الدبلوم القصير في أساسيات الذكاء الاصطناعي

حقائق البرنامج

رسوم الدراسة

مجاني

مواد

5

دروس

20

الوقت التقديري

12.5 ساعة

مدة الوصول

60 يوماً

لغة الدراسة

العربية والإنجليزية

عن البرنامج

عندما يعطي نظام ذكاء اصطناعي توصية أو تصنيفًا أو نصًا مولدًا، ما الذي حدث بين المدخل والمخرج؟ يبني هذا الدبلوم إجابة منظمة تبدأ بتعريف نظام الذكاء الاصطناعي ونوع المهمة، ثم تنتقل إلى البيانات والتدريب والتعميم، فالشبكات العصبية والنماذج التوليدية، ثم قياس الأداء وإدارة المخاطر. الهدف ليس حفظ أسماء منتجات أو افتراض أن الذكاء الاصطناعي «يفهم» مثل الإنسان. يتعلم المتدرب التفريق بين نظام قائم على قواعد، ونموذج تعلم آلي، ونظام توليدي؛ وقراءة فكرة الاحتمال والخطأ والعتبة؛ وفهم لماذا يمكن أن يبدو المخرج مقنعًا ويظل غير صحيح. تنتهي الرحلة بخطة استخدام مسؤولة تحدد البيانات المسموح بها، ونقاط التحقق البشري، والمقاييس والمراقبة المناسبة للسياق.

الصلة العملية

يمكن نقل المفاهيم إلى مهام يومية مثل فرز رسائل، التنبؤ بطلب، تلخيص مستند أو إنشاء مسودة. يركز التطبيق على اختيار المهمة والمقياس والتحقق والحدود، مع حالات افتراضية لا تتطلب بيانات سرية أو حسابًا في خدمة خارجية.

لماذا هذا البرنامج

تتغير المنتجات بسرعة، لكن أسئلة الأساس أكثر ثباتًا: ما نوع المشكلة؟ ما البيانات التي يتعلم منها النموذج؟ ما الذي يعنيه «جيد» في هذه المهمة؟ وما الخطأ الذي لا يمكن قبوله؟ يبني البرنامج لغة مشتركة تساعد المتعلم على تفسير هذه الأسئلة قبل القفز إلى الأدوات أو الوعود التسويقية.

الصلة المهنية

يفيد المحتوى المهنيين الذين يتعاملون مع أدوات أو مشاريع أو قرارات تتضمن الذكاء الاصطناعي، لأنه يساعدهم على مناقشة البيانات والتقييم والحدود والتحقق بصورة أدق. هذه صلة معرفية بالعمل وليست وعدًا بالتوظيف أو إثباتًا لمهارة برمجية أو أهلية لدور متخصص.

ماذا ستتعلّم

• تمييز نظام الذكاء الاصطناعي عن الأتمتة القائمة على قواعد، وتمييز التعلم الآلي والتعلم العميق والذكاء التوليدي.
• تفسير دور البيانات والميزات والتسميات والتمثيل وجودة العينة في بناء النماذج.
• شرح الفرق بين التدريب والاستدلال والتعميم وفرط التخصيص وتقسيم البيانات.
• فهم الشبكات العصبية والتضمينات والمحوّلات والانتباه والنماذج اللغوية على مستوى مفاهيمي مناسب للمبتدئ.
• تفسير الاحتمال والعتبات ومصفوفة الالتباس والدقة والإحكام والاستدعاء من خلال أمثلة بسيطة.
• تقييم مخرجات الذكاء التوليدي دون معاملتها كمصدر حقيقة تلقائي، وتحديد متى يلزم تحقق بشري أو مصدر مستقل.
• تحليل مخاطر الانحياز والخصوصية والأمن والشفافية والمساءلة والرقابة البشرية.
• اختيار حالة استخدام مناسبة وبناء خطة مبسطة للتقييم والمراقبة والاستخدام المسؤول.

لمن هذا البرنامج

• المتعلمون والمهنيون الراغبون في أساس منظم في الذكاء الاصطناعي.
• مستخدمو أدوات الذكاء الاصطناعي الذين يريدون فهمًا يتجاوز طريقة الضغط على الأزرار.
• أعضاء فرق الأعمال أو التقنية الذين يحتاجون لغة مشتركة لمناقشة حالات الاستخدام والتقييم والمخاطر.

المنهج

1. المادة 1 مفتوحة مجاناً

   فهم الذكاء الاصطناعي والأنظمة الذكية

   تثبت المادة لغة مشتركة: ما النظام الذكي، ما نوع المخرج، ومتى يكون السلوك نتيجة قواعد مكتوبة أو نموذج متعلم. تنتهي بدورة حياة مبسطة تميز التدريب عن الاستدلال والمراقبة.

   4 دروس · 2 ساعة

2. المادة 2

   البيانات والتعلم الآلي

   تركز على ما يتعلم منه النموذج وكيف: البيانات والميزات والتسميات، أنماط التعلم، الخسارة والمعلمات، ثم التعميم وتقسيم البيانات وفرط التخصيص والتسرب.

   4 دروس · 2 ساعة

3. المادة 3

   الشبكات العصبية والذكاء الاصطناعي التوليدي

   تنتقل من الشبكات العصبية والتضمينات إلى المحوّلات والنماذج اللغوية. تشرح توليد النص احتماليًا وحدود السياق والهلوسة دون وصف النموذج كفاعل واعٍ.

   4 دروس · 2 ساعة

4. المادة 4

   التقييم والاحتمال والاختيار العملي

   تربط التقييم بسؤال القرار: خط أساس، أخطاء، احتمال، عتبات ومقاييس تصنيف، ثم تقييم مخرجات توليدية واختيار ما إذا كان الذكاء الاصطناعي مناسبًا للمهمة أصلًا.

   4 دروس · 2 ساعة

5. المادة 5

   الاستخدام المسؤول والمخاطر والرقابة البشرية

   تجمع مخاطر الانحياز والخصوصية والأمن والشفافية والمساءلة والرقابة البشرية في خطة استخدام مسؤولة تحدد الضوابط والمراقبة ومتى يجب إيقاف النظام أو الرجوع للإنسان.

   4 دروس · 2 ساعة

تُفتح المواد بالتتابع وفق تقدّمك.

نقاط القوة

• تدرج من تعريف النظام والبيانات إلى التدريب والتقييم ثم الاستخدام المسؤول.
• فصل صريح بين التعلم الآلي التقليدي والذكاء الاصطناعي التوليدي مع بيان نقاط الالتقاء والاختلاف.
• أمثلة حسابية مبسطة لمقاييس الأداء والعتبات دون تحويل الدبلوم إلى مقرر رياضيات متقدم.
• حالات قرار توازن الفائدة والخطأ والخصوصية والتحقق البشري بدل الاكتفاء بقوائم مبادئ.

الأساس المرجعي

يستند التصميم إلى تعريف OECD لنظام الذكاء الاصطناعي، والملخص العام لمعيار ISO/IEC 22989، ومواد Google التعليمية المفتوحة في التعلم الآلي، وإطار NIST لإدارة مخاطر الذكاء الاصطناعي وملف الذكاء التوليدي، ومبادئ اليونسكو للأخلاقيات. تُحترم حدود كل مصدر؛ صفحة معيار عامة لا تُعامل كنص كامل للمعيار.

كيف يعمل المسار

الدبلومات القصيرة مسارات تعليمية متكاملة نسبيًا تقدم موضوعًا رئيسيًا من خلال خمس مواد مترابطة وتقييمات منظمة، مع سجل دبلوم يوضح المواد والنتائج عند استحقاق الشهادة.

دراسة ذاتية متتابعة؛ يفتح المحتوى تدريجيًا وفق تقدم المتعلم، وتجمع كل مادة بين القراءة والأمثلة والتمارين وأسئلة التحقق والتقييم.

• بناء معرفة متكاملة في موضوع رئيسي.
• تقسيم المحتوى إلى خمس مواد واضحة ومترابطة.
• تقييم مستقل لكل مادة.
• سجل دبلوم يوضح المواد والنتائج عند إصدار الشهادة.

التقييم

يتضمن كل دبلوم خمس مواد، ولكل مادة تقييم معتمد. لا يلزم اختبار نهائي سادس إذا غطت تقييمات المواد مخرجات التعلم كاملة.

محاولات التقييم: 2 لكل تقييم، بفاصل 7 أيام

نسبة النجاح تُعلن قبل نشر البرنامج.

الشهادة

يؤهل اجتياز المتطلبات لإصدار شهادة الدبلوم القصير وسجل Diploma Transcript وفق سياسة الشهادة.

كل شهادة لها رمز تحقق عام. التحقق من شهادة

إخلاء مسؤولية: شهادة إتمام تدريبية، وليست درجة جامعية أو ترخيصًا لممارسة مهنة منظمة.

أسئلة عن البرنامج