بكالوريوس العلوم في علم البيانات والذكاء الاصطناعي (B.Sc. DSAI) هو برنامج مدته أربع سنوات يزود الطلبة بالمعرفة والمهارات التطبيقية اللازمة لمهن مجال علم البيانات والذكاء الاصطناعي (DSAI). يشمل البرنامج على مقررات تكنولوجيا المعلومات التأسيسية (IT) ،والتي ستمكّن الخريجين إلى جانب المقررات الأخرى من فهم سياق تكنولوجيا المعلومات (IT) والمساهمة فيه حيث يتم تنفيذ الوظائف المرتبطة بعلوم البيانات والذكاء الاصطناعي (A1).
يطور الطلبة مهارات للإستفادة من الذكاء الاصطناعي في جمع البيانات وتحليلها وتفسيرها لإتخاذ القرارات التي يمكن تطبيقها في أي مجال. يتم دعم ذلك من خلال تقنيات علوم البيانات التي تقدم للطلبة فهماً قوياً لإستراتيجيات إدارة البيانات. تساعد هذه المهارات من خلال التدريب العملي الوظيفي ومشروع التخرج في إعداد الخريجين لبدء مسيرتهم المهنية في مجال تكنولوجيا المعلومات المعاصرة وعلم البيانات والذكاء الاصطناعي.
مدة البرنامج
أربع سنوات
متطلبات القبول
- شهادة التخرج من المدرسة الثانوية أو ما يعادلها – مصدقة من وزارة التربية والتعليم والتعليم العالي بمعدل لا يقل عن 60 ٪ ، بالإضافة إلىمقررين :سنة أخيرة في الرياضيات ، وسنة أخيرة في العلوم (علم الأحياء ، والفيزياء ، والكيمياء) أو التكنولوجيا ( الخوارزميات أو البرمجة أو الشبكات أو علوم الكمبيوتر أو ما يعادلها).
أو
- الدبلوم في تكنولوجيا المعلومات مدته سنتان، أو ما يعادله - مصدقة من وزارة التربية والتعليم والتعليم العالي.
أو
- دبلوم متقدم في تكنولوجيا المعلومات مدته سنة من كلية شمال الأطلنطي، أو ما يعادله.
- الدرجة المطلوبة في اختبار الرياضيات بالجامعة أو درجة النجاح من اختبار آخر للغة الإنجليزية معترف به دوليا ، كما تم التحقق من صحته من قبل قسم القبول والتسجيل.
أو
- نموذج تقرير اختبار IELTS الأكاديمي ساري المفعول (خلال سنتان) بمعدل إجمالي 5.0 مع عدم وجود درجة أقل من 5.0 في العناصر الفردية لمجموعات (القراءة، الكتابة، التحدث والاستماع).
أو
- يتطلب إكمال البرنامج التأسيسي بنجاح.
- يجب أن يحقق الدرجة المطلوبة في اختبار تحديد مستوى الرياضيات بالجامعة.
أو
- نموذج تقرير SAT صالح بدرجة لا تقل عن 480.
أو
- إكمال متطلبات البرنامج التأسيسي بنجاح .
القبول تنافسي. يتم تصنيف المتقدمين المؤهلين بناء على النسبة المئوية للمدرسة الثانوية الإجمالية (Grade 12 أو ما يعادلها) للعام النهائي (Grade 12 أو ما يعادلها) ، وتصنيفات اختبارات تحديد المستوى ، وفئة أولوية القبول.
خطة الدراسية للعام 2024-2025
| COURSE NUMBER |
COURSE TITLE | requisite | HOURS/WEEK | |||
|---|---|---|---|---|---|---|
| PRE-req | CO-req | CR | LEC | LAB | ||
| SEMESTER 1 | ||||||
| COMM1010 | English Communication I | 3 | 3 | 0 | ||
| INFS1101 | Intro to Computing & Problem Solving | - | - | 3 | 2 | 3 |
|
MATH1030 |
Calculus I |
MATH1020 OR Minimum score on UDST Math Placement Test | - | 3 | 3 | 0 |
| Effective & Experiential Learning Elective: Select 1 of 2 | ||||||
|
EFFL1001 |
Effective Learning |
- | - | 3 | 3 | 0 |
| EFFL1002 | Applied & Experiential Learning | - | - | 3 | 3 | 0 |
| Semester 1 Total: | 12 | 11 | 3 | |||
| SEMESTER 2 | ||||||
| COMM1020 | English Communication II | COMM1010 | - | 3 | 3 | 0 |
| INFS1201 | Computer Programming | INFS1101 | - | 4 | 3 | 3 |
| INFT1201 | Computer Hardware | - | 4 | 3 | 3 | |
| MATH1040 | Statistics | - | - | 3 | 3 | 1 |
| Semester 2 Total: | 14 | 12 | 7 | |||
| SEMESTER 3 | ||||||
|
INFS1301 |
Computing Ethics & Society |
- | - | 3 | 3 | 0 |
| Elective: Select 1 of 2 | ||||||
|
SCIE1001 |
Science & Its Applications |
- | - | 3 | 3 | 0 |
| SCIE1002 | Science & the Environment | - | - | 3 | 3 | 0 |
| Semester 3 Total: | 6 | 6 | 0 | |||
| Year 1 Total: | 32 | 29 | 10 | |||
| COURSE NUMBER |
COURSE TITLE | requisite | HOURS/WEEK | |||
|---|---|---|---|---|---|---|
| PRE-req | CO-req | CR | LEC | LAB | ||
| SEMESTER 4 | ||||||
| DACS2101 | Discrete Structures | INFS1101 | - | 3 | 2 |
3 |
| INFS2101 | Web Technologies I | INFS1201 | - | 3 | 2 | 3 |
| INFT2101 | Networking I | INFT1201 | - | 4 | 3 | 3 |
| MATH1050 | Linear Algebra | - | - | 3 | 3 | 1 |
| Semester 4 Total: | 13 | 10 | 10 | |||
| SEMESTER 5 | ||||||
| DACS2201 | Introduction to Data and Cyber Security | INFT2101 | - | 3 | 2 | 3 |
| DSAI2201 | Introduction to Data Science & AI | INFS1201 | - | 3 | 2 | 3 |
| INFT2201 | Introduction to Operating Systems |
INFS1201 INFT1201 |
- | 3 | 2 | 3 |
| INFS2201 | Database Management Systems | INFS1101 | - | 3 | 2 | 3 |
| Semester 5 Total: | 12 | 8 | 12 | |||
| SEMESTER 6 | ||||||
| BUSG2002 | Project Management | - | - | 3 | 3 | 0 |
| COURSE LIST – SELECT 1 OF 6 | ||||||
| SSHA1001 | Islamic & Arab Civilization | - | - | 3 | 3 | 0 |
| SSHA1002 | Introduction to Sociology | - | - | 3 | 3 | 0 |
| SSHA1003 | Introductory Psychology | - | - | 3 | 3 | 0 |
| SSHA1004 | Ethical Reasoning | - | - | 3 | 3 | 0 |
| SSHA1005 | Law & Society | - | - | 3 | 3 | 0 |
| SSHA1006 | Introduction to the Arts | - | - | 3 | 3 | 0 |
| Semester 6 Total: | 6 | 6 | 0 | |||
| Year 2 Total: | 31 | 24 | 22 | |||
| COURSE NUMBER |
COURSE TITLE | requisite | HOURS/WEEK | ||||||
|---|---|---|---|---|---|---|---|---|---|
| PRE-req | co-req | CR | LEC | LAB | |||||
| SEMESTER 7 | |||||||||
| INFS3102 | Object Oriented Programming | INFS1201 | - | 3 | 2 | 3 | |||
| INFS3104 | Data Structures & Algorithms |
INFS1201 & DACS2101 |
- | 3 | 2 | 3 | |||
| INFS3201 | Web Technologies II | INFS2101 | - | 3 | 2 | 3 | |||
| Global Awareness & Regional Challenges Elective: Select 1 of 4 | |||||||||
| ECON1001 | Global Economic Concepts | - | - | 3 | 3 | 0 | |||
| GARC1001 | Qatar History & Society | - | - | 3 | 3 | 0 | |||
| GARC2001 | Human Development in Qatar | - | - | 3 | 3 | 0 | |||
| GARC2002 | Globalization & Environment | - | - | 3 | 3 | 0 | |||
| Semester 7 Total: | 12 | 9 | 9 | ||||||
| SEMESTER 8 | |||||||||
| DSAI3201 | Machine Learning | INFS3102 MATH1030 MATH1050 |
- | 3 | 2 | 3 | |||
| DSAI3202 | Parallel & Distributed Computing | INFS3104 | - | 3 | 2 | 3 | |||
| DSAI3203 | Fundamentals of AI | DACS2101 | - | 3 | 2 | 3 | |||
| DSAI3204 | IoT Application Development | INFS3201 | - | 3 | 2 | 3 | |||
| Semester 8 Total: | 12 | 8 | 12 | ||||||
| SEMESTER 9 | |||||||||
| DSAI3301 | Data Analysis & Visualization | DSAI2201 MATH1040 |
- | 3 | 2 | 3 | |||
| Global Awareness & Regional Challenges Elective: Select 1 of 4 | |||||||||
| ECON1001 | Global Economic Concepts | - | - | 3 | 3 | 0 | |||
| GARC1001 | Qatar History & Society | - | - | 3 | 3 | 0 | |||
| GARC2001 | Human Development | - | - | 3 | 3 | 0 | |||
| GARC2002 | Globalization & Environment | - | - | 3 | 3 | 0 | |||
| Semester 9 Total: | 6 | 5 | 3 | ||||||
| Year 3 Total: | 30 | 22 | 24 | ||||||
| COURSE NUMBER |
COURSE TITLE | requisite | HOURS/WEEK | |||
|---|---|---|---|---|---|---|
| PRE-req | CO-req | CR | LEC | LAB | ||
| SEMESTER 10 | ||||||
| COMP4101 | Practicum | Min 80 Credits | - | 3 | 1 | 6 |
| DSAI4101 | Applied Deep Learning & Neural Network | DSAI3201 | - | 3 | 2 |
3 |
| DSAI4104 | Fundamentals of IoT | INFT2101 | - | 3 | 2 | 3 |
| Elective: Select 1 of 2 | ||||||
| DSAI4102 | Applied Data Mining |
DSAI3201 |
- | 3 | 2 | 3 |
| DSAI4106 | Embedded Systems & IoT | INFT2101 | - | 3 | 2 | 3 |
| Semester 10 Total: | 12 | 7 | 15 | |||
| SEMESTER 11 | ||||||
| COMP4201 | Capstone Project | COMP4101 | - | 3 | 0 | 6 |
| DSAI4103 | Advanced Business Analytics | MATH1040 DSAI3301 |
- | 3 | 2 | 3 |
| Elective: Select 2 of 4 | ||||||
| DACS4203 | IoT & OT Hacking | DACS2201 INFS3102 |
- | 3 | 0 | 6 |
| DSAI4201 | Selected Topics in Data Science | DSAI4101 | - | 3 | 2 | 3 |
| DSAI4202 | Information Retrieval | DSAI3201 | - | 3 | 2 | 3 |
| DSAI4205 | Autonomous IoT | DSAI3202 | - | 3 | 2 | 3 |
| Semester 11 Total: | 12 | 6 | 15 | |||
| SEMESTER 12 | ||||||
| COMP4301 | Work Placement | COMP4201 | - | 9 | 0 | 40 |
| Semester 12 Total: | 9 | 0 | 40 | |||
| Year 4 Total: | 33 | 13 | 70 | |||
| B.Sc. DSA Program Total: | 126 | 88 | 126 | |||
المسارات المستقبلية للخريجين
يمكن لخريجي بكالوريوس العلوم في علم البيانات والذكاء الاصطناعي (B.Sc. DSAI) اأو متابعة الدراسات العليا في مجالهم
الفرص الوظيفية للخريجين
بكالوريوس العلوم في علم البيانات والذكاء الاصطناعي (B.Sc. DSAI) هو برنامج تطبيقي يقدم نتائج تعلمية مرتبطة ارتباطا وثيقا بسوق العمل. توجد حاليا مجموعة واسعة من الفرص الوظيفية في هذا المجال ، وتشمل على سبيل المثال لا الحصر ما يلي:
- محلل تنقيب البيانات.
- مهندس الذكاء الاصطناعي.
- محلل أعمال.
- متخصص في البيانات الضخمة.
- مصمم نظم الذكاء الاصطناعي.
- متخصص في التعلم الآلي.
- مطور ذكاء الأعمال.
- عالم بيانات.
- مدرب علوم البيانات.