Eneo la Kujifunzia

Sehemu kuu ya kuanzia kwa maudhui yote ya kujifunza — kwa kuongozwa au kwa uhuru, jinsi unavyopenda.

Njia za Kujifunza

Maudhui

Msingi

Inawafikia watumiaji bila ujuzi wowote wa awali. Yeyote anayeweza kutumia kompyuta anaanza hapa.

Uendeshaji na Mstari wa Amri

Jinsi kompyuta inavyofanya kazi, APIs ni nini, jinsi ya kutumia terminal, kutumia Git na kuelewa Open Source.

Mwanzo 0 ya 5

Utaelewa jinsi kompyuta zinavyofanya kazi, utasogea kwa usalama kwenye terminal, utatumia Git na kuelewa Open Source.

Makala 5 Wanaoanza kabisa Hakuna

Jinsi kompyuta inavyo"fikiri"

CPU, GPU, RAM, Diski Kuu na msimbo wa binary - misingi ya vifaa.

Mtandao na APIs

Mteja, seva, maombi ya HTTP na APIs kama miingiliano.

Terminal

GUI dhidi ya CLI, njia na amri muhimu zaidi.

Udhibiti wa Toleo na Git

Hifadhi, Commit, Tawi na GitHub kama hifadhi ya wingu.

Open Source dhidi ya Closed Source

Msimbo wa chanzo, leseni (GPL, MIT) na kwa nini uwazi ni muhimu.

Pakua Cheti

Bonyeza kuona hali

Python na Mantiki ya Programu

Kutoka kwa vigeuzi hadi miundo ya udhibiti na kazi, hadi madarasa, vifurushi na mazingira ya kawaida.

Mwanzo

Utapanga katika Python, kuelewa aina za data, miundo ya udhibiti, OOP na kuweka mazingira safi ya maendeleo.

Makala 8 Wanaoanza wenye ujuzi wa msingi wa kompyuta Sharti la awali: Uendeshaji na Mstari wa Amri

Vigeuzi na Aina za Data

String, Integer, Float, Boolean na ugawaji.

Miundo ya Udhibiti

Matawi ya If/Else na Mizunguko (For, While).

Kazi

Vigezo, thamani za kurudisha na msimbo wa moduli.

Wakati Msimbo Unavunjika (Makosa na Utatuzi)

Hitilafu ya Sintaksia dhidi ya Hitilafu ya Mantiki, Try/Catch na kusoma Stack Traces.

Orodha na Kamusi

Arrays, Hifadhi za Ufunguo-Thamani na ufikiaji kulingana na faharisi.

Upangaji Unaozingatia Vitu (Madarasa na Vitu)

Darasa, kitu, njia na sifa - mpango wa msimbo tata.

Maktaba za Msimbo za Nje (Vifurushi)

Pip, Utegemezi, Import - usizunde upya gurudumu.

Povu la Kutengwa (Mazingira ya Kawaida / Docker)

venv, vyombo na mazingira yanayoweza kuzalishwa tena.

Pakua Cheti

Bonyeza kuona hali

Warsha

Vitendo kwa watengenezaji. Inazingatia matumizi, zana na mtiririko wa kazi wa kisasa.

Sanaa ya Kuzalisha (Picha na Video)

Uzalishaji wa picha, Stable Diffusion, LoRA, ControlNet na Uboreshaji wa Mtiririko wa Kazi.

Mwanzo Inapatikana kutoka 26 Ago 2026

Utazalisha picha zako na Stable Diffusion, kuelewa Maandishi-kwa-Picha na kumudu LoRA, ControlNet na Upscaling.

Makala 4 + Maonyesho 1 Wabunifu, Wabunifu wa Sanaa, Wapendao Sharti la awali: Uendeshaji na Mstari wa Amri

Uzalishaji wa Picha (Kutoka Maandishi hadi Pikseli)

Inapatikana kutoka 26 Ago 2026

Zana (Stable Diffusion Forge)

Inapatikana kutoka 26 Ago 2026

Udhibiti na Urekebishaji

Inapatikana kutoka 26 Ago 2026

Uboreshaji wa Mtiririko wa Kazi

Inapatikana kutoka 26 Ago 2026

GANs - Maonyesho ya Mwingiliano

Pata uzoefu wa mwingiliano jinsi GANs zinavyozalisha picha.

Hiari

Pakua Cheti

Bonyeza kuona hali

Mifano ya Lugha ya Ndani

Mfumo wa Hugging Face, kuendesha mifano kwa ndani na kuelewa Uhesabu wa Nambari.

Wastani Inapatikana kutoka 9 Sep 2026

Utaelewa Hugging Face, kuleta mifano kwenye PC yako na kuelewa Uhesabu wa Nambari.

Makala 3 Waangalifu wa Faragha, Wapenda DIY Sharti la awali: Uendeshaji na Mstari wa Amri

Mfumo (Hugging Face)

Inapatikana kutoka 9 Sep 2026

Kuleta Mifano kwenye PC Yako

Inapatikana kutoka 9 Sep 2026

Uhesabu wa Nambari (Kupunguza Mifano)

Inapatikana kutoka 9 Sep 2026

Pakua Cheti

Bonyeza kuona hali

Mawakala na Uotomatishaji

Maelekezo ya Mfumo, Uhandisi wa Maelekezo, RAG, Uwasiliani wa Kazi, APIs na Mtiririko wa Kazi Usio na Msimbo.

Wastani

Utaunda Maelekezo ya Mfumo, kujenga mabomba ya RAG, kutumia Uwasiliani wa Kazi na kuotomatisha Mtiririko wa Kazi na n8n.

Makala 6 Waundaji, Waotomatishaji Sharti la awali: Mifano ya Lugha ya Ndani Python na Mantiki ya Programu

Kumpa Mfano Kazi (Maelekezo ya Mfumo)

Elekezo la Mfumo, Kucheza Majukumu, One-Shot dhidi ya Few-Shot.

Uhandisi wa Maelekezo (Mnyororo wa Mawazo)

Zero-Shot, Mnyororo-wa-Mawazo na Kuepuka Maelezo ya Uongo.

Kuunganisha Data Yako (RAG)

Uzalishaji Ulioimarishwa na Urejeshaji, Kugawanya, Embeddings na Hifadhidata ya Vekta.

Uwasiliani wa Kazi (Wakati AI Inabonyeza Vitufe)

Matokeo ya JSON, Matumizi ya Zana - AI inaamua ni zana gani ya kutekeleza.

Kutumia Miingiliano (APIs na MCP)

Ufunguo wa API, Itifaki ya Muktadha wa Mfano na Usanifu wa Seva kwa Mawakala wa AI.

Mtiririko wa Kazi Usio na Msimbo (n8n)

Kichocheo, Nodi, Uotomatishaji wa Mtiririko wa Kazi na Webhooks.

Pakua Cheti

Bonyeza kuona hali

AI katika Uendelezaji wa Programu

Vibecoding, Uhandisi wa Muktadha na Upangaji wa Wakala - njia mpya ya kupanga.

Wastani Inapatikana kutoka 7 Okt 2026

Utapanga na AI, kumudu Uhandisi wa Muktadha na kutumia Mawakala wa Kupanga kwa Uhuru.

Makala 3 Waendelezaji, Waundaji Sharti la awali: Python na Mantiki ya Programu Mawakala na Uotomatishaji

Upangaji wa Lugha Asili (Vibecoding)

Inapatikana kutoka 7 Okt 2026

Uhandisi wa Muktadha

Inapatikana kutoka 7 Okt 2026

Upangaji wa Wakala (AI Zinazoandika Peke Yao)

Inapatikana kutoka 7 Okt 2026

Pakua Cheti

Bonyeza kuona hali

Chuo

Mafunzo ya kina ya sayansi ya kompyuta. Inafanana na moduli za AI za chuo kikuu, lakini inayopatikana kwa wote.

Miundo ya Sayansi ya Kompyuta na Algoriti

Algoriti ni nini, jinsi zinavyopanuka na miundo gani ya data inayoendesha sayansi ya kompyuta.

Wastani

Utaelewa algoriti, alama ya Big-O, Mzunguko wa Kujiita na miundo muhimu ya data (mstari, kihierarkia, kulingana na ufunguo).

Makala 6 Wanaojifunza wenye misingi ya Python Sharti la awali: Python na Mantiki ya Programu

Algoriti ni Nini?

Udhibitishaji, umilisi, ingizo/matokeo - mapishi ya mashine.

Ugumu wa Algoriti (Big-O)

Kuelewa upanuzi: mstari, pande mbili, kipeo.

Miundo ya Data I (Mstari)

Array, Orodha Iliyounganishwa, Msururu, Foleni.

Mzunguko wa Kujiita

Hali ya Msingi, Simu ya Kujiita na Stack Overflow - mizunguko kwenye steroid.

Miundo ya Data II (Kihierarkia na Mtandao)

Mti, Mti wa Utafutaji wa Binary, Grafu, Nodi, Ukingo.

Miundo ya Data III (Kulingana na Ufunguo)

Jedwali la Hash, Jozi la Ufunguo-Thamani na Uhifadhi wa Muda.

Travelling Salesman — When Trying Everything Takes Too Long

This path's first demo: find the shortest tour through many cities — an NP-hard problem that exposes the limits of brute force and why we need clever heuristics like simulated annealing.

Hiari

Pakua Cheti

Bonyeza kuona hali

Hisabati ya Data

Takwimu na uwezekano kama msingi wa Machine Learning.

Wastani

Utaelewa vigezo vya eneo, mtawanyiko, usambazaji, uhusiano, uwezekano na nadharia ya Bayes.

Makala 6 + Maonyesho 1 Wanaojifunza wenye misingi ya algoriti Sharti la awali: Miundo ya Sayansi ya Kompyuta na Algoriti

Vigezo vya Eneo (Katikati Iko Wapi?)

Wastani, Kati na Tofauti kubwa.

Mtawanyiko (Umbali Gani kutoka Katikati?)

Tofauti, Kupotoka kwa Kawaida na Upana.

Usambazaji (Umbo la Data)

Usambazaji wa Kawaida, Upotoshaji na Mkia Mrefu.

Mahusiano Kati ya Data

Uhusiano, Sababu na Confounder.

Uwezekano na Thamani Inayotarajiwa

Uwezekano, Thamani Inayotarajiwa na Hesabu ya Hatari/Faida.

Bayes na Uwezekano wa Masharti

Nadharia ya Bayes: Kubadilisha maoni kwa ujuzi mpya.

Naive Bayes - Maonyesho ya Mwingiliano

Ainisha maandishi moja kwa moja kwa algoriti ya Naive Bayes.

Hiari

Pakua Cheti

Bonyeza kuona hali

Aljebra ya Mstari na Hisabati ya Mabadiliko

Vekta, Matrices, Tensors, Derivatives na Kanuni ya Mnyororo - lugha ya Deep Learning.

Wastani

Utaelewa vekta, matrices, tensors, derivatives, derivatives za sehemu na kanuni ya mnyororo kama msingi wa Backpropagation.

Makala 6 Wanaojifunza wenye misingi ya takwimu Sharti la awali: Hisabati ya Data

Nafasi na Mwelekeo (Vekta)

Skala, Vekta, Vipimo na Nafasi ya Vekta.

Jedwali la Data na Mabadiliko (Matrices)

Matrix, Kuzidisha kwa Matrix, Mabadiliko na Bidhaa ya Skala.

Tensors (Lugha ya GPUs)

Tensor kama Array yenye vipimo vingi, Kubatilisha na Umbo.

Kupima Mabadiliko (Derivatives)

Mteremko, Kiwango cha Mabadiliko na Kima cha Chini/Juu.

Derivatives za Sehemu na Gradient

Mteremko wa vipimo vingi na vekta ya gradient.

Kazi Zilizopachikwa (Kanuni ya Mnyororo)

Muundo wa Kazi na Kanuni ya Mnyororo - hatua ya awali ya Backpropagation.

Pakua Cheti

Bonyeza kuona hali

AI ya Kisymboli ya Kawaida

Kutoka Turing hadi utafutaji, heuristics na nadharia ya mchezo hadi mifumo ya wataalamu na Baridi ya AI.

Wastani

Utaelewa asili ya AI, utasogea kwenye nafasi za hali, utamudu Pathfinding na Nadharia ya Mchezo na ujue mafunzo ya Baridi ya AI.

Makala 7 + Maonyesho 4 Wanaojifunza wenye misingi ya algoriti Sharti la awali: Miundo ya Sayansi ya Kompyuta na Algoriti

Kuzaliwa kwa AI (Kutoka Turing hadi Dartmouth)

Mtihani wa Turing, Mkutano wa Dartmouth (1956), ELIZA - muktadha wa kihistoria.

Utafutaji katika Grafu

Nafasi ya Hali, Utafutaji wa Upana (BFS) na Utafutaji wa Kina (DFS).

Heuristics na Kutafuta Njia

Heuristic, Kazi ya Gharama, Dijkstra na Algoriti A*.

Kutafuta Njia A* - Maonyesho ya Mwingiliano

Tazama A* na Dijkstra wakisogea kwenye msitu.

Hiari

Mawakala katika Migogoro (Nadharia ya Mchezo)

Mifumo ya Mawakala Wengi, Mchezo wa Jumla Sifuri na Usawa wa Nash.

MinMax na Kupunguza

Mti wa Uamuzi, Mkakati wa MinMax na Kupunguza kwa Alpha-Beta.

MinMax - Maonyesho ya Mwingiliano

Cheza Tic-Tac-Toe dhidi ya AI isiyoshindwa ya MinMax.

Hiari

Kanuni na Mantiki (Mifumo ya Wataalamu)

Mfumo wa Wataalamu, Injini ya Uelekezaji, Kanuni za Kama-Basi na Mlipuko wa Kombinatoriki.

AI inayotegemea Kanuni - Maonyesho ya Mwingiliano

Pata uzoefu wa mwingiliano wa jinsi mfumo wa wataalamu unavyounda mnyororo wa sababu na athari.

Hiari

Roboti wa Mazungumzo ELIZA - Maonyesho ya Mwingiliano

Zungumza na roboti wa kwanza wa matibabu wenye kanuni katika historia.

Hiari

Baridi ya AI (Kushindwa na Mafunzo)

Ripoti ya Lighthill, ahadi zilizopitiliza na kwa nini AI ya kisymboli ilishindwa kutokana na ugumu.

Pakua Cheti

Bonyeza kuona hali

Misingi ya Machine Learning

Mabadiliko ya paradigma: Kutoka kupanga hadi kufunza - Supervised, Unsupervised na zana za tathmini.

Wastani 0 ya 4

Utaelewa mifano ya ML, kufunza mifano ya Supervised Learning, kutathmini kwa vipimo na kujua Overfitting na Unsupervised Learning.

Makala 8 + Maonyesho 2 Wanaojifunza wenye njia zote za msingi Sharti la awali: Miundo ya Sayansi ya Kompyuta na Algoriti Hisabati ya Data Aljebra ya Mstari na Hisabati ya Mabadiliko AI ya Kisymboli ya Kawaida

Kupanga dhidi ya Kufunza

Machine Learning, Data ya Mafunzo, Mfano na Uelekezaji.

Supervised Learning (Kujifunza na Mwalimu)

Lebo, Vipengele, Lengo, Uainishaji dhidi ya Urejeshaji.

Urejeshaji wa Mstari na Logistiki

Mstari wa Kukidhi, Sigmoid na Kazi ya Hitilafu (MSE).

Malighafi (Uhandisi wa Data)

Uhandisi wa Vipengele, Thamani Zilizokosekana na Kawaida.

Vigezo dhidi ya Vigezo Vikuu

Kinachojifunzwa na AI yenyewe dhidi ya kinachowekwa na binadamu.

Wakati Mwanafunzi Anakariri

Overfitting, Underfitting, Mgawanyiko wa Mafunzo-Mtihani na Seti ya Uthibitishaji.

Kutathmini Mifano

Usahihi, Usahihi wa Utabiri, Ukumbusho, Alama ya F1 na Matrix ya Mkanganyiko.

Unsupervised Learning (Muundo katika Msongamano)

Kupanga (k-Means), Kupunguza Vipimo (PCA) na Ugunduzi wa Usio wa Kawaida.

Supervised Learning - Maonyesho ya Mwingiliano

Funza mfano na uangalie mpaka wa uamuzi.

Hiari

K-Means Clustering - Maonyesho ya Mwingiliano

Tazama jinsi K-Means inavyopanga nukta za data katika vikundi.

Hiari

Pakua Cheti

Bonyeza kuona hali

Deep Learning (Mapinduzi ya Neva)

Kutoka neuroni bandia hadi Uanzishaji, Tabaka Zilizofichwa na Kazi za Hasara hadi Kushuka kwa Gradient na Backpropagation.

Mtaalamu Inapatikana kutoka 15 Jul 2026

Utaelewa mitandao ya neva kutoka Perceptron hadi Backpropagation na kuweza kufuata mchakato kamili wa mafunzo.

Makala 6 + Maonyesho 3 Wanaojifunza wenye misingi ya ML Sharti la awali: Misingi ya Machine Learning

Neuroni Bandia

Inapatikana kutoka 15 Jul 2026

Perceptron - Maonyesho ya Mwingiliano

Funza mtandao rahisi zaidi wa neva hatua kwa hatua.

Hiari

Cheche ya Kuwasha (Uanzishaji)

Inapatikana kutoka 15 Jul 2026

Mtandao (Tabaka Zilizofichwa)

Inapatikana kutoka 15 Jul 2026

Jinsi AI Inavyohesabu Jinsi Inavyokosea

Inapatikana kutoka 15 Jul 2026

Njia Kwenda Bondeni (Kushuka kwa Gradient)

Inapatikana kutoka 15 Jul 2026

Moyo wa Kujifunza (Backpropagation)

Inapatikana kutoka 15 Jul 2026

Pakua Cheti

Bonyeza kuona hali

Usanifu wa Kisasa (GenAI)

Kutoka Ukengeushaji hadi Embeddings, CNNs, RNNs na Transformers hadi LLMs, Transfer Learning na Diffusion.

Mtaalamu Inapatikana kutoka 12 Ago 2026

Utaelewa Ukengeushaji, Embeddings, CNNs, RNNs, Transformers, LLMs, Transfer Learning, Sampuli na Diffusion.

Makala 9 + Maonyesho 3 Wanaojifunza wenye misingi ya Deep Learning Sharti la awali: Deep Learning (Mapinduzi ya Neva)