قريبًا غلاف Natural Language Processing & Language AI
الرئيسية • الكتالوج • Natural Language Processing & Language AI
AI & Deep Learning

معالجة اللغة الطبيعية والذكاء اللغوي

مسار NLP عميق يبدأ من أساسيات النصوص ويمر على النماذج الإحصائية والعصبية ثم يدخل إلى BERT وGPT وRAG وAgentic NLP وأساليب تقييم الأنظمة اللغوية الحديثة.

📚 6 وحدات 🪜 50 خطوة / درس ⏱️ مرن حسب سرعتك
الكورس / الدبلومة قريبًا
الكورس ده قيد التحضير — سجل بياناتك وهنبلغك أول ما ينزل.
الموعد المتوقع: Q3 2026
السعر عند الإطلاق

متاح ضمن دبلومات الذكاء الاصطناعي

This course is coming soon — register your details and we'll notify you when it launches.

🚀 الحجز سيفتح قريبًا 🔔 سجل عشان يتنبهك للإطلاق
المخرجات3
الأدوات0
المشاريع0
الشهادةموثقة

ماذا ستتعلم؟

  • ✅ Build modern NLP intuition from first principles to LLM systems
  • ✅ Work with transformers, retrieval, and evaluation frameworks
  • ✅ Prepare for language AI engineering and applied research roles

المنهج والوحدات

📚 6 وحدات 🪜 50 خطوة ⏱️ مرن
الوحدة 1: NLP Foundations 22 موضوع · سرعة مرنة
  • الدرس 1.1.1: Intro to Text & Preprocessing — Module intro and roadmap
  • الدرس 1.1.2: Intro to Text & Preprocessing — Why NLP is hard (Ambiguity, Sarcasm)
  • الدرس 1.1.3: Intro to Text & Preprocessing — NLP tasks and Taxonomy
  • الدرس 1.1.4: Intro to Text & Preprocessing — CVs and NLP analogy
  • الدرس 1.1.5: Intro to Text & Preprocessing — Text preprocessing pipeline.
  • الدرس 1.1.6: Intro to Text & Preprocessing — Text preparation steps
  • الدرس 1.2.1: Linguistic Analysis — Part-of-Speech (POS) Tagging
  • الدرس 1.2.2: Linguistic Analysis — Named Entity Recognition (NER)
  • الدرس 1.2.3: Linguistic Analysis — Dependency Parsing & Constituency Trees
  • الدرس 1.3.1: Sparse Vector Spaces — DL in NLP and Bag-of-Words model
  • الدرس 1.3.2: Sparse Vector Spaces — Text features: Binary-Count- Freq- TF-IDF
  • الدرس 1.3.3: Sparse Vector Spaces — BoW Vectors model
  • الدرس 1.4.1: Dense Word Embeddings — Why word embeddings?
  • الدرس 1.4.2: Dense Word Embeddings — Traditional word vectors (SVD/LSA)
  • الدرس 1.4.3: Dense Word Embeddings — Learnable Embedding matrix
  • الدرس 1.4.4: Dense Word Embeddings — Pre-trained word embeddings
  • الدرس 1.4.5: Dense Word Embeddings — Word2Vec (Skip-gram/CBOW)
  • الدرس 1.4.6: Dense Word Embeddings — GloVe
  • الدرس 1.4.7: Dense Word Embeddings — FastText and ELMo
  • الدرس 1.5.1: Vector Applications — Overview of recommender systems
  • الدرس 1.5.2: Vector Applications — Content-based recommendations (Vector Similarity)
  • الدرس 1.5.3: Vector Applications — Collaborative-Filtering (Matrix Factorization)
الوحدة 2: Probabilistic NLP 7 موضوع · سرعة مرنة
  • الدرس 2.1.1: Statistical Models — Statistical Language Models (SLM)
  • الدرس 2.1.2: Statistical Models — N-Grams & Markov Assumptions
  • الدرس 2.1.3: Statistical Models — Spam/sentiment classification
  • الدرس 2.2.1: Probabilistic Classifiers — Naive Bayes Idea
  • الدرس 2.2.2: Probabilistic Classifiers — Laplace Smoothing
  • الدرس 2.2.3: Probabilistic Classifiers — HMM use cases & Viterbi intuition
  • الدرس 2.2.4: Probabilistic Classifiers — Conditional Independence
الوحدة 3: Neural NLP 16 موضوع · سرعة مرنة
  • الدرس 3.1.1: Recurrent Networks (RNNs) — Neural Language Models (NLM)
  • الدرس 3.1.2: Recurrent Networks (RNNs) — Recurrent Neural Networks
  • الدرس 3.1.3: Recurrent Networks (RNNs) — RNN as Sentence Embedding Encoder
  • الدرس 3.1.4: Recurrent Networks (RNNs) — Example RNN char/word level NLM
  • الدرس 3.1.5: Recurrent Networks (RNNs) — Backpropagation Through Time (BPTT)
  • الدرس 3.2.1: Gated Architectures — LSTM and Gated Recurrent Units (GRU)
  • الدرس 3.2.2: Gated Architectures — Example: LSTM/GRU for Text Classification
  • الدرس 3.2.3: Gated Architectures — Conv1D and CNN-LSTM models
  • الدرس 3.3.1: Seq2Seq & Translation — Seq2seq models overview
  • الدرس 3.3.2: Seq2Seq & Translation — Unaligned/Matched sequences case (CTC loss)
  • الدرس 3.3.3: Seq2Seq & Translation — Statistical Machine Translation (SMT) context
  • الدرس 3.3.4: Seq2Seq & Translation — Neural Machine Translation (NMT) & Vanilla seq2seq
  • الدرس 3.3.5: Seq2Seq & Translation — NMT decoding and Beam-Search
  • الدرس 3.4.1: The Attention Bridge — Attention mechanisms with seq2seq models
  • الدرس 3.4.2: The Attention Bridge — The Information Bottleneck Problem
  • الدرس 3.4.3: The Attention Bridge — Dot-Product Attention Math
الوحدة 4: Transformers 9 موضوع · سرعة مرنة
  • الدرس 4.1.1: The Transformer Core — Attention is ALL you need
  • الدرس 4.1.2: The Transformer Core — Self-Attention and Multi-Head Attention
  • الدرس 4.1.3: The Transformer Core — Encoder-Decoder Architecture
  • الدرس 4.2.1: Transfer Learning & BERT — Transfer Learning Module intro
  • الدرس 4.2.2: Transfer Learning & BERT — Word vs Sentence Level Transfer Learning
  • الدرس 4.2.3: Transfer Learning & BERT — BERT (Encoder) models
  • الدرس 4.2.4: Transfer Learning & BERT — XLTransformer and XLNet
  • الدرس 4.2.5: Transfer Learning & BERT — Distillation (DistilBERT)
  • الدرس 4.2.6: Transfer Learning & BERT — Fine-tuning, datasets
الوحدة 5: GPTs / LLM Deep Dive 19 موضوع · سرعة مرنة
  • الدرس 5.1.1: GPT Architecture — GPT (Decoder) models
  • الدرس 5.1.2: GPT Architecture — Decoder-only, causal masking, positional encodings
  • الدرس 5.1.3: GPT Architecture — Scaling Laws (Chinchilla) & Compute Optimality
  • الدرس 5.1.4: GPT Architecture — Context windows (RoPE/ALiBi)
  • الدرس 5.2.1: Tokenization & Prompting — Tokens vs words, formatting, logprobs
  • الدرس 5.2.2: Tokenization & Prompting — Glitch Tokens & Multilingual issues
  • الدرس 5.2.3: Tokenization & Prompting — Chain-of-Thought (CoT) Prompting
  • الدرس 5.3.1: Pretraining & SFT — Pretraining objective, instruction datasets, safety filters
  • الدرس 5.3.2: Pretraining & SFT — Supervised Fine-Tuning (SFT) Pipelines
  • الدرس 5.3.3: Pretraining & SFT — Efficient Fine-Tuning (PEFT/LoRA)
  • الدرس 5.3.4: Pretraining & SFT — FP16 vs INT4, GGUF formats, and weight compression
  • الدرس 5.4.1: Alignment (RLHF/DPO) — RLHF overview, DPO idea, reward models
  • الدرس 5.4.2: Alignment (RLHF/DPO) — Constitutional AI & Guardrails
  • الدرس 5.4.3: Alignment (RLHF/DPO) — Ethics & Bias in Large Models
  • الدرس 5.5.1: Tool use and function Calling — Structured outputs, function schemas, tool selection, error recovery
  • الدرس 5.6.1: RAG (NLP Perspective) — Chunking, embeddings, reranking, hybrid retrieval
  • الدرس 5.6.2: RAG (NLP Perspective) — Grounding & citations, hallucination reduction
  • الدرس 5.6.3: RAG (NLP Perspective) — Vector DBs & GraphRAG (Using Knowledge Graphs for NLP Context)
  • الدرس 5.6.4: Agentic NLP & Multi-Agent Systems — Moving from text generation to action. We will cover the ReAct framework (Reasoning + Acting), autonomous agent design, memory, planning, and multi-agent orchestration using modern frameworks (e.g., LangGraph, AutoGen, CrewAI).
الوحدة 6: NLP Evaluation 9 موضوع · سرعة مرنة
  • الدرس 6.1: Traditional Metrics — BLEU/ROUGE idea, slice analysis
  • الدرس 6.1: Traditional Metrics — Evaluation of Word Embedding vectors
  • الدرس 6.1: Traditional Metrics — Language Models evaluation (Perplexity)
  • الدرس 6.1: Traditional Metrics — Evaluation of seq2seq models (WER)
  • الدرس 6.2: Modern Evaluation — Human eval
  • الدرس 6.2: Modern Evaluation — LLM-as-a-Judge (GPT-4 grading)
  • الدرس 6.2: Modern Evaluation — RAGAS (RAG Assessment)
  • الدرس 6.2: Modern Evaluation — Benchmarks: MMLU, GSM8K, Chatbot Arena
  • الدرس 7.1: Production & System Metrics — Cost and latency evaluation. We will break down token economics (cost per 1k tokens), Time To First Token (TTFT), Tokens Per Second (TPS), throughput, and hardware/GPU utilization considerations for deploying LLMs at scale
المشروع 1 موضوع · سرعة مرنة
  • مشروع التخرج في NLP

المشاريع العملية

الأدوات والتقنيات

مناسب لمين؟

  • Engineers specializing in NLP
  • LLM practitioners who need foundations
  • Advanced students building language AI careers

المسارات الوظيفية

ماذا ستحصل بعد الإتمام؟

شهادات وخطابات تدريب تساعدك في التقديم وإثبات المهارات.

🏆

شهادة موثقة

شهادة Learn in Depth الرسمية مع رمز QR للتحقق.

يمكن التحقق منها عبر صفحة التحقق العامة.

🇬🇧

English Training Letter

للشركات الدولية والعمل بالخارج.

على ورق Learn in Depth الرسمي، موقعة من المحاضر.

🇪🇬

Arabic Training Letter

للشركات المحلية في الشرق الأوسط وتنسيق الكلية.

خطاب مختوم ثنائي اللغة جاهز لإدارات الموارد البشرية.

🏢

Company-Stamped Certificate

مختومة من الشركة لطلب اعتماد أكاديمي. اطلبها عبر التواصل على +20 155 876 5064 واتساب أو هاتف.

تُصدر عند الطلب بعد إتمام الدبلومة بنجاح.

الأسئلة الشائعة عن الكورس

المستهدف الحالي هو Q3 2026. سجّل بياناتك في الفورم وسنرسل لك أول تحديثات الإطلاق والأسعار.

The current target is Q3 2026. Register via the form and we will send launch and pricing updates first.

حاليًا المسارات في حالة Coming Soon. تقدر تتصفح المحتوى وتسجل اهتمامك لنبلغك عند فتح التسجيل.

These tracks are currently marked Coming Soon. You can browse the curriculum and leave your details to be notified when registration opens.

أيوة — كل مسار مصمم بشهادة موثقة ومراجعة عملية للمشاريع الرئيسية.

Yes — every track is designed around a verified certificate and hands-on project review.

أيوة، التسويق والدعم وبناء المشاريع معمولين خصيصًا لمهندسين السوق المصري والخليجي مع تركيز على التوظيف العملي.

Yes. The positioning, support, and project design target engineers in the Egyptian and Gulf markets with a strong practical hiring focus.

سجل حسابك وأضف الكورس للسلة واتبع خطوات الدفع.

Create your account, add the course to cart, and follow the payment steps.

أيوه — الطلبة ليهم خصم خاص بيظهر أوتوماتيك.

Yes — students get an automatic discount shown at checkout.

كل الكورسات مسجلة عشان تتعلم في أي وقت يناسبك.

All courses are recorded so you can learn at your own pace.

أيوه — كل الكورسات مجانية لأهل فلسطين.

Yes — all courses are free for people from Palestine.

تحويل بنكي، فودافون كاش، إنستاباي.

Bank transfer, Vodafone Cash, InstaPay.

كورسات مرتبطة