دبلوم علم البيانات والذكاء الاصطناعي هو عبارة عن برنامج لمدة عامين يقوم بتزويد الخريجين بالمعرفة والمهارات والكفاءات اللازمة للحصول على وظيفة في مجال علم البيانات والذكاء الاصطناعي. وبعد الانتهاء من هذا البرنامج العملي، سوف يمتلك الخريجون أساسيات تكنولوجيا المعلومات ،وكذلك لغات البرمجة وتحليل البيانات والتصور والتعلم الآلي وتقنيات الويب المستخدمة حاليًا في هذا المجال.
يتميز برنامج الدبلوم في علم البيانات والذكاء الاصطناعي بما يلي:
- بناء أساس قوي في مجال تحليل البيانات والتعلم الآلي.
- إعداد الخريجين ليكونوا قادرين على التكيف مع التغيرات في صناعة الحوسبة.
- التوافق مع احتياجات صناعة الحوسبة.
- دمج الخبرات التطبيقية الواقعية في التعلم.
- التوافق مع المتطلبات الدولية للهيئات المهنية الرائدة.
سوف يكون الخريجون في وضع جيد لتنفيذ والمحافظة على تحليلات البيانات داخل بيئات الأعمال والحوسبة. ويكتسب الطلاب التدريب العملي في التعلم التجريبي من خلال الواجبات التطبيقية والتنسيب الوظيفي لمدة 9 أسابيع في مجال البيانات والذكاء الاصطناعي. ويكون خريجو برنامج الدبلوم في علم البيانات والذكاء الاصطناعي مؤهلين للالتحاق بالسنة الثالثة من بكالوريوس العلوم التطبيقية في علم البيانات والذكاء الاصطناعي (B.A.Sc. DSAI).
شروط القبول
شهادة التخرج من الثانوية العامة أو ما يعادلها مصدقة من وزارة التربية والتعليم العالي بمعدل لا يقل عن 60%، بالإضافة إلى مقررين: سنة أخيرة في الرياضيات، وسنة أخيرة في العلوم (بيولوجي، فيزياء، كيمياء) أو التكنولوجيا (الخوارزميات أو البرمجة أو الشبكات أو علوم الكمبيوتر، أو ما يعادلها).
أو
دبلوم متقدم في تكنولوجيا المعلومات لمدة عام واحد من جامعة الدوحة للعلوم والتكنولوجيا، أو ما يعادله.
الدرجة المطلوبة في اختبار تحديد مستوى اللغة الإنجليزية بالجامعة أو درجة النجاح في اختبار آخر للغة الإنجليزية معترف به دوليًا، والذي تم التحقق من صحته من قبل إدارة القبول والتسجيل.
أو
نموذج تقرير اختبار IELTS الأكاديمي سارٍ (خلال عامين) بمجموع كلي 5.0 مع عدم وجود درجة في العناصر الفردية لمجموعة (القراءة والكتابة والتحدث والاستماع) أقل من 5.0.
أو
إكمال متطلبات البرنامج التأسيسي بنجاح.
يجب الحصول على الدرجة المطلوبة في اختبار تحديد المستوى في الرياضيات بالجامعة.
أو
نموذج تقرير SAT سارٍ بدرجة لا تقل عن 480.
القبول تنافسي، حيث يتم تصنيف المتقدمين المؤهلين بناء على نسبة السنة النهائية الكلية (الصف 12 أو ما يعادله) بالمدرسة الثانوية، وتصنيفات اختبارات تحديد المستوى، وفئة أولوية القبول.
خطة الدرجة العملية والمواد الدراسية
| COURSE NUMBER |
COURSE TITLE | PRE | CO | HOURS/WEEK | ||
|---|---|---|---|---|---|---|
| CR | LEC | LAB | ||||
| SEMESTER 1 | ||||||
| INFS1101 | Introduction to Computing & Problem Solving | - | - | 3 | 2 |
3 |
|
COMM1010 |
English Communication I |
- | - | 3 | 3 | 0 |
| INFT1201 | Computer Hardware | - | - | 4 | 3 | 3 |
|
EFFL1001 OR EFFL1002 |
Effective Learning Applied & Experiential Learning |
- | - | 3 | 3 | 0 |
| Semester 1 Total | 13 | 11 | 6 | |||
| SEMESTER 2 | ||||||
| COMM1020 | English Communication II | COMM1010 | - | 3 | 3 | 0 |
|
MATH1030 OR MATH1050 |
Calculus I
Linear Algebra |
- | - | 3 | 3 | 0 |
| INFS1201 | Computer Programming | INFS1101 | - | 4 | 3 | 3 |
| INFT2101 | Networking I | INFT1201 | - | 4 | 3 | 3 |
| Semester 2 Total | 14 | 12 | 6 | |||
| SEMESTER 3 | ||||||
| DSAI2201 | Introduction to Data Science & AI | INFS1201 | - | 3 | 2 | 3 |
| INFS2101 | Web Technologies I | INFS1201 | - | 3 | 2 | 3 |
| Semester 3 Total | 6 | 4 | 6 | |||
| Year 1 Total | 33 | 27 | 18 | |||
| COURSE NUMBER |
COURSE TITLE | PRE | CO | HOURS/WEEK | ||
|---|---|---|---|---|---|---|
| CR | LEC | LAB | ||||
| SEMESTER 1 | ||||||
| MATH1040 | Statistics | - | - | 3 | 3 |
1 |
| INFS2201 | Database Management Systems | - | - | 3 | 2 | 3 |
| INFS3102 | Object Oriented Programming | INFS1201 | - | 3 | 2 | 3 |
| DSAI3301 | Data Analysis & Visualization | DSAI2201 | - | 3 | 2 | 3 |
| Semester 1 Total | 12 | 9 | 10 | |||
| SEMESTER 2 | ||||||
| INFS3201 | Web Technologies II | INFS2101 | - | 3 | 2 | 3 |
| DSAI3201 | Machine Learning | INFS3102 | - | 3 | 2 | 3 |
| DSAI3204 | IoT Application Development | INFS3102 | - | 3 | 2 | 3 |
| DSAI4103 | Advanced Business Analytics |
DSAI3301 MATH1040 |
- | 3 | 2 | 3 |
| Semester 2 Total | 12 | 8 | 12 | |||
| SEMESTER 3 | ||||||
| COMP2301 | Work Placement | All prior diploma courses | - | 9 | 0 | 40 |
| Semester 3 Total | 9 | 0 | 40 | |||
| Year 2 Total | 33 | 17 | 62 | |||
الفرص الوظيفية
هناك نطاق واسع من الفرص الوظيفية الموجودة حاليا في هذا المجال وتشمل ما يلي على سبيل المثال لا الحصر:
| اختصاصي بيانات وذكاء اصطناعي | مراقب أنظمة – دعم بيانات | دعم الذكاء الاصطناعي – القطاع الطبي |
| مساعد المبيعات والخدمات – قطاع الذكاء الاصطناعي | محلل ذكاء الأعمال | دعم مهندس المبيعات الفني للبيانات والذكاء الاصطناعي |
| دعم هندسة التعلم الآلي | دعم مهندس الحلول السحابية – البيانات والذكاء الاصطناعي | مسؤول علم البيانات |