بكالوريوس العلوم في الذكاء الاصطناعي

تعلّم بناء أنظمة الذكاء الاصطناعي وتقييمها ونشرها، وليس مجرد استخدام أدوات الذكاء الاصطناعي.

• البرمجة والخوارزميات
• تعلّم الآلة والتعلّم العميق
• معالجة اللغة والنماذج اللغوية والذكاء متعدد الوسائط
• MLOps والبنية التحتية للذكاء الاصطناعي
• الذكاء الاصطناعي المسؤول والأمن

• نموذج منتج للذكاء الاصطناعي
• تجارب في تعلم الآلة والتعلم العميق
• مخرج تطبيقي لنشر MLOps
• مشروع تخرج في الذكاء الاصطناعي على مرحلتين

• AI/ML Engineer
• AI Developer
• Junior Data/ML Engineer
• أدوار منتجات أو تنفيذ حلول الذكاء الاصطناعي

المسارات المهنية المعروضة إرشادية ولا تمثل ضمانًا للتوظيف أو مسمى مهني أو ترخيصًا للممارسة أو أهلية في دولة أو ولاية محددة.

تعتمد EAU نموذج تعلم رقمي يركز على التطبيق العملي وإثبات الكفاءة والدعم الأكاديمي الفعّال.

• الدراسة 100% عبر الإنترنت، ويُعد التعلم غير المتزامن هو النمط الأساسي.
• تستخدم الأنشطة المباشرة أو المرصودة عندما تتطلب مخرجات التعلم تفاعلًا أو أداءً أو تحققًا مباشرًا.
• تجمع تجربة التعلم بين الدراسة المركزة والممارسة الموجهة والمهام التطبيقية والتغذية الراجعة وإثبات الكفاءة.
• تقاس المشاركة الأكاديمية بنشاط تعلم ذي معنى ومخرجات فعلية وليس بمجرد وقت تسجيل الدخول.

تعكس المقررات التالية الخطة الدراسية الحالية للبرنامج، وقد تُحدَّث تفاصيلها من خلال إجراءات المراجعة الأكاديمية بالجامعة.

• يعتمد التقييم على أدلة مرتبطة بمخرجات تعلم محددة.
• قد تشمل الأدلة حسب التخصص مشروعات وحالات تطبيقية ومختبرات وتحليلات وعروضًا ومخرجات مهنية أو أعمالًا فردية متحققًا منها.
• تستخدم التغذية الراجعة لمساعدة الطالب على تحسين أدائه قبل نقاط التقييم اللاحقة أو الأعلى أثرًا.
• قد تخضع المشروعات النهائية أو التدريب السريري أو الأنشطة الشفهية أو المتطلبات الأمنية أو الإجازة لبوابات كفاءة إضافية عندما ينطبق ذلك.

• خريطة واضحة للمقرر والمتطلبات والتقييم منذ البداية.
• دعم أكاديمي بشري إلى جانب بيئة التعلم الرقمية.
• دعم مبكر عند ظهور عوائق حقيقية في الوصول أو المشاركة أو التقدم الأكاديمي.
• إتاحة وترتيبات تعلم معقولة عند الانطباق دون خفض مخرجات التعلم الجوهرية.