Speaker A
بعد حل أكثر من 1500 مسألة في الخوارزميات وهياكل البيانات في ذروة مسيرتي، واستخدام الذكاء الاصطناعي الآن لكتابة كل سطر برمجي، تغيرت الأمور كثيرًا.
كيف تتعلم الخوارزميات وهياكل البيانات في 2026 مع الذكاء الاصطناعي وكيفية الاستعداد لمقابلات البرمجة الحديثة.
Key Takeaways
- الذكاء الاصطناعي يغير طريقة التحضير لمقابلات البرمجة لكنه لا يلغي أهمية فهم الخوارزميات.
- المهارة الأساسية الآن هي مراجعة الكود والتحقق من صحته وليس كتابة الكود فقط.
- التعلم يجب أن يركز على فهم الأنماط وحل المشكلات بشكل منظم وليس على عدد المسائل المحلولة.
- استخدام الذكاء الاصطناعي يجب أن يكون مدروساً في مراحل متعددة من التعلم والتحضير.
- مقابلات البرمجة بمساعدة الذكاء الاصطناعي هي المستقبل ويجب الاستعداد لها بفهم كيفية التعاون مع هذه الأدوات.
What the video covers
- تغيرت طريقة تعلم وحل مسائل الخوارزميات وهياكل البيانات بسبب الذكاء الاصطناعي الذي يكتب الكود ويصححه.
- الشركات بدأت تسمح باستخدام الذكاء الاصطناعي أثناء مقابلات البرمجة، مثل برنامج ميتا التجريبي.
- لا يجب التوقف عن تعلم الخوارزميات، لكن يجب تحديث طرق التحضير لمقابلات البرمجة لتواكب عصر الذكاء الاصطناعي.
- هناك نوعان من تقييم البرمجة: التقليدي الذي يعتمد على حل مسائل الخوارزميات، والتقييم الجديد الذي يشبه تطوير البرمجيات الحقيقي بمساعدة الذكاء الاصطناعي.
- المهارة الأساسية الآن ليست كتابة الكود بل مراجعة الكود الناتج عن الذكاء الاصطناعي والتأكد من صحته وجودته.
- التركيز يجب أن يكون على التعرف على الأنماط، شرح النهج، تنفيذ الحل، وحل نسخ مختلفة من المسائل بدلاً من حل عدد كبير من المسائل فقط.
- استخدام الذكاء الاصطناعي يجب أن يكون في ثلاث مستويات: بدون مساعدة، كمعلم يقدم تلميحات، وكمرجع لمراجعة الحلول وتحسينها.
- مقابلات البرمجة بمساعدة الذكاء الاصطناعي أصبحت شائعة في شركات كبرى مثل ميتا، جوجل، أوبر، وغيرها.
- التحضير الأمثل يشمل تعلم هياكل البيانات والخوارزميات، التصميم عالي المستوى، والهندسة بمساعدة الذكاء الاصطناعي.
- الذكاء الاصطناعي لا يحل محل التفكير البشري بل يتطلب مهارات جديدة في مراجعة الكود وتحمل المسؤولية.
Chapters
- 00:00مقدمة وتغيرات الذكاء الاصطناعي في كتابة الكود
- 00:56لماذا لا تزال مقابلات الخوارزميات مهمة؟
- 02:03أنواع تقييم البرمجة التقليدي والجديد
- 03:22مهارات مراجعة الكود وأهمية التحقق من صحته
- 04:29كيفية استخدام الذكاء الاصطناعي في التحضير للمقابلات
- 05:46مستويات استخدام الذكاء الاصطناعي في التعلم
- 08:27مقابلات البرمجة بمساعدة الذكاء الاصطناعي
- 09:45مهارات التعامل مع قاعدة الكود بمساعدة الذكاء الاصطناعي
- 11:12نصائح للتحضير المتكامل لمقابلات البرمجة المستقبلية
Full Transcript — Download SRT & Markdown
Speaker A
يمكن للذكاء الاصطناعي كتابة الكود، وليس مجرد بضعة أسطر منه. اليوم يمكن للذكاء الاصطناعي بناء الميزات، وكتابة الاختبارات، وشرح الكود، وتصحيح الأخطاء، وحتى إنشاء تطبيقات كاملة من خلال طلب واحد فقط. لذا، يطرح السؤال التالي نفسه: لماذا لا تزال الشركات تطلب من
Speaker A
مهندسي البرمجيات حل مسائل الخوارزميات في مقابلاتهم؟ يبدو الأمر غريبًا، أليس كذلك؟ وتزداد الأمور إثارة للاهتمام هنا.
Speaker A
بدأت بعض الشركات في تجربة مقابلات البرمجة بمساعدة الذكاء الاصطناعي، حيث يُسمح للمرشحين بالفعل باستخدامه أثناء المقابلة. نعم، أثناء مقابلتك الشخصية. ولابد أنك سمعت عن "ميتا" على سبيل المثال، التي أعلنت عن برنامج تجريبي العام الماضي.
Speaker A
عندما أجريت مقابلة "ميتا" في لندن، كانت هناك مسألة برمجة بمساعدة الذكاء الاصطناعي، حيث توفر لي نموذج GPT قديم، أعتقد أنه 4.0 ميني أو شيء مشابه، وكان علي حل مسألتي خوارزميات بمساعدته. نعم. إذًا، ما الذي ينبغي عليك الاستعداد له الآن
Speaker A
بالضبط؟ هل يجب أن تتعلم كيفية استخدام الذكاء الاصطناعي بدلاً من ذلك؟ وإذا كان الذكاء الاصطناعي قادرًا على كتابة الكود نيابة عنك، فما الذي تحاول المقابلات قياسه إذن؟ دعني أخبرك. لقد أمضيت سنوات في التحضير وإجراء مقابلات هندسة البرمجيات في شركات
Speaker A
مثل أمازون، وجوجل، ومايكروسوفت، وميتا لندن، وغيرها الكثير. أعتقد أن الإجابة في الواقع بسيطة للغاية.
Speaker A
لا تتوقف عن تعلم الخوارزميات، لكن توقف عن التحضير للمقابلات وكأنك في عام 2022. أعني، كما كان الحال قبل عصر الذكاء الاصطناعي. نعم، وهذا ربما هو أول شيء أريد توضيحه. لقد غير الذكاء الاصطناعي تطوير البرمجيات بشكل أسرع بكثير مما غير
Speaker A
أساسيات هندسة البرمجيات. أعني أن تلك الأساسيات لا تزال قائمة، لكن الطريقة التي نطور بها الكود أصبحت أسرع بكثير. أود أن أقول إنها أسرع بعشر مرات. تدرج مواد التحضير للمقابلات في مايكروسوفت الخوارزميات، وهياكل البيانات، وتحليل التعقيد، والبرمجة، والاختبار كمجالات
Speaker A
تقنية للمقابلة. حتى مواد التحضير الحالية لهندسة البرمجيات في أمازون لا تزال توصي بالخوارزميات، والبرمجة، ومهارات حل المشكلات، وبعض الاختبارات. إذًا، مقابلات البرمجة التقليدية لم تمت بالتأكيد. لا تزال موجودة، ولكن هناك تغيير مهم يحدث. بدأنا نرى نوعين مختلفين من
Speaker A
تقييم البرمجة. الأول هو التنسيق التقليدي الذي تواصل رؤيته في مقابلاتك. أي مسائل الخوارزميات وهياكل البيانات القياسية.
Speaker A
تتلقى مسألة، تفكر في الخوارزمية، تكتب الكود، تحسنه، تناقشه مع المحاور، وتشرح سبب عمله. لكن التنسيق الثاني أقرب بكثير إلى تطوير البرمجيات الحقيقي. قد تحصل على قاعدة برمجية موجودة بالفعل. قد تكون هناك بعض الأخطاء البرمجية مسبقًا. عليك تنفيذ ميزة معينة، وقد يكون
Speaker A
لديك وصول إلى نموذج ذكاء اصطناعي مساعد، ربما نموذج لغوي كبير. لذا، لم يعد السؤال: "هل يمكنك كتابة هذه الخوارزمية؟" بل أصبح: "هل يمكنك العمل بكفاءة كمهندس بمساعدة الذكاء الاصطناعي؟" أعتقد أن أسهل طريقة لفهم هذا هي مقارنة سير العمل
Speaker A
القديم بالجديد. سابقًا، كان سير عمل المقابلة يتلخص في فهم المشكلة، وجمع المتطلبات، وإيجاد الخوارزمية الصحيحة لحلها. تكتب الكود، وتقوم ببعض التحسينات، وتجربه، وتناقشه مع المحاور، ثم تحصل على الموافقة. هذا كل شيء.
Speaker A
الآن، تخيل أن سير العمل يتم في بيئة مدعومة بالذكاء الاصطناعي. افهم المشكلة، وقسمها إلى أجزاء، واستخدم الذكاء الاصطناعي عند الحاجة، وراجع الكود الناتج، وصححه، واختبره، وحسنه، ثم اشرح قراراتك. وهذا الاختلاف هائل. هل تستطيع استيعاب ذلك؟ لأن الكود المُنشأ
Speaker A
أصبح أقل تكلفة. أعني، في غضون ثوانٍ، يمكنك توليد مئات الأسطر البرمجية. لكن المهارة الأساسية الآن لم تعد كتابة الكود. أعني، كتابة تنفيذ من مئة سطر قد يستغرق ثوانٍ مع النماذج الحالية مثل كلود وجيمناي. لكن تحديد ما إذا كانت تلك
Speaker A
المئة سطر صحيحة ومنطقية يستغرق وقتًا أطول بكثير. وهذا ليس مجرد رأيي الشخصي. يكاد كل مطور يكتب الكود بمساعدة الذكاء الاصطناعي، لكن الجميع محبطون من مراجعة هذا الكود الرديء الناتج عنه.
Speaker A
أعني، هذا الكود أصبح فوضويًا جدًا الآن. أعني، أن سهولة القراءة والفهم قد تضررت. لذا، نعم، الذكاء الاصطناعي يسرع كتابة الكود، لكن المراجعة والتحقق أصبحت أكثر أهمية من أي وقت مضى. أعتقد لا.
Speaker A
لكنني سأغير الطريقة التي تستخدم بها "ليت كود". وهذا هو الجزء الأهم في هذا الفيديو.
Speaker A
أكبر خطأ هو التفكير: "هدفي هو حل 500 مسألة". لا، ليس كذلك على الإطلاق. يجب أن يكون الهدف هو القدرة على تمييز الأنماط، والتفكير في القيود، والتوصل إلى حل صحيح.
Speaker A
لأن تلك المهارات لا تزال مهمة، سواء كتبت كل سطر بنفسك أو كان كودًا مُنشأ بواسطة الذكاء الاصطناعي. لذا، لنفترض أنني أعطيتك مسألة حول إيجاد أطول مصفوفة فرعية تحقق شرطًا معينًا، مثل أطول مصفوفة فرعية مجموعها لا يتجاوز تكرارًا معينًا. يمكنك
Speaker A
رؤية المسألة على الشاشة. المهارة المهمة ليست قدرتك على كتابة نموذج النافذة المنزلقة هنا، لأنها مسألة قياسية جداً للنافذة المنزلقة، أليس كذلك؟ حيث تكون النافذة متغيرة وليست ثابتة. المهارة الأهم هي القدرة على النظر إلى القيود والقول: "حسنًا، الحل المباشر
Speaker A
(Brute force) واضح جداً هنا". تبدو هذه كمسألة نافذة منزلقة لأنني أستطيع الحفاظ على نطاق صالح وتحريك مؤشرين. هذا القدر من التوجيه كافٍ لتقديمه للذكاء الاصطناعي، ومن ثم يمكنك الحصول على نموذج كود أولي تبدأ بالتفكير فيه وما إذا كان يعمل حقاً أم لا.
Speaker A
إذاً، هذا التفكير هو ما تدربك عليه خوارزميات وهياكل البيانات (DSA) فعلياً، وهو التعرف على الأنماط. الخوارزميات ليست مجرد اختبار للبرمجة، بل هي اختبار لحل المشكلات المنظم، وهو ما سنتعلمه لاحقاً في فيديوهاتي القادمة.
Speaker A
هذا شيء آخر سأجيب عليه بشكل مختلف اليوم. الكثير من هذه الفيديوهات على يوتيوب تحاول إيصال هذا، لكنني أعتقد أن أياً منها لا يصور الأمر بالطريقة التي أردت إخبارك بها. لا أريد أن أخبرك أن 300 مسألة DSA كافية، ولا 400
Speaker A
، ولا 500، لأن العدد ليس الجزء المهم الآن. لقد حللت أكثر من 1500 مسألة DSA في وقتي، لكني أقول: هل فهمت بعمق تلك الـ 150 مسألة منظمة جيداً بدلاً من حل 500 مسألة بشكل أعمى دون تذكر أي منها. بدلاً من
Speaker A
تتبع عدد المسائل فقط، تتبع ما إذا كنت تستطيع القيام بأربعة أشياء. أولاً، التعرف على النمط. ثانياً، شرح النهج. ثالثاً، تنفيذ الحل. والأهم من ذلك، حل تنويع أو نسخة مختلفة من تلك المسألة. إذا كنت قادراً على القيام بهذه الأشياء
Speaker A
الأربعة، فأعتقد أنك في وضع جيد جداً ويمكنك تسمية نفسك مبرمجاً جيداً بمساعدة الذكاء الاصطناعي بالطبع.
Speaker A
الجزء الأخير مهم للغاية، لأن حفظ الحل الدقيق أصبح أقل فائدة في عصر الذكاء الاصطناعي. لست بحاجة لحفظ كل شيء. الذكاء الاصطناعي موجود لكتابة ذلك الجزء من المنطق. يمكنك طلب الحل الدقيق من الذكاء الاصطناعي في ثانيتين.
Speaker A
السؤال الحقيقي هو، هل يمكنك معرفة ما إذا كان حل الذكاء الاصطناعي صحيحاً بالفعل؟ هنا أعتقد أن الذكاء الاصطناعي يمكنه جعل استعدادك أفضل بكثير لأنك لا ينبغي أن تعتمد عليه بالكامل. أقول استخدم الذكاء الاصطناعي في هذه المستويات الثلاثة التي
Speaker A
أستخدمها. إذا كان عليّ التحضير الآن لأي مقابلة برمجة في DSA، فهذه هي الطريقة التي أستخدم بها الذكاء الاصطناعي. المستوى الأول، لا ذكاء اصطناعي على الإطلاق.
Speaker A
خذ مسألة، اقضِ 20 إلى 30 دقيقة، حاول حلها، ارسم أمثلة، فكر في حل جيد، انظر إلى القيود، وحاول استنباط النهج الأمثل إذا استطعت.
Speaker A
هذا يبني مهاراتك الأساسية في حل المشكلات، وهو أمر مهم للغاية. الآن، المستوى الثاني، الذكاء الاصطناعي كمعلم خاص.
Speaker A
وأعتقد أن هذه هي الطريقة التي يستخدمنا بها معظمنا للتحضير لمقابلات البرمجة. لذا، إذا تعثرت، لا تقل فوراً: "أعطني الحل لهذه المشكلة". بل اسأل: "أعطني تلميحاً واحداً". أو: "ما النمط الذي يجب أن أفكر فيه؟" أو يمكنك أيضاً القول:
Speaker A
"راجع نهجي دون أن تعطيني الحل النهائي". هذا أفضل بكثير لأنك لا تزال تفكر، لكنك تطلب تلميحاً من الذكاء الاصطناعي.
Speaker A
المستوى الثالث، الذكاء الاصطناعي كمراجع. بمجرد حل المشكلة واعتقادك أنها جيدة حقاً، استخدم الذكاء الاصطناعي بقوة الآن.
Speaker A
اطلب منه العثور على أخطاء في حلك. اطلب منه تقديم بعض الحالات الاستثنائية. حاول كسر منطق حلك. أعني، مهما كان النهج الذي كتبته.
Speaker A
هل يمكنك التفكير في مثال معاكس؟ يمكنك أيضاً أن تسأل: "هل تحليل تعقيد الوقت والمساحة الخاص بي صحيح؟" أو: "هل هو مُحسَّن أم لا؟" أو ربما ابحث لي عن نسخة أصعب من هذه المشكلة لأتحدى نفسي. هذا في الواقع أحد أفضل
Speaker A
استخدامات الذكاء الاصطناعي للتحضير للمقابلات. وهكذا أستخدمه أنا. لأن الذكاء الاصطناعي هنا لا يحل محل التفكير.
Speaker A
إذا كنت تعتقد أن الذكاء الاصطناعي العام سيستبدلنا تماماً، فأعتقد أنك بحاجة لإعادة التفكير لأن الذكاء الاصطناعي لا يحل محل تفكيرنا، بل يتحدى تفكيرك الآن.
Speaker A
هذا هو الجزء الثاني الأكثر أهمية في الفيديو. الآن، دعونا نتحدث عن الجزء الذي لم يكن موجوداً منذ العام الماضي. مقابلات البرمجة بمساعدة الذكاء الاصطناعي.
Speaker A
مقابلات البرمجة المعتمدة على الذكاء الاصطناعي جديدة. إنها تنتشر بسرعة. شركات "ميتا"، "شوبيفاي"، "كانفا"، "أوبر"، "جوجل"، وقائمة متزايدة من الشركات الكبرى، تجلسك الآن مع مساعد ذكاء اصطناعي وقاعدة برمجية حقيقية بدلاً من محرر فارغ وسؤال خوارزميات. تطور هذا
Speaker A
التنسيق بشكل...
Speaker A
الآن عن إجراء وتقييم هذه النوعية من المقابلات. لقد أخبرونا بكيفية سير المقابلة، وأين تعثروا، وما الذي فاجأهم، وما الذي تمنوا لو فعلوه بشكل مختلف. وأخبرنا المحاورون عما كانوا يقيمونه وكيف يمكنهم معرفة متى يكون الشخص متحكماً في الموقف مقابل مجرد إعطاء
Speaker A
الأوامر والأمل في النجاح. أعني، هل يمكنك استيعاب أنه إذا كنت تحاول إيجاد حل أو صياغة حل بمساعدة الذكاء الاصطناعي، هل تقوم فقط بإدخال الأوامر بشكل أعمى أم أن لديك قاعدة معرفية حول الأمر، تفهم المشكلة، ثم توجه الأوامر في الاتجاه
Speaker A
الصحيح؟ سأطلعك على المهارات الأساسية واحدة تلو الأخرى. كيف تتعرف على قاعدة برمجية غير مألوفة، كيف تضع خطة قبل فتح نافذة محادثة الذكاء الاصطناعي، كيف تستخدم النموذج دون أن تفقد السيطرة، كيف تتحقق مما يقدمه لك، وكيف تبقي المحاور في
Speaker A
الصورة أثناء عملك بمساعدة الذكاء الاصطناعي. لذا، تحتاج الآن إلى أن تكون مرتاحاً مع أمور مثل استيعاب الكود. هل يمكنك فتح قاعدة برمجية غير مألوفة وفهم ما يحدث بداخلها؟ استخدم الذكاء الاصطناعي لذلك. تصحيح الأخطاء. هل يمكنك تحديد سبب فشل الكود
Speaker A
الحالي؟ استخدم الذكاء الاصطناعي لتصحيح الأخطاء والعثور على الثغرات. الاختبار. هل يمكنك إثبات أن تغييرك يعمل بالفعل؟ التعاون مع الذكاء الاصطناعي. هل يمكنك تزويد أداة الذكاء الاصطناعي بالسياق الصحيح وطلب القيام بشيء مفيد؟ هل يمكنك اكتشاف متى يكون الكود الذي أنشأه
Speaker A
الذكاء الاصطناعي خاطئاً؟ أعني، هل يمكنك مراجعة الكود الخاص بك الذي كتبه الذكاء الاصطناعي؟ وأخيراً، الحكم الهندسي. هذا هو الجزء الأكثر أهمية. هل يمكنك تحديد ما إذا كان الحل المُنشأ هو الحل الصحيح حقاً؟ هذه مجموعة مهارات تختلف تماماً عن مجرد حفظ
Speaker A
مسائل "ليت كود". بل على العكس تماماً. أعتقد أنها أصبحت أكثر أهمية بطريقة مختلفة. هناك مبدأ بسيط أريدك أن تتذكره. كلما قل الكود الذي تكتبه بنفسك، زادت أهمية فهم الكود الذي تكتبه بمساعدة الذكاء الاصطناعي.
Speaker A
أعني، تخيل أن الذكاء الاصطناعي أنشأ لك دالة لمنطق برمجي معين . لديك خياران الآن.
Speaker A
يمكنك القول إنها تبدو جيدة وتثق بها بشكل أعمى وتمضي قدماً. هذا ما يفعله 90%من المهندسين. أو يمكنك السؤال: ما هي التعقيد الزمني؟ ماذا يحدث عند إدخال فارغ؟ أعني، ابحث عن بعض الحالات الاستثنائية. ماذا يحدث في حالة التزامن؟ هل هذا يسبب حالة سباق
Speaker A
برمجية؟ هل يصبح هذا الاستعلام مكلفاً عند التوسع؟ هل هذا الكود آمن للخيوط المتعددة؟ تحتاج أيضاً إلى مناقشة مثل هذه الأمور . أيضاً، هل يمكنني إثبات ذلك بمساعدة اختبارات الوحدة أو الاختبارات الوظيفية؟ المهندس الثاني هنا أكثر قيمة لأنه يطرح
Speaker A
هذه الأسئلة؛ فهو لا يكتفي بإنشاء الكود، بل يتحمل مسؤولية الكود الذي أنشأه الذكاء الاصطناعي لأنه قام بمراجعته.
Speaker A
ولهذا السبب بالتحديد لا أعتقد أن مستقبل الهندسة هو أن يكتب الذكاء الاصطناعي الكود بينما لا يفعل المهندسون شيئًا. هذا ليس المستقبل. الأقرب بكثير هو أن الذكاء الاصطناعي يسرع التنفيذ بينما نقدم نحن السياق، ونتخذ القرارات، ونقوم بالمراجعة والتحقق.
Speaker A
أود أن أقسم تحضيرك إلى ثلاث طبقات. الطبقة الأولى، هياكل البيانات والخوارزميات (DSA). لا تزال بحاجة إليها.
Speaker A
المصفوفات، النصوص، الخرائط الهاش، المؤشران، النافذة المنزلقة، المكدسات والطوابير، القوائم المترابطة، الأشجار، التراي، البحث الثنائي، الكومة، الرسوم البيانية، الخوارزميات الجشعة، التراجع، والبرمجة الديناميكية. أعلم أنني سردت الكثير، ولكن بالطبع تحليل التعقيد الزمني مهم أيضًا. لذا، لست بحاجة لحفظ 500 قالب مختلف
Speaker A
لهذه الأنواع من المسائل. أنت بحاجة لفهم الأنماط الأساسية. سأتحدث عن هذه الأنماط في الفيديو القادم، لذا اشترك ليصلك إشعار عند تحميل الفيديو التالي.
Speaker A
الطبقة الثانية، أساسيات هندسة البرمجيات. تصبح هذه أكثر أهمية كلما تقدمت في مسارك المهني بعد الأدوار المبتدئة.
Speaker A
تعلم Git، والبرمجة كائنية التوجه، والتصميم منخفض المستوى، وقواعد البيانات، والفرق بين قواعد البيانات غير العلاقية والعلاقية، والشبكات، والتزامن، والواجهات البرمجية، والاختبار، والاختبار الوظيفي، واختبار الوحدة، واختبار A/B، والكثير من تقنيات الاختبار المختلفة. ثم تعلم كيفية التصحيح ( debugging) الذي سيأتي مع
Speaker A
الممارسة، وبطبيعة الحال تصميم النظم، وأعني به التصميم عالي المستوى. الطبقة الثالثة، الهندسة بمساعدة الذكاء الاصطناعي. وهذه هي الطبقة الجديدة. تعلم كيفية التنقل في قاعدة كود برمجية كبيرة بمساعدة الذكاء الاصطناعي. راجع الكود الذي تم إنتاجه. اكتب اختبارات للكود الناتج. صحح التنفيذ
Speaker A
الذي قد يكون هلوسة أو غير دقيق. استخدم الذكاء الاصطناعي لإعادة الهيكلة، والتوثيق، والأهم من ذلك، اعرف متى لا تثق بالذكاء الاصطناعي.
Speaker A
بكل تأكيد. لنفترض أن لدي 10 ساعات كل أسبوع للتحضير للمقابلات، فهذه تقريبًا الطريقة التي سأقسم بها وقتي.
Speaker A
أربع ساعات سأقضيها في حل مسائل هياكل البيانات والخوارزميات التقليدية. أعني حل المسائل دون الاعتماد على الذكاء الاصطناعي كليًا. هذا يحافظ على قوة عضلتك الأساسية في حل المشكلات. ثم ساعتان، سأسميهما " هياكل البيانات والخوارزميات مع الذكاء الاصطناعي".
Speaker A
استخدم الذكاء الاصطناعي للحصول على تلميحات، ومراجعات، وأمثلة مضادة، ومسائل متنوعة. ساعتان أخريان للبرمجة الحقيقية.
Speaker A
اختر مشروعًا حقيقيًا أو قاعدة كود مفتوحة المصدر. اقرأ الكود، عدله، صحح شيئًا ما، اكتب اختبارًا، أو ابنِ مشروعك الجانبي الخاص. اعمل مع مستودع برمجيات غير مألوف. قم ببعض المساهمات في المشاريع مفتوحة المصدر. وساعة واحدة تقضيها في البرمجة بمساعدة الذكاء
Speaker A
الاصطناعي. ابنِ شيئًا فعليًا أثناء استخدام مساعد برمجة ذكي. بشكل أساسي العناصر. الهدف ليس كتابة كود لتطبيق كامل. الهدف هو تعلم كيفية التعاون مع هذه الأنواع من الأدوات والتحقق مما تنتجه.
Speaker A
وأخيراً، في الساعة الأخيرة المتبقية، سأقوم بإجراء مقابلات تجريبية. جزء مهم جداً أكرر ذكره في كل مقاطعي، وهو ما يغفل عنه الكثير من المرشحين. لذا، لا تجعل كل المقابلات التجريبية مجرد جلسة لحل مسائل "ليت كود".
Speaker A
نوّع بين خوارزميات وهياكل البيانات التقليدية، وتصميم البرمجيات منخفض المستوى، وتصميم الأنظمة، وأحياناً تصميم أنظمة البرمجة بالذكاء الاصطناعي.
Speaker A
لأن تجربة المقابلة الحقيقية أصبحت أكثر شمولاً الآن. بالتأكيد . لكن لا تجعل "ليت كود" هو كل تحضيرك. استخدمه فيما يجيد القيام به، وهو بناء القدرة على حل المشكلات. نعم، استخدم القوائم المختارة مثل "Blind 75" و " NeetCode 150" ومسائل "ليت
Speaker A
كود" الخاصة بالشركات والتي يمكنك العثور عليها في الوصف. تدرب حسب الموضوع عندما تكون في مرحلة التعلم الفعلي. ثم اخلط بين المواضيع بمجرد أن تبني الأساسيات. وبعد ذلك، توقف عن الهوس بعدد المسائل التي حللتها. أعني، أرى الكثير من المهندسين
Speaker A
يسألونني باستمرار: إذا قمت بحل 300 إلى 400 مسألة خوارزميات، هل سيكون ذلك كافياً؟ لا، الأمر لا يتعلق بالعدد ، بل يتعلق بالجودة والأنماط التي نحاول حلها. لذا، هدفك هو أن تصبح الشخص الذي يمكنه رؤية مشكلة جديدة والتفكير بوضوح، أو
Speaker A
على الأقل يعرف كيفية استخدام الذكاء الاصطناعي. لأنه خلال مقابلة حقيقية، خاصة عندما يتغير السؤال قليلاً، فإن قدرتك على الاستنتاج أهم بكثير من حفظك للحل أم لا.
Speaker A
إذن، هل يجب أن تستمر في دراسة الخوارزميات في عام 2026؟ بالتأكيد نعم، لكن لا تستعد لمقابلة هندسة برمجيات في 2026 بعقلية عام 2022. طبيعة الوظيفة تتغير. الذكاء الاصطناعي يمكنه توليد الكود، وشرح الكود، وتصحيح الأخطاء، بل وكتابة أجزاء كبيرة من
Speaker A
التطبيقات. يمكن للذكاء الاصطناعي الآن العمل مع الأنظمة المتجانسة، والخدمات المصغرة، والكود القديم، وأي نوع من الكود. لذا، الميزة التنافسية تتحول إلى مستوى أعلى، من "هل يمكنك كتابة الكود" إلى "هل تفهم المشكلة، هل يمكنك تصميم الحل، هل يمكنك استخدام
Speaker A
الذكاء الاصطناعي بفعالية، هل يمكنك كتابة وكلاء لأتمتة سير عملك، هل يمكنك التحقق من مخرجاته، هل يمكنك مراجعة كودك الخاص، وفي النهاية، هل يمكنك تحمل مسؤولية النتائج؟" بدلاً من رؤية أشخاص يلومون الذكاء الاصطناعي على أخطائهم. أعتقد أنه ليس خطأ الذكاء
Speaker A
الاصطناعي، بل خطؤنا لأننا لا نراجعه بشكل صحيح. لذا، لا تنافس الذكاء الاصطناعي بمحاولة الكتابة بسرعة أكبر منه. تعلم الخوارزميات، وتعلم هندسة البرمجيات، وتعلم كيف تعمل الأنظمة الحقيقية، وتعلم كيف تستخدم الذكاء الاصطناعي كأداة هندسية، وليس كأداة بديلة. لأنني لا
Speaker A
أعتقد أن المستقبل للمطورين الذين يرفضون استخدام الذكاء الاصطناعي. ولا أعتقد أيضاً أن المجال مخصص للأشخاص الذين يتقبلون بشكل أعمى كل ما يولده الذكاء الاصطناعي. إنه مخصص للمهندسين الذين يستطيعون التفكير بوضوح، والبناء بسرعة بمساعدة الذكاء الاصطناعي، والتحقق من كل شيء. لذا، إذا
Speaker A
أعجبك الفيديو بشكل عام، فهذا ما نحاول القيام به في هذه القناة. لذا، اشترك في القناة، وادعم الفيديو، وأبدِ إعجابك به، وشاركه مع أصدقائك، ونلتقي في الفيديو القادم.
Speaker A
وداعاً.
Topics:الخوارزمياتهياكل البياناتالذكاء الاصطناعيمقابلات البرمجةتحضير المقابلاتتطوير البرمجياتمساعدة الذكاء الاصطناعيليت كودحل المشكلاتمراجعة الكود
