يهدف برنامج الدكتوراه في علم الروبوتات إلى إعداد الجيل القادم من الباحثين وقادة القطاع والأكاديميين والمعلمين الرائدين عالمياً في مجال علم الروبوتات والأنظمة المستقلة.
برنامج الدكتوراه في علم الروبوتات هو برنامج بحثي يركز على البحوث التي تتمحور حول البشر والروبوتات المستقلة، وهو يعدّ الطلاب المتميزين لمتابعة مسيرتهم المهنية في مجالات متطورة جداً ضمن العالم الأكاديمي والصناعي والحكومي. ويتعاون الباحثون الرائدون عالمياً في مجال علم الروبوتات لدينا مع الطلاب والشركاء في القطاع لتطوير الاكتشافات في مختلف مجالات علم الروبوتات مثل الإدراك وتعلم الآلة التطبيقي والتفاعل بين الإنسان والحاسوب والروبوتات الإدراكية والناعمة وذكاء السرب. ويتمتع الطلاب في هذا البرنامج بتجربة فريدة من نوعها إذ تتوفر لهم الفرصة لإجراء بحوث متقدمة باستخدام معدات فائقة التطور والحصول على التوجيه من خبراء مرموقين على المستوى العالمي.
بعد استيفاء متطلبات البرنامج، يصبح الخريج قادراً على:
1- تحليل المشكلة وتطبيق الطرق المتقدمة المختارة والمناسبة في مجال علم الروبوتات والأنظمة المستقلة
2- العمل بشكلٍ فردي أو ضمن فريق لتصميم البرامج والأجهزة المتقدمة ودمجها للتوصل إلى حلول الروبوتات المستقلة
3- إجراء تقييم نقدي لجدوى الابتكارات من الناحيتَين العملية والتجارية في ما يتعلق بالأنظمة متعددة الروبوتات، وعلم الروبوتات والأنظمة المستقلة في مجموعة من التطبيقات المستدامة
4- إجراء تقييم نقدي للموضوعات البحثية والمشاكل والتحديات الحالية المتعلقة بعلم الروبوتات والأنظمة المستقلة
5- اكتشاف المعرفة الجديدة وتفسيرها والتواصل بشأنها شفهياً ومن خلال البحوث الجديدة ذات الجودة العالية والتي يمكن نشرها في مجلات مرموقة
للحصول على شهادة الدكتوراه في علم الروبوتات، ينبغي على الطلاب حضور ما لا يقل عن 60 ساعة دراسية معتمدة مقسمة على النحو التالي:
عدد المساقات | الساعات الدراسية | |
---|---|---|
المساقات الرئيسية | 4 | 16 |
المساقات الاختيارية | 2 | 8 |
تدريب | تشمل شروط التخرج إكمال فترة تدريب واحدة على الأقل تمتد حتى أربعة أشهر وفق معايير مقبولة | 2 |
طرق البحث المتقدمة | 1 | 2 |
الأطروحة البحثية | 1 | 32 |
تُعتبر شهادة الدكتوراه في علم الروبوتات شهادة علمية قائمة بشكل أساسي على البحث. وتهدف مقرراتها الدراسية إلى تزويد الطلاب بمجموعة من المهارات المناسبة التي تمكنهم من إنجاز مشاريعهم البحثية (الأطروحة البحثية) بنجاح. ويتوجب على الطلاب استكمال المساقات الإلزامية التالية: ROB801 وROB802 وROB803 وROB804.
اسم المساق | الساعات الدراسية | |
---|---|---|
ROB801 |
التخطيط المتقدم لحركة الروبوتات
يشكل تخطيط الحركة مكوناً أساسياً في تطبيقات الروبوتات، إذ يساعد الروبوتات على اتخاذ قرارات استراتيجية بشأن حركاتها المستقبلية ومتى تنفيذها. ينظر هذا المساق في التقنيات المتقدمة لتخطيط الحركة وتطبيقاتها في مختلف أنواع الروبوتات (مثل الروبوتات الأرضية والجوية والبحرية والشبيهة بالبشر وذراع الروبوت) ويقدم تحليلاً نظرياً معمقاً لهذه الطرق ويعلم الطلاب كيفية تطبيقها من خلال مهام متعددة قائمة على البرمجة. |
4 |
ROB802 |
موضوعات متقدمة في مجال علم الروبوتات: الأنظمة متعددة الروبوتات
يشكل هذا المساق مقدمة شاملة إلى الأنظمة متعددة الروبوتات. ويعرّف الطلاب على البحوث المتقدمة في مجال الروبوتات المتعددة من خلال الجمع بين طرق التعليم التقليدية والمحاضرات الدراسية والعمل في المختبرات. يتعلم الطلاب كيفية تطبيق مجموعة من التقنيات مثل العمليات العشوائية والطرق الشبكية النظرية ومفاهيم الهندسة الرياضية ومبادئ التحسين بهدف نمذجة الأنظمة متعددة الروبوتات وتحليلها وتشغيلها. |
4 |
ROB803 |
الروبوتات المتقدمة الشبيهة بالبشر
تزداد أهمية الروبوتات الشبيهة بالبشر مع ارتفاع الطلب على روبوتات الخدمة والروبوتات المساعدة للإنسان. يتطرق هذا المساق المتخصص إلى موضوعات متعددة متعلقة بالروبوتات المتقدمة الشبيهة بالبشر مثل الحركة والديناميكيات والنمذجة والتحكم وتخطيط الحركة والتقاط الأشياء ومناولتها، والإدراك، والتعلم، والتفاعل مع الإنسان. ويقدم مزيجاً من التحليل النظري المعمق لهذه التقنيات والممارسة العملية من خلال المحاكاة والتطبيق على الأجهزة. |
4 |
ROB804 |
الرؤية للروبوتات المستقلة
تزداد أهمية الروبوتات الشبيهة بالبشر مع ارتفاع الطلب على روبوتات الخدمة والروبوتات المساعدة للإنسان. يتطرق هذا المساق المتخصص إلى موضوعات متعددة متعلقة بالروبوتات المتقدمة الشبيهة بالبشر مثل الحركة والديناميكيات والنمذجة والتحكم وتخطيط الحركة والتقاط الأشياء ومناولتها، والإدراك، والتعلم، والتفاعل مع الإنسان. ويقدم مزيجاً من التحليل النظري المعمق لهذه التقنيات والممارسة العملية من خلال المحاكاة والتطبيق على الأجهزة. |
4 |
يختار الطلاب ما لا يقل عن مقررين اختياريين، بإجمالي 8 ساعات دراسية (أو أكثر). يجب اختيار المساقين على أساس رغبة الطلاب وموضوع أطروحتهم المقترح وطموحاتهم المهنية، وذلك بالتشاور مع لجنة الإشراف الخاصة بهم. ترد المساقات الاختيارية المتاحةللدكتوراه في علم الروبوتات في الجداول أدناه:
اسم المساق | الساعات الدراسية | |
---|---|---|
CB803 |
بيولوجيا الخلايا المفردة والمعلوماتية الحيوية
يتعرف الطلبة من خلال هذا المساق على طبيعة البيانات الحيوية وأنواعها وخصائصها. كما يبحث في المبادئ الأساسية للمعلوماتية الحيوية الخاصة بالتحليل الجينومي للخلايا المنفردة، حيث يغطي المنهجيات والأدوات والعمليات الحوسبية الرئيسة؛ خاصةً تلك المستخدمة في تطوير النماذج التأسيسية لبيانات التحليل الجينومي للخلايا المنفردة من منظور بحثي. يذكر أن مجال التحليل الجينومي للخلايا المنفردة يعد من التقنيات الجديدة وسريعة التطور التي تُمكن من القيام بالتحليل الجزيئي للخلايا المنفردة بدقة عالية جداً – ومن شأنها تطوير الطب الدقيق. يغطي المساق أيضاً الجوانب الأساسية لعلم المعلوماتية الحيوية اللازمة للتعامل مع بيانات التحليل الجينومي للخلايا المنفردة. |
4 |
CV804 |
معالجة الهندسة الرياضية ثلاثية الأبعاد
يشكل هذا المساق مقدمة إلى معالجة الهندسة الرياضية ثلاثية الأبعاد، وهي مجال دراسي مهم يجمع بين الرؤية الحاسوبية والرسومات الحاسوبية والهندسة المنفصلة. تزداد أنظمة الرؤية ثلاثية الأبعاد تعقيداً ولم يعد التعرف إلى الأشياء ونمذجتها محدوداً بتمثيلات الخصائص المجرّدة، بل بات يشمل تمثيلات رقمية دقيقة وشبيهة للغاية بالأشياء والبيئات الحقيقية. وفي حين أن معالجة الهندسة الرياضية ثلاثية الأبعاد قد تطورت إلى حد كبير في مجالات المؤثرات البصرية والألعاب التفاعلية، إنها تؤثر أيضاً في مجالات أخرى مثل تقنيات الميتافيرس وعلم الروبوتات والطب الأحيائي والطباعة ثلاثية الأبعاد. تستخدم أنظمة الواقع المعزز/الافتراضي الصور الرمزية (أفاتار) الافتراضية الممسوحة ثلاثية الأبعاد لتمكين التواصل الغامر، فيما تلتقط السيارات ذاتية القيادة البيئة ثلاثية الأبعاد المحيطة بها في الوقت الحقيقي، ويعمل برنامج جوجل إيرث على رقمنة عوالم بأكملها باستخدام بيانات الأقمار الصناعية والبيانات الجغرافية المكانية. هذا وأصبحت الشبكات المضلعية المعيار النموذجي لتمثيل الأسطح ثلاثية الأبعاد مع ظهور المسح ثلاثي الأبعاد وأجهزة استشعار العمق في الوقت الحقيقي وتقنيات الطباعة ثلاثية الأبعاد. يغطي هذا المساق أسس الرياضيات لدراسة الأسطح ثلاثية الأبعاد من وجهة نظر هندسية تفاضلية منفصلة، ويقدم سير عمل المعالجة الهندسية بالكامل: من التقاط البيانات ثلاثية الأبعاد إلى تسوية الشبكات، وإعادة بناء الأسطح، والتمثيل الوسيطي، والمطابقة، وتحليل الأشكال (التماثل والتناظر والمطابقة)، والتوليد القائم على البيانات، والمعالجة التفاعلية، والطباعة ثلاثية الأبعاد. هذا وسيتضمن عرضاً للتطبيقات المهمة والتطورات الأخيرة ذات الصلة في مجال الذكاء الاصطناعي، لا سيما تلك المتعلقة بالتعلم العميق ثلاثي الأبعاد، والنماذج التوليدية العميقة للأشياء ثلاثية الأبعاد، والتصيير الاشتقاقي. وشبيهاً بمعالجة الصور التي تكون مدخلاتها صوراً وفيديوهات ثنائية الأبعاد، تشمل معالجة الهندسة الرياضية ثلاثية الأبعاد معالجة خرائط العمق والسحابات النقطية والشبكات المضلعية والبيانات الحجمية ثلاثية الأبعاد بالإضافة إلى تقنيات متعددة من الجبر الخطي والهندسة التفاضلية ومعالجة الإشارات والتحسين العددي. يشمل هذا المساق تمارين ترميز عملية تهدف إلى فهم الخوارزميات الأساسية لمعالجة الهندسة الرياضية، بالإضافة إلى مشروع مشوق حول التقاط البيانات ومعالجة الهندسة. |
4 |
CV806 |
موضوعات متقدمة في الرؤية واللغة
تولد الرؤية واللغة معلومات يُكمِّل بعضها البعض ولطالما تمت دراستهما معاً؛ ومع ظهور النماذج اللغوية الكبيرة وتطورها، أصبحت النماذج اللغوية-البصرية واحدة من أكثر المجالات قوة وأنشطها في بحوث الرؤية الحاسوبية الحديثة. سيغطي هذا المساق طرق التعلم والنماذج المشتركة لبيانات الصور والنصوص. كما سينظر في عدد من المشكلات بما فيها التدريب المسبق للنماذج اللغوية-البصرية، وعمليات البحث عن الصور بالمكتوب، وتوليد التعليقات عن الصور والفيديوهات، والإجابة على الأسئلة بالمرئيات، والحوار بالمرئيات، وتوليد الصور من النصوص، بالإضافة إلى الملاحة والتحكم باستخدام النماذج اللغوية-البصرية. |
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 المتحد
هذا مقرر 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 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 |
ML809 |
دراسات متقدمة في نظرية التعلم
يشكل هذا المساق مدخلاً للأفكار والنظريات الأساسية الخاصة بنظرية التعلم الإحصائي واستخداماتها في تصميم وتحليل أنظمة تعلم الآلة. كما يتناول هذا المساق بالدرس كيفية ملاءمة النماذج التنبئية للبيانات التدريبية من خلال نظرية التعلم الإحصائي – عادةً عن طريق حل مشكلة تحسين – بطريقة تجعل النموذج يتنبأ بشكل جيد، في المتوسط، باستخدام البيانات الجديدة. |
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 |
ML815 |
دراسات متقدمة في نظم تعلم الآلة المتوازية والموزعة
يتطلب تدريب أكبر برامج تعلم الآلة عمليات حسابية تتراوح بين بيتافلوبس (1015) وإكسافلوبس (1018). كما يحتاج تدريبها إلى أجهزة لتسريع أداء المُعالِجَات بقدرات هائلة تساوي (1012) تيرابايت وأكثر. وبدورها مُعالِجَات تعلم الآلة الضخمة بحاجة إلى مئات أو آلاف المُسرِّعَاتِ لتلبية ما تتطلبه من حيث الذاكرة التخزينية والقدرات الحوسبية. وبهدف التعرف أكثر وبشكل أعمق على مختلف هذه الجوانب، سيغطي هذا المساق تصميم بنية الأنظمة، واستراتيجيات الاتصال، والتعديلات الخوارزمية المطلوبة لتنفيذ مهمة تدريب نماذج تعلم الآلة بشكل متوازٍ وموزعٍ باستخدام العديد من المُعَالِجَات المتصلة عبر شبكة اتصال. وسيتعلم الطلاب، في الجزء الأول من هذا المساق، مجموعة كاملة من المبادئ، والتمثيلات، ومقاييس الأداء لتوازي برامج تعلم الآلة والخوارزميات التعليمية، إضافة إلى كيفية مقارنة وتقييم استراتيجيات تعلم الآلة المتوازية المختلفة المكونة من “جوانب” أساسية من تعلم الآلة المتوازي؛ أما في الجزء الثاني من هذا المساق، فسيطبق الطلاب هذه المهارات لقراءة ونقد الأبحاث المنشورة في الأدبيات العلمية حول نظم تعلم الآلة المتوازية والموزعة. |
4 |
ML818 |
قضايا مستجدة خاصة بموثوقية نظم تعلم الآلة
سيقدم هذا المساق نظرة معمقة للطلبة على القضايا المحورية المتعلقة بنظم أو نماذج تعلم الآلة الموثوقة والمسؤولة. وسيطلع الطلبة أيضاً من خلال هذا المساق على الهجمات العدائية و/أو هجمات تسميم البيانات والهجمات التي تستهدف الخصوصية و/أو السرية ضد نظم تعلم الآلة وكيفية مواجهة مثل هذه الهجمات بهدف صدها والسيطرة عليها. سيتناول هذا المساق بالدرس كذلك خوارزميات تعلم الآلة العدائية من خلال إطار عمل التحسين ونظريات الألعاب. وسيكون التركيز في هذا المساق على دراسة حماية الخصوصية الحوسبية الخاصة بعلم البيانات وتعلم الآلة من خلال مفهوم رياضي يسمى الخصوصية التفاضلية. كما سيغطي المساق قضايا أخلاقية أخرى مرتبطة بتعلم الآلة مثل العدالة، وتوليد محتوى مسؤول وغير متحيز، ووضع العلامة المائية الرقمية للتحقق من المصادقة وملكية المحتوى (المصادر)، والهجمات مثل التزييف العميق، واكتشافها والتحقق من قوة الدفاعات ذات الصلة (التحليل الجنائي للوسائط المتعددة). |
4 |
NLP804 |
التعلم العميق لتوليد اللغة الطبيعية
يركز هذا المساق على التطورات الأخيرة في مجال التعلم العميق لتوليد اللغة الطبيعية. ويرتكز إلى مفاهيم معالجة اللغة الطبيعية، كما يستلزم معرفة مسبقة ببعض المفاهيم الأساسية مثل المحوّلات وترجمة الآلة وتلخيص النصوص. |
4 |
NLP805 |
معالجة اللغة الطبيعية
يركز هذا المساق على الأبحاث الحديثة في معالجة اللغة الطبيعية وعلى تطوير المهارات اللازمة لإجراء الأبحاث الهادفة إلى تحقيق تقدم في مجال معالجة اللغة الطبيعية. |
4 |
NLP806 |
دراسات متقدمة في معالجة اللغة الطبيعية
يركز هذا المساق على الموضوعات الحديثة في معالجة اللغة الطبيعية وعلى تطوير المهارات اللازمة لإجراء البحوث بهدف تطوير تكنولوجيات معالجة اللغة الطبيعية. وسيغطي هذا المساق تحديداً الأساسيات المرتبطة بالنماذج اللغوية الكبيرة مثل: هيكلية المحولات، وأساليب تدريب وتقييم النماذج اللغوية الكبيرة باستخدام التدريب الموزع وأساليب الكفاءة، وتطبيقها في التعدد اللغوي، والترجمة، والوسائط المتعددة. |
4 |
NLP807 |
معالجة الكلام
يشكل هذا المساق مدخلاً شاملاً خاصاً بمعالجة الكلام يركز فيه الطلبة على تطوير معرفتهم بأحدث التقنيات الخاصة بمجموعة واسعة من المهام المرتبطة بمعالجة الكلام إلى جانب تزويدهم بالمهارات البحثية التي تمكنهم من الإسهام في تعزيز البحث لتطوير هذه التقنيات – وتغطي الموضوعات التي سيتم تناولها في هذا المساق: إنتاج الكلام، وتحليل إشارات الكلام، والتعرف المؤتمت على الكلام، وتحويل المكتوب إلى كلام، والتعرف على الكلام العصبي وتركيبه، وموضوعات حديثة في النماذج الأساسية ومعالجة الكلام. |
4 |
NLP808 |
قضايا مستجدة في معالجة اللغة الطبيعية
يركز هذا المساق على الموضوعات الحديثة في معالجة اللغة الطبيعية وعلى تطوير مهارات الطلبة التي من شأنها تعزيز مهاراتهم البحثية لتطوير مجال معالجة اللغة الطبيعية. |
4 |
NLP809 |
دراسات متقدمة في معالجة الكلام
يتناول هذا المساق بالدرس أحدث التقنيات والمنهجيات في مجال معالجة الكلام، ويغطي موضوعات متقدمة مثل التعرف المؤتمت على الكلام، ونمذجة اللغة وفك الترميز، وتحويل المكتوب إلى كلام، والتعرف على المتحدث، وتقسيم الكلام، وتحليل المشيرات اللا صوتية، وترجمة الكلام وتلخيصه، والتعدد اللغوي واللغات ذات الموارد المحدودة، وأنظمة الحوار الصوتي. كما سيتناول الطلبة من خلال هذا المساق النماذج الحديثة والأطر المختلفة لمهام أو وظائف الكلام – سيركز المساق أيضاً على الفهم النظري والتنفيذ أو التطبيق العملي على حد سواء، مما سيعزز المهارات اللازمة لدى الطلبة وتمكينهم من إنجاز للبحوث وتنفيذ عمليات التطوير المبتكرة في مجال تقنيات الكلام. |
4 |
NLP810 |
نظم معالجة اللغة الطبيعية المتينة والموثوقة
يقدِّم هذا المساق للطلاب مدخلا إلى موضوعات متقدمة في معالجة اللغة الطبيعية المتعلقة بموثوقية وقوة النماذج اللغوية، وتحديداً المعرفة التطبيقية والعملية للنماذج اللغوية، وسلامتها وشموليتها، وآليات عملها الداخلية. كما يُعد المساق الطلاب لإجراء أبحاث تسهم في تطوير الحالة الراهنة لهذه المجالات البحثية. |
4 |
تفرض أطروحة الدكتوراه على الطلاب معالجة مجموعة من الإشكاليات البحثية المتطورة وصعبة الحل في مجال علم الروبوتات، والتي تستلزم منهم طرح حلول جديدة، والمساهمة بشكل كبير في الارتقاء بخبرات هذا المجال. ويتابع الطلاب دراستهم البحثية المستقلة، بتوجيه من لجنة الإشراف، لمدة تتراوح من 3 إلى 4 سنوات.
اسم المساق | الساعات الدراسية | |
---|---|---|
ROB899 |
أطروحة الدكتوراه في علم الروبوتات
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. |
2 |
يهدف التدريب، الذي يشار إليه أيضاً باسم العمل في شركات الذكاء الاصطناعي، إلى تزويد الطالب بخبرة عملية تجمع بين ما تعلمه خلال دراسته الأكاديمية والتطبيق العملي.
اسم المساق | الساعات الدراسية | |
---|---|---|
INT899 |
تدريب الدكتوراه
برنامج تدريبي خاص للدكتوراة (يمتد حتى 4 اشهر) |
2 |
تستقبل الجامعة المتقدمين من جميع الجنسيات الحاصلين على درجة علمية تم استكمالها في مجال العلوم، والتكنولوجيا، والهندسة، والرياضيات مثل علوم الحاسوب، والهندسة الكهربائية، وهندسة الحاسوب، والرياضيات، والفيزياء أو أي تخصص علمي أو هندسي آخر ذي صلة، وممن أظهروا تميزاً أكاديمياً في تخصص مناسب لبرنامج الدكتوراه ومن جامعة معتمدة أو معترف بها من قبل وزارة التربية والتعليم في دولة الإمارات – من الحاصلين على:
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.
يتوجب على جميع المتقدمين تقديم دليل يثبت إجادة اللغة الإنجليزية من خلال تقديم نسخة سارية المفعول عن إحدى الشهادات التالية:
وتجدر الإشارة إلى أن اختباري التوفل عبر الانترنت والآيلتس صالحين لمدة عامين من تاريخ الاختبار، بينما يُعتبر فحص الإمارات القياسي صالحاً لمدة 18 شهراً، وأنه يتم النظر فقط في الاختبارات النموذجية المعتمدة (أي تلك التي يتم إجراؤها في مراكز الاختبار) لاختبارات إتقان اللغة الإنجليزية المقبولة.
تتم دراسة طلبات الإعفاء التي يقدمها الطلاب المؤهلون (حسب جواز السفر أو الجنسية) من مواطني المملكة المتحدة والولايات المتحدة وأستراليا ونيوزيلندا ممن استكملوا المرحلة المدرسية وصولاً إلى درجة البكالوريوس والماجستير في تلك الدول (إن وجدت). كما يجدر بهم تقديم نسخ مصدقة عن شهاداتهم خلال مرحلة التقديم ووثائق مصدقة عند القبول. على أن يتم البت بقرارات الإعفاء في غضون سبعة (7) أيام من استيفاء جميع الشروط.
يُعتبر تقديم شهادة اختبار تقييم الخريجين أمراً اختيارياً، وهو بمثابة ميزة إضافية يتم أخذها بعين الاعتبار عند تقييم المتقدمين.
يستعرض المتقدم في مقالة مؤلفة من500 إلى 1000كلمة سبب رغبته في الالتحاق بجامعة محمد بن زايد للذكاء الاصطناعي، حيث يجب أن تتضمن المقالة ما يلي:
يجب أن يلخص بيان البحث مشروع البحث المحتمل الذي يهتم المتقدم بطرحه، وأن يبرر بوضوح الفجوة البحثية التي يرغب المتقدم في ردمها خلال مرحلة دراسته. كما يجب تقديم بيان البحث في سياق الأدبيات المتوفرة حالياً، إلى جانب تقديم 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، وأن يبرز الأهمية العلمية والتجارية لهذا المشروع، على أن يتضمن المعلومات التالية:
الجدير بالذكر أنه على المتقدمين إعداد بيان البحث بشكل مستقل، إذ لا تساعد الهيئة التدريسية في كتابة هذا البيان. ويقوم اللجنة الأكاديمية لدى الجامعة بمراجعة الوثيقة المقدمة واستخدامها كأحد المعايير لقياس مهارات المتقدمين وتقييمها.
يُطلب من المتقدمين ترشيح شخصيات مرجعية للتوصية بطلباتهم. إذ يتعين على المتقدم لبرامج الدكتوراه ترشيح ثلاث شخصيات مرجعية على الأقل، من بينهم شخص على الأقل من أعضاء الهيئة التدريسية أو من الأساتذة أو مستشاري البحوث في أحد المساقات التي سبق للمتقدم أن التحق بها، وشخصيتان من المشرفين على المتقدم في إطار وظيفته الحالية أو السابقة.
لذا، وبغية تجنب أي مشكلات أو تأخير في تقديم التوصية، يتعين على المتقدم إبلاغ الشخصيات المرجعية بترشيحه لها مسبقاً، فضلاً عن تقديم معلومات دقيقة عنها عبر بوابة التقديم الإلكترونية. يُذكر أن الشخصيات المرجعية ستتلقى إشعارات مؤتمتة بمجرد إرسال الطلب.
سيتم دعوة جميع المتقدمين الذين لديهم ملفات مكتملة، بما في ذلك العدد المطلوب من خطابات التوصية، للمشاركة في امتحان قبول إلكتروني لتقييم معارفهم ومهاراتهم. وتجب الإشارة هنا إلى أن استكمال هذا الامتحان ليس إلزامياً؛ ولكنه موصى به بقوة، حيث سيوفر معلومات إضافية للجنة التقييم. ويُوصى بالإعفاء منه فقط للطلاب الذين يمكنهم تقديم أدلة قوية على قدراتهم البحثية، وخبرتهم، ومهاراتهم التقنية
موضوعات الامتحان:
الرياضيات: حساب التفاضل والتكامل، ونظرية الاحتمالات، والجبر الخطي، وعلم المثلثات، والتحسين
تعلم الآلة: خوارزميات ومفاهيم تعلم الآلة مثل الانحدار الخطي، وأشجار القرار، ودوال الخسارة، وآلات الدعم الناقل، والتصنيف، والانحدار، والتجميع، والشبكات العصبونية التلافيفية، وتقليل الأبعاد، والشبكات العصبونية، والتعلم غير المراقب
البرمجة: معرفة مفاهيم ومبادئ برمجية محددة مثل الخوارزميات، وهياكل البيانات، والمنطق، والبرمجة الكائنية (OOP)، والتكرار، بالإضافة إلى معرفة خاصة بلغة بايثون للبرمجة
موضوعات التخصص: <spanمعرفة وفهم نظرية الحوسبة، والتعقيد الحوسبي، وقواعد البيانات، وهندسة الحاسوب، وأنظمة التشغيل.
يُنصح بالنسبة لجميع المتقدمين بالحرص على استكمال الدورات الإلكترونية التالية لتحسين مؤهلاتهم:
يمكن الاطلاع على التعليمات الخاصة بالامتحان باللغة الإنجليزية هنا
قد تتم دعوة عدد محدد من المتقدمين لإجراء المقابلة الشخصية مع أعضاء هيئة التدريس كجزء من عملية الاختيار. وسيتم إبلاغ المتقدمين بالوقت والتعليمات الخاصة بذلك في الوقت المناسب.
يجب تقديم طلب واحد فقط لكل دورة قبول، ولا يُنصح بتقديم طلبات متعددة.
فتح بوابة التقديم | الموعد النهائي للتقديم العادي | تواريخ الإعلان عن القرارات | الموعد النهائي للتقديم الآجل |
---|---|---|---|
1 أكتوبر 2024 (في تمام الساعة 08:00 صباحاً بتوقيت الإمارات) |
15 يناير 2025 (في تمام الساعة 05:00 مساءً بتوقيت الإمارات) |
31 مارس 2025 (في تمام الساعة 05:00 مساءً بتوقيت الإمارات) |
31 مايو 2025 (في تمام الساعة 05:00 مساءً بتوقيت الإمارات) |
سيتم إيلاء طلبات المتقدمين من ذوي الكفاءة العالية الذين يقدمون طلباتهم قبل ‘“الموعد النهائي للتقديم العادي” عناية كاملة شريطة أن تكون طلباتهم مستوفية لجميع المتطلبات (بما في ذلك خطابات التوصية المطلوبة). | ستظل بوابة التقديم الإلكترونية مفتوحة إلى غاية حلول تاريخ نهاية “الموعد النهائي للتقديم الآجل“. ولا نضمن في هذ الحالة أن الطلبات المقدمة آجلاً ستُمنح العناية نفسها مقارنة مع تلك المقدمة قبل نهاية موعد التقديم العادي. |
المعلومات التفصيلية حول عملية التقديم والمنح الدراسية متاحة هنا.
تكون خطة الدراسة النموذجية على الشكل التالي:
الفصل 1 ROB801 التخطيط المتقدم لحركة الروبوتاتبيان إخلاء مسؤولية: المحتوى قابل للتغيير.
يعيد الذكاء الاصطناعي تشكيل قطاعات الأنشطة الاقتصادية في جميع أنحاء العالم، وفي جامعة محمد بن زايد للذكاء الاصطناعي، تركز المبادرات البحثية الحديثة على مجالات رئيسية تشمل: النقل، والصحة، والبيئة، والتكنولوجيا.
المزيد من المعلوماتمركز حضانة وريادة الأعمال هو حاضنة رائدة خاصة بمجال تطوير شركات الذكاء الاصطناعي الواعدة، ويهدف إلى رعاية ودعم الجيل القادم من هذه الشركات الناشئة المدعومة بالذكاء الاصطناعي.
المزيد من المعلوماتمجلة دورية تطلعك على آخر مستجدات وتطورات البحث والابتكار الخاصة بمجال الذكاء الاصطناعي.
المزيد من المعلوماتسوف نوافيكم بأحدث المستجدات وموعد بدأ التقديم وملىء الاستمارات