الدكتوراه في الإحصاء وعلم البيانات - MBZUAI الدكتوراه في الإحصاء وعلم البيانات
Apply Now More Information
img

الدكتوراه

في الإحصاء وعلم البيانات

لمحة عامة

يجمع الإحصاء وعلم البيانات بين مهارات نمذجة البيانات وكيفية تلخيصها وتحليلها اعتماداً على آليات الرياضيات والأدوات الحاسوبية التي تساعد المتخصص في الوصول إلى تنبؤات قوية وقرارات مدروسة. لقد تم تطوير برنامج الدكتوراه في الإحصاء وعلم البيانات وإعداده بعناية حتى يمنح الطلبة تعليماً متكاملا يغطي الجوانب النظرية والمنهجية المرتبطة بهذه التخصصات، والتي من شأنها أن تمكنهم من رفع تحديات مختلفة في مجالات متنوعة.

يتيح برنامج الدكتوراه في الإحصاء وعلم البيانات للطلبة فرصة الانخراط في أبحاث رائدة سواء في المجالات النظرية أو المنهجية أو التطبيقات العملية. كما يهدف إلى تعزيز وتطوير مهارات البحث والحوسبة المتقدمة لديهم مما يفتح لهم أبواب التميز والاضطلاع بمسؤوليات وأدوار تنافسية في الأوساط والمجالات الأكاديمية والحكومية والشركات.

  • icon دوام دراسي كامل
  • icon 60 ساعة معتمدة
  • icon دوام دراسي حضوري

تم إغلاق باب القبول لخريف 2025

بعد استيفاء متطلبات البرنامج، يصبح الخريج قادراً على:

  • PLO 01: استخدام النماذج الإحصائية المتقدمة لتحليل مجموعات البيانات المعقدة ومعالجة التحديات التي تطرحها مجالات متنوعة.
  • PLO 02: شرح مفاهيم علم البيانات والنتائج الإحصائية المعقدة للجمهور الفني وغير الفني من خلال التقارير المكتوبة والمقالات والعروض التقديمية والرسوم البيانية التوضيحية.
  • PLO 03: صياغة واستخدام نماذج تحليل البيانات لتوفير حلول مبتكرة ومستدامة للتحديات المتعلقة بالأعمال.
  • PLO 04: تطوير وتنفيذ الخوارزميات والطرق الحاسوبية المخصصة لتحليل البيانات على نطاق واسع.
  • PLO 05: تعظيم الاستفادة من أدوات الحوسبة الحديثة، والبرمجيات، ولغات البرمجة ذات الصلة بعلم البيانات.
  • PLO 06: إجراء أبحاث أصيلة وأخلاقية وموثوقة ومبتكرة في مجال الإحصاء وعلم البيانات بما من شأنه الإسهام في تقدم المعرفة في هذا المجال المعرفي.

متطلبات الحصول على درجة الدكتوراه في الإحصاء وعلم البيانات هي 60 ساعة معتمدة موزعة كما يلي:

عدد المساقات المعتمدة
المساقات الأساسية 4 16
المساقات الاختيارية 2 8
التدريب يجب، على الأقل، استكمال فترة تدريب عملي واحدة بنجاح لمدة تصل إلى أربعة أشهر كمتطلب من متطلبات التخرج 2
طرق البحث المتقدمة 1 2
الأطروحة البحثية 1 32

دكتوراه الفلسفة في الإحصاء وعلم البيانات هي درجة أكاديمية قائمة بشكل رئيس على البحث. الهدف من المساقات الدراسية فيها هو تزويد الطلبة بالمهارات اللازمة ليتمكنوا من إنجاز مشروعات بحوثهم (أطروحات الدكتوراه) بنجاح. ويجب على الطلبة، لهذا الغرض، استكمال المساقات الإلزامية التالية: STADS801 وSTADS802 وSTADS803 وSTADS804.

الرمز اسم المساق عدد الساعات المعتمدة
STADS801 نظرية الاحتمالات المتقدمة والعمليات العشوائية 4
STADS802 الرياضيات المتقدمة للإحصاء 4
STADS803 التعلم الإحصائي 4
STADS804 الحوسبة في عصر البيانات الضخمة 4

يمكن للطلبة اختيار ما لا يقل عن مساقين اختياريين، بمجموع ثماني ساعات معتمدة (أو أكثر). يجب أن يتم اختيار المساقات الاختيارية بناءً على اهتمامات الطلاب، وموضوع الرسالة البحثية المقترحة، والطموحات المهنية، وذلك بالتشاور مع لجنة الإشراف – المساقات الاختيارية المتاحة لبرنامج الدكتوراه في الإحصاء وعلم البيانات مذكورة في الجدول أدناه:

الرمز اسم المساق عدد الساعات المعتمدة
ML802 تعلم الآلة المتقدم 4
ML804 موضوعات متقدمة في التحسين المستمر

يغطي هذا المساق موضوعات متقدمة في التحسين المستمر، مثل النزول الاشتقاقي العشوائي ومتغيراته، والطرق التي تستخدم معلومات ما فوق الدرجة الأولى، والطرق الأولية-الثنائية، والطرق الخاصة بالمشكلات المركبة. سيطلع الطلبة أيضاً في هذا المساق على أحدث الأدبيات ذات الصلة وسيقومون بإعداد عروض تقديمية. سيتعرف الطلبة كذلك على كيفية عمل الطرق المقدمة في حل مشاكل التحسين التي تنشأ في مجالات مختلفة من تعلم الآلة، وسيختبرونها في تجارب حقيقية لفهم أعمق للتحديات التي يتم تناولها ومناقشتها في هذا المجال.

4
ML806 موضوعات متقدمة في التعلم التعزيزي

ينظر هذا المساق في موضوعات متقدمة في التعلم التعزيزي تم التطرق إليها بسرعة في المساق ROB702. في المرحلة الأولى، يقرأ الطلاب الأدبيات المتقدمة وذات الصلة الحالية ويعدون عروضاً يقدمونها إلى الطلاب الآخرين. وفي المرحلة الثانية، يكتشفون كيفية عمل الطرق المقدمة في البيئات الحاسوبية البسيطة لاكتساب فهم أعمق للتحديات التي تتم مناقشتها.

4
ML807 التعلم الموحد

هذا المساق هو للمتخرجين في فرع جديد في مجال تعلم الآلة وهو التعلم المتحد. في التعلم المتحد، يتم تدريب نماذج تعلم الآلة على الأجهزة المحمولة مع محاولة حماية خصوصية بيانات المستخدمين بشكلٍ صريح. ويجمع التعلم المتحد بين تعلم الآلة الموجه، والخصوصية، والحوسبة الموزعة والطرفية، والتحسين، وضغط التواصل، والأنظمة. ينمو هذا المجال الجديد بسرعة ولا تتوفر فيه إلا نتائج نظرية قليلة وأنظمة إنتاج لا تزال في مراحلها الأولية (مثلاً، تينسرفلو المتحد وFedML). يهدف هذا المساق إلى تعريف الطلاب على التطورات والممارسات الأساسية في هذا المجال.

4
ML808 موضوعات متقدمة في العلاقة السببية وتعلم الآلة

تم، خلال العقود القليلة الماضية، تحقيق تقدم كبير في مجالات تعلم الآلة، والفلسفة، والإحصاء التي يمكنها أن تسهم في حل بعض المشكلات القديمة – الحديثة التي طرحتها القضايا المرتبطة بالعلاقة السببية مثل كشف العلاقة السببية اعتمادا على البيانات الملاحظة (المعروفة بالاكتشاف السببي)، وكيفية استنتاج تأثير التدخلات. وقد أظهرت الدراسات الحديثة أن فهم العلاقة السببية قد يساعد في حل عدد من مشكلات تعلم الآلة والذكاء الاصطناعي – مثل: التعلم بنقل المهارات، والتعلم شبه المُشرف عليه، والتنبؤ خارج التوزيع، والتفكيك، والهشاشة ضد الهجمات. ويركز هذا المساق على فهم العلاقة السببية، وكشف العلاقة السببية من البيانات الملاحظة، واستخدامها لحل مجموعة واسعة من مشكلات التعلم. سيغطي المساق موضوعات مثل النماذج البيانية، الاستدلال السببي، الاكتشاف السببي، والتفكير المضاد للوقائع. كما سيتناول كيفية تعلم التمثيلات السببية، إجراء التعلم بنقل المهارات، وفهم النماذج التوليدية العميقة.

4
ML812 موضوعات متقدمة في خوارزميات البيانات الضخمة

يغطي هذا المساق موضوعات متقدمة في خوارزميات البيانات الضخمة بما فيها الطرق العشوائية مثل: التمثيل التقريبي وأخذ العينات لتقليص الأبعاد. كما يتناول المساق موضوعات مثل تضمين الفضاء الاتجاهي الفرعي، والتقريب ذو الرتبة المنخفضة، والانحدار باستخدام تنظيم L1، وتدفقات البيانات. يشار إلى أن المساق تتداخل فيه مجالات تعلم الآلة والإحصاء.

4
ML813 موضوعات متقدمة في تقليص الأبعاد وتعلم المتشعبات

يُركز هذا المساق على بناء الأسس المعرفية للطلبة واطلاعهم على آخر التطورات والمستجدات المتعلقة بتقليص المتغيرات أو الأبعاد وتعلم المتشعبات – وهما موضوعان مهمان في تعلم الآلة. يذكر أن هذا المساق يبني على المفاهيم الأساسية في تعلم الآلة ويَفترض أيضاً إلمام الطالب بمفاهيم التحسين والرياضيات. كما يغطي المساق الموضوعات المتقدمة في تقليص الأبعاد وتعلم المتشعبات باستخدام الطرق الطيفية، والاحتمالية، والشبكات العصبية – سيشارك الطلبة في عملية التعلم من خلال الأعمال الدراسية، والواجبات، والمشاريع.

4
STADS806 النماذج التوليدية

يُقدّم هذا المقرر فهماً عميقاً للأسس النظرية والرياضية لتقنيات النمذجة التوليدية، مع التركيز على مجموعة متنوعة من النماذج مثل التدفقات المُطبّعة ونماذج إزالة التشويش. يكتسب الطلاب من خلال هذا المقرر المهارات والمعرفة اللازمة لتطبيق النمذجة التوليدية في مجالات متعددة تشمل الذكاء الاصطناعي، ورؤية الحاسوب، وعلم البيانات، من خلال مزيج متوازن من الجانب النظري والتطبيقي.

4
STADS805 نظرية التعلم العميق 4
STADS807 الاحتمالات والإحصائيات عالية الأبعاد 4

تُتيح أطروحة الدكتوراه للطلبة فرصة الاشتغال على مشكلات بحثية متقدمة لم يتم بعد إيجاد حلول لها في مجالي الإحصاء وعلم البيانات، حيث يُتوقع منهم تقديم حلول جديدة والمساهمة بشكل كبير في تطوير المعرفة في هذا المجال. ويقوم الطلبة، لهذا الغرض، بإجراء بحث مستقل تحت إشراف لجنة من المشرفين لمدة تتراوح من ثلاثة إلى أربعة أعوام.

الرمز اسم المساق عدد الساعات المعتمدة
STADS899 أطروحة الدكتوراه البحثية في الإحصاء وعلم البيانات

يعالج الطالب في أطروحة الدكتوراه إشكالية لم يتم حلها بعد، حيث يُطلب منه اقتراح حلول جديدة والمساهمة في المجال المعرفي. ويتابع الطالب هذه الدراسة البحثية بشكل مستقل، بتوجيه من لجنة مشرفة، لمدة ثلاثة أعوام. يُذكر أن بحوث أطاريح الدكتوراه تساعد الخريجين على أن يصبحوا قادة في مجال بحثهم المختار، وذلك من خلال دراسة خاضعة للإشراف الجزئي، ليصبحوا في النهاية باحثين يمكنهم العمل بشكل مستقل أو بالتعاون مع باحثين آخرين لإجراء البحوث المتطورة.

32
RES899 طرق البحث المتقدمة

يهدف هذا المساق إلى إعداد الطلاب بما يجعلهم قادرين على إنجاز بحوث ذات قيمة عالية وحل التحديات البحثية العملية من خلال موضوعات بحث مبتكرة ومستدامة وريادية. وتحقيقا لهذه الأهداف، سيتعرف الطلبة على مجموعة من الموضوعات المتخصصة، ومبادئ البحث النزيه وأخلاقياته، والتحديات التنظيمية التي تواجه مختلف التخصصات. كما سيتعلم الطلبة كيفية إعداد مشروعات بحثية تكون مناسبة للتقديم في المؤتمرات أو نشرها في المجلات العلمية. سيقوم الطلاب أيضا بتعلم كيفية تحكيم الأوراق البحثية. وسيقوم المدربون والمحاضرون الضيوف بتناول المواضيع التي يرونها ضرورية لإعداد باحثين ومبتكرين ورواد أعمال متميزين في مجالات الذكاء الاصطناعي.

تهدف الجامعة من خلال هذا التدريب في المجالات أو القطاعات ذات الصلة بالتخصص إلى منح الطلبة تجربة عملية تجمع من خلالها بين جوانب الممارسة العملية والجوانب الأكاديمية.

الرمز اسم المساق عدد الساعات المعتمدة
INT899 التدريب

برنامج تدريبي خاص للدكتوراة (يمتد حتى 4 اشهر)

2

تستقبل جامعة محمد بن زايد للذكاء الاصطناعي المتقدمين من جميع الجنسيات الحاصلين على درجة البكالوريوس في أحد تخصصات العلوم، والتكنولوجيا، والهندسة، والرياضيات (STEM) مثل علوم الحاسوب أو الهندسة الكهربائية أو هندسة الحاسوب أو الرياضيات أو الفيزياء أو أي تخصص علمي أو هندسي آخر ذي صلة من جامعة معتمدة أو معترف بها من قبل وزارة التربية والتعليم في دولة الإمارات بمعدل تراكمي لا يقل عن 3.0 (على مقياس 4.0) أو ما يعادلها.

يجب على المتقدمين تقديم شهادات درجاتهم العلمية المستكملة وكشوف الدرجات الرسمية عند تقديم طلباتهم. وبالنسبة لطلاب المستويات الأعلى، يمكنهم مبدئياً التقديم بنسخة من كشف الدرجات الرسمي وخطاب يوضح تاريخ التخرج المتوقع. ويجب عليهم، عند القبول، تقديم شهادة الدرجة العلمية المستكملة وكشف الدرجات الرسمي. كما يجب القيام بتصديق الشهادة من وزارة التربية والتعليم في دولة الإمارات (للدرجات العلمية من دولة الإمارات) أو شهادة اعتراف من وزارة التربية والتعليم في دولة الإمارات (للدرجات العلمية المحصل عليها من خارج دولة الإمارات)، وذلك خلال أجل أقصاه الفصل الدراسي الأول للطلاب في جامعة محمد بن زايد للذكاء الاصطناعي.

يجب أن تكون جميع المستندات المقدمة مكتوبة باللغة الإنجليزية أصلاً أو أن تشمل ترجمة مُصدقة باللغة الإنجليزية. كما يجب أن تتضمن المستندات الأكاديمية الرسمية ختم وتوقيع الهيئات المعنية في الجامعة.

يجب على جميع المترشحين الذين ليست اللغة الإنجليزية لغتهم الأولى، تقديم إثبات كفاءتهم التي تظهر مستوى إجادتهم للغة الإنجليزية من خلال أحد الشهادات التالية:

  • اختبار IELTS الأكاديمي: بحد أدنى 6.5 للدرجة الإجمالية
  • اختبار TOEFL iBT: بدرجة لا تقل عن 90

*يجب أن تكون الاختبارات سارية المفعول ومُجراة في مركز اختبار معتمد مع ملاحظة أن الاختبارات المنزلية هي غير مقبولة.

الأهلية للإعفاء من متطلبات إجادة اللغة الإنجليزية:

يمكن للمترشحين التأهل للإعفاء من هذا البند في حال استفائهم لأحد الشروط التالية:

  1. الإعفاء الكامل: يتطلب هذا استكمال الطالب مساره الأكاديمي للحصول على درجة علمية يتم تدريسها وتقييمها بالكامل باللغة الإنجليزية في جامعة تقع في دولة تكون فيها اللغة الإنجليزية اللغة الوطنية واللغة السائدة في التعليم العالي – ويشمل هذا الدول التالية:

ساموا الأمريكية، أستراليا، بوتسوانا، كندا (باستثناء كيبيك)، فيجي، غانا، غويانا، أيرلندا، جامايكا، كينيا، ليسوتو، ليبيريا، نيوزيلندا، نيجيريا، بابوا غينيا الجديدة، ساموا، سنغافورة، جزر سليمان، جنوب إفريقيا، تونغا، ترينيداد وتوباغو، المملكة المتحدة، الولايات المتحدة، زامبيا، زيمبابوي.

  1. الإعفاء المشروط: يتطلب هذا استكمال الطالب مساره للحصول على درجة أكاديمية في مؤسسة تعليمية تُدرس باللغة الإنجليزية في دولة غير ناطقة بها.

الموعد النهائي لتقديم المتطلبات المرتبطة باللغة الإنجليزية: يجب تقديم متطلبات إجادة اللغة الإنجليزية ضمن الموعد النهائي لتقديم الطلبات مع ملاحظة أنه بالنسبة للمتقدمين الذين يحتاجون إلى وقت إضافي للاستجابة لهذا المتطلب، فإن الموعد النهائي هو الأول من شهر مارس.

يشرح المتقدم في مقالة من 800 كلمة سبب رغبته في الالتحاق بجامعة محمد بن زايد للذكاء الاصطناعي، حيث يجب أن تتضمن المقالة العناصر التالية:

  • أسباب رغبته في الالتحاق بالجامعة
  • خلفيته الأكاديمية والشخصية وكيف تجعل منه مناسباً للبرنامج الذي يتقدم بطلب الالتحاق إليه r
  • برته في إكمال مجموعة متنوعة من المشاريع المتعلقة بالذكاء الاصطناعي
  • الإنجازات البارزة التي حققها مثل الجوائز والتكريمات وغيرها
  • أهدافه كطالب محتمل
  • المسار الوظيفي الذي يطمح إليه وخططه لما بعد التخرج
  • أية تفاصيل أخرى من شأنها دعم الطلب

يُنصح الطلاب بدراسة هذه المواضيع، خاصة فيما يتعلق بكيفية ارتباطها بالبرنامج. يمكن العثور على العديد من الموارد والمواد عبر الإنترنت. يمكن، على سبيل المثال، البحث عن “الجبر الخطي لتعلم الآلة” على يوتيوب للحصول على محاضرات فيديو متعددة. كما يمكن للطلاب العثور على دورات تعليمية على منصات مثل كورسيرا، ويوديمي، وغيرها من المواقع.

بيان البحث هو وثيقة تلخص مشروع البحث المحتمل الذي يرغب المتقدم في العمل عليه. ويجب على المتقدم من خلال هذه الوثيقة أن يبرر بوضوح الفجوة البحثية التي يرغب في سدها أثناء دراسته. كما يجب تقديم بيان البحث في سياق الأدبيات الحالية وتقديم لمحة عامة عن كيفية سعي المتقدم للتعمق في مشروع البحث الأساسي بالإضافة إلى التنبؤ بالنتائج المتوقعة. ولا بد من أن يذكر البيان مدى ملاءمة خبرات المتقدم ومعارفه للمشروع وتسليط الضوء على الأهمية العلمية والتجارية للمشروع – يجب أن يتضمن بيان البحث التفاصيل التالية:

  • العنوان
  • تحديد الإشكالية
  • مراجعة الأدبيات
  • البحث/الطرق/الحلول المقترحة (اختياري)
  • الجدول الزمني للدراسة (جدول أو رسم أو فقرة صغيرة تعرض خططك للسنوات الأربع في برنامج الدكتوراه)

الجدير بالذكر أنه من المتوقع أن يكتب المتقدمون بيان البحث بشكل مستقل، إذ لن يساعد أعضاء الهيئة التدريسية لجامعة محمد بن زايد للذكاء الاصطناعي في كتابته لغرض التقديم. كما ستراجع لجنة القبول في الجامعة الوثيقة المقدمة وتستخدمها كأحد المعايير لقياس وتقييم مهارات المتقدمين كجزء من امتحان القبول.

سيتم دعوة جميع المتقدمين للمشاركة في امتحان قبول إلكتروني يقيّم معرفتهم الأساسية في المجالات المتعلقة بالبرامج الدراسية في الجامعة، بما في ذلك الرياضيات المتقدمة، والبرمجة، وبعض الموضوعات المرتبطة بعلوم الحاسوب الأساسية. يُرجى ملاحظة أن اجتياز هذا الامتحان ليس إلزامياً، لكنه موصى به بشدة، حيث يوفر معلومات إضافية للجنة التقييم. ويُنصح بالإعفاء منه فقط للطلاب القادرين على تقديم أدلة قوية تثبت قدراتهم البحثية، وخبراتهم، ومهاراتهم التقنية.

سيتم توفير تفاصيل إضافية حول امتحان القبول، بما في ذلك إجراءاته، معايير الإعفاء، والمواصفات المتعلقة به، بعد تقديم طلبكم.

يجب تقديم طلب واحد فقط لكل دورة قبول؛ ويُفضل تجنب تقديم طلبات متعددة.

تفاصيل التقديم:

فتح بوابة التقديم الموعد النهائي ذي الأولوية * الموعد النهائي تاريخ الإشعار بقرار اللجنة الموعد النهائي لرد المترشحين
1 سبتمبر 2025
8:00 (صباحًا بتوقيت الإمارات)
15 نوفمبر 2025
5:00 (مساءً بتوقيت الإمارات)
15 ديسمبر 2025
5:00 (مساءً بتوقيت الإمارات)
15 مارس 2026
5:00 (مساءً بتوقيت الإمارات)
15 أبريل 2026
5:00 (مساءً بتوقيت الإمارات)

*سيتم أولاً مراجعة الطلبات المقدمة بحلول الموعد النهائي ذي الأولوية. كما سيتم أيضاً النظر في جميع الطلبات المقدمة بحلول الموعد النهائي (15 ديسمبر 2025) – نوصى بشدة جميع المترشحين المحتملين بالحرص على التقديم بحلول الموعد النهائي ذي الأولوية،  نظراً لأن نسبة القبول تنافسية للغاية وعدد الأماكن في الدفعة القادمة محدود.

يمكن الاطلاع على معلومات مفصلة حول عملية التقديم والمنح الدراسية هنا.

الفصل 1

STADS801 نظرية الاحتمالات المتقدمة والعمليات العشوائية (4 CR)
STADS802 الرياضيات المتقدمة للإحصاء (4 CR)
مقرر اختياري من اللائحة (4 CR)

الفصل 2

STADS803 التعلم الإحصائي (4 CR)
STADS804 الحوسبة في عصر البيانات الضخمة (4 CR)
مقرر اختياري من اللائحة (4 CR)

الصيف

INT899 تدريب لبرنامج الدكتوراه (2 CR)

الفصل 3

RES899 طرق البحث المتقدمة (2 CR)
STADS899 الأطروحة البحثية لشهادة الدكتوراه

الفصل 4

STADS899 الأطروحة البحثية لشهادة الدكتوراه

الفصل 5

STADS899 الأطروحة البحثية لشهادة الدكتوراه

الفصل 6

STADS899 الأطروحة البحثية لشهادة الدكتوراه

الفصل 7

STADS899 الأطروحة البحثية لشهادة الدكتوراه

الفصل 8

STADS899 الأطروحة البحثية لشهادة الدكتوراه

كن رائداً من رواد المستقبل

img

الابتكار في الذكاء الاصطناعي

المزيد من المعلومات
img

شركات الذكاء الاصطناعي الناشئة

المزيد من المعلومات
img

ذي نود

المزيد من المعلومات

سجل اهتمامك بالدكتوراه في الإحصاء وعلوم البيانات

معنا ستكون دائما على اطلاع بآخر الأخبار ومستجدات تاريخ فتح باب التقديم للتسجيل في هذا البرنامج.