ماجستير تأهيل وتخصص في الذكاء الاصطناعي وعلوم البيانات

برنامج ماجستير مهني في كلية هندسة الذكاء الاصطناعي، مدته سنتان دراسيتان على أربعة فصول، يجمع أسس الذكاء الاصطناعي وهندسة البيانات مع الذكاء الاصطناعي التوليدي والوكيل وينتهي بمشروع تخرج بحثي.

الدرجة العلمية
ماجستير تأهيل وتخصص
مدة الدراسة
سنتان (4 فصول)
الساعات المعتمدة
100 ساعة كحد أدنى
المقررات
23 مقرراً

يُحدث في كلية هندسة الذكاء الاصطناعي برنامج ماجستير تأهيل وتخصص في الذكاء الاصطناعي وعلوم البيانات.

تمنح الجامعة السورية الخاصة بناءً على اقتراح مجلس كلية هندسة الذكاء الاصطناعي فيها درجة ماجستير تأهيل وتخصص في الذكاء الاصطناعي وعلوم البيانات إضافة إلى درجات الإجازة التي تمنحها الكلية.

مدة الدراسة سنتان دراسيتان موزعة على أربعة مستويات (فصول دراسية) بعد اجتياز الطالب 100 ساعة معتمدة كحد أدنى.

الخطة الدراسية

اختر مقرراً لعرض وصفه ومخرجات تعلمه ومتطلباته السابقة.

المجموع: 100 ساعة معتمدة · 23 مقرر

السنة الأولى · الفصل الأول

الأسس

المجموع: 24 ساعة معتمدة · نظري 18 · عملي 12

السنة الأولى · الفصل الثاني

الذكاء الاصطناعي الأساسي وهندسة البيانات

المجموع: 24 ساعة معتمدة · نظري 18 · عملي 12

السنة الثانية · الفصل الثالث

الذكاء الاصطناعي المتقدم والتخصصات

المجموع: 24 ساعة معتمدة · نظري 18 · عملي 12

السنة الثانية · الفصل الرابع

البحث ومشروع التخرج

المجموع: 28 ساعة معتمدة · نظري 19 · عملي 18

ترميز المقررات: حرفان للبرنامج (MADS)، وخانة واحدة للمستوى، وخانتان لتسلسل المقرر (من 01 إلى 99).

MADS101

البرمجة المتقدمة بلغة بايثون للذكاء الاصطناعي

Advanced Python Programming for AI

ساعة معتمدة
4
نظري
3
عملي
2

يغطي الميزات المتقدمة في Python 3 والبرمجة غرضية التوجّه، والبرمجة الوظيفية والبرمجة غير المتزامنة، و NumPy، و Pandas، و Matplotlib، وأفضل الممارسات في الحوسبة العلمية. كما يركّز على كتابة كود ذكاء اصطناعي فعّال وقابل للاختبار وجاهز للنشر.

المتطلبات السابقة

لا يوجد

يفتح المقررات

مخرجات تعلم المقرر

  1. كتابة نصوص Python متقدمة وتصحيحها باستخدام البرمجة غرضية التوجّه والبرمجة الوظيفية.
  2. معالجة مجموعات البيانات الكبيرة وتمثيلها بصرياً باستخدام NumPy و Pandas و Matplotlib.
  3. تطوير تطبيقات Python غير متزامنة ومتوازية لمسارات البيانات.
  4. تطبيق أفضل ممارسات هندسة البرمجيات في تطوير مشاريع الذكاء الاصطناعي.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS102

الخوارزميات وبنى المعطيات المتقدمة للذكاء الاصطناعي

Advanced Algorithms & Data Structures for AI

ساعة معتمدة
4
نظري
3
عملي
2

نماذج تصميم الخوارزميات المتقدمة مع التركيز على الخوارزميات الخاصة بالذكاء الاصطناعي: A*، والبحث الإرشادي، وقطع ألفا-بيتا و minimax، البحث في شجرة مونت كارلو، وإشباع القيود، والخوارزميات الجينية، والتلدد المحاكى، وذكاء النمل والأسراب، والخوارزميات التقريبية، ومعالجة المسائل من نمط NP-hard، وبنى المعطيات للذكاء الاصطناعي: طوابير الأولوية، والأشجار، والبيان، وأشجار KD، والفهرسة المكانية.

المتطلبات السابقة

لا يوجد

يفتح المقررات

مخرجات تعلم المقرر

  1. تنفيذ خوارزميات البحث الإرشادي ومقارنتها، بما فيها A* وأشكالها.
  2. تطبيق خوارزميات البحث التنافسي وأشجار الألعاب على مسائل القرار في الذكاء الاصطناعي.
  3. تصميم الخوارزميات الميتا-إرشادية والتطورية للتحسين وتقييمها.
  4. اختيار بنى المعطيات المتقدمة الملائمة للذكاء الاصطناعي وتنفيذها لحوسبة فعّالة.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS103

الأسس الرياضية للذكاء الاصطناعي

Mathematical Foundations for AI

ساعة معتمدة
4
نظري
3
عملي
2

مقرر موحَّد يدمج نظرية الاحتمالات والإحصاء والأساليب العددية الأساسية للذكاء الاصطناعي. تشمل الموضوعات: المتغيرات العشوائية، والتوزيعات والاستدلال البايزي، واختبار الفرضيات، وتحليل الانحدار، والإحصاء متعدد المتغيرات، والجبر الخطي للتعلم الآلي، والأساليب العددية لحل المعادلات التفاضلية، وإيجاد الجذور، والاستيفاء، والتكامل العددي، والتحسين المبني على التدرج والمحدب، وتقنيات التحسين الميتا-إرشادي.

المتطلبات السابقة

لا يوجد

يفتح المقررات

مخرجات تعلم المقرر

  1. تطبيق التوزيعات الاحتمالية والاستدلال البايزي لنمذجة مسائل الذكاء الاصطناعي.
  2. إجراء التحليل الإحصائي واختبار الفرضيات في سياق علوم البيانات.
  3. تطبيق الجبر الخطي والأساليب العددية في حسابات الذكاء الاصطناعي.
  4. تنفيذ خوارزميات التحسين المبنية على التدرج والميتا-إرشادية ومقارنتها.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS104

قواعد البيانات المتقدمة للذكاء الاصطناعي

Advanced Databases for AI

ساعة معتمدة
4
نظري
3
عملي
2

تصميم قواعد البيانات العلائقية، وتحسين SQL، ومستودعات البيانات، و OLAP، ومقدمة إلى أنظمة NewSQL، ومعماريات قواعد البيانات لأحمال عمل الذكاء الاصطناعي بما فيها قواعد البيانات في الذاكرة والسلاسل الزمنية.

المتطلبات السابقة

لا يوجد

يفتح المقررات

مخرجات تعلم المقرر

  1. تصميم المخططات العلائقية وتحسينها لأحمال العمل التحليلية.
  2. تنفيذ حلول مستودعات البيانات و OLAP.
  3. مقارنة تقنيات قواعد البيانات واختيار الملائم منها لحالات استخدام الذكاء الاصطناعي المختلفة.
  4. تطبيق تقنيات SQL وتحسين الاستعلامات على مجموعات البيانات الكبيرة.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS105

الأنظمة الموزعة والحوسبة السحابية

Distributed Systems & Cloud Computing

ساعة معتمدة
4
نظري
3
عملي
2

مبادئ الحوسبة الموزعة، ونماذج التناسق، والتسامح مع الأعطال، والخدمات المصغرة، والحاويات (Docker وKubernetes)، ومنصات السحابة (AWS وGCP وAzure)، والحوسبة بلا خادم، ونشر الذكاء الاصطناعي السحابي الأصيل.

المتطلبات السابقة

لا يوجد

مخرجات تعلم المقرر

  1. شرح مفاهيم الأنظمة الموزعة بما فيها التناسق والتسامح مع الأعطال.
  2. نشر تطبيقات ذكاء اصطناعي ضمن حاويات باستخدام Docker و Kubernetes.
  3. تصميم معماريات سحابية أصيلة لأحمال عمل الذكاء الاصطناعي على المنصات الرئيسية.
  4. تنفيذ مسارات بيانات قابلة للتوسع باستخدام الخدمات السحابية.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS106

معالجة اللغات الطبيعية

Natural Language Processing

ساعة معتمدة
4
نظري
3
عملي
2

المعالجة المسبقة للنص، والترميز، والتضمينات الكلمية (Word2Vec, GloVe, FastText)، ونماذج السلسلة، ومعماريات BERT و GPT، والتعرف على الكيانات المسماة، وتحليل المشاعر، والترجمة الآلية، وتلخيص النصوص.

المتطلبات السابقة

لا يوجد

يفتح المقررات

مخرجات تعلم المقرر

  1. تنفيذ مسارات المعالجة المسبقة للنصوص واستخراج الميزات.
  2. تطبيق نماذج اللغة المدرّبة مسبقاً على مهام معالجة اللغة اللاحقة.
  3. الضبط الدقيق لنماذج المحوّلات لتطبيقات محددة في معالجة اللغة.
  4. تقييم أنظمة معالجة اللغات الطبيعية باستخدام المقاييس المناسبة.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS201

تعلم الآلة

Machine Learning

ساعة معتمدة
4
نظري
3
عملي
2

التعلم الخاضع وغير الخاضع للإشراف، والانحدار، والتصنيف، والتجميع، وتقليل الأبعاد، وأساليب التجميع، وتقييم النماذج، والتحقق المتقاطع، ومقايضة التحيز والتباين، وهندسة الميزات.

المتطلبات السابقة

مخرجات تعلم المقرر

  1. تنفيذ خوارزميات التعلم الخاضع للإشراف وتقييمها.
  2. تطبيق تقنيات التعلم غير الخاضع للإشراف في التجميع وتقليل الأبعاد.
  3. تصميم مسارات هندسة الميزات لأنواع البيانات المختلفة.
  4. تقييم نماذج تعلم الآلة وضبطها باستخدام تقنيات تحقق صارمة.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS202

التعلم العميق

Deep Learning

ساعة معتمدة
4
نظري
3
عملي
2

أسس الشبكات العصبية، والانتشار العكسي، والشبكات العصبية التلافيفية والشبكات العصبية المتكررة، وLSTMs، والمحوّلات، وآليات الانتباه، والتعلم بالنقل، والتنظيم، والتحسين المتقدم، والنشر باستخدام TensorFlow وPyTorch.

المتطلبات السابقة

يفتح المقررات

مخرجات تعلم المقرر

  1. بناء الشبكات التلافيفية والمتكررة وتدريبها لمهام الرؤية والسلاسل.
  2. تنفيذ معماريات المحوّلات من الصفر.
  3. تطبيق استراتيجيات التعلم بالنقل والضبط الدقيق.
  4. نشر نماذج التعلم العميق باستخدام TensorFlow و PyTorch.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS203

تقنيات NoSQL والبيانات الكبيرة

NoSQL & Big Data Technologies

ساعة معتمدة
4
نظري
3
عملي
2

نماذج NoSQL (المستند، القيمة المفتاحية، عائلة الأعمدة، الرسم البياني) و MongoDB, Cassandra, Redis, Neo4j, Apache Hadoop, HDFS, MapReduce, Apache Spark, Kafka ومعماريات بحيرات البيانات لأحمال عمل الذكاء الاصطناعي.

المتطلبات السابقة

يفتح المقررات

مخرجات تعلم المقرر

  1. تصميم حلول قواعد بيانات NoSQL وتنفيذها لتطبيقات الذكاء الاصطناعي.
  2. بناء مسارات Apache Spark وتشغيلها لمعالجة البيانات على نطاق واسع.
  3. تصميم معماريات البيانات المتدفقة باستخدام Kafka.
  4. تنفيذ حلول بحيرات البيانات وحوكمة جودة البيانات.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS204

معالجة الصور والرؤية الحاسوبية

Image Processing & Computer Vision

ساعة معتمدة
4
نظري
3
عملي
2

أسس الصورة، والتصفية، والعمليات المورفولوجية، واستخراج الميزات (SIFT, HOG)، والكشف عن العناصر (YOLO, SSD, Faster R-CNN)، وتجزئة الصورة، وتقدير الوضعية، والرؤية ثلاثية الأبعاد، والتعلم العميق مع أطر OpenCV.

المتطلبات السابقة

يفتح المقررات

مخرجات تعلم المقرر

  1. تطبيق تقنيات معالجة الصور الكلاسيكية لاستخراج الميزات.
  2. تنفيذ نماذج الكشف عن العناصر وتجزئة الصور.
  3. تطوير مسارات رؤية حاسوبية متكاملة من البداية إلى النهاية.
  4. تقييم أنظمة الرؤية الحاسوبية على مجموعات بيانات مرجعية.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS205

الحوسبة عالية الأداء للذكاء الاصطناعي

AI High Performance Computing

ساعة معتمدة
4
نظري
3
عملي
2

معمارية GPU، وبرمجة CUDA، ونماذج الحوسبة المتوازية، والتدريب الموزّع (توازي البيانات، توازي النماذج)، والتدريب بدقة مختلطة، وضغط النماذج، و ONNX، و TensorRT، وتحليل أداء أحمال عمل الذكاء الاصطناعي.

المتطلبات السابقة

مخرجات تعلم المقرر

  1. برمجة نوى GPU لحسابات الذكاء الاصطناعي المتوازية باستخدام CUDA.
  2. تنفيذ استراتيجيات التدريب الموزّع للنماذج الكبيرة.
  3. تحسين نماذج الذكاء الاصطناعي باستخدام تقنيات التكميم والتقليم.
  4. تحليل أداء أنظمة الذكاء الاصطناعي وقياسه مرجعياً.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS206

تعلم الآلة على البيان

Graph Machine Learning

ساعة معتمدة
4
نظري
3
عملي
2

نظرية البيان لتعلم الآلة، والتضمينات العقدية (DeepWalk, Node2Vec)، والشبكات العصبونية الرسومية (GCN, GAT, GraphSAGE)، ورسوميات المعرفة، وتنبؤ الروابط، والكشف عن المجتمعات، والتطبيقات في اكتشاف الأدوية والشبكات الاجتماعية وأنظمة التوصية.

المتطلبات السابقة

يفتح المقررات

مخرجات تعلم المقرر

  1. تنفيذ معماريات الشبكات العصبونية على البيان لمهام العقد والبيانات الرسومية.
  2. تطبيق تضمينات البيان في تعلم التمثيل.
  3. بناء تطبيقات رسوميات المعرفة.
  4. نشر حلول تعلم الآلة على البيان لمسائل واقعية في مجالات مختلفة.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS301

الذكاء الاصطناعي التوليدي

Generative AI

ساعة معتمدة
4
نظري
3
عملي
2

المشفّرات التلقائية المتغيرة، و GANs، ونماذج الانتشار، ونماذج اللغة الكبيرة (LLMs)، ومعماريات GPT-4/Claude/Gemini، وهندسة التلقين، و RLHF، والضبط الدقيق لنماذج LLMs، والتوليد متعدد الوسائط، وسلامة محتوى الذكاء الاصطناعي.

المتطلبات السابقة

يفتح المقررات

مخرجات تعلم المقرر

  1. تنفيذ معماريات GAN و VAE ونماذج الانتشار ومقارنتها.
  2. تطبيق تقنيات هندسة التلقين والضبط الدقيق على نماذج اللغة الكبيرة.
  3. تطوير تطبيقات ذكاء اصطناعي توليدي متعددة الوسائط.
  4. تقييم النماذج التوليدية من حيث الجودة والسلامة والإنصاف.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS302

الذكاء الاصطناعي الوكيل وأنظمة متعددة الوكلاء

Agentic AI & Multi-Agent Systems

ساعة معتمدة
4
نظري
3
عملي
2

معماريات وكلاء الذكاء الاصطناعي (ReAct, Plan-and-Execute)، واستخدام الأدوات، وأنظمة الذاكرة، و LangChain، و LlamaIndex، و AutoGen، و CrewAI، وتنسيق متعدد الوكلاء، والتخطيط في ظل عدم اليقين، ونشر أنظمة الذكاء الاصطناعي المستقلة.

المتطلبات السابقة

يفتح المقررات

مخرجات تعلم المقرر

  1. تصميم مسارات وكلاء الذكاء الاصطناعي وتنفيذها باستخدام LangChain أو ما يكافئها.
  2. بناء أنظمة متعددة الوكلاء لتفكيك المهام المعقدة.
  3. دمج الأدوات الخارجية وواجهات البرمجة في مسارات العمل الوكيلة.
  4. تقييم موثوقية أنظمة الذكاء الاصطناعي المستقلة وسلامتها وأدائها.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS303

التعلم العميق المتقدم

Advanced Deep Learning

ساعة معتمدة
4
نظري
3
عملي
2

موضوعات التعلم العميق: الضبط الدقيق الفعّال للمعاملات (PEFT)—LoRA، QLoRA، Prefix Tuning، والمحوّلات، والإشراف والتعلّم التبايني (SimCLR, MoCo, BYOL)، والبحث عن المعمارية العصبونية (NAS)، وخليط الخبراء (MoE)، ونماذج فضاء الحالة (Mamba)، والشبكات العصبونية على البيان لتعلم الآلة، والتعلم بالميتا وبعدد قليل من الأمثلة، و ODEs العصبونية، واستراتيجيات التدريب القابلة للتوسع للنماذج الكبيرة جداً.

المتطلبات السابقة

يفتح المقررات

مخرجات تعلم المقرر

  1. تنفيذ تقنيات PEFT (LoRA و QLoRA و Adapters) للضبط الدقيق الفعّال لنماذج اللغة الكبيرة.
  2. تطبيق أطر التعلم الذاتي الإشراف والتعلم التبايني.
  3. استكشاف المعماريات المتقدمة بما فيها خليط الخبراء ونماذج فضاء الحالة والتعلم بالميتا.
  4. تصميم استراتيجيات تدريب قابلة للتوسع لنماذج التعلم العميق الكبيرة جداً.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS304

الذكاء الاصطناعي على الأجهزة الطرفية (TinyML)

TinyML & Edge AI

ساعة معتمدة
4
نظري
3
عملي
2

تكميم النماذج، والتقليم، وتقطير المعرفة، والبحث عن المعمارية العصبونية، و TensorFlow Lite، و ONNX Runtime، والنشر على المتحكمات الصغرية (Arduino, STM32, Raspberry Pi)، و Edge Impulse، والتعلم الفيدرالي.

المتطلبات السابقة

يفتح المقررات

مخرجات تعلم المقرر

  1. تطبيق تقنيات ضغط النماذج للنشر على الأجهزة الطرفية.
  2. نشر نماذج الذكاء الاصطناعي على المتحكمات الصغرية والأنظمة المضمّنة.
  3. تنفيذ التعلم الفيدرالي لذكاء اصطناعي يحافظ على الخصوصية.
  4. قياس نماذج TinyML مرجعياً للموازنة بين الدقة وزمن الاستجابة.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS305

قواعد البيانات المتجهة والتوليد المعزز بالاسترجاع

Vector Databases & Retrieval-Augmented Generation

ساعة معتمدة
4
نظري
3
عملي
2

التضمينات المتجهة، والبحث عن التشابه، وخوارزميات ANN (HNSW, IVF)، وقواعد البيانات المتجهة (Pinecone, Weaviate, Milvus, Chroma)، ومعماريات RAG، والبحث الهجين، واستراتيجيات التقطيع، وتصميم أنظمة RAG الإنتاجية.

المتطلبات السابقة

يفتح المقررات

مخرجات تعلم المقرر

  1. تصميم أنظمة الفهرسة المتجهة والبحث عن التشابه وتنفيذها.
  2. بناء مسارات RAG متكاملة باستخدام نماذج اللغة الكبيرة ومخازن المتجهات.
  3. تقييم جودة الاسترجاع في أنظمة RAG وتحسينها.
  4. نشر حلول قواعد بيانات متجهة بمستوى الإنتاج.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS306

الذكاء الاصطناعي متعدد الوسائط والتعلم عبر الأنماط

Multimodal AI & Cross-Modal Learning

ساعة معتمدة
4
نظري
3
عملي
2

أسس التعلم متعدد الوسائط، نماذج الرؤية واللغة (CLIP, ALIGN, Florence)، التعليق على الصور والإجابة على الأسئلة البصرية (VQA)، توليد الصور من النصوص (Stable Diffusion, DALL-E)، النماذج الصوتية-البصرية، المحوّلات متعددة الوسائط (Flamingo, LLaVA, GPT-4V)، الاسترجاع عبر الأنماط، استراتيجيات الدمج متعدد الوسائط، فهم الفيديو، معايير تقييم الأنظمة متعددة الوسائط.

المتطلبات السابقة

يفتح المقررات

مخرجات تعلم المقرر

  1. تنفيذ نماذج الرؤية واللغة مثل CLIP للمهام عبر الأنماط.
  2. بناء مسارات متعددة الوسائط للإجابة على الأسئلة البصرية والتعليق على الصور وتوليد الصور من النصوص.
  3. تطبيق استراتيجيات الدمج متعدد الوسائط وتقنيات الاسترجاع عبر الأنماط.
  4. تقييم أنظمة الذكاء الاصطناعي متعددة الوسائط باستخدام مقاييس ملائمة للمجال.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS401

أخلاقيات الذكاء الاصطناعي والحوكمة ومنهجية البحث

AI Ethics, Governance & Research Methodology

ساعة معتمدة
4
نظري
3
عملي
2

تصميم البحث، ومراجعة الأدبيات، والكتابة العلمية، وأطر أخلاقيات الذكاء الاصطناعي (الإنصاف والمساءلة والشفافية)، والتحيز الخوارزمي، وخصوصية البيانات (GDPR وقانون الذكاء الاصطناعي)، وسياسات حوكمة الذكاء الاصطناعي، وممارسات النشر المسؤول.

المتطلبات السابقة

مخرجات تعلم المقرر

  1. إجراء مراجعات منهجية للأدبيات في الذكاء الاصطناعي وعلوم البيانات.
  2. تطبيق الأطر الأخلاقية لتقييم تصاميم أنظمة الذكاء الاصطناعي.
  3. عرض نتائج البحث من خلال الكتابة العلمية.
  4. تحليل متطلبات حوكمة الذكاء الاصطناعي والامتثال.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS402

موضوعات متقدمة في الذكاء الاصطناعي (سيمينار)

Advanced Topics in AI (Seminar)

ساعة معتمدة
8
نظري
6
عملي
4

آفاق البحث الحالية في الذكاء الاصطناعي تشمل النماذج التأسيسية، ونماذج العالم، والحوسبة العصبية الشكل، والذكاء الاصطناعي للعلوم (اكتشاف الأدوية، المناخ، الجينوم)، وسلامة ومواءمة الذكاء الاصطناعي، والنماذج الناشئة. يتضمن محاضرات مدعوّة وعروض طلابية.

المتطلبات السابقة

مخرجات تعلم المقرر

  1. مراجعة الأوراق البحثية الحديثة في الذكاء الاصطناعي نقدياً وعرضها.
  2. تحديد المسائل البحثية المفتوحة في الذكاء الاصطناعي وعلوم البيانات.
  3. الربط بين معارف فروع الذكاء الاصطناعي المختلفة لتطبيقات متعددة المجالات.
  4. إيصال مفاهيم الذكاء الاصطناعي المتقدمة إلى جماهير متنوعة.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS403

هندسة منتجات الذكاء الاصطناعي

AI Product Engineering

ساعة معتمدة
4
نظري
3
عملي
2

دورة حياة منتج الذكاء الاصطناعي الكاملة: تتبع التجارب (MLflow, W&B)، وإصدارات البيانات (DVC)، وخدمة CI/CD لتعلم الآلة، ومخازن الميزات، وخدمة النموذج (FastAPI, BentoML, Triton)، واختبار A/B، والنشر الظلي، والكشف عن الانجراف، ومراقبة النماذج، وأمن الذكاء الاصطناعي (الهجمات الخصمية، وسرقة النماذج، وحقن المطالبات)، وهندسة الامتثال، ودراسات الحالة الصناعية في إنتاج الذكاء الاصطناعي.

المتطلبات السابقة

مخرجات تعلم المقرر

  1. تصميم مسارات MLOps كاملة وتنفيذها مع تتبع التجارب و CI/CD.
  2. نشر نماذج الذكاء الاصطناعي على نطاق واسع ومراقبتها مع الكشف عن الانجراف والتنبيه.
  3. تنفيذ تدابير أمن الذكاء الاصطناعي في مواجهة الهجمات الخصمية وتهديدات الحقن.
  4. تطبيق ممارسات الذكاء الاصطناعي المسؤول في تطوير المنتجات الإنتاجية.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS404

التعلم المعزز واتخاذ القرار

Reinforcement Learning & Decision Making

ساعة معتمدة
4
نظري
3
عملي
2

عمليات القرار ماركوف، والبرمجة الديناميكية، وأساليب مونت كارلو، والتعلم الفرقي الزمني، Q-Learning، وشبكات DQN، وأساليب تدرج السياسة، والبانديت متعدد الأذرع، والتطبيقات في الروبوتات والألعاب.

المتطلبات السابقة

مخرجات تعلم المقرر

  1. نمذجة مسائل القرار المتتابعة على شكل عمليات قرار ماركوف.
  2. تنفيذ خوارزميات التعلم المعزز المبنية على القيمة والمبنية على السياسة.
  3. تطبيق التعلم المعزز العميق في بيئات التحكم والألعاب.
  4. تقييم أداء وكلاء التعلم المعزز وتقاربهم.

توزيع العلامات

الامتحان النهائي 50%، مشاريع/واجبات 35%، اختبارات ومشاركة 15%.

MADS405

مشروع تخرج الماجستير

Master Graduation Project

ساعة معتمدة
8
نظري
4
عملي
8

مراجعة الأدبيات، وصياغة المشكلة، وجمع البيانات، وتصميم المنهجية، والتجارب الأولية، وتقرير التقدم، التنفيذ الكامل، والتجارب، وتحليل النتائج، وكتابة الورقة الأكاديمية بإشراف مشرف أكاديمي.

المتطلبات السابقة

إنجاز جميع مقررات الفصول 1-3

مخرجات تعلم المقرر

  1. تحديد مسألة بحثية واضحة وأهدافها في الذكاء الاصطناعي وعلوم البيانات.
  2. إجراء مراجعة شاملة للأدبيات.
  3. تصميم منهجية بحث ملائمة، وتنفيذ الحل المقترح والتحقق منه، وتحليل النتائج التجريبية ومناقشتها نقدياً.
  4. كتابة رسالة ماجستير كاملة وفق المعايير الأكاديمية والدفاع عنها باحترافية أمام لجنة الحكم.

توزيع العلامات

العرض النهائي 40%، الأطروحة 30%، سيمينار 2 15%، سيمينار 1 15%.

مخرجات تعلم البرنامج

  1. PLO1 تطبيق أسس رياضية وإحصائية وحسابية متقدمة لحل مسائل معقدة في الذكاء الاصطناعي وعلوم البيانات.
  2. PLO2 تصميم وتنفيذ نماذج تعلم الآلة والتعلم العميق للتطبيقات الواقعية.
  3. PLO3 تطوير ونشر أنظمة الذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيل باستخدام أحدث المعماريات.
  4. PLO4 هندسة مسارات البيانات الضخمة القابلة للتوسع وإدارة نماذج تخزين البيانات المتنوعة بما فيها قواعد بيانات المتجهات و NoSQL.
  5. PLO5 تطبيق تقنيات معالجة اللغة الطبيعية والرؤية الحاسوبية لاستخلاص الرؤى من البيانات غير المنظمة.
  6. PLO6 تحسين أعباء عمل الذكاء الاصطناعي على بيئات الحوسبة عالية الأداء والحافة/المضمّن.
  7. PLO7 تقييم واختيار ودمج أدوات وأطر ومنصات الذكاء الاصطناعي وعلوم البيانات المناسبة لمجالات هندسية متنوعة.
  8. PLO8 إجراء بحث أصيل وإنتاج رسالة ماجستير تأهيل وتخصص تُظهر الإتقان في منهجيات الذكاء الاصطناعي وعلوم البيانات.
  9. PLO9 التواصل الفعّال عن النتائج التقنية مع الأطراف المعنية التقنية وغير التقنية في البيئات المهنية.
  10. PLO10 تطبيق الاعتبارات الأخلاقية والقانونية والاجتماعية في تطوير ونشر أنظمة الذكاء الاصطناعي.

مصفوفة تغطية المنهج

I = تقديم، R = تعزيز، M = إتقان

المقرر PLO1 PLO2 PLO3 PLO4 PLO5 PLO6 PLO7 PLO8 PLO9 PLO10
MADS101 البرمجة المتقدمة بلغة بايثون للذكاء الاصطناعي I I I
MADS102 الخوارزميات وبنى المعطيات المتقدمة للذكاء الاصطناعي I I I
MADS103 الأسس الرياضية للذكاء الاصطناعي I I I
MADS104 قواعد البيانات المتقدمة للذكاء الاصطناعي I I I
MADS105 الأنظمة الموزعة والحوسبة السحابية I I I
MADS106 معالجة اللغات الطبيعية I I I
MADS201 تعلم الآلة R I R
MADS202 التعلم العميق R R R
MADS203 تقنيات NoSQL والبيانات الكبيرة R R
MADS204 معالجة الصور والرؤية الحاسوبية R R R
MADS205 الحوسبة عالية الأداء للذكاء الاصطناعي R R
MADS206 تعلم الآلة على البيان M R M
MADS301 الذكاء الاصطناعي التوليدي M I R
MADS302 الذكاء الاصطناعي الوكيل وأنظمة متعددة الوكلاء R M R
MADS303 التعلم العميق المتقدم M R R
MADS304 الذكاء الاصطناعي على الأجهزة الطرفية (TinyML) M M
MADS305 قواعد البيانات المتجهة والتوليد المعزز بالاسترجاع R M R
MADS306 الذكاء الاصطناعي متعدد الوسائط والتعلم عبر الأنماط R M M
MADS401 أخلاقيات الذكاء الاصطناعي والحوكمة ومنهجية البحث I R M
MADS402 موضوعات متقدمة في الذكاء الاصطناعي (سيمينار) R M R
MADS403 هندسة منتجات الذكاء الاصطناعي M M M M M
MADS404 التعلم المعزز واتخاذ القرار M R R
MADS405 مشروع تخرج الماجستير M M M M R

استراتيجيات التقييم

الامتحان النهائي

50%

امتحان مكتوب شامل يغطي جميع مادة المقرر.

المشاريع والعمل التطبيقي

35%

مشاريع فردية وجماعية، ومهام مختبرية، ودفاتر Jupyter، وتسليمات GitHub، وعروض.

الاختبارات القصيرة والواجبات والمشاركة

15%

اختبارات دورية، وواجبات منزلية، ومشاركة في الفصل، ومراجعات الأقران.

مناقشة مشروع التخرج

الفصل 4

مناقشة شفهية أمام لجنة امتحانية مؤلفة من ثلاثة أعضاء. يُقيَّم على الأصالة والمنهجية والنتائج وجودة العرض.

أحكام مشروع تخرج الماجستير

يُعدّ مشروع تخرج الماجستير مقرراً كباقي المقررات، وهو يهدف إلى تعليم الطلاب معالجة موضوع هندسي تخصصي في الذكاء الاصطناعي وعلوم البيانات وتنفيذ الحلّ الذي يتوصلون إليه. يجري تنفيذ مشروع تخرج الماجستير وفق الآتي:

  1. 01 يُعِدّ الطالب مشروعاً في موضوع يقرّه مجلس الكلية، ويقدّم بنتيجة عمله في هذا المشروع تقريراً تجري مناقشته أمام لجنة حكم يشكّلها مجلس الكلية لهذا الغرض.
  2. 02 يجب أن يكون مشروع التخرج من ضمن الاختصاصات الدقيقة للبرنامج.
  3. 03 يُنجز المشروع بإشراف أحد أعضاء الهيئة التعليمية، أو من في حكمهم، أو أحد المختصين ممن يوافق عليه مجلس الكلية من حملة شهادة الدكتوراه.
  4. 04 يُشترط لتسجيل مشروع الماجستير أن يكون الطالب قد أنجز 72 ساعة معتمدة على الأقل.
  5. 05 يجري تحكيم مشاريع تخرج الماجستير من قبل لجنة تحكيم ثلاثية يشكّلها مجلس الكلية، وفي المواعيد التي يحدّدها مجلس الكلية.
  6. 06 تقوم لجنة الحكم بتقويم المشروع وفقاً للقواعد التي يحددها مجلس الكلية، ويعد الطالب ناجحاً في المشروع إذا حصل على درجة لا تقل عن 60 من 100.
  7. 07 يجوز للجنة الحكم إعطاء مهلة لا تتجاوز الشهر من تاريخ المناقشة لإجراء التعديلات (في حال الضرورة)، ولا يتم في هذه الحالة إعادة المناقشة.
  8. 08 يعدّ الطالب راسباً في المشروع في حال عدم حصوله على علامة 60 على الأقل أو في حال عدم موافقة اللجنة على التعديلات التي تطلب منه خلال أقل من شهر بعد المناقشة، ويعيد الطالب التسجيل على المشروع من جديد ولمرة واحدة.

شروط القبول

يُشترط في قبول المرشح لتحضير درجة ماجستير تأهيل وتخصص في الذكاء الاصطناعي وعلوم البيانات أن يكون حاصلاً على إجازة جامعية بمعدّل تخرج جيد على الأقل من إحدى الجامعات الحكومية، أو الخاصة، أو برامج التقانة من الجامعة الافتراضية السورية، أو الكليات التطبيقية، أو الجامعات غير السورية المعترف بها، وذلك في أحد الاختصاصات التالية:

الاختصاصات المقبولة

  • الهندسة المعلوماتية
  • الهندسة الميكانيكية والكهربائية (هندسة حواسيب)
  • هندسة الحاسوب والمعلوماتية
  • هندسة تكنولوجيا المعلومات والاتصالات (تقانة المعلومات)
  • هندسة المعلوماتية والاتصالات (نظم المعلومات، برمجيات، ذكاء صنعي)
  • هندسة البرمجيات ونظم المعلومات
  • هندسة كهرباء (هندسة تحكم آلي وحواسيب)
  • هندسة إلكترون (هندسة حواسيب وهندسة الحاسبات والتحكم الآلي)
  • العلوم (اختصاص إنفورماتيك - الرياضيات التطبيقية والمعلوماتية)
  • هندسة المعلومات (تكنولوجيا المعلومات)
  • دبلوم هندسة المعهد العالي للعلوم التطبيقية والتكنولوجيا (هندسة معلوميات/معلوماتية/نظم معلوماتية)
  • علوم الحاسوب
  • هندسة نظم الحاسوب
  • نظم المعلومات / إدارة نظم وتقانات المعلومات / نظم المعلومات الإدارية (MIS)
  • إجازة في المعلوماتية UOG
  • الأكاديمية العربية للعلوم والتكنولوجيا والنقل البحري (اختصاص هندسة الحاسب)
  • هندسة الحواسيب (أتمتة وتحكم) / هندسة الاتصالات / هندسة المعلومات والاتصالات / هندسة الشبكات / الهندسة الطبية

معايير المفاضلة

معدل التخرج 80%

معدل التخرج في الدرجة العلمية المقبول على أساسها المرشح.

اختبار اللغة الإنكليزية 20%

نتيجة اختبار اللغة الإنكليزية الذي تجريه الجامعة.

يُفوّض مجلس الجامعة بتعديل معدلات القبول في بداية كل فصل دراسي، تبعاً لسياسة الاستيعاب المعتمدة والقدرة الاستيعابية للجامعة.

متطلبات الحصول على الدرجة العلمية

  1. أن ينجح في جميع المقرّرات.
  2. أن ينجح في مشروع الماجستير.
  3. أن يُسدد الرسوم والأقساط المالية المترتبة عليه وفقاً للنظام المالي.

طرائق التدريس واستراتيجيات التقويم

يُعتمد قرار مجلس التعليم العالي رقم /21/ تاريخ 28/9/2014م وتعديلاته كأساس لنظام التدريس والامتحانات والتقويم الموحّد للجامعات السورية الخاصة التي تعتمد نظام الساعات المعتمدة.