إذا كنت تفكر في دراسة علم البيانات Data Science أو الذكاء الاصطناعي Artificial Intelligence، أو دخلت أحدهما وتريد أن تعرف ما الذي ينتظرك، فهذا المقال لك. هو موجه لخريج الثانوية الذي يختار تخصصه، ولطالب الجامعة الذي يخطط لسنواته، ولا يفترض أنك تعرف البرمجة.
ستجد فيه ما هو كل تخصص بكلام بسيط، والفرق بين التخصص المستقل والمسار داخل علوم الحاسب، والمقررات التي ستدرسها، وكم فيها من الرياضيات، وما تتعلمه بنفسك بجانب الدراسة، وأين يعمل الخريج.
وإذا لم تختر تخصصك بعد وتريد أن تقارن بين كل التخصصات التقنية، فابدأ بمقال أي تخصص تقني تختار؟ ثم ارجع إلى هنا. وهذا المقال من مرحلة أساسيات الذكاء الاصطناعي ونماذج اللغة.
باختصار In Short
الذكاء الاصطناعي: أن تبني برامج تتعلم من البيانات وتتخذ قرارات، مثل التعرف على الصور وفهم اللغة.
مدة البكالوريوس: نحو أربع سنوات، ومن 127 إلى 134 ساعة معتمدة في الخطط السعودية الأربع التي قرأناها.
ماذا تدرس أكثر شيء: البرمجة والرياضيات وأساسيات الحاسب، وليس الذكاء الاصطناعي وحده. ومقرر «تعلم الآلة» يأتي عادة في السنة الثالثة.
ما ينقص أغلب الخطط: الإحصاء المتقدم والتحسين Optimization، فخطط لهما بنفسك.
بعد التخرج: البكالوريوس يكفي لبناء التطبيقات فوق النماذج الجاهزة، أما تدريب النماذج والبحث فيميل إلى الماجستير.
والمعلومات هنا من المراجع الدولية للمناهج، ومن الخطط الرسمية لأربع جامعات سعودية كما قرأناها في أكتوبر 2026. والخطط تتغير، فافتح خطة قسمك الحالية قبل أي قرار.
ما هو علم البيانات Data Science، وما هو الذكاء الاصطناعي AI؟
التخصصان قريبان جداً، ويشتركان في أغلب المقررات. لكن لكل منهما سؤالاً مختلفاً في الأساس.
علم البيانات يسأل: ماذا تقول لنا هذه البيانات؟ مثلاً: لماذا انخفضت المبيعات في هذا الشهر؟ أي العملاء على وشك أن يتركوا الخدمة؟ ومن يعمل فيه يقضي أغلب وقته في جمع البيانات وتنظيفها، ثم تحليلها، ثم عرضها في رسوم يفهمها المدير.
الذكاء الاصطناعي يسأل: كيف نجعل الحاسب يقوم بعمل يحتاج عادة إلى ذكاء؟ مثل أن يتعرف على وجه في صورة، أو يترجم نصاً، أو يجيب عن سؤال. وأغلب الذكاء الاصطناعي اليوم يقوم على تعلم الآلة Machine Learning، أي أن البرنامج يتعلم من أمثلة كثيرة بدل أن نكتب له القواعد بأيدينا.
| البند | علم البيانات Data Science | الذكاء الاصطناعي AI |
|---|---|---|
| السؤال الأساسي | ماذا تقول البيانات؟ | كيف يتعلم الحاسب ويقرر؟ |
| أكثر ما تعمله | تنظيف البيانات وتحليلها وعرضها | بناء النماذج Models وتدريبها وتشغيلها |
| الرياضيات الأقرب | الإحصاء والاحتمالات | الجبر الخطي والاحتمالات والتحسين |
| مثال على النتيجة | لوحة تقارير Dashboard تبين سبب انخفاض المبيعات | برنامج يقرأ صورة الأشعة ويحدد المنطقة المشبوهة |
وفي الواقع لا يوجد حد فاصل بينهما. عالم البيانات يستخدم تعلم الآلة، ومهندس الذكاء الاصطناعي يقضي وقتاً طويلاً في تجهيز البيانات.
تخصص مستقل أم مسار Track داخل علوم الحاسب؟
عندما تبحث في الجامعات ستجد هذا المجال بصيغتين:
- تخصص مستقل: بكالوريوس اسمه «علم البيانات» أو «الذكاء الاصطناعي». أغلب مقرراته الإجبارية في المجال نفسه.
- مسار Track داخل علوم الحاسب: تدرس بكالوريوس علوم الحاسب، ثم تختار في السنوات الأخيرة مجموعة مقررات في الذكاء الاصطناعي وعلم البيانات. شهادتك «علوم حاسب»، ومعظم دراستك علوم حاسب عامة.
وقرأنا أربع خطط سعودية تمثل الصيغ المختلفة:
| الجامعة | البرنامج | الصيغة | الساعات المعتمدة |
|---|---|---|---|
| الجامعة السعودية الإلكترونية SEU | بكالوريوس علم البيانات | تخصص مستقل، والذكاء الاصطناعي مسار داخله | 133 |
| جامعة الملك فهد للبترول والمعادن KFUPM | بكالوريوس الذكاء الاصطناعي والأمن السيبراني | تخصص مستقل يجمع مجالين | 127 أو 129 بحسب خيار التدريب |
| جامعة الأمير سلطان PSU | بكالوريوس علوم الحاسب، مسار الذكاء الاصطناعي وعلم البيانات | مسار داخل علوم الحاسب | 134 |
| جامعة الإمام عبدالرحمن بن فيصل IAU | بكالوريوس الذكاء الاصطناعي | تخصص مستقل | 128 |
والفرق بين الصيغتين يظهر بوضوح في مقررات تعلم الآلة الإجبارية، أي التي يدرسها كل طالب دون اختيار:
- في خطتي الذكاء الاصطناعي في KFUPM وIAU أربعة مقررات إجبارية: تعلم الآلة، والتعلم العميق Deep Learning، ومعالجة الصور أو الرؤية بالحاسب Computer Vision، ومعالجة اللغة الطبيعية NLP.
- في علم البيانات في SEU مقرر تعلم آلة إجباري واحد، ومعه مقرر في التنقيب في البيانات Data Mining. أما التعلم العميق واللغة الطبيعية والرؤية بالحاسب فمتطلبات مسار يختار منها الطالب.
- في مسار PSU مقرر تعلم آلة إجباري واحد، والباقي من قائمة «اختر اثنين».
أيهما تختار؟ إذا كنت متأكداً أنك تريد الذكاء الاصطناعي، فالتخصص المستقل يعطيك مقررات أكثر فيه دون أن تعتمد على اختياراتك. وإذا لم تكن متأكداً، فالمسار داخل علوم الحاسب يعطيك شهادة أوسع، ويترك لك الباب مفتوحاً لمجالات أخرى. وفي الحالتين اختياراتك من المقررات الاختيارية تصنع فرقاً كبيراً، كما سنرى في المثال.
المصدر: الخطط الرسمية للجامعات الأربع (روابط SEU وKFUPM أعلاه)، وتوصيف خطتي PSU وIAU المنشور على موقعي الجامعتين.
على أي منهج تبنى هذه الخطط؟ CCDS2021 وCS2023 وABET
الجامعات لا تخترع خططها من الصفر. هناك جمعيات دولية تكتب «مناهج مرجعية»، تقول فيها ما يجب أن يعرفه خريج كل تخصص. وأشهرها جمعية آلات الحوسبة ACM وجمعية الحاسب في IEEE. ويفيدك أن تعرف ثلاثة منها، لأنها تشرح لماذا وضع كل مقرر في خطتك.
مرجع علم البيانات: تقرير CCDS2021
في يناير 2021 أصدر فريق من ACM تقريراً اسمه Computing Competencies for Undergraduate Data Science Curricula، واختصاره CCDS2021. ومعناه «الكفاءات الحاسوبية لبرامج بكالوريوس علم البيانات».
والتقرير يقسم الجانب الحاسوبي من علم البيانات إلى أحد عشر مجالاً:

| المجال | ماذا يعني ببساطة |
|---|---|
| البرمجة وهياكل البيانات والخوارزميات | كيف تكتب برنامجاً، وكيف ترتب البيانات داخله ليعمل بسرعة |
| أساسيات الحوسبة | كيف يعمل الحاسب من الداخل: المعالج والذاكرة ونظام التشغيل والشبكات |
| جمع البيانات وإدارتها وحوكمتها | قواعد البيانات، وجمع البيانات وتنظيفها Data Cleaning، وتحديد من يحق له استخدامها |
| التنقيب في البيانات Data Mining | البحث عن أنماط في البيانات، مثل تقسيم العملاء إلى مجموعات متشابهة |
| تعلم الآلة Machine Learning | برامج تتعلم من الأمثلة، ومنها التعلم العميق |
| الذكاء الاصطناعي AI | البحث عن حلول، والتخطيط، وتمثيل المعرفة والاستدلال بها |
| أنظمة البيانات الضخمة Big Data | تشغيل التحليل على بيانات أكبر من أن يحملها جهاز واحد، على عدة أجهزة أو في السحابة |
| التحليل والعرض Visualization | تحويل النتيجة إلى رسوم وواجهات يفهمها غير التقنيين |
| الخصوصية والأمن | حماية البيانات وخصوصية أصحابها |
| تطوير البرمجيات | تصميم البرامج الكبيرة واختبارها |
| المهنية Professionalism | العمل في فريق، والتواصل، والأخلاقيات، والقانون |
وأهم جملة في التقرير لك: هو يغطي الحوسبة فقط، ويقول صراحة إن المنهج الكامل يجب أن يضيف إليها: التفاضل والتكامل، والتراكيب المتقطعة Discrete Structures، والاحتمالات، والإحصاء الأولي، والإحصاء المتقدم، والجبر الخطي. ويضيف مجال تطبيق Domain واحداً على الأقل، مثل الأحياء أو الفيزياء أو الاقتصاد، لأن البيانات لا معنى لها دون مجال تفهمه.
ولا يوجد حتى الآن منهج كامل يجمع الحوسبة والرياضيات معاً. فريق ترعاه الجمعية الأمريكية للإحصاء ASA مع ACM وجمعيات أخرى يعمل عليه، وعرض مسودته للتعليق في مارس 2026.
المصدر: صفحة فريق علم البيانات في ACM، وإعلان ASA في 4 مارس 2026.
مرجع الذكاء الاصطناعي: مجال AI في منهج CS2023
لا يوجد حتى أكتوبر 2026 منهج دولي مكتمل لبكالوريوس الذكاء الاصطناعي المستقل. لذلك تبنى أغلب برامج الذكاء الاصطناعي على منهج علوم الحاسب CS2023، ثم تضيف فوقه مقررات في الذكاء الاصطناعي وعلم البيانات. وهذا يفسر لماذا تشبه خطتك خطة علوم الحاسب في أول سنتين.
وفي CS2023 مجال اسمه الذكاء الاصطناعي، له 12 ساعة تدريس يجب أن يدرسها كل طالب علوم حاسب، و18 ساعة أخرى لمن يتعمق. وساعة التدريس هنا تعني ساعة محاضرة واحدة، وليست الساعة المعتمدة في خطتك. ويفترض التقرير أن المقرر الواحد نحو 40 ساعة تدريس.
| الموضوع | لكل طالب علوم حاسب | للتعمق |
|---|---|---|
| القضايا الأساسية | 2 | 1 |
| البحث عن حلول Search | 2، و3 مشتركة مع الخوارزميات | 6 |
| تمثيل المعرفة والاستدلال | 1، و1 مشتركة مع الرياضيات | 2 |
| تعلم الآلة | 4 | 6 |
| التطبيقات وأثرها في المجتمع | 3 | 3 |
| المجموع | 12 | 18 |

وقد تستغرب أن الذكاء الاصطناعي 12 ساعة فقط في منهج صدر بعد ChatGPT. والسبب أن هذه الساعات حد أدنى لكل طالب علوم حاسب، وليست سقفاً لمن يتخصص. وبكالوريوس الذكاء الاصطناعي يعطي هذا المجال أكثر من ذلك بكثير.
ولو حسبنا بافتراض التقرير نفسه، أي 40 ساعة تدريس لكل مقرر، فإن مقررات الذكاء الاصطناعي وتعلم الآلة الإجبارية في KFUPM تعادل نحو 280 ساعة، أي أكثر من تسعة أضعاف الثلاثين ساعة في المنهج. وفي IAU نحو 260 ساعة. أما مسار PSU ففيه مقرر إجباري واحد، أي نحو 40 ساعة، وهذا قريب مما يدرسه كل طالب علوم حاسب.
وفي فصل عن الذكاء الاصطناعي التوليدي يكتب التقرير جملة تهمك: «المهارات المتوقعة من الطلاب تتغير، ولكن المعرفة الأساسية التي يحتاجون إليها لا تتغير».
المصدر: جسم المعرفة في CS2023، وفصل الذكاء الاصطناعي التوليدي والمنهج. وشرحنا منهج علوم الحاسب كاملاً في تخصص علوم الحاسب من الداخل.
الاعتماد الأكاديمي Accreditation: معايير ABET
ABET هيئة أمريكية تعتمد البرامج الجامعية، أي تشهد أن البرنامج يحقق حداً أدنى من الجودة. وفي المملكة ثلاثة برامج ذكاء اصطناعي معتمدة منها، وبرنامج علم بيانات واحد، كما ذكرنا في مقال اختيار التخصص.
- علم البيانات (معايير سارية): 45 ساعة معتمدة على الأقل في مقررات علم البيانات، تغطي رحلة البيانات من الجمع إلى العرض، ومعها الأخلاقيات والخصوصية، والاستدلال الإحصائي، والجبر الخطي، والاحتمالات، والتحسين، ومجال تطبيق، ومشروع كبير.
- الذكاء الاصطناعي وتعلم الآلة (معايير مقترحة): نشرت للتعليق في أكتوبر 2025، وإذا اعتمدت تطبق أول مرة في دورة 2027-2028. وتطلب 42 ساعة من مقررات الذكاء الاصطناعي، و9 ساعات على الأقل من الرياضيات والإحصاء، تشمل الاستدلال الإحصائي والتحسين.
لاحظ كلمتين تتكرران: الاستدلال الإحصائي Statistical Inference، والتحسين Optimization. سنعود إليهما في قسم الرياضيات.
المصدر: معايير ABET لبرامج الحوسبة 2026-2027.
ماذا تدرس؟ مجالات المقررات Course Areas
إذا فتحت أي خطة من الخطط الأربع، ستجد المقررات تنقسم إلى هذه المجموعات:
| المجموعة | أمثلة من الخطط | لماذا هي في خطتك |
|---|---|---|
| متطلبات الجامعة | اللغة العربية والإنجليزية والثقافة الإسلامية ومهارات التواصل | يدرسها كل طلاب الجامعة |
| الرياضيات والإحصاء | التفاضل والتكامل، والتراكيب المتقطعة، والجبر الخطي، والاحتمالات والإحصاء | لغة تعلم الآلة كلها، كما في القسم التالي |
| العلوم | الفيزياء، وفي بعض الخطط الكيمياء أو الأحياء | تدريب على التفكير العلمي، وقد تكون مجال تطبيق |
| البرمجة والخوارزميات | البرمجة، وهياكل البيانات، والخوارزميات | كل ما تفعله لاحقاً تكتبه برنامجاً |
| أساسيات الحاسب | المنطق الرقمي، ومعمارية الحاسب، وأنظمة التشغيل، والشبكات | لتفهم لماذا يكون النموذج بطيئاً أو لا يتسع في الذاكرة |
| البيانات | قواعد البيانات، ومقدمة في علم البيانات، والتنقيب في البيانات | البيانات هي المادة الخام لكل شيء |
| الذكاء الاصطناعي وتعلم الآلة | مقدمة الذكاء الاصطناعي، وتعلم الآلة، والتعلم العميق، واللغة الطبيعية، والرؤية بالحاسب | قلب التخصص، ويأتي غالباً في السنتين الأخيرتين |
| الأخلاقيات والمهنية | «الأخلاقيات المهنية في علم البيانات» في SEU، و«الجوانب الأخلاقية والاجتماعية للحوسبة» في PSU | البيانات عن بشر، وهناك أنظمة تحدد ما يجوز فعله بها |
| المشروع والتدريب | مشروع التخرج، والتدريب الصيفي أو التعاوني Co-op | تجمع فيه كل ما تعلمته في عمل حقيقي |
وأهم ملاحظة في الخطط الأربع: البرمجة والرياضيات وأساسيات الحاسب تأخذ من خطتك أكثر مما يأخذ الذكاء الاصطناعي نفسه. فعندما صنفنا المقررات الإجبارية حسب عناوينها، وجدنا الرياضيات من 15 إلى 20 ساعة معتمدة، والبرمجة والخوارزميات من 12 إلى 16.5، وأساسيات الحاسب من 10 إلى 12. أما تعلم الآلة فـ 12 ساعة في KFUPM وIAU، و3 فقط في SEU ومسار PSU. وهذا ليس خطأ في الخطة. فتقرير CCDS2021 نفسه يضع أساسيات الحوسبة مجالاً من مجالات علم البيانات، و«المنطق الرقمي» و«أنظمة التشغيل» جزء منه.
وهناك أيضاً مجالات لم نجد لها مقرراً إجبارياً باسمها في خطط الذكاء الاصطناعي الثلاث: التصوير البصري للبيانات Visualization، والتنقيب في البيانات. أي أنك قد تتعلم بناء النموذج، دون مقرر يعلمك كيف تعرض نتيجته على مدير.
وبالمقارنة مع مجالات CCDS2021 الأحد عشر:
- SEU (علم البيانات) الأقرب إلى التقرير: فيها مقرر لتسعة مجالات من أحد عشر. والغائب البيانات الضخمة وتطوير البرمجيات، أي أن الطالب يدرس قواعد البيانات والتنقيب دون مقرر عن الحوسبة الموزعة أو اختبار البرامج.
- خطط الذكاء الاصطناعي الثلاث: تغطي ثمانية مجالات، والغائب المشترك هو التحليل والعرض والتنقيب في البيانات.
- IAU بلا مقرر أخلاقيات حاسوبية: بينما في SEU «الأخلاقيات المهنية في علم البيانات»، وفي KFUPM «السياقات الإنسانية وأخلاقيات البيانات»، وفي PSU «الجوانب الأخلاقية والاجتماعية للحوسبة».
- KFUPM فيها 16.5 ساعة في الخصوصية والأمن: لأن البرنامج يجمع الذكاء الاصطناعي والأمن السيبراني، وفيه مقرر «أمن أنظمة الذكاء الاصطناعي» ومقرر «الذكاء الاصطناعي للأمن السيبراني».
وهذه قراءة لعناوين المقررات في أكتوبر 2026، فقد يغطي مقرر جزءاً من مجال لا يذكره اسمه.
كم رياضيات في التخصص؟ Math Load
هذا أكثر سؤال يقلق خريج الثانوية. والجواب: الرياضيات جزء كبير من التخصص، ولا يمكن تجنبها. في كل خطة من الأربع أربعة مقررات رياضيات على الأقل، وهذه رموزها كما في الخطط الرسمية:
| الموضوع | SEU علم البيانات | KFUPM | PSU المسار | IAU |
|---|---|---|---|---|
| التفاضل والتكامل Calculus | MATH241 | MATH 101 وMATH 102 | MATH111 وMATH113 | MATH 109 |
| التراكيب المتقطعة Discrete Structures | MATH150 | ICS 253 | CS285 | MATH 232 |
| الاحتمالات والإحصاء Probability and Statistics | STAT202 | STAT 201 | STAT101 | STAT 238 |
| الجبر الخطي Linear Algebra | MATH251 | MATH 208 | CS223 | MATH 304 |
| الإحصاء المتقدم والاستدلال | لا يوجد | لا يوجد | لا يوجد | لا يوجد |
| التحسين Optimization | لا يوجد | لا يوجد | لا يوجد | لا يوجد |
ولماذا تحتاج كل واحدة؟ بكلام بسيط:
- الجبر الخطي: البيانات داخل الحاسب جداول من الأرقام، والجبر الخطي هو طريقة الحساب عليها كلها مرة واحدة.
- الاحتمالات والإحصاء: النموذج لا يعطيك جواباً أكيداً، وإنما احتمالاً. والإحصاء يخبرك متى تثق بالنتيجة.
- التفاضل والتكامل: تعلم الآلة في أساسه تعديل صغير متكرر للنموذج حتى يقل خطؤه، والتفاضل هو أداة هذا التعديل.
- التحسين: علم إيجاد أفضل حل ممكن، وهو ما يحدث فعلاً عندما «يتدرب» النموذج.

والخلاصة: الرياضيات الأساسية موجودة في كل الخطط. أما الإحصاء المتقدم والتحسين فتطلبهما المراجع الثلاثة، ولا يوجد لهما مقرر إجباري يحمل اسمهما في أي خطة من الأربع. فالإحصاء في الخطط الأربع مقرر تمهيدي واحد يجمع الاحتمالات والإحصاء معاً. وهذان الموضوعان هما ما تضيفه بنفسك، كما في الخطوات أدناه.
المصدر: الخطط الرسمية للجامعات الأربع، وقائمة الرياضيات في CCDS2021 ومجال الذكاء الاصطناعي في CS2023.
كيف تبدو سنوات الدراسة؟ Sample Plan
الخطط تختلف في التفاصيل، لكنها تتشابه في الترتيب العام. هذا ما تجده عادة في كل سنة من الخطط الأربع:
| السنة | ما تدرسه عادة |
|---|---|
| السنة الأولى | البرمجة، والتفاضل والتكامل، والفيزياء أو العلوم، ومقدمة في الذكاء الاصطناعي أو الحوسبة، ومتطلبات الجامعة |
| السنة الثانية | هياكل البيانات، والتراكيب المتقطعة، والجبر الخطي، والاحتمالات والإحصاء، وقواعد البيانات |
| السنة الثالثة | تعلم الآلة، والخوارزميات، وأنظمة التشغيل، والشبكات، والذكاء الاصطناعي |
| الصيف | التدريب الصيفي أو التعاوني |
| السنة الرابعة | التعلم العميق، ومعالجة اللغة الطبيعية، والرؤية بالحاسب، ومشروع التخرج |
لاحظ أن مقرر تعلم الآلة يأتي في السنة الثالثة. فإذا شعرت في أول سنتين أنك «لا تدرس ذكاء اصطناعياً»، فهذا طبيعي. أنت تبني الأساس الذي يقوم عليه.
ماذا تتعلم بنفسك بجانب الدراسة؟ Self-Study
هذه خطوات بالترتيب، كل واحدة تسد نقصاً رأيناه في الخطط أو تجهزك للمقرر القادم.
الخطوة 1: البرمجة كل يوم (السنة الأولى)
ماذا تفعل: تمرن على لغة Python يومياً، ولو قليلاً، وابدأ مشروع تحليل صغيراً ببيانات عامة حقيقية.
لماذا: قبل كتابة التقرير، استطلع فريق CCDS2021 في بداية 2018 آراء 672 أكاديمياً و297 من الشركات. ونحو نصف ممثلي الشركات (48%) قالوا إنهم يبحثون عن مرشحين بخلفية في علم البيانات أو التحليلات، وطلبوا مهارات الحوسبة أكثر من الإحصاء والرياضيات. والطالب الذي يهمل البرمجة يخسر أهم ما يطلبه صاحب العمل.
اقرأ بجانبها: الأنظمة العددية، ومصطلحات الذكاء الاصطناعي، وقصة الذكاء الاصطناعي.
الخطوة 2: مقرر إحصاء ثان (السنة الثانية)
ماذا تفعل: ادرس مقرر إحصاء ثانياً من خارج القسم أو من الاختياريات، فيه الاستدلال Inference والانحدار Regression.
لماذا في السنة الثانية: لأن تعلم الآلة في السنة الثالثة يقوم عليه. تقييم النموذج كله إحصاء، ومن يدخل تعلم الآلة بمقرر إحصاء واحد يستخدم الأدوات دون أن يعرف متى تخدعه النتيجة.
اقرأ بجانبه: هياكل البيانات، وسلسلة تعلم SQL، وأدوات التحليل الإحصائي.
الخطوة 3: التحسين والعرض (السنة الثالثة)
ماذا تفعل: ابحث في جامعتك عن مقرر تحسين Optimization أو بحوث عمليات Operations Research، ولو من قسم آخر. وتعلم أداة تقارير واحدة لتعرض نتائجك.
لماذا: التحسين تطلبه المراجع الثلاثة ولا يوجد في الخطط. والعرض غائب عن خطط الذكاء الاصطناعي الثلاث، مع أن الوظيفة تبدأ عندما تشرح النتيجة لمن سيتخذ القرار.
اقرأ بجانبها: التعلم الآلي للمبتدئين، ولماذا تفوقت نماذج اللغة؟، وMetabase أم Superset أم Power BI؟
الخطوة 4: شغل نموذجاً فعلاً (الصيف)
ماذا تفعل: خذ نموذجاً واحداً وشغله ليستخدمه غيرك، ولا تكتف بتدريبه على جهازك.
لماذا: المعايير المقترحة من ABET تطلب «معمارية أنظمة الذكاء الاصطناعي وبنيتها التحتية»، أي كيف تنشر النموذج وتشغله. والبيانات الضخمة والحوسبة الموزعة غائبة عن بعض الخطط.
اقرأ بجانبها: RAG للمبتدئين، وتشغيل النماذج على جهازك، والأنظمة الموزعة للمبتدئين.
الخطوة 5: الخصوصية وقرار الماجستير (السنة الرابعة)
ماذا تفعل: تعلم نظام حماية البيانات الشخصية PDPL، وقرر هل تريد العمل بعد البكالوريوس أم الماجستير.
لماذا: CCDS2021 يضع الخصوصية في ثلاثة مجالات من مجالاته، لأنها تهم في كل مرحلة. وقرار الماجستير يعتمد على نوع العمل الذي تريده، كما في القسم التالي.
اقرأ بجانبها: نظام حماية البيانات الشخصية PDPL، وGPT صغير بالانتباه Attention، وNLP للعربية، ومتى يكون الذكاء الاصطناعي واثقاً ومخطئاً؟
أين يعمل الخريج؟ Careers
«الذكاء الاصطناعي» في سوق العمل ليس وظيفة واحدة، وإنما طيف من الأعمال:
| نوع العمل | ماذا يفعل | هل يكفي البكالوريوس؟ |
|---|---|---|
| محلل بيانات Data Analyst | يحلل البيانات ويبني التقارير ولوحات العرض | نعم غالباً |
| مطور تطبيقات ذكاء اصطناعي AI Application Developer | يبني منتجات فوق نماذج جاهزة، وهو قريب من تطوير البرمجيات | نعم، مع مشاريع قوية. و26% منهم بلا بكالوريوس أصلاً |
| عالم بيانات Data Scientist | يبني نماذج تحليلية ويجيب عن أسئلة العمل بالبيانات | 42% يحملون ماجستير، و25% دكتوراه أو شهادة مهنية |
| مهندس تعلم آلة ML Engineer | يدرب النماذج ويشغلها على نطاق واسع | 52% يحملون ماجستير أو أعلى |
| أخصائي ذكاء اصطناعي أو علم بيانات للأمن السيبراني | يستخدم البيانات والنماذج لكشف الهجمات | دوران في الإطار السعودي لكوادر الأمن السيبراني سيوف |
ونسب الشهادات من بيانات استبيان مطوري Stack Overflow لعام 2026، الذي حللناه في مقال اختيار التخصص. أما أدوار الأمن السيبراني فشرحناها في أدوار الأمن السيبراني، وهي ما يستهدفه برنامج KFUPM بجمع التخصصين.
فهل يكفي البكالوريوس؟ يعتمد على أي طرف من الطيف تريد. إذا أردت بناء تطبيقات ومنتجات فوق النماذج، فالبكالوريوس مع مشاريع قوية يكفي. وإذا أردت تدريب النماذج والبحث فيها، فالإحصاء المتقدم والتحسين هما بالضبط ما سيطلب منك في الماجستير، فابدأ بهما الآن.
مثال بسيط Example
طالب في مسار الذكاء الاصطناعي وعلم البيانات في PSU يدرس مقرر تعلم آلة إجبارياً واحداً. فإذا اختار من قائمة المسار مقرري معالجة الصور ومعالجة اللغة الطبيعية، أصبح عنده ثلاثة مقررات في تعلم الآلة بدل واحد. وكذلك طالب علم البيانات في SEU إذا اختار التعلم العميق ومعالجة اللغة الطبيعية من متطلبات المسار.
أي أن اختياراتك تقرب خطتك كثيراً من بكالوريوس الذكاء الاصطناعي، ولكنها لا تساويه، لأن خطتي KFUPM وIAU فيهما أربعة مقررات إجبارية قبل أي اختيار.
أخطاء شائعة Common Mistakes
- «المنطق الرقمي وأنظمة التشغيل لا علاقة لها بالذكاء الاصطناعي»: هي من مجالات علم البيانات في CCDS2021 نفسه. ومن لا يفهم الذاكرة والمعالج لن يفهم لماذا لا يتسع النموذج في كرت الشاشة GPU.
- «الإحصاء مقرر واحد وانتهى»: الخطط الأربع فيها مقرر إحصاء تمهيدي واحد، والمراجع الثلاثة تطلب أكثر منه.
- «الذكاء الاصطناعي يعني نماذج اللغة فقط»: CS2023 يعد البحث والتخطيط وتمثيل المعرفة جزءاً من الأساس، والمعايير المقترحة من ABET تطلبها أيضاً.
- «اسم المسار يكفي»: المسار قد يكون فيه مقرر تعلم آلة إجباري واحد، والباقي باختيارك، فاختر بعناية.
- «أدرب النموذج وتنتهي مهمتي»: العمل الحقيقي يبدأ عندما تشرح النتيجة لمن سيتخذ القرار.
- «الأخلاقيات مادة نظرية»: نظام حماية البيانات الشخصية يحدد ما يجوز لك فعله ببيانات الناس.
- «سأتعلم كل شيء من أدوات الذكاء الاصطناعي»: الأداة تتغير، والأساس لا يتغير. والأداة لا تخبرك متى تكون نتيجتها خاطئة.
قائمة تحقق Checklist
- قارنت بين التخصص المستقل والمسار داخل علوم الحاسب، وعرفت أيهما يناسبك.
- فتحت الخطة الرسمية الحالية لقسمك، وعرفت كم مقرراً إجبارياً فيها في تعلم الآلة.
- تأكدت من رموز المقررات مع القسم قبل التسجيل، فبعض الخطط المنشورة فيها رموز مكررة لمقررين مختلفين. مثلاً خطة IAU تذكر الرمز ARTI 406 للتعلم العميق وللحوسبة المتوازية والموزعة معاً، والرمز ARTI 407 لمعالجة الصور ولمشروع التخرج.
- خططت لمقرر إحصاء ثان قبل تعلم الآلة.
- بحثت في جامعتك عن مقرر تحسين أو بحوث عمليات.
- إذا كنت في مسار، اخترت الاختياريات التي ترفع تعلم الآلة، وليس الأسهل.
- اخترت مجال تطبيق واحداً تفهمه، وجعلت مشاريعك فيه.
- عرضت مشروعاً واحداً على الأقل لشخص غير تقني، وكتبت له النتيجة في صفحة واحدة.
- شغلت نموذجاً واحداً فعلاً ليستخدمه غيرك.
- سألت القسم عن حالة الاعتماد من ABET.
- قررت في السنة الثالثة: تطبيقات فوق النماذج، أم تدريب وبحث يميل إلى الماجستير.
الخلاصة
- علم البيانات يسأل ماذا تقول البيانات، والذكاء الاصطناعي يسأل كيف يتعلم الحاسب ويقرر، والتخصصان يشتركان في أغلب المقررات.
- التخصص المستقل يعطيك مقررات إجبارية أكثر في الذكاء الاصطناعي، والمسار داخل علوم الحاسب يعطيك شهادة أوسع وتعتمد فيه على اختياراتك.
- البرمجة والرياضيات وأساسيات الحاسب أكبر من الذكاء الاصطناعي نفسه في الخطط الأربع، وتعلم الآلة يأتي في السنة الثالثة.
- كل الخطط فيها التفاضل والتراكيب المتقطعة والجبر الخطي والاحتمالات والإحصاء، ولا توجد فيها مقررات إجبارية في الإحصاء المتقدم والتحسين، فأضفهما بنفسك.
- تعلم البرمجة يومياً، واعرض نتائجك لغير التقنيين، وشغل نموذجاً فعلاً.
- البكالوريوس يكفي لبناء التطبيقات فوق النماذج، أما تدريب النماذج والبحث فيميل إلى الماجستير.
وهذا التخصص قريب جداً من علوم الحاسب، فإذا كنت تفكر في الانتقال بينهما فاقرأ تخصص علوم الحاسب من الداخل. وإذا كنت في برنامج يجمع الذكاء الاصطناعي والأمن مثل KFUPM فاقرأ تخصص الأمن السيبراني من الداخل. وأقرب المقالات إلى هذا الموضوع على الموقع:
دليلأي تخصص تقني تختار؟ دليل التخصصات Tech Majorsماذا تدرس فعلاً في كل تخصص تقني بحسب الخطط الدراسية السعودية، وأين يعمل خريجوه، ومتى يهم اسم التخصص ومتى تهم المهارة.
دليلتخصص علوم الحاسب Computer Science: منهج CS2023 ومواد الجامعةلماذا وضعت كل مادة في خطة علوم الحاسب بحسب منهج CS2023، وأين تقصر خطط الجامعات السعودية، وكيف تكمل ما ينقصك بنفسك.
دليلالتعلم الآلي Machine Learning للمبتدئينكيف تتعلم الآلة القواعد من الأمثلة، وكيف تعرف أن النموذج تعلم فعلاً ولم يحفظ الإجابات، ومتى تختار كل خوارزمية.
دليلكيف تعمل نماذج اللغة الكبيرة LLM من الداخل؟كيف يحول النموذج سؤالك إلى أرقام ويختار الكلمة التالية حتى تكتمل الإجابة، ولماذا يخطئ بنفس الثقة.
دليللماذا تفوقت نماذج اللغة LLM على التعلم الآلي التقليدي؟ما الذي جعل نموذج لغة واحداً يحل مهاماً كانت تحتاج نموذجاً لكل منها، وأين ما زالت الخوارزميات التقليدية هي الخيار الأفضل.
دليلتعلم SQL (1): ما هو SQL وكيف تكتب أول استعلامتتعلم SQL من الصفر: ما هي قاعدة البيانات العلائقية، وكيف تنشئ الجداول وتضيف البيانات وتكتب أول استعلام بأمان.
دليلأنظمة التوصية Recommender Systems للمبتدئينكيف تعرف المتاجر ومنصات الفيديو ما قد يعجبك، وما الفرق بين طرق التوصية، وكيف تقيس جودتها قبل أن تصل للمستخدم.
دليلابن نموذج لغة بلغة C# من الصفر (1): محرك التعلم Autogradنبني بلغة C# ودون أي مكتبة المحرك الذي تتعلم به كل الشبكات العصبية، ونتأكد بالأرقام أن كل عملية فيه صحيحة.
دليلمتى يكون الذكاء الاصطناعي واثقاً ومخطئاً؟أنماط الأخطاء التي يكتبها مساعد البرمجة بثقة كاملة، ولماذا تحدث، وكيف تكشف كل واحد منها قبل أن يصل إلى الإنتاج.سجل التحديثات
- 2026-11-13: إعادة كتابة المقال بلغة أوضح وخطوات وجداول، دون كود.
- 2026-11-14: مراجعة المقال وإعادة المعلومات المفيدة ونتائج البيانات الحقيقية التي حذفت في إعادة الكتابة.
- أكتوبر 2026: كتابة المقال، وقراءة CCDS2021 (ACM، يناير 2021) ومجال الذكاء الاصطناعي في CS2023 ومعايير ABET لبرامج الحوسبة 2026-2027، مع خطط SEU وKFUPM وPSU وIAU من ملف بيانات مقال اختيار التخصص.