ماجستير في

يقدم هذا المساق نهجاً تطبيقياً في علم البيانات، مع التركيز على الأساليب والأدوات العملية للتعامل الفعال مع البيانات وتحليلها وعرضها بصرياً من أجل تلبية احتياجات الصناعة. وتشمل الموضوعات الرئيسية تنظيف البيانات وتحضيرها للمعالجة، وتحليل البيانات الاستكشافي، والعرض البصري للبيانات، وهندسة الخصائص باستخدام مكتبات Python مثل Pandas وNumPy وMatplotlib وSeaborn. كما يغطي المساق منهجيات تعلم الآلة، بما في ذلك إدارة مجموعات البيانات الواسعة النطاق، وبناء النماذج باستخدام PyTorch، وتطبيق الحلول القائمة على البيانات في السيناريوهات الواقعية. سيعمل الطلاب على مشاريع تعكس تحديات واقعية في قطاعات رئيسية مثل الرعاية الصحية والتمويل وتجارة التجزئة والخدمات اللوجستية، بما يسهم في تطوير تفكيرهم النقدي ومهاراتهم العملية لإنشاء وتقييم ونشر نماذج قائمة على البيانات لحل مشكلات معينة في الصناعة.

في هذا المساق يستكشف الطلاب بشكل معمق ممارسات هندسة البرمجيات المخصصة لتعلم الآلة التطبيقي، ويتعلمون كيفية دمج أدوات تطوير البرمجيات ومبادئ التصميم وتكنولوجيا تعلم الآلة لتصميم تطبيقات لتعلم الآلة يمكن نشرها على نطاق واسع. يشمل المنهج الدراسي مهارات عملية في هندسة البرمجيات، بما في ذلك تصميم برمجيات تعلم الآلة، ودمج قواعد البيانات، واختبار كود تعلم الآلة، وطرق التدريب الموزع، واستراتيجيات النشر السحابي. كما يتعاون الطلاب في المختبرات العملية لتصميم وتنفيذ برامج تقدم حلولاً لتحديات صناعية حقيقية. فهذا المساق يُعدّ الطلاب لتلبية متطلبات الصناعة من خلال تزويدهم بمهارات حل المشكلات والخبرة العملية في تطوير برمجيات تعلم الآلة الحديثة.

يوفر هذا المساق مقدمة شاملة للتعلم العميق مع التركيز على التطبيقات العملية وحل المشكلات الحقيقية باستخدام PyTorch. سيتعلم الطلاب المفاهيم الأساسية والمتقدمة في مجال التعلم العميق، بما في ذلك الشبكات العصبية، والشبكات الترشيحية، والشبكات التكرارية، إلى جانب مواضيع مثل التعلم المنقول، والمرمزات التلقائية، والتعلم التعزيزي. ويطبق الطلاب في المختبرات والمشاريع خوارزميات التعلم العميق لتقديم حلول للتحديات في مجالات مثل معالجة الصور، ومعالجة اللغات الطبيعية، وتحليل السلاسل الزمنية. ويركز المساق على تنفيذ ونشر نماذج التعلم العميق، وتزويد الطلاب بالمهارات اللازمة لبناء النماذج وتحسين أدائها لمواجهة تحديات الصناعة .

يعرض هذا المساق المبادئ والممارسات الأساسية في مجال الذكاء الاصطناعي التوليدي وكيفية استخدامه لبناء تطبيقات الذكاء الاصطناعي. سيتعرف الطلاب على البنيات المختلفة للذكاء الاصطناعي التوليدي واستخداماتها، وكيفية تدريب نماذج الذكاء الاصطناعي التوليدي وضبطها، وكيفية تنفيذ الاستدلال الفعال في نماذج الذكاء الاصطناعي التوليدي من خلال أساليب هندسة الأوامر. كما سيتعرف الطلاب على الأخلاقيات والمخاطر المتعلقة باستخدام الذكاء الاصطناعي التوليدي.

يُركز هذا المساق على تطوير مهارات الطلبة البحثية بهدف تعزيز قدرتهم على التفكير في أساليب بحثية مبتكرة يمكن تنفيذها في بيئات عملهم. ويغطي مساق مناهج البحث العلمي مجموعة من الأساليب والطرق البحثية – بما فيها: الأساليب العلمية؛ والقضايا الأخلاقية في البحث؛ وطرق القياس؛ والبحث التجريبي؛ والبحث الاستقصائي؛ والبحث النوعي؛ والبحث بأساليب متنوعة. كما يهدف المساق إلى تزويد الطلبة بالقدرة على اختيار البيانات وتقييمها وجمعها للإجابة على أسئلة بحثية محددة، إضافة إلى تطوير مهارات “التفكير التصميمي” التي ستمكنهم من ربط موضوع بحثهم بجوانبه التطبيقية والعملية. وسيكتسب الطلبة، بعد استكمال هذا المساق، المهارات اللازمة لتطوير موضوع بحثي كامل يمكن أن يكون مبتكراً ورائداً ومستداماً، ويمكن تطبيقه في أي مؤسسة أو جهة يهمها موضوع هذا البحث. 

يشكل هذا المساق مدخلاً شاملاً إلى مجال الذكاء الاصطناعي، حيث يستند إلى المفاهيم الأساسية لتعلم الآلة. ويهدف إلى تمكين الطلاب من فهم التعلّم الموجّه وغير الموجّه، والتعرف على مجموعة متنوعة من خوارزميات التعلّم، إلى جانب دراسة أساسيات الشبكات العصبية. كما يغطي المساق مفاهيم التعلّم العميق والتعلّم التعزيزي، مما يتيح للطلاب بناء قاعدة معرفية قوية في هذا المجال المعرفي.

يقدّم هذا المساق للطلاب نظرة شاملة على المفاهيم والأساليب المتنوعة المتعلقة بالتعلم العميق. ويبدأ الطلاب فيه أولا بتعلم أسس التعلّم العميق، ليتعرفوا بعد ذلك إلى سلسلة من النماذج العميقة: الشبكات العصبية الترشيحية، والمُرَمِّزات التلقائية، والشبكة العصبية التكرارية، والنماذج التوليدية العميقة. كما يشارك الطلاب في دراسة حالات تطبيقية للتعلّم العميق في مجالات مختلفة مثل الرؤية الحاسوبية والتصوير الطبي ومعالجة اللغات الطبيعية وغيرها من المجالات الأخرى.

يدرس الطلاب في هذا المساق تقنيات تصميم الخوارزميات (مثل البرمجة الديناميكية) وتوظيف الخوارزميات لحل المشاكل الأساسية (مثل تحويل فوريي السريع). كما يكتشف الطلاب المشاكل الحاسوبية عسيرة الحل، ولا سيما المسائل كثيرة الحدود غير القطعية. ويطلع الطلاب أيضا من خلال هذا المساق على الموضوعات التالية: البرمجة الديناميكية؛ وخوارزميات فرق تسد بما في ذلك تحويل فوريي السريع؛ والخوارزميات العشوائية بما فيها: خوارزمية آر إس إيه لنظام التشفير؛ والخوارزميات الرسومية؛ وخوارزميات التدفق الأقصى؛ والبرمجة الخطية؛ والمسائل كثيرة الحدود غير القطعية الكاملة. ويهدف هذا المساق كذلك إلى تعزيز قدرات الطلاب في تحليل وتقييم وتصميم وتنفيذ الخوارزميات المتقدمة وتطبيقاتها في حالات مختلفة.

يشكل هذا المساق مدخلًا شاملاً لدراسة استخدام الذكاء الاصطناعي وتعلّم الآلة في خدمات وتطبيقات المدن الذكية. يبدأ المساق بالتعرف على المفاهيم الأساسية، ثم يوضح كيفية تطبيق هذه المفاهيم بهدف تطوير وتصميم وتحسين خدمات المدن الذكية. كما يتيح هذا المساق للطلاب فهمًا عميقًا لمفهوم المدن الذكية ومتطلباتها، ويعزز قدرتهم على تصميم الأنظمة الخاصة بها. إضافة إلى ذلك، يوفر المساق فرصة للطلاب لتطوير مهاراتهم في دمج التقنيات الناشئة في مكونات المدن الذكية واعتمادها. كما يتعرف الطلاب على مفاهيم الأمن، وتحليل البيانات، وإنترنت الأشياء، والاتصالات والشبكات، مع دراسات حالة تطبيقية تركز على البنى التحتية للمدن الذكية.

يقدّم هذا المساق للطلاب نظرة شاملة عن مجموعة من المشكلات المتعلقة بالثقة في تطبيقات الذكاء الاصطناعي وتعلّم الآلة. ويطّلع الطلاب على موضوعات مثل الهجمات على أنظمة الحاسوب التي تستخدم تعلّم الآلة، فضلاً عن آليات الدفاع التي من شأنها الحد من مثل هذه الهجمات. ويهدف هذا المساق أيضاً إلى تعريف الطلاب بموضوعات البحث الناشئة المتعلقة بالأمن والخصوصية والقدرة على التفسير والأخلاق والعدالة الخاصة بمجال تعلم الآلة. كما يطور الطلاب من خلال هذا المساق القدرة على التحقق من أنظمة تقنية تعلم الآلة لتحديد نقاط ضعفها وتداعياتها الأخلاقية واقتراح حلول لمعالجة نقاط الضعف والمخاوف الأخلاقية.

يقدم هذا المساق مدخلاً شاملاً عن استخدام الذكاء الاصطناعي وتعلم الآلة في أنظمة وخدمات وتطبيقات إنترنت الأشياء الذكية. يبدأ المساق بالتعرف على المفاهيم المتقدمة، ثم يوضح كيفية تطبيق الذكاء الاصطناعي وتعلم الآلة لتطوير وتصميم وتحسين أنظمة وخدمات إنترنت الأشياء. سيمكن هذا المساق الطلاب من فهم أعمق لمفاهيم إنترنت الأشياء وتطبيقاتها ومتطلباتها، ويعزز قدرتهم على تصميم أنظمتها. يوفر هذا المساق أيضاً للطلاب فرصة لتطوير مهارات دمج التقنيات الناشئة مع مكونات إنترنت الأشياء الذكية وتنفيذها. كما يكتسب الطلاب المعرفة والمهارات اللازمة في مجالات الأمن، وتحليل البيانات، ونماذج الذكاء الاصطناعي، والاتصالات والشبكات، بالإضافة إلى العمل على حلول دراسات الحالة للبنى التحتية لإنترنت الأشياء.

يشكل هذا المساق مدخلاً شاملاُ عن أساسيات النظام البصري البشري وإدراك الألوان، والتقاط الصور ومعالجتها، والفلترة الخطية وغير الخطية للصور، ووصف واستخراج ميزات الصور، واستراتيجيات الفلترة والتقسيم. وسيتعرف الطلاب، علاوة على هذا، في هذا المساق عن منهجيات تقييم الجودة لخوارزميات الرؤية الحاسوبية ومعالجة الصور. كما يوفر هذا المساق للطلاب في مستوياته الدراسية المتقدمة منظوراً متكاملاً عن الجوانب المختلفة للرؤية البشرية والحاسوبية، ويمنحهم القدرة على فهم الأدبيات الحديثة في مجال الرؤية الحاسوبية وتنفيذ مكوناتها الأساسية التي تعد ضرورية للعديد من أنظمة الرؤية الآلية الحديثة

يعطي هذا المساق الطلاب لمحة شاملة عن المفاهيم والأساليب المختلفة المرتبطة بالكشف والتعرف البصري على الأجسام. وسيطّلع الطلاب من خلال هذا المساق، تحديداً، على مجموعة كبيرة من الهيكليات الحديثة الناجحة الخاصة بالشبكات العصبية العميقة القادرة على تنفيذ مهام الكشف والتعرف على الأجسام وتتبعها بصرياً. يسعى هذا المساق أيضاً إلى تمكين الطلاب من بناء أنظمة حديثة لفهم الصور والفيديو تلقائياً للإجابة على أسئلة معقدة مثل ما هي الأجسام/الأشياء الموجودة في مشهد معقد وأين تقع؟ كما سيتم تزويد الطلاب بالمهارات اللازمة لتصميم وتنفيذ وتدريب وتقييم هيكليات الشبكات العصبية المعقدة لحل مشاكل الكشف والتعرف التعرف البصري على الأجسام.

يقدّم هذا المساق للطلاب مدخلاً شاملاً عن موضوع التوائم الرقمية. وسيتعرف الطلاب من خلاله على تكنولوجيا التوائم الرقمية وتطبيقاتها وفوائدها المعروفة، وكيفية إنشاء التوائم الرقمية للتحليلات التنبؤية عن طريق دمج البيانات الحسية، وطرق النمذجة التنبؤية الأولية، وكيفية اعتماد التوائم الرقمية والتفاعل معها باستخدام منصات مختلفة. يهدف هذا المساق إلى تعزيز فهم الطلبة لتقنية التوائم الرقمية وفهم البيانات ذات المصادر الحسية المتعددة باستخدام تقنيات الدمج وفهم الخصائص المختلفة للبيانات (النص والصوت والصورة) وتطبيق تقنيات تعلم الآلة والتعلم العميق المناسبة لنوع البيانات المتاحة. كما يهدف هذا المساق إلى تعريف الطلاب بأساسيات نمذجة التوائم الرقمية وتمثيل البيانات والتفاعل بين الإنسان والآلة.

يُعتبر هذا المساق مقدمة في تنقيب البيانات، أي عملية اكتشاف الأنماط في مجموعات كبيرة من البيانات، وهي عملية تتضمن عدداً من الطرق التي تجمع بين تعلّم الآلة والإحصاء وأنظمة قواعد البيانات. ويهدف هذا المساق إلى تزويد الطلاب بفهم شامل للتطور الحديث لأسس وتقنيات التنقيب عن البيانات. وسيمكن هذا المساق المنتسبين من تطوير مهارات متقدمة لحل مجموعة واسعة من مشاكل التعلم غير الخاضعة للإشراف – مثل التنقيب عن الأنماط المتكررة وتجميع البيانات. كما سيقدم للطلبة المفاهيم الأساسية والمبادئ والأساليب وتقنيات التنفيذ والتطبيقات الخاصة بالتنقيب عن البيانات مع التركيز على استخدامين رئيسين: (1) اكتشاف الأنماط و(2) تحليل التجمعات.

يعطي هذا المساق للطلاب لمحة عن معالجة البيانات الضخمة، أي عملية تحليل البيانات الضخمة واستخدامها. ويشمل هذا المساق عدداً من الطرق التي تجمع بين الحوسبة المتوازية، وتعلّم الآلة، والإحصاء، وأنظمة قواعد البيانات، وغيرها. ويهدف هذا المساق إلى تزويد الطلبة بفهم شامل للتطور الأكاديمي والقطاعي لأسس وتكنولوجيات معالجة البيانات الضخمة. كما يسعى إلى تعزيز فهم الطلبة للمفاهيم الأساسية لـ MapReduce، والتجزئة الحساسة، وPageRank، وتدفقات التنقيب عن البيانات، وما إلى ذلك. سيكون الطلبة قادرين على تطوير مهارات متقدمة لحل مشاكل معالجة البيانات الضخمة.

يُعتبر هذا المساق مدخلاً تمهيدياً في تكنولوجيا استرجاع المعلومات التي أصبحت الحاجة ماسة إليها بالنظر إلى النمو الهائل للمعلومات الرقمية المتاحة، وضرورة توفير أدوات ذكية يمكنها فلترة المعلومات المتاحة ومعرفة المعلومات الأكثر قيمة وأهمية. ويهدف هذا المساق، في هذا الإطار، إلى تزويد الطلبة بالمبادئ الأساسية والخوارزميات المستخدمة في تكنولوجيات استرجاع المعلومات. كما يسعى إلى النظر في الخوارزميات وتصميم وتنفيذ أنظمة استرجاع المعلومات الحديثة. وتشمل الموضوعات التي سيتم تناولها في هذا المساق: تصميم وتنفيذ نظم استرجاع المعلومات، وتقنيات تحليل النصوص، ونماذج الاسترجاع، وتقييم البحث، وملاحظات استرجاع المعلومات، واستخراج سجلات البحث، والتطبيقات في إدارة معلومات الويب.

يُعتبر هذا المساق مدخلاً شاملاً في مجال معالجة اللغة الطبيعية، ويتم الاستناد فيه على مفاهيم أساسية في الرياضيات ولاسيما في علم الاحتمالات والإحصاء، والجبر الخطي، وحساب التفاضل والتكامل، وبناء عليه يُفترض في الطلاب الإلمام بمفاهيم البرمجة. ويهدف المساق إلى تعريف الطلاب بأساسيات خوارزميات معالجة اللغة الطبيعية الأساسية. وسيغطي المساق الوحدات الرئيسية التالية: (I) وسم التسلسل، و(II) التحليل، و(III) تصنيف النصوص، و(IV) النمذجة المتسلسلة، و(V) الترجمة الآلية.

يعطي هذا المساق الطلاب مقدّمة شاملة حول معالجة الكلام، وذلك استناداً على المفاهيم الأساسية في معالجة الكلام، بالتالي، يَفترض في الطلاب الإلمام بمفاهيم الرياضيات و”معالجة الإشارات”. ويهدف هذا المساق إلى تزويد الطلاب بفهم عميق لأسس خوارزميات معالجة الكلام الأساسية. وسيغطي هذا المساق الوحدات الرئيسة التالية: (I) التعرف على الكلام، و(II) تركيب الكلام، و(III) أنظمة الحوار والمحادثة.

يقدم هذا المساق مقدمة تناسب مستوى طلاب الدراسات العليا حول مبادئ التصوير الطبي وأساليبه، وهو يركز على المشاكل الفيزيائية المتصلة بالتصوير الطبي، حيث يغطي أساسيات الأشعة السينية، والتصوير المقطعي المحوسب، والتصوير بالرنين المغناطيسي، والموجات فوق الصوتية، والتصوير المقطعي بالإصدار البوزيتروني. كما 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.

يغطي هذا المساق الأساس الرياضي للأنظمة الروبوتية، وسيتعرّف الطلبة من خلاله على المفاهيم الأساسية لنظام تشغيل الروبوتات (ROS) باعتباره أحد أكثر المنصات الأكثر استخداما وموثوقية لبرمجة الروبوتات الحديثة. كما يسلط المساق الضوء على تقنيات: النمذجة، ودراسة حركية الروبوتات ودينامياتها وإدراكها، والتحكم في حركتها والملاحة، وتخطيط المسار. سيتعلم الطلبة أيضا كيفية التعامل مع أنواع مختلفة من أجهزة الاستشعار وقراءة بياناتها وتحليلها والاستفادة منها في تطبيقات الروبوت المختلفة. كما سيوفر المساق منظوراً متكاملا عن بعض المفاهيم الأساسية الخاصة بعلم الروبوتات، بما في ذلك الديناميات، والإدراك، والتحكم في الحركة والملاحة وتخطيط المسار، وتزود الطلاب بالأدوات الرياضية اللازمة للنمذجة وتحليل البنية الحسية والحركية للأنظمة الروبوتية.

يجب أن تكون الروبوتات قادرة على الاستشعار والتعلم من تجربتها لتحقيق الاستقلالية، وتعد الرؤية من أكثر تقنيات الاستشعار التي تعتمد عليها الروبوتات في بيئة العالم الحقيقي. وسيكتشف الطلبة في هذا المساق كل من التقنيات الأساسية المستخدمة في معالجة الصور وتحليل الرؤية الحاسوبية جنبا إلى جنب مع الأدوات المتقدمة التي تسمح للروبوتات بتقدير حركة الأشياء، أو تقدير العمق أو إعادة بناء مشاهد ثلاثية الأبعاد من مجموعة من الصور. كما يتيح المساق للطلبة فرصة الاطلاع على التعلم التعزيزي الذي يعتبر فرعاً من فروع تعلم الآلة المستوحى من كيفية تعلم البشر. يتفاعل وكيل التعلم التعزيزي مع بيئته، ويلاحظ تأثير أفعاله، ويتلقى مكافآت (إيجابية أو سلبية، اعتماداً على مدى نجاحه في إنجاز مهمة معينة). سنغطي كل من خوارزميات التعلم التعزيزي الأساسية والمتقدمة ونناقش مزاياها وعيوبها في إعدادات الروبوتات المختلفة.

يغطي المقرر موضوعات وتقنيات متعددة في سياق التخطيط والتموضع والملاحة. ويسلط الضوء على طرق التموضع والتخطيط في الوقت نفسه باستخدام مختلف أنواع المرشحات مثل مُرشِح كالمان ومُرشِح كالمان الموسع ومرشح الجسيمات. كما ينظر في طرق التموضع والتخطيط الآنية القائمة على الرسومات وفي ارتباط البيانات. ويدرس العلاقة بين تقنيات الملاحة القائمة على الخرائط وتلك التفاعلية. ويتم تطبيق هذه المفاهيم والطرق في نظام تشغيل الروبوت بهدف تعزيزها، وذلك من خلال حزم نظام تشغيل الروبوتات المتقدمة والمخصصة مثل حزمة tf وAMCL والتخطيط. سيغطي هذا المساق تقنيات تحديد المواقع ورسم الخرائط الذاتية (SLAM) . كما سيتم تناول تحليل خوارزميات SLAM الحديثة. وسينفذ الطلاب أيضاً هذه الأساليب داخل ROS ويطبقونها على استعمال الروبوتات العملية.

هذا المشروع التطبيقي يضع الطالب في مواجهة مشكلة واقعية ويطلب منه اقتراح حلول لها. يعمل الطالب على المشروع بشكل مستقل لمدة فصل دراسي واحد يراجع خلاله الأدبيات ويطبق بشكل منهجي الأطر والنماذج والمفاهيم والنظريات التي تعلمها في مساقات برنامج الماجستير في الذكاء الاصطناعي التطبيقي على مشكلة محددة أو وضع معين ويقدم لها حلولاً عملية. تمثل مدة الفصل الدراسي الواحد مرحلة تصميم المشروع وتخطيطه، ويُخصص الفصل الدراسي الأخير من الدراسة لاستكمال المشروع. يساعد المشروع التطبيقي على تدريب الخريجين على تنفيذ مشروع يتضمن جانباً بحثياً ويلبي احتياجات الصناعة بشكل مستقل.

يهدف تدريب طلاب جامعة محمد بن زايد للذكاء الاصطناعي في شركات الذكاء الاصطناعي إلى تزويدهم بخبرة عملية تجمع بين الدراسة الأكاديمية والتطبيق العملي. ويجب أن تكون مدة التدريب بالنسبة لطلبة الماجستير ستة أسابيع وتتوافق مع ساعات عمل الشركة التي يُعين فيها. ولا يُشترط أن يكون مجال التدريب متوافقاً بشكل مباشر مع أبحاث الطالب في الجامعة. ويجب أن يكون هذا التدريب متوافقاً مع نتائج التعلم لبرنامج التدريب في الجامعة المُبينة في دليل شركاء الجامعة من الصناعة، ودليل التدريب للمشرفين في الجامعة، ومعايير التقييم الخاصة بالبرنامج ذات الصلة.