الدبلوم المهني في الذكاء الاصطناعي
قسم تكنولوجيا المعلومات — الذكاء الاصطناعي وتطبيقاته
1. نبذة عن البرنامج:
برنامج مهني وتطبيقي مكثف يمتد لـ 3 أشهر (80 ساعة عبء دراسي معتمد)، يهدف إلى تزويد المشاركين بالمعارف الحديثة والمهارات البرمجية والعملية في مجالات الذكاء الاصطناعي وتطبيقاته المعاصرة. يغطي البرنامج لغة Python للذكاء الاصطناعي، خوارزميات تعلم الآلة، الشبكات العصبية والتعلم العميق، معالجة اللغة الطبيعية (NLP)، والذكاء الاصطناعي التوليدي (Generative AI).
2. أهداف البرنامج:
- إتقان البرمجة وتجهيز البيانات: استخدام لغة Python في بناء حلول الذكاء الاصطناعي وتجهيز ومعالجة مجموعات البيانات وتأهيلها للتدريب.
- التمكن من خوارزميات تعلم الآلة (Machine Learning): تطبيق خوارزميات التعلم الخاضع للإشراف (Supervised) وغير الخاضع للإشراف (Unsupervised)، وتقييم وضبط أداء النماذج.
- استيعاب التعلم العميق والشبكات العصبية: فهم بنية الشبكات العصبية الاصطناعية (ANNs) وتطبيقات التعلم العميق (Deep Learning).
- احتراف الذكاء التوليدي ومعالجة اللغات: دراسة نماذج معالجة اللغة الطبيعية (NLP)، تقنيات الذكاء الاصطناعي التوليدي، وتطوير مشاريع ذكية متكاملة.
3. الفئات المستهدفة:
- المطورون والمبرمجون الراغبون في التحول أو التخصص في هندسة وتطبيقات الذكاء الاصطناعي.
- مهندسو ومحللو البيانات والباحثون في التقنيات الذكية.
- خريجو وطلاب كليات علوم الحاسب، نظم المعلومات، وهندسة البرمجيات.
- المهتمون والمهنيون الساعون لتوظيف تقنيات وأدوات الذكاء الاصطناعي التوليدي في أعمالهم ومشاريعهم.
4. محاور الخطة الدراسية (12 محوراً تفاعلياً وتطبيقياً):
- مقدمة في الذكاء الاصطناعي ومفاهيمه الأساسية.
- أساسيات Python للذكاء الاصطناعي.
- البيانات وتجهيزها لتطبيقات الذكاء الاصطناعي.
- أساسيات تعلم الآلة (Machine Learning Basics).
- التعلم الخاضع للإشراف (Supervised Learning).
- التعلم غير الخاضع للإشراف (Unsupervised Learning).
- تقييم نماذج الذكاء الاصطناعي وتحسين الأداء.
- الشبكات العصبية والتعلم العميق (Deep Learning).
- معالجة اللغة الطبيعية (NLP).
- الذكاء الاصطناعي التوليدي (Generative AI).
- تطبيقات الذكاء الاصطناعي وأدواته المعاصرة.
- مشروع الذكاء الاصطناعي النهائي.
5. بطاقة البيانات والتقييم التنظيمي:
- المجال والتخصص: تكنولوجيا المعلومات / الذكاء الاصطناعي وتطبيقاته.
- المدة واللقاءات: 3 أشهر (الفترة المسائية) | من 20 إلى 25 محاضرة (محاضرتان أسبوعياً، ساعتان للمحاضرة).
- توزيع الساعات المعتمدة (80 ساعة إجمالية):
50 ساعة: محاضرات مباشرة تفاعلية (عن بعد / أونلاين).
20 ساعة: قراءات إلزامية ومصادر حرة.
7 ساعات: أسئلة الفصل والتقييم الذاتي.
3 ساعات: مراجعة نهائية واختبار إتمام.
- متطلبات الحضور والتقييم: نسبة حضور لا تقل عن 75% من اللقاءات المباشرة، بالإضافة إلى الواجبات والتطبيقات الدورية.
- المشروع النهائي: اختبار إلكتروني تقييمي (25 سؤال اختيار من متعدد + 5 أسئلة لحالات عملية) بالإضافة إلى تنفيذ وتسليم مشروع ذكاء اصطناعي تطبيقي متكامل.
تقديم طلب الالتحاق
