بكالوريوس الذكاء الاصطناعي

يهدف هذا المساق العملي إلى تحويل المفاهيم النظرية في Programming (1) إلى مهارات تطبيقية من خلال سلسلة منتظمة من التمارين والمشروعات البرمجية الصغيرة. يبدأ المساق بالتعرف إلى Integrated Development Environment (IDE) المستخدمة، وكيفية إنشاء المشاريع والملفات، وكتابة Source Code وحفظه وتشغيله والتعامل مع رسائل الأخطاء. يتدرب الطلبة عمليًا على استخدام Variables وConstants وData Types وOperators وتنفيذ عمليات Input/Output، وتحويل المسائل الحسابية والمنطقية إلى برامج قابلة للتنفيذ. ثم يطبقون الجمل الشرطية وLoops لبناء برامج تتضمن اتخاذ القرارات وتنفيذ العمليات المتكررة. تشمل التدريبات إنشاء واستخدام Functions، وتمرير Parameters واستقبال Return Values، وتقسيم الحل إلى مجموعة من الوظائف المنظمة. كما يتدرب الطلبة على Arrays وStrings وتنفيذ عمليات أساسية لمعالجة مجموعة من القيم أو البيانات النصية. يركز المساق بصورة خاصة على Debugging، حيث يتعلم الطالب قراءة رسائل الخطأ، وتتبع تنفيذ البرنامج خطوة بخطوة، واستخدام Breakpoints وأدوات Debugger المتاحة في IDE، والتمييز بين Syntax Errors وRuntime Errors وLogical Errors. تتدرج التمارين من تطبيقات قصيرة تركز على مفهوم واحد إلى مشكلات تجمع عدة مفاهيم برمجية. وفي نهاية المساق، ينفذ الطالب برنامجًا أو Mini-Project بسيطًا يوظف أهم المهارات التي اكتسبها. وبنهاية المساق يكون الطالب قادرًا على استخدام بيئة التطوير بكفاءة، وكتابة وتشغيل واختبار البرامج بصورة مستقلة، وتشخيص الأخطاء وتصحيحها، وتنظيم Source Code وفق ممارسات برمجية سليمة تمهيدًا للمساقات البرمجية الأكثر تقدمًا.

النوع

متطلب تخصص

موقعه في الخطة

السنة الأولى، الفصل الأول

المتطلب السابق

لا يوجد

يفتح

برمجة (2) - عملي

يهدف هذا المساق إلى تطوير الكفايات اللغوية التي يحتاجها الطالب لفهم واستخدام اللغة الإنجليزية في مجالات Engineering وInformation Technology و Computing. يركز المساق على بناء حصيلة من المصطلحات التقنية الأساسية المرتبطة بالحاسوب والبرمجيات والشبكات والبيانات والأنظمة الرقمية، مع تدريب الطلبة على فهم هذه المصطلحات واستخدامها بصورة صحيحة في السياقات الأكاديمية والمهنية. يتناول المساق مهارات قراءة النصوص التقنية، بما في ذلك الكتب الجامعية، والمقالات المبسطة، وUser Manuals، ووثائق Hardware وSoftware، مع التركيز على استخراج الأفكار الرئيسة وفهم التفاصيل والتعرف إلى المصطلحات من السياق. كما يتدرب الطلبة على تفسير التعليمات والإجراءات والمواصفات الفنية. في جانب الكتابة، يتناول المساق صياغة الجمل والفقرات التقنية، وكتابة الأوصاف والتعليمات والملخصات والمراسلات المهنية البسيطة. ويتعلم الطلبة كيفية وصف جهاز أو نظام أو Process تقني باستخدام لغة واضحة ودقيقة ومفردات مناسبة. يشمل المساق كذلك الاستماع إلى مقاطع ومناقشات ذات طبيعة تقنية، وتنمية القدرة على تقديم المعلومات شفهيًا والمشاركة في المناقشات والعمل الجماعي. ويتدرب الطلبة على إعداد Short Presentations حول موضوعات مرتبطة بتخصصاتهم واستخدام المصطلحات التقنية بصورة صحيحة. وبنهاية المساق يكون الطالب قادرًا على قراءة وفهم نصوص تقنية مناسبة لمستواه، واستخدام المصطلحات الأساسية في Computing وIT، وكتابة نصوص ومراسلات تقنية بسيطة، والتواصل شفهيًا في مواقف أكاديمية ومهنية، بما يساعده على التعامل مع المراجع والوثائق الإنجليزية المستخدمة في مساقات التخصص اللاحقة.

النوع

متطلب كلية

موقعه في الخطة

السنة الأولى، الفصل الأول

المتطلب السابق

لا يوجد

This general education course introduces nursing students to the foundational knowledge of the Holy Qur'an and its related sciences (Ulum al-Qur'an). The course focuses on the revelation, compilation, preservation, and main themes of the Qur'an, along with fundamental rules of recitation (Tajweed) and thematic interpretation (Tafsir). Special emphasis is given to health-related Qur'anic concepts, ethical values, human preservation, spiritual care, and therapeutic communication in clinical nursing practice.

النوع

متطلب جامعة

موقعه في الخطة

السنة الأولى، الفصل الأول

المتطلب السابق

لا يوجد

This general education course focuses on enhancing fundamental Arabic language skills—reading, writing, speaking, and listening—for nursing students. The course emphasizes correct grammar, sentence structure, functional writing, and professional communication skills necessary for academic success and clear medical documentation in Saudi healthcare settings.

النوع

متطلب جامعة

موقعه في الخطة

السنة الأولى، الفصل الأول

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تزويد الطلبة بمدخل تأسيسي متكامل إلى مجالي Artificial Intelligence (AI) وData Science، وتعريفهم بالمفاهيم والمصطلحات الأساسية وطبيعة المشكلات التي يعالجها كل مجال، مع بناء تصور واضح حول العلاقة بين البيانات والخوارزميات والأنظمة الذكية. يبدأ المساق باستعراض مفهوم AI وتطوره وأهدافه ومجالات تطبيقه، والتمييز بين الأنظمة التقليدية والأنظمة التي تتضمن قدرات ذكية، مع تقديم أمثلة من مجالات مثل الرعاية الصحية، والتعليم، والأعمال، والنقل، والأنظمة الذكية. يتعرف الطلبة إلى الفروع الرئيسة لـ AI، بما في ذلك Machine Learning, Computer Vision, Natural Language Processing (NLP), Robotics وKnowledge-Based Systems، على مستوى تعريفي يوضح وظيفة كل مجال وعلاقته بالتخصص دون الدخول في الخوارزميات المتقدمة التي ستتم دراستها في مساقات لاحقة. يقدم المساق كذلك مدخلًا إلى Data Science، ومفاهيم البيانات والمعلومات والمعرفة، وأنواع البيانات مثل structured, semi-structured, and unstructured data، ومصادر البيانات وخصائصها وجودتها. كما يتعرف الطلبة إلى المراحل العامة لـ Data Science Lifecycle ابتداءً من تحديد المشكلة وجمع البيانات وفهمها، مرورًا بتهيئتها وتحليلها، وصولًا إلى بناء الحل وتقييمه واستخدام النتائج. يتناول المساق بصورة تمهيدية مفهوم التعلم من البيانات والفرق العام بين Supervised Learning, Unsupervised Learning وReinforcement Learning دون دراسة الخوارزميات الرياضية أو البرمجية بالتفصيل. كما يناقش المساق الجوانب الأخلاقية والاجتماعية المرتبطة بـ AI والبيانات، بما في ذلك privacy, bias, fairness, transparency والاستخدام المسؤول للبيانات. وبنهاية المساق يكون الطالب قادرًا على فهم المصطلحات الأساسية للمجال، وتصنيف تطبيقات AI وData Science، وتحديد المكونات والمراحل العامة لمشروع قائم على البيانات، بما يؤهله للمساقات التخصصية اللاحقة.

النوع

متطلب تخصص

موقعه في الخطة

السنة الأولى، الفصل الأول

المتطلب السابق

لا يوجد

يفتح

الذكاء الاصطناعي وعلم البيانات (2)

يهدف هذا المساق إلى تزويد الطلبة بأساس معرفي متكامل حول المفاهيم والمكونات الرئيسة لـ Information Technology (IT)، بما يؤهلهم لفهم البيئة التقنية التي ستبنى عليها المساقات اللاحقة في البرنامج. يبدأ المساق بالتعريف بمفهوم IT ودورها في المؤسسات والمجتمع، ثم يستعرض المكونات المادية للحاسوب مثل CPU, memory, storage input/output devices والعوامل الأساسية المؤثرة في أداء أنظمة الحاسوب. يتناول المساق المكونات البرمجية، وأنواع Software، ووظائف Operating Systems، وآلية التفاعل بين Hardware وSoftware. كما يتعرف الطلبة إلى المبادئ الأساسية لتمثيل البيانات رقميًا، وأنواع الملفات، وطرق تخزين البيانات ومعالجتها. يقدم المساق مدخلًا إلى Computer Networks والإنترنت، ومفاهيم الاتصال وتبادل البيانات والخدمات التي توفرها الشبكات، إضافة إلى أساسيات Databases وInformation Systems ودورها في تنظيم البيانات واسترجاعها ودعم عمليات المؤسسات. كما يقدم المساق نظرة عامة إلى مجموعة من التقنيات الحديثة مثل Cloud Computing, Mobile Computing, Internet of Things (IoT) وAI، بهدف تعريف الطالب بالمنظومة التقنية العامة دون الدخول في التفاصيل التي تتناولها المساقات التخصصية اللاحقة. يتناول المساق أيضًا المبادئ الأولية لـ Cybersecurity، وحماية الحسابات والبيانات، والخصوصية، والاستخدام الآمن والمسؤول للإنترنت والموارد الرقمية. وبنهاية المساق يكون الطالب قادرًا على التعرف إلى المكونات الأساسية لأنظمة IT، وشرح وظائفها، والتمييز بين الفئات الرئيسة للتقنيات الرقمية، وفهم العلاقة بين Hardware وSoftware والبيانات والشبكات والخدمات الرقمية.

النوع

متطلب تخصص

موقعه في الخطة

السنة الأولى، الفصل الأول

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تعريف الطلبة بالمبادئ الأساسية للبرمجة وتنمية قدرتهم على تحليل المشكلات وصياغة حلول Algorithmic وتنفيذها باستخدام لغة برمجة حديثة. يبدأ المساق بمفهوم Algorithm ودورة تطوير البرنامج، وتحليل المشكلة وتحديد المدخلات والمخرجات والخطوات اللازمة للحل، واستخدام Flowcharts وPseudocode لتمثيل الحل قبل تحويله إلى برنامج. يتناول المساق البنية الأساسية للبرنامج، والمتغيرات والثوابت، وData Types، والتحويل بين الأنواع، والمعاملات الحسابية والمنطقية والعلاقاتية، وأوامر الإدخال والإخراج. كما يغطي Control Structures بما في ذلك الجمل الشرطية والحلقات التكرارية واستخدامها في بناء حلول لمشكلات متدرجة في الصعوبة. يتعرف الطلبة إلى مفهوم Functions وتعريفها واستدعائها وتمرير Parameters واستخدام Return Values، بهدف تقسيم البرنامج إلى وحدات أصغر وأكثر تنظيمًا. كما يتناول المساق one-dimensional arrays وStrings وبعض العمليات الأساسية المرتبطة بها، إضافة إلى مبادئ أولية في Input Validation ومعالجة الأخطاء البسيطة. يركز المساق على كتابة برامج صحيحة ومنظمة وقابلة للقراءة والاختبار، وعلى استخدام أسماء مناسبة للمتغيرات والدوال والتنسيق الجيد للشيفرة. كما يتعلم الطالب تتبع تنفيذ البرامج واكتشاف Syntax, Runtime, and Logical Errors وتصحيحها. وبنهاية المساق يكون الطالب قادرًا على تحليل مشكلة برمجية بسيطة أو متوسطة، وتصميم Algorithm مناسب لها، وتحويله إلى برنامج يعمل بصورة صحيحة، واختبار النتائج وتشخيص الأخطاء وتصحيحها، بما يوفر الأساس اللازم لمساقات Programming (2)، Data Structures، والمساقات البرمجية المتخصصة في AI .

النوع

متطلب تخصص

موقعه في الخطة

السنة الأولى، الفصل الأول

المتطلب السابق

لا يوجد

يفتح

برمجة (2)

يهدف هذا المساق العملي إلى تمكين الطلبة من تطبيق مبادئ Web Design من خلال بناء صفحات ومواقع فعلية باستخدام HTML وCSS. يبدأ المساق بالتدريب على استخدام Code Editor، وتنظيم ملفات المشروع، وإنشاء HTML Documents صحيحة، وربط الصفحات والموارد مثل Images وStyle Sheets بصورة منظمة. ينفذ الطلبة تطبيقات عملية على بناء Headings وParagraphs وLists وTables وHyperlinks، وإدراج الصور والوسائط، وإنشاء Forms لإدخال البيانات. كما يتدربون على استخدام CSS للتحكم في Typography وColors وSpacing وBorders وBackgrounds، وتطبيق Styles باستخدام Selectors المختلفة. يتناول المختبر بصورة عملية Page Layout وتنظيم عناصر الواجهة، وتصميم Menus وNavigation Bars والمكونات الشائعة في Web Pages. كما يتدرب الطلبة على إنشاء Responsive Interfaces تعمل على أحجام شاشات مختلفة واستخدام Browser Developer Tools لمحاكاة الأجهزة المختلفة واكتشاف مشكلات العرض. يشمل المساق اختبار صفحات Web على Browsers مختلفة عند الإمكان، والتحقق من Links وFile Paths، وتحسين تنظيم الملفات وسهولة صيانة الموقع. كما يطبق الطلبة مبادئ Accessibility مثل Semantic Structure وAlternative Text للصور والتنظيم الصحيح لـForms. وفي نهاية المساق يطور الطالب Website صغيرًا متعدد الصفحات يجمع المهارات التي تمت دراستها. وبنهاية المساق يكون قادرًا على الانتقال من Interface Sketch أو تصميم أولي إلى موقع يعمل بصورة صحيحة، وتنظيم ملفات المشروع واختبار العرض على أحجام مختلفة من الشاشات.

النوع

متطلب تخصص

موقعه في الخطة

السنة الأولى، الفصل الثاني

المتطلب السابق

لا يوجد

يبني هذا المساق على المفاهيم التأسيسية التي اكتسبها الطالب في الذكاء الاصطناعي وعلم البيانات (1)، ويهدف إلى تطوير فهم أكثر منهجية لكيفية صياغة المشكلات في AI وكيفية انتقال البيانات من صورتها الأولية إلى صورة قابلة للاستخدام في بناء الحلول الذكية. ويظل المساق تمهيديًا، بحيث يؤسس للمساقات اللاحقة دون تكرار المحتوى المتخصص في AI Algorithms أو Data Analysis أو Machine Learning. وتشترط الخطة اجتياز EITA1301 قبل هذا المساق. يتناول المساق مفهوم Intelligent Agents، والبيئة التي يعمل فيها Agent، والأهداف والحالات والأفعال، وكيفية توصيف مشكلة AI من خلال state, action, goal, constraints. ويقدم بصورة مفاهيمية الفرق بين الحلول القائمة على القواعد، والبحث، والتعلم من البيانات، بما يساعد الطالب على إدراك أن اختيار أسلوب الحل يعتمد على طبيعة المشكلة والمعلومات المتاحة. في جانب Data Science، يتعرف الطلبة بصورة أعمق إلى خصائص البيانات ومشكلاتها، بما في ذلك missing values, duplicate data, inconsistent data, noise, outliers ومفهوم Data Quality. ويقدم المساق المبادئ العامة لـ Data Preparation مثل cleaning, integration, transformation وfeature representation، دون الدخول في التحليل الإحصائي التفصيلي الذي يخصص لمساق Data Analysis. كما يتناول المفاهيم الأساسية للـ Training, Validation, and Testing Data، وFeatures وLabels، والفرق بين Training وInference، ومفهوم Model بصورة عامة. ويقدم مقاييس التقييم باعتبارها فكرة أساسية لتحديد جودة الحل، دون التوسع في المقاييس والخوارزميات الخاصة بكل نوع من نماذج Machine Learning. يتناول المساق كذلك Responsible AI، وجودة البيانات، والتحيز، وقابلية تفسير النتائج. وبنهايته يكون الطالب قادرًا على توصيف مشكلة AI، وفهم دور البيانات في بناء الحل، وتحديد مراحل إعداد البيانات وبناء وتقييم حل ذكي على المستوى المفاهيمي.

النوع

متطلب تخصص

موقعه في الخطة

السنة الأولى، الفصل الثاني

المتطلب السابق

الذكاء الاصطناعي وعلم البيانات (1)

يبني هذا المساق على Programming (1)، ويهدف إلى الانتقال من البرامج الإجرائية الأساسية إلى تصميم برامج أكثر تنظيمًا باستخدام Object-Oriented Programming (OOP). يبدأ المساق بمراجعة مختصرة للمفاهيم البرمجية الأساسية، ثم يقدم Classes وObjects وAttributes وMethods وConstructors وآلية إنشاء الكائنات والتفاعل بينها. يتناول المساق Encapsulation وAccess Modifiers وأهمية حماية حالة Object وتنظيم المسؤوليات داخل البرنامج. كما يدرس الطلبة Inheritance وإعادة استخدام Code، وPolymorphism, Abstraction وInterfaces، والعلاقة بين هذه المفاهيم وتصميم برامج قابلة للتوسع والصيانة. يتعرف الطلبة كذلك إلى التعامل المنظم مع الأخطاء باستخدام Exceptions وكيفية اكتشاف الحالات غير الطبيعية ومعالجتها. ويغطي المساق File Handling لقراءة البيانات وكتابتها وحفظها، إضافة إلى Collections الأساسية التي تسمح بتخزين وإدارة مجموعات من Objects بصورة أكثر مرونة من Arrays التقليدية. يركز المساق على Object-Oriented Design وتقسيم المشكلة إلى مجموعة من Classes ذات مسؤوليات واضحة تتعاون لتنفيذ الوظائف المطلوبة، وعلى تقليل تكرار Code وزيادة Reusability. كما يقدم مبادئ أولية في Testing وDebugging وRefactoring. ولا يدخل المساق في مكتبات AI أو Data Science، إذ تخصص لها المساقات البرمجية اللاحقة في الخطة. وبنهاية المساق يكون الطالب قادرًا على تصميم وتنفيذ برامج متوسطة الحجم باستخدام OOP، واختيار العلاقات المناسبة بين Classes، ومعالجة Exceptions وFiles وCollections، وإنتاج Code منظم وقابل لإعادة الاستخدام والصيانة

النوع

متطلب تخصص

موقعه في الخطة

السنة الأولى، الفصل الثاني

المتطلب السابق

برمجة (1)

يفتح

تطوير تطبيقات الهواتف النقالة (1)تراكيب البيانات

يهدف هذا المساق العملي إلى تمكين الطلبة من تطبيق مفاهيم OOP التي يتم تناولها في Programming (2) من خلال تمارين ومشروعات برمجية متدرجة. يبدأ الطلبة بإنشاء Classes تحتوي على Attributes وMethods وConstructors، ثم يتدربون على إنشاء Objects والتعامل معها وربط عدة Classes داخل Application واحد. تشمل التطبيقات العملية Access Control وEncapsulation، وإنشاء هياكل Inheritance مناسبة، وMethod Overriding، واستخدام Polymorphism وInterfaces وAbstraction. ويركز المختبر على إظهار أثر هذه المفاهيم في تقليل تكرار Code وتحسين قابلية البرنامج للتوسع والصيانة. يتدرب الطلبة على استخدام Exceptions لمعالجة Runtime Problems المتوقعة بطريقة منظمة، وعلى File Handling لتخزين البيانات واسترجاعها. كما يستخدمون Collections لإدارة عدد متغير من العناصر والكائنات وتنفيذ عمليات مثل Addition, Removal, Searching وTraversal. يخصص جزء مهم من المساق لـDebugging وTesting. يتعلم الطلبة استخدام Breakpoints وتتبع Object States أثناء التنفيذ وتحديد Logical وRuntime Errors. كما يتدربون على Refactoring بعض الحلول لتحسين تنظيمها وتقليل Dependencies غير الضرورية بين Classes. في الجزء الأخير من المساق، ينفذ الطلبة Mini-Project متوسط الحجم يوظف عدة Classes وCollections أو Files وException Handling، مع التركيز على التنظيم الصحيح للمشروع وليس على تطبيق خوارزميات AI. وبنهاية المساق يكون الطالب قادرًا على تحويل Object-Oriented Design إلى برنامج فعلي، واختباره وتصحيح أخطائه وتنظيم ملفاته ومكوناته بصورة سليمة، بما يوفر الأساس البرمجي المطلوب لمساقات Data Structures والبرمجة المتخصصة في AI.

النوع

متطلب تخصص

موقعه في الخطة

السنة الأولى، الفصل الثاني

المتطلب السابق

برمجة (1) - عملي

يفتح

تطوير تطبيقات الهواتف النقالة (1) - عمليتراكيب البيانات - عملي

يهدف هذا المساق إلى تزويد الطلبة بالأسس الرياضية والمنطقية المستخدمة في Computer Science وAI وتنمية قدرتهم على التفكير المجرد وصياغة الحجج وحل المشكلات بطريقة منهجية. يبدأ المساق بـ Mathematical Logic، بما في ذلك Propositions وLogical Connectives وTruth Tables وLogical Equivalence وInference، ثم ينتقل إلى Predicates وQuantifiers وطرق التعبير الدقيق عن العبارات الرياضية. يتناول المساق Set Theory والعمليات على Sets وCartesian Products، ثم Relations وخصائصها وEquivalence Relations وOrdering Relations، إضافة إلى Functions وأنواعها وخصائصها. كما يتعرف الطلبة إلى أساليب Mathematical Proof، مثل Direct Proof وProof by Contradiction وContrapositive وMathematical Induction، ويطبقونها على مسائل متنوعة. يشمل المساق مبادئ Counting، وقواعد Sum and Product، وPermutations وCombinations، ومبادئ Inclusion–Exclusion. كما يقدم Recurrence Relations واستخدامها في تمثيل العمليات المتكررة والخوارزميات. يتناول المساق كذلك المبادئ الأساسية لـ Graph Theory، بما في ذلك Vertices وEdges وPaths وConnectivity وTrees وبعض خصائصها وتطبيقاتها في Computing. يركز المساق على بناء الأساس الرياضي المطلوب للمساقات اللاحقة دون الدخول في Probability and Statistics، التي تخصص لها الخطة مساقًا مستقلًا. وبنهاية المساق يكون الطالب قادرًا على استخدام الرموز والمنطق الرياضي، وبناء براهين أساسية، وحل مسائل Sets وRelations وCounting وGraphs، وفهم دور Discrete Mathematics في Algorithms وData Structures و Artificial Intelligence.

النوع

متطلب تخصص

موقعه في الخطة

السنة الأولى، الفصل الثاني

المتطلب السابق

لا يوجد

This course introduces nursing students to the fundamentals of scientific research methods and evidence-based practice (EBP) in healthcare. Students will learn how to formulate research questions, conduct literature searches, select appropriate quantitative and qualitative research designs, design data collection tools, follow ethical guidelines, and draft a practical nursing research proposal relevant

النوع

متطلب جامعة

موقعه في الخطة

السنة الأولى، الفصل الثاني

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تزويد الطلبة بالمفاهيم والمهارات الأساسية اللازمة لتصميم وبناء واجهات Web واضحة ومنظمة ومتوافقة مع المعايير الحديثة. يبدأ المساق بالتعريف ببنية World Wide Web وطبيعة Web Pages ودور Browser و Web Server بصورة تمهيدية، ثم ينتقل إلى استخدام HTML لبناء الهيكل الدلالي للصفحات وتنظيم النصوص والعناوين والقوائم والروابط والجداول والصور والعناصر المختلفة. يتناول المساق استخدام CSS للتحكم في المظهر المرئي للصفحات، بما في ذلك Typography وColors وSpacing وBorders وBackgrounds، وآليات تحديد العناصر وتطبيق Styles عليها. كما يتعلم الطلبة المبادئ الأساسية لتخطيط الصفحة وتنظيم مكوناتها. يركز المساق على Responsive Web Design وكيفية تصميم صفحات تتكيف مع أحجام الشاشات والأجهزة المختلفة. كما يناقش مبادئ Visual Design، والاتساق، وسهولة القراءة، وتنظيم المحتوى، وبناء Navigation واضح بين صفحات الموقع. يتضمن المساق مقدمة إلى Web Forms المستخدمة لجمع بيانات المستخدم، وأنواع Input Fields، والقواعد الأساسية لتنظيم Data Entry Interfaces. كما يتناول مبادئ Usability وWeb Accessibility وأهمية استخدام Semantic HTML وتصميم الواجهات لفئات مختلفة من المستخدمين. ويبقى المساق مركزًا على Front-End Design الأساسي، دون الدخول في Server-Side Programming أو Databases أو AI applications. وبنهاية المساق يكون الطالب قادرًا على تحليل متطلبات Website بسيط، وتصميم هيكله، وإنشاء صفحات مترابطة ومنظمة، وتطبيق CSS مناسب ومتجاوب، ومراعاة مبادئ Usability وAccessibility عند بناء Web Interfaces.

النوع

متطلب تخصص

موقعه في الخطة

السنة الأولى، الفصل الثاني

المتطلب السابق

لا يوجد

This course provides first-year nursing students with foundational academic and general English language skills. The course focuses on improving the four core language domains: reading, writing, listening, and speaking. Emphasis is placed on expanding vocabulary, mastering essential grammar rules, reading basic academic and health-related texts, and writing clear paragraphs required for academic success in nursing education.

النوع

متطلب جامعة

موقعه في الخطة

السنة الأولى، الفصل الثاني

المتطلب السابق

لا يوجد

يفتح

اللغة الإنجليزية (2)

يهدف هذا المساق إلى تعريف الطلبة بالمبادئ الأساسية لتطوير تطبيقات الهواتف النقالة باستخدام منصة تطوير مناسبة، وبناء القدرة على تصميم تطبيقات بسيطة تعمل على الأجهزة المحمولة وتستفيد من خصائصها الأساسية. يبدأ المساق بالتعريف ببنية تطبيق Mobile Application، ومكونات المشروع، ودورة حياة التطبيق، وآلية تشغيل التطبيق داخل Mobile Operating System. يتناول المساق تصميم User Interfaces المناسبة للأجهزة المحمولة، بما في ذلك Layouts، عناصر الإدخال والعرض، Lists، Navigation، وإدارة Events الناتجة عن تفاعل المستخدم. كما يتعرف الطلبة إلى كيفية تنظيم Resources مثل النصوص والصور والملفات، والتعامل مع اختلاف أحجام الشاشات وكثافة العرض. يشمل المساق المبادئ الأساسية للتخزين المحلي، مثل Preferences والملفات والبيانات البسيطة، إضافة إلى إدارة Application State وحفظ بعض المعلومات بين جلسات الاستخدام. كما يقدم مدخلًا إلى Permission Management والوصول إلى بعض إمكانات الجهاز مثل Location أوCamera أوSensors على مستوى تمهيدي. يركز المساق على كتابة Code منظم وقابل للصيانة، وفصل واجهة المستخدم عن منطق التطبيق بالقدر المناسب لمستوى الطلبة، مع استخدام Debugging وLogging لاكتشاف الأخطاء. وبنهاية المساق، يكون الطالب قادرًا على تحليل متطلبات تطبيق نقال بسيط، وتصميم واجهاته، وتنفيذ Navigation وUser Interaction، واستخدام التخزين المحلي وبعض خصائص الجهاز الأساسية، وتشغيل التطبيق واختباره على Emulator أوPhysical Device.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الأول

المتطلب السابق

برمجة (2)

يهدف هذا المساق إلى تزويد الطلبة بفهم منهجي لتراكيب البيانات الأساسية وعلاقتها بكفاءة الخوارزميات والبرامج. يبني المساق على Programming (2)، ويبدأ بمراجعة Arrays والمراجع، ثم ينتقل إلى كيفية تنظيم البيانات داخل الذاكرة واختيار Data Structure المناسبة لطبيعة المشكلة. يتناول المساق Linked Lists بأنواعها، Stacks، Queues وPriority Queues، ويشرح العمليات الأساسية مثل Insertion، Deletion، Searching وTraversal. كما يدرس Trees، Binary Trees، Binary Search Trees، وأساليب Traversal المختلفة. يشمل المساق Hash Tables وHash Functions وطرق معالجة Collisions، إضافة إلى Graphs وطرق تمثيلها واستخدامها. كما يدرس الطلبة عددًا من Searching وSorting Algorithms ويقارنون بينها من حيث Time Complexity وSpace Complexity. يقدم المساق استخدام Big-O Notation لتقدير نمو تكلفة الخوارزمية مع زيادة حجم المدخلات. ويركز على تدريب الطالب على التفكير في الكفاءة، وليس فقط الوصول إلى نتيجة صحيحة. هذا المساق يمثل أساسًا مباشرًا لخوارزميات AI في الفصل التالي، ولذلك يركز على Data Structures العامة ولا يدخل في Search Algorithms الخاصة بالـAI أوHeuristic Search التي تخصص لمساق AI Algorithms. وبنهاية المساق، يكون الطالب قادرًا على تصميم وتنفيذ تراكيب البيانات الأساسية، وتحليل كفاءتها، واختيار البنية المناسبة لمشكلة معينة، وتبرير اختياره اعتمادًا على الأداء واستخدام الذاكرة.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الأول

المتطلب السابق

برمجة (2)

يفتح

برمجة متخصصة في الذكاء الاصطناعيخوارزميات الذكاء الاصطناعي

يهدف هذا المساق إلى تزويد الطلبة بالمفاهيم الأساسية لتصميم وإدارة واستخدام قواعد البيانات العلائقية، وبناء أساس قوي للتعامل مع البيانات في المساقات اللاحقة الخاصة بـData Science وAI. يبدأ المساق بمفهوم البيانات وقواعد البيانات وأنظمة Database Management Systems ، والفرق بين قواعد البيانات وأنظمة الملفات التقليدية، ومزايا إدارة البيانات بصورة مركزية ومنظمة. يتناول المساق مراحل Database Design ، ويقدم Entity-Relationship Model ، بما يشمل Entities ، Attributes، Relationships، Cardinality، Key وConstraints. كما يتعلم الطلبة تحويل Conceptual Model إلى Relational Schema يتكون من Tables مترابطة. يشمل المساق النموذج العلائقي، Primary Keys وForeign Keys، Referential Integrity، إضافة إلى SQL لإنشاء الجداول وتعريف القيود وإدخال البيانات وتحديثها وحذفها واسترجاعها. ويتناول الاستعلامات الشرطية، Aggregate Functions، Grouping، Sorting، Subqueries وJoins. يقدم المساق Functional Dependencies ومبادئ Normalization لتقليل Redundancy ومنع مشكلات Insert, Update وDelete Anomalies، مع دراسة الأشكال الطبيعية الأساسية. كما يتناول بصورة تمهيدية Transactions، Concurrency، Database Security، Backup وRecovery. وبنهاية المساق، يكون الطالب قادرًا على تحليل متطلبات نظام معلومات، وتصميم ER Model مناسب، وتحويله إلى Relational Database، وكتابة SQL Queries لإدارة البيانات واسترجاعها، وتطبيق مبادئ Normalization و Integrity لبناء قاعدة بيانات سليمة وقابلة للصيانة.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الأول

المتطلب السابق

لا يوجد

يهدف هذا المساق العملي إلى تمكين الطلبة من تطبيق المفاهيم النظرية في Mobile Application Development (1) من خلال تطوير مجموعة من التطبيقات والتمارين العملية. يبدأ المساق بإعداد Mobile Development Environment، وإنشاء المشاريع، واستخدام Emulator أوPhysical Device، والتعرف إلى بنية المشروع والملفات والموارد. يتدرب الطلبة على تصميم User Interfaces باستخدام Layouts وعناصر الإدخال والعرض، وربط هذه العناصر بـCode، ومعالجة Events الناتجة عن تفاعل المستخدم. كما ينفذون Navigation بين Screens وتمرير البيانات بينها وإدارة Resources مثل Strings وImages . تشمل الأنشطة العملية التعامل مع Local Storage، Preferences والملفات، وحفظ بعض Application State بين جلسات الاستخدام. ويتدرب الطلبة كذلك على Permission Management والوصول إلى بعض Device Features مثل Location أوCamera أوSensors وفق بيئة التطوير المستخدمة. يركز المساق بصورة كبيرة على Debugging وTesting. يتعلم الطلبة قراءة Logs، واستخدام Breakpoints، وتتبع تنفيذ التطبيق، وتشخيص الأخطاء التي تؤدي إلى Crash أونتائج غير متوقعة. كما يختبر الطلبة التطبيق على Screen Sizes وDevice Configurations مختلفة لفهم أثر اختلاف الأجهزة على تصميم الواجهة وسلوك التطبيق. وفي نهاية المساق، يطور الطلبة Mini-Project متكامل نسبيًا يجمع واجهات متعددة، Navigation، Local Storage وبعض Device Features، ويكون الطالب قادرًا على تشغيله واختباره وتصحيح أخطائه بصورة مستقلة.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الأول

المتطلب السابق

برمجة (2) - عملي

يهدف هذا المساق إلى بناء الأساس الرياضي والإحصائي اللازم لمساقات Data Analysis، Machine Learning وData Mining، مع التركيز على المفاهيم التي يحتاجها الطالب لفهم البيانات وعدم تحويل المساق إلى تطبيقات Machine Learning مبكرة. يبدأ المساق بمفاهيم Probability الأساسية، بما في ذلك ةSample Space، Events، قواعد الاحتمال، Conditional Probability، Independence وBayes’ Theorem. يتناول المساق Random Variables بنوعيها Discrete وContinuous، وProbability Distributions الأساسية، مع التركيز على توزيعات مثل Bernoulli، Binomial، Poisson وNormal Distribution. كما يدرس الطلبة Expected Value، Variance، Standard Deviation وCovariance. في الجانب الإحصائي، يتناول المساق Descriptive Statistics، بما في ذلك Measures of Central Tendency وDispersion، بالإضافة إلى Percentiles وQuartiles. كما يقدم Sampling Concepts، Sampling Distributions، Central Limit Theorem وفكرة Statistical Estimation. يتعرف الطلبة إلى Confidence Intervals وHypothesis Testing بصورة تأسيسية، بما في ذلك Null وAlternative Hypotheses، Significance Level، p-value، Type I وType II Errors. كما يقدم المساق Correlation ومبادئ Linear Regression من منظور إحصائي فقط، دون الدخول في استخدامها كMachine Learning Algorithm. يركز المساق على تفسير النتائج الإحصائية وفهم الافتراضات، وليس مجرد استخدام الصيغ. وبنهاية المساق، يكون الطالب قادرًا على تطبيق مبادئ Probability، ووصف البيانات إحصائيًا، واستخدام Sampling وEstimation وHypothesis Testing، وفهم الأساس الاحتمالي والإحصائي الضروري لتحليل البيانات وبناء النماذج لاحقًا.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الأول

المتطلب السابق

لا يوجد

يفتح

تحليل البيانات

يهدف هذا المساق العملي إلى تمكين الطلبة من تنفيذ واختبار Data Structures التي يتم تناولها في المساق النظري باستخدام لغة برمجة مناسبة. يبدأ المساق بتطبيقات على Arrays والمراجع، ثم ينتقل إلى بناء Linked Lists وتنفيذ عمليات Insertion، Deletion، Searching وTraversal. يتدرب الطلبة على تنفيذ Stacks وQueues باستخدام أكثر من Representation، ومقارنة أثر كل تمثيل على الأداء. كما تشمل التطبيقات Binary Trees وBinary Search Trees وخوارزميات Traversal والإضافة والحذف والبحث. يتدرب الطلبة كذلك على Hash Tables، Hash Functions وCollision Handling، إضافة إلى تمثيل Graphs باستخدام Adjacency Matrix وAdjacency List وتنفيذ Traversal Algorithms العامة. تشمل الأنشطة تنفيذ Searching وSorting Algorithms ومقارنة Execution Time باستخدام أحجام بيانات مختلفة. يركز المختبر على الربط بين Big-O Analysis النظري والسلوك العملي للبرنامج. كما يتعلم الطلبة استخدام Debugging Tools لاكتشاف الأخطاء المرتبطة بالمراجع والبنى الديناميكية. وفي نهاية المساق، يطور الطلبة Mini-Project يستخدم أكثر من Data Structure لحل مشكلة محددة، مع توضيح سبب اختيار كل بنية وتحليل الأداء. وبنهاية المساق يكون الطالب قادرًا على تنفيذ واختبار ومقارنة Data Structures بصورة عملية واختيار الحل المناسب وفق طبيعة المشكلة.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الأول

المتطلب السابق

برمجة (2) - عملي

يفتح

برمجة متخصصة في الذكاء الاصطناعي - عملي

يهدف هذا المساق العملي إلى تدريب الطلبة على تصميم وتنفيذ وإدارة Relational Databases باستخدام Database Management System مناسب. يبدأ المساق بإنشاء Database وTables وتحديد Data Types وPrimary Keys وForeign Keys وConstraints، وربط ذلك بالمفاهيم النظرية التي يدرسها الطالب في مساق Databases . يتدرب الطلبة على استخدام SQL لتنفيذ عمليات Insert، Update، Delete وSelect، ثم ينتقلون إلى Queries أكثر تقدمًا تتضمن Filtering، Sorting، Aggregate Functions، Grouping، Subqueries وJoins. تشمل الأنشطة تصميم ER Diagram لمشكلة عملية وتحويله إلى Relational Schema، ثم تطبيق Normalization على الجداول وتحليل Redundancy وDependencies. كما يتدرب الطلبة على Referential Integrity واختبار أثر Update وDelete على الجداول المرتبطة. يقدم المساق تدريبات مبسطة على Views، Transactions، User Permissions، Backup وRestore وفق DBMS المستخدم. يركز المساق على تنظيم Database Scripts واستخدام Naming Conventions واضحة، إضافة إلى اختبار صحة البيانات والاستعلامات. وفي نهاية المساق، ينفذ الطالب Database Project يبدأ بتحليل المتطلبات وتصميم ER Model، ثم بناء الجداول والعلاقات وإضافة البيانات وتنفيذ مجموعة من Queries والتقارير. ويكون الطالب قادرًا على بناء قاعدة بيانات عملية سليمة يمكن استخدامها لاحقًا في Data Analysis وAI applications.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الأول

المتطلب السابق

لا يوجد

This course builds upon English Language (1) by introducing first-year nursing students to specialized medical terminology, clinical communication, and health-related academic writing. The course focuses on medical prefixes, roots, and suffixes, taking patient histories, reading clinical case studies, documenting basic nursing notes, and communicating professionally with patients and multidisciplinary healthcare teams.

النوع

متطلب جامعة

موقعه في الخطة

السنة الثانية، الفصل الأول

المتطلب السابق

اللغة الإنجليزية (1)

This general education course introduces students to the history, geography, culture, and social fabric of Palestine. The course covers the historical development of the Palestinian issue from the late Ottoman period to contemporary times, examining key geopolitical milestones, cultural heritage, international law frameworks, and societal resilience. Special emphasis is placed on the health sector's history, social determinants of health in Palestine, and the ethical role of healthcare professionals in serving local communities.

النوع

متطلب جامعة

موقعه في الخطة

السنة الثانية، الفصل الثاني

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تعريف الطلبة بالمبادئ التي تقوم عليها Operating Systems ودورها في إدارة موارد الحاسوب وتشغيل البرامج. يبدأ المساق ببنية نظام التشغيل وعلاقته بـHardware وApplications، ثم يتناول Processes وThreads وحالاتها وآلية إنشائها وإدارتها. يدرس الطلبة CPU Scheduling وخوارزميات الجدولة والمعايير المستخدمة لمقارنة أدائها. كما يتناول المساق Synchronization، Critical Sections، Shared Resources وInter-Process Communication، إضافة إلى Deadlock وشروط حدوثه وأساليب التعامل معه. يشمل المساق Memory Management، بما في ذلك Paging، Virtual Memory وPage Replacement، إضافة إلى File Systems وSecondary Storage وInput/Output Management. يتناول كذلك Protection، User Privileges ومبادئ Operating System Security. يمكن استخدام أمثلة من بيئات AI لتوضيح أثر CPU، Memory وProcesses على أداء التطبيقات دون تحويل المساق إلى AI Systems. وبنهاية المساق، يكون الطالب قادرًا على تفسير كيفية إدارة نظام التشغيل للمعالج والذاكرة والملفات والأجهزة، وتحليل المشكلات الأساسية في Scheduling وSynchronization وResource Management، وفهم أثر نظام التشغيل على أداء البرامج والتطبيقات الحسابية.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الثاني

المتطلب السابق

لا يوجد

يهدف هذا المساق العملي إلى تدريب الطلبة على استخدام بيئة البرمجة والأدوات المتخصصة التي يحتاجونها في مساقات AI وData Science اللاحقة. يركز المختبر على التطبيق العملي للمفاهيم التي يتم تناولها في Specialized Programming in AI، وليس على إعادة شرح الخوارزميات النظرية. يبدأ الطلبة بإعداد Python Environment أوالبيئة المعتمدة، واستخدام Package Manager، وإنشاء Virtual Environment، والعمل داخل IDE أوJupyter Notebook. ثم يتدربون على كتابة Scripts وFunctions وModules منظمة. تشمل التطبيقات استخدام NumPy لمعالجة Arrays وMatrices وإجراء Vectorized Operations ، واستخدام Pandas لإنشاء DataFrames وتحميل CSV وJSON وإجراء Filtering، Selection، Merging وGrouping. يتدرب الطلبة على التعامل مع Missing Values وأنواع البيانات والتحويلات البسيطة بهدف اكتساب المهارة البرمجية، دون الدخول في منهجية Data Cleaning المتقدمة التي ستدرس في Data Analysis. كما تشمل الأنشطة إنشاء Visualizations أساسية، وقراءة البيانات من APIs أوFiles، وتنظيم Project Structure، وحفظ النتائج. يتعلم الطلبة استخدام Git أوأداة Version Control بصورة أساسية لإدارة التغييرات، إضافة إلى توثيق Code وNotebooks. وفي نهاية المساق، ينجز الطلبة Mini-Project يقوم على تحميل Dataset، وإجراء مجموعة من عمليات المعالجة والتحويل والاستكشاف البرمجي، ثم إخراج النتائج في صورة منظمة. وبنهاية المساق يكون الطالب قادرًا على استخدام الأدوات البرمجية الأساسية المطلوبة في مساقات AI اللاحقة بصورة مستقلة.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الثاني

المتطلب السابق

تراكيب البيانات - عملي

يفتح

تعلم الآلة - عمليبرمجة الروبوتات - عمليمعالجة اللغات الطبيعية - عملي

يهدف هذا المساق إلى توسيع فهم الطلبة لدور Information Technology في المؤسسات والمجتمع، مع التركيز على التطبيقات العملية للخدمات والأنظمة الرقمية. يتناول مفهوم Information Systems ومكوناته، والعلاقة بين People، Processes، Data وTechnology، وكيفية استخدام المعلومات في دعم العمليات واتخاذ القرار. يستعرض المساق تطبيقات Databases، Networks، Internet Services، Cloud Services والأجهزة المحمولة في مجالات الأعمال والتعليم والصحة والحكومة. كما يقدم مفهوم Digital Transformation وكيف تستخدم المؤسسات التكنولوجيا لإعادة تصميم العمليات والخدمات. يتناول المساق Electronic Services، E-Commerce، Remote Collaboration، Content Management وأنظمة الاتصال والتعاون. كما يناقش Data Privacy، Information Security والممارسات المسؤولة عند جمع البيانات واستخدامها. يشمل المساق الآثار الاجتماعية والأخلاقية للتكنولوجيا، بما في ذلك Digital Divide، Automation، وتأثير AI والتقنيات الرقمية في الوظائف والخدمات والمجتمع، لكن دون الدخول في الخوارزميات أوالتقنيات الداخلية للـAI. وبنهاية المساق، يكون الطالب قادرًا على تفسير دور IT في المؤسسات، وتحليل نماذج من Digital Transformation، وتحديد الفوائد والمخاطر المرتبطة بالتقنيات المختلفة، وفهم العلاقة بين التكنولوجيا والعمليات والمستخدمين والبيانات

النوع

متطلب جامعة

موقعه في الخطة

السنة الثانية، الفصل الثاني

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تطوير المهارات البرمجية التي يحتاجها الطالب لتنفيذ تطبيقات AI وData Science، مع التركيز على استخدام لغة وبرمجيات وأدوات شائعة في المجال، دون تحويل المساق إلى Machine Learning أوData Analysis متقدم. يبني المساق على Programming (2) وData Structures. يبدأ المساق بتطوير كفاءة الطالب في Python أواللغة المعتمدة، مع التركيز على Data Structures، Functions، Modules، Packages، File Handling، Exceptions وObject-Oriented Features التي تستخدم بكثرة في التطبيقات العلمية. يتناول المساق التعامل مع NumPy أوأدوات مماثلة لتنفيذ العمليات على Arrays وMatrices، وVectorized Operations، وBasic Linear Algebra Operations الضرورية للتطبيقات الحسابية. يتعرف الطلبة إلى Pandas أوLibrary مشابهة لتحميل البيانات، وإنشاء DataFrames، واختيار الصفوف والأعمدة، وFiltering، وMerging، وGrouping، ومعالجة أنواع البيانات والملفات مثل CSV وJSON.. يشمل المساق استخدام Libraries أساسية للVisualization على مستوى البرمجة، إضافة إلى التعامل مع APIs، وإدارة Packages وVirtual Environments، واستخدام Jupyter Notebooks أوبيئات مناسبة للتجارب. كما يتدرب الطلبة على كتابة Reusable Functions وModules، وتنظيم المشاريع، واستخدام Version Control بصورة تمهيدية. قد يتضمن المساق تنفيذ Search Algorithms أوData Processing Tasks بسيطة لأغراض التدريب البرمجي، لكنه لا يدرس Machine Learning Algorithms أوStatistical Analysis بعمق. وبنهاية المساق، يكون الطالب قادرًا على إعداد بيئة برمجة AI، ومعالجة Arrays وDataFrames، وقراءة وتحويل البيانات، وبناء Scripts وNotebooks منظمة تشكل الأساس العملي لمساقات Data Analysis وMachine Learning.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الثاني

المتطلب السابق

تراكيب البيانات

يفتح

تعلم الآلةبرمجة الروبوتاتمعالجة اللغات الطبيعية

يهدف هذا المساق إلى تزويد الطلبة بالمعرفة المنهجية بالخوارزميات التقليدية المستخدمة في AI لحل مشكلات البحث والاستدلال والتخطيط واتخاذ القرار، مستفيدًا من الأساس الذي اكتسبه الطالب في Data Structures. يركز المساق على symbolic and search-based AI . يبدأ المساق بكيفية تمثيل المشكلة في صورة State Space، وتحديد Initial State، Actions، Transition Model، Goal Test وPath Cost. ثم يتناول Uninformed Search Algorithms مثل Breadth-First Search، Depth-First Search، Uniform-Cost Search وIterative Deepening. ينتقل المساق إلى Heuristic Search، بما في ذلك Greedy Best-First Search وA* Search، ومفهوم Heuristic Function وخصائصها مثل Admissibility وConsistency. يتناول المساق كذلك Constraint Satisfaction Problems (CSPs)، وتمثيل Variables، Domains وConstraints، وأساليب Backtracking وConstraint Propagation. يشمل المساق Game Playing وAdversarial Search باستخدام Minimax وAlpha-Beta Pruning، مع توضيح كيفية اتخاذ القرار في البيئات التنافسية. كما يقدم أساسيات Knowledge Representation وLogical Reasoning، وربط الحقائق والقواعد بعمليات الاستدلال، إضافة إلى مقدمة مناسبة في Planning. وبنهاية المساق يكون الطالب قادرًا على تمثيل مشكلات AI في صورة State Space، واختيار وتنفيذ Search Strategy مناسبة، وتصميم Heuristics، وحل CSPs، وفهم أساسيات Game Search وReasoning دون خلط هذه الموضوعات مع Machine Learning.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الثاني

المتطلب السابق

تراكيب البيانات

يهدف هذا المساق إلى تزويد الطلبة بالمنهجية والمهارات اللازمة لفهم البيانات وتنظيفها واستكشافها وتحليلها وتفسيرها قبل الانتقال إلى بناء Machine Learning Models في المساقات اللاحقة. يبني المساق مباشرة على Probability and Statistics for Data Science وSpecialized Programming in AI. . يبدأ المساق بمفهوم Data Analysis Workflow، وتحديد السؤال التحليلي، وفهم Dataset وVariables وData Types. ثم يتناول Data Quality Assessment، بما في ذلك Missing Values، Duplicates، Inconsistent Values، Noise وOutliers، وأساليب مناسبة لاكتشاف هذه المشكلات ومعالجتها. يشمل المساق Data Transformation وEncoding وScaling عند الحاجة لأغراض التحليل، إضافة إلى دمج Data Sources وإعادة تشكيل البيانات. يركز جزء رئيس من المساق على Exploratory Data Analysis (EDA) باستخدام Descriptive Statistics وVisualization لفهم Distribution، Patterns، Trends والعلاقات بين المتغيرات. وتشمل الرسوم الشائعة Histograms، Box Plots، Scatter Plots وCorrelation Visualizations. يتدرب الطلبة على تحليل المتغيرات الكمية والفئوية، ودراسة Correlation وGroup Comparisons، واستخدام Statistical Tests التي سبق تقديم أساسها في مساق Probability and Statistics. يركز المساق على تفسير النتائج وربطها بالسؤال التحليلي وتجنب الاستنتاجات غير المدعومة. ولا يتناول تدريب Classification أوRegression أو Clustering Models؛ فهذه تترك لمساق Machine Learning. وبنهاية المساق يكون الطالب قادرًا على تنفيذ Data Analysis Pipeline يبدأ من البيانات الخام وينتهي بنتائج ورسوم واستنتاجات واضحة وقابلة للتفسير والتوثيق.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثانية، الفصل الثاني

المتطلب السابق

الاحتمالات والإحصاء لعلم البيانات

يفتح

تنقيب البيانات

This general education course introduces nursing students to the fundamentals of human rights, patient rights, and professional healthcare ethics. The course examines international human rights instruments, Saudi national legislation, patient rights charters, bioethics, informed consent, and non-discrimination. Students will explore the relationship between human rights principles and nursing care, focusing on protecting patient dignity, confidentiality, and vulnerable populations in clinical practice.

النوع

متطلب جامعة

موقعه في الخطة

السنة الثالثة، الفصل الأول

المتطلب السابق

لا يوجد

This course introduces nursing students to principles of occupational health and safety within hospital and clinical environments. The course covers workplace hazard identification, infection prevention, ergonomics, chemical and radiation safety, needle-stick injury prevention, emergency preparedness, and the psychological well-being of healthcare workers, aligned with Saudi Ministry of Health regulations and Saudi Central Board for Accreditation of Healthcare Institutions (CBAHI) safety standards.

النوع

متطلب جامعة

موقعه في الخطة

السنة الثالثة، الفصل الأول

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تعريف الطلبة بالمفاهيم والمعماريات والتقنيات الأساسية التي تقوم عليها أنظمة Internet of Things (IoT)، مع التركيز على كيفية ربط الأجهزة الفيزيائية والمستشعرات بالبرمجيات والشبكات والخدمات الرقمية لبناء أنظمة ذكية قادرة على جمع البيانات والتفاعل مع البيئة. يبدأ المساق بتعريف IoT وخصائصه ومكوناته الرئيسة، والتمييز بين الأجهزة التقليدية والأجهزة المتصلة، ومناقشة نماذج الاستخدام في مجالات مثل Smart Homes، Smart Cities، Healthcare، Agriculture، Industrial IoT وEnvironmental Monitoring. يتناول المساق مكونات IoT Device ، بما في ذلك Sensors، Actuators، Microcontrollers وEmbedded Platforms، وكيفية جمع البيانات من البيئة وتحويلها إلى بيانات رقمية يمكن معالجتها. كما يقدم مبادئ الاتصال بين الأجهزة باستخدام تقنيات سلكية ولاسلكية مناسبة، مع التعريف ببروتوكولات شائعة مثل MQTT, CoAP, HTTP ومفاهيم Device-to-Device وDevice-to-Cloud Communication. يتعرف الطلبة إلى البنية الطبقية لأنظمة IoT، بما في ذلك Device Layer، Network Layer، Processing Layer وApplication Layer كما يتناول المساق مفهوم Edge Computing بصورة تمهيدية ودوره في معالجة البيانات بالقرب من مصدرها وتقليل Latency وحجم البيانات المرسلة إلى Cloud. يشمل المساق إدارة Device Identity، Data Collection، Remote Monitoring، Basic Device Control، وأهمية Interoperability بين الأجهزة والمنصات المختلفة. كما يناقش القيود المرتبطة بالطاقة والذاكرة والاتصال، إضافة إلى قضايا Security وPrivacy الخاصة بالأجهزة المتصلة. وبنهايته يكون الطالب قادرًا على تحليل متطلبات IoT System، وتحديد مكوناته الأساسية، واختيار أساليب الاتصال المناسبة، وتصميم Architecture أولية لنظام متصل وآمن نسبيًا.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثالثة، الفصل الأول

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تزويد الطلبة بالمبادئ والمنهجيات الهندسية المستخدمة في تطوير Software Systems بصورة منظمة وقابلة للإدارة والصيانة. يبدأ المساق بمفهوم Software Engineering وأسباب الحاجة إلى منهجيات منظمة عند تطوير الأنظمة متوسطة وكبيرة الحجم، ثم يتناول Software Development Life Cycle (SDLC) والمراحل الرئيسة من تحليل المتطلبات حتى التشغيل والصيانة. يتناول المساق Requirements Engineering، بما في ذلك جمع المتطلبات وتحليلها وتوثيق Functional وNon-Functional Requirements وإدارة التغييرات عليها. كما يتعرف الطلبة إلى أساليب Modeling وتمثيل النظام باستخدام نماذج ورسوم مناسبة مثل Use Cases وبعض UML Diagrams. يشمل المساق مبادئ Software Design، وتقسيم النظام إلى Modules وComponents، وSeparation of Concerns، وCohesion وCoupling، إضافة إلى مقدمة في Software Architecture وأنماط تنظيم الأنظمة. كما يناقش Coding Standards، Configuration Management وVersion Control وأهمية Documentation. يتناول المساق كذلك Software Testing على المستوى المفاهيمي، بما في ذلك Unit، Integration، System وAcceptance Testing، مع ترك التفاصيل المتقدمة لضمان الجودة لمساقات متخصصة عند وجودها. كما يناقش Maintenance، Software Evolution وTechnical Debt.. يشمل المساق Agile Development، مثل Scrum بصورة مناسبة، والعمل ضمن Development Teams، وتوزيع المسؤوليات، والتخطيط، وتقدير الجهد والمخاطر وإدارة المشروع. وبالنسبة لتخصص AI، يوضح المساق كيف تختلف بعض جوانب AI Software Projects عن البرمجيات التقليدية، خاصة فيما يتعلق بالبيانات والتجريب وإعادة الإنتاج. وبنهاية المساق، يكون الطالب قادرًا على تحليل متطلبات مشروع برمجي، وتصميمه وتنظيمه، والعمل ضمن فريق تطوير، وتطبيق ممارسات هندسية تساعد على إنتاج Software قابل للاختبار والصيانة والتطور

النوع

متطلب تخصص

موقعه في الخطة

السنة الثالثة، الفصل الأول

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تزويد الطلبة بالأسس النظرية والمنهجية لبناء وتقييم نماذج Machine Learning، مستفيدًا من المعرفة التي اكتسبوها مسبقًا في Probability and Statistics، Data Analysis وSpecialized Programming in AI. يركز المساق على كيفية تعلم الأنماط والعلاقات من البيانات واستخدامها في Prediction أوClassification أوGrouping، دون الدخول في البنى العميقة التي يخصص لها مساق Deep Learning لاحقًا. يبدأ المساق بمفهوم Machine Learning، والفرق بين Supervised Learning, Unsupervised Learning ومقدمة محدودة إلى Reinforcement Learning من حيث الفكرة فقط. كما يتناول إعداد Dataset للتعلم، وFeatures وLabels، وتقسيم البيانات إلى Training، Validation وTest Sets، ومفاهيم Generalization، Underfitting وOverfitting. في Supervised Learning، يدرس الطلبة Linear Regression، Logistic Regression، k-Nearest Neighbors، Decision Trees، Naïve Bayes وSupport Vector Machines على مستوى مناسب للبرنامج، مع التركيز على الفكرة الرياضية وآلية التدريب والافتراضات والمزايا والقيود وليس مجرد استخدام Library جاهزة. يتناول المساق كذلك Unsupervised Learning من خلال خوارزميات أساسية مثل k-Means Clustering وأساليب مناسبة لـDimensionality Reduction مثل PCA بصورة تمهيدية. ويتم الفصل هنا عن Data Mining؛ فالتركيز في هذا المساق على Modeling وLearning Algorithms، بينما يركز Data Mining لاحقًا على Knowledge Discovery وأنماط البيانات. يشمل المساق Model Evaluation باستخدام مقاييس مناسبة مثل Accuracy، Precision، Recall، F1-score، Confusion Matrix، ROC-AUC، MAE، MSE وR² حسب نوع المشكلة، إضافة إلى Cross-Validation وHyperparameter Selection.. وبنهاية المساق يكون الطالب قادرًا على اختيار Machine Learning Approach مناسب، وتدريب نموذج وتقييمه، وتشخيص Overfitting، ومقارنة النماذج وتفسير نتائجها وحدود استخدامها بصورة علمية.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثالثة، الفصل الأول

المتطلب السابق

برمجة متخصصة في الذكاء الاصطناعي

يفتح

التعلم العميق

يهدف هذا المساق إلى تزويد الطلبة بفهم منظم للمبادئ التي تقوم عليها Computer Networks وكيفية انتقال البيانات بين الأجهزة والأنظمة عبر الشبكات المحلية والواسعة والإنترنت. يبدأ المساق بالتعريف بمكونات الشبكة وأنواعها ونماذج الطبقات، مع دراسة OSI Model وTCP/IP Model ووظيفة كل Layer.. يتناول المساق Physical وData Link Concepts بصورة مناسبة، بما في ذلك Transmission Media، Frames، MAC Addressing ومبادئ Ethernet وSwitching. ثم ينتقل إلى Network Layer، حيث يدرس الطلبة IPv4 وIPv6 Addressing، Subnetting، Routing ومفهوم Routers واختيار المسارات. يتناول Transport Layer من خلال TCP وUDP، وPorts، وReliability، وFlow Control ومفهوم Connection-Oriented وConnectionless Communication. كما يدرس Application Layer Services مثل DNS، HTTP/HTTPS وEmail Protocols على مستوى مفاهيمي. يشمل المساق أساسيات Wireless Networks وWi-Fi ومفاهيم Mobility، إضافة إلى Network Performance مثل Latency، Throughput، Packet Loss وBandwidth. يتناول بصورة تمهيدية Network Security من حيث Threats، Firewalls، Secure Communication وEncryption in Transit، مع ترك التفاصيل لمساق Information Security.. وبالنسبة لتخصص AI، يساعد المساق الطلبة على فهم البنية الشبكية التي تعتمد عليها Distributed Data Processing، Cloud Services، IoT وAI Applications. وبنهاية المساق، يكون الطالب قادرًا على تفسير انتقال البيانات بين Endpoints، وتحليل IP Addressing وSubnetting، وفهم وظائف Routing وTransport Protocols، وتشخيص مشكلات اتصال أساسية، وتقدير أثر خصائص الشبكة في أداء الأنظمة والتطبيقات الرقمية

النوع

متطلب تخصص

موقعه في الخطة

السنة الثالثة، الفصل الأول

المتطلب السابق

لا يوجد

يهدف هذا المساق العملي إلى تمكين الطلبة من تنفيذ Machine Learning Workflow كامل باستخدام أدوات وبرمجيات مناسبة، وتطبيق الخوارزميات التي تتم دراستها في المساق النظري على Datasets حقيقية أو شبه حقيقية. يبدأ المساق بتهيئة البيانات للتدريب، واختيار Features وTarget، وتقسيم Dataset إلى Training وValidation وTest Sets بصورة صحيحة لتجنب Data Leakage. يتدرب الطلبة على بناء Baseline Models ثم تنفيذ مجموعة من Supervised Learning Models مثل Linear Regression، Logistic Regression، k-NN، Decision Trees، Naïve Bayes وSVM باستخدام Libraries مناسبة مثل scikit-learn أو ما يعادلها. ويقومون بمقارنة النتائج وفهم أثر Parameters المختلفة في أداء النموذج. تشمل التطبيقات اختيار Evaluation Metrics المناسبة للمشكلة بدل استخدام Accuracy بصورة آلية، وتنفيذ Confusion Matrix، Precision، Recall، F1-score، ROC-AUC أوRegression Metrics حسب الحالة. كما يتدرب الطلبة على Cross-Validation وضبط Hyperparameters باستخدام أساليب منظمة. في الجزء الخاص بـUnsupervised Learning، ينفذ الطلبة k-Means وبعض تقنيات Dimensionality Reduction الأساسية، ويحللون النتائج دون افتراض وجود Labels صحيحة مسبقًا. يركز المساق على إنشاء Reproducible Experiments، وتثبيت Random Seeds عند الحاجة، وتوثيق Data Splits وModel Settings ونتائج التجارب. كما يتعلم الطالب حفظ Model واستدعاءه وتنفيذ Inference على بيانات جديدة بصورة أولية. وفي نهاية المساق، ينفذ الطلبة Mini-Project يبدأ من Dataset ويصل إلى مقارنة عدة Models وتبرير اختيار النموذج الأفضل بناءً على أدلة كمية وتحليل منهجي.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثالثة، الفصل الأول

المتطلب السابق

برمجة متخصصة في الذكاء الاصطناعي - عملي

يفتح

التعلم العميق - عملي

يمثل هذا المساق مساحة مرنة داخل الخطة الدراسية تتيح للطالب التعمق في مجال متخصص أو حديث يرتبط بأهداف برنامج الذكاء الاصطناعي ويكمل المساقات الإجبارية.

النوع

متطلب اختياري

موقعه في الخطة

السنة الثالثة، الفصل الثاني

المتطلب السابق

لا يوجد

يعالج المساق سرية المعلومات وسلامتها وتوافرها عبر تحديد الأصول والتهديدات ونقاط الضعف قبل اختيار الضوابط. يدرس المصادقة والتفويض وحماية كلمات المرور والاتصال والتخزين، والمدخلات غير الموثوقة والتحديثات والنسخ الاحتياطي والاستجابة الأولية للحوادث. يبني الطالب نموذج تهديد لخدمة نقالة ويبرر ضوابطها وحدودها، مع التزام أنشطة الفحص في بيئات مصرح بها. يضع الطالب حدود الثقة على رسم معماري لخدمة نقالة، ثم يسأل أين تدخل بيانات يمكن لمهاجم التحكم بها وما العمليات التي قد تصل إليها. تُقارن كلمة مرور قوية مع مصادقة إضافية في حالة اختراق جهاز أو تسرب قاعدة بيانات، ويُناقش لماذا لا توفر وسيلة واحدة حماية مطلقة. يستخدم سيناريو فقد هاتف لفحص إبطال الجلسة وحماية البيانات المخزنة والنسخ الاحتياطية. وتُراجع سجلات النظام للتمييز بين معلومات لازمة لتحديد الحادث وتفاصيل قد تكشف أسرار مستخدمين. عندما يقترح الطالب ضابطًا، يحدد طريقة اختبار نجاحه وكلفته وآثاره في المستخدم الشرعي.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثالثة، الفصل الثاني

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تزويد الطلبة بالمفاهيم والأساليب المستخدمة في Data Mining واكتشاف الأنماط والمعرفة المفيدة من مجموعات البيانات، اعتمادًا على ما اكتسبه الطالب سابقًا في Data Analysis وMachine Learning. يختلف هذا المساق عن Data Analysis في أن التركيز ليس على وصف Dataset وفهمها فقط، كما يختلف عن Machine Learning في أن الهدف الرئيس هو Knowledge Discovery واستخراج الأنماط والعلاقات القابلة للاستخدام من البيانات. يبدأ المساق بمفهوم Knowledge Discovery in Databases (KDD) ومراحله، بدءًا من اختيار البيانات وإعدادها، ثم تطبيق تقنيات Mining وتقييم الأنماط المكتشفة وتفسيرها. تتم مراجعة Data Preparation بقدر محدود فقط باعتبارها معرفة سابقة. يتناول المساق Association Rule Mining، بما في ذلك Support، Confidence وLift، وخوارزميات مثل Apriori أوما يعادلها، مع تطبيقات مثل Market Basket Analysis. كما يتناول Clustering في سياق اكتشاف البنية والأنماط داخل البيانات، مع استخدام خوارزميات سبق تقديم بعضها في Machine Learning دون إعادة شرحها رياضيًا من الصفر. يشمل المساق Anomaly and Outlier Detection، Pattern Discovery، Sequential أوTemporal Patterns بصورة تمهيدية عند ملاءمتها، إضافة إلى أساليب التعامل مع High-Dimensional Data ومبادئ Feature Selection في سياق Mining. يناقش المساق تقييم Interestingness وUsefulness للأنماط، والفرق بين الارتباط المفيد والنتائج العرضية، إضافة إلى مخاطر Data Snooping والتفسير غير الصحيح. كما يتناول تطبيقات Data Mining في الأعمال، الصحة، الأمن، Web Data ومجالات أخرى. وبنهاية المساق، يكون الطالب قادرًا على تحديد Data Mining Task مناسب، وتطبيق تقنيات اكتشاف الأنماط، وتقييم النتائج وتفسيرها، واستخلاص معرفة قابلة للاستخدام مع مراعاة جودة البيانات وحدود الاستنتاج.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثالثة، الفصل الثاني

المتطلب السابق

تحليل البيانات

يهدف هذا المساق إلى تطوير مهارات الطلبة في إعداد الوثائق والتقارير الفنية بصورة أكاديمية ومهنية واضحة ومنظمة، مع التركيز على أنماط الكتابة المستخدمة في Engineering، Computing وAI Projects. يبدأ المساق بالتمييز بين الكتابة العامة والكتابة الفنية، وخصائص Technical Writing من حيث الدقة والوضوح والاختصار والتنظيم والموضوعية. يتناول المساق بنية Technical Report، بما في ذلك Title، Abstract أوExecutive Summary، Introduction، Background، Methodology، Results، Discussion، Conclusions وRecommendations. كما يتدرب الطلبة على تنظيم Sections وSubsections وربطها بصورة منطقية. يشمل المساق كيفية عرض البيانات والنتائج باستخدام Tables، Figures، Charts وDiagrams، وكتابة Captions والإشارة إلى العناصر داخل النص. كما يناقش اختيار مستوى التفاصيل المناسب للجمهور المستهدف، واستخدام Terminology بصورة متسقة. يتناول المساق Academic Referencing، وإدارة Citations، وتوثيق المصادر، وتجنب Plagiarism، والتمييز بين Paraphrasing وQuoting وSummarizing. كما يناقش أخلاقيات إعداد التقارير ودقة عرض النتائج، بما في ذلك عدم إخفاء النتائج السلبية أوالمبالغة في الاستنتاجات. بالنسبة لتخصص AI، يتعلم الطلبة كيفية توثيق Dataset، Methodology، Experimental Setup، Evaluation Metrics، Results وLimitations بطريقة تدعم Reproducibility.. يشمل المساق كذلك إعداد Presentations، Technical Memos وProject Documentation. وبنهاية المساق، يكون الطالب قادرًا على إعداد Technical Report كامل ومنظم، وتقديم البيانات والنتائج بصورة دقيقة، واستخدام References بصورة سليمة، وكتابة منهجية وتجارب قابلة للفهم وإعادة التنفيذ نسبيًا، وهي مهارات أساسية لمشروع التخرج والعمل المهني.

النوع

متطلب كلية

موقعه في الخطة

السنة الثالثة، الفصل الثاني

المتطلب السابق

لا يوجد

This course introduces nursing students to the fundamentals of Islamic culture, worldview, and moral philosophy, with a specific focus on medical jurisprudence (Fiqh), bioethics, and patient care. Students will study the core tenets of Islamic faith, ethical principles governing human interaction, spiritual care, and contemporary bioethical issues (such as organ transplantation, end-of-life care, and reproductive health) aligned with Islamic legal rulings and Saudi healthcare practices.

النوع

متطلب جامعة

موقعه في الخطة

السنة الثالثة، الفصل الثاني

المتطلب السابق

لا يوجد

يشرح المساق نماذج الخدمات السحابية وتوزيع المسؤولية بين المزود والمستخدم، مع مبادئ الافتراضية والحاويات والتوسع وموازنة الأحمال. يختار الطالب التخزين والخدمة المناسبين لواجهة API تستعملها تطبيقات نقالة، ويقدر أثر التأخير والتوافر والتكلفة. تشمل الموضوعات الأذونات والسجلات والمقاييس والنسخ والاستعادة. يصمم بنية مبسطة ويحلل أثر فشل مكون فيها بدل الاكتفاء بأسماء المنتجات. ويختبرون فكريًا عطل منطقة أو مكون واحد: ما أثره في المستخدم، وما الذي يمكن استعادته وكم من البيانات قد يفقد؟ يضع الطالب تقدير تكلفة شهريًا لخدمة افتراضية عبر افتراض عدد مستخدمين وطلبات وحجم تخزين وحركة بيانات، ثم يغير افتراضًا واحدًا ليلاحظ حساسية التقدير. تُقارن زيادة حجم خادم واحد بإضافة نسخ صغيرة متعددة، مع بحث ما إذا كانت قاعدة البيانات أو الاتصال سيصبحان نقطة اختناق. عند فقد مورد تخزين، يميز بين نسخة احتياطية موجودة وإمكان استعادتها في زمن مقبول؛ ويقترح تجربة استعادة دورية تثبت صلاحيتها.

النوع

متطلب تخصص

موقعه في الخطة

السنة الثالثة، الفصل الثاني

المتطلب السابق

لا يوجد

مساق تسويق الذات والتنمية الشخصية يتناول إصلاح الذات وصناعة الحياة وكيفية تحسين القدرات البشرية نحو الأفضل، من خلال اكتساب مهارات جديدة أو اكتشاف قدراتهم وتمكينهم من الانتفاع بها في مختلف الأنشطة الحياتية. هذا المساق يساعد الطالب للتخلص من الأشياء السلبية واكتساب الايجابية وتحديد أهدافه وكيف يكون قادرا على التحكم في ذاته، ويتعلم كيفية اتخاذ القرارات الصحيحة لبناء شخصية قوية قادرة على بناء مستقبل أفضل وخدمة المجتمع.

النوع

متطلب جامعة

موقعه في الخطة

السنة الثالثة، الفصل الثاني

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى إعداد الطلبة بصورة منهجية لتنفيذ Graduation Project في الفصل اللاحق من خلال تحديد مشكلة حقيقية أوبحثية في AI أوComputing وتحويلها إلى مشروع واضح الأهداف والنطاق والمنهجية. تبدأ العملية باختيار Problem Domain وتحليل المشكلة وتحديد Stakeholders واحتياجاتهم، ثم صياغة Project Objectives وResearch أوDevelopment Questions عند الحاجة. يتدرب الطلبة على إجراء Literature Review أوTechnology Review منظمة لفهم الحلول السابقة والأدوات والبيانات المتاحة وتحديد ما يميز المشروع المقترح. كما يقومون بتحديد Functional وNon-Functional Requirements عند المشاريع البرمجية، أوExperimental Requirements عند المشاريع ذات الطبيعة البحثية. يشمل المساق دراسة Feasibility، واختيار Technologies، Datasets، Algorithms أوPlatforms المناسبة، وإعداد Initial System Architecture أوResearch Methodology. وفي مشروعات AI، يتعين تحديد Data Source، Data Preparation Strategy، Baseline، Evaluation Metrics وخطة مقارنة النتائج، مع مراعاة Privacy وEthical Considerations. يتناول المساق Project Planning، وتجزئة العمل إلى Tasks، وإعداد Timeline، وتحديد Deliverables، والموارد والمخاطر وخطة إدارتها. كما يتطلب إعداد Test/Evaluation Plan مسبقًا بدل تأجيل التقييم إلى نهاية المشروع. يعمل الطلبة على إعداد Project Proposal متكامل يتضمن Background، Problem Statement، Objectives، Related Work، Methodology، Requirements، Proposed Design، Evaluation Plan، Timeline والمراجع. وبنهاية المساق، يكون الطالب قد أنجز Proposal قابلًا للتنفيذ وعرضه والدفاع عنه أمام لجنة أكاديمية، ليشكل الأساس المباشر لمساق Graduation Project.

النوع

متطلب كلية

موقعه في الخطة

السنة الرابعة، الفصل الأول

المتطلب السابق

لا يوجد

يفتح

مشروع التخرج

يهدف هذا المساق العملي إلى تمكين الطلبة من بناء وتدريب وتقييم Deep Learning Models باستخدام Framework مناسب مثل TensorFlow/Keras أوPyTorch أوما يعادلها، وتطبيق المفاهيم النظرية التي يتم تناولها في مساق Deep Learning على Datasets حقيقية أوشبه حقيقية. يبدأ المساق بإعداد بيئة العمل والتعامل مع Tensors وDatasets وData Loaders، ثم بناء Feedforward Neural Networks وتحديد Layers وActivation Functions وLoss Functions وOptimizers. ويتدرب الطلبة على تنفيذ Training Loop، ومتابعة Training وValidation Loss، وتحليل Learning Curves. تشمل التطبيقات ضبط Hyperparameters مثل Learning Rate وBatch Size وعدد Epochs، وتطبيق Dropout، Batch Normalization وEarly Stopping، ومقارنة أثرها في Overfitting وGeneralization. ينفذ الطلبة CNN Models لمعالجة الصور، بما في ذلك إعداد Image Data، وتطبيق Data Augmentation، وبناء Convolution وPooling Layers وتقييم النموذج. كما ينفذون تطبيقات تمهيدية على Sequence Models مثل RNN وLSTM عندما يكون ذلك مناسبًا. يتدرب الطلبة كذلك على استخدام Pretrained Models وTransfer Learning، وتجميد بعض Layers وإجراء Fine-Tuning لنموذج جاهز على Dataset جديد. يركز المساق على Reproducibility من خلال تثبيت Experimental Settings، وتوثيق Hyperparameters، وحفظ Model Checkpoints، ومقارنة التجارب بصورة منظمة. كما يتعلم الطلبة الاستفادة من GPU عند توفرها ومراقبة استهلاك الموارد. وفي نهاية المساق، ينجز الطلبة Mini-Project يتطلب اختيار Architecture مناسبة، وتدريبها وتقييمها وتحليل أخطائها وتوثيق النتائج.

النوع

متطلب تخصص

موقعه في الخطة

السنة الرابعة، الفصل الأول

المتطلب السابق

تعلم الآلة - عملي

يهدف هذا المساق إلى تطوير قدرة الطلبة على التعرف إلى القضايا الأخلاقية والمسؤوليات المهنية التي تواجه العاملين في Engineering، Computing وInformation Technology، واتخاذ قرارات مهنية قائمة على مبادئ واضحة. يبدأ المساق بمفهوم Professional Ethics والفرق بين الالتزام القانوني والمسؤولية الأخلاقية، إضافة إلى دور Codes of Ethics والسلوك المهني. يتناول المساق النزاهة، والمساءلة، والصدق في التقارير والنتائج، وConflicts of Interest، واحترام Intellectual Property، وحقوق أصحاب العمل والعملاء والمستخدمين. كما يناقش Privacy، Confidentiality، Data Protection وCybersecurity بوصفها مسؤوليات مهنية وليس فقط مشكلات تقنية. يولي المساق اهتمامًا خاصًا لقضايا AI Ethics، بما في ذلك Bias، Fairness، Transparency، Explainability، Accountability، استخدام البيانات الشخصية، وPotential Harm الناتج عن القرارات الآلية. ويركز على تحليل القرارات الأخلاقية وليس على إعادة تدريس خوارزميات AI. يتناول المساق كذلك المسؤولية عند تصميم Software أوAI Systems قد تؤثر في الصحة أوالحقوق أوالفرص أوالسلامة، وأهمية Testing، Documentation، Risk Assessment والإفصاح عن Limitations. تستخدم Case Studies لمناقشة تعارض المصالح بين الأداء والخصوصية أوالربح والسلامة أوالابتكار والمسؤولية، ويطلب من الطلبة تحليل Stakeholders والآثار المحتملة والبدائل. وبنهاية المساق، يكون الطالب قادرًا على تحديد Ethical Issues في المشروعات التقنية، وتحليل آثار القرارات على الأطراف المختلفة، والاستناد إلى مبادئ مهنية عند اتخاذ القرار، وفهم المسؤولية الشخصية والمؤسسية المرتبطة بتطوير واستخدام أنظمة AI والتقنيات الرقمية.

النوع

متطلب كلية

موقعه في الخطة

السنة الرابعة، الفصل الأول

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تزويد الطلبة بالمفاهيم والمهارات اللازمة لتصميم وبرمجة أنظمة روبوتية قادرة على استشعار البيئة واتخاذ القرارات وتنفيذ الأفعال. يبني المساق على المهارات البرمجية السابقة في Specialized Programming in AI، ويركز على التكامل بين Software، Sensors، Actuators وControl بدل التركيز على التصميم الميكانيكي للروبوت. يبدأ المساق بالتعريف بمكونات Robotic System، وأنواع الروبوتات وApplications المختلفة، ثم يتناول البرمجة المستخدمة للتعامل مع Sensors وActuators وMotors وControllers. ويتعرف الطلبة إلى مفاهيم Robot Coordinate Systems، Position، Orientation والحركة في البيئة. يشمل المساق مبادئ Robot Kinematics بصورة مناسبة لمستوى البرنامج، بما يسمح بفهم العلاقة بين الحركة والأوامر التي تصدر إلى الروبوت، دون الدخول في التفصيل الرياضي للهندسة الميكانيكية المتقدمة. يتناول المساق Sensing and Perception، وكيفية قراءة بيانات Sensors مثل Distance، Proximity، Camera أوInertial Sensors ومعالجتها لاتخاذ قرارات مناسبة. كما يناقش Feedback Control ومفاهيم أساسية مثل Closed-Loop Control بصورة تمهيدية. يتعرف الطلبة إلى Localization، Mapping، Path Planning وObstacle Avoidance على مستوى يسمح بفهم كيفية تنقل الروبوت بصورة مستقلة، ويمكن تقديم مقدمة إلى ROS أوRobotics Middleware مناسب لتنظيم Nodes، Topics، Messages وServices. ويرتبط AI بالمساق من خلال استخدام Search، Perception أوModels جاهزة في بعض تطبيقات Robotics، لكن دون إعادة Machine Learning أوDeep Learning. وبنهاية المساق، يكون الطالب قادرًا على تحليل بنية نظام روبوتي، وبرمجة التفاعل بين Sensors وActuators، وتنفيذ سلوكيات للحركة والملاحة، وتصميم Software Architecture مبسطة لنظام روبوتي ذكي.

النوع

متطلب تخصص

موقعه في الخطة

السنة الرابعة، الفصل الأول

المتطلب السابق

برمجة متخصصة في الذكاء الاصطناعي

يهدف هذا المساق العملي إلى تمكين الطلبة من تطبيق مبادئ Robot Programming باستخدام Robotic Platform فعلية أوSimulation Environment مناسبة. يبدأ المساق بإعداد بيئة التطوير والاتصال بالروبوت أوالمحاكي، وتشغيل Programs بسيطة للتحكم في الحركة وقراءة بيانات Sensors. يتدرب الطلبة على إرسال Commands إلى Motors وActuators والتحكم في Speed وDirection، ثم قراءة بيانات Proximity، Distance، Inertial أوCamera Sensors وفق المنصة المتاحة. كما يتعلمون ربط Sensor Input بسلوك الروبوت لتنفيذ Reactive Behaviors. تشمل الأنشطة تنفيذ Feedback-based Control بصورة مبسطة، ومراقبة تأثير Parameters المختلفة في استقرار الحركة ودقتها. كما يتدرب الطلبة على تنفيذ Obstacle Detection وAvoidance، وLine Following أوNavigation Tasks مناسبة للمنصة. عند استخدام ROS أوMiddleware مماثل، ينشئ الطلبة Nodes ويتعاملون مع Topics وMessages وServices وينظمون النظام بحيث تعمل مكوناته بصورة Modular. كما يتعلمون استخدام أدوات Visualization وLogging وDebugging لمتابعة بيانات Sensors وحالة الروبوت. يمكن أن تتضمن التطبيقات استخدام Mapping أوLocalization أوPath Planning داخل Simulation Environment، مع مقارنة Planned Path بالحركة الفعلية أوالمحاكاة. يركز المختبر على Integration وTesting؛ فالروبوت يجمع Hardware/Simulation، Networking، Sensors وSoftware، ولذلك يتعلم الطلبة تشخيص الأخطاء الناتجة من كل مستوى. وفي نهاية المساق، يطور الطلبة مشروعًا روبوتيًا صغيرًا يؤدي مهمة محددة بصورة شبه مستقلة، ويقومون باختبار الأداء وتوثيق Architecture والنتائج والمشكلات التي واجهتهم.

النوع

متطلب تخصص

موقعه في الخطة

السنة الرابعة، الفصل الأول

المتطلب السابق

برمجة متخصصة في الذكاء الاصطناعي - عملي

This course introduces nursing students to the fundamental concepts of environmental health and its impact on human health and disease prevention. Students will explore air and water quality, climate change, medical waste management, chemical hazards, vector-borne diseases, and environmental safety standards within healthcare system and community settings.

النوع

متطلب جامعة

موقعه في الخطة

السنة الرابعة، الفصل الأول

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تعريف الطلبة بالمفاهيم والأساليب المستخدمة لتحويل الأفكار والمشكلات إلى فرص ابتكارية ومشروعات قابلة للتطبيق، مع تركيز مناسب على المشروعات التقنية والرقمية. يبدأ المساق بمفهوم Entrepreneurship وInnovation والفرق بين Idea، Invention وInnovation، وكيفية اكتشاف المشكلات والاحتياجات التي يمكن تحويلها إلى Product أو Service. يتناول المساق Opportunity Identification، وCustomer Discovery، وتحليل المستخدمين والسوق والمنافسين، ثم صياغة Value Proposition توضح القيمة التي يقدمها الحل للفئة المستهدفة. يتعرف الطلبة إلى Business Model ومكوناته الأساسية، وتحديد Customer Segments، Channels، Revenue Streams، Costs، Key Resources وPartners، ويمكن استخدام Business Model Canvas أوأداة مماثلة لتنظيم الفكرة. يشمل المساق تطوير Minimum Viable Product (MVP) أوPrototype، واختبار الافتراضات والحصول على Feedback وإجراء Iteration بدل بناء المنتج الكامل قبل التحقق من الحاجة إليه. يتناول كذلك مبادئ Pricing، Marketing، Funding، Financial Feasibility، Intellectual Property وRisk Assessment على مستوى مناسب لطلبة التقنية. في مشروعات AI، يناقش المساق بصورة عامة خصوصية المنتجات القائمة على البيانات، مثل الحاجة إلى Data، Infrastructure، مسؤولية استخدام AI، وتحديد ما إذا كان AI يقدم قيمة حقيقية للحل بدل استخدامه لمجرد الحداثة. وبنهاية المساق، يكون الطالب قادرًا على تحليل Problem/Opportunity، واقتراح Innovative Solution، وتطوير Value Proposition وBusiness Model أوليين، وإعداد Prototype أوMVP، وعرض المشروع أمام Stakeholders أوPotential Investors بصورة منظمة.

النوع

متطلب كلية

موقعه في الخطة

السنة الرابعة، الفصل الأول

المتطلب السابق

لا يوجد

يمثل هذا المتطلب فرصة للطالب للتعمق في أحد المجالات المتخصصة أوالناشئة المرتبطة بـArtificial Intelligence بما يتوافق مع اهتماماته الأكاديمية والمهنية. ينبغي أن يقدم كل مساق معتمد ضمن قائمة الاختيارات محتوى متخصصًا يكمل المساقات الإجبارية ولا يعيد Machine Learning، Data Mining، Deep Learning، Robotics أوNLP بالمستوى نفسه. بحسب القائمة التي يعتمدها القسم، يمكن أن تغطي الاختيارات مجالات متقدمة أوتطبيقية مثل Computer Vision أوReinforcement Learning أوBig Data أو AI Applications، لكن هذه مجرد أمثلة توضيحية وليست مساقات مثبتة في الخطة المرفقة. يجب أن يكون لكل Elective Course اسم مستقل، Course Code عند الحاجة، Prerequisites، Learning Outcomes، Topics، Teaching Strategies وAssessment Methods خاصة به.

النوع

متطلب اختياري

موقعه في الخطة

السنة الرابعة، الفصل الأول

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تزويد الطلبة بالأسس النظرية والمنهجية لـ Deep Learning بوصفه امتدادًا متقدمًا لما تمت دراسته في Machine Learning، مع التركيز على النماذج القائمة على Neural Networks وكيفية تصميمها وتدريبها وتقييمها. يبدأ المساق بمراجعة موجزة للمفاهيم الضرورية فقط مثل Linear Models وOptimization، ثم ينتقل إلى بنية Artificial Neural Networks، وNeurons، Layers، Weights، Biases وActivation Functions ، دون إعادة خوارزميات Machine Learning التقليدية. يتناول المساق آلية Forward Propagation وحساب Loss Functions، ثم Backpropagation واستخدام Gradient-Based Optimization مثل Gradient Descent وStochastic Gradient Descent وMini-batch Training. كما يناقش أثر Learning Rate واختيار Optimizer، ويقدم خوارزميات مثل Momentum، RMSProp وAdam على المستوى المناسب. يشمل المساق مشكلات تدريب الشبكات العميقة مثل Vanishing وExploding Gradients، وطرق تحسين Generalization باستخدام Regularization، Dropout، Batch Normalization، Early Stopping وData Augmentation. يتناول المساق بصورة أساسية Convolutional Neural Networks (CNNs) لمعالجة الصور والبيانات ذات البنية المكانية، بما في ذلك Convolution، Filters، Feature Maps وPooling. كما يقدم نماذج معالجة البيانات المتسلسلة مثل Recurrent Neural Networks (RNNs)، LSTM وGRU بوصفها أساسًا مهمًا للمساقات اللاحقة في NLP، دون التوسع في تطبيقات اللغة نفسها. يتعرف الطلبة كذلك إلى Transfer Learning، Pretrained Models، Fine-Tuning ومبادئ استخدام نماذج مدربة مسبقًا عند محدودية البيانات أوالموارد. وبنهاية المساق، يكون الطالب قادرًا على تصميم Deep Neural Network مناسبة للمشكلة، وفهم عملية التدريب، وتشخيص مشكلات Overfitting أوOptimization، واختيار Architecture وتقييم أدائها بصورة علمية.

النوع

متطلب تخصص

موقعه في الخطة

السنة الرابعة، الفصل الأول

المتطلب السابق

تعلم الآلة

This course introduces nursing students to the fundamentals of Hadith Studies (Ulum al-Hadith) with a focus on prophetic traditions related to health, cleanliness, patient care, medical ethics, and compassion. Students will learn the basic methodology of Hadith authentication and examine selected authentic Prophetic traditions (Ahadith) that guide professional nursing behavior, personal hygiene, mental resilience, holistic healing, and ethical duty toward patients in Saudi healthcare settings.

النوع

متطلب جامعة

موقعه في الخطة

السنة الرابعة، الفصل الثاني

المتطلب السابق

لا يوجد

يمثل هذا المتطلب الاختياري فرصة إضافية للطالب للتوسع في مجال تخصصي متقدم أوتطبيقي ضمن Artificial Intelligence. يفضل أن تستخدم الاختيارات في هذا المستوى لعرض موضوعات متقدمة أوEmerging Topics لا تغطيها Core Courses بصورة كافية، مع تجنب إعادة Machine Learning وDeep Learning وNLP وRobotics. يمكن أن تختلف قائمة الاختيارات مع تحديث البرنامج، على أن يعتمد القسم توصيفًا مستقلًا لكل مساق يتضمن Prerequisites، Learning Outcomes، Detailed Topics، Practical Components وAssessment.

النوع

متطلب اختياري

موقعه في الخطة

السنة الرابعة، الفصل الثاني

المتطلب السابق

لا يوجد

يهدف هذا المساق إلى تزويد الطلبة بالمفاهيم والأساليب الأساسية المستخدمة في Natural Language Processing (NLP) لتمكين الحاسوب من معالجة النصوص واللغة البشرية وتحليلها. يبني المساق على البرمجة المتخصصة في AI والمعارف السابقة في Machine Learning وDeep Learning، ولذلك لا يعيد شرح خوارزميات التعلم من البداية، بل يركز على توظيفها في Language Data. يبدأ المساق بخصائص Natural Language والتحديات المرتبطة بـAmbiguity، Context، Morphology، Syntax وSemantics. ثم يتناول Text Preprocessing مثل Tokenization، Sentence Segmentation، Normalization، Stop Words، Stemming وLemmatization، مع مناقشة خصوصية اللغة العربية عند الحاجة. يتعرف الطلبة إلى تمثيل النص عدديًا باستخدام Bag of Words، n-grams، TF-IDF ثم ينتقل إلى Distributed Representations مثل Word Embeddings. يتناول المساق مجموعة من NLP Tasks مثل Text Classification، Sentiment Analysis، Named Entity Recognition، Information Extraction وText Similarity، مع التركيز على طبيعة المشكلة وإعداد البيانات والتقييم. يشمل المساق استخدام Neural Models وDeep Learning في NLP، بما في ذلك RNN/LSTM بصورة مختصرة باعتبارها معرفة سابقة، ثم يقدم مفهوم Attention وTransformer Architecture ومبادئ Pretrained Language Models بصورة مناسبة لمستوى البكالوريوس. يمكن تقديم مقدمة إلى Large Language Models من منظور معماري وتطبيقي، مع مناقشة Limitations مثل Hallucination، Bias وPrivacy دون تحويل المساق إلى دورة استخدام أدوات. يتناول المساق Evaluation باستخدام Metrics مناسبة لكل Task. وبنهاية المساق، يكون الطالب قادرًا على إعداد Text Data، واختيار Representation وModel مناسبين، وبناء NLP Pipeline وتقييمه وتفسير نتائجه وحدوده.

النوع

متطلب تخصص

موقعه في الخطة

السنة الرابعة، الفصل الثاني

المتطلب السابق

برمجة متخصصة في الذكاء الاصطناعي

يهدف هذا المساق العملي إلى تمكين الطلبة من بناء وتنفيذ NLP Pipelines باستخدام Python وLibraries مناسبة مثل NLTK، spaCy، scikit-learn، Transformers أوما يعادلها. يركز المساق على التطبيق والتجريب وتحليل الأخطاء، ولا يعيد الشرح النظري التفصيلي للمفاهيم التي تتم دراستها في المساق النظري. يبدأ الطلبة بتحميل Text Corpora والتعامل مع Encoding وتنظيف البيانات وتنفيذ Tokenization وNormalization وStemming أوLemmatization بحسب طبيعة اللغة والمهمة. يتدربون على بناء Representations مثل Bag of Words وTF-IDF، ثم استخدامها في تطبيقات مثل Text Classification أوSentiment Analysis باستخدام Models مناسبة تمت دراسة أساسها في Machine Learning. تشمل التطبيقات Named Entity Recognition، Text Similarity أوInformation Extraction وفق الأدوات والوقت المتاح. كما يتدرب الطلبة على استخدام Word Embeddings وتمثيل النصوص بصورة متجهية. في الجزء المتقدم، يستخدم الطلبة Pretrained Transformer Models لتنفيذ Fine-Tuning أو Inference في مهمة مناسبة، مع التركيز على فهم Input/Output Pipeline، Tokenizer، Model Configuration وEvaluation بدل بناء Transformer من الصفر. يتعلم الطلبة تقييم النماذج باستخدام Precision ، Recall، F أو Metrics أخرى ملائمة، وإجراء Error Analysis لتحديد أنواع الحالات التي يفشل فيها النظام. يتم التركيز على Arabic NLP عند توفر Datasets وأدوات مناسبة لإظهار تحديات اللغة العربية مثل Morphology وتعدد أشكال الكتابة. وفي نهاية المساق، ينجز الطلبة Mini-Project يبدأ من Text Dataset وينتهي بتطوير NLP Model أوApplication، وتقييمه وتحليل Limitations وتوثيق خطوات التنفيذ بصورة قابلة لإعادة الإنتاج.

النوع

متطلب تخصص

موقعه في الخطة

السنة الرابعة، الفصل الثاني

المتطلب السابق

برمجة متخصصة في الذكاء الاصطناعي - عملي

يهدف هذا المساق إلى تمكين الطلبة من تطبيق المعارف والمهارات التي اكتسبوها خلال البرنامج في بيئة عمل حقيقية مرتبطة بـAI، Data Science، Software Development أوInformation Technology. يتم التدريب تحت إشراف أكاديمي ومهني ووفق خطة عمل تحدد المهام والمخرجات المتوقعة. يمكن أن تتضمن الأنشطة، وفق طبيعة المؤسسة، Data Preparation، Data Analysis، تطوير Software، بناء أوتقييم Machine Learning Models، التعامل مع Databases أوCloud Platforms، Testing، Automation أوTechnical Support، دون اشتراط أن تؤدي كل جهة تدريب جميع هذه الأنشطة. يركز التدريب على Professional Practice وليس على تعلم موضوع أكاديمي جديد. ويتوقع من الطالب تطبيق Version Control، Documentation، Testing، Team Collaboration وممارسات التعامل المسؤول مع البيانات عندما تكون ذات صلة بالمهمة. كما يكتسب الطلبة خبرة في التواصل مع Supervisors وأعضاء الفريق، وفهم Requirements، وإدارة Tasks وDeadlines، وحضور الاجتماعات، وتقديم تحديثات واضحة عن التقدم والمشكلات. في الأعمال التي تتضمن بيانات أوAI، يجب مراعاة Privacy، Confidentiality، Data Access Policies وEthical Requirements الخاصة بجهة التدريب. يتطلب المساق عادة توثيق الأنشطة في Training Log أوPortfolio، وإعداد تقرير نهائي يوضح المؤسسة والمهام والأدوات والمهارات المكتسبة والتحديات والنتائج، مع تقييم من المشرف المهني والأكاديمي. وبنهاية التدريب، يكون الطالب قادرًا على العمل بصورة أكثر استقلالية ضمن بيئة مهنية، وربط المعرفة النظرية بالممارسة، وفهم Workflow الفعلي للمشروعات التقنية، وتقييم نقاط القوة والجوانب التي يحتاج إلى تطويرها قبل التخرج.

النوع

متطلب تخصص

موقعه في الخطة

السنة الرابعة، الفصل الثاني

المتطلب السابق

لا يوجد

يمثل هذا المساق التجربة التكاملية النهائية في برنامج الذكاء الاصطناعي، حيث يقوم الطلبة بتنفيذ المشروع الذي تم تصميمه والتخطيط له في مساق مقدمة في مشروع التخرج. تشترط الخطة مساق مقدمة في مشروع التخرج سابقًا لهذا المساق. يبدأ المشروع بمراجعة Proposal وتحديث Requirements أوResearch Questions عند الحاجة، ثم تنفيذ خطة العمل بصورة منظمة. في مشاريع AI، تشمل العملية عادة جمع أوالحصول على Dataset بصورة مشروعة، وData Preparation، وإنشاء Baseline، واختيار Algorithms أوModels المناسبة، وتنفيذ Experiments وتقييم النتائج باستخدام Metrics محددة مسبقًا. يتوقع من الطلبة الفصل الصحيح بين Training، Validation وTest Data، وتجنب Data Leakage، وتوثيق Hyperparameters وExperimental Settings والنتائج بما يسمح بدرجة معقولة من Reproducibility. أما المشاريع Software-based أوRobotics أوIoT فقد تتطلب Design، Implementation، Integration، Testing وSystem Evaluation بحسب طبيعة المشروع. لا يشترط استخدام AI في كل مكون إذا لم يكن ذلك مبررًا تقنيًا. يشمل المساق إدارة Source Code باستخدام Version Control، وتوثيق مراحل التطوير والقرارات التقنية، وتحليل الأخطاء والقيود والمخاطر. كما يجب الالتزام بـPrivacy، Security، Intellectual Property، Research Ethics وأخلاقيات AI عند التعامل مع المستخدمين أوالبيانات. ينتهي المشروع بإعداد Graduation Project Report متكامل وعرض النظام أوالنتائج وتقديم Presentation وDefense أمام لجنة أكاديمية. وبنهاية المساق، يجب أن يثبت الطالب قدرته على دمج المعرفة التقنية والمنهجية، وحل مشكلة معقدة بصورة منظمة، وتقييم الحل نقديًا، وتوثيق عمله والدفاع عن قراراته ونتائجه.

النوع

متطلب تخصص

موقعه في الخطة

السنة الرابعة، الفصل الثاني

المتطلب السابق

مقدمة في مشروع التخرج

يهدف هذا المساق إلى تعريف الطلبة بمفهوم العمل الحر كأحد أنماط العمل الحديثة التي تعتمد على الاستقلالية والمرونة في تقديم الخدمات أو المنتجات عبر الإنترنت أو بشكل مباشر، ويركز على تزويد الطلبة بالمهارات الأساسية والمعارف اللازمة للانطلاق في سوق العمل الحر والوصول إلى إدارة المشاريع وتحقيق الاستدامة المالية.

النوع

متطلب جامعة

موقعه في الخطة

السنة الرابعة، الفصل الثاني

المتطلب السابق

لا يوجد