هندسة الذكاء الاصطناعي

يحوّل المستوى النهائي المعرفة السابقة إلى القدرة على تصميم وبناء تطبيقات ذكاء اصطناعي حديثة، مع التركيز على LLMs وEmbeddings وRAG وAgents والتقييم والنشر.

المحاور التدريبية

النماذج الحديثة

• مقدمة عملية في Neural Networks.
• Embeddings وتمثيل البيانات دلاليًا.
• Transformers وLLMs والسياق والرموز.

بناء تطبيقات LLM

• التعامل مع LLM APIs.
• Structured Outputs وTool Use.
• إدارة السياق والتدفقات متعددة الخطوات.

RAG واسترجاع المعرفة

• Chunking وEmbeddings.
• Vector Databases وSemantic Search.
• تصميم RAG Pipeline وربطه بمصادر المعرفة.

Agents والجودة

• AI Agents واستخدام الأدوات.
• Workflows متعددة الخطوات.
• Evaluation وGuardrails والسلامة والموثوقية.
• أساسيات Deployment وMonitoring.

التطبيق العملي

بناء مكونات AI وربط النماذج بالبيانات والأدوات والواجهات، مع اختبار النتائج وتحسينها.

المشروع الختامي Capstone

تصميم تطبيق AI متكامل مثل مساعد معرفي أو نظام سؤال وجواب على المستندات، يتضمن LLM وRAG والتقييم والتوثيق والعرض النهائي.

المخرجات المتوقعة

• بناء تطبيقات تعتمد على LLM APIs.
• تصميم RAG وربطه بمصادر المعرفة.
• استخدام Embeddings وVector Search.
• تقييم جودة ومأمونية أنظمة AI.
• تقديم مشروع AI متكامل قابل للتطوير.

المتطلبات السابقة

• اجتياز المستويين الأول والثاني شرط إلزامي.
• لا يسمح بالدخول المباشر إلى المستوى الثالث.
• يتطلب إكمال المسار اجتياز المشروع الختامي والتقييمات.