التسجيل ورسوم دورة مقدمة في الذكاء الاصطناعي
مدة البرنامج الظاهرة حاليًا 5 أيام. رسوم الأونلاين المباشر 1,150 ريال، والحضور بالرياض 1,450 ريال مبدئيًا. لا يظهر موعد مؤكد حاليًا؛ الموعد يحدد بحسب الدفعات المتاحة، ويجب تأكيد الجدول واللغة والساعات والسعر النهائي قبل التسجيل.
أونلاين مباشر
جلسات حية بحسب جدول الدفعة
- مدة البرنامج: 5 أيام.
- مستوى تأسيسي مناسب للمبتدئين.
- شهادة حضور من المعهد بحسب عرض التسجيل.
حضوري بالرياض
داخل مقر التدريب بحسب الدفعة المتاحة
- مدة البرنامج: 5 أيام.
- تطبيقات وأمثلة بإشراف المدرب.
- أكد المكان والموعد والإجمالي قبل الدفع.
وصف الدورة
دورة مقدمة في الذكاء الاصطناعي وتعلم الآلة برنامج تأسيسي يساعد غير المتخصص والمبتدئ على فهم المجال قبل القفز إلى أدوات أو أكواد لا يعرف حدودها. تبدأ من معنى النظام الذكي، ثم توضح كيف تتعلم النماذج من البيانات، وكيف تُقيّم النتائج، وأين يختلف الذكاء التوليدي عن نماذج التصنيف والتنبؤ.
المحتوى مناسب لمن يريد استخدام AI بصورة أكثر وعيًا داخل العمل أو الدراسة، وكذلك لمن يختبر هل يناسبه المسار التقني. تتعلم كيف تحول مشكلة عامة إلى حالة استخدام قابلة للتقييم، وكيف تسأل عن البيانات والهدف والمقياس والمخاطر قبل اختيار أداة.
هذه ليست شهادة Vendor ولا برنامجًا مؤهلًا لاختبار خارجي، ولا تعد بأن يصبح المتدرب Machine Learning Engineer خلال خمسة أيام. قيمتها الحقيقية أنها تمنع البداية الخاطئة، وتمنحك لغة المجال وخريطة واضحة للمسار التالي.
ما هو AI؟
الذكاء الاصطناعي Artificial Intelligence هو اسم واسع لأنظمة هندسية أو معتمدة على الآلة تنتج، لهدف محدد، مخرجات مثل التنبؤات أو التوصيات أو القرارات أو المحتوى، وقد تعمل بدرجات مختلفة من الاستقلالية. ليست كل أداة AI واعية أو قادرة على الفهم البشري؛ غالبًا هي تتعرف على أنماط وتولّد استجابات ضمن حدود بياناتها وتصميمها.
| المصطلح | المعنى المبسط | مثال | ما الذي يجب ألا تفترضه؟ |
|---|---|---|---|
| Artificial Intelligence | المجال الأوسع للأنظمة التي تنفذ مهامًا معرفية أو تنتج مخرجات مؤثرة. | توصية، تصنيف، تنبؤ، مساعد ذكي. | ليس كل AI تعلمًا آليًا أو ذكاءً عامًا. |
| Machine Learning | طريقة لتدريب نموذج على البيانات كي يتنبأ أو يصنف أو يولد مخرجات. | توقع الطلب أو تصنيف الرسائل. | النموذج لا يتعلم جيدًا لمجرد وجود بيانات كثيرة. |
| Deep Learning | فرع من ML يعتمد على شبكات عصبية متعددة الطبقات لالتقاط أنماط معقدة. | الرؤية الحاسوبية والصوت والنماذج اللغوية. | ليس الخيار الأفضل تلقائيًا لكل مشكلة. |
| Generative AI | نماذج تنشئ نصًا أو صورة أو صوتًا أو كودًا استجابةً للمدخلات. | تلخيص مستند أو توليد مسودة. | المخرجات قد تكون مقنعة لكنها غير صحيحة. |
| Model | تمثيل رياضي أو حسابي يتعلم علاقات من البيانات. | نموذج يتوقع احتمال مغادرة عميل. | ليس قاعدة حقائق مضمونة. |
| Training | ضبط النموذج باستخدام بيانات وأمثلة ومعيار خطأ. | تعلم علاقة خصائص العميل بالنتيجة. | الأداء على بيانات التدريب لا يضمن الأداء الحقيقي. |
| Inference | استخدام النموذج المدرب لإنتاج نتيجة على بيانات جديدة. | توقع فئة رسالة جديدة. | النتيجة لا تلغي الحاجة إلى سياق ومراجعة. |
الفوائد
تفرق بين AI وML وDeep Learning وGenAI بدل استخدام الأسماء كأنها شيء واحد.
تتعلم ربط المشكلة بهدف واضح وبيانات ومقياس نجاح قبل اختيار الأداة.
تفهم البيانات والتدريب والتقييم والتعميم والاستخدام بعد النشر بمستوى تأسيسي.
تصيغ تعليمات أوضح وتراجع الجودة والحقائق بدل نسخ المخرجات كما هي.
تنتبه إلى الخصوصية والتحيز وتسرب البيانات والمعلومات غير الدقيقة وحقوق المحتوى.
تعرف هل تحتاج Python وML، أو Prompt Engineering، أو تحليل بيانات، أو حوكمة AI.
لماذا مسارتك؟
الدورة التأسيسية الجيدة لا تقيس نجاحها بعدد أسماء الأدوات التي تعرضها، بل بقدرة المتدرب على فهم ما يصلح لمشكلته وما لا يصلح. لذلك يركز التدريب على ربط المفهوم بموقف عملي، وعلى مراجعة المخرجات بدل الانبهار بها.
- شرح عربي واضح مع إبقاء المصطلحات الإنجليزية الضرورية.
- أمثلة من الأعمال والتعليم والتسويق والبيانات وخدمة العملاء.
- مقارنة بين الاستخدام الجاهز والمسار البرمجي لبناء النماذج.
- تمارين على صياغة الطلب ومراجعة الجودة والتحقق من النتائج.
- توضيح صريح لمخاطر الخصوصية والتحيز والمعلومات غير الدقيقة.
- خريطة تعلم تفرق بين Python وMachine Learning وDeep Learning وAI Governance.
المحتوى
يبدأ المحتوى من الأساس، ثم ينتقل إلى البيانات والتعلم والتقييم، وينتهي بالاستخدام المسؤول وخطة التعلم التالية.
| المحور | ما الذي تتعلمه؟ | الناتج المتوقع |
|---|---|---|
| مدخل إلى AI | أنواع المخرجات، درجات الاستقلالية، القدرات والحدود، وأمثلة من الحياة والعمل. | وصف حالة الاستخدام من دون خلط المصطلحات. |
| AI وML وDL وGenAI | العلاقة بين المجالات ومتى يكون كل مفهوم هو الوصف الأدق. | اختيار المصطلح المناسب للمشكلة. |
| البيانات والخصائص | Dataset وFeatures وLabels وجودة البيانات والتمثيل والتحيز. | تحديد ما يحتاجه النموذج من بيانات. |
| Supervised Learning | التعلم من أمثلة معنونة، والتصنيف Classification والانحدار Regression. | تمييز مهام التنبؤ والفئات. |
| Unsupervised Learning | اكتشاف البنية في بيانات غير معنونة، ومنها Clustering. | فهم متى نبحث عن مجموعات بدل توقع Label. |
| التدريب والتقييم | Training وValidation وTest ومقاييس الأداء والمقارنة بخط أساس. | طرح أسئلة صحيحة عن جودة النموذج. |
| Generalization وOverfitting | لماذا قد ينجح النموذج في التدريب ويفشل على بيانات جديدة. | فهم الحاجة إلى بيانات اختبار ومراقبة. |
| Deep Learning وLLMs | فكرة الشبكات العصبية والنماذج اللغوية من دون الدخول في اشتقاقات رياضية متقدمة. | فهم موقع النماذج الحديثة داخل المجال. |
| Generative AI | توليد النصوص والصور والأكواد والفرق بين المخرجات التوليدية والتنبؤية. | اختيار مهمة مناسبة لأداة توليدية. |
| Prompting Fundamentals | الهدف والسياق والقيود والأمثلة وصيغة الإخراج والمراجعة التكرارية. | كتابة طلب أوضح واختبار النتيجة. |
| AI في الأعمال | حالات استخدام في التسويق والإدارة والتعليم والتحليل وخدمة العملاء. | تحديد فرصة قابلة للقياس داخل العمل. |
| Responsible AI | الخصوصية والتحيز والشفافية والأمن وحقوق الملكية والمراجعة البشرية. | قائمة ضوابط قبل اعتماد المخرجات. |
| خطة التعلم التالية | المقارنة بين Python وData Analysis وMachine Learning وDeep Learning وGovernance. | اختيار مسار يناسب الهدف والوقت. |
ابدأ من هذه الدورة إذا كنت تريد فهم المجال أو استخدام AI في وظيفتك. ابدأ من Python إذا كان هدفك المباشر هو كتابة كود وبناء نماذج وملفات أعمال تقنية.
الفئة المستهدفة
الدورة مناسبة لـ
- المبتدئين الذين يريدون فهم AI قبل اختيار تخصص.
- الموظفين والمديرين الذين يستخدمون أدوات AI في العمل.
- المسوقين وصناع المحتوى وفرق خدمة العملاء.
- المعلمين والمدربين والباحثين والطلاب.
- أصحاب المشاريع ومنسقي المنتجات والعمليات.
- المهتمين بتحليل البيانات أو التحول الرقمي أو حوكمة AI.
المتطلبات والحدود
- لا تشترط برمجة سابقة.
- لا تشترط رياضيات متقدمة للمستوى التأسيسي.
- القدرة على استخدام الحاسب والإنترنت تكفي للبداية.
- يفضل إحضار أمثلة من مجال عملك لتحليلها أثناء التدريب.
- من يريد بناء نماذج يحتاج لاحقًا Python وإحصاءً ومشاريع عملية.
- الدورة لا تمنح اعتمادًا تقنيًا خارجيًا أو وظيفة مضمونة.
المهارات والوظائف
المهارات التي تبنيها الدورة
فهم المصطلحات والقدرات والحدود وقراءة الادعاءات التقنية بوعي.
تحديد الهدف والمستخدم والبيانات والمقياس والمخاطر قبل التنفيذ.
صياغة سياق وقيود وأمثلة ومخرجات مطلوبة ومراجعة النتيجة.
التحقق من الدقة والاكتمال والتحيز والمصادر قبل الاستخدام.
فهم الخصوصية وتسرب البيانات والأمن وحقوق المحتوى والمساءلة.
تحديد الفجوة بين مهارتك الحالية والدور الذي تستهدفه.
الوظائف والمجالات المرتبطة
الدورة تضيف معرفة إلى أدوار قائمة وتفتح مسار تعلم، لكنها لا تكفي وحدها للحصول على وظيفة هندسية في AI.
| الدور أو المجال | كيف تفيده الدورة؟ | ما المهارات الإضافية التي يحتاجها؟ |
|---|---|---|
| Marketing أو Content Specialist | اختيار حالات استخدام للمحتوى والبحث والتخصيص ومراجعة المخرجات. | استراتيجية محتوى وتحليلات وSEO وإشراف تحريري وقياس أداء. |
| Business أو Data Analyst | فهم موقع ML داخل التحليل وقراءة التنبؤات والقيود والمقاييس. | Excel وSQL وPower BI وإحصاء، ثم Python حسب الدور. |
| Product أو Operations Coordinator | صياغة مشكلة AI ومتطلبات المستخدم ومؤشرات النجاح والمخاطر. | تحليل عمليات ومتطلبات وتجارب مستخدم وخصوصية وإدارة مشروع. |
| Educator أو Trainer | استخدام AI في التحضير والتوليد والتقييم مع مراجعة بشرية. | تصميم تعليمي وسياسات نزاهة ومهارات تقييم ومصادر موثوقة. |
| AI Governance أو Compliance Assistant | وعي أولي بالمخاطر والشفافية والخصوصية والمساءلة. | أنظمة حماية البيانات وسياسات وامتثال وتقييم مخاطر وتوثيق. |
| Junior Data أو ML Pathway | تأسيس المصطلحات ودورة حياة النموذج واختيار المسار التقني. | Python وNumPy وPandas وإحصاء وجبر خطي وML ومشاريع وGit. |
| Machine Learning Engineer | توفر الدورة نقطة بداية لفهم المجال فقط. | برمجة وهندسة بيانات وخوارزميات وMLOps وCloud ونشر ومراقبة النماذج. |
الأسئلة الشائعة
ما هي دورة مقدمة في الذكاء الاصطناعي وتعلم الآلة؟
هل الدورة مناسبة لمن لا يعرف البرمجة؟
هل أحتاج إلى رياضيات متقدمة قبل التسجيل؟
ما الفرق بين AI وMachine Learning وDeep Learning وGenerative AI؟
هل الدورة عملية أم نظرية؟
هل تشمل الدورة Python أو بناء نموذج Machine Learning بالكود؟
هل تؤهلني الدورة مباشرة لوظيفة Machine Learning Engineer؟
هل ترتبط الدورة بشهادة مهنية أو اختبار رسمي؟
هل أحصل على شهادة حضور؟
ما المهارات التي أخرج بها بعد الدورة؟
ما المسار المناسب بعد هذه الدورة؟
ما مدة الدورة وطرق الحضور؟
كم سعر دورة مقدمة في الذكاء الاصطناعي؟
متى تبدأ الدفعة القادمة؟
كيف أستخدم أدوات الذكاء الاصطناعي بصورة مسؤولة؟
كيف أسجل في الدورة؟
ابدأ بفهم المجال قبل اختيار الأداة
أرسل هدفك الحالي لفريق مسارتك: استخدام AI في العمل، أو دخول تحليل البيانات، أو بناء نماذج Machine Learning. سيساعد ذلك على اختيار الدورة التالية بدل التسجيل في مسار لا يطابق احتياجك.