Mohammed Fahd Abrah

تابع سلسلة بودكاست كوينسي لارسون @ossia كل يوم جمعة تابع السلسلة: youtube.com/playlist?list=… #تجارب_شخصية #قصص_نجاح

يستضيف كوينسي لارسون، مؤسس freeCodeCamp، في هذه الحلقة من البودكاست سكوت هانسلمان، المطور في Microsoft، وأحد أشهر المعلمين في مجتمع البرمجة، ومقدم بودكاست Hanselminutes الذي استضاف خلال ما يقارب عقدين مئات المطورين والخبراء من مختلف أنحاء العالم. يتحدث سكوت عن رحلته المهنية والدروس التي اكتسبها من إجراء ما يقارب 900 مقابلة مع مطورين وقادة في صناعة البرمجيات، موضحًا كيف ساعده هذا التنوع في فهم ما يجمع بين المطورين الناجحين، وأهمية التعلم المستمر، ومشاركة المعرفة، وبناء مجتمع تقني متعاون. كما تناقش الحلقة تجربته في قيادة فريق يعمل عن بُعد بالكامل، والتحديات المرتبطة بإدارة الفرق الموزعة، إضافة إلى رحلته التي استغرقت أحد عشر عامًا للحصول على شهادته الجامعية، والدروس التي تعلمها أثناء تدريس البرمجة في الكليات المجتمعية، وكيف أثرت هذه التجارب في أسلوبه بالتواصل والتعليم. وتتطرق الحلقة أيضًا إلى رؤيته لتطور تطوير البرمجيات، وأهمية الفضول، والاستمرار في التعلم، وعدم التوقف عند التقنيات الحالية، بل التركيز على بناء عقلية قادرة على التكيف مع التغيرات المستمرة في المجال. إذا كنت مطورًا أو مهتمًا ببناء مسيرة مهنية طويلة في مجال البرمجيات، فستجد في هذه الحلقة مجموعة من الخبرات العملية والنصائح المستخلصة من سنوات من العمل والتعليم والحوار مع أبرز الشخصيات في عالم التقنية. #برمجة #تقنية #تطوير_البرمجيات #SoftwareDevelopment freecodecamp.org/news/what-scot…

يستضيف كوينسي لارسون، مؤسس freeCodeCamp، في هذه الحلقة من البودكاست أليسون يون، مهندسة البرمجيات التي انتقلت من عالم تصميم الأزياء إلى تطوير البرمجيات بعد أن تعلمت البرمجة ذاتيًا باستخدام freeCodeCamp. تحكي أليسون عن رحلتها المهنية، وكيف دفعتها طبيعة العمل المرهقة في صناعة الأزياء إلى البحث عن مسار جديد يمنحها فرصًا أفضل للنمو والتطور. ومن خلال الالتزام بالتعلم اليومي والمشاركة في تحدي 100DaysOfCode، تمكنت من اكتساب المهارات اللازمة لدخول مجال تطوير البرمجيات وبناء مسيرة مهنية جديدة. كما تتحدث عن التحديات التي واجهتها عند الانتقال للعمل في المملكة المتحدة، بدءًا من تعلم اللغة الإنجليزية، وصولًا إلى التأقلم مع بيئات العمل الهندسية والتعاون ضمن فرق تطوير البرمجيات. وتشارك الدروس التي تعلمتها خلال هذه التجربة، وكيف ساعدها الاستمرار في التعلم والممارسة على تجاوز العقبات. وتسلط الحلقة الضوء أيضًا على مساهمتها في مجتمع freeCodeCamp، حيث تقود جهود ترجمة المحتوى إلى اللغة الكورية، مما أتاح لعشرات الآلاف من المتعلمين الوصول إلى المقالات والدروس التقنية بلغتهم الأم، في مثال ملهم على أهمية مشاركة المعرفة ودعم المجتمعات التقنية. إذا كنت تفكر في تغيير مسارك المهني أو تبدأ رحلتك في تعلم البرمجة، فستجد في هذه الحلقة قصة واقعية تؤكد أن الإصرار والتعلم المستمر يمكن أن يفتحا أبوابًا جديدة مهما كانت خلفيتك السابقة. #برمجة #تقنية #التحول_المهني #CareerChange freecodecamp.org/news/from-fash…

لماذا يصعب توليد البيانات مباشرة من التوزيع الاحتمالي؟ وكيف حلت النماذج التوليدية هذه المشكلة؟ عندما نبني نموذجًا احتماليًا، فإن هدفنا هو تعلم توزيع البيانات الحقيقية (P(x)). لكن هناك مشكلة أساسية تواجه معظم النماذج الاحتمالية، وهي وجود ثابت التطبيع (Partition Function) الذي يُرمز له عادةً بـ Z. يظهر هذا الثابت في العديد من النماذج على الصورة: [ P(x)=\frac{\tilde{P}(x)}{Z} ] حيث: (\tilde{P}(x)) تمثل دالة تعطي درجة (Score) لكل عينة. (Z) هو ثابت يجعل مجموع الاحتمالات يساوي 1. المشكلة أن حساب Z يتطلب جمع أو تكامل جميع القيم الممكنة للبيانات، وهو أمر يصبح مستحيلاً تقريبًا عندما تكون البيانات عالية الأبعاد مثل الصور أو الصوت أو الفيديو. ولهذا تُعرف هذه المشكلة باسم Z Intractability. لكن لماذا نهتم بذلك؟ لأننا إذا لم نستطع حساب الاحتمال الحقيقي، فلن نستطيع بسهولة: تقييم جودة النموذج. مقارنة العينات المختلفة. أو حتى توليد بيانات جديدة مباشرة من التوزيع. كيف تجاوز الباحثون هذه المشكلة؟ بدلاً من محاولة حساب Z مباشرة، ظهرت عدة أفكار غيرت مسار التعلم العميق بالكامل: GANs تخلت عن حساب الاحتمال نهائيًا، واعتمدت على منافسة بين المولد والمميز لتعلم توزيع البيانات. VAEs استخدمت تقريبًا رياضيًا يعتمد على الاستدلال التبايني (Variational Inference)، مما جعل التدريب ممكنًا دون الحاجة إلى حساب Z. Normalizing Flows صممت تحويلات قابلة للعكس بحيث يمكن حساب الاحتمال بدقة دون ظهور ثابت تطبيع غير قابل للحساب. Diffusion Models حولت عملية التوليد إلى إزالة الضوضاء تدريجيًا، وتعلمت كيفية الرجوع من الضوضاء إلى البيانات الأصلية دون الحاجة إلى حساب Z مباشرة. الفكرة الأهم يمكن اعتبار تاريخ النماذج التوليدية الحديثة محاولة مستمرة للإجابة عن سؤال واحد: كيف يمكننا تعلم توزيع البيانات وتوليد عينات جديدة دون الوقوع في مشكلة Z Intractability؟ ولهذا السبب نجد أن كل جيل جديد من النماذج التوليدية يقدم طريقة مختلفة للالتفاف على هذه المشكلة، سواء بالتقريب، أو بالتحويلات القابلة للعكس، أو بالألعاب التنافسية، أو بعمليات الانتشار العكسي. وهذا يفسر لماذا يُعد فهم مشكلة Z Intractability نقطة البداية لفهم معظم النماذج التوليدية الحديثة، من GAN وVAE وصولًا إلى Diffusion Models. #البحث_العلمي #الذكاء_الاصطناعي

يستضيف كوينسي لارسون، مؤسس freeCodeCamp، في هذه الحلقة من البودكاست دانيال بورك، مهندس تعلم الآلة وأحد أبرز صناع المحتوى التعليمي في هذا المجال، والذي ساعد آلاف المتعلمين على دخول عالم الذكاء الاصطناعي من خلال دوراته ومشاريعه العملية. تأخذنا الحلقة في رحلة عبر مسيرته، بداية من اهتمامه المبكر بالحاسوب وإصلاح آلاف أجهزة الكمبيوتر، وصولًا إلى احتراف Machine Learning وتطوير محتوى تعليمي يركز على الجانب التطبيقي. ويوضح دانيال أن دخول هذا المجال لا يتطلب بالضرورة الحصول على درجة دكتوراه في الرياضيات، بل يعتمد على بناء أساس جيد في البرمجة، وفهم المبادئ الرياضية الأساسية، ثم اكتساب الخبرة من خلال تنفيذ المشاريع الواقعية. كما يشرح بأسلوب مبسط كيف تعمل نماذج تعلم الآلة، وما الذي يحدث خلف الكواليس عندما تتعلم الأنظمة من البيانات وتقدم التنبؤات. ويشارك أيضًا نصائحه للراغبين في تعلم الذكاء الاصطناعي، مؤكدًا أهمية التركيز على بناء المشاريع، وقراءة الأبحاث العلمية، واكتساب الخبرة العملية بدلاً من الانشغال بجمع الشهادات فقط. وتتناول الحلقة كذلك مستقبل الذكاء الاصطناعي، والمهارات التي ينبغي للمطورين وعلماء البيانات الاستثمار فيها لمواكبة التطورات المتسارعة في هذا المجال. إذا كنت تخطط لبدء رحلتك في تعلم الآلة أو ترغب في تطوير مهاراتك العملية في الذكاء الاصطناعي، فستجد في هذه الحلقة نصائح واقعية وخبرات قيّمة تساعدك على رسم مسار تعلم أكثر فاعلية. #برمجة #تقنية #تعلم_الآلة #MachineLearning freecodecamp.org/news/how-to-ge…

يستضيف كوينسي لارسون، مؤسس freeCodeCamp، في هذه الحلقة من البودكاست جيسيكا تشان، المعروفة باسم Coder Coder، وهي مهندسة برمجيات وصانعة محتوى تعليمية بدأت رحلتها من خلفية بعيدة تمامًا عن علوم الحاسوب، إذ درست التصوير الفوتوغرافي ولم تدرس البرمجة أكاديميًا. تشارك جيسيكا قصتها الملهمة عن انتقالها من العمل في إدخال البيانات إلى عالم تطوير البرمجيات، وكيف واجهت تحديات البدايات والشعور المستمر بعدم الكفاءة خلال عامها الأول كمطورة. وتوضح كيف تمكنت، بالصبر والتعلم المستمر، من تجاوز متلازمة المحتال، والاستمرار في أول وظيفة لها لمدة سبع سنوات حتى حصلت على ترقيات وأصبحت أكثر ثقة في قدراتها. كما تتحدث عن بدايات اهتمامها بالتقنية، عندما كانت تدير مع شقيقتها نظام Bulletin Board System (BBS) قبل انتشار الويب، وكيف ساهم هذا الفضول المبكر في تشكيل مسيرتها المهنية. وتستعرض أيضًا فلسفتها في إنشاء المحتوى التعليمي، مؤكدة أن الهدف ليس ملاحقة أحدث التقنيات دائمًا، بل تقديم شروحات واضحة تساعد المتعلمين على بناء أساس قوي يمكنهم الاعتماد عليه. تقدم الحلقة نصائح عملية لكل من يفكر في تغيير مساره المهني أو دخول مجال تطوير البرمجيات، مع التركيز على أهمية الاستمرارية، والتعلم بالممارسة، وعدم السماح للخوف أو الشكوك بإيقاف رحلة التعلم. إذا كنت في بداية طريقك نحو البرمجة أو تبحث عن قصة حقيقية تؤكد أن النجاح لا يتطلب خلفية أكاديمية في علوم الحاسوب، فستجد في هذه الحلقة الكثير من الإلهام والدروس العملية. #برمجة #تقنية #تطوير_البرمجيات #SoftwareDevelopment freecodecamp.org/news/from-doin…

المشفّر التلقائي التغايري (Variational Autoencoder - VAE): كيف يتعلم الذكاء الاصطناعي تمثيل العالم؟ يُعد نموذج Variational Autoencoder (VAE) أحد النماذج المهمة في مجال التعلم العميق والتعلم التوليدي، حيث لا يكتفي بتعلّم البيانات، بل يتعلم طريقة تمثيلها في مساحة كامنة (Latent Space) يمكن من خلالها إنشاء بيانات جديدة تشبه البيانات الأصلية. يتكون نموذج VAE من جزأين رئيسيين: المشفّر (Encoder) الذي يحول البيانات إلى توزيع احتمالي في الفضاء الكامن، والمفكك (Decoder) الذي يعيد بناء البيانات من هذا التمثيل. والاختلاف الأساسي عن Autoencoder التقليدي هو أن VAE يتعلم توزيعًا احتماليًا بدلًا من حفظ تمثيل واحد لكل مثال. تكمن قوة هذا النموذج في قدرته على توليد صور جديدة، واكتشاف الأنماط المخفية، وتعلم تمثيلات أكثر مرونة للبيانات. فقد كان خطوة مهمة في تطور نماذج الذكاء الاصطناعي التوليدي التي نراها اليوم. من خلال تعلم البنية الداخلية للبيانات بدلًا من حفظها فقط، يوضح VAE فكرة أساسية في الذكاء الاصطناعي: فهم العالم يبدأ من بناء تمثيل جيد له. #الذكاء_الاصطناعي #تعلم_عميق #MachineLearning #GenerativeAI #DeepLearning #VAE

نماذج الطاقة (Energy-Based Models): عندما يتعلم الذكاء الاصطناعي شكل الواقع تخيل أن كل صورة، وكل جملة، وكل صوت، وكل لحظة من البيانات تعيش فوق منظر طبيعي هائل من الطاقة. في هذا العالم الافتراضي، لا يتعلم النموذج الإجابة فقط، بل يتعلم أن يميز بين الحالات الأكثر احتمالاً والأقل احتمالاً. هنا تأتي فكرة نماذج الطاقة (Energy-Based Models - EBMs). بدلاً من أن يقول النموذج: "هذه هي الإجابة الصحيحة" يتعلم دالة طاقة تقوم بتعيين: طاقة منخفضة للبيانات التي تبدو طبيعية ومتوافقة مع العالم الحقيقي. طاقة عالية للبيانات غير المحتملة أو غير المنطقية. يمكن تصور النموذج كأنه خريطة تضاريس: القمم العالية تمثل الحالات غير المرغوبة. الوديان العميقة تمثل الأنماط التي يتعلمها النموذج باعتبارها أكثر احتمالاً. الفكرة الأساسية بسيطة: الذكاء لا يعني فقط حفظ الأنماط، بل تعلم شكل الفضاء الذي توجد فيه هذه الأنماط. تاريخياً، ظهرت نماذج الطاقة كإطار موحد لربط العديد من أفكار التعلم الآلي، من: الشبكات العصبية الالتفافية. آلات بولتزمان (Boltzmann Machines). النماذج التوليدية. وحتى بعض الأفكار الحديثة في التعلم غير الخاضع للإشراف. لكن التحدي الأكبر كان دائماً: كيف يمكن تدريب نموذج يفهم هذا المشهد الطاقي المعقد بكفاءة؟ مع تطور الحوسبة وظهور أساليب مثل: Contrastive Learning Score Matching Langevin Dynamics عادت نماذج الطاقة إلى الواجهة، وأصبحت جزءاً مهماً من البحث الحديث في الذكاء الاصطناعي التوليدي. الفكرة العميقة خلف EBMs هي أن العالم ليس مجرد مجموعة من الأمثلة، بل نظام له بنية وقواعد خفية. وعندما يتعلم الذكاء الاصطناعي هذه البنية، فإنه لا يكتفي برؤية البيانات... بل يبدأ بفهم المساحة التي ولدت منها هذه البيانات. #ArtificialIntelligence #MachineLearning

Modern image generators trace back to a simple idea: add noise to data, then learn how to reverse it. In this AI paper review, @programmingoce explains Deep Unsupervised Learning using Nonequilibrium Thermodynamics. You'll learn about forward diffusion, reverse denoising, and why this paper became the foundation for modern diffusion models. freecodecamp.org/news/ai-paper-…

يستضيف كوينسي لارسون، مؤسس freeCodeCamp، في هذه الحلقة من البودكاست جون واشام، مهندس البرمجيات في Amazon وصاحب مشروع Coding Interview University، أحد أشهر المشاريع مفتوحة المصدر التي ساعدت آلاف المطورين حول العالم على الاستعداد لمقابلات العمل في كبرى شركات التقنية. يروي جون رحلته الملهمة التي بدأت من وظائف بسيطة، مثل توصيل البيتزا لتوفير المال وشراء أول جهاز كمبيوتر، ثم خدمته في الجيش الأمريكي مترجمًا في كوريا الجنوبية، قبل أن يقرر تغيير مساره المهني بالكامل. وخلال ثمانية أشهر فقط، وضع خطة مكثفة لتعلم علوم الحاسوب ذاتيًا، فدرس الخوارزميات وهياكل البيانات والمفاهيم الأساسية حتى تمكن من الحصول على وظيفة في إحدى شركات التقنية الكبرى. تناقش الحلقة أيضًا كيفية الاستعداد لمقابلات العمل في شركات مثل FAANG، وأهمية بناء أساس قوي في علوم الحاسوب بدلًا من الاعتماد على حفظ الحلول. كما يشارك جون تجربته في إنشاء مشروع Coding Interview University على GitHub، والذي أصبح مرجعًا عالميًا للراغبين في تطوير مهاراتهم التقنية والاستعداد للمقابلات البرمجية. ويتحدث كذلك عن طبيعة العمل كمطور برمجيات في الشركات الكبرى، والتحديات التي قد تواجه المطورين عند تغيير مسارهم المهني في مراحل متقدمة من حياتهم، مؤكدًا أن التعلم المستمر والانضباط يمكن أن يفتحا أبوابًا جديدة مهما كان العمر أو الخلفية المهنية. إذا كنت تستعد للمقابلات التقنية أو تفكر في الانتقال إلى شركة تقنية كبرى، فستجد في هذه الحلقة خبرات عملية ونصائح قيّمة من شخص خاض هذه الرحلة ونجح فيها. #برمجة #تقنية #المقابلات_البرمجية #FAANG freecodecamp.org/news/how-john-…

نماذج الانتشار (Diffusion Models) أصبحت من أهم تقنيات الذكاء الاصطناعي التوليدي (Generative AI)، حيث تتعلم تحويل الضوضاء العشوائية إلى صور ومحتوى جديد عبر عملية تدريجية من التنقية والتحسين. هذه التقنية فتحت آفاقًا جديدة في إنشاء الصور، التصميم، والابتكار باستخدام التعلم العميق (Deep Learning). #الذكاء_الاصطناعي #التعلم_العميق #GenerativeAI

هل تساءلت يومًا كيف تتحول الأفكار البرمجية إلى مهارات حقيقية تصنع بها مستقبلك؟ مع المهندس و رائد الأعمال كوينسي لارسون @ossia في بودكاست freeCodeCamp ستجد حوارات عميقة مع مبرمجين ومهندسين وخبراء يشاركون قصصهم، تجاربهم، الدروس التي تعلموها، والطريق الذي قادهم إلى عالم التقنية. هذه ليست مجرد حلقات للاستماع، بل فرصة لفهم طريقة تفكير الأشخاص الذين يبنون البرمجيات ويغيرون العالم من خلالها. تابع السلسلة كاملة على قناة freeCodeCamp على يوتيوب، واستلهم من تجارب من سبقوك في رحلة التعلم والبرمجة. youtube.com/playlist?list=… #بودكاست #برمجة #تقنية

يستضيف كوينسي لارسون، مؤسس freeCodeCamp، في هذه الحلقة من البودكاست جيف مايرسون، مؤسس ومقدم بودكاست Software Engineering Daily، الذي يُعد من أبرز البرامج المتخصصة في هندسة البرمجيات، حيث استضاف على مدار سنوات مئات المهندسين والخبراء لمناقشة التقنيات والأنظمة التي تقف خلف أكبر المنتجات الرقمية. يروي جيف رحلته غير التقليدية إلى عالم التقنية، بدايةً من شغفه بالألعاب الاستراتيجية واحترافه لعبة البوكر، مرورًا بدراسة علوم الحاسوب والعمل في شركات مثل eBay وAmazon، وصولًا إلى تأسيس أحد أشهر البودكاستات التقنية. ويشرح كيف أدرك أن شغفه الحقيقي لم يكن في بناء البنية التحتية للأنظمة الضخمة، بل في التعرف على التقنيات الجديدة ومشاركة قصص المهندسين الذين يطورونها. كما تتناول الحلقة تجربته في العمل داخل Amazon، وما تعلمه من بيئات العمل المختلفة، إضافة إلى رؤيته لريادة الأعمال، وكيف تمكن من تحويل البودكاست إلى مشروع مستدام من خلال بناء نموذج عمل يعتمد على الإعلانات دون التخلي عن جودة المحتوى. ويناقش جيف أيضًا أهمية البودكاست في نقل الخبرات العملية التي قد لا تجدها في الكتب أو المحاضرات الجامعية، موضحًا كيف تساعد الحوارات مع المهندسين على فهم التحديات الحقيقية التي تواجه تطوير البرمجيات في الشركات والمشاريع المختلفة. إذا كنت مهتمًا بهندسة البرمجيات أو ريادة الأعمال أو ترغب في التعرف على المسارات المهنية غير التقليدية في عالم التقنية، فستجد في هذه الحلقة قصة ملهمة ودروسًا عملية من أحد أبرز صناع المحتوى التقني. #برمجة #تقنية #هندسة_البرمجيات #SoftwareEngineering freecodecamp.org/news/jeff-meye…

يستضيف كوينسي لارسون، مؤسس freeCodeCamp، في هذه الحلقة من البودكاست عالم البيانات كين جي، الذي يجمع بين علوم البيانات والتحليلات الرياضية من خلال عمله مع منتخبي الولايات المتحدة للجولف وكرة السلة، إلى جانب تقديمه لبودكاستين متخصصين في علوم البيانات وتطوير الأداء الرياضي. تتناول الحلقة رحلته المهنية، وكيف دفعته إصابة رياضية إلى تغيير مساره من عالم الرياضة الاحترافية إلى مجال Data Science، ليصبح أحد المتخصصين في استخدام البيانات والإحصاءات لمساعدة المدربين واللاعبين على تحسين الأداء واتخاذ قرارات أكثر دقة. كما يناقش كين أهمية تحويل المعرفة التقنية إلى قيمة عملية، موضحًا أن علماء البيانات لم يعد يكفيهم بناء المشاريع التعليمية فقط، بل ينبغي أن يركزوا على تطوير منتجات حقيقية تعالج مشكلات واقعية وتقدم قيمة للمستخدمين. ويتحدث أيضًا عن عاداته اليومية، مثل ممارسة التأمل وتدوين الأفكار، وكيف تساعده هذه الممارسات على التفكير بوضوح وتنمية الإبداع. وتتطرق الحلقة إلى تأثير أدوات الذكاء الاصطناعي على مستقبل العمل، حيث يرى كين أن المطورين وعلماء البيانات هم الأكثر استعدادًا للاستفادة من هذه التقنيات، لأنهم يفهمون آلية عملها ويمكنهم توظيفها لبناء حلول جديدة في مختلف المجالات. إذا كنت مهتمًا بعلوم البيانات أو الذكاء الاصطناعي أو ترغب في التعرف على كيفية توظيف التحليلات في الرياضة واتخاذ القرارات، فستجد في هذه الحلقة أفكارًا وتجارب ملهمة يمكن الاستفادة منها في مسيرتك المهنية. #برمجة #تقنية #علوم_البيانات #DataScience freecodecamp.org/news/where-dat…

"Twenty years from now you will be more disappointed by the things that you didn't do than by the ones you did do. So throw off the bowlines. Sail away from the safe harbor. Catch the trade winds in your sails." Mark Twain "بعد عشرين عامًا من الآن، ستشعر بخيبة أمل أكبر تجاه الأشياء التي لم تفعلها أكثر من تلك التي فعلتها. لذلك فك قيودك، وأبحر بعيدًا عن الميناء الآمن، واستفد من الرياح التي تدفع أشرعتك." مارك توين أكبر فرصة قد تضيع منك ليست تلك التي حاولت فيها ولم تنجح، بل تلك التي لم تجرؤ على خوضها أصلًا. فالخوف من المجهول، أو انتظار الوقت المثالي، أو البقاء في منطقة الراحة قد يمنعك من اكتشاف إمكاناتك الحقيقية. ومع مرور السنوات، يصبح الندم على الفرص الضائعة أثقل من أي فشل مؤقت. كل تجربة جديدة تضيف إلى خبرتك، حتى وإن لم تحقق النتيجة التي كنت تتمناها. فالسفر، والتعلم، وبدء مشروع، واكتساب مهارة، وخوض تحدٍ جديد، كلها خطوات تصنع شخصيتك وتفتح أمامك أبوابًا لم تكن تراها من قبل. النجاح لا يأتي دائمًا من الخطوات الآمنة، بل من الشجاعة في الانطلاق نحو المجهول بعقل متعلم وإرادة قوية. لا تؤجل أحلامك إلى وقت قد لا يأتي. ابدأ اليوم، ولو بخطوة صغيرة، وتحلَّ بالشجاعة لتغادر ما اعتدته نحو ما تطمح إليه. فالمستقبل يكافئ من يجرؤون على الإبحار، لا من يكتفون بمراقبة الأمواج من الشاطئ. #التحفيز #الشجاعة #النجاح #التطوير_الذاتي #الإلهام #النمو_الشخصي #الحكمة

في هذه الحلقة من بودكاست freeCodeCamp، يستضيف Quincy Larson المهندسة Angie Jones، المطورة الحاصلة على 27 براءة اختراع في مجال البرمجيات، والتي شغلت مناصب في شركات تقنية كبرى مثل IBM وTwitter، وعملت في هندسة الاختبارات والدعوة التقنية للمطورين. تتحدث Angie عن بداياتها المهنية، وكيف غيّرت مراجعة أداء غير مرضية نظرتها إلى العمل، لتصبح أكثر ثقة في طرح أفكارها والمبادرة إلى ابتكار حلول جديدة. كما تروي كيف قادها هذا التحول إلى تطوير تقنيات في اختبار البرمجيات والحصول على عشرات براءات الاختراع. وتناقش الحلقة الفروق بين تطوير الميزات البرمجية وهندسة الاختبارات، موضحة أن لكل منهما مهارات وأساليب تفكير مختلفة، وأن بناء اختبارات قوية لا يقل أهمية عن كتابة الكود نفسه. كما تشارك تجربتها في استخدام أدوات الذكاء الاصطناعي للمساعدة في تصحيح الأخطاء وتحسين عمليات الاختبار، إلى جانب حديثها عن اهتمامها بالعوالم الافتراضية وإمكاناتها المستقبلية. تقدم الحلقة أيضًا رؤى عملية حول الابتكار داخل الشركات التقنية، وأهمية التعبير عن الأفكار، والاستمرار في التعلم، وبناء مسيرة مهنية تجمع بين الخبرة التقنية والإبداع. إذا كنت مهتمًا باختبار البرمجيات، أو تطوير البرمجيات، أو ترغب في التعرف على تجربة مهنية ملهمة في كبرى شركات التقنية، فستجد في هذه الحلقة الكثير من الخبرات والدروس التي يمكن الاستفادة منها. #برمجة #تقنية #اختبار_البرمجيات #SoftwareTesting freecodecamp.org/news/developer…

في هذه الحلقة من بودكاست freeCodeCamp، يستضيف Quincy Larson المهندسة والمدربة التقنية Hiroko Nishimura، التي تروي رحلة استثنائية جمعت بين مواجهة تحديات صحية صعبة وبناء مسيرة مهنية مؤثرة في مجالي إدارة الأنظمة والحوسبة السحابية. تتحدث Hiroko عن انتقالها من اليابان إلى الولايات المتحدة في طفولتها، وكيف تكيفت مع لغة وثقافة جديدتين، ثم تستعرض مرحلة مفصلية في حياتها بعد تشخيص إصابتها بورم وعائي في الدماغ وخضوعها لجراحة أنقذت حياتها. كما تشارك تجربتها في إعادة تعلم مهارات أساسية مثل المشي والكلام، وكيف واصلت مسيرتها المهنية رغم استمرار بعض آثار الإصابة. وتناقش الحلقة انتقالها من العمل معلمة للتربية الخاصة إلى مسؤولة أنظمة، ثم مهندسة للحوسبة السحابية، قبل أن تتفرغ لإنتاج المحتوى التعليمي والتدريب. كما تتحدث عن تأسيس مجتمع AWS Newbies، وتأليف كتب تقنية، وإعداد دورات تدريبية استفاد منها أكثر من 500 ألف متعلم، مما جعلها واحدة من الشخصيات البارزة في مجتمع AWS. لا تقتصر الحلقة على سرد قصة ملهمة، بل تقدم أيضًا دروسًا حول أهمية التعلم المستمر، وتطوير المهارات، ومشاركة المعرفة مع المجتمع التقني، وكيف يمكن للإصرار أن يساعد في تجاوز أصعب العقبات وتحويل الخبرات إلى أثر إيجابي يصل إلى مئات الآلاف من المتعلمين. إذا كنت مهتمًا بالحوسبة السحابية أو تبحث عن تجربة ملهمة في بناء مسيرة مهنية في التقنية، فستجد في هذه الحلقة الكثير من الأفكار والدروس العملية. #برمجة #تقنية #الحوسبة_السحابية #AWS freecodecamp.org/news/from-brai…

أربعون عامًا في صناعة البرمجيات ليست مجرد مسيرة مهنية، بل رحلة مليئة بالتحديات والتغيرات المستمرة. في هذه الحلقة من بودكاست freeCodeCamp، يستضيف Quincy Larson المهندس والمطور Jack Herrington، الذي استطاع بناء مسيرة استثنائية رغم معاناته من عسر القراءة (Dyslexia) وعدم تمكنه من الالتحاق بالجامعة بسبب درجاته الدراسية. يروي Jack كيف قاده شغفه بتطوير الألعاب في أوائل الثمانينيات إلى دخول عالم البرمجيات، ثم إلى العمل في شركات عالمية مثل Nike وAdobe وWalmart. كما يتحدث عن انتقاله للعمل في أستراليا، وكيف ساعده التعلم المستمر على مواكبة التحولات الكبيرة التي شهدتها صناعة البرمجيات على مدار أربعة عقود. ولا تقتصر الحلقة على استعراض سيرته المهنية، بل تتناول أيضًا أهمية مشاركة المعرفة مع الآخرين، إذ يشرح كيف بدأ بتدوين ما يتعلمه حتى أصبح مؤلفًا لعدة كتب في البرمجة، إلى جانب إطلاق قناته الشهيرة Blue Collar Coder على YouTube، التي يقدم من خلالها محتوى تعليميًا للمطورين. تسلط الحلقة الضوء على دروس مهمة لكل من يعمل في المجال التقني، مثل أهمية التعلم الذاتي، والقدرة على التكيف مع التقنيات الجديدة، وعدم السماح للعقبات الشخصية أو الأكاديمية بأن تحدد مستقبلك المهني. كما تؤكد أن النجاح في البرمجة يعتمد على الاستمرار في التعلم وتطوير المهارات أكثر من اعتماده على المسار التقليدي للتعليم. إذا كنت تبحث عن قصة ملهمة من أحد المطورين الذين عاصروا تطور صناعة البرمجيات منذ بداياتها، فستجد في هذه الحلقة الكثير من الخبرات والنصائح التي لا تزال ذات قيمة حتى اليوم. #برمجة #تقنية #المسيرة_المهنية #SoftwareEngineering freecodecamp.org/news/surviving…

قدّم بحث Self-Consistency Improves Chain of Thought Reasoning in Language Models خطوة محورية في تطوير قدرات الاستدلال لدى النماذج اللغوية الكبيرة. فبعد أن أثبت أسلوب Chain-of-Thought أن النماذج تستطيع تحسين أدائها عبر التفكير خطوة بخطوة، ظهر سؤال مهم: ماذا يحدث إذا كان مسار التفكير الأول خاطئًا؟ يستعرض هذا المقال البحث الذي قدمه باحثون من Google Research، والذي يقترح أسلوبًا بسيطًا وفعالًا يُعرف باسم Self-Consistency. بدلًا من الاعتماد على سلسلة استدلال واحدة، يولّد النموذج عدة مسارات مستقلة لحل المشكلة، ثم يختار الإجابة التي تتكرر بصورة أكبر بين هذه المسارات. والمثير للاهتمام أن هذا التحسن لا يتطلب إعادة تدريب النموذج أو إجراء Fine-Tuning، بل يعتمد فقط على تغيير طريقة توليد الإجابات أثناء مرحلة الاستدلال. تشرح المراجعة الدافع وراء الفكرة، وآلية عمل خوارزمية Self-Consistency، وكيف تؤدي مقارنة عدة مسارات استدلالية إلى تقليل الأخطاء وتحسين موثوقية الإجابات. كما تستعرض نتائج البحث على مجموعة واسعة من اختبارات الاستدلال الحسابي والمنطقي واستدلال الحس السليم، وتقارن هذا الأسلوب بطرق أخرى مثل Beam Search وSample-and-Rank، مع مناقشة مزاياه وحدوده والتكلفة الحسابية المصاحبة له. وتوضح المراجعة أيضًا التأثير طويل المدى لهذا البحث على تطور نماذج اللغة، حيث مهد الطريق للعديد من تقنيات الاستدلال الحديثة التي تعتمد على تحسين عملية الاستدلال نفسها بدلًا من زيادة حجم النموذج أو تدريبه من جديد. إذا كنت مهتمًا بفهم تطور تقنيات التفكير في النماذج اللغوية الكبيرة، فستمنحك هذه المراجعة تصورًا واضحًا عن أحد أكثر الأبحاث تأثيرًا في مجال الاستدلال الحديث للذكاء الاصطناعي. #برمجة #تقنية #الذكاء_الاصطناعي #SelfConsistency freecodecamp.org/news/ai-paper-…

كيف تُقيّم الشركات الكبرى المطورين؟ وهل ما زالت الشهادات الجامعية العامل الحاسم للحصول على وظيفة؟ في هذه الحلقة من بودكاست freeCodeCamp، يستضيف Quincy Larson المهندسة Emma Bostian، التي انتقلت من العمل مطورة برمجيات إلى إدارة الفرق الهندسية في Spotify، واشتهرت أيضًا بإسهاماتها في تعليم البرمجة ومشاركة الخبرات مع المطورين. تتحدث Emma عن بداياتها المهنية، وكيف واجهت تحديات حقيقية في أول وظيفة لها في IBM، قبل أن تتمكن من تطوير مهاراتها وبناء مسيرة ناجحة في مجال هندسة البرمجيات. كما تناقش رؤيتها لدور دراسة علوم الحاسب، موضحة أن الجامعة قد توفر فرصًا للتعلم وبناء شبكة علاقات، لكنها لا ينبغي أن تكون المعيار الوحيد لتقييم المطورين. وتشارك الحلقة رؤيتها لعمليات التوظيف في الشركات التقنية، حيث تؤكد أن المهارات العملية والقدرة على حل المشكلات والتعلم المستمر أكثر أهمية من المؤهلات الأكاديمية وحدها. كما تتحدث عن أسلوبها في إدارة المهام المعقدة، وكيف يمكن أحيانًا أن يمنح تأجيل بعض الأعمال للعقل فرصة أفضل لتنظيم الأفكار والوصول إلى حلول أكثر فعالية. إلى جانب ذلك، يناقش الحوار جوانب من ثقافة العمل في الشركات الأوروبية، والتحديات التي تواجه المطورين خلال نموهم المهني، وأهمية بناء عادات تساعد على التطور المستمر. إذا كنت تستعد لدخول سوق العمل، أو ترغب في فهم ما يبحث عنه مسؤولو التوظيف في الشركات التقنية، فستجد في هذه الحلقة نصائح عملية وتجارب واقعية تساعدك على بناء مسيرة مهنية أكثر نجاحًا. #برمجة #تقنية #التوظيف_التقني #Spotify freecodecamp.org/news/spotify-d…