الدورة الحالية نحو 45 دقيقة، وتصنفها Google على أنها Introductory، كما أنها تشرح:

• ما هو Generative AI؟
• كيف يتم استخدامه؟
• الفرق بين Generative AI وMachine Learning التقليدي.
• بعض أدوات Google المستخدمة في بناء تطبيقات GenAI.

وتعرض الصفحة كذلك إمكانية الحصول على Badge.

هل تناسب المبتدئ الكامل؟

نعم.

وهي مناسبة جدًا لمن يريد إجابة سريعة عن سؤال:

ما Generative AI قبل أن أبدأ دورة طويلة؟

لكنها لا تكفي وحدها لشخص يريد أن يصبح Generative AI Developer.

ما الذي يأتي بعدها؟

بعد فهم الأساسيات، لديك خياران:

إذا كان هدفك استخدام AI:

انتقل إلى Prompting وWorkflows.

أما إذا كنت تريد التطوير:

ابدأ بـPython وAPIs ثم LLM Applications.

الأفضل لـ: دورة سريعة وموثوقة لفهم Generative AI من الصفر.

3. Generative AI for Everyone من DeepLearning.AI

إذا كنت تريد فهم Generative AI دون برمجة، فإن Generative AI for Everyone من DeepLearning.AI، بإشراف Andrew Ng، من أبرز الخيارات.

الدورة مصنفة حاليًا للمبتدئين، ومدتها الإجمالية تقارب 5 ساعات، ولا تحتاج إلى خبرة سابقة في AI أو Coding.

يمكن مراجعة صفحة Generative AI for Everyone الرسمية.

ماذا تتعلم؟

تركز الدورة على:

• كيف يعمل Generative AI.
• ما الذي يستطيع وما لا يستطيع فعله.
• استخدامات AI التوليدي.
• Prompt Engineering بصورة عملية.
• مشاريع Generative AI.
• استخدام AI في العمل.
• تأثير AI على المؤسسات والمجتمع.

لمن تناسب؟

هي مناسبة لـ:

• الموظفين.
• المديرين.
• رواد الأعمال.
• صناع القرار.
• المبتدئين.
• المطور الذي يريد فهم الصورة العامة قبل الدخول في الجانب التقني.

هل تحتاج إلى Python؟

لا.

DeepLearning.AI توضح صراحة أن الدورة لا تتطلب Coding أو خبرة سابقة في AI.

ماذا عن الشهادة؟

الوضع الحالي يحتاج إلى الانتباه.

صفحة DeepLearning.AI تعرض الوصول إلى Certificate ضمن PRO، وتوضح أن Graded Assignments المرتبطة بالشهادة جزء من تجربة PRO.

إذن لا ينبغي وصفها ببساطة بأنها:

دورة مجانية بشهادة مجانية.

إذا كانت الشهادة هدفك، تحقق من سعر الاشتراك الحالي قبل التسجيل.

الأفضل لـ: فهم Generative AI دون برمجة ومن منظور العمل والاستخدام الواقعي.

4. Microsoft Learn: Explore Generative AI

إذا كنت تستخدم منظومة Microsoft أو تريد فهم Generative AI من منظور Azure وCopilot، فإن Microsoft Learn توفر عدة Modules مجانية.

من أفضل نقاط البداية حاليًا:

Explore Generative AI

وهو Module للمبتدئين مدته نحو 37 دقيقة ويتكون من تسع وحدات.

يمكن الوصول إلى Explore Generative AI على Microsoft Learn.

ماذا تتعلم؟

يشمل المسار:

• Generative AI Fundamentals.
• الفرق بين NLP وNLG وLLMs.
• الفرق بين Generative AI والنماذج التقليدية.
• استخدامات AI في إنشاء المحتوى.
• Microsoft Copilot.
• تقييم فهمك عبر Module Assessment.

هل تحتاج إلى البرمجة؟

هذا Module تمهيدي ولا يركز على Coding.

المتطلب المذكور هو فهم أساسي لمفاهيم وتقنيات AI.

ماذا عن المستوى الأكثر تقنية؟

Microsoft Learn توفر أيضًا Modules للمطورين، ومنها:

Develop generative AI apps that use tools

وهو مسار عملي يشرح استخدام أدوات مثل Code Interpreter وWeb Search وFile Search وFunctions داخل تطبيقات Generative AI، ويتطلب بعض الخبرة البرمجية ومعرفة Microsoft Foundry.

يمكن الوصول إلى مسار تطوير تطبيقات Generative AI التي تستخدم Tools.

إذن Microsoft Learn تسمح لك بالانتقال تدريجيًا:

Generative AI Basics
→ Copilot
→ Foundry
→ Tools
→ AI Applications

الأفضل لـ: من يريد تعلم GenAI داخل منظومة Microsoft بطريقة منظمة ومجانية.

5. DeepLearning.AI Short Courses: الأفضل للمطور الذي يريد التخصص

عندما تتجاوز الأساسيات وتبدأ البحث عن RAG وAgents وEvaluation وLLM Applications، تصبح الدورات القصيرة في DeepLearning.AI أكثر فائدة من الدورات العامة.

كتالوج Short Courses الحالي ضخم ويتضمن عشرات المواضيع المتخصصة في:

• AI Agents.
• RAG.
• Multimodal AI.
• LLM Inference.
• Evaluation.
• Memory.
• Vector Search.
• AI Coding.
• Fine-Tuning.

ويعرض الكتالوج حاليًا نحو 100 دورة قصيرة في موضوعات AI مختلفة.

يمكن تصفح كتالوج DeepLearning.AI Short Courses.

لماذا لا أنصح بأخذها عشوائيًا؟

لأن الانتقال بين عشرات الدورات القصيرة قد يخلق معرفة مشتتة.

استخدمها بهذه الطريقة:

حدد مشكلة → اختر Course محدد → طبق مشروعًا → انتقل للمشكلة التالية.

لا:

Course → Course → Course → Course.

6. Building and Evaluating Advanced RAG

إذا أصبحت تفهم LLM Basics وتريد تعلم Retrieval-Augmented Generation بصورة أعمق، فإن Building and Evaluating Advanced RAG من DeepLearning.AI خيار أكثر تخصصًا.

الدورة الحالية مدتها نحو ساعة و55 دقيقة، وتحتوي على ستة Video Lessons وأربعة Code Examples.

يمكن الوصول إلى Building and Evaluating Advanced RAG.

ماذا تتعلم؟

تركز على:

• تحسين Retrieval.
• Sentence-window retrieval.
• Auto-merging retrieval.
• تقييم RAG.
• Context Relevance.
• Groundedness.
• Answer Relevance.

هذه نقطة مهمة.

كثير من المبتدئين يتعلمون كيفية بناء RAG Demo، لكنهم لا يتعلمون كيفية معرفة هل النظام يسترجع معلومات صحيحة أم لا.

وهنا تصبح Evaluation جزءًا من التعلم، وليس مجرد تحسين لاحق.

لمن تناسب؟

هي أنسب لـ:

• المطورين.
• من بنى Chatbot سابقًا.
• من يعرف أساسيات LLM.
• من يريد الانتقال من Demo إلى RAG أكثر موثوقية.

هل أبدأ بها من الصفر؟

لا.

إذا كنت لا تعرف ما هي Embeddings أو Retrieval أو Vector Search، ابدأ بمقدمة أبسط أولًا.

الأفضل لـ: مطور لديه أساس ويريد تعلم RAG Evaluation.

7. Hugging Face LLM Course: أفضل مسار تقني مفتوح لـLLM

إذا كان هدفك فهم Large Language Models وTransformers بصورة تقنية، فإن Hugging Face LLM Course من أهم المصادر المفتوحة.

Hugging Face توضح أن الدورة مجانية بالكامل وبدون إعلانات.

يمكن الدخول إلى Hugging Face LLM Course.

ماذا تتعلم؟

يغطي المسار الحالي:

• NLP وLLMs.
• Transformer Models.
• Hugging Face Transformers.
• Datasets.
• Tokenizers.
• Fine-Tuning.
• Sharing Models.
• Classical NLP.
• Building Demos.
• إعداد Datasets عالية الجودة.
• Fine-Tuning لـLarge Language Models.
• Reasoning Models.

وقد تطور المسار بوضوح من تركيز قديم على NLP إلى التركيز بصورة أكبر على LLMs.

هل تحتاج إلى Python؟

نعم.

هذه ليست دورة للمستخدم غير التقني.

من الأفضل أن تكون مرتاحًا مع Python وأن تمتلك أساسًا في Machine Learning أو Deep Learning قبل الدخول بعمق.

كم تستغرق؟

توضح Hugging Face أن كل Chapter مصمم ليأخذ تقريبًا أسبوعًا مع 6 إلى 8 ساعات من العمل، وإن كان المتعلم يستطيع الدراسة بالسرعة التي تناسبه.

ماذا عن الشهادة؟

هنا توجد نقطة تحتاج إلى دقة.

صفحة مقدمة LLM Course ما تزال توضح أنه لا توجد Certification واحدة شاملة للمسار بالكامل، لكن أجزاء حديثة من الكورس أصبحت تتضمن Certification Exams أو شهادات على مستوى بعض الفصول.

لذلك الوصف الأدق هو:

توجد اختبارات وشهادات مرتبطة ببعض أجزاء LLM Course، لكن لا ينبغي وصف المسار حاليًا بأنه Professional Certification موحدة للكورس بالكامل.

الأفضل لـ: مطور يريد فهم Transformers وLLMs وFine-Tuning بصورة عملية.

8. Hugging Face AI Agents Course: أفضل انتقال عملي إلى Agents

إذا فهمت LLMs وتريد الدخول إلى Agentic AI، فإن Hugging Face Agents Course أصبحت من أقوى الموارد العملية المفتوحة.

المسار يشرح كيفية بناء ونشر AI Agents، ويتناول Frameworks مثل:

• smolagents.
• LangGraph.
• LlamaIndex.

كما يتضمن حالات استخدام ومشروعًا نهائيًا.

يمكن الدخول إلى Hugging Face Agents Course.

ماذا تتعلم؟

المسار ينتقل من الأساسيات إلى:

• Agent Fundamentals.
• Tools.
• Thoughts وActions وObservations.
• استخدام Python Functions.
• Agent Frameworks.
• Agentic RAG.
• Final Project.
• Fine-Tuning لـFunction Calling.

هل تحتاج إلى البرمجة؟

نعم.

هذا ليس كورسًا للمستخدم الذي تعلم Prompting فقط.

ستحتاج إلى Python وفهم جيد نسبيًا للـLLMs.

هل الشهادة مجانية؟

نعم، وهنا Hugging Face واضحة جدًا.

توفر المنصة حاليًا Certification مجانية لمسار Fundamentals، كما توفر Certificate of Completion لمن يكمل المتطلبات الأكبر، ولا يوجد Deadline حالي لعملية Certification.

وتوضح صفحة الشهادة أن اجتياز Unit 1 والاختبار المطلوب يسمح بالحصول على Certificate.

الأفضل لـ: مطور يريد الانتقال من فهم LLM إلى بناء Agents عمليًا.

كيف تختار دورة Generative AI المناسبة؟

لا تختَر بناءً على اسم الشركة فقط.

استخدم الهدف.

إذا لم تعرف أي شيء عن Generative AI

ابدأ بـ:

OpenAI Academy AI Foundations

أو:

Google Introduction to Generative AI

إذا كنت مستخدمًا غير تقني

اختر:

Generative AI for Everyone

أو:

OpenAI Academy

إذا كنت تعمل في Microsoft

ابدأ بـ:

Microsoft Learn Explore Generative AI

ثم انتقل تدريجيًا إلى Foundry إذا أصبحت مهتمًا بالتطوير.

إذا كنت مطورًا

ابدأ من:

Python
→ APIs
→ LLM Fundamentals
→ DeepLearning.AI Short Courses
→ RAG
→ Evaluation

إذا أردت فهم LLM بعمق

اختر:

Hugging Face LLM Course

إذا أردت AI Agents

لا تبدأ بها مباشرة.

الأفضل:

LLM Fundamentals
→ Tool Use
→ RAG
→ Evaluation
→ Agents

ثم:

Hugging Face Agents Course

أفضل ترتيب لتعلم Generative AI

إذا كنت تريد مسارًا تقنيًا منظمًا، فإن هذا الترتيب مناسب:

المرحلة الأولى: الأساسيات

تعلم:

• Generative AI.
• LLM.
• Tokens.
• Context.
• Hallucinations.
• Responsible AI.

المرحلة الثانية: Prompting

تعلم:

• Instructions.
• Context.
• Output Format.
• Constraints.
• Examples.
• Evaluation.

المرحلة الثالثة: Python وAPI

تعلم:

• Python Basics.
• JSON.
• HTTP.
• APIs.
• Authentication.
• التعامل مع Responses.

المرحلة الرابعة: بناء أول LLM App

أنشئ تطبيقًا بسيطًا مثل:

• Summarizer.
• Classifier.
• Chatbot.
• Structured Data Extractor.

المرحلة الخامسة: Embeddings وRAG

تعلم:

• Embeddings.
• Chunking.
• Vector Search.
• Retrieval.
• Grounding.

المرحلة السادسة: Evaluation

لا تنتقل مباشرة إلى Agents.

تعلم أولًا كيفية تقييم:

• جودة الإجابة.
• Retrieval.
• Hallucination.
• Cost.
• Latency.
• Consistency.

المرحلة السابعة: Agents

تعلم:

• Tools.
• Functions.
• Planning.
• Workflows.
• Memory.
• Agent Evaluation.

المرحلة الثامنة: Fine-Tuning

ابدأ Fine-Tuning فقط عندما تعرف لماذا تحتاجه.

ليس كل تطبيق LLM يحتاج إلى Fine-Tuning.

هل يجب تعلم Machine Learning قبل Generative AI؟

ليس دائمًا.

إذا كان هدفك استخدام ChatGPT أو بناء تطبيق بسيط عبر API، فلا تحتاج إلى إكمال منهج Machine Learning كامل أولًا.

لكن إذا كنت تريد:

• فهم Transformers بعمق.
• Fine-Tuning.
• تدريب النماذج.
• العمل كـML Engineer.
• فهم Optimization.
• العمل على Model Architecture.

فأساسيات Machine Learning وDeep Learning تصبح مهمة.

وهذا أحد أسباب فصلنا بين هذه الصفحة وبين خارطة طريق تعلم الذكاء الاصطناعي، لأن المسار يعتمد على هدفك المهني وليس على أكثر موضوع رائج حاليًا.

هل أحتاج إلى Python لتعلم Generative AI؟

يمكنك تعلم وفهم Generative AI دون Python.

مثلًا:

OpenAI Academy
Google Introduction to Generative AI
Generative AI for Everyone

لا تحتاج إلى البرمجة للبدء فيها.

لكن Python تصبح مهمة عندما تريد الانتقال إلى:

• APIs.
• RAG.
• LLM Applications.
• Hugging Face.
• Fine-Tuning.
• Agents.
• Model Evaluation.

لذلك الإجابة هي:

لا تحتاج Python لفهم Generative AI، لكنك ستحتاج إليها في معظم المسارات التقنية المتقدمة.

هل Prompt Engineering ما يزال مهمًا في 2026؟

نعم، لكن دوره تغير.

Prompt Engineering لم يعد يعني فقط:

اكتب Prompt طويلًا يحتوي Role وTask وContext.

أصبح التعامل مع النماذج يشمل كذلك:

• Context Engineering.
• Structured Outputs.
• Tool Use.
• Retrieval.
• Workflows.
• Evaluation.
• Agents.

لذلك من الخطأ قضاء أشهر في جمع Prompt Templates دون الانتقال إلى بناء عمليات وتقييم النتائج.

إذا كان هدفك فقط تعلم الاستخدام العملي للأدوات، فانتقل إلى قسم شروحات الذكاء الاصطناعي؛ أما هذه الصفحة فتركز على المسارات التعليمية المنظمة.

هل أتعلم RAG أم Fine-Tuning أولًا؟

في كثير من تطبيقات الأعمال، من المنطقي تعلم RAG أولًا.

RAG يسمح لك بإعطاء النموذج معلومات من مصادر خارجية دون إعادة تدريبه.

أما Fine-Tuning فيستخدم لتعديل سلوك النموذج أو تحسين أدائه في حالات محددة، وليس مجرد «إضافة معلومات جديدة إليه».

المبتدئ الذي يريد بناء مساعد يجيب من ملفات الشركة قد يحتاج إلى فهم RAG قبل التفكير في Fine-Tuning.

لكن القرار يعتمد على المشكلة.

لا تستخدم تقنية لأن اسمها متقدم.

استخدمها عندما تحل مشكلة واضحة.

هل أتعلم RAG قبل Agents؟

أنصح بذلك في معظم حالات المبتدئين التقنيين.

RAG يجبرك على فهم مفاهيم مهمة مثل:

• Retrieval.
• Context.
• Embeddings.
• Evaluation.
• Grounding.

وهي مفاهيم ستفيدك كثيرًا عندما تنتقل إلى Agents التي تستخدم Tools ومصادر خارجية.

لذلك المسار:

LLM → RAG → Evaluation → Agents

أوضح للمبتدئ من:

LLM → Agents مباشرة.

دورات Generative AI المجانية أم المدفوعة؟

ابدأ بالمجاني إذا كنت ما تزال تختبر المجال.

هناك حاليًا موارد رسمية كافية لتعلم الكثير دون دفع، مثل:

• OpenAI Academy.
• Microsoft Learn.
• أجزاء من Google Skills.
• Hugging Face Learn.
• دورات ومواد مجانية أو مفتوحة في منصات أخرى.

يمكنك مراجعة أفضل دورات الذكاء الاصطناعي المجانية إذا كانت التكلفة هي معيارك الأساسي.

فكر في الدفع عندما تحتاج إلى شيء محدد مثل:

• منهج أعمق.
• Graded Assignments.
• Mentoring.
• Certificate.
• Labs.
• مشروع كبير.
• Learning Path منظم.

لا تدفع فقط لأن الدورة تحمل اسمًا مشهورًا.

دورة قصيرة أم مسار طويل؟

استخدم الدورة القصيرة عندما:

• تعرف ما الذي ينقصك.
• تريد تعلم تقنية محددة.
• لديك مشروع تطبق عليه.

مثال:

أحتاج تعلم RAG Evaluation.

هنا Short Course ممتازة.

أما إذا كان سؤالك:

لا أعرف شيئًا عن Generative AI، من أين أبدأ؟

فالدورة القصيرة المتخصصة ليست الحل.

ابدأ بـFoundation Course.

مشاريع عملية بعد دورات Generative AI

لا تجعل نهاية الدورة هي نهاية التعلم.

بعد كل مستوى، أنشئ شيئًا.

بعد دورة الأساسيات

أنشئ Workflow لاستخدام AI في مهمة حقيقية.

بعد Prompting

اختبر عدة طرق لتنفيذ نفس المهمة وقارن النتائج.

بعد API

ابنِ تطبيقًا صغيرًا يعيد Structured Output.

بعد RAG

أنشئ مساعدًا يعتمد على مجموعة مستندات محددة.

اختبر:

• أسئلة موجودة إجابتها.
• أسئلة غير موجودة.
• أسئلة غامضة.
• أسئلة تعتمد على أكثر من مستند.

بعد Agents

ابنِ Agent يستخدم Tool حقيقية.

ثم اختبر:

• متى يستخدم الأداة؟
• متى يفشل؟
• هل يكرر الخطوات؟
• هل يستطيع التوقف؟
• هل يمكن مراجعة قراراته؟

المشروع الذي يكشف نقاط فشل النظام أكثر قيمة تعليميًا من Demo يعمل مرة واحدة.

جدول أفضل دورة حسب هدفك

أريد أن…	الدورة الأنسب للبدء
أفهم Generative AI	OpenAI Academy أو Google Skills
أتعلم دون Coding	Generative AI for Everyone
أستخدم AI في العمل	OpenAI Academy
أتعلم داخل Microsoft	Microsoft Learn
أبني تطبيقات LLM	DeepLearning.AI + تطبيق عملي
أفهم Transformers	Hugging Face LLM Course
أتعلم RAG	DeepLearning.AI RAG Courses
أتعلم Agents	Hugging Face Agents Course
أتعلم Fine-Tuning	Hugging Face LLM Course
أختار مسار AI كامل	خارطة طريق تعلم الذكاء الاصطناعي

أخطاء شائعة عند اختيار دورة Generative AI

البدء بـAgents قبل فهم LLM

Agents تبدو مثيرة، لكنها تعتمد على مفاهيم أساسية ينبغي فهمها أولًا.

مشاهدة عدة دورات دون بناء مشروع

لا تجعل الهدف إكمال الفيديوهات.

الهدف هو القدرة على بناء شيء وتقييمه.

تعلم Framework بدل المفهوم

LangChain أو LangGraph أو LlamaIndex أدوات.

المفاهيم الأساسية مثل Retrieval وTool Use وEvaluation أكثر ديمومة.

الاعتقاد أن RAG يحل كل Hallucinations

RAG يمكن أن يحسن Grounding، لكنه لا يلغي الحاجة إلى Evaluation.

تعلم Prompt Engineering فقط

Prompting مرحلة مهمة، لكنها ليست نهاية Generative AI Development.

اختيار دورة متقدمة بسبب العنوان

عبارات مثل:

Advanced RAG
Agentic AI
Fine-Tuning
Reasoning Models

لا تعني أن عليك تعلمها الآن.

تعلم ما يخدم مرحلتك.

الأسئلة الشائعة حول دورات الذكاء الاصطناعي التوليدي

الخلاصة: ما أفضل مسار لتعلم Generative AI في 2026؟

أفضل دورات الذكاء الاصطناعي التوليدي ليست بالضرورة الدورة الأطول أو الأكثر تقنية.

إذا كنت مبتدئًا، ابدأ بـ OpenAI Academy أو Google Introduction to Generative AI.

إذا كنت تريد فهم Generative AI دون برمجة وبصورة أوسع، فـ Generative AI for Everyone من DeepLearning.AI خيار مناسب.

إذا كان هدفك مرتبطًا بمنظومة Microsoft، استخدم Microsoft Learn وانتقل تدريجيًا من Modules التمهيدية إلى تطوير تطبيقات AI.

أما إذا كنت مطورًا، فلا تتوقف عند Foundation Courses.

انتقل إلى:

Python
→ APIs
→ LLM Fundamentals
→ RAG
→ Evaluation
→ Agents

واستخدم DeepLearning.AI Short Courses لتعلم المهارات المتخصصة، ثم Hugging Face LLM Course للتعمق في Transformers وFine-Tuning، وHugging Face Agents Course عندما تصبح جاهزًا للعمل على Agentic AI.

الأهم هو ألا تتعامل مع Generative AI كقائمة من التقنيات التي يجب حفظها.

اختر هدفًا واحدًا، تعلم المفاهيم التي يحتاجها، ثم ابنِ مشروعًا واختبره.

وعندما لا تعرف ما الذي يجب أن يأتي بعد ذلك، عد إلى دليل موارد الذكاء الاصطناعي أو إلى خارطة طريق تعلم الذكاء الاصطناعي بدل إضافة دورة أخرى إلى قائمة لم تبدأها بعد.