🌟 سلسلة مهارات استخدام وتطوير تقنيات الذكاء الاصطناعي  |  الورشة الأولى 🌟
السلايد 1 من 8
﷽
والصلاة والسلام على محمد وآله الطاهرين
سلسلة مهارات استخدام وتطوير تقنيات الذكاء الاصطناعي
في مجال الإدارة والعمل والبحث العلمي
📌 الأهداف الرئيسية:
  • ١. تحديد تطبيقات AI المناسبة للغرض المطلوب
  • ٢. توليد المحتوى عالي الجودة مع ضمان الأصالة والحقوق والأخلاقيات
  • ٣. صناعة مجاميع البيانات لتطوير نماذج الذكاء الاصطناعي التخصصي
  • ٤. تحليل البيانات التخصصية بنماذج الذكاء الاصطناعي لتعزيز الإدارة المتينة وجودة العمل والبحث العلمي
أ.د. حسين عبد الكاظم

كلية الطب — جامعة الكوفة

الطب والجراحة العامة | أستاذ الأدوية والعلاجيات

دبلوم مهني — تكنولوجيا المعلومات

المفاهيم الأساسيةالتطبيقات التخصصيةصناعة البياناتالاحترافية فيالإدارة والبحثمسار التدريب التسلسلي — من البسيط إلى الاحترافي
1 / 8
📋 منهجية التدريب
  • ✦ استعراض جميع الورش بشكل مقتضب ضمن الورشة الأولى
  • ✦ التسلسل من المفاهيم البسيطة إلى التطبيق الاحترافي
  • ✦ تطبيقات الذكاء الاصطناعي لا يمكن تغطيتها ضمن جلسة واحدة
  • ✦ الالتزام بشروح MIT والمصادر والتطبيقات التي تم تطويرها
  • ✦ استثمار الوقت الضيق وإدراج العدد الممكن من المعلومات
  • ✦ النقاش المباشر
  • ✦ الاسئلة والاختبارات ومهام التدريب
  • ✦ التقييم والتغذية الراجعة
مبدأ التدرج في البساطة والتدرج في التفاصيل
بسيطمتوسطاحترافيالتسلسل المنهجي في برنامج التدريب
محاور الورشة التدريبية — ملخص بياني شامل
📝 اختبار تقييمي — السلايد الثاني
📔 المهام الخاصة
📊 التقييم والتغذية الراجعة
2 / 8
💡 مفاهيم ومصطلحات الذكاء الاصطناعي
١. الذكاء الاصطناعي وتكنولوجيا المعلومات
AI ليس مستقلاً عن المهارات الرقمية وتكنولوجيا المعلومات — هو جزء أساسي من العالم الرقمي
AIتكنولوجيا المعلوماتالعالم الرقمي الشاملمهارات رقميةبرمجة وشبكات
٢. الذكاء الاصطناعي ≠ GPT وحده
المولدات هي نواتج AI — الحرف P = Pre-trained (مدرب مسبقًا)
٣. الاستخدام الاحترافي متاح للجميع
لا يتطلب شراءً أو برمجة — يتطلب فقط تدريباً على الاحتراف واحتراف صناعة مجاميع البيانات
٤. أنواع الذكاء الاصطناعي حسب مخرجاتها:
🔄 التحويلي-التوليدي

GPT — يولّد نصوصاً وصوراً وكوداً

DeepSeek R1 Gemini 3.5 Claude 4.5 ChatGPT 5 DeepSeek R1 Gemini 3.5
📊 التحليلي-التنبؤي

Predictive — تشخيصية وكشفية واستشرافية

شجرة القرار التعلم العميق Neural Net شجرة القرار
⚙️ الإجرائي

Prescriptive — للمحاكاة وصناعة الروبوتات

🤖 روبوت 🧑‍💼 وكيل محاكاة 🤖 روبوت
  • ٥. الذكاء الاصطناعي يتميز بدعمه للبيانات الضخمة والمعقدة، والسرعة، ودعم التعامل مع الصفات وليس فقط القيم
    • كيف يرى AI
  • ٦. سيسود الذكاء الاصطناعي العقد القادم ويحدث تحولاً جذرياً في الإدارة والجودة والتطوير
  • ٧. الذكاء الاصطناعي ينمي المهارات والمعرفة بنسبة ١٥٠٪
  • ٨. لا الخبرة المستقلة ولا الذكاء الاصطناعي المستقل يحقق الأهداف — بل الاتحاد بينهما
أنواع الذكاء الاصطناعي ونسبة استخداماتها عالمياً
📝 اختبار تقييمي — السلايد الثالث
المهام: ١. انشيء قائمة معتمدة لاهم ٥٠ صفة شاملة في الموظف تؤثر في ادائه ٢. حول تلك الصفات الوظيفية الى مجاميع بيانات csv ليتدرب عليها نموذج شجرة القرار للذكاء الاصطناعي
التغذية الراجعة
3 / 8
🎯 مبادئ جودة التطبيق
القرار الصحيح يتطلب الأخذ بجميع البيانات — الأعمدة والصفات معاً
لماذا الأخذ بجميع البيانات غير ممكن إحصائياً؟
أ. السبب الكمي
تعدد المتغيرات والأعمدة — الإحصاء يختبر عدداً محدوداً من السمات (t-test, correlation, regression)، مما يُدخل العامل الشخصي ويُقلل الموضوعية والدقة
ب. السبب النوعي
تعقيد البيانات المختلطة (جداول + صور + إشارات) — لا يوجد آلية التحام تلقائية في الإحصاء، بينما خوارزميات AI تدعم البيانات المعقدة والمختلطة
ج. التعامل مع الصفات
الإحصاء لا يتعامل مع الصفات — أما الذكاء الاصطناعي فيتعامل مع تركيب خاص من عدة قيم ويعاملها كمتغير واحد، وبذلك يحلل جميع مدركات الإنسان
د. السرعة والشمولية
سرعة التحليل والاستجابة عند توفر الموارد — تُجعل خوارزميات AI مؤهلة لتحليل أغلب الحقول العلمية الطبيعية والاجتماعية والتطبيقية
كيفية إدراك طبقات التعلم العميق لصفات البيانات
مدخلاتطبقة ١طبقة ٢مخرجاتX₁X₂X₃ص١ص٢
مقارنة الإحصاء التقليدي مقابل الذكاء الاصطناعي في تحليل البيانات
📝 اختبار تقييمي — السلايد الرابع
4 / 8
⚙️ التطبيقات العملية للذكاء الاصطناعي
🧑‍💼 تطبيقات تشغيل الموارد البشرية
تحديد الشخص المناسب في العمل المناسب يتطلب مراجعة وتحليل جميع السمات الخاصة بكل مهنة واستخراج أنماط من الصفات ومطابقة الاستحقاق. يمكن للذكاء الاصطناعي الأخذ بالاعتبار 100 صفة تتطلبها كل مهنة، بما فيها بيانات تخطيط الدماغ والمعالم الجسمية والبيانات الجينية.
🏛️ تطبيقات الإدارة المتينة
تحسين جودة القرارات الإدارية وتعزيز الشفافية والكفاءة المؤسسية من خلال تحليل بيانات الأداء والموارد بشكل شامل وموضوعي.
🔬 تطبيقات البحث العلمي
تعزيز منهجية البحث العلمي بأدوات الذكاء الاصطناعي من تحديد الجدوى حتى تحليل النتائج وتمثيلها.
معايير تقييم الكفاءة بالذكاء الاصطناعي في الموارد البشرية
📝 اختبار تقييمي — السلايد الخامس
قم بتصميم دراسة مقارنة معززة بالذكاء الاصطناعي تحلل اثر الشعائر الحسينية على الحد من تعاطي المخدرات
التقييم والتغذية الراجعة
5 / 8
🤖 المولدات الحديثة — قدرات نماذج اللغة 2026
نماذج الذكاء الاصطناعي الرائدة 2026
DS
DeepSeek R1
G
Gemini 3.5 Pro
C
Claude 4.5 Sonnet
GP
ChatGPT 5
Q
Qwen 2.5
M
Manus Agent
📌 متطلبات التوليد الأخلاقي عالي الجودة الأصيل والشفاف
  • ١. أوامر الدقة والاحتراف: "قم بالمراجعة المستفيضة الدقيقة الاحترافية"
  • ٢. تجنب الفبركة: "ولا تستخدم أبدًا أي محاكاة غير حقيقية أو فبركة أو ديمو أو تلفيق أو عشوائية"
  • ٣. أوامر الحداثة: "الحالي — ٢ إلى ٥ سنوات — الجاري نفس السنة والشهر"
  • ٤. أوامر المنهجية: "قم بذكر ٥٠ عاملًا / نقطة / سببًا للموضوع مع تفاصيل مهمة"
  • ٥. متطلبات المصدر: "قم بدعم جوابك بأحدث المصادر الحقيقية وتدقيق روابط DOI المفتوحة"
  • ٦. التدقيق والتكرار: مراجعة مستفيضة ومتعددة المراحل
⚖️ المتطلبات الأخلاقية والأصالة والشفافية
استخدام المولدات نقطة قوة وجودة بشروط:
  • ✅ الإشارة إلى أي جزء استُخدمت فيه المولدات ونوع المولد
  • ✅ إعادة كتابة النصوص بتعبير المؤلف
  • ✅ تحوير الفكرة والمحتوى لتحقيق الأصالة مع ذكر المولد والنموذج للشفافية
مقارنة قدرات نماذج الذكاء الاصطناعي الرائدة 2026
📝 اختبار تقييمي — السلايد السادس
6 / 8
🗂️ صناعة مجاميع البيانات — Dataset Creation
ما هي البيانات المعلَّمة؟
البيانات التي يضع فيها المتخصص علامة تعريفية — مثلاً: عمود النتيجة في الجدول، أو اسم المجلد للصور الموجودة داخله
أنواع البيانات من حيث التركيب:
📊 المجدولة (المنتظمة)
  • • أرقام عشرية أو صحيحة
  • • قيم بوليانية أو ثنائية
  • • حروف أو سلسلة نصية
📁 غير المجدولة (غير المنتظمة)
  • • نصوص • صور • فيديو
  • • صوت • إشارات • مصفوفات
  • • تراكيب • جزيئات
✅ خطوات صناعة مجاميع البيانات:
١. تحضير البيانات
جمع وتنظيم المصادر والملفات الأولية
٢. تصحيح البيانات
معالجة القيم المفقودة والأخطاء والتكرارات
٣. تطبيع البيانات
توحيد النطاقات والمقاييس والتنسيقات
٤. تعليم البيانات
وضع علامات تعريفية من قبل المتخصص
مجاميع البيانات أحد الأسس التي تتدرب عليها نماذج الذكاء الاصطناعي — هي المصدر الرئيسي للتدريب الصحيح
🏷️ تعليم البيانات غير المجدولة (makesense)
توزيع أنواع البيانات في مجاميع تدريب الذكاء الاصطناعي
📝 اختبار تقييمي — السلايد السابع
قم بمهام صناعة مجاميع البيانات ١. المجدولة ٢. غير المجدولة
التقييم والتغذية الراجعة
7 / 8
🔬 تطبيقات الذكاء الاصطناعي في البحث العلمي
مراحل البحث العلمي المدعومة بالذكاء الاصطناعي:
المرحلةدور الذكاء الاصطناعي
تحديد الجدوىتقييم التأثير والأهمية ومعيار التطبيقية للبحث
اختيار الحقل والموضوعتحليل الفجوات البحثية واقتراح المواضيع الأكثر تأثيراً
الهدف الدقيق للموضوعتحديد المتغيرات والمؤثرات الاختبارية الدقيقة
تصميم الدراسةاقتراح أفضل تصميم منهجي وحجم العينة المناسب
طرق وأدوات الدراسةاختيار الأدوات والمواد المناسبة بشكل موضوعي
تحليل البياناتتحليل شامل وسريع مع تمثيل احترافي للنتائج
مخرجات قياس التأثيرقياس حجم الأثر والمعنوية الإحصائية والعملية
مراحل دعم الذكاء الاصطناعي للبحث العلمي — ملخص شامل
📝 اختبار تقييمي — السلايد الثامن
8 / 8
📚 المصادر — مفاهيم ومصطلحات الذكاء الاصطناعي
1. Google AI Education — ai.google/education
2. OpenAI Research — openai.com/research
3. MIT 6.S191 — Introduction to Deep Learning
4. IBM AI Topics — ibm.com/topics/artificial-intelligence
5. arxiv.org — GPT-4 Technical Report (2023)
📚 المصادر — مبادئ جودة التطبيق
1. Deep Learning Book — Goodfellow et al. (deeplearningbook.org)
2. Scikit-learn User Guide — scikit-learn.org
3. ACM FAccT — Fairness in ML (DOI: 10.1145/3287560)
4. Nature Medicine — AI Clinical Decision Support (2019)
📚 المصادر — التطبيقات العملية
1. Harvard Business Review — AI for the Real World (2018)
2. McKinsey & Company — The Age of Analytics
3. SHRM — AI in Hiring and HR Management
📚 المصادر — المولدات الحديثة
1. arXiv — Sora Technical Overview (2024)
2. Google DeepMind — Gemini Models (deepmind.google)
3. Anthropic Research — anthropic.com/research
4. HuggingFace Blog — State of AI 2025/2026
5. Nature Machine Intelligence — LLM Ethics (DOI: 10.1038/s42256)
📚 المصادر — صناعة مجاميع البيانات
1. Papers With Code Datasets — paperswithcode.com/datasets
2. Kaggle Datasets — kaggle.com/datasets
3. ACM SIGMOD — Data Preparation Survey (DOI: 10.1145/3514221)
4. Label Studio — Open Source Data Labeling (label-studio.io)
📚 المصادر — الذكاء الاصطناعي في البحث العلمي
1. Scientific Data — AI-Driven Research Datasets (Nature, 2022)
2. Elsevier AI in Research — elsevier.com/ai
3. NCBI — AI Applications in Medical Research (PMC8285156)
4. ResearchGate — AI in Scientific Research
5. arXiv — AI4Science Benchmark (2024, DOI: 2401.00601)
⏳ التطبيق قيد الإعداد
🚧
عفواً، التطبيق يتم رفعه مباشرةً أثناء التدريب
سيكون متاحاً في نفس المجلد قريباً
🎓 تحرير الشهادة التقديرية
أدخل بياناتك للحصول على الشهادة التقديرية: