دوره ی DBA با گرایش هوش مصنوعی (AI)
دوره DBA با گرایش هوش مصنوعی (AI) برای رهبران کسبوکار و متخصصانی طراحی شده است که میخواهند از ظرفیت تحولآفرین هوش مصنوعی در سازمانها بهره بگیرند. این برنامه با ارائه درکی جامع از مفاهیم، ابزارها و کاربردهای هوش مصنوعی در کنار استراتژیهای پیشرفته کسبوکار، به شرکتکنندگان کمک میکند تا تصمیمگیریهای راهبردی مؤثرتری داشته باشند.
در این دوره موضوعاتی مانند یادگیری ماشینی، تحلیل دادهها و ملاحظات اخلاقی استفاده از هوش مصنوعی بررسی میشود و دانشپذیران از طریق مطالعات موردی و پروژههای عملی با کاربردهای واقعی آن در کسبوکار آشنا میشوند. تمرکز این برنامه علاوه بر مهارتهای فنی، بر تقویت رهبری، تفکر سیستمی و استراتژیک برای هدایت نوآوری و تغییر سازمانی است.
فارغالتحصیلان این دوره قادر خواهند بود راهکارهای مبتنی بر هوش مصنوعی را برای افزایش بهرهوری سازمان، بهبود تجربه مشتری و ایجاد مزیت رقابتی در فضای دیجیتال به کار گیرند.
اهداف دوره DBA با گرایش هوش مصنوعی
Dual Orientation
هم پژوهشی (Academic) و هم کاربردی (Practical)
Industry Collaboration
پروژهها با سازمانهای واقعی
Global Benchmark
طراحی با الهام از: دانشگاه ها و بیزینس اسکول های معتبر جهانی
مزایای یادگیری از DBA AI
از مزایای یادگیری DBA AI میتوان به موارد زیر اشاره نمود:
- تصمیم سازی هوشمند با Ai
- ساخت سازمان هوشمند با اتوماسیون مبتنی بر Ai
- کشف فرصت های جدید کسب و کار با هوش مصنوعی
- تبدیل Ai به مزیت رقابتی سازمان
شناسنامه دوره
زبان برگزاری دوره: فارسی
شیوه برگزاری دوره: هم بهصورت حضوری و هم بهصورت آنلاین
مرکز برگزار کننده دوره: مدرسه عالی کسبوکار ماهان
طول مدت دوره:
مدت دوره 135 ساعت برای استاندارد و 150 ساعت برای E-Plus
میباشد که مشتمل بر ارائه ی پایان نامه خواهد بود.
- به مدت 27 هفته غیر تعطیل برای استاندارد (حدودا 7 ماه)
- به مدت 30 هفته برای E-Plus میباشد (حدودا 8 ماه)
مرکز اعطا کننده گواهینامه: مدرسه عالی کسبوکار ماهان
مخاطبان دوره DBA هوش مصنوعی در کسب و کار
- دارا بودن مدرک MBA AI از مدرسه کسب و کار ماهان (بدون نیاز به آزمون ورودی)
- دارا بودن مدرک کارشناسی ارشد (نیاز به قبولی در آزمون ورودی دوره ی DBA AI مدرسه AI ماهان)
- در صورت عدم پذیرش در آزمون ورودی متقاضیان میتوانند با گذراندن دوره ی جبرانی، فشرده 30 ساعته نسبت به ادامه تحصیل در این مقطع اقدام نمایند.
سرفصل های دوره DBA AI
- هوش مصنوعی در کسب و کار و آیندهپژوهی هوش مصنوعی
- مقدمهای بر هوش مصنوعی و تاریخچه آن
- کاربردهای هوش مصنوعی در صنایع مختلف
- آیندهپژوهی هوش مصنوعی: روندها، فرصتها و تهدیدها
- نقش هوش مصنوعی در تحول دیجیتال
- مطالعه موردی: شرکتهای پیشرو در استفاده از AI
- پردازش داده بزرگ، معماریهای توزیعشده، انتخاب ابزار
- مفاهیم کلیدی Big Data و معماریهای scalable
- معرفی ابزارهای مدرن: Hadoop، Spark، Kafka
- مقایسه ابزارها و انتخاب مناسب برای کسبوکار
- مدیریت دادههای حجیم در محیطهای ابری
- نمونهای از پیادهسازی یک pipeline داده
- آشنایی با زبان برنامهنویسی Python برای مدیران
- مفاهیم پایه برنامهنویسی بدون ورود به جزئیات فنی
- کتابخانههای کاربردی برای مدیران: Pandas، NumPy، Matplotlib
- تحلیل دادههای ساده با Python
- اتوماسیون وظایف ساده کسبوکار
- کار با فایلهای Excel و CSV
- تحول و تفکر استراتژیک پیشرفته با AI
- تدوین استراتژی سازمانی با استفاده از هوش مصنوعی
- تحلیل سناریو و شبیهسازی استراتژیک
- نقش AI در تصمیمگیریهای کلان
- مدلهای کسبوکار مبتنی بر هوش مصنوعی
- کارگاه طراحی نقشه راه تحول دیجیتال
5. معماریهای پایه و Generative AI
- آشنایی با مدلهای پایه (Foundation Models) و Transformer
- تولید محتوای متنی، تصویری و صوتی با AI
- fine-tuning مدلهای پیشآموخته
- اخلاق در هوش مصنوعی و مسئله سوگیری
- نمونههایی از ChatGPT، DALL·E، Midjourney
- بکارگیری API در کسب و کار
- مفهوم API و معماریهای مبتنی بر خدمات
- یکپارچهسازی سرویسهای خارجی با استفاده از API
- مدیریت API و امنیت آن
- نمونههایی از APIهای پرکاربرد: Google Cloud، OpenAI، Salesforce
- طراحی استراتژی API برای کسبوکار
- تجزیه و تحلیل کارکنان، پیشبینی ترک شغل، هوش منابع انسانی
- تحلیل دادههای پرسنلی با استفاده از AI
- مدلهای پیشبینی ترک خدمت کارکنان
- بهینهسازی جذب و نگهداری نیرو
- سنجش رضایت شغلی و تحلیل احساسات
- ابزارهای مدرن HR Analytics
- اتوماسیون فرآیندها با n8n
- معرفی n8n به عنوان یک ابزار اتوماسیون low-code
- طراحی فرآیندهای خودکار برای عملیات کسبوکار
- یکپارچهسازی با نرمافزارهای داخلی و خارجی
- نمونههایی از اتوماسیون در فروش، پشتیبانی، مالی
- مدیریت خطا و مانیتورینگ فرآیندها
- کاربرد AI در مدلسازی مالی، پیشبینی ریسک، الگوریتمهای سرمایهگذاری
- پیشبینی بازارهای مالی با هوش مصنوعی
- مدلسازی ریسک اعتباری و عملیاتی
- الگوریتمهای معاملاتی (Algorithmic Trading)
- کلاهبردارییابی (Fraud Detection)
- تحلیل صورتهای مالی با NLP
- آشنایی با محاسبات کوانتومی و تأثیر آن بر الگوریتمهای آینده
- مبانی مکانیک کوانتومی برای مدیران
- کامپیوترهای کوانتومی و تفاوت آن با کامپیوترهای کلاسیک
- کاربردهای کوانتوم در هوش مصنوعی و بهینهسازی
- نقش رهبری در عصر کوانتوم (Quantum Leadership)
- شرکتهای پیشگام و سرمایهگذاری در فناوری کوانتومی
- نورو لیدرشیپ، خلاقیت و مدلهای ذهنی
- علوم اعصاب و تصمیمگیری
- تکنیکهای تقویت خلاقیت فردی و سازمانی
- مدلهای ذهنی برای حل مسئله
- رهبری مبتنی on مغز (Brain-Based Leadership)
- کاربرد هوش مصنوعی در توسعه فردی و سازمانی
- مدیریت برند پیشرفته
- تحلیل رفتار مصرفکننده با هوش مصنوعی
- شخصیسازی تجربه مشتری (Personalization)
- مدیریت شهرت برند (Brand Reputation) با استفاده از AI
- بازاریابی مبتنی بر داده
- مطالعه موردی: برندهای هوشمند
- تحول دیجیتال، تجارت الکترونیک و فناوری اطلاعات
- نقشه راه تحول دیجیتال سازمان
- تجارت الکترونیک نسل جدید با AI
- مدیریت زیرساخت فناوری اطلاعات در عصر هوش مصنوعی
- امنیت سایبری و حریم خصوصی
نمونههای موفق از Amazon، Alibaba، Netflix
- مدیریت پروژههای هوش مصنوعی و ابزار یکپارچهسازی
- متدولوژیهای مدیریت پروژههای AI (مثل CRISP-DM)
- ابزارهای مدیریت پروژه: Jira، Trello، Asana
- یکپارچهسازی سیستمها و دادهها
- مدیریت تیمهای چندتخصصی (فنی و کسبوکار)
- ارزیابی موفقیت و ROI پروژههای هوش مصنوعی
- مهارتهای تحقیق و مقالهنویسی با هوش مصنوعی
- روشهای تحقیق علمی در حوزه AI
- استفاده از ابزارهای هوش مصنوعی برای گردآوری و تحلیل داده
- نگارش مقاله، گزارش و مستندات فنی با کمک AI
- اخلاق پژوهش و رعایت حق نشر
- ارائه اثرگذار نتایج تحقیق
- پایاننامه / پروژه تحقیقاتی کاربردی
- تعریف مسئله کسبوکار
- گردآوری و تحلیل داده
- طراحی راهحل مبتنی بر هوش مصنوعی
- پیادهسازی و آزمایش
- تدوین گزارش نهایی و ارائه نتایج
حداقل شرایط ورود به دوره
- داشتن مدرک کارشناسی ارشد یا حداقل 5 سال تجربه مدیریتی
- پذیرش در مصاحبه ورودی دوره
