كيف تحصل على أول وظيفة في الذكاء الاصطناعي أو تعلّم الآلة أو علم البيانات
خطة من 24 أسبوعًا لمن يعرف أساسيات البرمجة. اختر وظيفة واحدة، ونفّذ ثلاثة مشاريع تُظهر مهاراتك فيها، وجهّز سيرتك الذاتية وحسابيك على GitHub وLinkedIn، وتواصل مع العاملين في المجال، واستعد للمقابلات.
ستنشر ثلاثة مشاريع تعمل عبر الإنترنت، وتجهّز سيرة ذاتية وملفات شخصية تناسب الوظيفة التي تستهدفها، وتجري من 8 إلى 10 محادثات مع أشخاص يعملون في المجال، وتتقدّم إلى ما بين 20 و30 وظيفة تلائم مهاراتك فعلًا. المشاريع التي تستطيع شرحها تدلّ على مهاراتك أكثر مما تدلّ عليها قائمة من الشهادات. لكل مرحلة نتيجة محددة يمكنك التحقق من تحقيقها.
قبل أن تبدأ تأكد من أنك تعرف أساسيات Python مثل المتغيرات والحلقات والدوال، وأن لديك حاسوبًا محمولًا وحسابات مجانية على GitHub وKaggle وLinkedIn. هل تبدأ من الصفر؟ ابدأ باتباع خارطة تعلّم الذكاء الاصطناعي في 6 أشهر، واطّلع على أفضل منصات تعلّم الذكاء الاصطناعي لاختيار الدورات. يساعدك هذا الدليل على الانتقال من التعلّم إلى العمل.
ابدأ بتحديد وظيفة واحدة تستهدفها
تختلف طبيعة العمل كثيرًا بين الوظائف التي تندرج تحت مسمّى «وظائف الذكاء الاصطناعي». حدّد وظيفة واحدة الآن لتعرف ما المهارات التي تحتاج إلى تطويرها والمشاريع التي ستنفّذها. يمكنك تغيير مسارك لاحقًا، لكن السيرة الذاتية الموجّهة إلى كل الوظائف توحي بأنك لم تحدّد هدفك بعد.
يحلّل البيانات للإجابة عن أسئلة تتعلّق بأعمال المؤسسة. تشمل مهاراته الأساسية SQL وPython مع pandas، والإحصاء، وإعداد الرسوم البيانية ولوحات المعلومات، وشرح النتائج لغير المتخصصين. هذه أنسب وظيفة تبدأ بها إذا كانت خلفيتك في إدارة الأعمال أو الشؤون المالية أو العمليات.
يبني نماذج للتنبؤ أو التفسير. يحتاج إلى مهارات محلل البيانات، بالإضافة إلى مهارات تعلّم الآلة باستخدام scikit-learn، وتصميم التجارب، واستخدام مقاييس التقييم، وهندسة الخصائص.
ينشر النماذج لتعمل في بيئة الإنتاج. يحتاج إلى إتقان Python، واستخدام PyTorch، وبناء واجهات برمجة باستخدام FastAPI، والعمل بأداة Docker، ومعرفة أساسيات الحوسبة السحابية، ومراقبة النماذج، وبناء مسارات المعالجة. هذه الوظيفة هي الأقرب إلى هندسة البرمجيات.
يبني منتجات تعتمد على النماذج اللغوية الكبيرة. تشمل مهاراته استخدام واجهات برمجة النماذج اللغوية الكبيرة، وتوليد الإجابات بالاستعانة باسترجاع المعلومات (RAG) عبر التمثيلات المتجهية والبحث المتجهي، وصياغة التعليمات للنماذج، وتقييم مخرجاتها، وبناء وكلاء يستخدمون الأدوات.
هناك طلب على هذه التخصصات، وتوثّقه التقارير. يحدّد تقرير مستقبل الوظائف لعام 2025 الصادر عن المنتدى الاقتصادي العالمي، الذي شمل أكثر من 1,000 جهة عمل، الوظائف الثلاث ذات أعلى معدلات النمو: اختصاصي البيانات الضخمة، ومهندس التقنية المالية، واختصاصي الذكاء الاصطناعي وتعلّم الآلة. وتضع استراتيجية الإمارات الوطنية للذكاء الاصطناعي 2031 «استقطاب المواهب وتدريبها على وظائف المستقبل التي يتيحها الذكاء الاصطناعي» ضمن أهدافها الثمانية. وفي الولايات المتحدة، يتوقّع مكتب إحصاءات العمل نمو وظائف علماء البيانات بنسبة 35% من 2025 إلى 2035، وبلغ الأجر الوسيط $120,230 في مايو 2025. هذا الرقم يخصّ الولايات المتحدة وحدها، ولا يوجد رقم رسمي مماثل للخليج، لذا راجع إعلانات الوظائف الحالية للتعرّف على الرواتب المحلية.
من الأسبوع 1 إلى 4 · استكمل المهارات التي تحتاج إليها
الهدف أن تكون قادرًا على الإسهام في العمل منذ يومك الأول، فلا تجعل همّك إكمال أكبر عدد من الدورات. تدرب يوميًا على كتابة الكود باستخدام بيانات حقيقية، ولا تكتفِ بمشاهدة مقاطع الفيديو.
الأسبوعان 1 و2 · استخدام Python في تحليل البيانات
- أساسيات Python وتشمل هياكل البيانات والدوال والأصناف والتعامل مع الملفات ومعالجة الأخطاء.
- NumPy وpandas للتعامل مع المصفوفات وجداول DataFrames، وتنظيف البيانات ودمجها وتجميعها باستخدام groupby، ومعالجة القيم المفقودة.
- الرسوم البيانية باستخدام Matplotlib وSeaborn.
- SQL ويشمل ربط الجداول والتجميع ودوال النوافذ. يستخدم العاملون في معظم وظائف البيانات لغة SQL يوميًا.
- ما ستنجزه 5 تحليلات موجزة لمجموعات بيانات حقيقية من Kaggle. في كل تحليل، حمّل البيانات ونظّفها واستكشفها باستخدام 5 رسوم بيانية على الأقل، واختم بملخص مكتوب. انشر كل ذلك على GitHub.
الأسبوعان 3 و4 · خوارزميات تعلّم الآلة وكيف تشرحها
- الخوارزميات وتشمل الانحدار الخطي واللوجستي، وأشجار القرار والغابات العشوائية، وآلات المتجهات الداعمة، وخوارزمية k-means وتحليل المكونات الرئيسية (PCA)، والنزول التدرّجي.
- المفاهيم وتشمل الموازنة بين التحيّز والتباين، والتحقق المتقاطع، ومقاييس التقييم (نسبة التنبؤات الصحيحة، والإحكام، والاستدعاء، وF1، وROC AUC، ومصفوفة الالتباس)، وهندسة الخصائص، والبيانات غير المتوازنة.
- ما ستنجزه مستودع على GitHub باسم
ml-from-scratch. نفّذ كل خوارزمية باستخدام NumPy فقط، ثم أعد تنفيذها باستخدام scikit-learn وقارن النتائج. قد يسألك المحاور عن طريقة عمل هذه الخوارزميات، ويمكنك أن تشرحها عمليًا باستخدام المستودع.
من الأسبوع 5 إلى 10 · نفّذ ثلاثة مشاريع تدعم فرصك في التوظيف
يتعلّم معظم الناس الجانب النظري ولا يصلون إلى نشر مشروع. عندما تنشر ثلاثة أو أربعة مشاريع متقنة، تقدّم دليلًا عمليًا على المهارات التي تذكرها في سيرتك الذاتية. اختر بيانات ترتبط بالقطاع الذي تريد العمل فيه، مثل المصارف أو الصحة أو الخدمات الحكومية أو التجزئة أو الطاقة.
المشروع 1 · مسار متكامل لتعلّم الآلة (الأسبوعان 5 و6)
- الفكرة اختر التنبؤ بفقدان العملاء، أو تقييم مخاطر الائتمان، أو التنبؤ بالأسعار، أو التنبؤ بالطلب.
- ما يجب أن يتضمّنه المشروع مسار لتنظيف البيانات، وتحليل استكشافي، وتوضيح أسباب اختيار الخصائص، ومقارنة ثلاثة نماذج على الأقل وفق مقاييس واضحة، وضبط المعلمات الفائقة للنماذج، وتطبيق بسيط أو واجهة برمجة باستخدام Streamlit أو FastAPI.
- README اشرح المشكلة وطريقة الحل، واعرض النتائج بالأرقام ولقطات الشاشة، ووضّح كيفية تشغيل المشروع.
المشروع 2 · التعلّم العميق أو الرؤية الحاسوبية (الأسبوعان 7 و8)
- الفكرة استخدم مجموعة بيانات متاحة للجميع لاكتشاف عيوب المنتجات، أو تصنيف المستندات، أو التعرّف على الأطعمة، أو تصنيف الصور الطبية.
- ما يجب أن يتضمّنه المشروع استخدام PyTorch، والتعلّم بالنقل من نموذج مدرّب مسبقًا مثل ResNet أو EfficientNet أو ViT، وتوسيع مجموعة بيانات التدريب بتحويل أمثلتها، وعرض منحنيات التدريب والنتائج لكل فئة ومصفوفة الالتباس، وتقديم نسخة تجريبية تتيح للمستخدم رفع صورة والحصول على تنبؤ من النموذج.
المشروع 3 · تطبيق يعتمد على نموذج لغوي كبير (الأسبوعان 9 و10)
- الفكرة ابنِ تطبيقًا يستخدم RAG للإجابة عن الأسئلة بالرجوع إلى مستندات مثل السياسات أو أدلة المنتجات. اختر مستندات بالعربية إن أمكن.
- ما يجب أن يتضمّنه المشروع واجهة برمجة لنموذج لغوي كبير من OpenAI أو Anthropic أو لنموذج مفتوح، وتمثيلات متجهية مع مخزن متجهات مثل FAISS أو Chroma، ومجموعة صغيرة من أسئلة الاختبار مع إجاباتها المتوقعة لقياس الجودة، ونسخة تجريبية يستطيع الناس استخدامها.
- خلال هذه الأسابيع أيضًا شارك في مسابقات Kaggle (2 على الأقل) وانشر دفاتر عملك البرمجية. المطلوب أن تُظهر كيف تتعامل مع بيانات تحتاج إلى تنظيف، حتى لو لم تفز.
أين تستضيف النسخة التجريبية مجانًا؟ تتيح لك Streamlit Community Cloud نشر تطبيق Streamlit مباشرة من مستودع على GitHub مجانًا. على Hugging Face Spaces، تتطلب مساحات Gradio وDocker الآن اشتراكًا مدفوعًا، لكن يمكنك بحساب شخصي مجاني استضافة مساحات Gradio على ZeroGPU بحد أقصى قدره 2. تتوقف التطبيقات المجانية مؤقتًا عند عدم استخدامها، لذا شغّل تطبيقك قبل المقابلة. احفظ مفتاح واجهة البرمجة في إعدادات الأسرار على المنصة، وتجنّب وضعه في الكود.
سجّل لكل مشروع فيديو يوضّح طريقة عمله (المدة 2 دقيقة)، وارفعه على YouTube واضبط مستوى ظهوره على «غير مدرج»، ثم ضع رابطه في أعلى ملف README. هكذا يستطيع من يراجع مشروعك مشاهدة طريقة عمله حتى لو لم يشغّل الكود بنفسه.
من الأسبوع 11 إلى 14 · جهّز سيرتك الذاتية وحسابيك على GitHub وLinkedIn
GitHub
- لإضافة ملف README إلى صفحتك الشخصية، اضغط على + ثم New repository، واستخدم اسم المستخدم نفسه على GitHub اسمًا للمستودع، واختر Public، وفعّل Add README، ثم اضغط على Create repository. اكتب نبذة قصيرة عن نفسك، واذكر الوظيفة التي تستهدفها ومهاراتك، وأضف روابط لمشاريعك الثلاثة.
- لتثبيت أفضل أعمالك، افتح Your profile، واضغط على Customize your pins، واختر 6 مستودعات على الأكثر، ثم اضغط على Save pins.
- ضع في مستودع كل مشروع ملف README يشرح المشكلة وطريقة الحل والنتائج وطريقة التشغيل، وكودًا واضحًا مع تعليقات، وملف
requirements.txtليتمكّن أي شخص من إعادة تشغيل المشروع.
- Headline اذكر الوظيفة التي تستهدفها وما يبيّن أنك مؤهّل لها. مثال «Junior ML Engineer | Computer vision and LLM apps | Python, PyTorch, SQL».
- About لخّص مسيرتك في 4 إلى 6 أسطر، واذكر المشكلات التي تحلّها وأضف روابط مشاريعك. ضع روابط المشاريع في Featured، واذكر الأدوات التي تستخدمها بالاسم في Skills.
- Open to Work اضغط على Me، وافتح ملفك الشخصي، واضغط على Open to، ثم Finding a new job، وحدّد الوظائف التي تبحث عنها والمناطق التي ترغب في العمل فيها، واضغط على Save. اختر Recruiters only إذا كنت على رأس عملك، مع العلم أن LinkedIn لا يضمن الخصوصية الكاملة، أو اختر All LinkedIn Members، وهو خيار يضيف أيضًا إطار #OpenToWork إلى صورتك.
- انشر من 2 إلى 3 مرات في الأسبوع وشارك مشروعًا نفّذته وما تعلّمته منه، أو اشرح مفهومًا ببساطة، أو اطرح رأيك في بحث أو إصدار جديد. علّق على منشورات العاملين في الشركات التي ترغب في الانضمام إليها، واحرص على أن تضيف إلى النقاش.
السيرة الذاتية
- اكتب سيرة ذاتية من صفحة واحدة تناسب الوظيفة التي تستهدفها، واذكر في سطر معلومات التواصل بريدك الإلكتروني وروابط LinkedIn وGitHub وملف أعمالك.
- اذكر الأدوات التي تتقنها بالاسم، مثل Python وSQL وPyTorch وscikit-learn وDocker، وتجنّب العبارات العامة.
- ابدأ كل بند يصف مشروعًا بفعل واختمه بنتيجة قابلة للقياس. مثلًا، «بنيت نموذجًا للتنبؤ بفقدان العملاء حقق 0.86 على مقياس ROC AUC على بيانات تضم 50,000 سجل للعملاء» أوضح من «عملت على التنبؤ بفقدان العملاء». استخدم أرقامك الفعلية.
- عدّل سيرتك الذاتية بما يناسب وصف كل وظيفة قبل إرسالها.
من الأسبوع 15 إلى 18 · تواصل مع الأشخاص المناسبين
ابدأ بناء علاقاتك المهنية بمحادثات قصيرة وصريحة مع أشخاص يعملون في المجال الذي تريد دخوله، من دون أن تطلب منهم وظيفة. راسل مهندسي تعلّم الآلة وعلماء البيانات في الشركات التي تستهدفها، سواء كانوا يشغلون وظائف مشابهة لما تستهدفه أم كانوا مديرين أو قادة فرق. وتواصل أيضًا مع من نشروا مؤخرًا عن فرص توظيف، ومع خرّيجي جامعتك.
رسالة للتواصل (عدّل كل عبارة بين قوسين مربعين)
Hi [Name],
I came across your [post / project / talk] on [topic] and found [one specific detail] really useful.
I am building my career in [data science / ML / AI engineering] and recently finished [your strongest project, one line]. I would value hearing about your experience at [Company] and any advice for someone entering the field.
Would you be open to a 15-minute chat in the coming weeks? Completely understand if you are busy.
Thank you,
[Your name]أسئلة للمكالمة
- كيف يسير العمل عادةً في فريقكم خلال الأسبوع؟
- ما المهارات التي يصعب العثور عليها لدى المرشحين؟
- ما أكبر مشكلة يعمل فريقكم على حلّها الآن؟
- لو بدأت العمل في مجال الذكاء الاصطناعي اليوم، فعلامَ ستركّز؟
- هل يبحث فريقكم عن موظفين حاليًا أو تتوقعون أن يتوسّع قريبًا؟
وتيرة التواصل أرسل 5 رسائل شخصية أسبوعيًا، واسعَ إلى إجراء 8 إلى 10 مكالمات خلال هذه المرحلة. أرسل رسالة شكر خلال 24 ساعة تذكر فيها أمرًا محددًا قاله الشخص الذي تحدّثت إليه، وأضف الشخص إلى شبكة علاقاتك على LinkedIn. قد يرشّحك أحد من تحدّثت إليهم لوظيفة بعد أسابيع.
من الأسبوع 19 إلى 24 · اختر الوظائف بعناية واستعد للمقابلات
تجنّب إرسال 100 طلب عشوائي. اختر ما بين 20 و30 وظيفة تلائم مهاراتك بدرجة كبيرة، واتبع الخطوات التالية لكل وظيفة.
- راجع متطلبات الوصف الوظيفي بندًا بندًا، واربط كل متطلب بما نفّذته في مشاريعك.
- عدّل سيرتك الذاتية ليظهر أولًا المشروع الأقرب إلى متطلبات الوظيفة.
- اكتب رسالة تقديم من 3 إلى 4 جمل توضّح فيها صلة أحد مشاريعك باحتياجات جهة العمل.
- إذا سبق أن تحدثت مع شخص يعمل هناك، فاذكر محادثتكما واسأله إن كان يستطيع ترشيحك للوظيفة.
لمواطني الإمارات Nafis (nafis.gov.ae) برنامج اتحادي يدعم توظيف الإماراتيين وتطوّرهم المهني في القطاع الخاص من خلال برامجه. سجّل فيه إلى جانب استخدام LinkedIn وصفحات التوظيف لدى الشركات.
تشمل المقابلات التقنية لهذه الوظائف عادةً بعض الجولات التالية أو جميعها. استعد لكل منها.
البرمجة
تدرّب على مسائل Python في المصفوفات والسلاسل النصية وجداول التجزئة والفرز وأساسيات البرمجة الديناميكية، وتدرّب على SQL أيضًا إذا كنت تستهدف وظائف البيانات. حلّ مسائل سهلة ومتوسطة الصعوبة على LeetCode. ستبني أساسًا متينًا بحلّ 50 مسألة أو أكثر.
مفاهيم تعلّم الآلة
اشرح الموازنة بين التحيّز والتباين، والفرق بين طريقتي التنظيم L1 وL2، وكيف تحدّ الغابة العشوائية من فرط التكيّف مع بيانات التدريب، وكيف يعمل الانتشار العكسي. اجعل إجاباتك قصيرة وواضحة.
تصميم أنظمة تعلّم الآلة
صمّم نظام توصيات، أو نظامًا لكشف الاحتيال، أو روبوت محادثة لتقديم الدعم. وضّح الهدف، واختر مقاييس التقييم، واشرح مسار معالجة البيانات، واختر نموذجًا، ثم بيّن كيف ستتيح النموذج للاستخدام وتراقب أداءه.
الأسئلة السلوكية
جهّز أمثلة من تجربتك بطريقة STAR (الموقف، والمهمة، والإجراء، والنتيجة). استحضر مواقف واجهت فيها مشكلة تقنية صعبة، أو تعلّمت فيها شيئًا بسرعة، أو تعاملت فيها مع خلاف داخل الفريق، وتذكّر المشروع الذي تفخر به أكثر من غيره.
ما ستنجزه إرسال 20 إلى 30 طلبًا موجّهًا، وحلّ 50 مسألة تدريبية أو أكثر، وإجراء 5 مقابلات تجريبية على الأقل مع صديق أو عبر منصة إلكترونية، والتدرّب بصوت مسموع على شرح 3 إلى 4 سيناريوهات لتصميم الأنظمة.
خطة 24 أسبوعًا في صفحة واحدة
المهارات 5 تحليلات بيانات على GitHub، ومستودع ml-from-scratch، وتدريب على SQL.
المشاريع مسار لتعلّم الآلة، ونسخة تجريبية لمشروع تعلّم عميق، وتطبيق يعتمد على نموذج لغوي كبير، والمشاركة في مسابقات Kaggle (العدد 2)، وفيديو يبيّن طريقة عمل كل مشروع.
الملف المهني ملف README وأعمال مثبّتة في صفحتك الشخصية على GitHub، وملف شخصي مكتمل على LinkedIn مع 8 منشورات أو أكثر، وسيرة ذاتية جاهزة.
التواصل إرسال 20 رسالة شخصية أو أكثر، وإجراء 8 إلى 10 مكالمات، وإرسال رسائل شكر.
التقديم إعداد وإرسال 20 إلى 30 طلب توظيف مصمّمًا بحسب الوظائف المستهدفة، وحلّ 50 مسألة تدريبية أو أكثر، وإجراء 5 مقابلات تجريبية.
مصادر تستحق وقتك
- Practical Deep Learning for Coders (fast.ai) دورة مجانية تستخدم PyTorch وHugging Face، وتناسب من لديه نحو سنة من الخبرة في البرمجة.
- Machine Learning Specialization (DeepLearning.AI and Stanford Online, Coursera) 3 دورات للمبتدئين يقدّمها أندرو إنغ. يمكنك متابعة الدورات مجانًا، والحصول على الشهادة مقابل رسوم.
- Hugging Face LLM Course دورة مجانية كانت تتناول معالجة اللغة الطبيعية وتركّز الآن على النماذج اللغوية الكبيرة.
- Kaggle Learn دورات قصيرة في Python وpandas وSQL وتعلّم الآلة وهندسة الخصائص. الدورات وشهاداتها مجانية، وتتوفر أيضًا أدلة عن معالجة اللغة الطبيعية وتقييم النماذج والمشاركة في المسابقات.
- Made With ML من إعداد غوكو موهانداس، وأصبح جزءًا من Anyscale. يشرح كيفية تشغيل نماذج تعلّم الآلة في بيئة الإنتاج، بما في ذلك الاختبار وإتاحة النماذج للاستخدام والتكامل المستمر والتسليم المستمر (CI/CD).
- Hugging Face Trending Papers تابع الأبحاث الجديدة التي يُنشر الكود معها. حلّت هذه الصفحة محل Papers With Code، الذي يوجّه زوّاره إليها الآن.
- الكتب Hands-On Machine Learning with Scikit-Learn and PyTorch لأوريليان جيرون (2025)، وDesigning Machine Learning Systems وAI Engineering لتشيب هوين، وDeep Learning لغودفيلو وبنجيو وكورفيل، ويمكنك قراءة هذا الكتاب مجانًا على الإنترنت.
- YouTube قناة 3Blue1Brown للرياضيات والشبكات العصبية، وStatQuest with Josh Starmer للإحصاء وتعلّم الآلة، وسلسلة Zero to Hero لأندريه كارباثي، المدير السابق للذكاء الاصطناعي في Tesla.
عن الشهادات أوقفت Google اختبار شهادة TensorFlow Developer Certificate، وهي شهادة لا تزال توصي بها أدلة قديمة كثيرة. شهادات الحوسبة السحابية موجّهة لذوي الخبرة. يتقاضى Google Cloud رسومًا قدرها $200 لاختبار Professional Machine Learning Engineer، ويوصي بخبرة لا تقل عن 3 سنوات من العمل في المجال. إذا كنت تبحث عن وظيفتك الأولى، فاستثمر هذا الوقت في تنفيذ المشاريع.
قبل أن ترسل أول طلب توظيف
المصادر: المنتدى الاقتصادي العالمي، تقرير مستقبل الوظائف 2025؛ مكتب إحصاءات العمل الأمريكي، دليل التوقعات المهنية لعلماء البيانات؛ استراتيجية الإمارات الوطنية للذكاء الاصطناعي 2031 (ai.gov.ae)؛ Nafis (nafis.gov.ae)؛ وثائق GitHub عن ملف README للصفحة الشخصية وتثبيت الأعمال؛ مركز مساعدة LinkedIn لخيار Open to Work؛ وثائق Streamlit وHugging Face Spaces؛ صفحة شهادة TensorFlow؛ صفحة شهادة Google Cloud؛ وصفحات الدورات على fast.ai وCoursera وHugging Face وKaggle وMade With ML. آخر مراجعة في نوفمبر 2026
هل ترغبون في تطبيق ما تعلّمتموه مع فريقكم؟
أنا عبدالعزيز الشامسي، مدرب معتمد ومستشار في الذكاء الاصطناعي في أبوظبي. أدرّب فرق الجهات الحكومية والشركات على استخدام الذكاء الاصطناعي في عملها اليومي. راسلوني لنناقش جلسة تدريبية لفريقكم.