0741345
|
رقم المادة |
نمذجة البيانات ومحاكاتها
|
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0721224
|
رقم المتطلب السابق |
||||||
تتعامل نمذجة ومحاكاة البيانات مع الوصف الإحصائي للبيانات وطرق تركيب البيانات وتحليل الانحدار وتحليل التباين وجودة الملاءمة. الاحتمالية والعمليات العشوائية، التوزيعات المنفصلة والمستمرة، نظرية الحدود المركزية، مقياس العشوائية، طرق مونت كارلو. العمليات العشوائية وسلاسل ماركوف، نماذج السلاسل الزمنية. مفاهيم النمذجة والمحاكاة، محاكاة الأحداث المنفصلة: جدولة الأحداث / التحقق من خوارزميات الوقت المسبق والتحقق من صحة نماذج المحاكاة. المحاكاة المستمرة: النمذجة باستخدام المعادلات التفاضلية العشوائية ومحاكاتها. |
|||||||||
0741376 |
رقم المادة |
تمييز الانماط
|
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0741371 |
رقم المتطلب السابق |
||||||
مادة تمييز الأنماط تهتم بالتعرف على اساسيات إنشاء خوارزميات حسابية لتتعرف على الأنماط داخل البيانات ذات الأشكال المختلفة وتحللها. تتضمن هذه المادة الخوارزميات وهندسة الكسريات المتكررة fractal geometry وطرق التصنيف مثل الغابات العشوائية ونهج التعرف باستخدام التعلم العميق ونماذج النظام البصري البشري. سيتم استخدام حزم Python وstat-of-the art مثل Tensorflow والأدوات البرمجية كآلية لدراسة الأنماط في الطبيعة والمشوشة والبيانات من مختلف مصادر العالم الحقيقي، مثل الصور والوسائط الاجتماعية والإشارات الطبية الحيوية. |
|||||||||
0741379 |
رقم المادة
|
الروبوتات المتنقلة الذكية
|
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0741371 |
رقم المتطلب السابق |
||||||
تغطي مادة الروبوتات المتنقلة الذكية العناصر الأساسية لأنظمة الروبوتات المتنقلة من وجهة نظر حسابية، حيث تتم تغطية قضايا مثل هياكل التحكم في البرامج، وتفسير المستشعرات، بناء الخرائط، الملاحة، البحث في المحيط المحدد. يقوم الطلاب ببرمجة روبوت صغير متنقل لأداء مهام بسيطة في بيئات العالم الحقيقي. | |||||||||
0741474 |
رقم المادة |
معالجة اللغات الطبيعية
|
اسم المادة |
||||||
|
عدد الساعات المعتمدة |
0741375 |
رقم المتطلب السابق |
||||||
مادة معالجة اللغة الطبيعية (NLP) تركز على تفاعل اللغات البشرية مع الحاسوب. على وجه التحديد، كيفية برمجة جهاز الحاسوب لتحليل ومعالجة كمية كبيرة من النصوص. تغطي المادة مواضيع اللغويات، قواعد اللغات وبنيتها الشكلية، ومعالجة اللغة الطبيعية، وبناء جمل لغات البرمجة وهيكلها، وتدفق التحكم، وترميز النص، وتطبيع النص، وفهم بناء جملة النص وهيكلها، وتلخيص النص واستخراج المعلومات، ومصفوفة الميزات، تحليل القيمة الوحيدة، التلخيص الآلي للوثائق، التحليل الدلالي. | |||||||||
0741372 |
رقم المادة |
التعلم الالي |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0741273 |
المتطلب السابق |
||||||
الهدف من هذا المساق هو تزويد الطلاب بمقدمة على المستوى الجامعي للتعلم الآلي توفر أسس النماذج الرياضية والخوارزميات المطلوبة لمهام التعلم الآلي وتطبيقاتها. ستتضمن الموضوعات التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف والتعلم العميق والتعلم المعزز. ستركز هذا المساق على التطبيقات العملية للتعلم الآلي في الذكاء الاصطناعي مثل رؤية الكمبيوتر، واستخراج البيانات، والتعرف على الكلام، ومعالجة النصوص والمعلوماتية الحيوية. |
|||||||||
0741478 |
رقم المادة |
الشبكات العصبونية |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0741372 |
المتطلب السابق |
||||||
يغطي هذا المساق مفهوم الشبكة العصبية الاصطناعية. الشبكات العصبية أحادية الطبقة ومتعددة الطبقات. قواعد التعلم المختلفة؛ مفهوم perceptron، دلتا، وbackpropagation. طريقة المربعات الصغرى كأساس لبناء النموذج. خوارزمية أقل متوسط تربيع (LMS). خرائط التنظيم الذاتي. الآلات العشوائية، المفهوم الإحصائي الديناميكي. |
|||||||||
0741375 |
رقم المادة |
التعليم العميق |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0741372 |
المتطلب السابق |
||||||
ستعرف هذا المساق الطلاب على مفهوم التعلم العميق وسيساعد الطلاب على فهم مبادئها الأساسية. الفصل يغطي الشبكات العصبية ذات التغذية الأمامية والشبكات العصبية الملتفة Convolutional Neural Network ، الشبكة العصبية المتكررة ، نمذجة التسلسل ، التعزيز العميق التعلم والمفاهيم والتقنيات الأساسية الأخرى. هذا المساق سوف يعلم الطلاب أيضًا الحسابات الأساسية الكامنة وراء العمق التعلم. من المتوقع بنهاية المساق، أن يكون الطلاب قادرين على بناء وتدريب وتطبيق شبكات عصبية عميقة متصلة بالكامل، ومعرفة كيفية تنفيذ الشبكات العصبية الفعالة باستخدام المكتبات الأكثر شيوعًا للتعلم العميق مثل Keras و PyTorch ؛ و Tensorflow.سيعرف هذا المساق الطلاب أيضًا على مجموعة واسعة من تطبيقات التعلم العميق في مشاكل الكلمات الحقيقية. |
|||||||||
0741452 |
رقم المادة |
البيانات الضخمة |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0741375 |
المتطلب السابق |
||||||
يقدم المساق مفاهيم الحوسبة عالية الأداء لحل مشاكل البيانات الضخمة. تتم مناقشة قوة وقيود استخدام البيانات الضخمة بتعمق باستخدام أمثلة من العالم الحقيقي. ثم ينخرط الطلاب في تمارين دراسة الحالة حيث تقوم مجموعات صغيرة من الطلاب بتطوير وتقديم مفهوم البيانات الضخمة لحالة معينة في العالم الحقيقي. يتضمن ذلك تمارين عملية لتعريف الطلاب بأدوات البيانات الضخمة والبنية التحتية. كما يوفر أول تجربة عملية في معالجة وتحليل البيانات الكبيرة والمعقدة والمنظمة وشبه المنظمة وغير المنظمة. عند الانتهاء بنجاح من هذه الدورة، يجب أن يكون الطلاب قادرين على فهم كيفية ولماذا استخدام أدوات البيانات الضخمة لحل مشاكل البيانات الضخمة. |
|||||||||
741351 |
رقم المادة |
نظم الحوسبة لعلم البيانات والذكاء الاصطناعي |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
750335 |
المتطلب السابق |
||||||
الهدف من هذه المساق هو تزويد الطلاب بنظرة عامة على البرامج والأجهزة المختلفة التي تساعد علماء البيانات على تحليل بياناتهم. تتضمن هذه التقنيات R و Hadoop و Spark والمزيد. كما يوفر مقدمة إلى البيانات الضخمة والسحابة وحوسبة إنترنت الأشياء. |
|||||||||
741371 |
رقم المادة |
اساسيات الذكاء الاصطناعي |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
741273 |
المتطلب السابق |
||||||
يقدم هذا المساق المبادئ الأساسية والتقنيات والتطبيقات الخاصة بالذكاء الاصطناعي. كما يغطي مواضيع مثل تمثيل المعرفة، والمنطق، والاستدلال وحل المشكلات، وخوارزميات البحث، ونظرية الألعاب، والإدراك والتعلم وطرق التخطيط، تمثيل المعرفة، المنطق الحسابي، هندسة المعرفة والأنظمة الخبيرة، ومعالجة اللغات الطبيعية. تعلم الآلة وسيتم تقديم بعض لغات البرمجة المهمة مثل بايثون و R |
|||||||||
741444 |
رقم المادة |
البيانات المرئية (استعراض البيانات) |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
741273 |
المتطلب السابق |
||||||
يقدم هذا المساق كيفية تصميم وإنشاء الرسومات التمثيلية للبيانات استنادًا إلى البيانات المتوفرة والمهام المطلوب تحقيقها. وتشمل المواضيع نمذجة البيانات، معالجة البيانات، استكشاف البيانات، الربط بين خصائص البيانات وخصائص الرسم التمثيلي وتطوير لوحة البيانات. يتم التركيز على تحديد الأنماط والاتجاهات والفروقات الموجودة في البيانات عبر الفئات والفضاء والوقت. سيتعلم الطالب تقييم فعالية الرسومات التمثيلية، والتفكير بشكل نقدي حول كل قرار تصميم، مثل اختيار اللون واختيار التشفير المرئي. |
|||||||||
0741242 |
رقم المادة |
اساسيات هندسة البيانات وتحليلاتها |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
741141 |
المتطلب السابق |
||||||
يقدم هذا المساق المفاهيم الأساسية لعلوم البيانات وتحليلها وتطبيقاتها. الموضوعات التي يقدمها المساق تشمل الحصول على البيانات، والتنظيف، والتجميع، استكشاف وتحليل البيانات وعرضها، وبناء النماذج وتحليلها والتحقق منها، والأسس الإحصائية والأسس الرياضية لعلوم البيانات. كما ويتناول هذا المساق دورة حياة البيانات في مشروع علم البيانات الذي يغطي أنواع البيانات، مثل البنية الهيكلية وشبه الهيكلية وغير الهيكلة والصيغ المختلفة للبيانات والتقنيات المستخدمة وكذلك الاستكشاف باستخدام تقنيات التصور أو الاستعراض الأساسية لبيانات. |
|||||||||
741491 |
رقم المادة |
التدريب العملي |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
90 ساعة |
المتطلب السابق |
||||||
التدريب العملي: على الطالب أن يتدرب في مؤسسة أو شركة ذات عالقة بمجلات تقنية المعلومات والبيانات والذكاء الاصطناعي لمدة لا تقل عن ثمانية أسابيع واجتياز( 15) ساعة تدريب عملي على الأقل في الأسبوع. ويُطلب من الطالب خلال التدريب القيام ببعض المهام المرتبطة بتخصصه، مثل تطوير برنامج أو تعلم مهارات وتقنيات وقدرات جديدة. وتتم متابعة الطلبة من قبل مشرفين يتم تحديدهم وذلك لتقييم الأداء. |
|||||||||
741492 |
رقم المادة |
مشروع بحث 1 |
اسم المادة |
||||||
1 |
عدد الساعات المعتمدة |
90 ساعة |
المتطلب السابق |
||||||
يهدف مشروع التخرج إلى تطوير مهارات الطالب وقدرته على حل المسائل الواقعية ودراستها وتحليلها وتطوير البرمجيات اللازمة لحلها. ويتحقق ذلك من خلال توظيف المعرفة المكتسبة من المساقات التي درسوها في تنفيذ هذا المشروع. وبإشراف عضو هيئة تدريس. ويتم تحديد نجاح المشروع إلى حد كبير من خلال ما إذا كان الفريق قد نجح في حل مشكلة العملاء بشكل مناسب. يتم تقييم هذا المشروع من قبل لجنة من أعضاء هيئة التدريس في الكلية. |
|||||||||
741493 |
رقم المادة |
مشروع بحث 2 |
اسم المادة |
||||||
2 |
عدد الساعات المعتمدة |
741492 |
المتطلب السابق |
||||||
هذا المساق هو الجزء الثاني والمكمل لمشروع بحث ١ حيث يتم توظيف المعرفة المكتسبة من الدورات في جميع أنحاء البرنامج. يجب أن يكون المشروع يؤديها مجموعة من الطلاب تحت إشراف عضو هيئة تدريس. الطلاب المطلوب لتطوير تنفيذ كامل يحقق أهداف المشروع وتقديم التقرير الأخير. يجب تقديم المشروع إلى لجنة من أعضاء هيئة التدريس. |
|||||||||
741458 |
رقم المادة |
الحوسبة السحابية |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
741375 |
المتطلب السابق |
||||||
يهدف هذا المساق إلى تقديم مقدمة حول الحوسبة السحابية وتقنياتها والمكونات الرئيسية. وهو يغطي مواضيع البنية التحتية، المنصة والتطبيقات، والمحاكاة الافتراضية، وسحابة التخزين، ونماذج البرمجة. ويناقش العوامل المحفزة، والفوائد، والتحديات، ونماذج الخدمة. يشمل هذا المساق الموضوعات التالية: أساسيات الحوسبة السحابية والمصطلحات والمفاهيم، الافتراضية، نماذج النشر، ونماذج الخدمات، تمكين التكنولوجيا السحابية وتقييم الأمن للحوسبة السحابية. |
|||||||||
741351 |
رقم المادة |
نظم الحوسبة لعلم البيانات والذكاء الاصطناعي |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
750335 |
المتطلب السابق |
||||||
الهدف من هذه المساق هو تزويد الطلاب بنظرة عامة على البرامج والأجهزة المختلفة التي تساعد علماء البيانات على تحليل بياناتهم. تتضمن هذه التقنيات R و Hadoop و Spark والمزيد. كما يوفر مقدمة إلى البيانات الضخمة والسحابة وحوسبة إنترنت الأشياء. |
|||||||||
741371 |
رقم المادة |
اساسيات الذكاء الاصطناعي |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
741273 |
المتطلب السابق |
||||||
يقدم هذا المساق المبادئ الأساسية والتقنيات والتطبيقات الخاصة بالذكاء الاصطناعي. كما يغطي مواضيع مثل تمثيل المعرفة، والمنطق، والاستدلال وحل المشكلات، وخوارزميات البحث، ونظرية الألعاب، والإدراك والتعلم و طرق التخطيط، تمثيل المعرفة، المنطق الحسابي، هندسة المعرفة والأنظمة الخبيرة، ومعالجة اللغات الطبيعية. تعلم الآلة وسيتم تقديم بعض لغات البرمجة المهمة مثل بايثون و R. |
|||||||||
741444 |
رقم المادة |
البيانات المرئية (استعراض البيانات) |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
741273 |
المتطلب السابق |
||||||
يقدم هذا المساق كيفية تصميم وإنشاء الرسومات التمثيلية للبيانات استنادًا إلى البيانات المتوفرة والمهام المطلوب تحقيقها. وتشمل المواضيع نمذجة البيانات، معالجة البيانات، استكشاف البيانات، الربط بين خصائص البيانات وخصائص الرسم التمثيلي وتطوير لوحة البيانات. يتم التركيز على تحديد الأنماط والاتجاهات والفروقات الموجودة في البيانات عبر الفئات والفضاء والوقت. سيتعلم الطالب تقييم فعالية الرسومات التمثيلية، والتفكير بشكل نقدي حول كل قرار تصميم، مثل اختيار اللون واختيار التشفير المرئي. |
|||||||||
0741242 |
رقم المادة |
اساسيات هندسة البيانات وتحليلاتها |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
741141 |
المتطلب السابق |
||||||
يقدم هذا المساق المفاهيم الأساسية لعلوم البيانات وتحليلها وتطبيقاتها. الموضوعات التي يقدمها المساق تشمل الحصول على البيانات، والتنظيف، والتجميع، استكشاف وتحليل البيانات وعرضها، وبناء النماذج وتحليلها والتحقق منها، والأسس الإحصائية والأسس الرياضية لعلوم البيانات. كما ويتناول هذا المساق دورة حياة البيانات في مشروع علم البيانات الذي يغطي أنواع البيانات، مثل البنية الهيكلية وشبه الهيكلية وغير المهيكلة والصيغ المختلفة للبيانات والتقنيات المستخدمة وكذلك الاستكشاف باستخدام تقنيات التصور أو الاستعراض الأساسية للبيانات. |
|||||||||
741491 |
رقم المادة |
التدريب العملي |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
90 ساعة |
المتطلب السابق |
||||||
التدريب العملي: على الطالب أن يتدرب في مؤسسة أو شركة ذات عالقة بمجلات تقنية المعلومات والبيانات والذكاء الاصطناعي لمدة لا تقل عن ثمانية أسابيع واجتياز(15) ساعة تدريب عملي على الأقل في الأسبوع. ويُطلب من الطالب خلال التدريب القيام ببعض المهام المرتبطة بتخصصه، مثل تطوير برنامج أو تعلم مهارات وتقنيات وقدرات جديدة. وتتم متابعة الطلبة من قبل مشرفين يتم تحديدهم وذلك لتقييم الأداء. |
|||||||||
741492 |
رقم المادة |
مشروع بحث 1 |
اسم المادة |
||||||
1 |
عدد الساعات المعتمدة |
90 ساعة |
المتطلب السابق |
||||||
يهدف مشروع التخرج إلى تطوير مهارات الطالب وقدرته على حل المسائل الواقعية ودراستها وتحليلها وتطوير البرمجيات اللازمة لحلها. ويتحقق ذلك من خلال توظيف المعرفة المكتسبة من المساقات التي درسوها في تنفيذ هذا المشروع. وبإشراف عضو هيئة تدريس. ويتم تحديد نجاح المشروع إلى حد كبير من خلال ما إذا كان الفريق قد نجح في حل مشكلة العملاء بشكل مناسب. يتم تقييم هذا المشروع من قبل لجنة من أعضاء هيئة التدريس في الكلية. |
|||||||||
741493 |
رقم المادة |
مشروع بحث 2 |
اسم المادة |
||||||
2 |
عدد الساعات المعتمدة |
741492 |
المتطلب السابق |
||||||
هذا المساق هو الجزء الثاني والمكمل لمشروع بحث ١ حيث يتم توظيف المعرفة المكتسبة من الدورات في جميع أنحاء البرنامج. يجب أن يكون المشروع يؤديها مجموعة من الطلاب تحت إشراف عضو هيئة تدريس. الطلاب المطلوب لتطوير تنفيذ كامل يحقق أهداف المشروع وتقديم التقرير الأخير. يجب تقديم المشروع إلى لجنة من أعضاء هيئة التدريس. |
|||||||||
741458 |
رقم المادة |
الحوسبة السحابية |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
741375 |
المتطلب السابق |
||||||
يهدف هذا المساق إلى تقديم مقدمة حول الحوسبة السحابية وتقنياتها والمكونات الرئيسية. وهو يغطي مواضيع البنية التحتية، المنصة والتطبيقات، والمحاكاة الافتراضية، وسحابة التخزين، ونماذج البرمجة. ويناقش العوامل المحفزة، والفوائد، والتحديات، ونماذج الخدمة. يشمل هذا المساق الموضوعات التالية: أساسيات الحوسبة السحابية والمصطلحات والمفاهيم، الافتراضية، نماذج النشر، ونماذج الخدمات، تمكين التكنولوجيا السحابية وتقييم الأمن للحوسبة السحابية. |
|||||||||
0740141 |
رقم المادة |
اساسيات علم البيانات |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0750110 |
المتطلب السابق |
||||||
يهدف هذا المساق الى تزويد الطلاب بالمحاور المختلفة لعلم البيانات وهي مقدمة في علم البيانات وجمع البيانات والمعالجة المسبقة للبيانات وتحليلات البيانات الاستكشافية؛ الإحصاء الوصفي، تطوير النموذج ، تقييم النموذج. |
|||||||||
0740243 |
رقم المادة |
الأدوات الإحصائية لعلم البيانات |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0250231 |
المتطلب السابق |
||||||
يهدف هذا المساق الى تعلم أدوات علوم البيانات في مجال تصور البيانات؛ Tableau، من أدوات علوم البيانات لتحليل البيانات الاستكشافية؛ RapidMiner ، POWER BI ، من أدوات علوم البيانات لتخزين البيانات ؛ Apache Hadoop ، من أدوات علوم البيانات لنمذجة البيانات ؛ روبوت البيانات ، WEKA ، R ، SAS ، SPSS ، KNIME ، Python. |
|||||||||
0740273 |
رقم المادة |
برمجة علوم البيانات والذكاء الصناعي |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0250223 |
المتطلب السابق |
||||||
الهدف من هذا المساق هو تنفيذ نماذج علوم البيانات والنماذج الاصطناعية باستخدام لغات البرمجة و / أو ادوات علم البيانات والذكاء الصناعي مثل؛ Python و SAS و WEKA في المراحل المختلفة من عملية تطوير النماذج مثل ؛ المعالجة المسبقة للبيانات ، تحليلات البيانات الاستكشافية ؛ الإحصاء الوصفي وتطوير النموذج وتقييم النموذج. |
|||||||||
0740354 |
رقم المادة |
تنقيب البيانات |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0750260 |
المتطلب السابق |
||||||
الهدف من هذا المساق تعريف استخراج البيانات، تطبيقات التنقيب عن البيانات، على سبيل المثال) البنوك، التأمين ، ولاء العملاء ، بطاقة الائتمان ، دورة استخراج البيانات ، منهجية استخراج البيانات وبناء بيئة استخراج البيانات ، إعداد البيانات ، تحليل البيانات الاستكشافية ، تقنيات استخراج البيانات ، بما في ذلك : الانحدار ، أشجار القرار ، الشبكات العصبية الاصطناعية ، التحليل العنقودي. |
|||||||||
0741477 |
رقم المادة |
ذكاء الأعمال |
اسم المادة |
||||||
3 |
عدد الساعات المعتمدة |
0741371 |
المتطلب السابق |
||||||
الهدف من هذا المساق هو معرفة أساسيات ذكاء الأعمال؛ مقدمة ونظرة عامة على ذكاء الأعمال لسلسلة التوريد والتسويق، وذكاء الأعمال والبيانات الضخمة من جانب الأعمال، وفهم OLAP، وتطوير لوحة المعلومات، والتحليلات التنبئية، والتحليلات الوصفية، وإنشاء مشروع ذكاء الأعمال، واستخراج البيانات ، وإنشاء استعلامات وتقارير استخراج البيانات. |