معسكر هندسة الذكاء الاصطناعي
AI ENGINEERING CAMP
من فهم نماذج الذكاء الاصطناعي إلى بناء منتجات AI جاهزة للعرض والنشر.
معسكر تدريبي تطبيقي متقدم يستهدف طلاب السنوات الأخيرة والخريجين من التخصصات التقنية، ويجمع بين بناء النماذج، وهندسة أنظمة الذكاء الاصطناعي، والعمل الجماعي، وتطوير مشروع نهائي. هدفه تأهيل المشاركين للانتقال من المعرفة الأكاديمية والتجارب المنفصلة داخل Jupyter Notebooks إلى بناء حلول متكاملة ذات قيمة عملية، وفق أساليب عمل قريبة من بيئات تطوير المنتجات الحقيقية.
منهجية المعسكر
- الفهم
- التطبيق
- بناء المشروع
المتطلبات السابقة
المعسكر ليس مخصصًا للمبتدئين تمامًا. يُفضّل الإلمام بأساسيات Python والبرمجة ومفاهيم تعلم الآلة، مع القدرة على التعلم والتطبيق الذاتي بين الجلسات.
الفئة المستهدفة
- طلاب السنوات الأخيرة في الهندسة المعلوماتية، وهندسة الاتصالات، والتخصصات القريبة.
- الخريجون الساعون إلى العمل في مجال AI Engineering.
- المطورون الذين يعرفون أساسيات Python وML/DL ويريدون الانتقال إلى بناء أنظمة ومنتجات عملية.
المسار التعليمي
أربع مراحل متدرجة · عشر جلسات · ثلاثون ساعة
Foundations
الجلسة ١أدوات العمل الهندسي والتعاون وإدارة الشيفرة.
Models
الجلسات ٢–٥تعلم الآلة، التعلم العميق، الرؤية الحاسوبية، معالجة اللغة.
Systems
الجلسات ٦–٩LLM Engineering، البرمجة بمساعدة AI، الوكلاء، الأنظمة الصوتية ومتعددة الوسائط.
Product
الجلسة ١٠النشر والتقييم والعرض النهائي.
الجلسات العشر
| # | الجلسة | أبرز المخرجات العملية |
|---|---|---|
| 01 | Git, GitHub & AI Engineer Workflow | تجهيز بيئة العمل، إدارة الفروع، إنشاء أول Pull Request وحل تعارض دمج. |
| 02 | Machine Learning: Fundamentals → Product | نموذج تنبؤ متكامل مع FastAPI وStreamlit وDocker. |
| 03 | Deep Learning: From Scratch → PyTorch | شبكة عصبية من الصفر، وتطبيق PyTorch مع منحنيات تدريب وتحليل أداء. |
| 04 | Computer Vision: Classical → Detection & Tracking | نموذج تصنيف صور وتجربة عملية لكشف الأجسام وتتبعها في الفيديو. |
| 05 | NLP & Transformers | تخصيص نموذج BERT لمهمة استخراج الكيانات المسماة (NER) وتقييمه. |
| 06 | LLM Engineering: APIs, Prompting & RAG | مساعد RAG يعمل على وثائق المعسكر مع واجهة مستخدم. |
| 07 | AI-Assisted Coding: Copilot, Claude Code & Codex | تطوير ميزة برمجية بمساعدة Agent وتقديم PR مع مراجعة واختبارات. |
| 08 | Agentic AI: Tools, MCP & Multi-Agent Systems | وكيل يستخدم أدوات وMCP Server مع سجلات تتبع للنجاح والفشل. |
| 09 | Voice & Multimodal Agents with Pipecat | مساعد صوتي تفاعلي، مع تجربة إدخال مرئي عند الإمكان. |
| 10 | Production, Evaluation & Demo Day | أساسيات CI/CD والنشر والمراقبة، ثم عرض المشاريع النهائية. |
مشروع التخرج · Capstone Project
الفكرة الأساسية
يعمل المشاركون ضمن فرق لبناء منتج AI قابل للتشغيل والعرض، يخدم مشكلة واضحة ويُظهر مهارات التصميم والتنفيذ والتقييم والتوثيق.
أمثلة مقترحة للمشاريع
- مساعد بحث علمي موثق بالمصادر
- مساعد دراسي يعتمد على RAG
- نظام لاستخراج البيانات من الوثائق العربية
- مساعد لتعلم الإنجليزية بالصوت
- تطبيق للرؤية الحاسوبية
مبدأ التصميم
لا يلزم استخدام RAG أو Agents أو Voice AI في كل مشروع؛ يجب أن تنطلق المعمارية من احتياجات المشكلة لا من الرغبة في جمع أكبر عدد من التقنيات.
محطات المشروع
- نهاية الجلسة ٠٦تشكيل الفرق، اختيار المشكلة، وتقديم مقترح مختصر.
- الجلسة ٠٧تصميم الحل وبدء التطوير باستخدام أدوات AI Coding.
- الجلسة ٠٨دمج قدرات AI أو الأدوات والوكلاء عند الحاجة.
- الجلسة ٠٩استكمال التكامل والتجارب، وإضافة الصوت/الوسائط إذا كانت مناسبة للمشروع.
- الجلسة ١٠ · Demo Dayالاختبار والعرض النهائي ومناقشة القرارات الهندسية.
آلية التدريب والتقييم
تعلّم قائم على البناء والمراجعة، كما في بيئات العمل الحقيقية.
شرح مركز
المفاهيم والقرارات الهندسية الضرورية.
Live Coding
بناء جزء أساسي من المشروع أمام المشاركين.
Pair Lab
تطبيق جماعي لحل مشكلة أو استكمال ميزة.
Homework
تسليم الواجبات عبر Pull Requests إلى مستودع المعسكر.
Code Review
تعليقات وملاحظات عملية على جودة التنفيذ.
Demo Day
تقييم المشروع النهائي من حيث الفكرة، والتنفيذ، وجودة النتائج، والتوثيق، والعرض.
الهيكل الزمني النموذجي لجلسة ٣ ساعات
يُعدَّل هذا الإيقاع للجلسات الأقصر.
معايير تقييم المشروع النهائي
- الفكرة
- التنفيذ
- جودة النتائج
- التوثيق
- العرض
المخرجات والتوظيف
بنهاية المعسكر، يُتوقع أن يتمكن الطالب من
- اختيار النموذج أو الأسلوب التقني المناسب للمشكلة، وتدريبه وتقييمه.
- تحويل النماذج إلى خدمات وتطبيقات باستخدام APIs وواجهات مستخدم.
- بناء تطبيقات قائمة على LLMs وRAG وAI Agents.
- توظيف أدوات AI-Assisted Coding بفاعلية ومسؤولية، مع مراجعة الشيفرة واختبارها.
- التعاون باستخدام Git وGitHub وPull Requests.
- تطبيق أساسيات النشر والمراقبة والتقييم والأمان.
- تقديم مشروع تقني موثق وقابل للتشغيل، يدعم الملف المهني للمشارك.
المخرجات المتوقعة
- ١مستودع GitHub يحتوي الواجبات والتطبيقات العملية.
- ٢خبرة تطبيقية في بناء النماذج وتحويلها إلى خدمات.
- ٣تطبيقات عملية في RAG وAgents وVoice AI.
- ٤خبرة في كتابة المتطلبات، واستخدام Coding Agents، ومراجعة نواتجها.
- ٥مشروع Capstone موثق، مع طريقة تشغيل ونتائج تقييم وعرض تجريبي.
- ٦مادة تقنية يمكن عرضها في GitHub Portfolio وLinkedIn.
ترشيح الطلاب لشركات مع توصية خاصة
تم التنسيق والتواصل مع عدد من الشركات لترشيح الطلاب الخريجين من المعسكر بهدف التوظيف.
المدربون
يقود المعسكر ثمانية مهندسين وخبراء يعملون في شركات محلية وعالمية. تعرّف عليهم في صفحة الفريق.
انضم إلى مجتمعنا
تابع أنشطتنا وورشاتنا ومعسكراتنا، وشارك بخبرتك على منصات التواصل.