Neuriwe
المنهج
خمسة مسارات، خمسة عشر مقرراً.
90 وحدة في 15 مقرراً، يُدرَّس كل منها لمتعلمي Studio وLabs.
كيف يعمل المنهج
وحدة كل أسبوع. ومخرجان لكل وحدة.
يتألف كل مقرر من ست وحدات، وحدة في كل أسبوع، إضافة إلى تقييم نهائي. ولكل وحدة مخرج لمتعلم Studio (البنّاء) ومخرج لمتعلم Labs (المهندس)، ويلتقي المساران في مراجعة مشروع المقرر.
يعكس محتوى الوحدات مخطط المنهج ويُراجَع كل ربع سنة.
| المسار | المقررات | الوحدات |
|---|---|---|
| المسار 1: أسس الحوسبة وتاريخها (الخمسينيات حتى 2011) | 101, 102, 103 | 18 |
| المسار 2: ثورة التعلّم العميق (2012-2021) | 201, 202, 203 | 18 |
| المسار 3: العصر التوليدي (2022-2025) | 301, 302, 303 | 18 |
| المسار 4: عصر الوكلاء (2026) | 401, 402, 403 | 18 |
| المسار 5: آفاق المستقبل: الذكاء الاصطناعي العام والواقع المادي (2027 وما بعده) | 501, 502, 503 | 18 |
المسار 1
أسس الحوسبة وتاريخها (الخمسينيات حتى 2011)
الهدف: فهم المنطق الخوارزمي الأساسي والأنظمة القائمة على القواعد والرياضيات التي تقوم عليها أنظمة الذكاء الاصطناعي الحديثة. المستوى: تأسيسي.
المقرر 101: الذكاء الاصطناعي الرمزي وهندسة المعرفة وإطار المنطق
- الملخص
- الأساس المنطقي للذكاء الاصطناعي قبل التعلّم القائم على البيانات، والحدود التي تسببت في شتاءين للذكاء الاصطناعي.
- المتطلبات المسبقة
- لا يوجد
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- موجز تاريخ الذكاء الاصطناعي ومخاطره لقطاعك
- مشروع Labs
- نظام خبير قائم على القواعد بتسلسل أمامي وخلفي
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 رؤية دارتموث واختبارات تورنغ | دارتموث 1956 واختبار تورنغ والمعالجة الرمزية | شرح ما يُعدّ ذكاءً اصطناعياً وأين تبالغ الادعاءات | تنفيذ مختبِر حوار على نمط تورنغ |
| M2 المنطق وإثبات النظريات | المنطق القضوي ومنطق الدرجة الأولى والتحليل | قراءة القواعد المنطقية داخل سياسات الأعمال | برمجة مُثبِت بالتحليل لقواعد معرفة صغيرة |
| M3 تمثيل المعرفة | الشبكات الدلالية والأطر والأنطولوجيات | رسم معرفة الشركة كأنطولوجيا بسيطة | نمذجة مجال بالأطر والأنطولوجيا |
| M4 النظم الخبيرة | قواعد الإنتاج والتسلسل الأمامي مقابل الخلفي ومحركات الاستدلال | الحكم على متى يتفوق محرك القواعد على التعلّم الآلي | بناء محرك استدلال |
| M5 شتاء الذكاء الاصطناعي الأول (1974-1980) | تقرير Lighthill والانفجار التوافقي وحدود القدرة الحاسوبية | رصد دورات الضجيج في ادعاءات الموردين | قياس الانفجار التوافقي في البحث |
| M6 شتاء الذكاء الاصطناعي الثاني (1987-1993) | انهيار آلات Lisp وهشاشة النظم الخبيرة | بناء قائمة مراجعة للتمييز بين الضجيج والأدلة | اختبار تحمّل القواعد الهشة على الحالات الطرفية |
المقرر 102: الأسس الرياضية للذكاء الاصطناعي
- الملخص
- الجبر الخطي وحساب التفاضل والتكامل والاحتمالات اللازمة لبناء النماذج العصبية من الصفر.
- المتطلبات المسبقة
- رياضيات المرحلة الثانوية (لا يحتاج Studio إلى حساب التفاضل)
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- مذكرة تفسير المقاييس والبيانات
- مشروع Labs
- الانحدار التدرجي وSVD منفّذان من الصفر
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 أسس الجبر الخطي | الفضاءات المتجهية وضرب المصفوفات والتحويلات وتغيير الأساس | قراءة المتجهات والمصفوفات كجداول بيانات | تنفيذ عمليات المصفوفات في NumPy |
| M2 النظرية الطيفية | القيم الذاتية والمتجهات الذاتية وSVD | تفسير مخرجات تقليل الأبعاد | حساب SVD وتطبيقه على الضغط |
| M3 حساب التفاضل متعدد المتغيرات | المشتقات الجزئية والتدرجات ومصفوفات Jacobian وHessian وقاعدة السلسلة | فهم لماذا تتحسن النماذج بخطوات صغيرة | اشتقاق التدرجات وبرمجتها يدوياً |
| M4 مبادئ التحسين | التحدب والقيم القصوى ومضاعفات لاغرانج والانحدار التدرجي | الموازنة بين المفاضلات عند ضبط الأنظمة | تنفيذ صيغ الانحدار التدرجي |
| M5 فضاءات الاحتمال | الاحتمال الشرطي وبايز والمتغيرات العشوائية والتوزيعات | التفكير في عدم اليقين ومعدلات الأساس | محاكاة التوزيعات وتحديثات بايز |
| M6 الأسس الإحصائية | الإمكان الأعظم والتوقع والتباين ومصفوفات التغاير | قراءة التباين والثقة في التقارير | ملاءمة النماذج بالإمكان الأعظم |
المقرر 103: التعلّم الإحصائي الكلاسيكي ونماذج القرار التجريبية
- الملخص
- تعلّم آلي غير عصبي وضبط للمعاملات وتحقق.
- المتطلبات المسبقة
- 101 و102، أو ما يعادلهما
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- اختيار الموردين ونطاق العائد على الاستثمار لحالة استخدام تعلّم آلي
- مشروع Labs
- مسار scikit-learn متكامل مع الضبط
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 نماذج الانحدار | المربعات الصغرى العادية وتحليل البواقي والتداخل الخطي | تفسير مخرجات الانحدار بلغة الأعمال | ملاءمة نماذج الانحدار وتشخيصها |
| M2 التنظيم | Ridge وLasso وElasticNet | فهم مخاطر فرط التخصيص في عروض الموردين | ضبط عقوبات L1 وL2 |
| M3 التصنيف | الانحدار اللوجستي وSVM وحيل النوى | صياغة القرارات كمسائل تصنيف | تدريب SVM بالنوى |
| M4 النماذج اللامعلمية | k-NN وأشجار القرار وID3 وC4.5 وCART | شرح قرارات الأشجار لأصحاب المصلحة | برمجة شجرة قرار من الصفر |
| M5 أطر التجميع | التجميع (Bagging) والغابات العشوائية وAdaBoost والتعزيز التدرجي وXGBoost | الموازنة بين مكاسب الدقة والتكلفة | بناء المجمّعات ومقارنتها |
| M6 التحقق | فرط التخصيص والانحياز مقابل التباين والتحقق المتقاطع وROC/AUC | المطالبة بتقييم سليم من الموردين | إجراء التحقق المتقاطع وتحليل ROC |
المسار 2
ثورة التعلّم العميق (2012-2021)
الهدف: الانتقال من البرمجة الصريحة إلى التعلّم الإحصائي والبنى العصبية. المستوى: ممارس.
المقرر 201: الشبكات العصبية الاصطناعية والتحسين
- الملخص
- الآليات الداخلية لتدفق التدرجات في الشبكات متعددة الطبقات.
- المتطلبات المسبقة
- المسار 1
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- موجز يترجم هدفاً تجارياً إلى نوع نموذج
- مشروع Labs
- MLP مُدرَّب في PyTorch باستخدام AdamW
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 المُدرِكات ودوال التنشيط | Sigmoid وtanh وReLU وGELU | فهم الخلايا العصبية كقرارات موزونة | تنفيذ المُدرِكات ودوال التنشيط |
| M2 الشبكات الأمامية | MLP ومصفوفات الأوزان ومتجهات الانحياز | قراءة مخطط نموذج | بناء MLP باستخدام PyTorch |
| M3 الانتشار الخلفي | الرسوم الحسابية والتمرير الأمامي والاشتقاق بالنمط العكسي | ملاحظة كيف تعود الأخطاء لتحسين النموذج | تنفيذ الانتشار الخلفي يدوياً وباستخدام autograd |
| M4 تحديات التدرجات | تلاشي التدرجات وانفجارها والتخفيف منهما | إدراك سبب توقف التدريب | تشخيص مشكلات التدرجات وإصلاحها |
| M5 المُحسِّنات المتقدمة | الزخم وAdaGrad وRMSprop وAdam وAdamW | فهم محركات زمن التدريب وتكلفته | مقارنة المُحسِّنات في مهمة واحدة |
| M6 التنظيم | الإسقاط العشوائي وتناقص الأوزان والتطبيع بالدفعة وبالطبقة | معرفة لماذا تحتاج النماذج إلى حواجز حماية | إضافة التنظيم وقياس القدرة على التعميم |
المقرر 202: المعالجة المكانية والرؤية الحاسوبية
- الملخص
- من الالتفاف إلى الهياكل البصرية العميقة الحديثة والتوليد البصري.
- المتطلبات المسبقة
- 201
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- سير عمل للعلامة التجارية والفيديو مدعوم بالذكاء الاصطناعي مع قائمة مراجعة لحقوق الوسائط
- مشروع Labs
- تدريب كاشف CNN أو YOLO وتقييمه باستخدام OpenCV
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 أسس معالجة الصور | الالتفافات والنوى والخطوة والحشو والتجميع | ملاحظة كيف تقرأ الآلات الصور | تنفيذ الالتفاف والتجميع |
| M2 مسارات الرؤية المبكرة | AlexNet 2012 وVGG وInception | تتبع اختراق 2012 | إعادة إنتاج نموذج صغير على نمط AlexNet |
| M3 الشبكات المتبقية | الوصلات المتخطية والتعيينات الهوية والتدهور | الحكم على ادعاءات عمق النماذج | بناء كتلة ResNet وتدريبها |
| M4 الكشف وتحديد المواقع | عائلة R-CNN وYOLO | تحديد حالات استخدام الكشف | تدريب كاشف YOLO |
| M5 التنبؤ الكثيف | التجزئة الدلالية وFCN وU-Net | التخطيط لسير عمل ضمان الجودة البصرية | بناء U-Net |
| M6 الرؤية التوليدية | المشفّرات التلقائية وVAE وGAN | استخدام Midjourney وRunway مع مراعاة الحقوق | تدريب VAE وGAN بسيطة |
المقرر 203: نماذج التسلسل وقفزة المحوّلات
- الملخص
- من الشبكات التكرارية إلى الانتباه ومحوّل 2017.
- المتطلبات المسبقة
- 201
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- إطار أوامر مؤسسي مع ضوابط للهلوسة
- مشروع Labs
- الانتباه الذاتي ومحوّل صغير منفّذان
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 الشبكات التكرارية | الشبكات التكرارية وتحديات BPTT | فهم بيانات التسلسل | تدريب RNN على النصوص |
| M2 البنى ذات البوابات | LSTM وGRU | معرفة لماذا نسيت أدوات اللغة المبكرة السياق | تنفيذ خلايا LSTM وGRU |
| M3 التسلسل إلى التسلسل | المشفّر-المفكك وإجبار المعلم وموجّهات السياق | رسم سير عمل الترجمة والتلخيص | بناء مترجم seq2seq |
| M4 محفّز الانتباه | انتباه Bahdanau وLuong | فهم لماذا غيّر الانتباه كل شيء | إضافة الانتباه إلى seq2seq |
| M5 المحوّل (2017) | الانتباه بالجداء النقطي المقيّس ومتعدد الرؤوس | كتابة أوامر متعددة الخطوات تستفيد من السياق | برمجة انتباه QKV الذاتي |
| M6 الترميز الموضعي | الترميزات الجيبية والمتعلَّمة والطبقات الفرعية التغذوية | التعامل مع حدود السياق ومخاطر الهلوسة | تجميع محوّل مصغّر |
المسار 3
العصر التوليدي (2022-2025)
الهدف: إتقان النماذج اللغوية الأساسية والمواءمة وإنشاء المحتوى متعدد الوسائط. المستوى: ممارس.
المقرر 301: الهندسة المعمارية للنماذج اللغوية الكبيرة الأساسية
- الملخص
- كيف تُبنى النماذج ذاتية الانحدار بحجم الإنترنت وتُدرَّب مسبقاً وتُدار.
- المتطلبات المسبقة
- 203
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- مقارنة النماذج وتقييم التكلفة لحالة استخدام
- مشروع Labs
- نموذج لغوي صغير مُدرَّب مسبقاً بمُرمِّز BPE
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 عائلات النماذج | المفكك فقط (GPT) والمشفّر فقط (BERT) والمشفّر-المفكك (T5) | اختيار أنواع النماذج للمهام | مقارنة البنى المعمارية على المعايير القياسية |
| M2 الترميز إلى رموز | BPE وWordPiece وSentencePiece | تقدير التكلفة عبر الرموز | تدريب مُرمِّز BPE |
| M3 تحسين الانتباه | FlashAttention وMQA وGQA | فهم محركات السرعة والتكلفة | تنفيذ انتباه كفؤ |
| M4 الموضع والسياق | RoPE وALiBi ونوافذ السياق الطويلة | التخطيط حول حدود السياق | توسيع السياق باستخدام RoPE |
| M5 تنظيم البيانات | الاستخراج الواسع وإزالة التكرار بـ MinHash/LSH وتصفية الجودة | تقييم مخاطر البيانات لدى الموردين | بناء مسار لإزالة التكرار والتصفية |
| M6 هندسة التدريب المسبق | النمذجة المقنّعة مقابل السببية وقوانين Chinchilla للتوسع وقفزات الخسارة | ميزنة القدرة الحاسوبية بواقعية | إجراء تجربة تدريب مسبق صغيرة |
المقرر 302: ما بعد التدريب والمواءمة وسلوك النماذج
- الملخص
- كيف تُواءَم النماذج الأساسية لتصبح مساعدين قابلين للتوجيه.
- المتطلبات المسبقة
- 301
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- ضبط دقيق دون برمجة وخطة ضمان جودة لمساعد الشركة
- مشروع Labs
- ضبط LoRA مع DPO والتكميم
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 ضبط التعليمات | SFT وتنظيم مجموعات البيانات | تصميم بيانات التعليمات لمساعد الشركة | إجراء الضبط الدقيق الخاضع للإشراف |
| M2 ملاحظات البشر | RLHF ونماذج المكافأة | التخطيط لحلقات المراجعة البشرية | تدريب نموذج مكافأة |
| M3 تحسين التفضيلات | PPO مقابل DPO | فهم مفاضلات المواءمة | تنفيذ DPO |
| M4 الضبط الفعّال للمعاملات | LoRA وQLoRA وضبط البادئة والأوامر | ضبط النماذج المفتوحة بواجهات دون برمجة | الضبط الدقيق باستخدام LoRA وQLoRA |
| M5 التكميم | AWQ وGPTQ وGGUF وFP8/FP4 | الموازنة بين التكلفة والجودة | التكميم للعتاد المستهدف |
| M6 حدود السلامة | كسر الحماية والاختبار الهجومي وحقن الأوامر | كتابة إطار لضمان الجودة والسلامة | الاختبار الهجومي لنموذج وإصلاحه |
المقرر 303: الأنظمة متعددة الوسائط وآليات الانتشار
- الملخص
- إسقاطات متعددة الوسائط وفيزياء التوليد البصري.
- المتطلبات المسبقة
- 202 و301
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- مسار استوديو إبداعي مؤتمت للإعلانات
- مشروع Labs
- عيّنة انتشار كامن أو عرض مصغّر للرؤية واللغة
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 الربط بين الرؤية واللغة | CLIP والتعلّم التبايني والتضمينات المشتركة | فهم مواءمة النص بالصورة | تدريب نموذج على نمط CLIP |
| M2 نماذج الرؤية واللغة | طبقات الإسقاط ومعيّنات Perceiver وFlamingo وLLaVA | التخطيط لمساعدين متعددي الوسائط | بناء نموذج رؤية ولغة صغير |
| M3 أساسيات الانتشار | الانتشار الأمامي والعكسي ومعادلات SDE ومطابقة الدرجات | فهم كيف تنبثق الصور من الضجيج | تنفيذ مطابقة درجات إزالة الضجيج |
| M4 الانتشار الكامن | Stable Diffusion وتمثيلات VAE الكامنة والانتباه المتقاطع في U-Net | كتابة الأوامر لوسائط شديدة الواقعية | بناء عيّنة انتشار كامن |
| M5 تحويل النص إلى فيديو | المحوّلات المكانية الزمانية وDiT | إنتاج إعلانات سينمائية باستخدام Runway أو Sora | بناء نموذج أولي لكتلة فيديو DiT |
| M6 تعدد الوسائط الأصيل | نماذج موحدة للنص والصوت والرؤية | تصميم استوديو إبداعي متكامل من البداية إلى النهاية | دمج المدخلات متعددة الوسائط في نموذج واحد |
المسار 4
عصر الوكلاء (2026)
الهدف: تجاوز الأوامر الثابتة إلى التنفيذ المستقل متعدد الخطوات واستخدام الأدوات. المستوى: متقدم.
المقرر 401: الاستدلال المتقدم والتوليد القائم على البحث
- الملخص
- نماذج تفكر قبل أن تجيب، واسترجاع للمعلومات على مستوى المؤسسات.
- المتطلبات المسبقة
- 301
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- قاعدة معرفة مؤسسية مع فحوصات الدقة
- مشروع Labs
- نظام GraphRAG مع تقييم
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 طوبولوجيا الاستدلال | سلاسل الفكر وأشجاره ورسومه | هيكلة الأسئلة المعقدة للذكاء الاصطناعي | تنفيذ أوامر CoT وToT |
| M2 القدرة الحاسوبية وقت الاختبار | MCTS داخل التوليد | فهم لماذا قد يكون الأبطأ أذكى | إضافة بحث MCTS إلى التوليد |
| M3 التصحيح الذاتي | حلقات النقد والتحقق والتأمل الذاتي | إضافة خطوات مراجعة إلى سير العمل | بناء حلقات تصحيح ذاتي |
| M4 RAG المؤسسي | التوليد المعزز بالاسترجاع وقواعد البيانات المتجهية والفهرسة الهرمية | هيكلة قواعد بيانات إدارة المعرفة | بناء RAG بقاعدة بيانات متجهية |
| M5 الاسترجاع المتقدم | Graph RAG والتقطيع الزمني والاسترجاع متعدد المتجهات | تقييم دقة البحث وأمان البيانات | بناء GraphRAG وتحسين الفهارس |
| M6 نماذج الاستدلال الرائدة | الأنماط المعمارية لنماذج الاستدلال الرائدة | اختيار النماذج بحسب المهمة والتكلفة | مقارنة معيارية لنماذج الاستدلال |
المقرر 402: تصميم الوكلاء المستقلين والتنفيذ متعدد الوكلاء
- الملخص
- كيانات حاسوبية مستقلة تنفذ مهام معقدة.
- المتطلبات المسبقة
- 401
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- أتمتة المبيعات والتسويق متعددة الوكلاء في Make أو Flowise
- مشروع Labs
- نظام متعدد الوكلاء ذو حالة في LangGraph مع بوابات موافقة
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 تشريح الوكيل | ReAct والذاكرة قصيرة وطويلة المدى | تحديد ما ينبغي للوكيل فعله وما لا ينبغي له فعله | تنفيذ ReAct مع الذاكرة |
| M2 الوصول إلى الأدوات | استدعاء الدوال ومفسّرات الشيفرة والعزل | ربط الوكلاء بتطبيقات الأعمال | بناء مسارات استدعاء الأدوات |
| M3 طوبولوجيا تعدد الوكلاء | رئيس-عامل، ونظير لنظير، ومنسّقون | تصميم سير عمل عبر التطبيقات | تنفيذ فرق وكلاء منسّقة |
| M4 أطر التنفيذ | LangGraph وCrewAI وAutoGen | أتمتة العملاء المحتملين والحملات باستخدام Make وFlowise | برمجة الرسوم البيانية ذات الحالة في LangGraph |
| M5 التخفيف من الأخطاء | كشف الحلقات والتعافي من الأعطال وحدود التكلفة | وضع الميزانيات وقواعد التصعيد | إضافة حدود للحلقات والتكلفة |
| M6 الإنسان في الحلقة | بوابات الموافقة والتصعيد بمفتاحين | تصميم الموافقات والمساءلة | تنفيذ بوابات الموافقة |
المقرر 403: النشر في بيئة الإنتاج: أنظمة السحابة والحافة والأنظمة المحلية
- الملخص
- نشر موثوق على مستوى المؤسسات عبر السحابة والأجهزة المحلية.
- المتطلبات المسبقة
- 402
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- ميزانية LLMOps وتدقيق اتفاقيات الموردين
- مشروع Labs
- خدمة نموذج لغوي كبير منشورة مع مراقبة على السحابة والحافة
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 محركات الخدمة | vLLM وTensorRT-LLM والتجميع المستمر | فهم الإنتاجية والتكلفة | تقديم نموذج عبر vLLM |
| M2 الأنظمة المحلية وأنظمة الحافة | Ollama وllama.cpp وONNX وتسريع وحدات NPU | الاختيار بين السحابة والجهاز | تشغيل النماذج محلياً وعلى وحدات NPU |
| M3 التوجيه الهجين | توجيه محسّن التكلفة وموازنة زمن الاستجابة | إدارة ميزانيات الاستخدام | بناء طبقة توجيه |
| M4 تتبع LLMOps | LangSmith وPhoenix وتتبع OpenTelemetry | تتبع الاستخدام والجودة | إضافة التتبع والتقييم |
| M5 هندسة الخصوصية | الخصوصية التفاضلية ومرشحات PII وحواجز الحماية المحلية | تدقيق اتفاقيات واجهات البرمجة والبيانات | تنفيذ تصفية PII |
| M6 الحوسبة المستدامة | تنسيق وحدات GPU والحوسبة الخضراء والضغط | احتساب الطاقة والتكلفة | ضغط أحمال العمل وتنسيقها |
المسار 5
آفاق المستقبل: الذكاء الاصطناعي العام والواقع المادي (2027 وما بعده)
الهدف: التصميم للتعميم والذكاء المتجسّد والتنظيم الصارم. المستوى: متقدم.
المقرر 501: الطريق إلى الذكاء الاصطناعي العام والتحسين الذاتي التكراري
- الملخص
- بنى ذاتية التحسين والمسارات النظرية نحو الاستقلالية.
- المتطلبات المسبقة
- المسار 4
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- استراتيجية الجاهزية للذكاء الاصطناعي العام لمؤسستك
- مشروع Labs
- حلقة بيانات اصطناعية بمهام قابلة للتحقق
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 تعريف الذكاء الاصطناعي العام | مقاييس تشغيلية وأطر كفاءة ومعايير للمهام غير المرئية | تحديد معنى الجاهزية لقطاعك | تصميم مجموعة تقييم |
| M2 البيانات الاصطناعية | التوليف بحلقة النموذج اللغوي ومولّدات البذور القابلة للتحقق | فهم حدود البيانات ومخاطرها | بناء حلقة بيانات اصطناعية قابلة للتحقق |
| M3 الأنظمة ذاتية التحسين | حلقات توليد الشيفرة التي تكتب المُحسِّنات | التخطيط لأثر ذلك على القوى العاملة | بناء نموذج أولي لحلقة تحسين ذاتي |
| M4 العلم المؤتمت | محركات الاكتشاف الكيميائي ومسارات المختبرات الروبوتية | رصد سيناريوهات تعطيل القطاعات | رسم مسار اكتشاف مبدئي |
| M5 نظرية المواءمة | التحكم بعد الذكاء الاصطناعي العام والإشراف القابل للتوسع | طرح أسئلة الحوكمة الصحيحة | دراسة بروتوكولات الإشراف |
| M6 التوقعات بعيدة المدى | تحليلات الجداول الزمنية للذكاء الاصطناعي العام (تقديرات، 2027-2033) | التخطيط للسيناريوهات وتكيّف القوى العاملة | نقد توقعات الجداول الزمنية |
المقرر 502: الذكاء المتجسّد والروبوتات البشرية
- الملخص
- حيث تلتقي النماذج بالعالم المادي.
- المتطلبات المسبقة
- المسار 4
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- خطة بنية أتمتة للخدمات اللوجستية أو المستودعات
- مشروع Labs
- سياسة VLA مدرَّبة في المحاكاة
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 نماذج الرؤية واللغة والفعل | ترجمة الإدراك إلى تحكم في المشغّلات | تحديد حالات استخدام الذكاء المتجسّد | بناء سياسة VLA |
| M2 الحركيات والتحكم | تحسين المسارات والتحكم في العزم والحلقات الحسية الحركية | فهم الحدود المادية | تحسين المسارات |
| M3 من المحاكاة إلى الواقع | محاكيات الفيزياء والعشوائية في المجال | تقدير تكاليف التجارب الأولية | التدريب في المحاكاة ونقل النتائج |
| M4 تصميم التفاعل مع الروبوتات | دمج الحساسات اللمسية والصوتية والعمق | تصميم سير عمل بين الإنسان والروبوت | دمج الحساسات متعددة الوسائط |
| M5 التحكم في الروبوتات البشرية | التوازن على قدمين والملاحة والتعامل مع الأشياء | تقييم جاهزية الروبوتات البشرية | تنفيذ التحكم في التوازن |
| M6 الحالات الطرفية في الواقع | بيئات متغيرة وإجراءات استعادة | التخطيط للسلامة والبدائل | بناء سلوكيات استعادة |
المقرر 503: السياسات العالمية وسلامة المواءمة وهندسة الامتثال
- الملخص
- إبقاء الذكاء الاصطناعي عالي المخاطر ممتثلاً لقواعد عالمية تزداد صرامة.
- المتطلبات المسبقة
- المسار 4
- المدة
- 6 وحدات على مدى 6 أسابيع، إضافة إلى التقييم النهائي
- مشروع Studio
- خطة الامتثال لقانون الذكاء الاصطناعي الأوروبي وتدقيق الحوكمة
- مشروع Labs
- مسار تدقيق مع حواجز حماية وقابلية للتفسير
| الوحدة | الموضوعات الأساسية | مخرج Studio (البنّاء) | مخرج Labs (المهندس) |
|---|---|---|---|
| M1 الأطر القانونية | فئات المخاطر في قانون الذكاء الاصطناعي الأوروبي والتفويضات العالمية | تصنيف أنظمة الذكاء الاصطناعي لديك بحسب المخاطر | ربط الأنظمة بالالتزامات |
| M2 تدقيق الخوارزميات | مقاييس الانحياز وSHAP وLIME | تكليف عمليات التدقيق وقراءتها | إجراء تدقيق للانحياز وقابلية التفسير |
| M3 حقوق النشر وأصل البيانات | مخاطر الملكية الفكرية وتتبع المصدر | وضع قواعد الوسائط وسلامة العلامة التجارية | تنفيذ تتبع أصل البيانات |
| M4 البنية التحتية للسلامة | مفاتيح الإيقاف الطارئ وحواجز انقطاع الخدمة والدفاع المتعدد الطبقات | تحديد خطط الاستجابة للحوادث | بناء حواجز حماية متعددة الطبقات |
| M5 معايير المواءمة | الذكاء الاصطناعي الدستوري وفحوصات السياسات الآلية | كتابة سياسات للذكاء الاصطناعي قابلة للتنفيذ | تنفيذ فحوصات السياسات |
| M6 الحوكمة المؤسسية | مجالس الأخلاقيات والتقارير الامتثالية وسجلات التدقيق | وضع قواعد الحوكمة وكشف التزييف العميق | بناء سجلات تدقيق |