قدرة تقنية
برامج مشاريع الذكاء الاصطناعي التطبيقية
برامج تبني فيها الفرق مشروع ذكاء اصطناعي يعمل على مشكلة حقيقية، وفق منهجية CRISP-DM من فهم مشكلة العمل حتى التقييم والعرض النهائي. يخرج المشاركون بنتيجة بنوها بأنفسهم ومنهجية يستطيعون تكرارها.
أسرع طريق لتعلّم الذكاء الاصطناعي هو البناء به، ولذلك ننظّم هذا البناء ليُنتج شيئًا مفيدًا ومنهجية تبقى مع المشاركين.
01البنية المعمارية
البنية المعمارية المرجعية
ترتيب نموذجي للمكوّنات. نكيّف كل تنفيذ مع أنظمتكم ومتطلبات مكان حفظ البيانات والأمن لديكم.
سؤال العمل
- صياغة المشكلة
- معايير النجاح
البيئة التطبيقية
- الدفاتر البرمجيةJupyter · Google Colab
- مجموعات بيانات تجريبيةpandas
- النماذج والمكتبات البرمجيةscikit-learn · Hugging Face
مشروع الفريق
- نموذج أولي يعملStreamlit
- التقييم مقابل معايير النجاح
المراجعة والتسليم
- تغذية راجعة مكتوبة
- تسليم الشيفرة والدفاتر البرمجيةGitHub
02المكوّنات
ما تشمله هذه القدرة
01
صياغة المشكلة
تبدأ الفرق من سؤال عمل حقيقي وتتفق على شكل النتيجة المفيدة.
02
بيئة تطبيقية جاهزة
دفاتر برمجية ومجموعات بيانات تجريبية وأدوات مُعدّة مسبقًا، ليُخصَّص وقت الجلسات للبناء.
03
دورات بناء بإشراف مباشر
جولات قصيرة من البناء والمراجعة مع تغذية راجعة على تجهيز البيانات والنمذجة والتقييم.
04
العرض والمراجعة
تعرض كل فرقة نتيجتها وحدودها، وتتلقى تغذية راجعة مكتوبة.
03التنفيذ
كيف ننفّذها
يسير كل برنامج وفق منهجية CRISP-DM: فهم مشكلة العمل، ثم فهم البيانات وتجهيزها، ثم النمذجة والتقييم، وأخيرًا العرض. نُعدّ البيئة التطبيقية ومجموعات البيانات قبل الجلسة الأولى، ونتفق معكم على البيانات المسموح باستخدامها، لتعمل الفرق على مواد واقعية دون كشف أي سجلات حساسة.
- تجمع الفرق الصغيرة بين المعرفة بمجال العمل والمهارات التقنية.
- يراجع المشرفون التقدّم في كل مرحلة، لا في النهاية فقط.
- تُسلَّم المشاريع والدفاتر البرمجية والتغذية الراجعة للمشاركين، وللجهة الراعية عند الاتفاق على ذلك.
04المخرجات
ما الذي تستلمونه
بيئة تطبيقية ومجموعات بيانات جاهزة
موجز مشروع لكل فريق
نماذج أولية تعمل مع تقييمها
التغذية الراجعة وتقرير البرنامج
التقنيات
تقنيات نعمل بها
- Python
- Jupyter
- Google Colab
- pandas
- scikit-learn
- Hugging Face
- Streamlit
- GitHub
تُختار لكل مشروع بما يتوافق مع معاييركم الحالية. وهي تقنيات نستخدمها، لا شراكات ولا اعتمادات.
05حالات الاستخدام
تطبيقات نموذجية
أنماط صُمّمت هذه القدرة لخدمتها، وليست قائمة بمشاريع منفّذة.
01
برامج الدفعات المفتوحة
مهنيون من جهات مختلفة يبني كلٌّ منهم مشروعًا على مشكلة من مجال عمله.
02
مشاريع داخلية مكثّفة
فرق تجمع بين الخبرة العملية والتقنية تبني نموذجًا أوليًا على حالة استخدام داخلية موافَق عليها.
03
برامج الخريجين وحديثي التوظيف
عمل منظّم على مشاريع يمنح المواهب الجديدة خبرة عملية في الذكاء الاصطناعي.
06الأدلة
أعمال ذات صلة
مشاريع وبرامج كان لهذه القدرة دور فيها، موصوفة بالدور الذي أدّته NLAI فعلًا.
- برنامج تدريبي
دورة بناء مشاريع الذكاء الاصطناعي — الدفعة التاسعة
الدفعة التاسعة من دورة بناء مشاريع الذكاء الاصطناعي برنامج حضوري مدته ثلاثة أيام، قدّمته NLAI بالشراكة التدريبية مع معهد EMC (Educational Mastar Central).
قراءة المزيد
07ذات صلة
إلى أين بعد ذلك
السياقات القطاعية
المزيد في التدريب وبناء القدرات
- تصميم مناهج الذكاء الاصطناعي حسب الأدوار
مسارات تعلّم للقيادات التنفيذية والمديرين والمختصين والفرق التقنية، تُبنى على تحليل للمهارات وعلى إجراءات عملكم لا على أمثلة عامة.
الخطوة التالية
حدّدوا نطاق برامج مشاريع الذكاء الاصطناعي التطبيقية لمؤسستكم
شاركونا العملية والبيانات والقيود، وسنقترح منهجية العمل، والأدلة التي نجمعها أولًا، وخطة واقعية للتنفيذ.