دكتوراه في الإحصاء وعلوم البيانات

START YOUR JOURNEY NOW

الصفحة الرئيسية / الدراسة / برامج الدكتوراه / دكتوراه في الإحصاء وعلوم البيانات

لمحة عامة

يجمع الإحصاء وعلوم 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 وعلوم 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 وعلوم 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.

دوام دراسي كامل
60 ساعة معتمدة
الدراسة في الجامعة

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 علوم 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 وعلوم البيانات بما من شأنه الإسهام في تقدم المعرفة في هذا المجال المعرفي.

متطلبات الحصول على درجة الدكتوراه في الإحصاء وعلوم 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

المساقات الرئيسية

دكتوراه الفلسفة في الإحصاء وعلوم 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.

	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

المساقات الاختيارية

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 وعلوم البيانات مذكورة في الجدول أدناه:

	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، وعلوم البيانات، من خلال مزيج متوازن من الجانب النظري والتطبيقي.	4
STADS805	نظرية التعلم العميق	4
STADS807	الاحتمالات والإحصائيات عالية الأبعاد	4

الأطروحة البحثية

تُتيح أطروحة الدكتوراه للطلبة فرصة الاشتغال على مشكلات بحثية متقدمة لم يتم بعد إيجاد حلول لها في مجالي الإحصاء وعلوم 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.

	اسم المساق	عدد الساعات المعتمدة
STADS899	أطروحة الدكتوراه البحثية في الإحصاء وعلوم 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.

التدريب

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.

	اسم المساق	عدد الساعات المعتمدة
INT899	التدريب برنامج تدريبي خاص للدكتوراة (يمتد حتى 4 اشهر)	2

الشهادة المطلوبة

تتم عملية القبول ببرامج الدكتوراه في جامعة محمد بن زايد للذكاء الاصطناعي وفق إجراءات اختيار دقيقة، وهي تعتمد على متطلبات القبول المبينة في صفحة القبول الخاصة بالجامعة كإطار عمل لاختيار المتقدمين:

- برنامج الدكتوراه هذا، مفتوح أمام الطلبة الحاصلين على درجة البكالوريوس في أحد مجالات العلوم والتكنولوجيا والهندسة والرياضيات (STEM) مثل علوم الحاسوب، والهندسة الكهربائية، وهندسة الحاسوب، والرياضيات، والفيزياء، أو أي تخصص علمي وهندسي ذي صلة من جامعة معتمدة أو معترف بها من قبل وزارة التربية والتعليم (MoE) في دولة الإمارات. ويُظهر الطالب من خلال هذه الدرجة العلمية تميزاً أكاديمياً في تخصص يتناسب مع دراسات درجة الدكتوراه. كما يجب أن يكون لدى الطالب المتقدم معدلاً تراكمياً (CGPA) لا يقل عن 3.5 (على مقياس 4.0) أو ما يعادله.

أو

برنامج الدكتوراه أيضاً مفتوح في وجه الطلبة الحاصلين على درجات البكالوريوس والماجستير في مجالات العلوم والتكنولوجيا والهندسة والرياضيات (STEM) مثل علوم الحاسوب، والهندسة الكهربائية، وهندسة الحاسوب، والرياضيات، والفيزياء، وغيرها من التخصصات العلمية والهندسية ذات الصلة، من جامعة معترف بها أو معتمدة من وزارة التربية والتعليم (MoE) في دولة الإمارات. ويجب أن يكون لدى الطلاب معدلاً تراكمياً لا يقل عن 3.2 (على مقياس 4.0) أو ما يعادله.

يجب على المتقدمين تقديم شهاداتهم العلمية المستكملة وكشوف الدرجات الرسمية (بالإنجليزية) عند التقديم. وبالنسبة لطلاب المستويات الأعلى، يمكنهم مبدئياً التقديم بنسخة من كشف الدرجات وخطاب يوضح تاريخ التخرج المتوقع، ويجب عليهم – عند القبول – تقديم شهادة الدرجة العلمية المستكملة وكشف الدرجات الرسمي. يجب أيضا على المتقدمين القيام بتصديق الشهادة (للدرجات العلمية من الإمارات) أو شهادة المعادلة (للدرجات العلمية المحصل عليها خارج الإمارات) وتقديمها خلال أجل أقصاه الفصل الدراسي الجامعي الأول.

إجادة اللغة الإنجليزية

يتوجب على جميع المتقدمين تقديم دليل يثبت إجادة اللغة الإنجليزية من خلال تقديم نسخة سارية المفعول عن إحدى الشهادات التالية:

اختبار التُوفَل عبر منصة (TOEFL iBT) بمجموع لا يقل عن 90 درجة
شهادة الآيلتس الأكاديمي (IELTS) بمعدل لا يقل عن 6.5 درجة
اختبار الإمارات القياسي (EmSAT) بمجموع درجات لا يقل عن 1550

تجدر الإشارة إلى أن اختباري التوفل عبر الإنترنت والآيلتس صالحين لمدة عامين من تاريخ الاختبار، بينما يُعتبر اختبار الإمارات القياسي صالحاً لمدة 18 شهراً. ويتم النظر فقط في الاختبارات النموذجية المعتمدة (أي تلك التي يتم إجراؤها في مراكز الاختبار الفعلية) 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 وجد). كما يجدر بهم تقديم نسخ مصدّقة من شهاداتهم خلال مرحلة التقديم ووثائق مصدقة عند القبول. على أن يتم البت بقرارات الإعفاء في غضون سبعة (7) أيام من استيفاء جميع الشروط.

شهادة اختبار القبول للدراسات العليا (GRE) العامة صالحة وقياسية (أي تم إجراء الاختبار في مركز اختبار فعلي) مع الحد الأدنى من الدرجات التالية إلزامية للمتقدمين الذين يتقدمون بدرجة البكالوريوس فقط:

50 – التحليل المنطقي الشفوي
150 – التحليل المنطقي الكمي
3.0 – الكتابة التحليلية

بيان الغرض من الدراسة

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

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.

تواريخ مهمة

آخر تاريخ للتقديم : 31 مارس 2025 (5:00 مساء بتوقيت الإمارات)

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)