البرمجة للذكاء الاصطناعي وعلوم البيانات

تم تصميم محتوى الوحدة للتأكد من أنك مجهز بمهارات البرمجة الأساسية في Python للسماح لك بتنفيذ ما تبقى من البرنامج بنجاح.

تشمل التقنيات التي سيتم تدريسها ما يلي:

• التثبيت والحزم، بما في ذلك حزم محددة للتعلم الآلي وعلوم البيانات والذكاء الاصطناعي.

• أساسيات الترميز

• التوثيق ومعالجة الملفات والقوائم والمتغيرات وأنواع البيانات والوظائف والحلقات والشروط ومعالجة البيانات والرسوم البيانية والتصور الأساسي وتصحيح الأخطاء والاختبار.

يتم تقييم هذه الوحدة من خلال مجموعة من الأعمال. ستحضر ورشة عمل واحدة في الأسبوع (بحد أقصى ست ساعات).

أساسيات علوم البيانات

مقدمة لمبادئ علم البيانات وتحليل البيانات. تشمل الموضوعات:

• سياق علوم البيانات: تأريخ المجتمع وتاريخ علم البيانات؛ خصائص وأنواع البيانات (مثل البيانات الكمية والفئوية)

• التصنيف والانحدار ومقدمة إلى Kaggle ومصادر البيانات الأخرى

• إدارة البيانات: جمع البيانات والتقنيات؛ تنظيف البيانات ومعالجتها؛ أخطاء البيانات والمصنوعات اليدوية؛ البيانات المفقودة

• المناهج الإحصائية التمهيدية للبيانات: مقدمة للاحتمالات؛ الإحصاء الوصفي (مثل مقاييس المركزية) وتوصيف التوزيعات؛ الارتباطات؛ اختبار الفرضيات الإحصائية

• تحليل البيانات والتصور: أنواع التصور والتفسير؛ نماذج الانحدار

• التطبيقات: تطبيقات البيانات في العالم الحقيقي، بما في ذلك الأمثلة

• الإطار القانوني والآثار الأخلاقية لعلم البيانات

يتم تقييم هذه الوحدة من خلال عرض تقديمي وتقرير مشروع. على مدار ستة أسابيع، ستحضر ورشة عمل متزامنة واحدة (بحد أقصى ست ساعات) كل أسبوعين.

فهم الذكاء الاصطناعي

مقدمة للمفاهيم الأساسية في الذكاء الاصطناعي وتطبيقاتها. تشمل الموضوعات:

• أصول الذكاء الاصطناعي: ما هو الذكاء الاصطناعي؟ ؛ من التاريخ المبكر إلى مؤتمر دارتموث واليوم الحاضر؛ الوكلاء الأذكياء ومقاييس الأداء.

• التعلم والأطر والحزم: مقدمة للتعلم الخاضع للإشراف وغير الخاضع للإشراف؛ الشبكات العصبية الملتوية، الشبكات العصبية للكبسولة؛ Keras؛ Tensorflow

• الآثار المترتبة على المجتمع: الجوانب القانونية؛ الأخلاق والآثار المهنية؛ العواقب الاجتماعية

يتم تقييم هذه الوحدة من خلال مجموعة من الأعمال. على مدار ستة أسابيع، ستحضر ورشة عمل متزامنة واحدة (بحد أقصى ست ساعات) كل أسبوعين.

البيانات الضخمة والتنقيب عن البيانات

تعتمد هذه الوحدة على المفاهيم المقدمة في وحدة علوم البيانات الأولى وتوفر مقدمة للبيانات الضخمة وتعدين البيانات، بما في ذلك مقاييس المسافة. ستشمل الموضوعات:

• قواعد البيانات، بما في ذلك استخدام لغة SQL.

• استخراج بيانات نمط الارتباط: النهج المتكرر؛ خوارزمية Apriori.

• التجميع: التصفية؛ k-mean والنهج المرتبطة بها.

• القيم المتطرفة: تعريفات القيم المتطرفة؛ القيم المتطرفة واكتشافها

• تصنيف البيانات والتصور: التصفية والأشجار والقواعد؛ أمثلة الخوارزميات واستخدام التصورات في السياق.

يتم تقييم هذه الوحدة من خلال عرض تقديمي وتقرير مشروع. على مدار عشرة أسابيع، ستحضر ورشة عمل متزامنة واحدة (بحد أقصى ثلاث ساعات) كل أسبوعين.

الذكاء الاصطناعي التطبيقي

سوف تعتمد الوحدة على المفاهيم المقدمة في وحدة الذكاء الاصطناعي الأولى وتزودك بالمهارات والمعرفة لإجراء أطروحتك. ستشمل الموضوعات:

• التصنيف: إعادة النظر في مشكلة التصنيف؛ الطائرات الفائقة؛ مصنفات Naive Bayes

• التعلم العميق: الشبكات العصبية؛ أجهزة التشفير التلقائي والتعلم العميق

• تطبيقات للمشاكل: مشاكل العالم الحقيقي وحلها باستخدام الذكاء الاصطناعي ومعالجة اللغة الطبيعية

• الآثار القانونية والمجتمعية والأخلاقية والمهنية لاستخدام الذكاء الاصطناعي، بما في ذلك التحيز المعرفي في حلول الذكاء الاصطناعي والآثار المترتبة على المساواة.

يتم تقييم هذه الوحدة من خلال عرض تقديمي وتقرير مشروع. على مدار عشرة أسابيع، ستكون فترة ما بعد الظهيرة كل أسبوعين ورش عمل متزامنة (بحد أقصى 3 ساعات).

البحث والتطبيق في الذكاء الاصطناعي وعلوم البيانات

تربط هذه الوحدة تقنيات الذكاء الاصطناعي وعلوم البيانات العملية التي تم تطويرها من خلال الوحدات التعليمية المتبقية، باستخدامها وتطبيقها في العالم الحقيقي. تحتوي هذه الوحدة على موضوعين مترابطين بقوة مع بعضهما البعض.

• الموضوع 1: دراسات الحالة.

في هذا الموضوع، سوف تدرس مجموعة من دراسات الحالة من أمثلة العالم الحقيقي لتطبيقات كل من علوم البيانات والذكاء الاصطناعي. سيتم استخلاص الحالات من كل من الأوساط الأكاديمية والصناعية مع إيلاء الاهتمام ليس فقط لانتشار الحالات نفسها، ولكن أيضًا لتنوع الأشخاص الذين أجروا الدراسات. سيتم استخدام دراسات الحالة هذه لتوضيح كيفية تشكيل علوم البيانات والذكاء الاصطناعي للعالم.

• الموضوع 2: تطوير اقتراح البحث.

جنبا إلى جنب مع الموضوع الأول، سوف تقوم بتطوير اقتراح بحثي لمعالجة مشروع بحثي حقيقي. سيعدك هذا لمشروع بحث الماجستير والأطروحة في الفصل الثالث. سوف تستفيد من الخبرات في دراسات الحالة لتحديد الأسئلة والقيود المرتبطة بأبحاثهم المقترحة.

يتم تقييم هذه الوحدة من خلال تقرير عن دراسات الحالة واقتراح المشروع. على مدى عشرة أسابيع، ستكون صباح واحد كل أسبوعين ورش عمل متزامنة (بحد أقصى ساعتين).

مشروع أبحاث الذكاء الاصطناعي وعلوم البيانات

هذه الوحدة هي تتويجًا لبرنامج الماجستير، حيث تجمع المهارات والمعرفة التي تراكمت من خلال البرنامج وتسمح لك بإظهار كفاءتك في استخدام تقنيات الذكاء الاصطناعي و/أو علوم البيانات.

تهدف هذه الوحدة إلى تطوير قدرتك على:

• التخطيط والعمل بشكل مستقل على مشكلة معقدة قائمة على الأبحاث في الذكاء الاصطناعي و/أو علوم البيانات.

• تقرير عن أهداف وأساليب ونتائج التحقيق العلمي.

سيكون كل مشروع بحثي خاصًا بالفرد المعني. يعتمد العمل الفعلي المنجز على الموضوع ولكنه قد يشمل التخطيط التجريبي وتنظيم المعدات و/أو الخدمات (على سبيل المثال، VIPER)، وبرمجة الكمبيوتر في الذكاء الاصطناعي و/أو علوم البيانات، والحصول على البيانات وتحليلها، ودراسة الأدبيات ذات الصلة والتقييم النقدي للمخرجات.