يركز هذا المساق على آخر التطورات في مجال تعلّم الآلة، وعلى تعزيز مهارات الطالب بهدف إجراء البحوث لتطوير أحدث التكنولوجيا في هذا المجال. إذ يكتسب الطلاب المفاهيم بطرق النواة، والتعقيد الإحصائي، ونظرية القرار الإحصائي، والتعقيد الحوسبي لخوارزميات التعلّم، والتعلّم التعزيزي. ويعتمد هذا المساق على مفاهيم من مساق تعلّم الآلة (ML701)، بالتالي يُفترض بالطلاب الإلمام بالمفاهيم الأساسية لتعلّم الآلة والتحسين والإحصاءات.

الاستدلال الاحتمالي والإحصائي هو عملية استخلاص استنتاجات مفيدة حول مجموعات البيانات أو الحقائق العلمية من البيانات غير المؤكدة والمشوشة. يغطي هذا المساق طرقاً مختلفة لأداء الاستدلال، بما في ذلك النمذجة الإحصائية، والاستراتيجيات الموجهة نحو البيانات، والاستخدام الواضح للتصميم والعشوائية في التحليلات. إلى جانب ذلك، يطّلع الطلاب في هذا المساق على معالجة متعمقة للنظريات العامة (المفهوم التكراري، البايزي، الاحتمالي) والعديد من التعقيدات العملية (البيانات المفقودة، عدم الانتظام المرصود وغير المرصود، التحيزات) لإجراء الاستدلال. يُطلع هذا المساق الطلاب على أساسيات الاستدلال الإحصائي والاحتمالي، ويوضح لهم كيفية تطبيق هذه المفاهيم الأساسية عملياً.

يركز هذا المساق على تعلّم الآلة وعلى تعزيز مهارات الطلاب بهدف إجراء البحوث لتطوير أحدث التكنولوجيا في هذا المجال. ويعتمد هذا المساق على مفاهيم من مساق تعلّم الآلة (ML701)، بالتالي يُفترض بالطلاب الإلمام بالمفاهيم الأساسية في التحسين والإحصاء. ويتعرف الطلاب من خلال هذا المساق إلى طرق التعلم الموجّه، والتعلم غر الموجّه، والتعلم شبه الموجّه، والتعلّم المنقول، والتعلم متعدد المهام، والتعلّم المستمر، والتعلّم النشط، وتعلّم عملة التعلّم، والاستدلال المتنوع. ويناقش هذا المساق متغيرات خوارزميات التعلّم في نماذج التعلم المختلفة المذكورة أعلاه.

يركز هذا المساق على آخر التطورات في مجال تعلّم الآلة، وعلى تعزيز مهارات الطالب بهدف إجراء البحوث لتطوير أحدث التكنولوجيا في هذا المجال. ويقوم المساق على مفاهيم من مساق تعلّم الآلة (ML701) وتعلّم الآلة المتقدم (ML702)، بالتالي يُفترض بالطلاب الإلمام بالمفاهيم الأساسية في التحسين والرياضيات. ويغطي هذا المساق موضوعات متقدمة في مجال تعلّم الآلة الإحصائي، والتعلّم غير الموجّه، والإحصاءات عالية الأبعاد، والتعلّم التعزيزي. ويتم إشراك الطلاب في عملية التعلّم من خلال المهام الوظيفية والواجبات والمشاريع.

الاستدلال الاحتمالي والإحصائي هو عملية استخلاص استنتاجات مفيدة حول مجموعات البيانات أو الحقائق العلمية من البيانات غير المؤكدة والمشوشة. يغطي هذا المساق بعض الموضوعات المتخصصة جداً والمرتبطة بالاستدلال الإحصائي وتطبيقه على مشكلات العالم الحقيقي. وتتمحور الموضوعات الرئيسية التي يعالجها هذا المساق حول التعلّم المتغير الكامن، وطرق النواة، واستراتيجيات الاستدلال الاحتمالي التقريبي. إلى جانب ذلك، يطّلع الطلاب في هذا المساق على معالجة متعمقة لعدد من تقنيات التعلّم (المفهوم الاحتمالي، البايزي، الهوامش القصوى) والعديد من التعقيدات العملية (البيانات المفقودة، عدم الانتظام المرصود وغير المرصود، التحيزات) لإجراء الاستدلال.

يقدّم هذا المساق للطلاب لمحة شاملة عن المفاهيم والأساليب المختلفة المرتبطة بالتعلّم العميق. إذ يتعلم الطلاب أولاً أسس التعلّم العميق، ليتعرفوا بعد ذلك إلى سلسلة من النماذج العميقة: الشبكات العصبية الترشيحية، والمرمِزات التلقائية، والشبكة العصبية التكرارية، والنماذج التوليدية العميقة. ويعمل الطلاب على دراسة حالات التعلّم العميق في مجالات مختلفة مثل الرؤية الحاسوبية والتصوير الطبي ومعالجة اللغات الطبيعية وغيرها من المجالات.

يُعتبر هذا المساق بمثابة مقدمة شاملة لأساسيات النظام البصري البشري وإدراك الألوان، واستحصال الصور ومعالجتها، وتصفية الصور الخطية وغير الخطية، ووصف ميزات الصورة واستخراجها، واستراتيجيات التصنيف والتجزئة. إضافة إلى ذلك، يتعرّف الطلاب في هذا المساق إلى منهجيات تقييم الجودة الخاصة بالرؤية الحاسوبية وخوارزميات معالجة الصور.

يقدّم هذا المساق للطلاب مقدمة شاملة حول مفاهيم ومبادئ وأساليب الرؤية الحاسوبية التي تقوم على علم الهندسة والتي تساعد في وصف شكل العالم وبنيته. ويكمن الهدف من المساق، على وجه التحديد، في تعريف الطلاب بالأدوات والتقنيات اللازمة لتقدير العمق والحركة والتباين والحجم والوضع والأشكال في المشاهد ثلاثية الأبعاد.

يعطي هذا المساق الطلاب لمحة شاملة عن المفاهيم والأساليب المختلفة المرتبطة بالتعرف المرئي إلى الأشياء واكتشافها. إذ سيطّلع الطلاب على وجه التحديد على مجموعة كبيرة من البنى الحديثة الناجحة للشبكات العصبية العميقة بهدف تأدية مهام التعرف والاكتشاف والتتبع على الصعيد المرئي.

يشمل هذا المساق تغطية مكثفة للموضوعات الخاصة التالية: 1) استعادة الصورة وتحسينها، 2) الخصائص المصنوعة يدوياً، 3) التتبّع المرئي للأشياء. إذ يطوّر الطلاب مهاراتهم في نقد الأعمال الحديثة التي تعالج المشكلات المذكورة أعلاه. إلى جانب ذلك، يُطلب من الطلاب تنفيذ الأفكار الواردة في الأوراق البحثية، وذلك بهدف (1) إعادة إنتاج النتائج الواردة في الأوراق و(2) تحسين أداء الأعمال المنشورة. ويقوم هذا المساق على مفاهيم من مساق الرؤية البشرية والرؤية الحاسوبية (CV701)، بالتالي يُفترض بالطلاب الإلمام بالمفاهيم الأساسية الخاصة بمعالجة الصور.

يشمل هذا المساق تغطية مكثفة لموضوعات خاصة بالرؤية الحاسوبية ثلاثية الأبعاد. إذ يتمكن الطلاب من خلاله من نقد الطرق الحديثة في إعادة البناء ثلاثي الأبعاد، وفهم المشهد البصري ثلاثي الأبعاد، والبناء ثلاثي الأبعاد القائم على عروض متعددة. إلى جانب ذلك، يُطلب من الطلاب تنفيذ الأفكار الواردة في الأوراق البحثية، وذلك بهدف (1) إعادة إنتاج النتائج الواردة في الأوراق و(2) تحسين أداء الأعمال المنشورة. ويقوم هذا المساق على مفاهيم من مساق الرؤية البشرية والرؤية الحاسوبية (CV701)، ومساق علم الهندسة في الرؤية الحاسوبية (CV702)، بالتالي يُفترض بالطلاب الإلمام بالمفاهيم الأساسية الخاصة بتعلّم الآلة والتحسين.

يشمل هذا المساق تغطية مكثفة لموضوعات خاصة بالتعرّف المرئي إلى الأشياء واكتشافها. إذ يتمكن الطلاب من خلاله من نقد الطرق الحديثة في التعرّف المرئي إلى الأشياء واكتشافها. إلى جانب ذلك، يُطلب من الطلاب تنفيذ الأفكار الواردة في الأوراق البحثية، وذلك بهدف (1) إعادة إنتاج النتائج الواردة في الأوراق و(2) تحسين أداء الأعمال المنشورة. ويقوم هذا المساق على مفاهيم من مساق الرؤية البشرية والرؤية الحاسوبية (CV701)، ومساق التعرّف المرئي إلى الأشياء واكتشافها (CV702)، بالتالي يُفترض بالطلاب الإلمام بالمفاهيم الأساسية الخاصة بتعلّم الآلة والتحسين.

يقدّم هذا المساق للطلاب مقدمة شاملة حول التوائم الرقمية. إذ يتعرف الطلاب إلى تقنية التوأم الرقمي وتطبيقاتها الشائعة وفوائدها، وكيفية إنشاء توأم رقمي للتحليلات التنبؤية عن طريق دمج البيانات الحسية، وطرق النمذجة التنبؤية الأولية، وكيفية اعتماد التوأم الرقمي والتفاعل معه باستخدام منصات مختلفة.

يُعتبر هذا المساق مقدمة في التنقيب في البيانات، أي عملية اكتشاف الأنماط في مجموعات كبيرة من البيانات، وهي عملية تتضمن عدداً من الطرق التي تجمع ما بين تعلّم الآلة والإحصاءات وأنظمة قواعد البيانات.

يعطي هذا المساق للطلاب لمحة عن معالجة البيانات الضخمة، أي عملية تحليل البيانات الضخمة واستخدامها. ويشمل هذا المساق عدداً من الطرق التي تجمع ما بين الحوسبة المتوازية وتعلّم الآلة والإحصاءات وأنظمة قواعد البيانات، وغيرها.

يقدم هذا المساق مقدمة تناسب مستوى طلاب الدراسات العليا حول مبادئ التصوير الطبي وأساليبه، وهو يرتكز إلى مشاكل التصوير الطبي. إذ يغطي أساسيات الأشعة السينية، والتصوير المقطعي المحوسب، والتصوير بالرنين المغناطيسي، والموجات فوق الصوتية، والتصوير المقطعي بالإصدار البوزيتروني. إضافة إلى ذلك، يعطي هذا المساق الطلاب لمحة عامة عن الهندسة ثلاثية الأبعاد للصور الطبية وبعض المشكلات الكلاسيكية التي تبرز في تحليل الصور الطبية، بما في ذلك التصنيف والتجزئة والتسجيل والقياس الكمي وإعادة البناء ونظام "راديوميكس"، وهو منهج يستخدم الخوارزميات لتحليل عدد هائل من البيانات المستخرجة من الصور الطبية.

يعطي هذا المساق الطلاب مقدمة شاملة حول استخدام الذكاء الاصطناعي/ تعلّم الآلة في خدمات المدن الذكية وتطبيقاتها. ويبدأ المساق بمراجعة المفاهيم الأساسية. ويتعلم الطلاب في إطار هذا المساق كيفية تطبيق مفاهيم الذكاء الاصطناعي/ تعلّم الآلة بهدف تطوير خدمات المدن الذكية وتصميمها وتحسينها. إذ يساعدهم هذا المساق على الإلمام بمفهوم المدن الذكية وتطبيقاتها ومتطلباتها وتصميم الأنظمة الخاصة بها، كما يتيح لهم تطوير مهاراتهم لدمج التقنيات الناشئة في مكونات المدن الذكية، واعتمادها. إضافة إلى ذلك، يكتسب الطلاب المعارف حول الأمن وتحليلات البيانات وإنترنت الأشياء والاتصالات والشبكات، كما يعملون على دراسة حالات وتقديم الحلول الخاصة بالبنى التحتية للمدن الذكية.

يقدّم هذا المساق للطلاب لمحة شاملة عن مجموعة من المشكلات المتعلقة بالثقة بتطبيقات الذكاء الاصطناعي وتعلّم الآلة. إذ يطّلع الطلاب على موضوعات مثل الهجمات على أنظمة الحاسوب التي تستخدم تعلّم الآلة، فضلاً عن آليات الدفاع التي من شأنها الحد من مثل هذه الهجمات.

يقدم هذا المساق مقدمة مناسبة لمستوى الخريجين حول مبادئ عملية التحسين وأساليبها، وهو يقوم على أسس شاملة في الصياغة الرياضية لمشكلات التحسين. ويغطي المساق أساسيات الدالة المحدبة والمجموعة المحدبة، إلى جانب طرق التحسين من الدرجة الأولى والثانية، والمشكلات المتعلقة بقيود المساواة و/ أو عدم المساواة، وغيرها من المشكلات المتقدمة.

يُعتبر هذا المساق بمثابة مقدمة شاملة حول معالجة اللغات الطبيعية. وهو يقوم على المفاهيم الأساسية في الرياضيات، لاسيما الاحتمالات والإحصاءات، والجبر الخطي، وحساب التفاضل والتكامل، بالتالي يُفترض بالطلاب الإلمام بمفاهيم البرمجة.

يقدّم هذا المساق للطلاب مقدمة شاملة حول معالجة اللغات الطبيعية. وهو يعتمد على المفاهيم الأساسية في معالجة اللغات الطبيعية، بالتالي يُفترض بالطلاب الإلمام بمفاهيم الرياضيات والبرمجة.

يُطلع هذا المساق الطلاب على مقدّمة شاملة حول معالجة الكلام. وهو يقوم على المفاهيم الأساسية في معالجة الكلام، بالتالي، يُفترض بالطلاب الإلمام بمفاهيم الرياضيات ومعالجة الإشارات.

يركز هذا المساق على تعزيز مهارات الطلاب لإجراء البحوث بهدف تطوير آخر التقنيات في معالجة اللغات الطبيعية. وهو يعتمد على مفاهيم من مساق معالجة اللغات الطبيعية (NLP 701) ويُفترض بالطلاب الإلمام بالمبادئ الرئيسية حول تضمين الكلمات واستخراج المعلومات والترجمة الآلية.

يركز هذا المساق على تعزيز مهارات الطلاب لإجراء البحوث بهدف تطوير آخر التقنيات في معالجة اللغات الطبيعية. وهو يعتمد على مفاهيم من مساق معالجة اللغات الطبيعية (NLP 701) ويُفترض بالطلاب الإلمام بالمبادئ الرئيسية حول الإجابة عن الأسئلة وتلخيص النصوص واستخراج الآراء.

يركز هذا المساق على تعزيز مهارات الطلاب لإجراء البحوث بهدف تطوير آخر التقنيات في معالجة الكلام. وهو يعتمد على مفاهيم من مساق معالجة الكلام (NLP703)، بالتالي يُفترض بالطلاب الإلمام بالمفاهيم الأساسية في التعرف إلى الكلام وتوليد الكلام وتحديد المتحدث.

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.