مقدمة إلى LLMs وSLMs شرح بسيط (مع رسوم توضيحية وكود حقيقي)
مقدمة LLMs وSLMs: الأساسيات في مقال واحد — كود حقيقي، مخططات وخطوات ملموسة، مقتطفات من دورة مكونة من 44 درسًا.
دليل مباشر إلى الهدف: Introduction LLMs SLMs مفكك مع مخططات ورسوم بيانية، وأمثلة ملموسة وأوامر مجربة. كل شيء من دورة منظمة من 11 فصلاً — إليك أفضل ما فيها.
- المقدمة والتثبيت
- كيف يعمل LLM
- بنية Transformer
- نظرة عامة على LLMs في 2026
- نماذج اللغة الصغيرة SLMs
تثبيت Ollama وتشغيل أول نموذج
الأهداف التعليمية
- تثبيت Ollama على نظام التشغيل الخاص بك
- التحقق من تشغيل الخدمة بشكل صحيح
- تنزيل نموذج من مكتبة Ollama
- بدء محادثة مع نموذج محلي
- فهم مكان تخزين النماذج على جهازك
- معرفة أوامر Ollama الأساسية
لماذا Ollama؟
Ollama أداة مفتوحة المصدر تبسط استخدام LLMs محليًا بشكل جذري. حيث كان يلزم سابقًا إدارة التكميم يدويًا وربطات GPU وتبعيات Python، يمنحك Ollama ملفًا تنفيذيًا واحدًا وأمرًا بسيطًا مثل ollama run llama3. أصبح في 2026 المرجع لتشغيل LLM على حاسوبك المحمول.
البساطة
أمر واحد لتنزيل وتشغيل نموذج. لا إعداد GPU يدوي.
متعدد المنصات
Windows وmacOS (Apple Silicon) وLinux. محسّن تلقائيًا لوحدة المعالجة المركزية ووحدة معالجة الرسوميات.
واجهة برمجة تطبيقات REST مدمجة
يعرض Ollama واجهة API محلية على http://localhost:11434 للتكامل في تطبيقاتك.
خطوات التثبيت
توجه إلى https://ollama.com/download واختر نظامك. يستغرق التثبيت أقل من دقيقتين.
Windows
/bye للخروج من المحادثة و/? لعرض جميع الأوامر المتاحة في الوضع التفاعلي لـ Ollama.أين تخزن النماذج؟
قد تكون النماذج كبيرة الحجم. معرفة مكان تخزينها يجنبك مفاجآت التخزين غير السارة.
| نظام التشغيل | الموقع الافتراضي |
|---|---|
| Windows | C:\Users\<votre-nom>\.ollama\models |
| macOS | ~/.ollama/models |
| Linux | /usr/share/ollama/.ollama/models |
لتغيير هذا الموقع (إلى قرص خارجي مثلًا)، عرّف متغير البيئة OLLAMA_MODELS قبل تشغيل الخدمة.
واجهة برمجة تطبيقات Ollama وتكامل Python
الأهداف التعليمية
- فهم أن Ollama يعرض واجهة HTTP محلية
- استدعاء واجهة API باستخدام
curlوفي Python - استخدام مكتبة Python الرسمية
- تمرير system prompt وخيارات
- دمج LLM محلي في تطبيق
Ollama هو أيضًا خادم
بالإضافة إلى سطر الأوامر، يعمل Ollama في الخلفية كـخادم HTTP محلي، يمكن الوصول إليه على http://localhost:11434. كل ما تفعله واجهة سطر الأوامر يمكنك فعله عبر طلب HTTP، وبالتالي من أي لغة.
الجسر إلى الكود
من الدردشة في الطرفية إلى واجهة Python API، أصبح بإمكانك الآن دمج LLM محلي في أي برنامج.
التثبيت وخط الأنابيب الأول
pipeline.الأهداف التعليمية
- تثبيت Transformers وتبعياتها
- فهم ما هو pipeline
- تشغيل تحليل مشاعر في 3 أسطر
- معرفة المهام المتاحة
- تحميل نموذج محدد داخل pipeline
Hugging Face: GitHub للنماذج
توفر Hugging Face مكتبة Transformers، التي أصبحت المعيار لاستخدام النماذج مفتوحة المصدر في Python. تمنح الوصول إلى مئات الآلاف من النماذج عبر واجهة موحدة.
مهام جاهزة للاستخدام
| المهمة (سلسلة نصية) | ما تفعله |
|---|---|
sentiment-analysis | تحدد ما إذا كان النص إيجابيًا أم سلبيًا. |
text-generation | تكمل أو تولد نصًا. |
summarization | تلخص نصًا طويلًا. |
translation | تترجم من لغة إلى أخرى. |
question-answering | تجيب على سؤال بناءً على سياق مقدم. |
zero-shot-classification | تصنف نصًا ضمن فئات تحددها. |
اختيار نموذج محدد
للفرنسية أو حاجة محددة، حدد النموذج صراحة (معرفه على Hugging Face).
تغطي هذه المقالة المقتطفات الأكثر فائدة — الدورة الكاملة Introduction LLMs SLMs (11 فصلاً، 44 درسًا، تمارين مصححة ومشروع نهائي) تأخذك إلى النهاية.
./acceder-au-cours-complet cours gratuit : Ingénierie de promptsالأسئلة الشائعة
كم من الوقت يستغرق تعلم Introduction LLMs SLMs؟
هل هناك متطلبات مسبقة؟
من أين نبدأ عمليًا؟
📬 هل تريد تلقي هذا النوع من الأدلة كل أسبوع؟ اشترك مجانًا — كود حقيقي، بدون كلام فارغ.