AI+ Developer Practitioner™
ممارس تطوير الذكاء الاصطناعي
AT-310
عُرفت سابقًا باسم AI+ Developer™. اكتسب خبرة عملية بالأدوات والتقنيات التي تقوم عليها منظومة الذكاء الاصطناعي.
اللغات المتاحة للدورة
الإنجليزية / الإسبانية

أهمية هذه الشهادة
- أسس الذكاء الاصطناعي: تشمل Python والتعلّم العميق ومعالجة البيانات وتصميم الخوارزميات.
- مشروعات عملية: تركّز على معالجة اللغة الطبيعية والرؤية الحاسوبية والتعلّم المعزّز.
- وحدات متقدّمة: تشمل السلاسل الزمنية وقابلية تفسير النماذج والنشر السحابي.
- مهارات تلائم القطاع: إعداد المتعلّمين لتصميم أنظمة ذكاء اصطناعي معقّدة ونشرها.
إتقان المهارات الأساسية لتطوير الذكاء الاصطناعي
تعلّم Python والتعلّم العميق والمفاهيم المتقدّمة وتقنيات التحسين لبناء حلول ذكاء اصطناعي متينة.
التخصص في مجالات متقدّمة للذكاء الاصطناعي
اكتسب خبرة في معالجة اللغة الطبيعية أو الرؤية الحاسوبية أو التعلّم المعزّز، إلى جانب معالجة البيانات والتحليل الاستكشافي وتحليل السلاسل الزمنية.
مواكبة الريادة في تطوير الذكاء الاصطناعي
يغيّر الذكاء الاصطناعي القطاعات، وتبحث المؤسسات عن مطوّرين متمكّنين من نشر نماذجه لحل مشكلات واقعية.
تطوير مسارك المهني في الذكاء الاصطناعي
مع تزايد الطلب في التقنية والتمويل والرعاية الصحية، تضعك هذه الشهادة في موقع قيادي في التطوير القائم على الذكاء الاصطناعي.
البرنامج في لمحة
- اسم البرنامج
- AI+ Developer Practitioner™
- يشمل البرنامج
- دورة بإشراف مدرّب أو دورة تعلّم ذاتي + اختبار رسمي + شارة رقمية
- المدة
- بإشراف مدرّب: 5 أيام حضوريًا أو افتراضيًا؛ تعلّم ذاتي: 40 ساعة من المحتوى
- المتطلبات السابقة
- رياضيات أساسية، وأساسيات علوم الحاسوب، ومهارات برمجية أساسية
- صيغة الاختبار
- 50 سؤالًا، ودرجة نجاح 70%، ومدة 90 دقيقة، واختبار عبر الإنترنت تحت المراقبة
- أسلوب التعلّم
- مختبرات عبر الإنترنت ومشروعات ودراسات حالة
- المحصلة
- شهادة مهنية معترف بها في القطاع + خبرة عملية
لمن يناسب هذا البرنامج؟

مطوّرو البرمجيات: عزّز خبرتك البرمجية بإتقان خوارزميات الذكاء الاصطناعي وتقنيات التعلّم العميق.
المهتمون بالبيانات: طبّق تحليل البيانات بالذكاء الاصطناعي ونماذج تعلّم الآلة والتعلّم العميق لحل مشكلات معقّدة.
باحثو الرؤية الحاسوبية ومعالجة اللغة الطبيعية: تعمّق في مجالات متخصصة للذكاء الاصطناعي، تشمل الرؤية الحاسوبية ومعالجة اللغة الطبيعية.
متخصصو تقنية المعلومات ومعماريو الأنظمة: ادمج حلول الذكاء الاصطناعي في الأنظمة القائمة وحسّن الأداء.
الطلاب وحديثو التخرّج: ابنِ أساسًا قويًا في تطوير الذكاء الاصطناعي واستعد للفرص المستقبلية في التقنية.
المهارات التي ستكتسبها
- Python لتطوير الذكاء الاصطناعي
- الرياضيات والإحصاء المتقدّمان
- تقنيات التحسين
- أساسيات التعلّم العميق
- معالجة البيانات والتحليل الاستكشافي
- التخصص في معالجة اللغة الطبيعية أو الرؤية الحاسوبية أو التعلّم المعزّز
- تحليل السلاسل الزمنية
- قابلية تفسير النماذج ونشرها
ما الذي ستتعلّمه؟
عدد وحدات البرنامج: 13. افتح أي وحدة لاستكشاف موضوعاتها.
الوحدة 1: أسس الذكاء الاصطناعي الحديث للمطوّرين
- 1.1 فهم الذكاء الاصطناعي
- 1.2 مكوّنات تطبيق الذكاء الاصطناعي
- 1.3 سير عمل تطوير الذكاء الاصطناعي للمبتدئين
- 1.4 مفاهيم تطوير الذكاء الاصطناعي وحدوده
- 1.5 دراسة حالة: نموذج أولي لروبوت محادثة ينتج إجابات غير موثوقة
- 1.6 حالة استخدام: اختيار نهج الذكاء الاصطناعي المناسب
الوحدة 2: البرمجة بلغة Python للذكاء الاصطناعي
- 2.1 أسس Python
- 2.2 هياكل البيانات والتعامل مع الملفات في Python
- 2.3 ممارسات تطوير البرمجيات للمبتدئين
- 2.4 دراسة حالة: برنامج Python غير منظّم يصعب صيانته
- 2.5 حالة استخدام: أداة للمعالجة الآلية للملفات
الوحدة 3: التعامل مع البيانات وتصوّرها البياني
- 3.1 استخدام NumPy وPandas
- 3.2 تنظيف البيانات
- 3.3 التحليل الاستكشافي للبيانات
- 3.4 دراسة حالة: بيانات عملاء غير نظيفة تنتج رؤى مبيعات غير صحيحة
- 3.5 حالة استخدام: إعداد بيانات مبيعات التجزئة
الوحدة 4: الرياضيات والإحصاء التطبيقيان للذكاء الاصطناعي
- 4.1 المفاهيم الرياضية الأساسية
- 4.2 الإحصاء الأساسي
- 4.3 الاستدلال الرياضي للذكاء الاصطناعي
- 4.4 دراسة حالة: متوسط الأداء يخفي مشكلة كبيرة لدى العملاء
- 4.5 حالة استخدام: توصية بالمنتجات قائمة على التشابه
الوحدة 5: أساسيات تعلّم الآلة
- 5.1 فهم تعلّم الآلة
- 5.2 تعلّم الآلة الخاضع للإشراف
- 5.3 التعلّم غير الخاضع للإشراف وأساليب أخرى للمبتدئين
- 5.4 دراسة حالة: التنبؤ بفقدان العملاء
- 5.5 حالة استخدام: التنبؤ بوقت التسليم
الوحدة 6: تقييم النماذج وتحسينها
- 6.1 مقاييس تقييم النماذج
- 6.2 تحسين أداء النماذج
- 6.3 تقديم نماذج موثوقة
- 6.4 دراسة حالة: نموذج عالي الدقة يفوّت الحالات المهمة
- 6.5 حالة استخدام: كشف البريد الإلكتروني المزعج
الوحدة 7: أساسيات التعلّم العميق والرؤية الحاسوبية
- 7.1 أساسيات الشبكات العصبية
- 7.2 التعلّم العميق للمبتدئين باستخدام PyTorch
- 7.3 أسس الرؤية الحاسوبية
- 7.4 دراسة حالة: كشف عيوب التصنيع باستخدام نقل التعلّم
- 7.5 حالة استخدام: تصنيف صور المنتجات
الوحدة 8: معالجة اللغة الطبيعية والمحوّلات وأساسيات النماذج اللغوية الكبيرة
- 8.1 أساسيات معالجة النصوص
- 8.2 التضمينات والمحوّلات
- 8.3 أساسيات النماذج اللغوية الكبيرة
- 8.4 دراسة حالة: الاختيار بين مصنّف نصوص ونموذج لغوي كبير لتوجيه تذاكر الدعم
- 8.5 حالة استخدام: تحليل مراجعات العملاء
الوحدة 9: تطوير تطبيقات الذكاء الاصطناعي التوليدي ومتعدد الوسائط
- 9.1 أسس هندسة الأوامر
- 9.2 بناء تطبيقات ذكاء اصطناعي توليدي ذات ضوابط
- 9.3 أسس الذكاء الاصطناعي متعدد الوسائط
- 9.4 دراسة حالة: استخراج بيانات الفواتير ينتج حقولًا مالية غير صحيحة
- 9.5 حالة استخدام: مساعد متعدد الوسائط لمعلومات المنتجات
الوحدة 10: التوليد المعزّز بالاسترجاع ومساعدات المعرفة
- 10.1 أساسيات الاسترجاع
- 10.2 بناء سير عمل RAG أساسي
- 10.3 جودة RAG وضبطه
- 10.4 دراسة حالة: مساعد للسياسات يعرض قاعدة قديمة
- 10.5 حالة استخدام: مساعد لدليل الموظفين
الوحدة 11: وكلاء ذكاء اصطناعي بسيطون وواجهات البرمجة والنشر
- 11.1 تطوير واجهات برمجة التطبيقات للذكاء الاصطناعي
- 11.2 وكلاء الذكاء الاصطناعي الأساسيون واستخدام الأدوات
- 11.3 النشر والعمليات للمبتدئين
- 11.4 دراسة حالة: وكيل بصلاحيات مفرطة ينفّذ إجراءً غير معتمد
- 11.5 حالة استخدام: مساعد لفرز طلبات دعم تقنية المعلومات
الوحدة 12: الذكاء الاصطناعي المسؤول والأمن والمراقبة والمشروع الختامي
- 12.1 أسس الذكاء الاصطناعي المسؤول
- 12.2 أمن تطبيقات الذكاء الاصطناعي
- 12.3 المراقبة والجاهزية للإنتاج
- 12.4 دراسة حالة: حقن الأوامر يتسبّب في كشف بيانات سرية
- 12.5 حالة استخدام: قائمة تحقّق لإطلاق تطبيق ذكاء اصطناعي للمبتدئين
وحدة اختيارية: وكلاء الذكاء الاصطناعي للمطوّرين
- 1.1 ما وكلاء الذكاء الاصطناعي؟
- 1.2 أهمية وكلاء الذكاء الاصطناعي للمطوّرين
- 1.3 تطبيقات وكلاء الذكاء الاصطناعي واتجاهاتهم للمطوّرين
- 1.4 كيف يعمل وكيل الذكاء الاصطناعي؟
- 1.5 الخصائص الأساسية لوكلاء الذكاء الاصطناعي
- 1.6 أهمية وكلاء الذكاء الاصطناعي
- 1.7 أنواع وكلاء الذكاء الاصطناعي
- 1.8 جدول مقارنة لوكلاء الذكاء الاصطناعي في الأخلاقيات
الأدوات التي ستتعرّف إليها
GitHub Copilot
Lobe
H2O.ai
Snorkelالمتطلبات السابقة
- أساسيات الذكاء الاصطناعي: فهم مفاهيمه الأساسية وتعلّم الآلة والتعلّم العميق والذكاء الاصطناعي التوليدي ومعالجة اللغة الطبيعية وتطبيقاتها في تطوير البرمجيات.
- أساسيات البرمجة: فهم المفاهيم الأساسية وقواعد كتابة الشيفرة بلغة Python والمتغيّرات وأنواع البيانات والدوال والتحكّم في التدفق وهياكل البيانات وممارسات تطوير البرمجيات.
- الإلمام بالبيانات: فهم التعامل مع البيانات وإعدادها وتنظيفها وتصوّرها البياني ودور البيانات المنظّمة في دعم سير عمل الذكاء الاصطناعي.
- الإلمام بالرياضيات والإحصاء: فهم المفاهيم الأساسية، بما يشمل المتغيّرات والدوال والمتجهات والاحتمالات والتوزيعات ومقاييس التقييم المستخدمة في تطوير الذكاء الاصطناعي.
- الوعي التقني: معرفة نماذج الذكاء الاصطناعي وواجهات البرمجة والتطبيقات التوليدية وأنظمة الاسترجاع والوكلاء وأدوات النشر وتقنيات التطوير الناشئة.
- فهم الذكاء الاصطناعي المسؤول: فهم أمن الذكاء الاصطناعي ومبادئه المسؤولة وتقييم النماذج والإشراف البشري والخصوصية والممارسات اللازمة لتطوير تطبيقات موثوقة وجديرة بالثقة.
اختر برنامجًا يناسب معارفك وخبراتك الحالية.
راجع المتطلبات السابقة والمنهج، ثم تواصل معنا لمساعدتك في اختيار الشهادة المناسبة لك أو لفريقك.
تواصل معنا ←تعرّف إلى تفاصيل التقييم.
اطّلع على صيغة الاختبار ومدته ومتطلباته قبل اتخاذ الخطوة التالية.
- المدة
- 90 دقيقة
- درجة النجاح
- 70% (35/50)
- صيغة الاختبار
- 50 سؤالًا من أسئلة الاختيار من متعدد أو الأسئلة متعددة الإجابات
- طريقة تقديم الاختبار
- عبر الإنترنت من خلال منصة اختبار تحت مراقبة الذكاء الاصطناعي، مع مرونة في تحديد الموعد
توزيع موضوعات الاختبار
اختر ما يناسبك من خيارات التعلّم.
تعلّم مرن عبر الإنترنت باشتراك لمدة سنة واحدة
بإشراف مدرّب: 5 أيام حضوريًا أو افتراضيًا؛ تعلّم ذاتي: 40 ساعة من المحتوى
- التعلّم عبر الأجهزة: اطّلع على المواد التعليمية باستخدام جهازك اللوحي أو هاتفك المحمول.
- موارد للاستعداد للاختبار: استعد باستخدام دليل شامل لدراسة محتوى الاختبار.
- اختبار إلكتروني تحت المراقبة: تقدّم لاختبار الشهادة مع فرصة إعادة مجانية واحدة.
- اختبارات قصيرة وتقييمات: رسّخ معرفتك من خلال التقييمات التدريبية وموارد الدورة.
- دعم تعليمي بالذكاء الاصطناعي: احصل على إرشاد مخصص من الموجّه الذكي AI Mentor.
- كتب إلكترونية ومحتوى صوتي: اطّلع على المواد الدراسية بصيغتي PDF والصوت، إلى جانب حلقات البودكاست.
- دروس فيديو عند الطلب: تعلّم من خلال مقاطع تعليمية عالية الجودة.
تفاصيل واضحة.
وخطوة تالية بثقة.
تعرّف إلى التفاصيل العملية التي تحتاج إليها قبل اختيار دورتك.
تواصل معنا ←ما الذي يغطيه هذا البرنامج؟
يتكوّن منهج AI+ Developer Practitioner™ من 13 وحدة تدريبية. يعرض قسم وحدات البرنامج الموضوعات التي تغطيها كل وحدة.
استكشف المنهج الكامل ←ما الذي أحتاج إليه قبل البدء؟
- أساسيات الذكاء الاصطناعي: فهم مفاهيمه الأساسية وتعلّم الآلة والتعلّم العميق والذكاء الاصطناعي التوليدي ومعالجة اللغة الطبيعية وتطبيقاتها في تطوير البرمجيات.
- أساسيات البرمجة: فهم المفاهيم الأساسية وقواعد كتابة الشيفرة بلغة Python والمتغيّرات وأنواع البيانات والدوال والتحكّم في التدفق وهياكل البيانات وممارسات تطوير البرمجيات.
- الإلمام بالبيانات: فهم التعامل مع البيانات وإعدادها وتنظيفها وتصوّرها البياني ودور البيانات المنظّمة في دعم سير عمل الذكاء الاصطناعي.
- الإلمام بالرياضيات والإحصاء: فهم المفاهيم الأساسية، بما يشمل المتغيّرات والدوال والمتجهات والاحتمالات والتوزيعات ومقاييس التقييم المستخدمة في تطوير الذكاء الاصطناعي.
- الوعي التقني: معرفة نماذج الذكاء الاصطناعي وواجهات البرمجة والتطبيقات التوليدية وأنظمة الاسترجاع والوكلاء وأدوات النشر وتقنيات التطوير الناشئة.
- فهم الذكاء الاصطناعي المسؤول: فهم أمن الذكاء الاصطناعي ومبادئه المسؤولة وتقييم النماذج والإشراف البشري والخصوصية والممارسات اللازمة لتطوير تطبيقات موثوقة وجديرة بالثقة.
كيف يُجرى تقييم الشهادة؟
- المدة
- 90 دقيقة
- درجة النجاح
- 70% (35/50)
- صيغة الاختبار
- 50 سؤالًا من أسئلة الاختيار من متعدد أو الأسئلة متعددة الإجابات
- طريقة تقديم الاختبار
- عبر الإنترنت من خلال منصة اختبار تحت مراقبة الذكاء الاصطناعي، مع مرونة في تحديد الموعد
هل يمكنكم المساعدة في إعداد خطة تدريب للفريق؟
تواصل معنا لمناقشة أدوار أعضاء فريقك، ومعارفهم الحالية، وأسلوب التدريب المفضّل، والأهداف التدريبية.
ناقش احتياجاتك معنا ←حوّل ما تتعلّمه
إلى ممارسة عملية.
استكشف المنهج، وتحقّق من ملاءمة البرنامج لاحتياجاتك، واختر خطوتك التالية بثقة.
تواصل معنا ←AI+ Developer Practitioner™
AT-310 · 13 وحدة تدريبية
عرض السعر والتسجيل ↖تجد خيارات الدورة وتفاصيل الشراء في صفحة التسجيل.مرتبطة بالأدوار المهنية ومتوافقة مع الأطر المعتمدة.
قابلة للتحقّق.
استكشف 75 شهادة في الذكاء الاصطناعي وسلاسل الكتل والممارسة المهنية.
أساسيات الذكاء الاصطناعي
ابدأ بأساسيات الذكاء الاصطناعي وتطبيقاته اليومية وصياغة الأوامر.
الذكاء الاصطناعي في الأعمال
اربط الذكاء الاصطناعي باتخاذ القرار وسير العمل والممارسة المهنية.
القيادة التنفيذية للذكاء الاصطناعي
طوّر الرؤية الاستراتيجية اللازمة لقيادة تبنّي الذكاء الاصطناعي.
أمن الذكاء الاصطناعي
استكشف الأمن السيبراني والممارسة المسؤولة والدفاع الرقمي.
الذكاء الاصطناعي والحوسبة السحابية
اربط البنية السحابية بالأنظمة الذكية.
تطوير الذكاء الاصطناعي
تعلّم بناء الحلول المدعومة بالذكاء الاصطناعي وهندستها ونشرها.
تخصّصات الذكاء الاصطناعي
طبّق الذكاء الاصطناعي لمعالجة تحديات مجال تخصّصي.
الذكاء الاصطناعي في الرعاية الصحية
استكشف الذكاء الاصطناعي في الأدوار السريرية ومجالات الرعاية الصحية.
الذكاء الاصطناعي والبيانات والروبوتات
طوّر قدراتك في البيانات والأتمتة والآلات الذكية.
الذكاء الاصطناعي في التعلّم والتعليم
وظّف الذكاء الاصطناعي في التعليم والتعلّم وتنمية القدرات.
الذكاء الاصطناعي في التصميم والإبداع
استكشف آفاقًا جديدة للعمل الإبداعي والتصميم.
سلاسل الكتل وبيتكوين
عمّق فهمك للتقنيات الموزّعة.


