الأساس
الأسابيع 1–4: تأسيس شخصي وبداية المشروع وضبط خط الأساس.
EAU OPEN LEARNING · EOL-AIA-001
تقني متقدم · تدريب عملي مجاني
طوّر مشروع Atlas من هندسة البيانات وخطوط ML الأساسية إلى المخرجات المنظمة وRAG والتقييم وسير عمل يعتمد الموافقة البشرية، مع ربط كل ادعاء باختبار أو قيد موثّق.
مدى البرنامج
12 أسبوعًا · 24 ساعة مباشرة · نحو 24 ساعة تطبيق موجه. التقدير عبء تعلم وليس ساعات أكاديمية.
Atlas نموذج خدمة ثنائي اللغة يستخدم تذاكر اصطناعية للتصنيف واسترجاع المعرفة وصياغة ردود مسندة، مع موافقة بشرية إلزامية قبل أي إجراء.
ثلاث مراحل مترابطة
الأسابيع 1–4: تأسيس شخصي وبداية المشروع وضبط خط الأساس.
الأسابيع 5–8: تطبيق أعمق وقرارات موثقة واختبارات مرحلية.
الأسابيع 9–12: دمج الأدلة، اختبار نقل المهارة والتسليم النهائي.
المنهج العام الكامل
اضغط على أي أسبوع لمراجعة الموضوع والتطبيق والتسليم. الحالات والبيانات التفصيلية الداخلية غير منشورة.
الموضوع: صياغة مشكلة خدمة فعلية، وتحديد خط أساس ومؤشرات نجاح وحدود المخاطر، ورسم بنية الحل.
التطبيق: Problem Canvas، اختبار خط أساس على 20 حالة اصطناعية، وبطاقة مخاطر AI.
التسليم: `W01_Problem_and_Evaluation_Card.pdf`.
الموضوع: فحص مجموعة تذاكر عربية/إنجليزية اصطناعية، وتوثيق عقد البيانات ومنع تسرب الحالات المتشابهة بين التقسيمات.
التطبيق: نطاق العميل، فحص schema والتكرار، قاموس البيانات، تقسيم group-aware وبطاقة البيانات.
التسليم: `W02_Data_Pipeline.ipynb + Data_Contract.md`.
الموضوع: بناء نموذج تصنيف نصي وتفسير Macro-F1 وRecall للفئات ومصفوفة الالتباس.
التطبيق: TF-IDF وتصنيف خطي، اختبار مجمّد، تصنيف أسباب الخطأ، مقارنة بخط أساس بسيط.
التسليم: `W03_ML_Baseline.ipynb + Model_Evaluation.pdf`.
الموضوع: مراجعة الخصوصية وأداء العربية/الإنجليزية ومصدر البيانات والاستخدامات المستبعدة قبل قبول الخط الأساس.
التطبيق: بطاقة النموذج ومراجعة الشرائح وسجل المخاطر وقرار GO/CORRECT/HOLD.
التسليم: `W04_Model_Card.pdf + Risk_Decision_Log.xlsx`.
الموضوع: تصميم عقد مخرجات النموذج اللغوي والتحقق من Schema والمعنى والتعامل مع الفشل والامتناع.
التطبيق: إصدار Prompt، مخطط JSON محدد، واختبارات فشل المخرجات والتعارض مع السياسة.
التسليم: `W05_Structured_Output.ipynb + Validation_Results.csv`.
الموضوع: تحويل Notebook إلى Pipeline قابل للتكرار، مع اختبارات وإصدارات إعدادات وسجلات تراعي الخصوصية.
التطبيق: تشغيل من بيئة نظيفة، توثيق dependencies، Timeout/Retry، بديل mock وسجل خالٍ من الأسرار.
التسليم: `W06_Reproducible_Pipeline.zip + Run_Manifest.json`.
الموضوع: بناء مساعد يسترجع المعرفة المعتمدة، وينتج مسودة ذات مصادر ونسخ صحيحة أو يمتنع عند غياب السند.
التطبيق: تقسيم الوثائق، خط استرجاع أساسي، معرفات المصدر، قابلية الإجابة وRecall@k.
التسليم: `W07_RAG_System.ipynb + Retrieval_Evaluation.csv`.
الموضوع: معالجة حالة واحدة محددة لمستند ممسوح وتقييم عدم اليقين في الاستخراج والأخطاء المتسلسلة.
التطبيق: مسح اصطناعي، استخراج/OCR مع بديل نصي، تعليق الحالات غير الموثوقة، وتقييم V1.
التسليم: `W08_Multimodal_Review.pdf + System_V1_Scorecard.xlsx`.
الموضوع: ربط التصنيف والاسترجاع والتوليد في Workflow ذي حالات واضحة وموافقة بشرية ملزمة.
التطبيق: آلة حالات، قائمة أدوات مسموحة، تحويل الحالات الحساسة، معالجة آمنة للفشل ومنع الإرسال التلقائي.
التسليم: `W09_Atlas_Workflow.zip + Routing_Test_Results.csv`.
الموضوع: مقارنة خط الأساس بالنظام الجديد على اختبار ثابت يشمل الدقة والإسناد والامتناع والكمون والتكلفة المقاسة.
التطبيق: لوحة نتائج، أخطاء الشرائح، خطة مقارنة A/B، والفصل بين تكلفة مقاسة وتقديرية.
التسليم: `W10_Evaluation_Report.pdf + Frozen_Scorecard.csv`.
الموضوع: اختبار حقن التعليمات والأسئلة غير المدعومة والمصادر المنتهية والقرارات الحساسة، وتجهيز نسخة تدريبية قابلة لإعادة التشغيل.
التطبيق: حالات أمان وسجل حدود ومخاطر وREADME وخطوات تشغيل وتسليم عميل.
التسليم: `W11_Release_Candidate.zip + Safety_Results.csv`.
الموضوع: حل حالة فردية جديدة، ثم مناقشة Prototype الجماعي ونتائج الاختبارات وحدود الاستخدام.
التطبيق: حالة جديدة مغلقة، قرار مدعوم بمصدر، تصعيد، عرض مشروع وحزمة استلام العميل.
التسليم: `W12_Individual_Transfer_Test + Final_Atlas_Pack`.
ملفك التطبيقي
الأدوات: Python وNotebooks وأدوات ML مفتوحة المصدر مع بديل mock/provider معتمد؛ لا اشتراك API أو GPU مدفوع إلزامي.
الحدود المهنية: نموذج اختباري مضبوط، وليس نشرًا إنتاجيًا غير مراقب أو تدريب نموذج من الصفر أو ضمانًا للجاهزية التجارية.
أسئلة مهمة
لا؛ يفترض خبرة عملية في Python وأساسًا في ML حتى يركز الوقت المباشر على الهندسة والتقييم.
لا؛ يفرض التصميم التعليمي موافقة بشرية صريحة ويستخدم مواد اصطناعية أو مصرحًا بها.
EAU OPEN LEARNING
هذا تدريب مجاني غير مانح لدرجة أو ساعات أكاديمية. لا يُنشئ رقمًا جامعيًا ولا يتطلب دفعًا، ويظل تجهيز Moodle يدويًا بعد قبول طلب التدريب.