پرش به محتوای اصلی
ریاضی و فنیزیرگروه فناوری و مهندسی پیشرفتهکارشناسی (4 ساله)اشتغال مرتبط: 51٪ • رضایت 4 از ۵تأییدشده بر اساس سرفصل‌های رسمی وزارت علوم

مهندسی هوش مصنوعی و علم داده

Artificial Intelligence & Data Engineering

مغزهای متفکر الگوریتمی؛ شبکه‌های عصبی عمیق، پردازش زبان طبیعی، بینایی ماشین و بیگ‌دیتا

مهندسی هوش مصنوعی و داده‌ها از جدیدترین رشته‌های مقطع کارشناسی است که به ساخت مدل‌های یادگیری عمیق، مدل‌های زبانی بزرگ (LLM)، سیستم‌های توصیه‌گر، بینایی ماشین و ربات‌های تصمیم‌گیرنده خودکار می‌پردازد. این رشته مهندسان آینده را برای رهبری انقلاب هوش مصنوعی مجهز می‌سازد.

طول دوره استاندارد

4 سال (۸ نیم‌سال)

مقطع تحصیلی

کارشناسی

دانشگاه‌های کشور

6+ دانشگاه ممتاز

گرایش‌های ارشد

4 شاخه تخصصی

واحدهای عمومی

22 واحد مصوب

تاریخچه، خاستگاه و سیر تحول

بررسی تطبیقی چگونگی شکل‌گیری این رشته در تمدن بشری و پیشینه ورود آن به آموزش عالی ایران

سیر تحول در جهان

هوش مصنوعی با کنفرانس تاریخی دارتموث در سال ۱۹۵۶ پایه‌گذاری شد. پس از عبور از دو دوره زمستان هوش مصنوعی، با انقلاب یادگیری عمیق در سال ۲۰۱۲ و پیدایش مدل‌های زبانی بزرگ (مانند ترنسفورمرها و ChatGPT در سال‌های ۲۰۱۷ تا ۲۰۲۳)، هوش مصنوعی به پیشران تمدن بشری ارتقا یافت.

مبتنی بر اسناد تاریخی، دانشنامه‌ها و مراجع آکادمیک بین‌المللی

پیشینه و تکوین در ایران

ایران در دهه‌های اخیر با حضور اساتید برجسته در دانشگاه صنعتی شریف، تهران، امیرکبیر و شهید بهشتی قطب‌های مقتدری در یادگیری ماشین و پردازش تصویر ایجاد کرد. با تصویب وزارت علوم در سال‌های اخیر، دوره کارشناسی مستقل هوش مصنوعی و علم داده برای تأمین نخبگان عصر دیجیتال تأسیس شد.

روایت آموزش عالی از دارالفنون، دانشگاه تهران و دانشگاه‌های مادر کشور

آنچه باید بیاموزید: پیش‌نیازها، مهارت‌ها و ابزارها

نقشه راه تسلط، ویژگی‌های فردی ضروری و جعبه‌ابزار تخصصی که در بازار کار نیاز خواهید داشت

پیش‌نیازها و ویژگی‌های شخصیتی موردنیاز قبل از ورود

پایه بسیار قدرتمند در جبر خطی، نظریه ماتریس‌ها، احتمال و بهینه‌سازی ریاضی
تسلط عمیق بر تفکر الگوریتمی و برنامه‌نویسی پایتون
علاقه شدید به مدل‌سازی نحوه یادگیری مغز انسان و خودکارسازی تصمیم‌گیری

مهارت‌های بنیادین و شایستگی‌هایی که در طول تحصیل کسب می‌کنید

طراحی و آموزش شبکه‌های عصبی عمیق (CNN, RNN, Transformers)
پردازش و پیش‌پردازش کلان‌داده‌ها و طراحی خطوط لوله داده (ETL Pipelines)
پیاده‌سازی الگوریتم‌های پردازش تصویر (بینایی ماشین) و پردازش متن (NLP)
استقرار و بهینه‌سازی مدل‌های هوش مصنوعی در سرورهای ابری (MLOps)

نرم‌افزارهای تخصصی و فناوری‌های صنعتی این رشته (Tech Stack)

تسلط بر این نرم‌افزارها مزیت رقابتی اصلی شما را در رزومه و مصاحبه‌های استخدامی رقم خواهد زد:

PythonPyTorchTensorFlowHugging FaceSQLDockerApache SparkGitLinuxCUDA

ساختار چارت درسی و تفکیک سرفصل‌ها

دسته‌بندی موضوعی واحدهای درسی از دروس پایه تا تخصصی‌ترین مباحث و کارگاه‌های عملی

واحدهای عمومی دوره کارشناسی

شامل معارف اسلامی، زبان فارسی، زبان عمومی و تربیت بدنی

22 واحد مصوب

دروس پایه (زیربنای علمی و نظری)

ریاضی عمومی ۱ و ۲
معادلات دیفرانسیل
جبر خطی عددی
مبانی احتمال و آمار مهندسی
مبانی کامپیوتر

دروس اصلی (شاکله و مفاهیم بنیادین رشته)

برنامه‌سازی پیشرفته
ساختمان داده‌ها و الگوریتم‌ها
مبانی هوش مصنوعی
پایگاه داده‌ها و کلان‌داده
سیستم‌های عامل
آمار استنباطی

دروس تخصصی (حوزه‌های کاربردی و انتخابی)

یادگیری ماشین
یادگیری عمیق
پردازش زبان طبیعی (NLP)
بینایی ماشین
مهندسی داده‌های بزرگ
اخلاق و حاکمیت در هوش مصنوعی
عملیات یادگیری ماشین (MLOps)

کارگاه‌ها، آزمایشگاه‌ها و دوره‌های عملی/کارورزی

کارگاه پایتون برای داده‌ورزی
آزمایشگاه سیستم‌های یادگیری عمیق بر بستر GPU
پروژه مهندسی داده
کارآموزی در شرکت‌های هوش مصنوعی
پروژه پایانی کارشناسی

مزایا و چالش‌های واقع‌بینانه رشته

نگاهی نقادانه و بدون تعارف به نقاط قوت و چالش‌های دشوار این مسیر تحصیلی و شغلی

مزایا و نقاط قوت

  • پیشگامی در نوآورانه‌ترین حوزه علمی قرن حاضر که تمام علوم دیگر را متحول می‌کند
  • درآمدهای خیره‌کننده و پتانسیل فوق‌العاده برای دورکاری دلاری از داخل کشور
  • پذیرش‌های پژوهشی تحصیلی با رقابتی‌ترین فاندها در برترین دانشگاه‌های دنیا

چالش‌ها و سختی‌های راه

  • سرعت باورنکردنی تغییر مقالات و ابزارها که احساس عقب‌ماندگی مداوم ایجاد می‌کند
  • نیاز به منابع سخت‌افزاری بسیار گران‌قیمت (کارت‌های گرافیک قدرتمند سروری)
  • مسائل اخلاقی پیچیده و چالش‌های حقوقی کپی‌رایت و سوگیری داده‌ها

گرایش‌های مقاطع بالاتر (کارشناسی ارشد و دکتری تخصصی)

مسیرهای ادامه تحصیل، تحقیقات مرز دانش و جهت‌گیری‌های تخصصی در مقاطع تکمیلی

1

هوش مصنوعی و یادگیری عمیق

معماری مدل‌های مولد (Generative AI)، یادگیری تقویتی عمیق و رباتیک شناختی.

2

پردازش زبان طبیعی (NLP)

مدل‌های بزرگ زبانی (LLMs)، ترجمه ماشینی خودکار و خلاصه‌سازی متون.

3

بینایی ماشین و سامانه‌های چندرسانه‌ای

بازشناسی چهره، بینایی خودروهای خودران و واقعیت افزوده/مجازی.

4

کلان‌داده و سیستم‌های توزیع‌شده داده

محاسبات توزیع‌شده ابری، پایگاه‌های داده گراف و پردازش بلادرنگ جریان داده.

شاخص‌های تجربی اشتغال و رضایت فارغ‌التحصیلان

بررسی داده‌محور موقعیت حرفه‌ای مهندسی هوش مصنوعی و علم داده بر پایهٔ گزارش سراسری بازار کار ۱۴۰۵ (۲,۴۰۰,۰۰۰ رزومه و ۱۰۰,۰۰۰ نظرسنجی از دانش‌آموختگان شاغل)

دیده‌بان اشتغال و رضایت تحصیلی
اشتغال در شغل مرتبط

51٪

رتبه 2 کشوری

رضایت فارغ‌التحصیلان

4از ۵

رتبه 1 رضایت شغلی

افق تقاضای بازار کار

عالی

پتانسیل بالای جذب در صنعت

دسته‌بندی تحلیلی

اشتغال پرتقاضا و رضایت بالا

همگرایی انگیزه تحصیلی، فرصت‌های شغلی گسترده و جذب پایدار در بازار کار

مهندسی کامپیوتر در گزارش ملی ۱۴۰۵ با کسب رضایت ۴.۰ از ۵ و میانگین حقوق ورودی ۳۹.۷ میلیون تومان در ۳ سال اول (رسیدن به ۵۲.۲ میلیون در ارشد و ۹۲.۸ میلیون در دکتری)، پرتقاضاترین رشته کل کشور در اکوسیستم فناوری است.

نمره رضایت تفکیکی فارغ‌التحصیلان (از ۵)

سنجش رضایت شاغلین در سه مؤلفه کلیدی

بازار کار و فراوانی فرصت‌های شغلی4 از ۵
تناسب موقعیت‌های شغلی با انگیزه و علاقه فردی4 از ۵
کاربرد عملی مهارت‌ها و ابزارهای آموخته‌شده3.7 از ۵
نمونه آماری پایش‌شده در این رشته: 7,646 فارغ‌التحصیل رسمی.

مسیر ارتقا و نقش‌های شغلی در مقاطع مختلف

جایگاه تخصصی و مسئولیت‌های حرفه‌ای دانش‌آموختگان

مقطع کارشناسی (پایه ورود)ورود به صنعت

توسعه نرم‌افزار، برنامه‌نویسی وب/موبایل و پشتیبانی شبکه (میانگین حقوق ورودی ۳۹.۷ میلیون تومان)

کارشناسی ارشد (تخصص و ارتقا)رشد حرفه‌ای

مدیریت فنی، معماری سیستم‌های توزیع‌شده، دواپس و سرپرستی فنی (میانگین حقوق ۵۲.۲ میلیون تومان)

دکتری تخصصی (تحقیق، راهبری و تدریس)مراتب ارشد

راهبری هوش مصنوعی، یادگیری عمیق، پردازش کلان‌داده و تدریس آکادمیک (میانگین حقوق ۹۲.۸ میلیون تومان)

توزیع نقش‌های شغلی فارغ‌التحصیلان مهندسی هوش مصنوعی و علم داده در بازار کار ایران

بیشترین موقعیت‌های شغلی جذب‌کننده دانش‌آموختگان این رشته در شرکت‌ها و سازمان‌های کشور

1
توسعه نرم‌افزار و برنامه‌نویسی
29٪
2
پشتیبانی سخت‌افزار، شبکه و DevOps
10٪
3
هوش مصنوعی و علوم داده
8٪
4
تدریس و آموزش تخصصی
5٪
5
برنامه‌ریزی، استراتژی و توسعه کسب‌وکار
5٪
6
سایر حوزه‌های فنی و فناوری اطلاعات
43٪

برترین دانشگاه‌های ارائه‌دهنده، وضعیت اشتغال و رتبه‌های قبولی کنکور

مقایسه عملکرد دانشگاه‌ها در اشتغال مرتبط و آخرین قبولی‌های مناطق ۱، ۲ و ۳ کنکور

دانشگاهاشتغال مرتبطافق بازار کارقبولی منطقه ۱قبولی منطقه ۲قبولی منطقه ۳ظرفیت
دانشگاه صنعتی شریف55٪بسیار بالا1-501-5050-10097 نفر
دانشگاه تهران58٪بسیار بالا50-100100-200100-200170 نفر
دانشگاه علم و صنعت ایران63٪بسیار بالا100-200200-300300-400145 نفر
دانشگاه صنعتی امیرکبیر58٪بسیار بالا50-100100-200200-30090 نفر
دانشگاه شهید بهشتی59٪بسیار بالا200-300400-600600-80060 نفر
دانشگاه صنعتی خواجه نصیرالدین طوسی49٪بسیار بالا300-400400-6001000-1500100 نفر
دانشگاه علامه طباطبائی37٪بسیار بالا400-600800-10001000-150015 نفر
دانشگاه فردوسی مشهد55٪بسیار بالا300-4001000-15001500-200057 نفر
دانشگاه خوارزمی تهران55٪بالا800-10001000-15002000-300075 نفر
پایش کشوری بر پایهٔ گزارش بازار کار ۱۴۰۵منبع این مقاله هست

محیط کاری، فرصت‌های داخلی و چشم‌انداز بین‌المللی

تحلیل کیفی شرایط اشتغال، محیط‌های کاری، بازار داخلی و فرصت‌های فرامرزی

محیط کار و فضای شغلی

شرکت‌های پیشرو فناوری، آزمایشگاه‌های تحقیق و توسعه (R&D)، استارتاپ‌های هوش مصنوعی مولد، بانک‌ها و مراکز درمانی هوشمند.

بازار کار در ایران

بالاترین سطح دستمزد و رقابت استخدامی برای مهندسان هوش مصنوعی در ایران؛ نیاز مبرم پلتفرم‌های اینترنتی، فین‌تک‌ها و صنایع خودروسازی به متخصصان یادگیری ماشین.

فرصت‌های بین‌المللی و مهاجرت

داغ‌ترین و پردرآمدترین تخصص در بازار کار جهانی با بیشترین بودجه‌های استخدامی دلاری در آمریکا، کانادا و اروپا و امکان دورکاری تمام‌وقت بین‌المللی.

عناوین شغلی رایج فارغ‌التحصیلان

مهندس یادگیری ماشین (Machine Learning Engineer)
دانشمند داده (Data Scientist) در پلتفرم‌های فین‌تک، سلامت و بازاریابی
متخصص پردازش زبان طبیعی و توسعه مدل‌های زبانی
مهندس بینایی ماشین در خودروهای خودران و سامانه‌های نظارتی
معمار داده‌های کلان (Big Data Architect)
پژوهشگر هوش مصنوعی در آزمایشگاه‌های تحقیق و توسعه (R&D)

دسترسی به تمام رشته‌های دانشگاهی و مقایسه هوشمند

می‌توانید سرفصل‌ها، رتبه‌های قبولی و شاخص‌های اشتغال سایر رشته‌های تحصیلی را در دانشنامه جامع علامه دهر جستجو و مقایسه نمایید.