هل لديك سؤال؟
إرسال استفسار
تم إرسال الرسالة إغلاق

اخبار براكتيكا

دبلوم هندسة الذكاء الاصطناعي

لا توجد تعليقات

دبلوم هندسة الذكاء الاصطناعي

برنامج مهني عملي يدمج رياضيات التعلم الآلي، البرمجة، هندسة البيانات، النمذجة، وعمليات نشر النماذج (MLOps) مع مشروع تخرج تطبيقي.

نظرة سريعة الخطة التدريبية

المقدمة

مدة البرنامج والساعات إجمالي 300 ساعة تدريبية خلال 9 أشهر (سنة دراسية):
180 ساعة قاعات/مختبرات تطبيقية + 120 ساعة مشاريع وتدريب عملي.
مكان الانعقادقاعات جامعة عمان الأهلية + مختبرات الحاسوب + منصات عملية سحابية (بيئات تدريب ومحاكاة).
الفئة المستهدفةطلبة/خريجو الحاسوب والهندسة والرياضيات، مطوّرون، محللو بيانات، والراغبون بالتحوّل لمجال الذكاء الاصطناعي.
المؤهل العلمي للمدربماجستير/بكالوريوس علوم حاسوب/ذكاء اصطناعي/هندسة برمجيات مع خبرة عملية في ML/DL وMLOps.
مكان عمل المدربشركات تقنية/ناشئة، مختبرات بحث وتطوير، مزوّدو خدمات سحابية، أو محاضر جامعي متخصص.
المدة الزمنيةالبداية: 01/10/2025 — النهاية: 30/06/2026
المحتوى يوازن بين الأساس النظري والتطبيق العملي مع التركيز على مشاريع حقيقية ونشر النماذج. يوثّق تقدّم المتدرب بسجل إنجاز (Logbook) ومراجعات كود دورية (Code Reviews).

هدف البرنامج

تأهيل مهندس ذكاء اصطناعي قادر على بناء خطوط بيانات، تدريب نماذج، وتغليفها ونشرها بموثوقية وأمان.

نمط التعلم

مشاريع قصيرة (sprints)، واجبات برمجية، مختبرات عملية، ومراجعات كود وفق أفضل ممارسات الصناعة.

نتائج متوقعة

محفظة مشاريع (Portfolio) تشمل نماذج ML/DL منشورة، واجهات API، ولوحات متابعة للأداء.

الخطة التدريبية (محاور وساعات)

ساعات القاعات/المختبر: 180 مشاريع وتدريب عملي: 120
المحورالهدفالساعات
أساسيات الرياضيات للذكاء الاصطناعيمصفوفات، تفاضل، احتمالات وإحصاء للتعلم الآلي.20
برمجة بايثون وهندسة البرمجياتNumPy/Pandas، كتابة وحدات نظيفة، اختبارات، وإدارة بيئات.25
هندسة البيانات واستخراجهاتنظيف البيانات، معالجات، Feature Stores، وETL مصغّر.20
التعلم الآلي (ML)نماذج الإشرافية/غير الإشرافية، تقييم، ضبط معاملات، وPipeline.30
التعلم العميق (DL)شبكات عصبية، CNN/RNN، تدريب فعّال على GPU، وتحسينات.30
المعالجة اللغوية الطبيعية (NLP)نماذج تع嵌، Transformers، ضبط النماذج، وبناء خدمات نصية.20
الرؤية الحاسوبية (CV)تصنيف، كشف، تتبع، وتحسين جودة البيانات البصرية.15
النمذجة التوليدية وواجهات المحادثةLLMs، استرجاع معزّز (RAG)، تدفقات محادثة، وضبط دقيق.15
عمليات الذكاء الاصطناعي (MLOps)تتبّع التجارب، إدارة النماذج، CI/CD، المراقبة والتنبيه.20
السحاب والحوسبة المسرَّعةحاويات، نشر على السحابة، إدارة GPU، وتكلفة الأداء.15
الأخلاقيات والحَوْكمة والامتثالالتحيز، الخصوصية، الأمن، وشرح القرارات (XAI) والتوثيق.10
مشروع تخرج متكاملتصميم وبناء ونشر نظام ذكي مع تقارير أداء وتوثيق.40

ملحوظة: تُقسّم المشاريع إلى مراحل (تصميم البيانات → النمذجة → النشر → المراقبة) مع مراجعات تقنية لكل مرحلة.

مخرجات التعلم القابلة للقياس

  • بناء خطوط بيانات قابلة للتكرار والتوسع، مع اختبارات صحة للبيانات.
  • تدريب نماذج ML/DL وتقييمها بصرامة باستخدام مقاييس ملائمة للمجال.
  • تغليف النماذج في خدمات (APIs) ونشرها بحاويات مع مراقبة أداء.
  • تطبيق مبادئ الأمان والحوكمة والامتثال في دورة حياة النموذج.
  • إعداد تقارير أداء ولوحات متابعة (Dashboards) لمرحلة ما بعد الإنتاج.
  • تقديم مشروع تخرج متكامل موثق تقنيًا وقابل للتشغيل.

مجالات العمل بعد التخرج

  • مهندس ذكاء اصطناعي (AI Engineer).
  • عالم بيانات/مهندس تعلم آلي (ML Engineer).
  • مهندس بيانات (Data Engineer) لمشاريع الذكاء الاصطناعي.
  • مهندس عمليات نماذج (MLOps Engineer).
  • مطوّر تطبيقات مدعومة بالنماذج (AI Applications Developer).
  • مختص رؤية حاسوبية أو معالجة لغة طبيعية.
  • محلل حلول ذكاء اصطناعي ومُستشار تقني.
  • باحث مساعد في مختبرات الذكاء الاصطناعي التطبيقية.