چرا این دوره؟
شهرداریها در وضعیت جدید، با حجم گسترده و متنوعی از دادههای شهری، سازمانی، خدماتی، ترافیکی، مالی، مکانی، منابع انسانی، ارتباطات مردمی، پروژهای و مدیریتی مواجهاند. این دادهها، در صورتی که بهدرستی گردآوری، پاکسازی، تحلیل، مصورسازی و به زبان تصمیمسازی تبدیل شوند، میتوانند نقش مهمی در ارتقاء کیفیت مدیریت شهری، افزایش بهرهوری سازمانی، بهبود خدمات عمومی، پایش عملکرد، شناسایی مسائل و طراحی راهکارهای هوشمند ایفاء کنند.
ورود مؤثر شهرداری به عرصه هوش مصنوعی و یادگیری ماشین، صرفاً با آشنایی عمومی با ابزارهای جدید یا استفاده سطحی از سامانههای هوش مصنوعی مولد محقق نمیشود. استفاده مسئولانه و سازمانی از هوش مصنوعی، نیازمند شکلگیری ظرفیت انسانی در حوزه تفکر محاسباتی، برنامهنویسی، کار با داده، تحلیل و پاکسازی داده، طراحی پایپلاینهای داده، مصورسازی، داشبوردسازی، مدلسازی مقدماتی، ارزیابی خروجیها و فهم کاربردی منطق یادگیری ماشین است.
بر این اساس، آموزش هوش مصنوعی در معنای عملی و سازمانی آن به معنای توانمندسازی کارکنان برای فهم منطق داده، کار عملی با ابزارهای برنامهنویسی، تعریف مسئلههای واقعی شهری و سازمانی، تولید خروجیهای دادهمحور، طراحی مدلهای مقدماتی یادگیری ماشین، تفسیر نتایج، تشخیص خطا و استفاده مسئولانه از ابزارهای هوش مصنوعی است.
از این رو، سازمان فناوریهای نوین و نوآوری شهری شهرداری تهران در نظر دارد با همکاری شرکتها، مؤسسات آموزشی، تیمهای تخصصی، مراکز نوآوری، دانشگاهها، شتابدهندهها و گروههای حرفهای فعال در حوزه علم داده، یادگیری ماشین، هوش مصنوعی، تحلیل داده، اتوماسیون سازمانی و مدیریت شهری دادهمحور، نسبت به طراحی، تدوین و اجرای یک دوره تخصصی، کاربردی، مرحلهمند، پروژهمحور و متناسب با نیازهای واقعی کارکنان شهرداری اقدام کند.
دستاوردهایی که دوره باید محقق کند
دوره پیشنهادی باید بهگونهای طراحی و اجراء شود که فراگیران، در پایان مسیر آموزشی، به مجموعهای از توانمندیهای عملی و قابل استفاده در محیط شهرداری دست یابند؛ از جمله:
- درک عملی از نسبت میان هوش مصنوعی، علم داده، یادگیری ماشین و مدیریت شهری
- توانایی صورتبندی مسئلههای شهری و سازمانی بهعنوان مسئلههای دادهمحور
- توانایی بهکارگیری تفکر محاسباتی و منطق حل مسئله در تحلیل مسائل سازمانی
- توانایی کار مقدماتی و کاربردی با پایتون برای تحلیل داده و اتوماسیون
- توانایی خواندن، پاکسازی، آمادهسازی و تحلیل دادههای واقعی شهری و سازمانی
- توانایی کار با دادههای جدولی، فایلها، پایگاههای داده سبک و منابع دادهای مختلف
- توانایی طراحی پایپلاینهای ساده و تکرارپذیر برای دریافت، آمادهسازی و تحلیل داده
- توانایی تولید گزارشها، نمودارها و گزارشهای تحلیلی برای مدیران و کارشناسان
- درک کاربردی از منطق مدلسازی و یادگیری ماشین
- توانایی اجرای مقدماتی مدلهای پایه یادگیری ماشین برای طبقهبندی، پیشبینی، خوشهبندی و شناسایی الگوها
- توانایی ارزیابی، تفسیر و کنترل خروجی مدلهای یادگیری ماشین
- توانایی استفاده مسئولانه، کنترلشده و قابل ارزیابی از ابزارهای هوش مصنوعی و دستیارهای کدنویسی
- توانایی مستندسازی، ارائه خروجی، توضیح فرایند تحلیل و دفاع از نتایج در محیط سازمانی شهرداری
مسیر یادگیری پیشنهادی
متقاضیان میتوانند براساس تجربه و پیشنهاد تخصصی خود، ساختار محتوایی دوره را طراحی کنند. با این حال، انتظار میرود محورهای زیر در طرح پیشنهادی مورد توجه قرار گیرد.
- تحول دیجیتال، داده و هوش مصنوعی در مدیریت شهری
- تفکر محاسباتی و منطق حل مسئله
- مبانی برنامهنویسی پایتون
- محیط توسعه، مدیریت فایلها و ابزارهای کار
- کار با دادههای جدولی در پایتون
- پاکسازی، آمادهسازی و اعتبارسنجی داده
- پایگاه دادههای کاربردی
- دریافت داده از منابع مختلف و طراحی پایپلاین داده
- تحلیل اکتشافی داده و مصورسازی
- طراحی گزارشها و داشبوردهای تحلیلی
- ورود به یادگیری ماشین؛ مفاهیم و منطق مدلسازی
- مدلهای پایه یادگیری ماشین با پایتون
- ارزیابی، تفسیر و کنترل خروجی مدلها
- کاربردهای یادگیری ماشین در مسائل شهری و سازمانی
- استفاده مسئولانه از ابزارهای هوش مصنوعی و دستیارهای کدنویسی
- پروژه پایانی مبتنی بر مسئله واقعی
چه انتظاری از مجریان داریم
متقاضیان این فراخوان باید بتوانند در تمام یا بخشی از زمینههای زیر پیشنهاد اجرایی ارائه کنند:
- طراحی معماری آموزشی دوره
- تدوین سرفصلهای مرحلهمند از مقدمات پایتون تا داده، یادگیری ماشین و هوش مصنوعی کاربردی
- طراحی مسیر آموزشی متناسب با کارکنان غیرمتخصص یا کمتجربه در برنامهنویسی
- طراحی تمرینهای هفتگی، آزمایشگاههای عملی، مینیپروژهها و پروژه پایانی
- معرفی مدرسین، مربیان و منتورهای دارای تجربه عملی
- طراحی نظام ارزیابی عملی، مستمر و قابل سنجش
- طراحی پروژههای مبتنی بر مسائل واقعی شهرداری
- ارائه محتوای آموزشی، کدهای نمونه، دیتاستهای تمرینی و راهنمای یادگیری
- پشتیبانی آموزشی، رفع اشکال، منتورینگ و ارزیابی پیشرفت فراگیران
- طراحی مسیر استفاده مسئولانه از ابزارهای هوش مصنوعی پس از شکلگیری مهارتهای پایه
- ارائه گزارش نهایی از وضعیت یادگیری، خروجیها، پروژهها و پیشنهادهای ادامه مسیر
یادگیری چگونه سنجیده میشود؟
دوره باید دارای نظام ارزیابی جدی، مستمر و مبتنی بر عملکرد واقعی فراگیران باشد. متقاضیان لازم است در طرح پیشنهادی خود، شیوه ارزیابی را بهصورت روشن توضیح دهند.
محورهای ارزیابی میتواند شامل موارد زیر باشد:
- تمرینهای هفتگی کدنویسی
- آزمونهای کوتاه مفهومی
- مینیپروژههای پایان هر فاز
- ارزیابی توان دیباگ و تحلیل خطا
- ارزیابی توان توضیح کد توسط فراگیر
- ارزیابی توان کار با داده واقعی
- ارزیابی توان پاکسازی، آمادهسازی و اعتبارسنجی داده
- ارزیابی توان تحلیل و مصورسازی داده
- ارزیابی توان طراحی گزارش یا داشبورد تحلیلی
- ارزیابی درک مفاهیم پایه یادگیری ماشین
- ارزیابی توان اجرای مدلهای مقدماتی یادگیری ماشین
- ارزیابی توان تفسیر، نقد و کنترل خروجی مدلها
- ارزیابی پیش از ورود به ابزارهای AI
- ارزیابی نحوه استفاده مسئولانه از دستیارهای هوش مصنوعی
- پروژه نهایی و ارائه خروجی قابل استفاده
کاربست آموختهها در مسئله واقعی
هر پیشنهاد باید دارای برنامهای روشن برای خروجی نهایی دوره باشد. این خروجی باید بهگونهای طراحی شود که فراگیران بتوانند آموختههای خود را در قالب یک مسئله واقعی یا نزدیک به واقعیت در شهرداری به کار گیرند و نشان دهند که توان عبور از آموزش نظری به تولید خروجی عملی، قابل ارائه و قابل استفاده را دارند.
پروژه نهایی ترجیحاً باید شامل مراحل زیر باشد:
- تعریف یک مسئله واقعی شهری یا سازمانی
- شناسایی منبع یا منابع داده مرتبط
- دریافت، گردآوری یا آمادهسازی دادههای مورد نیاز
- پاکسازی، یکپارچهسازی و آمادهسازی داده
- اعتبارسنجی و بررسی کیفیت داده
- تحلیل اکتشافی داده و استخراج الگوهای اولیه
- مصورسازی داده و طراحی گزارش یا داشبورد تحلیلی
- اجرای یک مدل مقدماتی یادگیری ماشین، در صورت تناسب با موضوع پروژه
- ارزیابی، تفسیر و کنترل خروجی مدل
- مستندسازی فرضها، محدودیتها، تصمیمهای تحلیلی و مراحل انجام کار
- ارائه خروجی نهایی بهصورت قابل فهم برای مدیران و کارشناسان
- پیشنهاد مسیر ادامه کار، توسعه پروژه یا تبدیل آن به یک ابزار تصمیمیار سازمانی
چه کسانی مخاطب این فراخوان هستند؟
شرکتها، مؤسسات آموزشی، دانشگاهها، مراکز نوآوری، شتابدهندهها، تیمهای تخصصی یا گروههای حرفهای متقاضی باید دارای تجربه معتبر در یک یا چند حوزه زیر باشند:
- آموزش پایتون و برنامهنویسی کاربردی
- علم داده، تحلیل داده و مصورسازی
- یادگیری ماشین و هوش مصنوعی کاربردی
- آموزش سازمانی و توانمندسازی کارکنان
- طراحی دورههای پروژهمحور و مهارتمحور
- طراحی و اجرای بوتکمپها، آزمایشگاههای آموزشی یا دورههای فناورانه
- طراحی داشبورد، گزارشهای تحلیلی و پایپلاینهای داده
- تجربه کار با دادههای واقعی سازمانی یا شهری
- آشنایی با مدیریت شهری، خدمات شهری، تحول دیجیتال شهرداری یا مسائل سازمانهای عمومی
متقاضیان باید از مدرسین، مربیان و منتورهایی استفاده کنند که علاوه بر دانش نظری، تجربه عملی در اجرای پروژههای دادهمحور، کدنویسی، تحلیل داده، یادگیری ماشین یا اتوماسیون داشته باشند.
بسته پیشنهادی شما شامل چه باشد؟
متقاضیان محترم لازم است مدارک و مستندات زیر را ارسال کنند:
- معرفینامه شرکت، مؤسسه، دانشگاه، مرکز، تیم یا گروه متقاضی
- سوابق آموزشی و اجرایی مرتبط
- رزومه مدرسین، مربیان و منتورها
- طرح پیشنهادی دوره
- سرفصلهای پیشنهادی و معماری آموزشی دوره
- برنامه زمانبندی پیشنهادی
- روش تدریس، پشتیبانی آموزشی و منتورینگ
- شیوه ارزیابی فراگیران
- نمونه تمرینها، پروژهها یا دیتاستهای پیشنهادی
- برنامه پیشنهادی برای پروژه پایانی
- نمونه دورهها یا پروژههای اجراشده مشابه
- توضیح درباره نحوه استفاده از دادهها، ابزارها و محیطهای آموزشی
- برآورد مالی اجرای دوره
- اطلاعات تماس نماینده رسمی متقاضی
پیشنهادها چگونه بررسی میشوند؟
پیشنهادهای دریافتی توسط کمیته تخصصی بررسی و براساس معیارهای زیر ارزیابی خواهند شد:
- کیفیت معماری آموزشی دوره
- میزان انطباق طرح پیشنهادی با نیازهای شهرداری تهران
- کاربردی مرحلهمند و پروژهمحور بودن دوره
- توان متقاضی در آموزش پایتون، علم داده، یادگیری ماشین و هوش مصنوعی کاربردی
- تجربه و صلاحیت علمی و عملی مدرسین، مربیان و منتورها
- تناسب مسیر آموزشی با سطح کارکنان غیرمتخصص یا کمتجربه در برنامهنویسی
- کیفیت تمرینها، آزمایشگاههای عملی، مینیپروژهها و پروژه نهایی
- توجه به دادهها، مثالها و مسائل واقعی شهری و سازمانی
- کیفیت نظام پایش یادگیری و سنجش مهارت فراگیران
- توجه به ارزیابی، تفسیر و کنترل خروجی مدلهای یادگیری ماشین
- پرهیز از آموزش سطحی، تبلیغاتی و صرفاً ابزارمحور در حوزه هوش مصنوعی
- توجه به امنیت داده، محرمانگی اطلاعات و استفاده مسئولانه از ابزارهای هوش مصنوعی
- قابلیت تولید خروجی ملموس مانند کد مستند، گزارش تحلیلی، داشبورد، پایپلاین داده یا مدل مقدماتی یادگیری ماشین
- کیفیت پشتیبانی آموزشی، رفع اشکال و منتورینگ
- امکان استمرار مسیر یادگیری و ارائه پیشنهاد برای گامهای بعدی
- تناسب برآورد مالی با کیفیت، دامنه خدمات و خروجیهای مورد انتظار
مسیر ارسال پیشنهاد
متقاضیان محترم میتوانند پیشنهادهای خود را حداکثر تا تاریخ ۱۴۰۵/۰۳/۳۱در پیام رسان بله به آیدی @URBANAI ارسال کنند یا نسخه مکتوب آن را به دبیرخانه فراخوان تحویل دهند.
عنوان پیام یا پاکت ارسالی باید بهصورت زیر درج شود: پیشنهاد همکاری برای طراحی و اجرای دوره تخصصی پایتون، علم داده، یادگیری ماشین و هوش مصنوعی کاربردی ویژه کارکنان شهرداری.
پس از پایان مهلت ارسال، پیشنهادهای دریافتی توسط کمیته تخصصی بررسی خواهد شد و در صورت نیاز، از متقاضیان منتخب برای ارائه حضوری، دفاع از طرح پیشنهادی، اصلاح برنامه یا مذاکره تکمیلی دعوت به عمل خواهد آمد.
فرصت ارائه پیشنهاد تا: ۳۱ خرداد ۱۴۰۵
نشانی ارسال پستی: تهران، خیابان شهید سید حسن نصرالله(وزراء سابق)، فرعی ششم، کوچه دلافروز، پلاک ۱۷، سازمان فناوریهای نوین و نوآوری شهری شهرداری تهران
ارتباط و ارسال در بله: @URBANAI
شماره تماس: ۰۲۱۸۸۷۱۱۳۲۱
دبیرخانه فراخوان: دبیرخانه آکادمی هوش مصنوعی شهر