Start a conversation ↗

الوصف

MLOps ووكلاء الذكاء الاصطناعي (AI Agents): تصنيع النماذج والتنسيق والمراقبة

نماذج تحقق أداءً ممتازًا في المختبر ولا تصمد ربعًا واحدًا في بيئة الإنتاج

  • 1 يوم — 7 ساعة
  • حضوري أو عن بُعد
  • خبير
  • حتى 6 مشاركين

بين نموذج يحقق نتائج جيدة على مجموعة الاختبار ونموذج يتخذ قرارات يوميًا في بيئة الإنتاج تكمن كل الأمور التي تكتشفها فرق البيانات متأخرة: عمليات تدريب يتعذر إعادة إنتاجها، وبيانات مدخلات تنحرف مع الوقت، وغياب مسار للتراجع (Rollback)، وتكاليف استدلال (Inference) تخرج عن السيطرة. ويضيف ظهور الوكلاء (Agents) قدرًا إضافيًا من عدم اليقين حول الإجراءات التي تُنفَّذ تلقائيًا.

برنامج من يوم واحد مصمم للممارسين: مسار التصنيع الكامل، وسجل النماذج (Model Registry)، والنشر والمراقبة، ثم دمج الوكلاء في عمليات اتخاذ القرار مع ضوابط الحماية (Guardrails) المقابلة. وتستند التمارين إلى البنى التقنية التي يأتي بها المشاركون أنفسهم.

أهداف التعلّم

  • تصميم مسار تصنيع قابل لإعادة الإنتاج من البيانات وصولًا إلى الخدمة المنشورة
  • إنشاء سجل للنماذج (Model Registry) وإدارة الإصدارات
  • نشر نموذج وتنظيم آلية التراجع عنه عند وقوع حادث
  • مراقبة انحراف البيانات (Data Drift) وتدهور الأداء في بيئة الإنتاج
  • دمج وكيل (Agent) في عملية اتخاذ القرار مع ضوابط الحماية الخاصة به
  • قياس وضبط التكلفة التشغيلية لخدمة قرار مؤتمتة

ما الذي يميّز هذا البرنامج

البنى التقنية التي تُدرس هي بنى المشاركين أنفسهم وليست مخططات توضيحية
ورشة عمل لاكتشاف الانحراف تُنفَّذ على مجموعة بيانات مشوَّهة عمدًا
مصفوفة قرار للاختيار بين المعالجة الحتمية والوكيل بحسب العملية المستهدفة

البرنامج

1مسار التصنيع

من دفتر التحليل إلى خدمة قابلة لإعادة الإنتاج

  • إدارة إصدارات الشيفرة والبيانات والنماذج
  • أتمتة عمليات التدريب والاختبارات
  • سجل النماذج (Model Registry) والترقية بين البيئات
  • تغليف خدمة الاستدلال (Inference) وإتاحتها

2تشغيل النماذج في بيئة الإنتاج

الحفاظ على حيوية النموذج

  • استراتيجيات النشر وآليات التراجع (Rollback)
  • المراقبة التقنية والمراقبة من منظور الأعمال للخدمة
  • اكتشاف انحراف البيانات وتدهور الأداء
  • إطلاق إعادة التدريب وتحديد متى يكون مبررًا

3الوكلاء في اتخاذ القرار

الأتمتة دون فقدان السيطرة

  • النطاق الموكل إلى الوكيل والإجراءات المسموح بها
  • تنسيق الاستدعاءات للنماذج والأدوات
  • تتبّع القرارات وتسجيل الإجراءات
  • ضوابط الحماية (Guardrails) والتحقق البشري والإيقاف الطارئ

لمن هذا البرنامج

علماء البيانات · مهندسو التعلّم الآلي (Machine Learning Engineers) · المعماريون وقادة فرق البيانات المسؤولون عن نقل النماذج إلى بيئة الإنتاج.

المتطلبات المسبقة

خبرة عملية في النمذجة والتطوير بلغة Python إضافة إلى أساسيات النشر باستخدام الحاويات (Containers).

المواعيد والمواقع

36 موعدًا مجدولًا بين نوفمبر 2026 وديسمبر 2027. تُؤكَّد المقاعد حسب ترتيب ورود الطلبات.

نوفمبر 2026

ديسمبر 2026

يناير 2027

فبراير 2027

مارس 2027

أبريل 2027

مايو 2027

يونيو 2027

سبتمبر 2027

أكتوبر 2027

نوفمبر 2027

ديسمبر 2027

لا يناسبكم أيٌّ من هذه المواعيد؟ نفتح دورات إضافية عند الطلب، ويمكن تنفيذ أي برنامج بشكل خاص لفريقكم.

التفاصيل العملية

قبل البرنامج
استبيان تحديد المستوى عبر الإنترنت. تُرسَل أهداف التطوير الخاصة بك إلى المدرب الذي يكيّف الحالات التطبيقية بما يتناسب مع بيئة عملك.
أساليب التدريب
مفاهيم نظرية وورش عمل وحالات تطبيقية. تُقدَّم مواد تدريبية رقمية وبطاقات منهجية.
التقييم
أسئلة اختيار من متعدد وتمارين محاكاة واقعية. تقييم المكتسبات في بداية البرنامج ونهايته، مع تقييم فوري وآخر بعد 60 يومًا.
بعد البرنامج
سنة كاملة من الوصول إلى منصة التعلم الإلكتروني. تقييم ذاتي للمهارات المكتسبة وجلسة متابعة بعد 30 يومًا مع المدرب.
طريقة التسجيل
التسجيل إلكترونيًا أو بناءً على عرض سعر.
مهلة الالتحاق
11 يوم عمل بعد تأكيد التسجيل.
إمكانية الوصول
البرنامج متاح لأصحاب الهمم (أصحاب الاحتياجات الخاصة). يُرجى التواصل مع مسؤول الدعم والتهيئة لدينا لتصميم حل مناسب لاحتياجاتكم: contact@mpf-academy.ae
مواعيد البدء
التحاق مستمر: إضافةً إلى الدورات المجدولة، يمكن بدء هذا البرنامج عند الطلب.