كلية الأفق للعلوم والتكنولوجيا - منصة التعليم الإلكتروني

الأهداف:

العربية:

• تعزيز فهم الطالب للمفاهيم الأساسية للخوارزميات كجزء رئيسي من علوم الحاسوب والذكاء الاصطناعي.
• تعريف الطالب بأحدث الاتجاهات في تصميم وتحليل الخوارزميات.
• تطوير قدرة الطالب على ربط المفاهيم النظرية بالتطبيق العملي في مجالات حديثة مثل تعلم الآلة، معالجة البيانات، والتشفير.
• إكساب الطالب القدرة على استكشاف حلول إبداعية باستخدام الخوارزميات لحل مشكلات واقعية ومعقدة.

English:

• Enhance students' understanding of fundamental algorithm concepts as a cornerstone of computer science and AI.
• Introduce students to the latest trends in algorithm design and analysis.
• Develop students' ability to connect theoretical concepts with practical applications in modern areas like machine learning, data processing, and cryptography.
• Equip students with the ability to explore creative solutions using algorithms for solving real-world complex problems.

محتوى المقرر:

العربية:

1. المفاهيم الأساسية للخوارزميات:
• تعريف الخوارزميات، تاريخها، ودورها في الذكاء الاصطناعي.
• تحليل الكفاءة باستخدام مقاييس التعقيد مثل O الكبيرة، Ω وΘ.
2. تصميم الخوارزميات:
• تطبيق أسلوب "فرق تسد" في المعالجة المتوازية.
• البرمجة الديناميكية وخوارزميات تعلم الآلة.
• تقنيات التحسين الجشع ومقارنتها بحلول أخرى أكثر كفاءة.
3. تطبيقات حديثة:
• معالجة البيانات الضخمة باستخدام الخوارزميات.
• خوارزميات تعلم الآلة والتعلم العميق.
• التشفير والخوارزميات الأمنية الحديثة.
• مشاكل تحسين الشبكات وتصميم نظم ذكية.
4. التفاعل العملي:
• بناء مشاريع عملية لتطبيق الخوارزميات على مشكلات حقيقية.
• استخدام أدوات برمجية مثل Python لتطبيق الخوارزميات الأكاديمية على مشاريع صغيرة.
• ربط النظريات بالخوارزميات المستخدمة في نظم الذكاء الاصطناعي.

English:

1. Core Concepts in Algorithms:
• Definition of algorithms, their history, and their role in AI.
• Efficiency analysis using complexity metrics such as Big O, Ω, and Θ.
2. Algorithm Design:
• Apply divide-and-conquer techniques in parallel processing.
• Dynamic programming and machine learning algorithms.
• Greedy techniques and their comparison with other more efficient solutions.
3. Modern Applications:
• Big data processing using algorithms.
• Machine learning and deep learning algorithms.
• Cryptography and modern security algorithms.
• Network optimization problems and smart system designs.
4. Practical Interaction:
• Build practical projects to apply algorithms to real-world problems.
• Use programming tools like Python to translate academic algorithms into small projects.
• Link theories to algorithms used in AI systems.

طريقة التقويم:

العربية:

• تقييم النظري والتطبيقي: 40 درجة
• المشاريع العملية: 20 درجة
• الامتحان النهائي: 40 درجة

English:

• Theoretical and practical assessment: 40 Marks
• Practical projects: 20 Marks
• Final exam: 40 Marks