يتألف هذا الدبلوم المهني من ٧ وحدات تعليمية متكاملة | ٦٠ ساعة تدريبية

الوحدة الأولى: أسس تعلّم الآلة — Machine Learning Foundations

٥ ساعات و١٣ دقيقة | ١١ درسًا | ٣ ساعات نظري + ٢ ساعة و١٣ دقيقة تطبيقي

المصطلحات الأساسية، الإحصاء التطبيقي، التوزيعات الاحتمالية، ونظرية النهاية المركزية.

الجانب التطبيقي: تحليل مجموعات بيانات حقيقية باستخدام Python، رسم التوزيعات الاحتمالية وتفسيرها بصريًا، وتطبيق المفاهيم الإحصائية على بيانات نصية ورقمية.

الوحدة الثانية: مصطلحات وخوارزميات تعلّم الآلة — Machine Learning

٩ ساعات و٤٩ دقيقة | ١٦ درسًا | ٥ ساعات نظري + ٤ ساعات و٤٩ دقيقة تطبيقي

الانحدار الخطي، النزول التدريجي، الانتشار الخلفي، وأساسيات التعلم العميق.

الجانب التطبيقي: بناء نموذج انحدار خطي من الصفر دون مكتبات جاهزة، تدريب شبكة عصبية بسيطة يدويًا خطوة بخطوة، ومقارنة النتائج مع تطبيقات PyTorch.

الوحدة الثالثة: بناء خط متكامل لتعلّم الآلة — Machine Learning Pipeline

١٢ ساعة و٥٥ دقيقة | ١٤ درسًا | ٥ ساعات نظري + ٧ ساعات و٥٥ دقيقة تطبيقي

معالجة البيانات والتحقق منها، الوقاية من الإفراط في التخصيص، وتقييم النماذج بمعايير مهنية.

الجانب التطبيقي: بناء Pipeline كامل لتنظيف البيانات وتحويلها، تطبيق Cross-Validation وضبط المعاملات الفائقة، وقراءة مقاييس الأداء وتفسيرها في سياق مشاريع حقيقية.

الوحدة الرابعة: المنهج الاحتمالي لتعلّم الآلة والتعلم العميق — The Probabilistic Approach to ML/DL

٥ ساعات و١٢ دقيقة | ٤ دروس | ٣ ساعات نظري + ٢ ساعة و١٢ دقيقة تطبيقي

الاستدلال البايزي، تقدير الأرجحية العظمى، الإنتروبيا، وتصميم دوال الخسارة.

الجانب التطبيقي: تصميم دالة خسارة مخصصة وتدريب نموذج عليها، مقارنة Cross-Entropy مع دوال خسارة بديلة على مهام تصنيف، وبناء نموذج بايزي بسيط لتصنيف النصوص.

الوحدة الخامسة: معالجة اللغة الطبيعية — Natural Language Processing (NLP)

١٥ ساعة و٤٤ دقيقة | ٩ دروس | ٧ ساعات نظري + ٨ ساعات و٤٤ دقيقة تطبيقي

الشبكات العصبية المتكررة، آليات الانتباه، المحوّلات، نماذج GPT، ونماذج الانتشار.

الجانب التطبيقي:

بناء نموذج لغوي مصغّر يشبه GPT من الصفر وتدريبه على نصوص عربية
تطبيق آلية الانتباه يدويًا وفهم كيفية حساب العلاقات بين الكلمات
إجراء Fine-Tuning على نموذج Transformer مفتوح المصدر لمهام كالإجابة على الأسئلة وتلخيص النصوص
تجربة نموذج Diffusion لتوليد النصوص ومقارنته مع GPT

الوحدة السادسة: رؤية الحاسوب — Computer Vision

٥ ساعات و٢٥ دقيقة | ٣ دروس | ٣ ساعات نظري + ٢ ساعة و٢٥ دقيقة تطبيقي

معالجة الصور، الشبكات العصبية التلافيفية، YOLO، تتبع الكائنات، وشبكات ResNet.

الجانب التطبيقي: بناء شبكة CNN للتصنيف وتدريبها على مجموعة بيانات صور حقيقية، تطبيق نموذج YOLO لاكتشاف الأجسام في صور ومقاطع فيديو، وضبط نموذج ResNet مدرَّب مسبقًا على مهمة تصنيف مخصصة باستخدام Transfer Learning.

الوحدة السابعة: بناء ونشر مشاريع الذكاء الاصطناعي — Building and Deploying AI Projects

٦ ساعات و٦ دقائق | ٩ دروس | ٢ ساعة نظري + ٤ ساعات و٦ دقائق تطبيقي

بناء أنظمة الذكاء الاصطناعي على السحابة، أنظمة RAG، الضبط الدقيق للنماذج اللغوية الكبيرة، والتطبيقات العملية الكاملة.

الجانب التطبيقي:

بناء نظام RAG كامل يستقبل مستندات ويجيب على الأسئلة منها تمامًا كما تعمل أنظمة ChatGPT المتصلة بالمعرفة
إجراء Fine-Tuning على نموذج لغوي كبير ليتخصص في مجال محدد كالطب أو القانون أو خدمة العملاء
نشر النموذج المدرَّب كـ API حي على السحابة مع واجهة تفاعلية
مشروع تخرج متكامل: بناء مساعد ذكي متخصص من الصفر حتى الإطلاق