الأسئلة الشائعة
الخدمات
انضم إلينا كخبير
المدونة
حلل احتياجاتك التدريبيةجديد ومجاني
الإفصاح عن التدريب مجانًاتقييم نضج الموارد البشرية مجانًاالرضا والارتباط الوظيفي مجانًا
رواسي
رواسي التمكين
للاستـــــشارات والـــــتدريب
الرئيسيةمن نحن
الدورات التدريبيةالبرامج التدريبية الشهريةحلل احتياجاتك التدريبية مجانًاالإفصاح عن التدريب مجانًاالاعتمادات
الحقائب التدريبية الجاهزةالتحول الرقمي للحقائب التدريبيةطلب حقيبة تدريبية مخصصة
الخدمات الاستشاريةالمنتجات الرقميةاتصل بنا
رواسي
رواسي التمكينللاستـــــشارات والـــــتدريب

نقدم حلولاً متكاملة في التدريب والاستشارات والمنتجات الرقمية بمعايير مهنية تساهم في تمكين الأفراد وتطوير المؤسسات.

طرق الدفع

مدىفيزاماستركاردأمريكان إكسبرسSTC PayApple Payمدفوعتابيتمارا

السجل التجاري

7001748636

الحالة: نشطإصدار: 27/02/2012

روابط سريعة

  • الرئيسية
  • من نحن
  • الأكاديميات المتخصصة
  • الدورات
  • جميع القطاعات
  • الحقائب التدريبية
  • الخدمات الاستشارية
  • المنتجات الرقمية
  • المدونة
  • اتصل بنا
  • انضم إلينا كخبير

خدماتنا

  • التدريب والتأهيل
  • الحلول الاستشارية
  • الجودة والتميز
  • المنتجات الرقمية
  • التطوير المؤسسي
  • حلول التحول الرقمي

تواصل معنا

الفرع الرئيسي:

الرياض: المملكة العربية السعودية
عمان: المملكة الأردنية الهاشمية
مسقط: سلطنة عُمان

البريد الإلكتروني:

[email protected]

الهاتف:

السعودية:+966 500 665 369(إضافي):+966 570 588 004
تحدث مع خبيرحلل احتياجاتك التدريبية مجانًا

© 2026 رواسي التمكين للاستشارات والتدريب. جميع الحقوق محفوظة.

سياسة الخصوصيةالشروط والأحكامسياسة الاستردادخريطة الموقع
أساسيات الذكاء الاصطناعي للمبتدئين
الدوراتالذكاء الاصطناعي وتطبيقاته في الأعمال
برنامج تدريبي احترافي

أساسيات الذكاء الاصطناعي للمبتدئين

تُعد دورة "أساسيات الذكاء الاصطناعي للمبتدئين" برنامجًا تدريبيًا تأسيسيًا يهدف إلى تمكين المشاركين من فهم المفاهيم الأساسية للذكاء الاصطناعي (Artificial Intelligence – AI) وتعلم الآلة (Machine Learning – ML) والتعلم العميق (Deep Learning – DL)، دون الحاجة إلى خلفية تقنية متقدمة أو مهارات برمجة مسبقة. في عصر التحول الرقمي الذي تشهده المملكة العربية السعودية ضمن رؤية 2030، أصبح الذكاء الاصطناعي محركًا رئيسيًا للابتكار في جميع القطاعات (الصحة، التعليم، الطاقة، النقل، المالية، الحكومة). وفقًا لتقرير (PwC) ، من المتوقع أن يساهم الذكاء الاصطناعي بنحو 320 مليار دولار في اقتصاد الشرق الأوسط بحلول عام 2030، منها نحو 135 مليار دولار للسعودية وحدها، مما يجعل فهم أساسيات هذه التقنية ضرورة لكل محترف.

شهادة متضمنة
تدريب بقيادة خبراء
تعلم تطبيقي
دعم في التسجيل
أيام
3 أيام
اللغة
العربية والإنجليزية
مسار عرض السعر

اطلب الجدول وعرض السعر

الدفع الإلكتروني غير متاح لهذه الدورة حالياً. أرسل بياناتك وسيقوم فريق التدريب بإعداد الجدول وعرض السعر الأنسب لك.

لا توجد جلسة عامة مدفوعة متاحة الآن. اطلب عرض سعر وسنؤكد الجدول والمقاعد والتكلفة.
ملخص الدورة
اطلب الجدول وعرض السعر

لا يوجد دفع إلكتروني مفتوح لهذه الدورة حالياً. يمكن لفريقنا إرسال عرض السعر المناسب لك.

تاريخ البدء
مرن / متاح دائماً
الشهادة
شهادة معتمدة
أيام
3 أيام

يصلكم العرض عبر البريد وبوابة العملاء

استفسر عبر واتساب
تفاصيل الدورة

نظرة عامة

تُعد دورة "أساسيات الذكاء الاصطناعي للمبتدئين" برنامجًا تدريبيًا تأسيسيًا يهدف إلى تمكين المشاركين من فهم المفاهيم الأساسية للذكاء الاصطناعي (Artificial Intelligence – AI) وتعلم الآلة (Machine Learning – ML) والتعلم العميق (Deep Learning – DL)، دون الحاجة إلى خلفية تقنية متقدمة أو مهارات برمجة مسبقة. في عصر التحول الرقمي الذي تشهده المملكة العربية السعودية ضمن رؤية 2030، أصبح الذكاء الاصطناعي محركًا رئيسيًا للابتكار في جميع القطاعات (الصحة، التعليم، الطاقة، النقل، المالية، الحكومة). وفقًا لتقرير (PwC) ، من المتوقع أن يساهم الذكاء الاصطناعي بنحو 320 مليار دولار في اقتصاد الشرق الأوسط بحلول عام 2030، منها نحو 135 مليار دولار للسعودية وحدها، مما يجعل فهم أساسيات هذه التقنية ضرورة لكل محترف.

تنتقل الدورة بالمشارك من تعريف الذكاء الاصطناعي وتاريخه، مرورًا بأنواعه (الضعيف (Narrow AI)، القوي (General AI)، الخارق (Super AI))، وصولًا إلى شرح مفصل لتقنيات تعلم الآلة (الإشرافي، غير الإشرافي، المعزز)، وخوارزميات التعلم العميق (الشبكات العصبية الاصطناعية). كما تغطي الدورة التطبيقات العملية للذكاء الاصطناعي في الحياة اليومية وفي قطاعات الأعمال، مع مناقشة أخلاقيات الذكاء الاصطناعي وتحدياته (التحيز، الخصوصية، الشفافية، البطالة التقنية). تم تصميم البرنامج ليكون تفاعليًا بنسبة 60%، من خلال أمثلة واقعية، ودراسات حالة، وتمارين بسيطة باستخدام أدوات الذكاء الاصطناعي الجاهزة (بدون برمجة)، مثل منصات (Google Teachable Machine، IBM Watson Studio Lite)، وأنشطة جماعية لتحليل تطبيقات الذكاء الاصطناعي في سياقات سعودية.

الأهداف

أهداف البرنامج

بنهاية هذه الدورة، سيكون المشارك قادرًا على:

  1. فهم المفاهيم الأساسية للذكاء الاصطناعي وتعلم الآلة – تعريف الذكاء الاصطناعي، الفرق بين الذكاء الاصطناعي، تعلم الآلة، والتعلم العميق. التمييز بين أنواع تعلم الآلة (الإشرافي، غير الإشرافي، المعزز) وفهم متى يتم استخدام كل نوع.
  2. استيعاب كيفية عمل الخوارزميات الأساسية – شرح مبسط لخوارزميات (الانحدار الخطي (Linear Regression)، أشجار القرار (Decision Trees)، التجميع (Clustering) (K-Means)، والشبكات العصبية (Neural Networks)) دون التعمق في الرياضيات المعقدة.
  3. التعرف على تطبيقات الذكاء الاصطناعي في الحياة اليومية وفي قطاعات الأعمال السعودية – أمثلة من القطاعات: الصحة (التشخيص بمساعدة الذكاء الاصطناعي)، الطاقة (تحسين إنتاج النفط)، التمويل (كشف الاحتيال)، النقل (السيارات ذاتية القيادة)، التجارة الإلكترونية (أنظمة التوصية)، والحكومة (منصات التعاملات الذكية).
  4. تطبيق أدوات ذكاء اصطناعي جاهزة (بدون برمجة) لبناء نماذج بسيطة – استخدام (Google Teachable Machine) لتدريب نموذج تصنيف الصور، واستخدام (IBM Watson Studio Lite) أو (Microsoft Azure Machine Learning Studio) لبناء نموذج تنبؤي بسيط (سحب وإفلات).
  5. مناقشة أخلاقيات الذكاء الاصطناعي وتحدياته – فهم قضايا مثل التحيز في الخوارزميات (Algorithm Bias)، الخصوصية، الشفافية (الصندوق الأسود (Black Box))، التأثير على الوظائف، والمسؤولية القانونية. ربط هذه القضايا برؤية السعودية واستراتيجية البيانات والذكاء الاصطناعي (SDAIA).
الفئة المستهدفة

الفئة المستهدفة

يستهدف هذا البرنامج التدريبي الفئات التالية:

  1. جميع المهنيين في القطاعات المختلفة (إدارة، تسويق، مبيعات، موارد بشرية، مالية، قانون، عمليات) الذين يرغبون في فهم أساسيات الذكاء الاصطناعي وتطبيقاته في مجالاتهم.
  2. رواد الأعمال وأصحاب المنشآت الصغيرة والمتوسطة الراغبون في استكشاف فرص الذكاء الاصطناعي لتحسين أعمالهم.
  3. الطلاب والخريجون الجدد في مجالات غير تقنية (إدارة الأعمال، الاقتصاد، العلوم الإنسانية) الراغبون في إضافة معرفة بالذكاء الاصطناعي إلى سيرتهم الذاتية.
  4. قادة ومديرو الفرق الذين يحتاجون إلى فهم قدرات وقيود الذكاء الاصطناعي لاتخاذ قرارات استراتيجية.
  5. أي شخص لديه فضول لفهم التكنولوجيا التي تشكل المستقبل، دون الحاجة إلى خلفية برمجية.
الكفاءات

الكفاءات الأساسية

تصنيف أنواع تعلم الآلة وتحديد الاستخدام المناسب

القدرة على قراءة وصف لمشكلة أعمال (مثل "توقع سعر العقار"، "تقسيم العملاء إلى مجموعات"، "تحسين إشارة المرور") وتحديد نوع تعلم الآلة المناسب (إشرافي – انحدار/تصنيف، غير إشرافي – تجميع، معزز).

بناء نموذج تصنيف صور بسيط باستخدام Google Teachable Machine

تدريب نموذج لتصنيف 3 فئات (على سبيل المثال، قطة، كلب، فأر) باستخدام 50 صورة لكل فئة، وتصدير النموذج واختباره على صور جديدة (دون كتابة سطر واحد من التعليمات البرمجية).

بناء نموذج تنبؤي بسيط (انحدار خطي) باستخدام منصة سحب وإفلات (IBM Watson أو Azure ML Studio)

استيراد مجموعة بيانات (على سبيل المثال، أسعار المنازل مقابل مساحتها)، تدريب نموذج الانحدار الخطي، وتفسير المخرجات (المعامل والتقاطع) للتنبؤ بسعر منزل جديد.

تحليل تطبيق ذكاء اصطناعي حقيقي في السوق السعودي

اختيار تطبيق (مثل "تطبيق توكلنا" (Tawakkalna) للكشف عن الوجه، أو نظام "سداد" (Sadad) للكشف عن الاحتيال، أو محرك توصيات "نون" (Noon) أو "أمازون السعودية")، وتحليل البيانات التي يستخدمها، والخوارزميات المحتملة، والفوائد، والتحديات الأخلاقية. تقديم تحليل من صفحة واحدة.

تحديد التحيز المحتمل في خوارزمية معينة

فحص سيناريو (على سبيل المثال، نظام توظيف آلي يفضل المرشحين الذكور على الإناث) وتحديد مصدر التحيز (بيانات تدريب غير متوازنة، اختيار ميزات خاطئ). اقتراح طرق للتخفيف من التحيز (جمع بيانات أكثر تنوعًا، فحص الخوارزمية).

رحلة التعلم

محتوى البرنامج

01

اليوم الأول: مقدمة في الذكاء الاصطناعي وتعلم الآلة

ما هو الذكاء الاصطناعي (AI)؟ – التعريف والتاريخ والتطور
تعريف الذكاء الاصطناعي: قدرة الآلة على محاكاة الوظائف المعرفية البشرية (التعلم، التفكير، الإدراك، حل المشكلات، الإبداع). تاريخ موجز: (1950 – اختبار تورينج (Turing Test)، 1956 – مؤتمر دارتموث (ولادة الذكاء الاصطناعي)، 1997 – ديب بلو (Deep Blue) يهزم كاسباروف، 2012 – ثورة التعلم العميق (AlexNet)، 2022 – ظهور الذكاء الاصطناعي التوليدي (ChatGPT، DALL-E)). أنواع الذكاء الاصطناعي: (1) الضعيف (Narrow AI): مصمم لمهمة محددة (التعرف على الوجه، الترجمة الآلية، التوصية بالمنتجات) – كل تطبيقات اليوم هي من هذا النوع. (2) القوي (General AI): ذكاء بشري عام (لم يتحقق بعد). (3) الخارق (Super AI): يفوق الذكاء البشري في جميع المجالات (خيال علمي).
الفرق بين الذكاء الاصطناعي (AI) وتعلم الآلة (ML) والتعلم العميق (DL)
رسم بياني يوضح العلاقة: الذكاء الاصطناعي هو الحقل الأوسع (يشمل الأنظمة القائمة على القواعد (Rule-based Systems)). تعلم الآلة هو مجموعة فرعية من الذكاء الاصطناعي (الأنظمة التي تتعلم من البيانات). التعلم العميق هو مجموعة فرعية من تعلم الآلة (يستخدم الشبكات العصبية متعددة الطبقات (Deep Neural Networks) للتعلم من كميات هائلة من البيانات). تشبيه: الذكاء الاصطناعي مثل "العلوم"، تعلم الآلة مثل "الفيزياء"، والتعلم العميق مثل "ميكانيكا الكم".
أنواع تعلم الآلة (Machine Learning Types) – إشرافي، غير إشرافي، معزز
(1) التعلم الإشرافي (Supervised Learning): بيانات التدريب مصنفة (مدخلات ومخرجات معروفة). نريد تعلم علاقة من المدخلات إلى المخرجات. نوعان: الانحدار (Regression): توقع قيمة مستمرة (سعر المنزل، درجة الحرارة). التصنيف (Classification): توقع فئة منفصلة (بريد عشوائي (Spam) أو غير عشوائي (Not Spam)، ورم خبيث أو حميد). (2) التعلم غير الإشرافي (Unsupervised Learning): بيانات التدريب غير مصنفة (مدخلات فقط). نريد اكتشاف أنماط أو بنى مخفية. التجميع (Clustering): تجميع نقاط البيانات المتشابهة معًا (تقسيم العملاء إلى مجموعات (Customer Segmentation)، توصية المنتجات). (3) التعلم المعزز (Reinforcement Learning): وكيل (Agent) يتفاعل مع بيئة، ويتعلم من خلال المكافآت والعقوبات (لعبة الشطرنج، التحكم في الروبوتات، تحسين إشارات المرور).
مصطلحات أساسية في تعلم الآلة
(1) الميزات (Features): المتغيرات المستقلة (المدخلات) – (المساحة، عدد الغرف، عمر المنزل). (2) التسمية (Label): المتغير التابع (المخرج) – (السعر). (3) بيانات التدريب (Training Data): البيانات المستخدمة لتدريب النموذج (عادة 70-80% من البيانات). (4) بيانات الاختبار (Testing Data): البيانات المستخدمة لتقييم النموذج (20-30% من البيانات). (5) النموذج (Model): الخوارزمية المدربة التي يمكنها عمل تنبؤات. (6) التنبيط (Overfitting): النموذج يحفظ بيانات التدريب بدلاً من تعلم العلاقة العامة (يتصرف بشكل جيد على بيانات التدريب، ولكن بشكل سيء على بيانات الاختبار الجديدة). (7) التباين (Underfitting): النموذج بسيط جدًا لالتقاط العلاقة في البيانات.
تطبيقات الذكاء الاصطناعي في المملكة العربية السعودية (رؤية 2030)
استعراض مبادرات وطنية: (1) شركة البيانات والذكاء الاصطناعي (SDAIA): إطار الحوكمة، منصة "استشراف" للتحليلات التنبؤية. (2) منصة "توكلنا" (Tawakkalna): التعرف على الوجه، تحليل البيانات الوبائية. (3) مشروع نيوم (NEOM): مدينة تعتمد على الذكاء الاصطناعي في كل شيء (النقل، الطاقة، الأمن). (4) مركز الذكاء الاصطناعي للطاقة (AI for Energy Center): تحسين إنتاج النفط والغاز. (5) "عزم" (Azm) – منصة التدريب الوطنية في الذكاء الاصطناعي.
ورشة عمل عملية (العصف الذهني لأفكار الذكاء الاصطناعي في قطاع المتدرب)
المطلوب (فرق عمل صغيرة): (1) يختار كل فريق قطاعًا (صحي، مالي، تعليمي، تجزئة، لوجستي، حكومي). (2) يحدد 3 مشكلات في هذا القطاع يمكن للذكاء الاصطناعي حلها. (3) لكل مشكلة، يقترح نوع تعلم الآلة المناسب (إشرافي – انحدار/تصنيف، أو غير إشرافي – تجميع، أو معزز). (4) يقدم الفريق أفكاره في 5 دقائق. الهدف: تحفيز التفكير الإبداعي وربط المفاهيم النظرية بالواقع.
02

اليوم الثاني: خوارزميات تعلم الآلة الأساسية (شرح مبسط)

الانحدار الخطي (Linear Regression) – التنبؤ بقيمة مستمرة
شرح مبسط: نرسم نقاط البيانات (على سبيل المثال، سعر المنزل مقابل المساحة). نريد إيجاد الخط الأكثر ملاءمة (Best Fit Line) الذي يمر عبر هذه النقاط. معادلة الخط: y = ax + b (حيث y هو السعر، x هو المساحة، a هو الميل، b هو التقاطع). عملية التدريب: يجد الخوارزم القيم المثلى لـ a و b لتقليل مجموع مربعات الأخطاء بين القيم الفعلية والقيم المتوقعة (طريقة المربعات الصغرى – Ordinary Least Squares). تطبيقات: توقع أسعار المنازل، توقع المبيعات، توقع درجة الحرارة. قياس الأداء: متوسط الخطأ المطلق (Mean Absolute Error – MAE)، متوسط الخطأ التربيعي (Root Mean Squared Error – RMSE)، معامل التحديد (R-squared).
التصنيف – الانحدار اللوجستي (Logistic Regression) وأشجار القرار (Decision Trees)
الانحدار اللوجستي (للتذكر فقط – يستخدم للتصنيف الثنائي): على الرغم من اسمه، فهو يستخدم للتصنيف (نعم/لا، عشوائي/غير عشوائي). يقوم بحساب احتمالية أن تنتمي نقطة بيانات إلى فئة معينة (باستخدام الدالة السينية (Sigmoid Function)). أشجار القرار (Decision Trees): نموذج بديهي يتخذ القرارات من خلال سلسلة من الأسئلة (إذا-وإلا). هيكل يشبه الشجرة: العقدة الجذرية (Root Node) هي الميزة الأكثر أهمية؛ تتفرع إلى فروع بناءً على قيم الميزات؛ العقد الورقية (Leaf Nodes) هي القرارات النهائية. سهلة التفسير (شفافة). تطبيقات: الموافقة على القروض، تشخيص الأمراض، التنبؤ بتغيير العملاء (Churn Prediction).
التجميع غير الإشرافي – خوارزمية K-Means
شرح مبسط: لدينا مجموعة من نقاط البيانات بدون تصنيفات. نريد تجميعها في مجموعات (K مجموعات). خطوات K-Means: (1) اختيار عدد المجموعات K (على سبيل المثال، K=3). (2) اختيار نقاط عشوائية كمراكز أولية للمجموعات (Centroids). (3) تعيين كل نقطة بيانات إلى أقرب مركز (حسب المسافة الإقليدية). (4) إعادة حساب مراكز المجموعات كمتوسط النقاط في كل مجموعة. (5) تكرار 3-4 حتى تتوقف المراكز عن التغيير. تطبيقات: تقسيم العملاء (Customer Segmentation) بناءً على سلوك الشراء، تجميع المقالات الإخبارية، تحليل الصور (تجميع البكسلات).
مقدمة في الشبكات العصبية (Neural Networks) والتعلم العميق (Deep Learning)
الخلايا العصبية البيولوجية مقابل الاصطناعية: المستلمات (Dendrites) (مدخلات)، النواة (Soma) (معالجة)، المحور (Axon) (مخرج). الشبكة العصبية الاصطناعية: طبقة المدخلات (Input Layer) (الميزات)، طبقات خفية (Hidden Layers) (واحدة أو أكثر)، طبقة المخرجات (Output Layer) (التنبؤ). كل اتصال له وزن (Weight) يحدد تأثيره. وظيفة التنشيط (Activation Function): تقدم اللاخطية (Non-linearity) (ReLU، Sigmoid، Tanh). التعلم العميق (Deep Learning): شبكات عصبية ذات طبقات خفية متعددة (>2). يمكنها تعلم تمثيلات هرمية للميزات (الميزات البسيطة في الطبقات المبكرة، الميزات المعقدة في الطبقات العميقة). تطبيقات: التعرف على الصور (CNN – Convolutional Neural Networks)، معالجة اللغة الطبيعية (RNN – Recurrent Neural Networks، Transformers)، التعرف على الكلام.
ورشة عمل عملية (استخدام أداة جاهزة لبناء نموذج بدون برمجة)
الهدف: استخدام (Azure Machine Learning Studio) أو (IBM Watson Studio) أو (Google Colab مع واجهة سهلة) (منصة "سحب وإفلات") لبناء نموذج تنبؤ بسيط. المطلوب (معطى مجموعة بيانات تدريبية – أسعار المنازل): (1) تحميل مجموعة البيانات. (2) اختيار نوع الخوارزمية (الانحدار الخطي). (3) تدريب النموذج. (4) تقييم أداء النموذج (R-squared، MAE). (5) استخدام النموذج للتنبؤ بقيمة منزل جديد (إدخال مساحة المنزل). (6) تسجيل النتائج (لقطة شاشة للنموذج والتنبؤ).
أمثلة عملية على التحيز في الخوارزميات (Algorithm Bias)
التحيز (Bias): خطأ منهجي في النموذج يؤدي إلى نتائج غير عادلة أو تمييزية. أسباب التحيز: (1) بيانات تدريب غير متوازنة (على سبيل المثال، تدريب نظام توظيف على بيانات من شركة تقنية حيث 80% من الموظفين ذكور، سيتعلم النظام تفضيل الذكور). (2) اختيار ميزات تحتوي على تحيز (على سبيل المثال، استخدام الرمز البريدي كميزة قد يعكس التمييز العنصري التاريخي). (3) خوارزمية سيئة التصميم. أمثلة واقعية: (1) نظام التعرف على الوجه من (Amazon) كان متحيزًا ضد الأشخاص ذوي البشرة الداكنة والإناث. (2) نظام توظيف من (Amazon) تعلم تحيزًا ضد المرشحات الإناث بسبب بيانات التدريب التاريخية. كيفية التخفيف: تدقيق البيانات، جمع بيانات أكثر تنوعًا، استخدام مقاييس عدالة (Fairness Metrics)، إجراء اختبارات مكثفة.
03

اليوم الثالث: أخلاقيات الذكاء الاصطناعي، أدوات بدون برمجة، والتحضير للخطوات القادمة

أخلاقيات الذكاء الاصطناعي (AI Ethics) – المبادئ والتحديات
المبادئ الأخلاقية للذكاء الاصطناعي (وفقًا لـ SDAIA، OECD، UNESCO): (1) الشفافية (Transparency): يجب أن تكون قرارات الذكاء الاصطناعي قابلة للفهم والتفسير (تجنب الصندوق الأسود). (2) المسؤولية والمساءلة (Responsibility & Accountability): من المسؤول عندما يخطئ نظام الذكاء الاصطناعي؟ (المهندس؟ المستخدم؟ الشركة؟) (3) العدالة وعدم التمييز (Fairness & Non-discrimination): يجب ألا تعزز خوارزميات الذكاء الاصطناعي التحيزات أو التمييز. (4) الخصوصية وحماية البيانات (Privacy & Data Protection): يجب حماية بيانات المستخدمين، والامتثال للوائح مثل اللائحة العامة لحماية البيانات (GDPR) ونظام حماية البيانات الشخصية السعودي (PDPL). (5) السلامة والأمان (Safety & Security): يجب أن تكون أنظمة الذكاء الاصطناعي آمنة ومحمية من الهجمات الإلكترونية. (6) التنمية البشرية والرفاهية (Human Development & Well-being): يجب أن يخدم الذكاء الاصطناعي البشرية ويحسن رفاهيتها.
أخلاقيات الذكاء الاصطناعي في السياق السعودي
هيئة البيانات والذكاء الاصطناعي (SDAIA): أطلقت "المبادئ الأخلاقية للذكاء الاصطناعي" في عام 2022، والتي تستند إلى القيم الإسلامية والمبادئ الدولية. اللجنة الوطنية لأخلاقيات الذكاء الاصطناعي: وضع أطر الحوكمة ومراقبة الامتثال. نظام حماية البيانات الشخصية (PDPL): ينطبق على جميع معالجات البيانات الشخصية بواسطة أنظمة الذكاء الاصطناعي في السعودية، بغرامات تصل إلى 5 ملايين ريال للانتهاكات الجسيمة. مشاريع الحوكمة: منصة "استشراف" (Estishraf) تدمج الاعتبارات الأخلاقية في تحليلاتها التنبؤية.
أدوات الذكاء الاصطناعي الجاهزة للمبتدئين (بدون برمجة)
(1) Google Teachable Machine: لتدريب نماذج تصنيف الصور والصوت والإيماءات (الحركات). (2) Microsoft Lobe: تدريب نماذج تصنيف الصور بواجهة بسيطة. (3) IBM Watson Studio Lite: منصة شاملة لبناء نماذج تعلم الآلة (سحب وإفلات). (4) Azure Machine Learning Studio: منصة من Microsoft مع نماذج جاهزة وتجارب سحب وإفلات. (5) DataRobot: أتمتة تعلم الآلة (AutoML) – يقوم النظام بتجربة خوارزميات متعددة تلقائيًا. (6) ChatGPT (OpenAI)، Google Bard، Microsoft Copilot: نماذج لغوية كبيرة (LLMs) للتوليد والاستشارة. (7) Midjourney، DALL-E 2، Stable Diffusion: مولدات الصور من النص (AI Art).
ورشة عمل عملية (تدريب نموذج تصنيف الصور باستخدام Google Teachable Machine)
الهدف: بناء نموذج لتصنيف 3 فئات (على سبيل المثال، "ابتسامة"، "وجه حزين"، "وجه محايد") باستخدام كاميرا الويب. المطلوب: (1) الذهاب إلى موقع (Teachable Machine). (2) اختيار "Image Project". (3) إنشاء 3 فئات. (4) لكل فئة، التقاط 50-100 صورة باستخدام كاميرا الويب (أو تحميل صور). (5) الضغط على "Train Model". (6) اختبار النموذج عن طريق عرض وجهك أمام الكاميرا (بابتسامة، حزين، محايد) ورؤية التنبؤات. (7) تصدير النموذج (اختياري) واختباره في تطبيق بسيط أو مشاركة الرابط. (8) مناقشة: ما الذي يجعل النموذج يعمل بشكل جيد أو سيء؟ (كمية الصور، تنوعها، إضاءة الخلفية).
الخطوات القادمة: كيف تتعمق في الذكاء الاصطناعي (مسارات تعليمية)
نصائح للمشاركين المهتمين بمزيد من التعمق: (1) تعلم أساسيات بايثون (Python): لغة البرمجة الرئيسية للذكاء الاصطناعي (دورات مجانية على (Coursera، edX، YouTube)). (2) تعلم مكتبات تعلم الآلة: (Scikit-learn، TensorFlow، PyTorch). (3) الحصول على شهادات مهنية: (Google Professional ML Engineer، IBM Data Science Professional Certificate، AWS Certified Machine Learning). (4) المشاركة في مسابقات (Kaggle): تطبيق عملي على مجموعات بيانات حقيقية. (5) متابعة أحدث الأبحاث: (ArXiv.org، مدونات (Google AI Blog، OpenAI Blog، DeepMind Blog)). (6) الانضمام إلى مجتمعات الذكاء الاصطناعي المحلية: (مجتمع الذكاء الاصطناعي السعودي، مجموعات (LinkedIn)، ورش العمل التي تقدمها (SDAIA) والجامعات).
دراسة حالة شاملة (تحليل تطبيق ذكاء اصطناعي محلي)
حالة: تطبيق "توكلنا" (Tawakkalna) – تطبيق وطني سعودي لإدارة الجائحة (COVID-19) واستمر في تقديم خدمات حكومية رقمية. المطلوب من المشاركين (فرق عمل صغيرة): (1) تحديد تقنيات الذكاء الاصطناعي المستخدمة (التعرف على الوجه للتحقق من الهوية، تحليلات البيانات الوبائية للتنبؤ بالحالات، معالجة اللغة الطبيعية لروبوتات المحادثة (Chatbots)). (2) تحديد نوع تعلم الآلة لكل تطبيق (تصنيف للتعرف على الوجه، انحدار/سلاسل زمنية للتنبؤ بالحالات). (3) مناقشة الفوائد (تحسين الوصول إلى الخدمات، تقليل الاحتكاك، تتبع المخالطين). (4) مناقشة التحديات الأخلاقية (خصوصية البيانات، الموافقة، أمن البيانات). (5) تقديم توصيات لتحسين الخصوصية والشفافية. (6) عرض النتائج (5-7 دقائق لكل فريق).
اختبار ختامي ومراجعة الدورة الأولى
أسئلة موضوعية قصيرة حول المفاهيم الأساسية (الفرق بين (AI/ML/DL)، أنواع تعلم الآلة، (Regression vs. Classification)، (Overfitting vs. Underfitting)، التحيز الأخلاقي). مراجعة لأبرز النقاط في الأيام الثلاثة.
ملخص التسجيل
تسجيل آمن في الدورة
اطلب الجدول وعرض السعر

لا يوجد دفع إلكتروني مفتوح لهذه الدورة حالياً. يمكن لفريقنا إرسال عرض السعر المناسب لك.

+966

تحقق أمني سريع — أكمله لتفعيل الإرسال

يصلكم العرض عبر البريد وبوابة العملاء

استفسر عبر واتساب
قد يهمك أيضاً

دورات أخرى متاحة للحجز الآن

دفعات مؤكدة بموعد وسعر محددين — احجز مقعدك وادفع إلكترونياً مباشرة

الذكاء الاصطناعي في الأعمال - رواسي التمكين
دفعة مؤكدة — حجز فوري
الذكاء الاصطناعي وتطبيقاته في الأعمالذات صلة

الذكاء الاصطناعي في الأعمال

  • يبدأ الأحد 11 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
يبدأ خلال 5 أيام
396 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
المناقصات والمشتريات الحكومية: قراءة عملية للأنظمة والعقود - رواسي التمكين
دفعة مؤكدة — حجز فوري
البرامج القانونية للمحامين والموظفين

المناقصات والمشتريات الحكومية: قراءة عملية للأنظمة والعقود

  • يبدأ الأحد 25 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
396 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
نظام إدارة الجودة – ISO 9001 - رواسي التمكين
دفعة مؤكدة — حجز فوري
برامج شهادات الايزو(ISO)

نظام إدارة الجودة – ISO 9001

  • يبدأ الأحد 25 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
399 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
ضبط الجودة والاختبارات QA/QC في الأعمال المدنية والإنشائية - رواسي التمكين
دفعة مؤكدة — حجز فوري
البرامج الهندسية في القطاع الإنشائي

ضبط الجودة والاختبارات QA/QC في الأعمال المدنية والإنشائية

  • يبدأ الأحد 25 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
696 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
مصفوفة المواعيد الثابتة

استكشف جدول البرامج التدريبية الشهرية

خطط لخارطة التدريب الربعي لمنشأتك من خلال دوراتنا الشهرية المضمونة الانعقاد. تصفح الجداول الزمنية المنظمة والمصممة خصيصاً للمسارات الصناعية والمهنية.

عرض الجدول الشهري
عرض سعر لجهة عملك
يصلكم العرض عبر البريد وبوابة العملاء