إطار المعايير المهنية في البيانات والذكاء الاصطناعي

إطار

المعايير المهنية

في البيانات والذكاء الاصطناعي

النسخة الثانية سبتمبر 2026

الصفحة

05 07 09 12 17 21 115 117 117 139

محتويات

القسم .1المقدمة .2لمحة عامة عن المعايير المهنية .3منهجية بناء إطار المعايير المهنية في البيانات والذكاء الاصطناعي .4تصنيف مهن البيانات والذكاء الاصطناعي في المهن التخصصية .5الحد الأدنى للإلمام بالبيانات والذكاء الاصطناعي لجميع المختصين .6بطاقات المهن التخصصية .7التوصيات .8الملاحق 1.8الملحق )أ :)مسارات وظيفية داخلية استرشادية ومتطلبات التطوير 2.8الملحق )ب :)السجل الرئيس لعناصر المهام والمهارات والمعارف والقدرات

مقدمة 01

.1مقدمة

ُُأنشئت الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا( بموجب الأمر الملكي رقم )أ )471/الصادر بتاريخ 29/12/1440ه. وُُتعد سدايا الجهة المختصة في المملكة بكل ما يتعلق بالبيانات والذكاء الاصطناعي، بما في ذلك البيانات الضخمة، والمرجع الوطني لتنظيمهما وتطويرهما والتعامل معهما. كما تختص أصالًًة بجميع شؤون التشغيل

والبحث والابتكار في مجال البيانات والذكاء الاصطناعي. تطمح المملكة العربية السعودية إلى أن تكون من الدول الرائدة عالمياً في مجال البيانات والذكاء الاصطناعي، وُُيعد دعم الكفاءات الوطنية وتطويرها أحد الممكنات الرئيسية لتحقيق هذا التوجه. ومن هذا المنطلق، تقود سدايا عدًًدا من المبادرات والبرامج والأنشطة الهادفة إلى تنمية رأس المال البشري، وبناء القدرات، وتقديم الدعم، وتعزيز استدامة الكفاءات الوطنية، وربطها بوظائف المستقبل، بما يهيئ بيئًًة داعمة لكفاءات وطنية قادرة على الإسهام في تقدم

المملكة وريادتها في هذا المجال. وانطلاًًقا من مسؤوليتها الوطنية بوصفها الجهة المختصة بالبيانات والذكاء الاصطناعي، وسعيها إلى تنظيم القطاع، أصدرت سدايا )إطار المعايير المهنية في البيانات والذكاء الاصطناعي( ليكون مرجًًعا أساسًًيا للمختصين وصناع القرار في

مختلف الجهات، ولتوحيد الممارسات المهنية المرتبطة بتنمية القدرات البشرية وتحسينها.

لمحة عامة عن المعايير المهنية02

.2لمحة عامة عن المعايير المهنية

تحدد المعايير المهنية مستوى الأداء الذي يتعين على الفرد تحقيقه ضمن مهنة تخصصية معينة، بما يشمل المهام والمهارات والمعارف والقدرات اللازمة لاستيفاء ذلك المعيار.

•يشير وصف )مهنية( إلى شمول المعايير للمهن الرئيسية في القطاع والمهن التخصصية المرتبطة بها، وإعدادها أساًسا من خال تحليل مدخات الخبراء والمتخصصين.

•تصف )المعايير( الأنشطة الأساسية التي ينبغي أن يكون المختص قادًرا على أدائها، والنتائج المتوقعة من ذلك الأداء. تمثل المعايير المهنية أدوات مهمة لتحديد مهام ومتطلبات المهن التخصصية المرتبطة بالمهن، إذ تسهم في تطوير برامج التعليم والتدريب، وتمّّكن من تقييم المهن التخصصية، كما توفر مرجًًعا وطن�ياً للمهارات والمعارف التي يحتاجها

سوق العمل، وتدعم تصميم المسارات الوظيفية وبرامج التطوير.

منهجية بناء إطار المعايير المهنية03 في البيانات والذكاء الاصطناعي 9

.3منهجية بناء إطار المعايير المهنية في البيانات والذكاء الاصطناعي

ُُصممت منهجية بناء إطار المعايير المهنية للبيانات والذكاء الاصطناعي بالاستناد إلى أبرز المنهجيات والممارسات المتبعة في بناء المعايير المهنية.

وتتكون دورة حياة المنهجية من مراحل متتابعة لتطوير الإطار وتنفيذه، وتؤدي كل مرحلة دوًًرا أساسًًيا في ضمان مواءمة المعايير المهنية المطورة مع احتياجات سوق العمل والتوجهات المستقبلية للبيانات والذكاء الاصطناعي في المملكة

العربية السعودية

مراجعة المنهجيات الوطنية والدولية ذات الصلة بتطوير

المهن والمعايير المهنية.

تحديد تصنيف المهن، وربط المهن التخصصية بالمهن، وتطبيق الأطر والممارسات

الرائدة عند تطويرها.

العمل مع الخبراء المتخصصين في المهن والمهن التخصصية

المرتبطة المشمولة بالإطار.

جمع بيانات المهن والمهن التخصصية من مصادر

متعددة، تشمل الخبراء المتخصصين والمنشورات

والتقارير البحثية.

اعتماد منهجية المعايير المهنية المعتمدة لدى وزارة الموارد البشرية والتنمية

الاجتماعية.

الحصول على اعتماد وزارة الموارد البشرية والتنمية الاجتماعية.

تصنيف المهام والمهارات والمعارف والقدرات المطلوبة

لكل مهنة تخصصية تحت المهنة المرتبطة بها وترميزها.

تنفيذ التطبيق التجريبي وتحسينه.

إطلاق التطبيق التجريبي.

يؤسس هذا الإطار تصنيف سدايا المهني لمجالي البيانات والذكاء الاصطناعي. ويتواءم مع التصنيف السعودي الموحد للمهن والتصنيف الدولي الموحد للمهن لعام ،)ISCO-08( 2008ويطبق منهجية المعايير المهنية المعتمدة لدى وزارة

الموارد البشرية والتنمية الاجتماعية، ويستند إلى مدخلات خبراء سدايا المختصين.

مؤهل تعليمي

قدرة

معرفة

قدرة

معرفة

قدرة

معرفة

قدرة

معرفة

مهارة مهارة مهارة مهارة

مهمة مهمة مهمة مهمة

المهنة

شكل : 3المنهجية الشاملة التي استخدمها خبراء في تطوير المعايير المهنية

يتكون الإطار الناتج من 13مهنة مرتبطة ب 30مهنة تخصصية، ومصنفة وفق تسلسل التصنيف السعودي الموحد للمهن: المجموعة الرئيسية، والمجموعة الفرعية، والمجموعة الثانوية، ومجموعة الوحدات، والمهنة. وقد ترتبط بالمهنة الواحدة مهنة تخصصية واحدة أو عدة مهن تخصصية. ويعكس هذا النطاق قرارات الدمج والإلغاء المعتمدة لهذه النسخة، ولا يبقى في السجل الفّّعال إلا عناصر المهام والمهارات والمعارف والقدرات المسندة إلى مهنة تخصصية مستبقاة. وقد

جرى التحقق من محتواه وهيكله عبر ثلاث مراحل

المرحل ةالأولية تقييم المنهجية والنهج الهيكلي. المرحلة المتوسطة تقييم المحتوى الأساسي والجودة العامة. المرحلة النهائية مراجعة المعايير المطورة واعتمادها.

تمثل هذه النسخة المحدثة من إطار المعايير المهنية في البيانات والذكاء الاصطناعي نسخًًة محسنة من التطبيق التجريبي، وستظل خاضعة للتحسين المستمر بمرور الوقت.

تصنيف مهن البيانات والذكاء04 الاصطناعي والمهن التخصصية 12

.4تصنيف مهن البيانات والذكاء الاصطناعي والمهن التخصصية

التصنيف المهني الذي يؤسسه هذا الإطار هو تصنيف سدايا لمجالي البيانات والذكاء الاصطناعي. ويتواءم مع التصنيف السعودي الموحد للمهن والتصنيف الدولي الموحد للمهن لعام .)ISCO-08( 2008ويحافظ على مسميات التصنيف السعودي في مستويات المجموعة الرئيسية والمجموعة الفرعية والمجموعة الثانوية، ويدمج ضمن التسلسل نفسه مجموعات الوحدات والمهن اللازمة لمجالي البيانات والذكاء الاصطناعي. وتمثل بطاقات المعايير ال 30مهنة التخصصية المرتبطة ب 13مهنة. وقد تضم المهنة الواحدة مهنة تخصصية واحدة أو عدة مهن تخصصية، وترث كل مهنة تخصصية

المسار التصنيفي للمهنة المرتبطة بها

مجموعة الوحدات مديرو خدمات تقنية المعلومات والاتصالات

المهن التخصصية الرئيس التنفيذي للبيانات

المهنة

الرئيس التنفيذي للبيانات

مديرو البحث والتطوير اختصاصيو تحليلات البيانات وعلم البيانات اختصاصيو تحليلات البيانات وعلم البيانات

مدير منتج الذكاء الاصطناعي محلل البيانات، أخصائي ذكاء الأعمال

مدير منتج الذكاء الاصطناعي

محللو التنظيم )الهياكل التنظيمية:والإدارة محللو التنظيم )الهياكل التنظيمية:والإدارة محللو التنظيم )الهياكل التنظيمية:والإدارة

مستشار البيانات مستشار الذكاء الاصطناعي خبير تحقيق الإيرادات من البيانات

خبير تحقيق الإيرادات من البيانات

أخصائي إدارة البيانات، أخصائي جودة البيانات، أخصائي حوكمة البيانات، أخصائي حماية البيانات الشخصية، أخصائي التزام البيانات، أخصائي تصنيف

البيانات، أخصائي إتاحة البيانات

أخصائي حوكمة الذكاء الاصطناعي، محلل مخاطر الذكاء الاصطناعي

معماري حلول الذكاء الاصطناعي، مهندس الذكاء الاصطناعي، مهندس تعلم الآلة، مهندس عمليات تعلم الآلة، مهندس الرؤية الحاسوبية، مهندس معالجة اللغات الطبيعية، مهندس الذكاء الاصطناعي

التوليدي، مهندس الذكاء الاصطناعي الوكيلي

مهندس البيانات، معماري البيانات، منمذج البيانات

أخصائي إدارة البيانات

أخصائي حوكمة الذكاء الاصطناعي

يضم الإطار 13مهنة و 30مهنة تخصصية مرتبطة بها، تبدأ من التخصصات المهنية وتصل إلى القيادة التنفيذية. وتحدد كل بطاقة المهام والمهارات والمعارف والقدرات ومتطلب المؤهل العلمي لمهنة تخصصية واحدة، وتظهر المهنة

المرتبطة في حقل مستقل عن معّّرف الإطار.

يتبع معّّرف كل مهنة تخصصية الصيغة ]معّّرف المجال[-]معّّرف المهنة التخصصية .]ويستخدم D لمجال البيانات و AI لمجال الذكاء الاصطناعي، ويكون الجزء الثاني اختصاًًرا موجًًزا لمسمى المهنة التخصصية. فعلى سبيل المثال، يشير ) )D-CO إلى الرئيس التنفيذي للبيانات، ويشير ) )AI-MLE إلى مهندس تعلم الآلة. وهذه معّّرفات داخلية لضمان تتبع

البطاقات وعناصر ) ،)TSKA وليست رموًًزا في التصنيف السعودي ولا تمثل جزًًءا من التسلسل التصنيفي

ُُتحدد المهام والمهارات والمعارف والقدرات لكل مهنة تخصصية باستخدام نظام وطني موحد للترميز، ويحمل كل عنصر بادئة تدل على نوعه يتبعها رقم تسلسلي:

القدرات

المعارف

المهارات

المهام

• :T المهام • :S المهارات • :K المعارف • :A القدرات

ُُتستمد معّّرفات عناصر المهام والمهارات والمعارف والقدرات من سجل وطني موحد ومشترك بين جميع بطاقات المهن التخصصية، ولذلك يشير المعّّرف نفسه دائًًما إلى العبارة ذاتها أينما ورد. فعلى سبيل المثال، يشير المعّّرف ) T-018إلى المهمة نفسها في كل بطاقة تتضمنه. وُُيعد العنصر مشترًًكا إذا ظهر في أكثر من بطاقة، وفريًًدا إذا اقتصر على بطاقة

واحدة. ويضم السجل حالياً 838عنصًًرا فريًًدا: 272مهمة، و 238مهارة، و 188معرفة، و 140قدرة، وهي مدرجة بالكامل في الملحق )ب .)وتظل المعّّرفات ثابتة بين إصدارات الإطار، أما الفجوات في التسلسل الرقمي فتعكس عناصر ُُدمجت

أو اسُُتبدلت أوُُ ألغيت أثناء التوحيد والمراجعة، ولا ُُيعاد استخدام معّّرفاتها

4.1المواءمة مع التصنيف السعودي الموحد للمهن والتصنيف الدولي الموحد للمهن))ISCO-08

يتواءم هذا الإطار مع التصنيف السعودي الموحد للمهن والتصنيف الدولي الموحد للمهن لعام .)ISCO-08( 2008

ويعرض التسلسل على النحو الآتي:

•المجموعة الرئيسية.

•المجموعة الفرعية.

المهنة

المجموعة الثانوية

•المجموعة الثانوية.

المجموعة

•مجموعة الوحدات.

الرئيسية

•المهنة.

•المهنة التخصصية.

وتمثل المهنة التخصصية طبقة بطاقات المعايير التابعة للمهنة، وتتيح تحديد متطلبات القوى العاملة وعناصر TSKA بالتفصيل، ولا تغ�يرّ تسلسل التصنيف السعودي أو ) .)ISCO-08والعلاقة من متعدد إلى واحد، إذ يمكن ربط عدة مهن تخصصية بمهنة واحدة، بينما ترتبط كل بطاقة في هذه النسخة بمهنة واحدة. وُُتعرض عناصر التصنيف بالمسميات من

دون رموز التصنيف السعودي

يحافظ التصنيف على مسميات التصنيف السعودي في المستويات التصنيفية الأصلية، ويدرج مجموعات الوحدات والمهن التخصصية اللازمة لمجالي البيانات والذكاء الاصطناعي. وُُتعرض مجموعات الوحدات جميعها بصورة موحدة بالمسميات، من دون بيان حالة أو استخدام رموز التصنيف السعودي. ويجعل هذا العرض القائم على المسميات مواءمة

التصنيف واضحة، ويحافظ في الوقت نفسه على قابلية قراءة الإطار بوصفه مرجًًعا وطن�ياً مستقاًلا .

تحتفظ بطاقات المهن التخصصية بمعّّرف داخلي لضمان تتبع عناصر المهام والمهارات والمعارف والقدرات، وتعرض المسار التصنيفي وفق التسلسل الآتي: المجموعة الرئيسية، والمجموعة الفرعية، والمجموعة الثانوية، ومجموعة الوحدات،

والمهنة، والمهنة التخصصية. ويظل المعّّرف الداخلي منفصاًلا عن التصنيف، ولا ُُيعد رمًًزا في التصنيف السعودي.

تصنيف سدايا المهني للبيانات والذكاء الاصطناعي

رسم شجري لمسار التصنيف من المجموعة الرئيسية حتى المهن التخصصية — 13مهنة، 7مجموعات وحدات

تصنيف سدايا المهني للبيانات والذكاء الاصطناعي

المهنة

المجموعة الفرعية الرئيسية

المهنة

المسار التصنيفي إلى مجموعة الوحدات

• الرئيس التنفيذي للبيانات

للبيانات

الرئيس التنفيذي للبيانات

• الرئيس التنفيذي للذكاء الاصطناعي

للذكاء

الرئيس التنفيذي

للبيانات

الرئيس التنفيذي الاصطناعي

للذكاء

المديرون -> مديرو الإنتاج والخدمات المتخصصة -> مديرو خدمات

تقنية المعلومات وماديلراو اتلإنتاصجالوالاخدمتات-> مديرو مخديدرومخادماتت تتقنقينةية المعلوماتمديرو خادلمارئتيتقنيةس التنفيذي

المتخصصة

والاتصالات

الرئيس التنفيذي الاصطناعي

المديالرموديرنون-> مديرو الإنتاج والخدمات المتخصصة -> مديرو خدمات تقنية المعلومات والاتصالات -> مديرو خدمات تقنية المعلومات والاتصالات

مديرو البمحدثيوارلتطموينرتج الذكاء الاصمديرطنمناتعج اليذكاء الاصطنامعديير منتج •المديذركمانتءج االلذكااء الاصصططننااعيعي

المديرون -> المدي ارلموديرنوان الإلإدادرايروينون والتجاريومدنيرو-ال>مبيعمادتيوارلتوساويلقمبيعات

والتطوير

والتجاريون

والتسويق والتطوير -> مديرو البحث والتطوير

محلل البيانات، أخصائي ذكاء الأعمال

• محلل البيانات • أخصائي ذكاء الأعمال

• عالم البيانات

محلل البيانات عالم البيانات

اختصاصيو تحليلات البيانات وعلم

البيانات

الاختصاصيون -> الاختصاصيون في العلوم والهندسة -> الاختصاصيون في الرياضيات والاكتواريون والإحصائيون ->

اختصاصيو تحليلات البيانات وعلم البيانات

الاختصاصيون -> الاختصاصيون في العلوم والهندسة ->

الاختصاصيون في الرياضيات

الاختصاصيون في العلوم

في الرياضيات والاكتواريون والإحصائيون ->

الاختصاصيون

والاكتواريون والإحصائيون

والهندسة

اختصاصيو تحليلات البيانات وعلم البيانات

• مستشار البيانات

• مستشار الذكاء الاصطناعي

محللو التنظيم (الهياكل التنظيمية) والإدارة

• خبير تحقيق الإيرادات من البيانات

البيانات

البيانات

البيانات

أخصائي إدارة البيانات،

جودة البيانات،

• أخصائي إدارة البيانات

أخصائي

أخصائي• أخحصوائكي جمودةةالابيلانابيتانات،

أخصائي• أخحصمائاييحوةكامةل ابلبيياانانتات

• أخصائي حماية البيانات الشخصية

أخصائي إدارة البياناتأخصائي إدارة البيانات

الشخصية•، أأخصخائي اصلاتزئامالبييانااتلتزام

البيانات،• أأخخصائيصتائصنييف التبياناصتنيف

اختصاصيو حوكمة وإدارة البيانات

• أخصائي إتاحة البيانات

البيانات، أخصائي إتاحة

البيانات

الاختصاصيون في الإدارة

الاختصاصيون في الأعمال والإدارة

الاختصاصيون -> الاختصاصيون في الأعمال والإدارة -> الاختصاصيون في الإدارة -> اختصاصيو حوكمة وإدارة البيانات

الاختصاصيون

أخصائي حوكمة الذكاء أخصائي ح •و أكخصمائةي احولكذمةكالاذءكاء الاصطناعي

• محلل مخاطر الذكاء الاصطناعي

الاصطناعي، محلل مخاطر

أخصائي حوكمة الذكا اءلاصطناعي

الذكاء الاصطناعي

الاصطناعي

الاختصاصيون -> الاختصاصيون في الأعمال والإدارة -> الاختصاصيون في الإدارة -> اختصاصيو حوكمة وإدارة البيانات

عالم أبحاث الذكاء الاصطناعي عالم أبحاث الذكاء الاصطناعي

• عالم أبحاث الذكاء الاصطناعي

الاختصاصيون -> الاختصاصيون في تقنية المعلومات والاتصالات -> مطورو ومحللو نظم البرمجيات والتطبيقات الحاسوبية -> اختصاصيو أبحاث وهندسة الذكاء الاصطناعي

• معماري حلول الذكاء الاصطناعي

معمار •ي مهحندسالذكلاءوالالصاطلناعذيكاء

الاصطناع •يم،هندمس تهعنلمدالآلةس الذكاء

مهندس الذكاء الاصطنااعلياصطناع•يمه،ندمس عهمنليادت تعلسم اتلآلةعلم

• مهندس رؤية الحاسب

الآلة، م•همنهنددس مع سالجة اللعغامتلاليطبايعيةت

تعلم الآل •ة،مهندمسهانلذكادء الاسصطانالعريؤاليتوليةدي

الاصطناعي

الحاسوبية•، مهنمدهسنالذدكاء اسلاصمطناععايلالجوكيةلي

اللغات الطبيعية، مهندس

الذكاء الاصطناعي التوليدي،

• مهندس البيانات • معماري البيانات

الوكيلي

• منمذج البيانات

مهندس الذكاء

مهندس البيانات، معماري البيانات، منمذج البيانات

مطورو ومحللو نظم البرمجيات والتطبيقات الحاسوبية

المعلومات

تقنية

في

الاختصاصيون في تقنية

الاختصاصيون

->

الاختصاصيون

والاتصالات -> مطورو ومحللو نظم البرمجيات والتطبيقات

الحاسوبية -> اختصاصيو أبحاث وهندسة الذكاء الاصطناعي

الاختصاصيون في قواعد البيانات والشبكات

الاختصاصيون -> الاختصاصيون في تقنية المعلومات

والاتصالات -> الاختصاصيون في قواعد البيانات والشبكات ->

المهنة

مستويات وسيطة

المصدر: إطار معايير البرامج المهنية في البيانات والذكاء الاصطناعي، ص .15

المصادر التي استند إليها التصنيف: وزارة الموارد البشرية والتنمية الاجتماعية، اعتماد التصنيف السعودي الموحد للمهن ومواءمته مع ) ،)https://www.hrsd.gov.sa/fil/node/685482) (ISCO-08ومنظمة العمل الدولية، هيكل ))ISCO-08

ومجلده الأول ).)https://isco.ilo.org/en/isco-08/

4.2مستويات تعقيد المهارة لعناصر TSKA المتوائمة مع ))ISCO-08

يعّّرف ) )ISCO-08مستوى المهارة بناًًء على تعقيد المهام والواجبات المؤداة ونطاقها، ويستخدم أربعة مستويات. ولا تمثل هذه المستويات تسميات للإتقان من مبتدئ أو متوسط أو خبير، كما لا تدل على الأقدمية أو الدرجة الوظيفية أو

سنوات الخبرة أو أداء الفرد.

يطبق ) )ISCO-08مستويات المهارة على المهن. وفي هذا الإطار، ُُيك�يفّ منطقه الرباعي صراحًًة لتصنيف عناصر ))TSKA كٌٌّل على حدة، بحيث يكون لكل معّّرف وطني مستوى تعقيد واحد ومتسق أينما ورد. ويخدم هذا الإسناد تصميم الإطار،

ولا يعيد تصنيف المهنة ولا يحل محل متطلب المؤهل العلمي الوارد في بطاقة المهنة التخصصية

يحكم المعيار الرباعي الآتي تصنيف جميع عناصر TSKA في هذا الإطار:

التطبيق على عناصر TSKA

التعّّرف أو التسجيل أو التحقق الأساسي، أو اتباع تعليمات واضحة، أو استخدام أدوات معيارية ضمن

ضوابط محددة

عمل تشغيلي أو تقني متنوع باستخدام أساليب مستقرة، مع الاختيار من إجراءات معروفة وممارسة

حكم مستقل محدود.

تحليل أو تشخيص أو تصميم أو تطوير أو تقييم أو تنسيق تخصصي يتطلب حكًًما مستقاًلا داخل مجال

محدد.

الأساس في ))ISCO-08

مهام بسيطة وروتينية.

مهام تتطلب معرفًًة وخبرًًة بالإجراءات المستقرة، وقد تشمل التشغيل أو المراقبة أو الصيانة أو تفسير المعلومات.

مهام تقنية وعملية معقدة تتطلب معرفًًة واسعة بالحقائق والجوانب

التقنية والإجرائية.

عمل مهني أو استراتيجي أو حوكمي عالي التعقيد، أو تصميم مؤسسي أو بحث متقدم أو حل مشكلات

مستجدة، مع قدر كبير من المساءلة

حل مشكلات واتخاذ قرارات معقدة استناًًدا إلى معرفة نظرية وواقعية

واسعة.

المستوى L1 L2 L3 L4

يراعي الإسناد تعقيد العنصر ونطاقه، والمعرفة المطلوبة، والتحكم الذاتي والحكم المهني، ومدى الجدة، وحجم المساءلة. وتحدد عبارة العنصر المستوى، لا مسمى المهنة التخصصية. ولذلك قد يضم دور مهني في البيانات أو الذكاء الاصطناعي

عناصر في أكثر من مستوى، ولا يغ�يرّ وجود عنصر أقل تعقيًًدا تصنيف المهنة ككل في ).)ISCO-08

المصدر: مكتب العمل الدولي ) ،)2012التصنيف الدولي الموحد للمهن ) ،)ISCO-08المجلد الأول، الفصل الثاني، الصفحات .1 5 –1 1

إضافًً ة إلى بطاقات المهن التخصصية ال ،30يحدد الإطار حًًدا أدنى عاًًما للإلمام بالبيانات والذكاء الاصطناعي ينطبق على المختصين في جميع التخصصات والوظائف )القسم .)5وتستخدم عناصر هذا الحد الأدنى البادئة AP التي تشير إلى )جميع

المختصين ،)مثل ))AP-T-001

الحد الأدنى للإلمام بالبيانات والذكاء05 الاصطناعي لجميع المختصين 17

.5الحد الأدنى للإلمام بالبيانات والذكاء الاصطناعي لجميع المختصين

تحدد هذه البطاقة الحد الأدنى العام المتوقع من المختصين في جميع التخصصات والوظائف ممن يستخدمون البيانات أو لوحات المعلومات أو التوصيات المؤتمتة أو أدوات الذكاء الاصطناعي المعتمدة في أعمالهم المعتادة. وتركز على التعرف الآمن، والاستخدام المسؤول، والتفسير الأساسي، والتحقق، والإفصاح، والتصعيد عند الحاجة. ولا تشمل المسؤوليات التخصصية، مثل ملكية حوكمة البيانات، وتصميم النماذج، وبنية الأنظمة، والتحقق، والنشر، والمراقبة،

وضمان الامتثال، وتقييم المخاطر.

•رمز البطاقة: AP-AM •اسم البطاقة: المعارف الأساسية لجميع المختصين في جميع التخصصات •النطاق: الحد الأدنى العام للإلمام بالبيانات والذكاء الاصطناعي لجميع التخصصات والمجالات المهنية •الحد الأدنى للمؤهل العلمي: لاُ يشترط مؤهل محدد، إذ تنطبق البطاقة على جميع التخصصات والخلفيات العلمية والمهنية بوصفها حدًا أدنى تأسيسًيا للإلمام بالبيانات والذكاء الاصطناعي.

ُُتسند جميع عناصر الحد الأدنى العام إلى المستوى الأول المتوائم مع) ،)ISCO-08لأنها تمثل استخداًًما تأسيسًًيا روتين�ياً منخفض المخاطر ضمن ضوابط محددة، لا عماًلا تخصص�ياً في البيانات أو الذكاء الاصطناعي.

المهام ))10

•) :AP-T-001 (L1التعّرف على الحالات التي يتضمن فيها نشاط العمل استخدام البيانات أو التوصيات المؤتمتة أو مساعدة الذكاء الاصطناعي، وإحالة أعمال التصميم أو الحوكمة التخصصية إلى الفريق المسؤول.

•) :AP-T-002 (L1استخدام أدوات البيانات والذكاء الاصطناعي وحساباتها وقنواتها المعتمدة فقط في مهام العمل المعتادة منخفضة المخاطر.

•) :AP-T-003 (L1التحقق قبل استخدام أي أداة للبيانات أو الذكاء الاصطناعي من خلو الملفات والرسائل والأوامر والأمثلة من المعلومات الشخصية أو السرية أو الحساسة أو المملوكة للجهة.

•) :AP-T-004 (L1توضيح المخرجات المطلوبة والسياق والجمهور والقيود والحاجة إلى المراجعة عند طلب المساعدة من أداة ذكاء اصطناعي معتمدة.

•) :AP-T-005 (L1التعامل مع النصوص والصور والرموز البرمجية والملخصات والتوصيات التي يولدها الذكاء الاصطناعي بوصفها مسودات مساندة إلى أنُ تراجع بالرجوع إلى مصادر موثوقة وباستخدام الحكم البشري. •) :AP-T-006 (L1قراءة عنوان الرسم أو الجدول أو لوحة المعلومات أو مخرجات الذكاء الاصطناعي ومصدره وتاريخه

ووحدته ومفتاحه ومرشحاته ونطاقه قبل الاعتماد عليه. •) :AP-T-007 (L1الإفصاح بصورة موجزة عن الاستعانة بالذكاء الاصطناعي في مخرجات العمل متى تطلبت سياسة

الجهة أو قواعد التكليف ذلك. •) :AP-T-008 (L1طلب المساعدة من مالك البيانات أو مالك نظام الذكاء الاصطناعي أو مشرف البيانات أو مسؤول

الامتثال أو المشرف الإداري عند ظهور مسألة تتجاوز الصلاحية الشخصية. •) :AP-T-009 (L1إيقاف استخدام مخرجات البيانات أو الذكاء الاصطناعي مؤقًتا إذا بدت غير آمنة أو متحيزة أو قديمة

أو غير موثقة أو غير ملائمة أو مخالفة للحقائق المعروفة. •) :AP-T-010 (L1الاستناد إلى المعرفة التخصصية والمسؤولية المهنية لتحديد مدى ملاءمة اقتراح الذكاء الاصطناعي

للحالة المحددة قبل العمل به.

•) :AP-S-001 (L1مهارة التعّرف على المصطلحات الشائعة في البيانات والذكاء الاصطناعي بالقدر الذي يتيح طرح أسئلة غير تقنية واضحة.

•) :AP-S-002 (L1مهارة صياغة أوامر واضحة بلغة بسيطة للحصول على مساعدة منخفضة المخاطر من أدوات الذكاء الاصطناعي المعتمدة، من دون تضمين معلومات شخصية أو سرية.

•) :AP-S-003 (L1مهارة تحديد مصدر المعلومات وتاريخها ومالكها والغرض المقصود منها عند استخدامها في مخرجات مدعومة بالبيانات أو الذكاء الاصطناعي.

•) :AP-S-004 (L1مهارة مقارنة الإجابة المدعومة بالذكاء الاصطناعي بمصدر رسمي أو سجل أصلي واكتشاف أوجه التعارض الواضحة.

•) :AP-S-005 (L1مهارة اكتشاف المؤشرات الواضحة على تدني جودة المعلومات، مثل غياب التسميات أوِ قدم التواريخ أو عدم اتساق الإجماليات أو غموض التعريفات.

•) :AP-S-006 (L1مهارة التعّرف على المحتوى الشخصي أو السري أو الحساس أو المملوك للجهة في الملفات والأوامر قبل مشاركته مع أي أداة.

•) :AP-S-007 (L1مهارة قراءة تحذيرات الاستخدام والصلاحيات والقيود ومؤشرات الثقة والاشتراطات التي تعرضها أدوات البيانات أو الذكاء الاصطناعي.

•) :AP-S-008 (L1مهارة استخدام خصائص التصفية والفرز والتنقل في لوحات المعلومات أو الجداول المتاحة دون تعديل البيانات أو النماذج أو المنطق الأساسي.

•) :AP-S-009 (L1مهارة توضيح كيفية إسهام الذكاء الاصطناعي في إعداد أحد مخرجات العمل وما جرى التحقق منه لاحقًا بلغة بسيطة.

•) :AP-S-010 (L1مهارة التمييز بين الحقائق والآراء والتنبؤات والافتراضات والمحتوى المولد بالذكاء الاصطناعي في مخرجات العمل.

•) :AP-S-011 (L1مهارة طلب المراجعة البشرية عندما يمكن أن تؤثر المساعدة القائمة على البيانات أو الذكاء الاصطناعي في الأشخاص أو الحقوق أو السامة أو الامتثال أو الموارد المهمة.

•) :AP-S-012 (L1مهارة اختيار صياغات أكثر أماًنا تحد من الإفصاح غير الضروري عن الأسماء والمعّرفات والحالات السرية والأمثلة المملوكة للجهة.

المعارف ))12

•) :AP-K-001 (L1معرفة أن البيانات حقائق أو ملاحظات أو قياسات أو أحداث أو أوصاف مسجلة، وأنها قد تكون ناقصة أو غير دقيقة أو مكررة أو قديمة.

•) :AP-K-002 (L1معرفة أن أنظمة الذكاء الاصطناعي تنتج مخرجات استنادًا إلى الأنماط الموجودة في البيانات والتعليمات، وأن هذه المخرجات قد تكون مفيدة أو مقنعة ظاهرًيا، لكنها قد تكون خاطئة أو ناقصة أو مضللة. •) :AP-K-003 (L1معرفة أن مشاركة المعلومات الشخصية أو السرية أو الحساسة أو المملوكة للجهة أو رفعها أو

نسخها أو إدخالها في أدوات الذكاء الاصطناعي تتطلب تصريحًا مناسًبا. •) :AP-K-004 (L1معرفة أن الأوامر والملفات المرفوعة والمخرجات المولدة وسجلات الأدوات قدُ تحفظ أوُ تعالج أوتُراجع وفق سياسات الجهة وشروط مقدم الخدمة. •) :AP-K-005 (L1معرفة أن الرسوم البيانية والمتوسطات والارتباطات والتنبؤات والتوصيات المؤتمتة قد تكون

مضللة إذا كان المصدر أو التاريخ أو التعريف أو العينة أو السياق غير واضح. •) :AP-K-006 (L1معرفة أن مخرجات الذكاء الاصطناعي قد تعكس تحيًزا أو افتقاًرا إلى بعض وجهات النظر أو افتراضات

غير ملائمة أو قيودًا في بيانات التدريب والتعليمات. •) :AP-K-007 (L1معرفة أن استخدام الذكاء الاصطناعي لا ينقل المسؤولية عن العمل من الشخص الذي يقدمه أو

يعتمده أو يتصرف بناًء عليه. •) :AP-K-008 (L1معرفة أن سياسة الجهة قد تشترط الإفصاح أو الإسناد أو الموافقة أو الاحتفاظ أو المراجعة عند

استخدام الذكاء الاصطناعي أو البيانات في العمل.

•) :AP-K-009 (L1معرفة أن لوحات المعلومات والمؤشرات ونتائج البحث وتوصيات الذكاء الاصطناعي أدوات لدعم القرار وليست قرارات تلقائية.

•) :AP-K-010 (L1معرفة أن القرارات المتعلقة بالبيانات والذكاء الاصطناعي قد تترتب عليها آثار في الأشخاص والمؤسسات والثقة.

•) :AP-K-011 (L1معرفة أن بعض أنشطة البيانات والذكاء الاصطناعي يجب أن تتولاها فرق مدربة، لا المستخدمون العاديون. •) :AP-K-012 (L1معرفة الفرق بين استخدام أداة بيانات أو ذكاء اصطناعي بوصف المستخدم مستفيدًا نهائًيا وبين

تصميم أنظمة البيانات والذكاء الاصطناعي والتحقق منها ونشرها ومراقبتها وحوكمتها.

القدرات ))6

•) :AP-A-001 (L1القدرة على التوقف ومساءلة مخرجات البيانات أو الذكاء الاصطناعي عندما تتعارض مع الأدلة أو السياسات أو السياق أو المنطق السليم.

•) :AP-A-002 (L1القدرة على التعّرف على الطلبات التي تتجاوز الصلاحية الشخصية أو الخبرة أو الاستخدام المعتمد، وتصعيدها إلى الجهة المناسبة.

•) :AP-A-003 (L1القدرة على الموازنة بين سهولة الاستعانة بالذكاء الاصطناعي ومتطلبات السرية والدقة والإنصاف والمساءلة.

•) :AP-A-004 (L1القدرة على تطبيق قائمة تحقق أساسية تشمل المصدر والحساسية والدقة والتصريح والأثر قبل الاعتماد على البيانات أو مساعدة الذكاء الاصطناعي.

•) :AP-A-005 (L1القدرة على الإفصاح عن أن الاستنتاج مدعوم بالذكاء الاصطناعي أو قائم على المعلومات المتاحة، وليس حقيقة مضمونة.

•) :AP-A-006 (L1القدرة على تكييف عادات العمل الشخصية مع ممارسات البيانات والذكاء الاصطناعي المعتمدة دون تجاوز الضوابط أو الاعتماد الأعمى على الأتمتة.

بطاقات المهن التخصصية06

.6بطاقات المهن التخصصية

تعرض البطاقات الآتية المعايير المعتمدة للمهن التخصصية ال 30في مجال البيانات والذكاء الاصطناعي. وتحدد كل بطاقة هوية المهنة التخصصية، والمهنة المرتبطة بها وتسلسلها التصنيفي، ووصفها، والحد الأدنى للمؤهل العلمي، والمهام والمهارات والمعارف والقدرات المطلوبة. ويظهر مستوى التعقيد بجوار كل عنصر بصيغة L1أو L2أو L3أو L4

فقط، بينما يوضح القسم 4.2مواءمته على مستوى الإطار مع ).)ISCO-08

| D-CO الرئيس التنفيذي للبيانات

D-CO

المديرون مديرو الإنتاج والخدمات المتخصصة

مديرو خدمات تقنية المعلومات والاتصالات الرئيس التنفيذي للبيانات الرئيس التنفيذي للبيانات

بكالوريوس في إدارة البيانات، علم البيانات، نظم المعلومات، علوم الحاسب، إدارة الأعمال، أو أي مجال ذي صلة. ُُيفّّضل الماجستير في إدارة الأعمال، إدارة البيانات، علم

البيانات، نظم المعلومات، تحليلات الأعمال، أو أي مجال ذي صلة.

المجموعة الرئيسية المجموعة الفرعية المجموعة الثانوية

الوصف

يقود الرئيس التنفيذي للبيانات الأجندة الاستراتيجية والتشغيلية للبيانات على المستوى المؤسسي، ويحّّول التوجهات المؤسسية إلى خطط ومبادرات قابلة للتنفيذ، ويشرف على فرق البيانات، ويضمن جودة أعمالها وحوكمتها وامتثالها

للمتطلبات النظامية والتنظيمية المعتمدة.

المهام ))7

•) :T-351 (L4إعداد الاستراتيجيات والمستهدفات والمؤشرات الخاصة بإدارة البيانات المؤسسية •) :T-352 (L4مراجعة أطر السياسات والمعايير الخاصة بالبيانات بعد مراجعتها وتقديم التوصيات حيالها لضمان الجودة

والحوكمة والامتثال المؤسسي •) :T-353 (L4الإشراف على فرق البيانات ومخرجات الإدارة وضمان تنفيذها وفق الخطة المعتمدة

•) :T-354 (L4إدارة الأعمال الدورية والمشاريع الاستراتيجية والتشغيلية الخاصة بالبيانات •) :T-355 (L4مراجعة استراتيجيات، مستهدفات، وأعمال الإدارة وضمان تطبيقها للسياسات والأنظمة الخاصة بالبيانات •) T-356 (L4تمكين الثقافة المؤسسية القائمة على البيانات من خال رفع الوعي وتعزيز سبل اتخاذ القرارات المبنية

على البيانات •) :T-357 (L2الدعم في الأعمال التنفيذية الخاصة باللجان الإشرافية

المهارات ))9

•) :S-300 (L4مهارة التخطيط الاستراتيجي في مجال البيانات، بما يشمل بناء الاستراتيجية، تحديد الرؤية والرسالة ومؤشرات القياس وتخطيط المبادرات ذات الأثر العالي ومواءمتها مع المؤسسة •) :S-301 (L3مهارة اتخاذ القرارات المبنية على البيانات وتقديمها للجهة العليا عند الحاجة

•) :S-302 (L4مهارة التواصل مع الأفراد من جميع المستويات الإدارية بمن فيهم أعضاء مجلس الإدارة، وتحديد نقاط المقاومة ومعالجتها بأساليب إدارة التغيير.

•) :S-303 (L3مهارة إدارة وقيادة فرق متعددة التخصصات •) :S-304 (L3مهارة قياس وتقييم مستوى نضج إدارة البيانات وحوكمتها مع تقديم الحلول لإدارة إدارة البيانات في

المؤسسة. •) :S-305 (L3مهارة الإشراف على دورة حياة البيانات بشكلها الكامل، مع العمل على أتمتها في أنظمة الجهات ذات

العلاقة. •) :S-306 (L4مهارة الإشراف على متابعة سياسات وتشريعات إدارة وحوكمة البيانات على المستوى الوطني والمؤسسي •) :S-307 (L3مهارة التواصل الفّعال والتفاوض المهني مع أصحاب المصلحة لضمان فهم موحّد وتبني ناجح

لسياسات واستراتيجيات إدارة البيانات •) :S-308 (L3مهارة الإشراف على التقارير الدورية، مؤشرات الأداء ولوحات المعلومات ورفع نتائجها إلى الإدارة العليا

المعارف ))5

•) :K-230 (L3المعرفة بالتشريعات والضوابط الوطنية الخاصة بإدارة البيانات، وسياسات مكتب إدارة البيانات الوطنية، والإلمام بمؤشرات البيانات الوطنية الصادرة من الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا.)

•) :K-231 (L3المعرفة بمبادئ أخلاقيات البيانات، والاستخدام المسؤول والعادل للبيانات، وفرز الممارسات غير الأخلاقية وضمان احترام الخصوصية والعدالة والشفافية في معالجتها.

•) :K-232 (L3المعرفة باللوائح ومتطلبات البيانات الوطنية ذات الصلة بالمنظمة. •) :K-233 (L3المعرفة بأفضل الممارسات المتبعة في حوكمة البيانات وإدارتها والإشراف عليها وجودتها محلياً وعالمياً

•) :K-234 (L3المعرفة بمفاهيم البيانات وأدوات تحليل مجموعات البيانات الكبيرة والمعقّدة.

القدرات ))7

•) :A-142 (L4القدرة على التفكير بشكل استراتيجي وتحويل البيانات إلى رؤى قابلة للتنفيذ. •) :A-143 (L3القدرة على فهم تحديات الإدارة والعمل على تجاوزها

•) :A-144 (L3القدرة على الإشراف على مخرجات الإدارة مع ضمان جودتها وحوكمتها بما يطابق السياسات والأنظمة •) :A-145 (L4القدرة على وضع الاستراتيجيات والسياسات وإعداد الوثائق ذات الصلة لدعم استراتيجية البيانات

ومواءمتها مع استراتيجية الأعمال بالمنظمة. •) :A-146 (L3القدرة على تمثيل البيانات مرئًيا بطريقة واضحة وموجزة. •) :A-147 (L3القدرة على تفسير القوانين واللوائح والسياسات والإرشادات ذات الصلة بأهداف بيانات المنظمة وتطبيقها. •) :A-148 (L3القدرة على تحديد الأولويات وتخصيص وترشيد موارد البيانات على نحو سليم.

| D-C مستشار البيانات

D-C

الاختصاصيون

الاختصاصيون في الأعمال والإدارة

الاختصاصيون في الإدارة

محللو التنظيم )الهياكل التنظيمية(والإدارة مستشار البيانات مستشار البيانات

المجموعة الثانوية

المهنة

بكالوريوس في إدارة البيانات، علم البيانات، تقنية المعلومات، علوم الحاسب، نظم المعلومات، أو أي مجال ذي صلة. ُُيفّّضل الماجستير في إدارة البيانات، علم البيانات، تقنية المعلومات، علوم

الحاسب، نظم المعلومات، أو أي مجال ذي صلة.

الوصف

يتولى مستشار البيانات تقديم الاستشارات والرؤى الاستراتيجية في مجال إدارة البيانات وحوكمتها، وإبداء الرأي في الاستراتيجيات والسياسات والمبادرات، وتقييم الحلول والخيارات المقترحة، وتقديم التوصيات المبنية على أفضل

الممارسات لدعم اتخاذ القرار، بما يعزز الاستفادة من البيانات ويسهم في تحقيق الأهداف الاستراتيجية للجهة.

المهام ))5

•) :T-358 (L3تقديم المشورة بشأن استراتيجيات البيانات ومستهدفاتها، ومؤشرات الأداء، والمخرجات ذات العلاقة لدى الجهة.

•) :T-359 (L3تقديم المشورة بشأن مخاطر البيانات والخصوصية والتصنيف والمشاركة. •) :T-360 (L3تقديم التوصيات المبنية على أفضل الممارسات المحلية والعالمية، وتقييم مستوى نضج إدارة البيانات

لدى الجهة •) :T-361 (L3مراجعة وتقييم سياسات إدارة البيانات وحوكمتها، وتقديم التوصيات اللازمة لتحسينها. •) T-362 (L3تقييم الوضع الراهن لمجالات البيانات لدى الجهة، وتحليل الفجوات، وتقديم التوصيات لمعالجتها.

المهارات ))7

•) :S-309 (L3تحليل الوضع الراهن لدى الجهة واستقراء التحديات والفرص في مجال البيانات. •) :S-310 (L3مهارة صياغة التوصيات والمقترحات •) :S-311 (L3مهارة تحديد فرص تحقيق القيمة

•) :S-312 (L3مهارة مراجعة وتقييم الاستراتيجيات والسياسات. •) :S-313 (L2مهارة التواصل التنفيذي •) :S-314 (L3مهارة التفكير النقدي

•) :S-315 (L3مهارة تقييم مستوى النضج المؤسسي.

المعارف ))6

•) :K-235 (L3الإلمام بالوثائق النظامية والتنظيمية ذات العلاقة بالبيانات، بما يشمل سياسات حوكمة البيانات الوطنية.

•) :K-236 (L3المعرفة بمجالات DAMA-DMBOK في إدارة البيانات. •) :K-237 (L3الإلمام بأفضل الممارسات والمعايير العالمية في مجال البيانات.

•) :K-238 (L3المعرفة بالتوجهات التقنية الحديثة لمجال البيانات المفتوحة. •) :K-239 (L3المعرفة بالاستراتيجيات الوطنية للبيانات.

•) :K-240 (L3المعرفة بطرق تقييم فعالية الأعمال، المخرجات والمبادرات المؤسسية وقياس القيمة الناتجة عنها

القدرات ))5

•) :A-149 (L3القدرة على تقييم الاستراتيجيات والمبادرات والسياسات وفق أفضل الممارسات. •) :A-150 (L3القدرة على تحديد فرص تحقيق القيمة الكامنة من البيانات وتقييم أثرها. •) :A-151 (L3القدرة على تقييم المخاطر وفرص النجاح على المستوى المؤسسي

•) :A-152 (L3القدرة على استخلاص القيمة من البيانات، تحديد المجالات والبيانات ذات الأثر الملموس وتقديمها لصناع القرار.

•) :A-153 (L2القدرة على طرح الأفكار والتوصيات بوضوح لصناع القرار.

| D-RV خبير تحقيق الإيرادات من البيانات

D-RV الاختصاصيون الاختصاصيون في الأعمال والإدارة الاختصاصيون في الإدارة

محللو التنظيم )الهياكل التنظيمية(والإدارة خبير تحقيق الإيرادات من البيانات خبير تحقيق الإيرادات من البيانات

بكالوريوس في علم البيانات، تحليل البيانات، إدارة الأعمال، نظم المعلومات، الاقتصاد، تحليلات الأعمال، أو أي مجال ذي صلة. ُُيفّّضل الماجستير في إدارة الأعمال، تحليلات الأعمال، الاقتصاد، المالية، أو أي مجال ذي صلة.

الوصف

يقود خبير تحقيق الإيرادات من البيانات تحديد فرص تحقيق القيمة والعائد من أصول البيانات، وتقييم جاهزيتها وجدواها، وتصميم نماذج الأعمال والتسعير والشراكات، وضمان استيفاء المتطلبات النظامية، ومتابعة أداء محفظة المنتجات

والخدمات القائمة على البيانات بما يحقق أهداف الجهة المالية والخدمية.

المهام ))17

•) :T-363 (L4إعداد وتحديث مبادرة تحقيق الإيرادات من البيانات وربطها باستراتيجية البيانات والجهة وأهدافها المالية والخدمية، وتحديد المستهدفات ومؤشرات الأداء وخارطة الطريق.

•) :T-364 (L3تحديد مجالات تحقيق القيمة والعائد من البيانات وترتيب أولوياتها وفق أهداف الجهة والطلب المتوقع والجدوى وإمكانية التنفيذ.

•) :T-365 (L3المساهمة في وضع إطار حوكمة تحقيق الإيرادات من البيانات، وتحديد الأدوار والصلاحيات ومسارات الاعتماد وآليات متابعة التنفيذ والتصعيد.

•) :T-366 (L3حصر مجموعات البيانات وواجهات البيانات والمنتجات التحليلية والخدمات الرقمية القابلة للاستثمار، وتوثيق مالكيها واستخداماتها وتصنيفها حسب القيمة المتوقعة.

•) :T-367 (L3تقييم جاهزية أصول البيانات للاستثمار على سبيل المثال الجودة والاكتمال والحداثة والتوثيق والتصنيف وحقوق الاستخدام وسهولة الإتاحة والجاهزية التقنية.

•) :T-368 (L3تحليل احتياجات السوق والفئات المستفيدة والمنافسين والبدائل المتاحة، وتحديد الفرص الواعدة والطلب المتوقع عليها.

•) :T-369 (L3بناء وتقييم حالات استخدام للفرص المقترحة، وتحديد الفئات المستفيدة والقيمة المتوقعة والبيانات المطلوبة والمخرجات ومتطلبات التنفيذ وترتيب الأولويات.

•) :T-370 (L3المساهمة في إعداد دراسات الجدوى وحالات الأعمال للفرص المقترحة، بما يشمل تقدير الإيرادات والتكاليف والمنافع والمخاطر والعائد على الاستثمار.

•) :T-371 (L3المساهمة إعداد التوقعات المالية وتحليل الحساسية ونقطة التعادل لدعم قرارات الاستثمار في المنتجات والخدمات البيانات.

•) :T-372 (L3تطوير نماذج أعمال المعتمدة من الجهات ذات العلاقة للمنتجات والخدمات القائمة على البيانات، مثل الاشتراكات والتراخيص وواجهات البيانات والخدمات التحليلية.

•) :T-373 (L3إعداد مقترحات تسعير المنتجات والخدمات البيانات بالتنسيق مع الإدارات المالية والقانونية، استنادًا إلى التكلفة والقيمة والطلب ومستوى الخدمة.

•) :T-374 (L3المساهمة في تحديد العماء والشركاء وقنوات تقديم المنتجات والخدمات القائمة على البيانات، وتقييم ملاءمتهم وجدوى التعاون معهم.

•) :T-375 (L3تقييم فرص تحقيق الإيرادات من حيث تحقيق المتطلبات والضوابط التنظيمية ذات العلاقة للحصول على الموافقات اللازمة مثل نظام حماية البيانات الشخصية والتصنيف والمشاركة والملكية الفكرية التنظيمية.

•) :T-376 (L3تحديد الموافقات النظامية والمخاطر والضوابط اللازمة لتطوير وإطاق المنتجات والخدمات البياناتية، ومتابعة استيفائها مع الجهات المختصة.

•) :T-377 (L3التنسيق مع فرق البيانات والتقنية والأعمال لتحديد متطلبات المنتجات والخدمات، وتطوير النماذج الأولية واختبارها والتحقق من جاهزيتها ودعم إطلاقها.

•) :T-378 (L2متابعة أداء محفظة منتجات وخدمات البيانات وقياس الإيرادات والتكاليف والطلب ومعدلات الاستخدام ورضا المستفيدين والقيمة المحققة.

•) :T-379 (L3تحليل أداء منتجات وخدمات البيانات وتقديم التوصيات بشأن تطويرها أو توسيعها أو إعادة تسعيرها أو دمجها أو إيقافها.

المهارات ))11

•) :S-316 (L3مهارة حصر وتصنيف أصول البيانات •) :S-317 (L3مهارة تقييم جاهزية أصول البيانات •) :S-318 (L3مهارة تحليل السوق والطلب

•) :S-319 (L3مهارة تصميم وتقييم حالات الاستخدام •) :S-320 (L3مهارة التحليل المالي

•) :S-321 (L3مهارة تصميم نماذج الأعمال •) :S-322 (L3مهارة تقييم العملاء والشركاء والقنوات

•) :S-323 (L3مهارة تقييم الالتزام التنظيمي •) :S-324 (L3مهارة إدارة المخاطر والموافقات •) :S-325 (L2مهارة قياس الأداء وإعداد تقارير المحفظة •) :S-326 (L3مهارة تحليل الأداء وتحسين المحفظة

المعارف ))10

•) :K-288 (L3المعرفة باستراتيجيات البيانات، وتحقيق الإيرادات منها، وتحديد المستهدفات ومؤشرات الأداء. •) :K-289 (L3المعرفة بمنهجيات تقييم القيمة والطلب والجدوى، وتحليل السوق والمستفيدين والمنافسين.

•) :K-290 (L3المعرفة بنماذج حوكمة البيانات، والأدوار والصلاحيات، ومسارات الاعتماد واتخاذ القرار. •) :K-291 (L3المعرفة بأنواع أصول البيانات ومصادرها واستخداماتها وبياناتها الوصفية، ومتطلبات جودة البيانات

وتصنيفها وإتاحتها. •) :K-292 (L3المعرفة بتحليل الأعمال، وتصميم عروض القيمة، وتحديد متطلبات المنتجات والخدمات القائمة على

البيانات. •) :K-293 (L3المعرفة بإعداد دراسات الجدوى وحالات الأعمال، وتحليل التكلفة والمنفعة والمخاطر والعائد على

الاستثمار. •) :K-294 (L3المعرفة بأساليب التنبؤ بالإيرادات، وتحليل الحساسية، ونقطة التعادل، ومؤشرات الأداء المالي

والتشغيلي. •) :K-295 (L3المعرفة بنماذج الأعمال والاشتراكات والتراخيص وواجهات البيانات والخدمات التحليلية، ومنهجيات

التسعير. •) :K-296 (L3المعرفة بنماذج الشراكات وقنوات تقديم المنتجات والخدمات ومعايير تقييم العملاء والشركاء. •) :K-297 (L3المعرفة بالمتطلبات التنظيمية وحقوق استخدام البيانات وحمايتها وتصنيفها ومشاركتها والملكية الفكرية، ودورة حياة المنتجات من التطوير والاختبار والإطاق إلى التوسع وإعادة التسعير أو الإيقاف

القدرات ))10

•) :A-154 (L3القدرة على مواءمة مبادرة تحقيق الإيرادات من البيانات مع أهداف الجهة وتحويلها إلى خطة عملية قابلة للتنفيذ.

•) :A-155 (L3القدرة على الموازنة بين القيمة المتوقعة والطلب والجدوى وإمكانية التنفيذ عند تقييم الفرص وترتيب أولوياتها.

•) :A-156 (L3القدرة على تصميم آليات الحوكمة واتخاذ القرار والمتابعة والتصعيد بما يضمن وضوح المسؤوليات وسير العمل.

•) :A-157 (L3القدرة على تجميع معلومات أصول البيانات من مصادر متعددة وتنظيمها وتقييم مدى جاهزيتها وقابليتها للاستثمار..

•) :A-158 (L3القدرة على استنتاج الفرص من بيانات السوق واحتياجات المستفيدين وتحويلها إلى حالات استخدام واضحة وقابلة للتنفيذ

•) :A-159 (L3القدرة على تقييم الجدوى المالية والاقتصادية وبناء السيناريوهات المالية وتحليل أثر تغير الافتراضات لدعم قرارات الاستثمار.

•) :A-160 (L3القدرة على اختيار نماذج الأعمال المناسبة واقتراح أسعار تحقق التوازن بين القيمة والتكلفة والطلب وطبيعة السوق والمستفيدين.

•) :A-161 (L3القدرة على تقييم الشركاء وقنوات تقديم المنتجات والمفاضلة بينها وفق القيمة والجدوى والمخاطر. •) :A-162 (L3القدرة على تحديد قابلية الفرص للاعتماد والفجوات النظامية، وتنسيق استيفاء الموافقات والمتطلبات

والضوابط مع الجهات المختصة. •) :A-163 (L3القدرة على تنسيق تنفيذ متطلبات المنتجات بين الفرق المختلفة، وتحليل اتجاهات الأداء والانحرافات،

وتقديم توصيات مبنية على الأدلة لتحسين المحفظة.

| AI-CO الرئيس التنفيذي للذكاء الاصطناعي

AI-CO

المديرون مديرو الإنتاج والخدمات المتخصصة

مديرو خدمات تقنية المعلومات والاتصالات الرئيس التنفيذي للذكاء الاصطناعي الرئيس التنفيذي للذكاء الاصطناعي

بكالوريوس في الذكاء الاصطناعي، علوم الحاسب، علم البيانات، نظم المعلومات، الهندسة، الأعمال، أو أي مجال ذي صلة. ُُيفّّضل الماجستير في إدارة الأعمال، الذكاء

الاصطناعي، علوم الحاسب، علم البيانات، الهندسة، أو أي مجال ذي صلة.

المجموعة الرئيسية المجموعة الفرعية المجموعة الثانوية

الوصف

يقود أجندة الذكاء الاصطناعي على مستوى المؤسسة، ويتحمل مسؤولية تحقيق قيمة قابلة للقياس منه مع إبقاء المخاطر ضمن الحدود المعتمدة. ويضع استراتيجية الذكاء الاصطناعي ومتطلبات الحوكمة وأولويات التبني وتوجهات المحفظة وآليات الإشراف على امتداد دورة حياته. كما يوازن بين الابتكار والسلامة والأخلاقيات والأمن والخصوصية

والامتثال والقدرة التشغيلية، لضمان موثوقية أنظمة الذكاء الاصطناعي وفائدتها وقابليتها للتوسع.

المهام ))21

الاستخدام المقبول قبل اعتمادها أو نشرها. •) :T-023 (L3مراجعة حلول البيانات والذكاء الاصطناعي للتحقق من امتثالها لمتطلبات الحوكمة والأمن والخصوصية

والجودة والاستخدام المسؤول. •) :T-025 (L3إدارة مخاطر سلسلة إمداد الذكاء الاصطناعي المرتبطة بمجموعات البيانات وأصول النماذج والحزم والإضافات وواجهات برمجة التطبيقات والأوامر وأصول التقييم وصور البنية التحتية وخدمات الأطراف الخارجية. •) :T-026 (L3التخطيط للإيقاف أو التراجع أو الاستبدال أو الخروج من الخدمة بصورة منضبطة لنماذج الذكاء الاصطناعي

ومنتجات البيانات وخدمات القرار والخصائص والأصول المرتبطة بها. •) :T-032 (L3تحديد مؤشرات الأداء الرئيسية والمقاييس الخاصة بالمجال وتحليلها ومراقبتها.

•) :T-045 (L3تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي •) :T-047 (L3التعاون مع فرق البيانات والذكاء الاصطناعي والهندسة والمنتجات والأعمال والمجالات لتشغيل النماذج

للقياس أو تصاميم قابلة للتنفيذ لحلول الذكاء الاصطناعي. •) :T-036 (L3تخطيط وتنفيذ نمذجة التهديدات للذكاء الاصطناعي والنماذج اللغوية الكبيرة، وتحليل حالات إساءة

الاستخدام، والاختبارات الهجومية، وتمارين الفرق الحمراء، ومتابعة المعالجة. •) :T-226 (L3التعاون مع الرئيس التنفيذي للبيانات والرئيس التنفيذي للتقنية لمواءمة أولويات المؤسسة في الذكاء

الاصطناعي والبيانات والتقنية والأعمال. •) :T-302 (L4توجيه تسليم حلول الذكاء الاصطناعي ونشرها وتشغيلها عبر وحدات الأعمال والبيئات التقنية. •) :T-309 (L4ضمان مواءمة محفظة استثمارات الذكاء الاصطناعي مع استراتيجية المؤسسة وميزانيتها وتقبلها

للمخاطر وقدراتها والقيمة المتوقعة. •) :T-310 (L3ضمان امتثال نظم الذكاء الاصطناعي للأنظمة المنطبقة والإرشادات الوطنية للذكاء الاصطناعي

والمعايير والمتطلبات الأخلاقية. •) :T-315 (L4إنشاء برامج مؤسسية لمحو الأمية في الذكاء الاصطناعي وترسيخ ممارسات الذكاء الاصطناعي المسؤول

على مستوى المؤسسة. •) :T-323 (L4قيادة مشاركة المؤسسة في تطوير الاستراتيجية الوطنية للذكاء الاصطناعي والمنتديات التنظيمية

وشراكات المنظومة والمبادرات الوطنية. •) :T-325 (L4إدارة فريق قيادة الذكاء الاصطناعي وتطويره، وتنمية قدرات المؤسسة في الذكاء الاصطناعي عبر البحث

والهندسة والمخاطر والمنتجات والعمليات. •) :T-329 (L4الإشراف على إدارة حوادث الذكاء الاصطناعي ومراجعة مخاطر النماذج واستجابة المؤسسة لحوادث

الذكاء الاصطناعي وإخفاقات النماذج والمسائل التنظيمية. •) :T-335 (L4الإشراف على تحديد حالات استخدام الذكاء الاصطناعي وأولويات الاستثمار وترتيبها، وتطوير دراسات

الجدوى، وتحقيق القيمة.

•) :S-034 (L3مهارة تطبيق مصفوفات تقييم مدى ملاءمة القدرات ونمذجة التكلفة الإجمالية للملكية وتقييم إثبات المفهوم للمفاضلة بين خيارات نماذج الأساس ومنصات الذكاء الاصطناعي.

•) :S-059 (L3مهارة التعاون مع قيادات البيانات والذكاء الاصطناعي والتقنية والأعمال من مختلف الوظائف لمواءمة الاستراتيجية.

•) :S-060 (L3مهارة تنسيق إدارة حوادث البيانات والذكاء الاصطناعي والإفصاح التنظيمي واستجابة المؤسسة. •) :S-206 (L3مهارة تصميم مركز تميز للذكاء الاصطناعي وإدارة المعرفة وتمكين التعاون بين الوظائف. •) :S-208 (L3مهارة قياس أثر الذكاء الاصطناعي في الأعمال وتطبيق أطر العائد على الاستثمار فيه.

•) :S-209 (L3مهارة حوكمة محفظة الذكاء الاصطناعي وإدارة ميزانيتها وقياس العائد على الاستثمار فيها. •) :S-211 (L3مهارة تحديد حالات استخدام الذكاء الاصطناعي وترتيب أولوياتها وتطوير دراسات الجدوى لها. •) :S-257 (L4مهارة تطوير استراتيجية الذكاء الاصطناعي في المؤسسة وتصميم خارطة طريق القدرات وتقييم النضج.

•) :S-269 (L4مهارة حوكمة برامج تبني الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة في بيئات المؤسسة. •) :S-276 (L3مهارة قيادة لجان حوكمة الذكاء الاصطناعي ومجالس مراجعة مخاطر النماذج والهيئات التوجيهية

المشتركة بين الوظائف. •) :S-278 (L3مهارة إدارة التواصل مع الجهات الوطنية المنظمة للذكاء الاصطناعي وتخطيط استجابة المؤسسة.

المعارف ))17

وإدارة التبعيات، وفحص الثغرات، وتتبع المنشأ، وضوابط مخاطر الأطراف الخارجية. •) :K-026 (L2معرفة إدارة التغيير المؤسسي وممارسات التحول الثقافي.

•) :K-034 (L3معرفة مبادئ إدارة المخاطر وتصميم الضوابط والتخطيط للمعالجة وممارسات الضمان في البيانات والذكاء الاصطناعي.

•) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة. •) :K-025 (L3معرفة تقنيات تعزيز الخصوصية في الذكاء الاصطناعي، بما يشمل التعلم المتحد والخصوصية التباينية

والحوسبة الآمنة متعددة الأطراف والحوسبة السرية وغرف البيانات النظيفة، والمفاضات المرتبطة بها. •) :K-031 (L3معرفة مخاطر تطبيقات النماذج اللغوية الكبيرة، بما يشمل حقن الأوامر والمعالجة غير الآمنة للمخرجات وتسميم بيانات التدريب وحجب الخدمة عن النماذج والإفصاح عن البيانات الحساسة والإفراط في صلاحيات الوكلاء

التخطيط، وحدود الصلاحيات، وأنماط المراقبة، وإنفاذ السياسات، واحتواء الإخفاقات. •) :K-036 (L3معرفة محركات تكلفة الذكاء الاصطناعي، بما يشمل اقتصاديات الوحدات، واستخدام وحدات معالجة الرسومات والمسّرعات، وأنماط استضافة النماذج، والمفاضلة بين التأخير ومستوى الخدمة، وتحسين الاعتمادية

والتكلفة. •) :K-039 (L3معرفة تهديدات أمن الذكاء الاصطناعي وأساليب الهجمات العدائية وهجمات خصوصية النماذج وضوابط

حماية أنظمة الذكاء الاصطناعي. •) :K-040 (L3معرفة قدرات نماذج الأساس ومشهد مقدمي الخدمات ومعايير الاختيار اللازمة لاتخاذ قرارات الذكاء

الاصطناعي المؤسسية. •) :K-150 (L3معرفة نظام حماية البيانات الشخصية السعودي ولوائحه التنفيذية وإرشادات سدايا المتعلقة بالإنفاذ. •) :K-220 (L3معرفة مبادئ سدايا لأخلاقيات الذكاء الاصطناعي وإرشادات الذكاء الاصطناعي التوليدي والإرشادات الوطنية لحوكمة البيانات والذكاء الاصطناعي، وكيفية تطبيقها على تصميم الذكاء الاصطناعي ونشره والإفصاح عنه

والأعمال التحليلية. •) :K-135 (L3معرفة حالات استخدام الذكاء الاصطناعي الخاصة بالقطاعات وأنماط التبني والسياقات التنظيمية. •) :K-157 (L3معرفة منهجيات تقييم مخاطر الذكاء الاصطناعي وأنماط فشل النماذج والتهديدات العدائية وسيناريوهات

إساءة الاستخدام وأوجه ضعف الضوابط. •) :K-171 (L3معرفة منصات الذكاء الاصطناعي السحابية واقتصاديات بنيته التحتية وتخطيط قدراته ونماذج تكلفته.

القدرات ))5

•) :A-090 (L4القدرة على بناء فريق قيادي رفيع للذكاء الاصطناعي وإلهامه لدمج تخصصات البحث والهندسة والحوكمة والمنتجات.

•) :A-097 (L4القدرة على تحديد رؤية مؤسسية موثوقة للذكاء الاصطناعي توازن بين طموح الابتكار والجدوى والمخاطر والقيمة العامة.

•) :A-132 (L3القدرة على ترجمة قدرات الذكاء الاصطناعي ومخاطره المعقدة إلى قرارات استراتيجية لأصحاب المصلحة التنفيذيين.

| AI-PM مدير منتج الذكاء الاصطناعي

AI-PM المديرون المديرون الإداريون والتجاريون مديرو المبيعات والتسويق والتطوير مديرو البحث والتطوير مدير منتج الذكاء الاصطناعي مدير منتج الذكاء الاصطناعي

بكالوريوس في علوم الحاسب، الذكاء الاصطناعي، الأعمال، نظم المعلومات، علم البيانات، تحليلات الأعمال، أو أي مجال ذي صلة. ُُيفّّضل أن يكون المتقدم قد حصل

على تدريب في إدارة المنتجات أو الذكاء الاصطناعي.

الوصف

يتولى مسؤولية المنتجات والقدرات المدعومة بالذكاء الاصطناعي منذ صياغة المشكلة واستكشاف احتياجات المستخدم، مروًًرا بالتسليم والتبني وإدارة دورة الحياة، ووصواًلا إلى الإيقاف. ويحدد رؤية المنتج ومقاييس القيمة والمتطلبات وخرائط الطريق وأولويات الإصدارات، وينسق مع فرق البيانات وهندسة الذكاء الاصطناعي والحوكمة والمخاطر والخصوصية والعمليات. ويتعامل مع النماذج وخدمات الذكاء الاصطناعي وخصائص دعم القرار والقدرات الموجهة للمستخدم بوصفها

منتجات لها مستفيدون محددون ومتطلبات جودة وضوابط حماية والتزامات دعم واضحة

المهام ))23

الاستخدام المقبول قبل اعتمادها أو نشرها. •) :T-022 (L2تقديم التدريب والتوعية والدعم الاستشاري لتعزيز تبني ممارسات حوكمة البيانات والذكاء الاصطناعي. •) :T-025 (L3إدارة مخاطر سلسلة إمداد الذكاء الاصطناعي المرتبطة بمجموعات البيانات وأصول النماذج والحزم والإضافات وواجهات برمجة التطبيقات والأوامر وأصول التقييم وصور البنية التحتية وخدمات الأطراف الخارجية. •) :T-026 (L3التخطيط للإيقاف أو التراجع أو الاستبدال أو الخروج من الخدمة بصورة منضبطة لنماذج الذكاء الاصطناعي

ومنتجات البيانات وخدمات القرار والخصائص والأصول المرتبطة بها. •) :T-032 (L3تحديد مؤشرات الأداء الرئيسية والمقاييس الخاصة بالمجال وتحليلها ومراقبتها. •) :T-034 (L3تصميم ضوابط الحماية للنماذج اللغوية الكبيرة واختبارها ومراقبتها، بما يشمل فحوصات الاستناد والتحقق من المخرجات ومرشحات المحتوى وضوابط السياسات وقيود استخدام الأدوات في أنظمة الذكاء

الاصطناعي التوليدي.

للقياس أو تصاميم قابلة للتنفيذ لحلول الذكاء الاصطناعي. •) :T-033 (L3تصميم الأوامر والتفاعات وحالات التقييم متعددة الصيغ وتقييمها عبر مدخات النصوص والصور

والصوت والفيديو والجداول والبيانات الجغرافية المكانية أو المهيكلة. •) :T-038 (L3تطوير أو تقييم نماذج التخصيص والتوصية والترتيب والمطابقة واتخاذ القرار باستخدام المقاييس

والتجارب وضوابط حلقات التغذية الراجعة ووسائل الحماية المناسبة. •) :T-040 (L3إدارة العمليات المالية للذكاء الاصطناعي ) ،)AI FinOps بما يشمل اختيار النماذج وتوجيهها والتخزين المؤقت والمعالجة الحزمية واستخدام الوحدات وسعة وحدات معالجة الرسومات أو المسّرعات والتأخير والاعتمادية

وتكلفة الاستنتاج. •) :T-048 (L3إعداد خرائط طريق مرتبة الأولويات وخطط تنفيذ ومبادرات تحسين لقدرات البيانات والذكاء الاصطناعي. •) :T-086 (L3تحليل بيانات استخدام منتجات الذكاء الاصطناعي ونتائج أداء النماذج وملاحظات المستخدمين لدعم

قرارات تحسين المنتجات. •) :T-106 (L3التعاون مع علماء البيانات ومهندسي الذكاء الاصطناعي ومهندسي البيانات لتحديد نطاق تطوير نماذج

الذكاء الاصطناعي ودمجها وتنفيذ ذلك. •) :T-144 (L3تطوير متطلبات المنتجات ومواصفات سلوك النماذج وقصص المستخدمين ومعايير القبول لخصائص

الذكاء الاصطناعي. •) :T-250 (L3تقييم قدرات الذكاء الاصطناعي والذكاء الاصطناعي التوليدي الناشئة ومدى ملاءمتها لعروض المنتجات

الحالية والمستقبلية. •) :T-344 (L3تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار غير المباشر والاختبار المباشر والمراجعة

البشرية واختبارات أ/ب أو النشر في بيئة الظل. •) :T-298 (L3تحديد إطار تجارب منتجات الذكاء الاصطناعي وحوكمته، بما يشمل بروتوكولات اختبار أ/ب ومعايير

إطاق النماذج. •) :T-300 (L4تحديد رؤية المنتجات والخصائص المدعومة بالذكاء الاصطناعي واستراتيجيتها وخارطة طريقها القائمة

على النتائج والمحافظة عليها. •) :T-334 (L4الإشراف على متطلبات الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية وقابلية التفسير

وضوابط السامة لخصائص منتجات الذكاء الاصطناعي.

المهارات ))11

•) :S-163 (L3مهارة التخطيط للطرح في السوق وتصميم محتوى تمكين المستخدمين وقياس تبني خصائص الذكاء الاصطناعي.

•) :S-194 (L3مهارة استخدام تحليات المنتجات وتحليل المجموعات لتفسير بيانات استخدام منتجات الذكاء الاصطناعي وتحديد فرص التحسين.

•) :S-203 (L3مهارة بحوث المستخدمين واختبارات قابلية الاستخدام وتوليف الملاحظات لاستخلاص متطلبات منتجات الذكاء الاصطناعي.

•) :S-205 (L3مهارة تصميم اختبارات أ/ب وتجارب تقييم النماذج وتقييم الدلالة الإحصائية لخصائص الذكاء الاصطناعي. •) :S-210 (L4مهارة تحديد رؤية منتج الذكاء الاصطناعي وتطوير خارطة طريق قائمة على النتائج وإيصال استراتيجية

المنتج. •) :S-214 (L2مهارة تطبيق أساليب التسليم الرشيق، بما يشمل إدارة قائمة الأعمال المتراكمة وتخطيط دورات العمل

وتيسير التسليم المشترك بين الوظائف. •) :S-231 (L3مهارة الاستخبارات التنافسية وتحليل سوق الذكاء الاصطناعي لدعم تموضع المنتجات وتمييزها.

المعارف ))13

وإدارة التبعيات، وفحص الثغرات، وتتبع المنشأ، وضوابط مخاطر الأطراف الخارجية. •) :K-026 (L2معرفة إدارة التغيير المؤسسي وممارسات التحول الثقافي.

•) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة. •) :K-036 (L3معرفة محركات تكلفة الذكاء الاصطناعي، بما يشمل اقتصاديات الوحدات، واستخدام وحدات معالجة الرسومات والمسّرعات، وأنماط استضافة النماذج، والمفاضلة بين التأخير ومستوى الخدمة، وتحسين الاعتمادية

والتكلفة. •) :K-040 (L3معرفة قدرات نماذج الأساس ومشهد مقدمي الخدمات ومعايير الاختيار اللازمة لاتخاذ قرارات الذكاء

الاصطناعي المؤسسية.

إطار المعايير المهنية في البيانات والذكاء الاصطناعي •) :K-082 (L3معرفة أدوات منصات الذكاء الاصطناعي والبنية التحتية لخدمة النماذج وقدرات الموّردين اللازمة لاتخاذ

قرارات المنتجات. •) :K-083 (L2معرفة مبادئ إدارة منتجات الذكاء الاصطناعي وأطر دورة حياة المنتج ومنهجيات التسليم الرشيق. •) :K-144 (L3معرفة مقاييس المنتجات وتحليلات الأعمال وتصميم التجارب واتخاذ القرار المستند إلى البيانات. •) :K-170 (L3معرفة استراتيجية الأعمال وتحليل السوق والمشهد التنافسي للمنتجات المدعومة بالذكاء الاصطناعي. •) :K-218 (L3معرفة أساليب بحوث المستخدمين ومبادئ التصميم المتمحور حول الإنسان وأطر اكتشاف المنتجات.

القدرات ))5

•) :A-139 (L3القدرة على توضيح قرارات تصميم الذكاء الاصطناعي وقيوده لأصحاب المصلحة التقنيين وغير التقنيين. •) :A-093 (L3القدرة على بناء علاقات عمل فعالة بين أصحاب المصلحة في الأعمال وفرق هندسة الذكاء الاصطناعي. •) :A-109 (L3القدرة على دمج مبادئ الذكاء الاصطناعي المسؤول في قرارات تصميم المنتجات والموازنة بين الابتكار

والقيود الأخلاقية.

| AI-C مستشار الذكاء الاصطناعي

AI-C الاختصاصيون الاختصاصيون في الأعمال والإدارة الاختصاصيون في الإدارة

محللو التنظيم )الهياكل التنظيمية(والإدارة مستشار الذكاء الاصطناعي مستشار الذكاء الاصطناعي

بكالوريوس في الذكاء الاصطناعي، علوم الحاسب، علم البيانات، تحليلات الأعمال، نظم المعلومات، الهندسة، أو أي مجال ذي صلة.

ُُيفّّضل أن يكون المتقدم قد حصل على تدريب في مجال الذكاء الاصطناعي.

الوصف

يقدم المشورة للجهات بشأن استراتيجية الذكاء الاصطناعي، واكتشاف حالات الاستخدام، ودراسة الجدوى، والحوكمة، والتخطيط للتبني، وخيارات التنفيذ. ويحول مشكلات الأعمال إلى بدائل لحلول الذكاء الاصطناعي، ويق�يمّ القيمة وجاهزية البيانات والجدوى التقنية والمخاطر، ويساعد العملاء على ترتيب أولويات المبادرات القابلة للانتقال بمسؤولية من الفكرة إلى الإنتاج. كما يربط بين قيادات الأعمال والفرق التقنية ووظائف المخاطر والموردين، لضمان أن تكون التوصيات عملية

ومتوافقة مع المتطلبات والأهداف المؤسسية.

المهام ))18

الاستخدام المقبول قبل اعتمادها أو نشرها. •) :T-045 (L3تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي. •) :T-047 (L3التعاون مع فرق البيانات والذكاء الاصطناعي والهندسة والمنتجات والأعمال والمجالات لتشغيل النماذج

للقياس أو تصاميم قابلة للتنفيذ لحلول الذكاء الاصطناعي. •) :T-033 (L3تصميم الأوامر والتفاعات وحالات التقييم متعددة الصيغ وتقييمها عبر مدخات النصوص والصور

والصوت والفيديو والجداول والبيانات الجغرافية المكانية أو المهيكلة. •) :T-037 (L3إعداد التصورات ولوحات المعلومات والتقارير والسرد القصصي للبيانات بما يوضح النتائج بجلاء. •) :T-043 (L3تقييم مستوى النضج الحالي والفجوات والمخاطر وفرص تحسين قدرات البيانات والذكاء الاصطناعي.

•) :T-048 (L3إعداد خرائط طريق مرتبة الأولويات وخطط تنفيذ ومبادرات تحسين لقدرات البيانات والذكاء الاصطناعي. •) :T-052 (L3إعداد التقارير الاستشارية والإحاطات التنفيذية وتوصيات التنفيذ لصناع القرار.

•) :T-078 (L3مراقبة تطور التقنية والمستجدات التنظيمية ومعلومات السوق للمحافظة على حداثة المشورة المقدمة للعملاء.

•) :T-082 (L3تقديم المشورة إلى العماء بشأن تحديد حالات استخدام الذكاء الاصطناعي وتقييم جدواها وترتيب أولوياتها والتخطيط لتحقيق القيمة منها.

•) :T-208 (L3تقديم المشورة إلى العماء بشأن خيارات معمارية الذكاء الاصطناعي واختيار نماذج الأساس وتقييم المنصات وقرارات البناء أو الشراء.

•) :T-219 (L3تقييم تعرض العميل لمخاطر الذكاء الاصطناعي ونضج إدارة مخاطر النماذج وجاهزية الامتثال التنظيمي للنظم عالية المخاطر.

•) :T-233 (L3تصميم أطر حوكمة الذكاء الاصطناعي وسياسات الذكاء الاصطناعي المسؤول وضوابط إدارة مخاطر النماذج للجهات المستفيدة.

•) :T-264 (L3توفير الإشراف الاستشاري وضمان الجودة على تسليم برنامج الذكاء الاصطناعي للعميل عبر مسارات العمل الرئيسية.

•) :T-341 (L3دعم العماء في تصميم برامج داخلية لبناء قدرات الذكاء الاصطناعي وخطط تطوير المهارات واستراتيجيات مواهب الذكاء الاصطناعي.

•) :S-026 (L3مهارة تصميم الأوامر متعددة الصيغ وتحسينها تكرارًيا وتقييم مخرجاتها وتحليل أنماط فشلها عبر النصوص والصور والصوت والفيديو والبيانات المهيكلة.

•) :S-031 (L3مهارة تحليل مشكلات البيانات والذكاء الاصطناعي والحوكمة والأعمال المعقدة باستخدام أساليب تشخيصية منظمة وقائمة على الأدلة.

•) :S-034 (L3مهارة تطبيق مصفوفات تقييم مدى ملاءمة القدرات ونمذجة التكلفة الإجمالية للملكية وتقييم إثبات المفهوم للمفاضلة بين خيارات نماذج الأساس ومنصات الذكاء الاصطناعي.

•) :S-041 (L3مهارة تطبيق تقنيات تقييم المخاطر والضوابط والتخطيط للحد منها في سياقات البيانات والذكاء الاصطناعي.

•) :S-042 (L3مهارة بناء مسارات التوليد المعزز بالاسترجاع ومسارات عمل البحث المتجهي. •) :S-071 (L2مهارة إدارة نطاق المهمة الاستشارية وجدولها الزمني وجودتها عبر مسارات عمل متعددة للعميل. •) :S-113 (L3مهارة نمذجة دراسات جدوى الذكاء الاصطناعي وتطوير أطر العائد على الاستثمار لقياس قيمة استثماراته.

•) :S-140 (L3مهارة تصميم برامج بناء قدرات الذكاء الاصطناعي وخطط التغيير المؤسسي لتبنيه. •) :S-181 (L3مهارة متابعة المستجدات التنظيمية للذكاء الاصطناعي وتطبيق المعرفة التنظيمية المحدثة

في المشورة المقدمة للعملاء.

المعارف ))10

•) :K-026 (L2معرفة إدارة التغيير المؤسسي وممارسات التحول الثقافي. •) :K-034 (L3معرفة مبادئ إدارة المخاطر وتصميم الضوابط والتخطيط للمعالجة وممارسات الضمان في البيانات

والذكاء الاصطناعي. •) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة. •) :K-040 (L3معرفة قدرات نماذج الأساس ومشهد مقدمي الخدمات ومعايير الاختيار اللازمة لاتخاذ قرارات الذكاء

الاصطناعي المؤسسية. •) :K-042 (L2معرفة قياس قيمة الأعمال والعائد على الاستثمار وأطر دراسات الجدوى لبرامج البيانات والذكاء

الاصطناعي. •) :K-109 (L3معرفة إدارة المهام الاستشارية وإعداد العروض وإدارة علاقات العملاء. •) :K-135 (L3معرفة حالات استخدام الذكاء الاصطناعي الخاصة بالقطاعات وأنماط التبني والسياقات التنظيمية. •) :K-220 (L3معرفة مبادئ سدايا لأخلاقيات الذكاء الاصطناعي وإرشادات الذكاء الاصطناعي التوليدي والإرشادات الوطنية لحوكمة البيانات والذكاء الاصطناعي، وكيفية تطبيقها على تصميم الذكاء الاصطناعي ونشره والإفصاح عنه

والأعمال التحليلية. •) :K-160 (L4معرفة أطر استراتيجية الذكاء الاصطناعي ونماذج نضجه والنهج المؤسسية المنظمة لتبنيه.

القدرات ))5

•) :A-069 (L3القدرة على المحافظة على الموضوعية التحليلية عند توليف المدخلات التقنية والتجارية والتنظيمية. •) :A-078 (L3القدرة على إدارة جودة المهام الاستشارية وتوقعات أصحاب المصلحة عبر مهام متزامنة.

| D-MS أخصائي إدارة البيانات

D-MS

الاختصاصيون الاختصاصيون في الأعمال والإدارة

الاختصاصيون في الإدارة اختصاصيو حوكمة وإدارة البيانات والذكاء الاصطناعي

أخصائي إدارة البيانات أخصائي إدارة البيانات

المجموعة الرئيسية المجموعة الفرعية المجموعة الثانوية مجموعة الوحدات

الوصف

يشمل هذا الدور الوظيفي التنسيق والبحث وتقديم الدعم الفني في مجال هيكلة البيانات وإدارتها وتكاملها، بما في ذلك دمج البيانات الوصفية، وضمان تسليم البيانات بصورة محكومة، وفهم متطلبات البيانات ونمذجتها. وتسهم المهنة في تحسين استخدام البيانات، وضمان جودتها، وتمكين الوصول السلس إلى المعلومات، ودعم اتخاذ القرارات التنظيمية الفاعلة. ملاحظة: ُُيعد دور أخصائي إدارة البيانات مهنة رئيسية تتفرع منها مهن تخصصية، مثل أخصائي تصنيف البيانات وأخصائي إتاحة البيانات. ويتحدد استقلال هذه المهن بحسب حجم الجهة واحتياجها، ففي الجهات الكبيرة قد تكون مه�ناً

مستقلة، بينما ُُتمارس في الجهات الصغيرة كأدوار ضمن مهنة أخصائي إدارة البيانات

المهام ))9

•) :T-380 (L3حصر أصول ومجموعات البيانات في الجهة، وتسجيلها وتحديثها بصورة دورية في سجل أصول البيانات والكتالوج المؤسسي.

•) :T-381 (L2تطبيق أنواع البيانات وهياكلها التنظيمية داخل الجهة المتابعة والتقارير التشغيلية •) :T-382 (L2التنسيق مع الإدارات والوحدات المعنية لجمع المعلومات المطلوبة، والتحقق من دقتها واكتمالها قبل

الإفصاح عنها. •) :T-383 (L2تطبيق سياسات حوكمة البيانات وإجراءاتها •) :T-384 (L2يتابع مؤشرات جودة البيانات وتوثيق المشكلات والتنسيق مع محلل جودة البيانات ومالكي البيانات

لمعالجتها. •) :T-385 (L2تحديث قاموس مصطلحات الأعمال وقاموس البيانات التقني وربط عناصر البيانات بتعريفاتها وملاكها

و أنظمتها ان وجدت. •) :T-386 (L2توثيق إدارة دورة حياة البيانات، بما يشمل الإنشاء والجمع والمعالجة والتخزين والمشاركة والأرشفة

والاحتفاظ والإتاف •) :T-387 (L2التنسيق مع الجهات المعنية لتكامل البيانات •) :T-388 (L2إدارة مسار تدفق البيانات ) )Data Lineage من المصدر حتى التقارير والواجهات والجهات المستفيدة،

وتوثيق أثر التغييرات عليها.

المهارات ))6

•) :S-327 (L2مهارة في حصر مجموعات البيانات وتصنيفها حسب المصدر والمالك والاستخدام •) :S-328 (L3مهارة في توثيق تعريفات حقول البيانات ودلالاتها

•) :S-329 (L2مهارة في توثيق خصائص أصول البيانات في نماذج جرد موحدة •) :S-330 (L2مهارة في التنسيق مع مالكي البيانات لاستكمال بيانات الجرد والتحقق منها

•) :S-331 (L2مهارة في كتابة التقارير الخاصة بإتاحة البيانات وطلبات الاطلاع. •) :S-332 (L2مهارة في توثيق مخططات البيانات بصورة قياسية قابلة للمراجعة

المعارف ))5

•) :K-241 (L1المعرفة بأصول البيانات ومجموعات البيانات والسجلات المؤسسية •) :K-242 (L3المعرفة بطرق تصميم البيانات على ثلاثة مستويات: المفاهيمي )تحديد ما نريد تخزينه ،)والمنطقي

)كيف ترتبط عناصره ببعضها ،)والفيزيائي )كيفُ يخَّزن فعلًيا في النظام( •) :K-243 (L2المعرفة بمفاهيم أبعاد جودة البيانات )الدقة والاكتمال والاتساق والتوقيت(

•) :K-244 (L2المعرفة بمفاهيم البيانات الوصفية وأنواعها )وصفية وهيكلية وإدارية( •) :K-245 (L1المعرفة بمفاهيم مراحل دورة حياة البيانات

القدرات ))8

•) :A-164 (L2القدرة على الانتباه للتفاصيل عند مراجعة أصول بيانات متعددة •) :A-165 (L3القدرة على تفسير المتطلبات النظامية والتنظيمية ذات الصلة بإتاحة البيانات. •) :A-166 (L2القدرة على التنسيق مع الإدارات والوحدات المعنية داخل الجهة لجمع المعلومات المطلوبة

•) :A-167 (L2القدرة على العمل بفعالية ضمن فرق متعددة التخصصات. •) :A-168 (L3القدرة على اتخاذ قرارات إتاحة مبنية على معايير وأدلة مع توثيق المبررات. •) :A-169 (L2القدرة على التواصل الفعال والمهني مع الجهة المختصة وأصحاب العلاقة. •) :A-170 (L3القدرة على التعلم المستمر ومتابعة التحديثات النظامية والتنظيمية مع تطبيق أفضل الممارسات.

•) :A-171 (L2القدرة على تحسين إجراءات الإتاحة ورفع كفاءتها بشكل مستمر.

| D-QA أخصائي جودة البيانات

D-QA

الاختصاصيون الاختصاصيون في الأعمال والإدارة

الاختصاصيون في الإدارة اختصاصيو حوكمة وإدارة البيانات والذكاء الاصطناعي

أخصائي إدارة البيانات أخصائي جودة البيانات

المجموعة الرئيسية المجموعة الفرعية المجموعة الثانوية مجموعة الوحدات

الوصف

يتولى أخصائي جودة البيانات ضمان دقة البيانات واكتمالها واتساقها، وتطوير معايير وعمليات جودة البيانات وتنفيذها للتأكد من نظافة البيانات وموثوقيتها. ويعمل مع محللي البيانات لتحديد مشكلات الجودة وحلها، ومع فرق إدارة البيانات

لتطوير السياسات والإجراءات ذات الصلة.

المهام ))11

•) :T-396 (L3تعريف قواعد جودة البيانات لكل مجموعة بيانات بما يشمل على سبيل المثال نطاق الفحص وطريقة القياس ومعايير الاجتياز والحدود المقبولة ودورية التنفيذ والاستثناءات ومالك البيانات المسؤول. •) :T-397 (L3تحليل السبب الجذري لمشكلات جودة البيانات. •) :T-398 (L3إعداد خطط معالجة وتحسين جودة البيانات بالتنسيق مع الملُاك •) :T-399 (L2قياس مؤشرات جودة البيانات ورفع تقارير دورية عنها •) :T-400 (L3مراجعة جودة البيانات قبل الإتاحة أو المشاركة أو النشر •) :T-401 (L3تحليل متطلبات جودة البيانات وتحديد أبعاد القياس •) :T-402 (L2تنفيذ تنميط البيانات ) )Data Profiling واكتشاف الأنماط والشذوذ •) :T-403 (L3مراجعة وتحسين إجراءات إدخال البيانات والضوابط الوقائية للجودة •) :T-404 (L2ضمان الامتثال للوائح خصوصية البيانات.

•) :T-405 (L2تحديد عناصر البيانات الحرجة ومجموعات البيانات ذات الأولوية بناًء على أثرها على الخدمات والعمليات والتقارير والقرارات.

•) :T-406 (L2تنفيذ تنميط وفحوص جودة البيانات لاكتشاف المشكلات ومعالجتها بالتنسيق مع الجهات ذات العلاقة

المهارات ))7

•) :S-340 (L3مهارة في تحويل متطلبات الأعمال إلى قواعد جودة قابلة للقياس •) :S-341 (L3مهارة في تحليل مسار البيانات لتحديد نقطة نشوء الخطأ

•) :S-342 (L3مهارة في تحديد إجراءات تصحيحية ووقائية لمشكلات الجودة المتكررة •) :S-343 (L2مهارة في بناء تقارير جودة تعرض الاتجاهات والفجوات والأثر

•) :S-344 (L2مهارة في إجراء فحوص جودة مسبقة قبل مشاركة البيانات أو نشرها •) :S-345 (L3مهارة في بصياغة معايير قياس كمية قابلة للتطبيق لكلُ بعد من أبعاد الجودة

•) :S-346 (L3مهارة في صياغة حدود قبول ورفض واضحة لكل قاعدة جودة

المعارف ))7

•) :K-253 (L2المعرفة بأبعاد جودة البيانات مثل الدقة والاكتمال والاتساق والحداثة. •) :K-254 (L3المعرفة بمنهجيات تحليل السبب الجذري لمشكلات البيانات.

•) :K-255 (L2المعرفة بدورة إدارة مشكلات جودة البيانات ومسارات التصعيد. •) :K-256 (L2المعرفة بمؤشرات جودة البيانات ولوحات المتابعة التشغيلية. •) :K-257 (L2المعرفة بمتطلبات جودة البيانات في سياسة مشاركة البيانات.

•) :K-258 (L3المعرفة بتقنيات تنميط البيانات )تحليل الأعمدة والعلاقات والتبعيات.) •) :K-259 (L2المعرفة بضوابط منع أخطاء البيانات عند نقطة الإدخال أو التكامل.

القدرات ))6

•) :A-180 (L2القدرة على تحديد المشكلات المتعلقة بجودة البيانات. •) :A-181 (L3القدرة على تحليل المشكلات المتعلقة بجودة البيانات. •) :A-182 (L2القدرة على جمع بيانات الاختبار والتحقق من صحتها وإقرار صحتها. •) :A-183 (L3القدرة على ترجمة البيانات ونتائج الاختبار إلى استنتاجات تقييمية. •) :A-184 (L2القدرة على إدارة الخلاف حول أولوية مشكلات الجودة. •) :A-185 (L2القدرة على تبسيط مؤشرات الجودة دون فقدان الدقة.

| D-DG أخصائي حوكمة البيانات

D-DG الاختصاصيون الاختصاصيون في الأعمال والإدارة الاختصاصيون في الإدارة اختصاصيو حوكمة وإدارة البيانات والذكاء الاصطناعي أخصائي إدارة البيانات أخصائي حوكمة البيانات

الحد الأدنى للمؤهل العلمي بكالوريوس في إدارة البيانات، إدارة المعلومات، نظم المعلومات، القانون، إدارة المخاطر، إدارة الأعمال، أو أي مجال ذي صلة.

الوصف

يتولى أخصائي حوكمة البيانات تصميم إطار حوكمة البيانات وتطبيقه ومراجعته على مستوى الجهة، بما يشمل إعداد السياسات والمعايير والإجراءات ذات العلاقة وتحديثها، وتحديد الأدوار والمسؤوليات المرتبطة بإدارة البيانات وتفعيلها، وضمان جودة البيانات وإدارتها وفًً قا للمتطلبات النظامية والتنظيمية ذات الصلة. كما ينسق مع الإدارات والجهات ذات

العلاقة ضمن نطاق المهام المسندة

المهام ))8

•) :T-389 (L3تفعيل إطار حوكمة البيانات على مستوى الجهة لإدارة البيانات، ورفع الملاحظات اللازمة للتحسين. •) :T-390 (L3تصميم وتفعيل نموذج الأدوار والمسؤوليات والصلاحيات المرتبطة بإدارة البيانات، ومتابعة تطبيقها. •) :T-391 (L2المساهمة في متابعة تطبيق سياسة تصنيف البيانات داخل الجهة، وتفعيل آليات تصنيف البيانات

وتحديد مستويات حساسيتها واعتمادها، بالتنسيق مع الإدارات ذات العلاقة. •) :T-392 (L3قياس مدى التزام الجهة بالمتطلبات النظامية والتنظيمية ذات الصلة بالبيانات، بالتنسيق مع الإدارات

المختصة. •) :T-393 (L3إعداد وتحديث السياسات والمعايير والإجراءات ذات الصلة بحوكمة البيانات في الجهة. •) :T-394 (L3المساهمة في ترجمة المتطلبات النظامية والتنظيمية ذات الصلة بالبيانات إلى سياسات وضوابط

ومتطلبات داخلية قابلة للتطبيق والقياس. •) :T-395 (L2إعداد تقارير دورية عن مستوى تطبيق حوكمة البيانات، والملاحظات والتوصيات التحسينية. •) :T-444 (L2تعزيز الوعي بثقافة حوكمة البيانات داخل الجهة من خلال التوعية والتدريب وتقديم الإرشادات.

المهارات ))7

•) :S-333 (L3مهارة صياغة السياسات والمعايير والإجراءات ذات الصلة بحوكمة البيانات. •) :S-334 (L3مهارة استخدام مؤشرات جودة البيانات وقراءة نتائجها وتحليلها.

•) :S-335 (L3مهارة تصميم وتحليل مؤشرات الأداء )KPIs(ومؤشرات المخاطر )KRIs(ذات العلاقة بالبيانات. •) :S-336 (L3مهارة حل المشكلات واتخاذ القرار وفق منهجية واضحة ومعايير محددة.

•) :S-337 (L3مهارة تحليل الفجوات وتحديد مجالات التحسين وتقديم توصيات قابلة للتنفيذ. •) :S-338 (L3مهارة البحث وتحليل أفضل الممارسات في حوكمة البيانات.

•) :S-339 (L2مهارة العمل على مؤشرات الأداء/الالتزام، وبناء لوحات المتابعة.

المعارف ))7

•) :K-246 (L2المعرفة بضوابط ومواصفات إدارة البيانات وحوكمتها وحماية البيانات الشخصية. •) :K-247 (L3المعرفة بالمتطلبات النظامية والتنظيمية ذات العلاقة بالبيانات بما يشمل سياسات حوكمة البيانات

الوطنية. •) :K-248 (L2المعرفة بالمعايير والمبادئ الدولية لحوكمة البيانات مثل ).)ISO/IEC 38505)(OECD Principle •) :K-249 (L2المعرفة بمنهجيات وممارسات إدارة البيانات وحوكمتها وفق أطر معترف بها دولًيا مثل إطار .DAMA

•) :K-250 (L2المعرفة بأساسيات إدارة المخاطر المرتبطة بحوكمة البيانات. •) :K-251 (L2المعرفة بمراحل دورة حياة البيانات وإدارتها داخل الجهة.

•) :K-252 (L1المعرفة بالقنوات الرسمية للتواصل مع الجهة المختصة، بما في ذلك منصة حوكمة البيانات الوطنية.

القدرات ))8

•) :A-172 (L3القدرة على تقييم الوضع الراهن ورصد الفجوات في تطبيق حوكمة البيانات وجودتها، ورفع التوصيات اللازمة.

•) :A-173 (L3القدرة على صياغة وتوثيق متطلبات حوكمة البيانات بصورة قابلة للتطبيق. •) :A-174 (L3القدرة على تحويل متطلبات حوكمة البيانات إلى تطبيقات عملية.

•) :A-175 (L2القدرة على التواصل الفعال والمهني مع الجهة المختصة وأصحاب العلاقة، والعمل مع فرق متعددة التخصصات.

•) :A-176 (L3القدرة على الاستجابة للأزمات والعمل بكفاءة تحت الضغط، مع ضمان جودة المخرجات وسامة الإجراءات.

•) :A-177 (L3القدرة على الاستفادة من أبرز الممارسات العالمية في حوكمة البيانات ومتابعة التحديثات النظامية والتنظيمية ذات الصلة.

•) :A-178 (L3القدرة على الإقناع والتأثير وبناء ثقافة حوكمة البيانات داخل الجهة. •) :A-179 (L3القدرة على معالجة التحديات واتخاذ قرارات مبنية على الأدلة.

| D-PV أخصائي حماية البيانات الشخصية

D-PV الاختصاصيون الاختصاصيون في الأعمال والإدارة الاختصاصيون في الإدارة اختصاصيو حوكمة وإدارة البيانات والذكاء الاصطناعي أخصائي إدارة البيانات أخصائي حماية البيانات الشخصية

الحد الأدنى للمؤهل العلمي بكالوريوس في إدارة البيانات، إدارة المعلومات، نظم المعلومات، القانون، إدارة المخاطر، إدارة الأعمال، أو أي مجال ذي صلة.

الوصف

يتولى أخصائي حماية البيانات الشخصية متابعة التزام الجهة بتطبيق أحكام نظام حماية البيانات الشخصية ولوائحه التنفيذية والوثائق الصادرة بناًًء عليه، ومراقبة الإجراءات المعمول بها داخل الجهة والإشراف على تطبيقها، بما يضمن

الالتزام بالمتطلبات النظامية والتنظيمية ذات العلاقة بحماية البيانات الشخصية.

المهام ))9

•) :T-407 (L3متابعة ما يصدر عن الجهة المختصة من وثائق نظامية وتنظيمية ذات الصلة بحماية البيانات الشخصية وأي تعديات تجرى عليها وإحاطة الإدارات الأخرى ذات العلاقة، لضمان الالتزام بها.

•) :T-408 (L2التواصل المباشر مع الجهة المختصة تنفيذ قراراتها وتعليماتها فيما يتعلق بتطبيق أحكام نظام حماية البيانات الشخصية ولوائحه التنفيذية.

•) :T-409 (L4الإشراف على إجراءات تقويم الأثر وتقارير المراجعة والتدقيق المتعلقة ضوابط حماية البيانات الشخصية، وتوثيق نتائج التقويم وإصدار التوصيات اللازمة لذلك.

•) :T-410 (L4الإشراف على تمكين أصحاب البيانات الشخصية من ممارسة حقوقهم، والرد على طلباتهم، والتنسيق للرد على الجهة المختصة بشأن الشكاوى المقدمة.

•) :T-411 (L3إشعار الجهة المختصة عن حوادث تسرب البيانات الشخصية، والمساهمة في مراجعة خطط الاستجابة لحوادث تسرب البيانات الشخصية والتأكد من مناسبتها وفعاليتها.

•) :T-412 (L2متابعة قيد وتحديث سجلات أنشطة معالجة البيانات الشخصية لدى الجهة. •) :T-413 (L3تقديم الدعم والمشورة فيما يتعلق بجميع جوانب حماية البيانات الشخصية بما في ذلك المساهمة في

تطوير السياسات والإجراءات الداخلية المتعلقة بحماية البيانات الشخصية داخل الجهة. •) :T-414 (L2المشاركة في الأنشطة التوعوية والتدريب ونقل المعرفة لمنسوبي الجهة فيما يتعلق بحماية البيانات

الشخصية وأخلاقيات التعامل مع البيانات الشخصية. •) :T-415 (L2إعداد تقارير دورية حيال أنشطة الجهة المتعلقة بمعالجة البيانات الشخصية وتقديم التوصيات بشأنها.

المهارات ))7

•) :S-347 (L3مهارة البحث وتحليل أفضل الممارسات المحلية والعالمية في حماية البيانات الشخصية. •) :S-348 (L3مهارة قراءة النصوص النظامية وتحليلها واستنباط الالتزامات المترتبة عليها. •) :S-349 (L2مهارة صياغة للمراسلات وإعداد التقارير بدقة ووضوح. •) :S-350 (L2مهارة استخدام أدوات إدارة طلبات أصحاب البيانات الشخصية. •) :S-351 (L2مهارة رسم خرائط تدفقات البيانات.

•) :S-352 (L3مهارة استخدام أدوات سجلات أنشطة معالجة البيانات الشخصية مثل: ) )Microsoft Excel وأدوات تقويم الأثر.

•) :S-353 (L3مهارة تطوير المواد التوعوية حول التعامل الصحيح مع البيانات الشخصية

المعارف ))7

•) :K-260 (L3الإلمام بمتطلبات نظام حماية البيانات الشخصية ولوائحه التنفيذية والوثائق الصادرة بناًء عليه. •) :K-261 (L2الإلمام بالمفاهيم والمبادئ العالمية لحماية البيانات الشخصية والخصوصية.

•) :K-262 (L2الإلمام بأساسيات الأمن السيبراني والضوابط التقنية ذات الصلة بحماية البيانات الشخصية. •) :K-263 (L2الإلمام بمتطلبات سجلات أنشطة معالجة البيانات، ومحتوياتها وآلية تسجيلها وتحديثها.

•) :K-264 (L1المعرفة بمتطلبات وإجراءات الإشعارات والبلاغات والتقديمات التنظيمية المتعلقة بحماية البيانات الشخصية، بما في ذلك الإجراءات والمدد الزمنية والمعلومات المطلوبة.

•) :K-265 (L1الإلمام بمفاهيم أساسيات التعامل مع العملاء والجهات المختصة بطريقة مهنية. •) :K-266 (L3الإلمام بمفاهيم مؤشرات الأداء/الالتزام، وبناء لوحات المتابعة.

القدرات ))8

•) :A-186 (L3القدرة على الاستفادة من أفضل الممارسات ومواءمتها بما يتناسب مع متطلبات الجهة. •) :A-187 (L2القدرة على إنجاز المهام بكفاءة وضمن نطاق المدد الزمنية المحددة.

•) :A-188 (L2القدرة على التواصل المهني مع أصحاب البيانات الشخصية والجهة المختصة والجهات ذات العلاقة داخل المملكة وخارجها.

•) :A-189 (L3القدرة على التعامل مع المواقف الحساسة وإدارة الخلافات وفض النزاعات بأسلوب مهني. •) :A-190 (L3القدرة على التعلم المستمر ومتابعة المستجدات والتحديثات النظامية والتنظيمية ذات الصلة. •) :A-191 (L3القدرة على إدارة الأزمات والعمل بكفاءة تحت الضغط، مع المحافظة على جودة المخرجات وسامة

الإجراءات. •) :A-192 (L3القدرة على معالجة التحديات واتخاذ قرارات مبنية على الأدلة ضمن نطاق الصلاحيات. •) :A-193 (L2القدرة على تنسيق الاستجابات متعددة الوظائف لقضايا حماية البيانات الشخصية بمشاركة أصحاب

المصلحة القانونيين والتقنيين والتشغيليين وأطراف الحوكمة.

| D-CS أخصائي التزام البيانات

D-CS الاختصاصيون الاختصاصيون في الأعمال والإدارة الاختصاصيون في الإدارة

أخصائي إدارة البيانات

أخصائي التزام البيانات

الوصف

يركز هذا الدور الوظيفي على ضمان التزام الجهة بتطبيق جميع الأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا ،)بما يدعم تطبيق أفضل الممارسات المتعلقة بإدارة البيانات وحوكمتها

وحماية البيانات الشخصية لدى جميع العاملين داخل الجهة.

المهام ))9

•) :T-445 (L3تقييم امتثال سياسات وإجراءات وممارسات إدارة البيانات وحوكمتها للمتطلبات التنظيمية المعتمدة والتحقق من فاعلية التطبيق وكفاية الأدلة وتوثيق حالات عدم الامتثال.

•) :T-446 (L3إدارة الاستعداد لدورة القياس والنضج والالتزام والمراجعة والتدقيق وتنسيق تقديم الأدلة ومتابعة تنفيذ التوصيات.

•) :T-447 (L3تطوير إجراء دورية لامتثال السياسات والإجراءات والممارسات الفعلية لمتطلبات إدارة البيانات والتحقق من كفاية الأدلة وتقديم توصيات الخطط التصحيحية لمعالجة حالات عدم الامتثال.

•) :T-448 (L3تسجيل وتحليل حالات عدم الامتثال وتقييم مخاطرها وأولويات معالجتها ورفعها إلى الجهات المعنية. •) :T-449 (L3حصر وتحديث المتطلبات التنظيمية والضوابط والمواصفات المتعلقة بإدارة البيانات وتحديد الالتزامات

المنطبقة على الجهة. •) :T-416 (L2إعداد التقارير الدورية عن حالات عدم الامتثال، والتقدم في تحقيق المؤشرات الوطنية إلى أصحاب

المصلحة داخل الجهة. •) :T-450 (L3مراجعة الخطط التصحيحية المقدمة من الإدارات المعنية ومتابعة تنفيذها والتحقق من إغلاق الملاحظات. •) :T-451 (L3تطوير وتنفيذ برامج التوعية والإرشاد لأصحاب المصلحة بشأن الالتزامات ومتطلبات الإثبات من الجهات

المعنية وتوضيح حالات عدم الامتثال. •) :T-417 (L2الاستعداد لعمليات التدقيق والقياس التي تقوم بها الهيئة السعودية للبيانات والذكاء الاصطناعي

)سدايا ،)ومتابعة تنفيذ التوصيات.

المهارات ))5

•) :S-354 (L3مهارة فهم المتطلبات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا.)

•) :S-355 (L3مهارة كتابة معايير قياس الامتثال ومعايير قبول الأدلة الداعمة على السياسات والضوابط الخاصة بإدارة البيانات داخل الجهة ومتابعة قياس امتثال الإدارات المعنية بها.

•) :S-356 (L3مهارة تحليل معايير التقييم الذاتي للامتثال بالأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا.)

•) :S-357 (L3مهارة إعداد التقارير الدورية عن حالات الامتثال/عدم الامتثال بالأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا.)

•) :S-358 (L3مهارة تقديم برامج التوعية والتدريب الداخلي لمنسوبي الجهة المعنيين بالأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا.)

المعارف ))4

•) :K-267 (L3المعرفة والإلمام بجميع الأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا.)

•) :K-268 (L2المعرفة والإلمام بمتطلبات جميع مؤشرات البيانات الوطنية الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا ،)على سبيل المثال: المؤشر الوطني للبيانات )نضيء.)

•) :K-269 (L3المعرفة والإلمام بالأدوار والمسؤوليات الخاصة بمكتب إدارة البيانات وفقاً لأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا.)

•) :K-270 (L3المعرفة والإلمام بإجراءات متابعة امتثال الجهة لأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا.)

القدرات ))3

•) :A-194 (L3القدرة على تقييم الوضع الراهن للجهة مع وضع الخطط التصحيحية لمعالجة حالات عدم الامتثال. •) :A-195 (L2القدرة على بناء التواصل الفعال بين الجهة والهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا.) •) :A-196 (L3القدرة على تحديد فرص التحسين المستمر للسياسات الداخلية بما يتوافق مع الأدوات التنظيمية لإدارة

البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا.)

| D-DC أخصائي تصنيف البيانات

D-DC الاختصاصيون الاختصاصيون في الأعمال والإدارة الاختصاصيون في الإدارة اختصاصيو حوكمة وإدارة البيانات والذكاء الاصطناعي أخصائي إدارة البيانات أخصائي تصنيف البيانات

الوصف

يتولى أخصائي تصنيف البيانات تطوير عمليات تصنيف البيانات داخل الجهة وتنفيذها، بما يشمل المشاركة في إعداد سياسة وإجراءات التصنيف وتنفيذها بالمواءمة مع حوكمة البيانات وبما يضمن الامتثال للضوابط الوطنية ومتطلبات الأمن والخصوصية. كما يبني نماذج التصنيف بحسب نوع البيانات، ويربط التصنيف بالمتطلبات التقنية والتشغيلية، ويق�يمّ أثره في جودة البيانات وحماية البيانات الشخصية والاستخدام. ملاحظة: ُُتعد مهنة أخصائي إدارة البيانات مهنة رئيسية تتفرع منها مهن تخصصية، مثل أخصائي تصنيف البيانات وأخصائي إتاحة البيانات. ويتحدد استقلال هذه المهن بحسب حجم الجهة واحتياجها، ففي الجهات الكبيرة قد تكون مه�ناً مستقلة، بينما ُُتمارس في الجهات الصغيرة كأدوار

ضمن مهنة أخصائي إدارة البيانات.

المهام ))9

•) :T-418 (L3مراجعة أصول البيانات المسجلة والتحقق من شمول البيانات المهيكلة وغير المهيكلة ضمن نطاق التصنيف.

•) :T-419 (L3تقييم الأثر المترتب على الإفصاح عن البيانات أو الوصول غير المصرح به إليها. •) :T-420 (L3إعداد توصيات مستويات التصنيف ومبرراتها وفق المستويات المعتمدة والتنسيق مع ماك البيانات

لاعتمادها. •) :T-421 (L3تحديد متطلبات الوسم والتعامل والحماية والوصول المرتبطة بمستوى التصنيف ومتابعة تطبيقها مع

الجهات ذات العلاقة. •) :T-422 (L3إعداد توصيات التصنيف ومبرراتها والتنسيق مع مالكي البيانات لمراجعتها واعتمادها وتوثيقه والتحديث

المستمر للتصنيف. •) :T-423 (L2توثيق قرارات التصنيف وتحديث سجل التصنيف. •) :T-424 (L2معالجة طلبات الاستثناء أو حالات الاختلاف في التصنيف ورفعها إلى الجهة المسؤولة لاتخاذ القرار. •) :T-425 (L3نشر الوعي بمفاهيم التصنيف بين فرق العمل من خال التوجيه والمشاركة في ورش العمل مع ضمان

الامتثال التنظيمي وبناء الوعي في البيانات. •) :T-426 (L3متابعة التزام باستخدام التصنيف المعتمد في قرارات مشاركة البيانات وإتاحتها ونشرها والاحتفاظ بها

وتصميم الأنظمة والخدمات.

المهارات ))7

•) :S-359 (L2مهارة في استخدام أدوات اكتشاف ومسح البيانات ) )Data Discovery & Profiling لتحديد البيانات المهيكلة وغير المهيكلة عبر الأنظمة وقواعد البيانات ومستودعات الملفات، وبناء قائمة جرد شاملة دون نقل

البيانات أو نسخها. •) :S-360 (L3مهارة في بتطبيق منهجية تقييم الأثر ) )Impact Assessment بتحليل فئات الأثر: المصلحة الوطنية، أنشطة الجهات، الأفراد، البنية التحتية وتحديد مستوى الأثر )مرتفع/متوسط/منخفض ،)لا يوجد أثر:لكل أصل بيانات. •) :S-361 (L2مهارة في وسم البيانات )Labeling/Tagging(يدوياً وآلياً بإضافة علامات التصنيف على الوثائق

والملفات والسجلات وحقول قواعد البيانات. •) :S-362 (L2مهارة في مراقبة الامتثال ) )Compliance Monitoring لسياسات تصنيف البيانات وإعداد تقارير الامتثال

ومؤشرات الأداء ورفعها للجهات المعنية. •) :S-363 (L2مهارة في توثيق البيانات الوصفية ) )Metadata لكل أصل بيانات )المالك والمصدر والموقع والصيغة

ودرجة الحساسية(وتسجيلها في سجل أصول البيانات وفق قالب موحّد. •) :S-364 (L3مهارة في استخدام جداول ومصفوفات تقييم الأثر الواردة في سياسة تصنيف البيانات لربط درجة الأثر

بمستوى التصنيف المقترح. •) :S-365 (L3مهارة في مواءمة ضوابط الحماية )التشفير، التحكم بالوصول، إخفاء الهوية(مع مستوى التصنيف لكل

أصل في مراحل التخزين والنقل والمشاركة.

المعارف ))7

•) :K-271 (L2المعرفة بمفاهيم وأنواع البيانات )مهيكلة، شبه مهيكلة، غير مهيكلة( ودورة حياة البيانات من الإنشاء حتى التخلص.

•) :K-272 (L3المعرفة بفئات ومستويات تقييم الأثر في سياسة تصنيف البيانات والاعتبارات الرئيسية لكل فئة. •) :K-273 (L2المعرفة بمستويات تصنيف البيانات الأربعة وتعريفاتها وضوابطها وفق السياسات المعتمدة في

تصنيف البيانات. •) :K-274 (L2المعرفة بضوابط التعامل مع كل مستوى تصنيف )التخزين، النقل، المشاركة، الأرشفة( وفق السياسات

المعتمدة. •) :K-275 (L2المعرفة بقواعد إلغاء التصنيف وخفض المستوى وعواملها الزمنية والحديثة وفق سياسة تصنيف

البيانات •) :K-276 (L2المعرفة بمتطلبات الامتثال والتخلص الآمن من البيانات في سياسة تصنيف البيانات وضوابط إدارة

البيانات الوطنية •) :K-277 (L2المعرفة بمتطلبات السجل الوطني لتصنيف البيانات ومنصة حوكمة البيانات الوطنية

القدرات ))8

•) :A-197 (L2القدرة على بناء وإدارة فهرس بيانات )Data Catalog/Inventory(وربط كل أصل بمالكه )ممثل بيانات الأعمال( لضمان التغطية الكاملة وقابلية التتبع.

•) :A-198 (L3القدرة على التحليل المنطقي والربط بين الآثار المحتملة ودرجة الحساسية. •) :A-199 (L3القدرة على اتخاذ القرار الدقيق والاتساق في تطبيق معايير التصنيف عبر الأصول المتشابهة.

•) :A-200 (L2القدرة على الدقة والاتساق في تطبيق الضوابط التقنية والإجرائية. •) :A-201 (L2القدرة على المتابعة المنتظمة والالتزام بالجداول الزمنية للمراجعة.

•) :A-202 (L4القدرة على قيادة مبادرات تصنيف البيانات في المنظمة. •) :A-203 (L2القدرة على إعداد تقارير التزام المنظمة بالتصنيف.

•) :A-204 (L2القدرة على بناء الوعي المؤسسي حول البيانات المصنفة واهميتها.

| D-DA أخصائي إتاحة البيانات

D-DA الاختصاصيون الاختصاصيون في الأعمال والإدارة الاختصاصيون في الإدارة اختصاصيو حوكمة وإدارة البيانات والذكاء الاصطناعي أخصائي إدارة البيانات أخصائي إتاحة البيانات

الوصف

مسؤول عن تنفيذ عمليات إتاحة البيانات ونشر البيانات المفتوحة وإدارتها، بما يشمل مراجعة طلبات الوصول إلى البيانات، والتحقق من الامتثال للأنظمة والسياسات ذات العلاقة، وإعداد مجموعات البيانات المفتوحة ونشرها وفق المعايير. ويسهم في تعزيز الشفافية، وتمكين إعادة استخدام البيانات، ودعم الابتكار والاقتصاد الرقمي من خلال إتاحة بيانات موثوقة وقابلة للاستخدام. ملاحظة: ُُتعد مهنة أخصائي إدارة البيانات مهنة رئيسية تتفرع منها مهن تخصصية، مثل أخصائي تصنيف البيانات وأخصائي إتاحة البيانات. ويتحدد استقلال هذه المهن بحسب حجم الجهة واحتياجها، ففي

الجهات الكبيرة قد تكون مه نًا مستقلة، بينما ُُتمارس في الجهات الصغيرة كأدوار ضمن مهنة أخصائي إدارة البيانات

المهام ))7

•) :T-427 (L2تنفيذ وإدارة عمليات إتاحة البيانات والبيانات المفتوحة وفق السياسات والضوابط الوطنية، بما يضمن إتاحة البيانات للجهات والمستفيدين المصرح لهم ونشر البيانات المفتوحة بشكل منهجي.

•) :T-428 (L3إدارة طلبات الوصول إلى البيانات ومشاركتها من خال مراجعة الطلبات، والتحقق من استيفائها للمتطلبات النظامية والتنظيمية، وتنسيق اتفاقيات وشروط مشاركة البيانات مع الجهات ذات العلاقة

•) :T-429 (L2إدارة مجموعات البيانات القابلة للإتاحة والنشر عبر حصرها وتصنيفها وتوثيقها وفهرستها، وتحديد مصادرها ومالكيها وقنوات إتاحتها وأولويات نشرها.

•) :T-430 (L2ضمان جودة البيانات المتاحة والمنشورة بالتنسيق مع مالكي البيانات والجهات ذات العلاقة، والتحقق من جاهزية البيانات ودقتها واتساقها قبل النشر وبعده

•) :T-431 (L3إدارة ونشر وتحديث البيانات المفتوحة على المنصات المعتمدة، وإعداد وتنفيذ خطط النشر بما يحقق المستهدفات الوطنية ويعزز إعادة استخدام البيانات

•) :T-432 (L3متابعة وقياس أداء إتاحة البيانات والبيانات المفتوحة من خال إعداد التقارير، وقياس معدلات الاستخدام، وتحليل الأثر، ورصد الفجوات والمخاطر، ومتابعة تحقيق مؤشرات الأداء والمستهدفات

•) :T-433 (L4قيادة التحسين المستمر لإتاحة البيانات والبيانات المفتوحة من خال متابعة ملاحظات المستفيدين، وتنفيذ مبادرات التحسين والأتمتة، واقتراح فرص تطوير سياسات وممارسات الإتاحة والنشر

المهارات ))4

•) :S-366 (L3مهارة إدارة طلبات الوصول إلى البيانات، وتقييمها، وتنسيق مشاركة البيانات، وإعداد اتفاقيات المشاركة، وإدارة عمليات نشر البيانات المفتوحة وفق الضوابط المعتمدة

•) :S-367 (L3مهارة تطبيق تصنيف البيانات، وتحليل المتطلبات النظامية والتنظيمية، وتحديد قابلية البيانات للإتاحة أو النشر، وضمان الامتثال للسياسات ذات العلاقة

•) :S-368 (L3مهارة تحليات البيانات وتقييم جودتها، واكتشاف ومعالجة الأخطاء والقيم المفقودة والمكررة، واستخلاص المؤشرات والنتائج لدعم اتخاذ القرار

•) :S-369 (L2مهارة إعداد التقارير وقياس مؤشرات الأداء، وتنسيق أعمال المراجعة والاعتماد، واقتراح وتنفيذ مبادرات تحسين وتطوير إتاحة البيانات والبيانات المفتوحة

المعارف ))5

•) :K-278 (L3المعرفة بالمتطلبات التنظيمية الوطنية المنظمة للوصول إلى البيانات والإفصاح عنها ومشاركتها ونشرها، بما في ذلك متطلبات التصريح والامتثال ذات الصلة. •) :K-279 (L1المعرفة بمفاهيم تصنيف البيانات ومستوياته

•) :K-280 (L2المعرفة بمفاهيم إدارة طلبات الوصول وحق الحصول على المعلومة •) :K-281 (L1المعرفة بمفاهيم البيانات المفتوحة ومبادئها في عملية النشر •) :K-282 (L2المعرفة بمفاهيم اتفاقيات مشاركة البيانات بين الجهات

القدرات ))4

•) :A-205 (L3القدرة على اتخاذ قرارات الإتاحة والنشر وفق المعايير والسياسات، بما يحقق التوازن بين إتاحة البيانات وحمايتها

•) :A-206 (L3القدرة على تفسير وتطبيق الأنظمة والسياسات ذات العلاقة بإتاحة البيانات والبيانات المفتوحة، وضمان الالتزام بالمتطلبات النظامية والتنظيمية عند مشاركة البيانات أو نشرها

•) :A-207 (L3القدرة على تحليل أثر نشر وإتاحة البيانات واقتراح وتنفيذ مبادرات لتحسين عمليات الإتاحة والنشر ورفع كفاءتها

•) :A-208 (L2القدرة على التنسيق والتواصل الفعال مع أصحاب المصلحة والجهات ذات العلاقة، والعمل ضمن فرق متعددة التخصصات، وبناء التوافق لدعم مبادرات إتاحة البيانات والبيانات المفتوحة

| AI-GS أخصائي حوكمة الذكاء الاصطناعي

AI-GS الاختصاصيون الاختصاصيون في الأعمال والإدارة الاختصاصيون في الإدارة اختصاصيو حوكمة وإدارة البيانات والذكاء الاصطناعي أخصائي حوكمة الذكاء الاصطناعي أخصائي حوكمة الذكاء الاصطناعي

بكالوريوس في الذكاء الاصطناعي، إدارة المخاطر، القانون، علم البيانات، الإحصاء، نظم المعلومات، أو أي مجال ذي صلة. ُُيفّّضل أن يكون المتقدم قد حصل على تدريب

في حوكمة الذكاء الاصطناعي أو الذكاء الاصطناعي المسؤول.

الوصف

ينفذ عمليات حوكمة الذكاء الاصطناعي ومعاييرها وتوثيقها وبوابات المراجعة وآليات المساءلة وضوابط دورة الحياة لأنظمة الذكاء الاصطناعي. ويحول متطلبات الذكاء الاصطناعي المسؤول والمخاطر والامتثال والخصوصية والأمن والمتطلبات المؤسسية إلى ممارسات حوكمة عملية لتطوير النماذج ونشرها ومراقبتها وتغييرها وإيقافها. كما ينسق بين فرق المنتجات والهندسة وعلم البيانات والشؤون القانونية والأمن وأصحاب المصلحة في الأعمال، لضمان شفافية

الأنظمة وضبطها ومواءمتها مع الاستخدام المعتمد.

المهام ))22

الاستخدام المقبول قبل اعتمادها أو نشرها. •) :T-022 (L2تقديم التدريب والتوعية والدعم الاستشاري لتعزيز تبني ممارسات حوكمة البيانات والذكاء الاصطناعي. •) :T-023 (L3مراجعة حلول البيانات والذكاء الاصطناعي للتحقق من امتثالها لمتطلبات الحوكمة والأمن والخصوصية

والجودة والاستخدام المسؤول. •) :T-025 (L3إدارة مخاطر سلسلة إمداد الذكاء الاصطناعي المرتبطة بمجموعات البيانات وأصول النماذج والحزم والإضافات وواجهات برمجة التطبيقات والأوامر وأصول التقييم وصور البنية التحتية وخدمات الأطراف الخارجية. •) :T-026 (L3التخطيط للإيقاف أو التراجع أو الاستبدال أو الخروج من الخدمة بصورة منضبطة لنماذج الذكاء الاصطناعي

ومنتجات البيانات وخدمات القرار والخصائص والأصول المرتبطة بها.

•) :T-034 (L3تصميم ضوابط الحماية للنماذج اللغوية الكبيرة واختبارها ومراقبتها، بما يشمل فحوصات الاستناد والتحقق من المخرجات ومرشحات المحتوى وضوابط السياسات وقيود استخدام الأدوات في أنظمة الذكاء الاصطناعي

التوليدي. •) :T-045 (L3تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي. •) :T-049 (L3توثيق معماريات الذكاء الاصطناعي وسلوك النماذج ومسارات العمل التحليلية والقيود والإجراءات التشغيلية وأدلة النماذج أو الأنظمة أو التحليات في مخرجات عمل قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات. •) :T-029 (L3تقييم أو تطبيق نهج الذكاء الاصطناعي والتحليات المحافظة على الخصوصية، مثل التعلم المتحد

والخصوصية التباينية والتجميع الآمن والحوسبة السرية والتحليل في غرف البيانات النظيفة. •) :T-031 (L3تكوين بيئات التشغيل المعزولة للوكلاء، وقوائم الأدوات المصرح بها، وضوابط الهوية والوصول، وحدود

الذاكرة ومعدل الاستخدام والتنفيذ، وآليات المراقبة والإيقاف الفوري التشغيلي. •) :T-036 (L3تخطيط وتنفيذ نمذجة التهديدات للذكاء الاصطناعي والنماذج اللغوية الكبيرة، وتحليل حالات إساءة

الاستخدام، والاختبارات الهجومية، وتمارين الفرق الحمراء، ومتابعة المعالجة. •) :T-042 (L2تطبيق قواعد التحكم في الوصول والموافقة والتدقيق والحد الأدنى من الصلاحيات على مجموعات

البيانات والأوامر والتضمينات ومخازن المتجهات ونقاط نهاية النماذج والأدوات ووكلاء الذكاء الاصطناعي. •) :T-044 (L4قيادة مجالس الحوكمة واللجان التوجيهية ومجالس المراجعة والمنتديات وفرق العمل المشتركة بين

الوظائف أو دعمها. •) :T-207 (L3تقديم المشورة إلى فرق منتجات الذكاء الاصطناعي والهندسة بشأن متطلبات الحوكمة في مرحلة

التصميم لترسيخ الذكاء الاصطناعي المسؤول منذ البداية. •) :T-232 (L3إجراء تقييمات للذكاء الاصطناعي المسؤول، بما يشمل تقييم الإنصاف واكتشاف التحيز ومراجعة قابلية

التفسير وتقييم الشفافية. •) :T-297 (L3تحديد إرشادات سياسة استخدام الذكاء الاصطناعي ومعايير الاستخدام المقبول وفئات التطبيقات

المحظورة. •) :T-314 (L3إنشاء عمليات مراجعة حوكمة الذكاء الاصطناعي وتشغيلها لقرارات تطوير نظمه وشرائها ونشرها. •) :T-324 (L3إدارة حوادث حوكمة الذكاء الاصطناعي، بما يشمل انتهاكات الإنصاف والشفافية وحالات عدم الامتثال

للسياسات. •) :T-340 (L3دعم مراجعات مشتريات الذكاء الاصطناعي بتقييم آثار الحوكمة المترتبة على نظم الذكاء الاصطناعي

المقدمة من أطراف خارجية.

•) :S-027 (L3مهارة التحقق من منشأ مجموعات البيانات والنماذج والحزم وواجهات برمجة التطبيقات ومكونات الذكاء الاصطناعي وسامتها وإصداراتها ومخاطر تبعياتها وتعرضها للثغرات وحالة اعتمادها.

•) :S-028 (L3مهارة نمذجة تهديدات الذكاء الاصطناعي وتصميم سيناريوهات الفرق الحمراء واختبار الأوامر الهجومية وتحليل حالات إساءة الاستخدام والتحقق من الضوابط.

•) :S-031 (L3مهارة تحليل مشكلات البيانات والذكاء الاصطناعي والحوكمة والأعمال المعقدة باستخدام أساليب تشخيصية منظمة وقائمة على الأدلة.

•) :S-036 (L3مهارة تصميم برامج تدريب وتوعية متخصصة في الامتثال وتقديمها بما يلائم وظائف المؤسسة المختلفة ومسؤوليات الأدوار ومستويات الالتزامات التنظيمية.

•) :S-293 (L3مهارة تطبيق ضوابط أمن الذكاء الاصطناعي والخصوصية والذكاء الاصطناعي المسؤول. •) :S-227 (L3مهارة تقييم آثار نشر نظم الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة والذكاء الاصطناعي

الوكيلي في الحوكمة. •) :S-256 (L3مهارة تطوير مجموعات أدوات تقييم الذكاء الاصطناعي المسؤول وأطر التقييم ووثائق الحوكمة. •) :S-275 (L3مهارة تفسير المتطلبات الوطنية المنظمة للذكاء الاصطناعي وترجمتها إلى ضوابط حوكمة مؤسسية. •) :S-283 (L2مهارة مراقبة امتثال نظم الذكاء الاصطناعي لسياسات الحوكمة باستخدام بروتوكولات المراجعة وقوائم

التحقق من التدقيق.

المعارف ))13

وإدارة التبعيات، وفحص الثغرات، وتتبع المنشأ، وضوابط مخاطر الأطراف الخارجية. •) :K-034 (L3معرفة مبادئ إدارة المخاطر وتصميم الضوابط والتخطيط للمعالجة وممارسات الضمان في البيانات

والذكاء الاصطناعي. •) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة. •) :K-022 (L3معرفة أساليب توليد البيانات المصطنعة وتعزيز البيانات، ومخاطر تسرب الخصوصية وتضخيم التحيز،

وأساليب التحقق من فائدة البيانات. •) :K-031 (L3معرفة مخاطر تطبيقات النماذج اللغوية الكبيرة، بما يشمل حقن الأوامر والمعالجة غير الآمنة للمخرجات وتسميم بيانات التدريب وحجب الخدمة عن النماذج والإفصاح عن البيانات الحساسة والإفراط في صلاحيات الوكلاء

وثغرات سلسلة الإمداد.

•) :K-032 (L3معرفة معماريات الذكاء الاصطناعي الوكيلي، ومخاطر استخدام الأدوات، والذاكرة المستمرة، وحلقات التخطيط، وحدود الصلاحيات، وأنماط المراقبة، وإنفاذ السياسات، واحتواء الإخفاقات.

•) :K-039 (L3معرفة تهديدات أمن الذكاء الاصطناعي وأساليب الهجمات العدائية وهجمات خصوصية النماذج وضوابط حماية أنظمة الذكاء الاصطناعي.

والأعمال التحليلية. •) :K-155 (L3معرفة أساليب قابلية شرح الذكاء الاصطناعي وقابلية تفسيره وتطبيقها في تقييم الحوكمة. •) :K-209 (L3معرفة حوكمة المشتريات وتقييم متطلبات امتثال نظم الذكاء الاصطناعي المقدمة من أطراف خارجية.

القدرات ))5

•) :A-037 (L3القدرة على الموازنة بين الملاءمة المنهجية والدقة والسلامة والسرعة والتكلفة والجدوى التشغيلية. •) :A-111 (L3القدرة على التفاعل مع مطوري الذكاء الاصطناعي ومديري المنتجات بوصفه مستشار حوكمة موثوًقا

وبّناًء. •) :A-130 (L3القدرة على المحافظة على امتثال المؤسسة لممارسات الذكاء الاصطناعي المسؤول مع توسع نشره

وازدياد ضغوط الاستعجال المؤسسي. •) :A-133 (L3القدرة على ترجمة أخلاقيات الذكاء الاصطناعي ومتطلبات الذكاء الاصطناعي المسؤول المعقدة إلى

ضوابط حوكمة عملية للفرق التقنية.

| AI-RA محلل مخاطر الذكاء الاصطناعي

AI-RA الاختصاصيون الاختصاصيون في الأعمال والإدارة الاختصاصيون في الإدارة اختصاصيو حوكمة وإدارة البيانات والذكاء الاصطناعي أخصائي حوكمة الذكاء الاصطناعي محلل مخاطر الذكاء الاصطناعي

بكالوريوس في الذكاء الاصطناعي، إدارة المخاطر، القانون، علم البيانات، الإحصاء، نظم المعلومات، أو أي مجال ذي صلة. ُُيفّّضل أن يكون المتقدم قد حصل على تدريب في مخاطر الذكاء الاصطناعي أو التدقيق أو مخاطر النماذج.

الوصف

يحدد المخاطر المرتبطة بأنظمة الذكاء الاصطناعي ونماذجه وبياناته وحالات استخدامه ومورديه وسياقات تشغيله، ويقّّيمها ويراقبها ويرفع التقارير بشأنها. ويشمل تقييمه مجالات مثل الإنصاف والتحيز وقابلية التفسير والمتانة والأمن والخصوصية وسوء الاستخدام والسلامة وانحراف الأداء والتعرض التنظيمي. كما يدعم التخطيط للمعالجة وأدلة الضوابط

والتصعيد والضمان المستمر، لتظل المخاطر واضحة ومدارة ومتوافقة مع شهية المؤسسة للمخاطر

المهام ))21

•) :T-023 (L3مراجعة حلول البيانات والذكاء الاصطناعي للتحقق من امتثالها لمتطلبات الحوكمة والأمن والخصوصية والجودة والاستخدام المسؤول.

•) :T-025 (L3إدارة مخاطر سلسلة إمداد الذكاء الاصطناعي المرتبطة بمجموعات البيانات وأصول النماذج والحزم والإضافات وواجهات برمجة التطبيقات والأوامر وأصول التقييم وصور البنية التحتية وخدمات الأطراف الخارجية. •) :T-026 (L3التخطيط للإيقاف أو التراجع أو الاستبدال أو الخروج من الخدمة بصورة منضبطة لنماذج الذكاء الاصطناعي

ومنتجات البيانات وخدمات القرار والخصائص والأصول المرتبطة بها. •) :T-034 (L3تصميم ضوابط الحماية للنماذج اللغوية الكبيرة واختبارها ومراقبتها، بما يشمل فحوصات الاستناد والتحقق من المخرجات ومرشحات المحتوى وضوابط السياسات وقيود استخدام الأدوات في أنظمة الذكاء الاصطناعي

التوليدي. •) :T-035 (L3تقييم مخرجات النماذج والتحليات باستخدام المقاييس وأساليب التحقق الملائمة، وفحص الافتراضات،

وتحليل الأخطاء، وإجراء الاختبارات المباشرة عند الاقتضاء. •) :T-045 (L3تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي. •) :T-024 (L3إنشاء مجموعات بيانات اصطناعية أو معززة أو مجهولة الهوية أو محافظة على الخصوصية والتحقق منها

وتوثيقها عندما تكون البيانات الفعلية محدودة أو حساسة أو غير متوازنة أو غير آمنة للاستخدام. •) :T-029 (L3تقييم أو تطبيق نهج الذكاء الاصطناعي والتحليات المحافظة على الخصوصية، مثل التعلم المتحد

والخصوصية التباينية والتجميع الآمن والحوسبة السرية والتحليل في غرف البيانات النظيفة.

•) :T-031 (L3تكوين بيئات التشغيل المعزولة للوكلاء، وقوائم الأدوات المصرح بها، وضوابط الهوية والوصول، وحدود الذاكرة ومعدل الاستخدام والتنفيذ، وآليات المراقبة والإيقاف الفوري التشغيلي.

•) :T-036 (L3تخطيط وتنفيذ نمذجة التهديدات للذكاء الاصطناعي والنماذج اللغوية الكبيرة، وتحليل حالات إساءة الاستخدام، والاختبارات الهجومية، وتمارين الفرق الحمراء، ومتابعة المعالجة.

•) :T-042 (L2تطبيق قواعد التحكم في الوصول والموافقة والتدقيق والحد الأدنى من الصلاحيات على مجموعات البيانات والأوامر والتضمينات ومخازن المتجهات ونقاط نهاية النماذج والأدوات ووكلاء الذكاء الاصطناعي.

•) :T-043 (L3تقييم مستوى النضج الحالي والفجوات والمخاطر وفرص تحسين قدرات البيانات والذكاء الاصطناعي •) :T-098 (L3تقييم عدم اليقين والتحيز وقيود العينات ومخاطر جودة البيانات المؤثرة في صلاحية النماذج أو التحليلات. •) :T-206 (L3تقديم المشورة إلى فرق تطوير الذكاء الاصطناعي بشأن ضوابط المخاطر والتصميم المتناسب معها

وممارسات النشر الآمن. •) :T-218 (L3تقييم مخاطر نماذج الذكاء الاصطناعي، بما يشمل أنماط الفشل وتراجع الأداء وتغير التوزيع وقابلية التأثر

بالهجمات العدائية. •) :T-221 (L3تقييم الآثار المتعلقة بالمخاطر عند نشر الذكاء الاصطناعي التوليدي وتبني نماذج الأساس وتنفيذ الذكاء

الاصطناعي الوكيلي. •) :T-251 (L3تقييم تعرض نظم الذكاء الاصطناعي في المؤسسة للمخاطر التنظيمية في ضوء المتطلبات الوطنية

والالتزامات القطاعية. •) :T-275 (L3دعم عمليات شراء نظم الذكاء الاصطناعي وتقييم مخاطر موّردي النظم والمنتجات المدعومة بالذكاء

الاصطناعي من الأطراف الخارجية. •) :T-344 (L3تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار المباشر وغير المباشر والمراجعة البشرية

واختبارات أ/ب أو النشر في بيئة الظل. •) :T-291 (L3المساهمة في تحديد تقبل المؤسسة لمخاطر الذكاء الاصطناعي وأطر تحملها عند اتخاذ القرارات

المتعلقة به. •) :T-294 (L3تنسيق أنشطة معالجة مخاطر الذكاء الاصطناعي مع فرق الهندسة والمنتجات والشؤون

القانونية والحوكمة.

•) :S-027 (L3مهارة التحقق من منشأ مجموعات البيانات والنماذج والحزم وواجهات برمجة التطبيقات ومكونات الذكاء الاصطناعي وسامتها وإصداراتها ومخاطر تبعياتها وتعرضها للثغرات وحالة اعتمادها.

•) :S-028 (L3مهارة نمذجة تهديدات الذكاء الاصطناعي وتصميم سيناريوهات الفرق الحمراء واختبار الأوامر الهجومية وتحليل حالات إساءة الاستخدام والتحقق من الضوابط.

•) :S-029 (L3مهارة تطبيق التعلم المتحد والخصوصية التباينية والتجميع الآمن وتقنيات تعزيز الخصوصية وضوابط إخفاء الهوية في حالات استخدام الذكاء الاصطناعي والتحليات.

•) :S-030 (L3مهارة تطبيق الحد الأدنى من الصلاحيات وبيئات التشغيل المعزولة ومسارات الموافقة وسياسات استخدام الأدوات وضوابط الذاكرة وقابلية المراقبة لأنظمة الذكاء الاصطناعي الوكيلي.

•) :S-152 (L3مهارة تطوير سجلات مخاطر الذكاء الاصطناعي والمحافظة عليها باستخدام تصنيف المخاطر وتقييم الأثر والاحتمال.

•) :S-201 (L2مهارة متابعة تنفيذ ضوابط المخاطر والتحقق من فاعليتها من خلال اختبارات منظمة. •) :S-293 (L3مهارة تطبيق ضوابط أمن الذكاء الاصطناعي والخصوصية والذكاء الاصطناعي المسؤول. •) :S-296 (L3مهارة تقييم التحيز وقضايا الإنصاف في البيانات والنماذج والاستنتاجات التحليلية عبر المجموعات

الفرعية ومعالجتها. •) :S-213 (L3مهارة تقديم المشورة إلى فرق تطوير الذكاء الاصطناعي بشأن ضوابط المخاطر وممارسات التصميم

المتناسب معها. •) :S-233 (L3مهارة تنسيق تنفيذ معالجة مخاطر الذكاء الاصطناعي عبر فرق الهندسة والمنتجات والشؤون القانونية

والحوكمة. •) :S-242 (L3مهارة تصميم ضوابط مراقبة مخاطر الذكاء الاصطناعي ومؤشرات الإنذار المبكر للنظم في بيئة الإنتاج. •) :S-260 (L3مهارة تقييم المخاطر التقنية لنماذج الذكاء الاصطناعي، بما يشمل أنماط الفشل والمتانة والتحيز وقابلية

التأثر بالهجمات العدائية. •) :S-262 (L3مهارة تقييم مخاطر نشر الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة، بما يشمل الهلوسة

وإساءة الاستخدام ومسارات تسرب البيانات.

المعارف ))15

وإدارة التبعيات، وفحص الثغرات، وتتبع المنشأ، وضوابط مخاطر الأطراف الخارجية. •) :K-034 (L3معرفة مبادئ إدارة المخاطر وتصميم الضوابط والتخطيط للمعالجة وممارسات الضمان في البيانات

والذكاء الاصطناعي. •) :K-045 (L3معرفة مقاييس تقييم النماذج واستراتيجيات التحقق وأساليب تحليل الأخطاء والمقارنة السليمة إحصائًيا

بين النماذج. •) :K-022 (L3معرفة أساليب توليد البيانات المصطنعة وتعزيز البيانات، ومخاطر تسرب الخصوصية وتضخيم التحيز،

وأساليب التحقق من فائدة البيانات. •) :K-025 (L3معرفة تقنيات تعزيز الخصوصية في الذكاء الاصطناعي، بما يشمل التعلم المتحد والخصوصية التباينية

والحوسبة الآمنة متعددة الأطراف والحوسبة السرية وغرف البيانات النظيفة، والمفاضات المرتبطة بها. •) :K-031 (L3معرفة مخاطر تطبيقات النماذج اللغوية الكبيرة، بما يشمل حقن الأوامر والمعالجة غير الآمنة للمخرجات وتسميم بيانات التدريب وحجب الخدمة عن النماذج والإفصاح عن البيانات الحساسة والإفراط في صلاحيات الوكلاء

التخطيط، وحدود الصلاحيات، وأنماط المراقبة، وإنفاذ السياسات، واحتواء الإخفاقات. •) :K-039 (L3معرفة تهديدات أمن الذكاء الاصطناعي وأساليب الهجمات العدائية وهجمات خصوصية النماذج وضوابط

حماية أنظمة الذكاء الاصطناعي.

•) :K-053 (L3معرفة الاستراتيجيات الوطنية للذكاء الاصطناعي ومتطلباته التنظيمية والتزامات الامتثال الخاصة به في مختلف القطاعات.

والأعمال التحليلية. •) :K-154 (L3معرفة مخاطر التحيز والإنصاف في الذكاء الاصطناعي وأساليب اكتشاف التحيز وأثر المخرجات المتحيزة

في أصحاب المصلحة. •) :K-169 (L3معرفة حوكمة مجالس الإدارة والمساءلة التنفيذية وإدارة مخاطر المؤسسة.

•القدرات ))5 •) :A-015 (L3القدرة على الاستدلال بشأن سلوك النماذج وقيودها ومخاطرها وأنماط فشلها وآثارها في الخصوصية

والإنصاف والأخلاقيات. •) :A-026 (L3القدرة على تقييم ملفات المخاطر المعقدة لنظم الذكاء الاصطناعي بدمج الأبعاد التقنية والأخلاقية

والتشغيلية والتنظيمية. •) :A-140 (L3القدرة على الحكم على مدى ملاءمة البيانات والافتراضات والأساليب لمشكلة محددة. •) :A-104 (L3القدرة على تصميم مراقبة وضوابط متناسبة لمخاطر الذكاء الاصطناعي دون إعاقة تطويره المشروع. •) :A-118 (L3القدرة على المحافظة على الصرامة التحليلية والموضوعية في تقييم المخاطر تحت ضغط مؤسسي

لتقليل النتائج المتعلقة بها.

| D-AN محلل البيانات

D-AN الاختصاصيون الاختصاصيون في العلوم والهندسة الاختصاصيون في الرياضيات والاكتواريون والإحصائيون اختصاصيو تحليلات البيانات وعلم البيانات محلل البيانات

بكالوريوس في تحليل البيانات، الإحصاء، علم البيانات، نظم المعلومات، تحليلات

الأعمال، علوم الحاسب، أو أي مجال ذي صلة. ُُيفّّضل الماجستير في علم البيانات، الإحصاء، تحليل البيانات، علوم الحاسب، نظم المعلومات، أو أي مجال ذي صلة.

الوصف

يقوم محلل البيانات بفحص البيانات من مصادر متعددة وتحليلها واستخراج الرؤى لدعم صناع القرار. وتشمل مسؤولياته تصميم التحليلات والنماذج المخصصة وعمليات سير العمل وتنفيذها، والتخطيط لمجموعات البيانات المستخدمة في النمذجة، وجمع البيانات الخام وتنظيمها ودراستها لتحديد الاتجاهات واستخراج معلومات تساعد أصحاب المصلحة في

اتخاذ القرارات.

المهام ))10

•) :T-434 (L3تنفيذ التحليل الإحصائي والاستكشافي واختبار الفرضيات لاكتشاف الأنماط والعلاقات واستخلاص النتائج

•) :T-435 (L2تنفيذ عمليات تنظيف البيانات لتصبح قابلة لإعادة الاستخدام باستخدام أدوات للبيانات •) :T-436 (L3معالجة سابقة للبيانات وحصرها وجمعها ودمجها من مصادر مختلفة، وتنفيذ هندسة الخصائص )�Fea

ture Engineering(لتحضيرها للتحليل •) :T-437 (L3تطبيق الأساليب التحليلية، من بينها تحليات البيانات الاستكشافية والاختبارات الإحصائية لفحص

البيانات والاستكشاف والتصور •) :T-438 (L3بناء وتقييم النماذج الإحصائية ونماذج التعّلم الآلي والتعّلم العميق لاستخلاص رؤى وتنبؤات قابلة

للتنفيذ •) :T-439 (L3التمثيل البصري والاختبارات الإحصائية لاكتشاف الأنماط واستخلاص النتائج بالطرق التحليلية

•) :T-440 (L3تطبيق مقاييس الأداء واختبار الفرضيات لضمان دقة التحليلات وموثوقيتها وفعاليتها •) :T-441 (L2توصيل الرؤى والنتائج إلى أصحاب المصلحة عبر سرد البيانات )Data Storytelling(ولوحات المعلومات

التفاعلية لدعم اتخاذ القرار •) :T-442 (L3تقييم مدى تمثيل البيانات للفئات المستهدفة ورصد الانحيازات والفجوات في البيانات قبل بناء النماذج

واستخدام نتائجها •) :T-443 (L3العمل مع محللي الأنظمة والمهندسين والمبرمجين وغيرهم لتصميم التطبيقات المطلوبة

المهارات ))8

•) :S-370 (L2مهارة إعداد الطلبات وتحضير التقارير •) :S-371 (L3مهارة في تقنيات استخراج البيانات على سبيل المثال: البحث في أنظمة الملفات والتحليل

•) :S-372 (L2مهارة تحديد مصادر أصول بيانات المنظمة وخصائصها واستخداماتها •) :S-373 (L2مهارة استخدام الإحصاءات الوصفية والأساليب الأساسية مثل المعايرة وتوزيع النماذج ومخططات

التشتت •) :S-374 (L3مهارة إنشاء النماذج الرياضية أو الإحصائية واستخدامها

•) :S-375 (L3مهارة تحديد الأنماط أو العلاقات الخفية •) :S-376 (L2مهارة سرد البيانات وتحويلها إلى رؤى ومعلومات للمتلقي

•) :S-377 (L2مهارة استخراج التوصيات المبنية على البيانات

المعارف ))5

•) :K-287 (L3المعرفة بالمتطلبات التنظيمية ومتطلبات الحوكمة المؤثرة في جمع البيانات ومعالجتها وتحليلها واستخدامها للأغراض التحليلية.

•) :K-283 (L2المعرفة بالمخاطر الأخلاقية والقضايا الأخلاقية الشائعة الناتجة عن جمع البيانات وتحليلها ومشاركتها واس تخدامها.

•) :K-284 (L2المعرفة بمصادر أصول بيانات المنظمة وخصائصها واستخداماتها •) :K-285 (L3معرفة خصائص معالجة البيانات المتقدمة في قواعد البيانات •) :K-286 (L3المعرفة بمفاهيم البيانات وأدوات تحليل مجموعات البيانات

القدرات ))5

•) :A-209 (L3القدرة على التحقق من جودة البيانات وصحتها واكتمالها وترابطها، وإعداد البيانات وضمان جاهزيتها للاستخدام في التحليات والذكاء الاصطناعي ودعم اتخاذ القرار

•) :A-210 (L3القدرة على إجراء التحليل الاستكشافي والإحصائي للبيانات، واكتشاف الأنماط والعلاقات، والتحقق من نتائج التحليل، وتطبيق التفكير النقدي لحل المشكلات وربط النتائج بأهداف الأعمال

•) :A-211 (L3القدرة على تصميم التصورات البيانية ولوحات المعلومات باستخدام أدوات تصور البيانات، وعرض النتائج والرؤى الإحصائية بوضوح وفعالية لمختلف أصحاب المصلحة

•) :A-212 (L3القدرة على التعامل مع هياكل البيانات المعقدة باستخدام لغات البرمجة والأدوات التحليلية لمعالجة البيانات وتحليلها بكفاءة

•) :A-213 (L3القدرة على العمل والتعاون مع الفرق المختلفة، وإدارة المهام المتعددة في بيئات عمل متغيرة، والالتزام بالتعلم المستمر ومواكبة التطورات في مجالات البيانات

| D-BI أخصائي ذكاء الأعمال

D-BI الاختصاصيون

الاختصاصيون في العلوم والهندسة

الاختصاصيون في الرياضيات والاكتواريون والإحصائيون اختصاصيو تحليلات البيانات وعلم البيانات محلل البيانات أخصائي ذكاء الأعمال

بكالوريوس في تحليل البيانات، الإحصاء، علم البيانات، نظم المعلومات، تحليلات الأعمال، علوم الحاسب، أو أي مجال ذي صلة. ُُيفّّضل الماجستير في علم البيانات، الإحصاء، تحليل البيانات، علوم الحاسب، نظم المعلومات، أو أي مجال ذي صلة. كما ُُيفّّضل أن يكون المتقدم قد حصل على تدريب في منصات ذكاء الأعمال

الوصف

يطور تقارير ذكاء الأعمال ولوحات المعلومات والمقاييس والنماذج الدلالية وعروض الأداء الدورية لصناع القرار. ويحول أسئلة الأعمال إلى مقاييس وتصورات ونماذج بيانات وأصول تقارير للخدمة الذاتية تكون واضحة وموثوقة. كما ينسق مع مستخدمي الأعمال ومهندسي البيانات ونمذجي البيانات وفرق الحوكمة، لضمان دقة منتجات ذكاء الأعمال وتوثيقها

وإتاحتها ومواءمتها مع إدارة الأداء المؤسسي.

المهام ))16

•) :T-032 (L3تحديد مؤشرات الأداء الرئيسية والمقاييس الخاصة بالمجال وتحليلها ومراقبتها. •) :T-068 (L3تنظيف البيانات وتنميطها وتحويلها وإعدادها للتحليل والنمذجة وإعداد التقارير. •) :T-163 (L3تحديد مجموعات البيانات المهيكلة وغير المهيكلة اللازمة لهدف التحليل أو النموذج والحصول عليها

ودمجها. •) :T-037 (L3إعداد التصورات ولوحات المعلومات والتقارير والسرد القصصي للبيانات بما يوضح النتائج بجلاء.

•) :T-052 (L3إعداد التقارير الاستشارية والإحاطات التنفيذية وتوصيات التنفيذ لصناع القرار. •) :T-054 (L2إيصال النتائج والافتراضات والقيود والتوصيات إلى أصحاب المصلحة.

•) :T-062 (L3إجراء تحليل استكشافي للبيانات لتحديد الأنماط والعوامل المؤثرة والقيم الشاذة والعلاقات. •) :T-070 (L3تحديد المقاييس ومؤشرات الأداء الرئيسية ومؤشرات المتابعة وقياسها لمراقبة القيمة والجودة والمخاطر

والتبني. •) :T-102 (L3بناء نماذج البيانات والطبقات الدلالية والنماذج الُبعدية وتحسينها لدعم تقارير ذكاء الأعمال المتسقة

وعالية الأداء. •) :T-134 (L3تصميم تقارير ذكاء الأعمال ولوحات المعلومات وحلول تحليات الخدمة الذاتية للمؤسسة وتطويرها

والمحافظة عليها. •) :T-175 (L3تفسير مخرجات النماذج والنتائج التحليلية لاستخلاص رؤى قابلة للتنفيذ. •) :T-180 (L2المحافظة على حوكمة منصة ذكاء الأعمال، بما يشمل إدارة إصدارات التقارير وصلاحيات الوصول ودورة

الحياة واعتماد المحتوى.

•) :T-188 (L3المحافظة على وثائق نماذج بيانات ذكاء الأعمال ومنطق الحساب وتعريفات المقاييس ومعمارية الحلول. •) :T-203 (L3دعم وحدات الأعمال في تحديد المتطلبات التحليلية وتسلسلات المقاييس وهياكل إعداد التقارير.

•) :T-239 (L4تصميم بطاقات قياس الأداء المؤسسية ولوحات المعلومات التنفيذية وتنفيذها لمراقبة الأداء الاستراتيجي. •) :T-311 (L3ضمان امتثال حلول ذكاء الأعمال لمعايير حوكمة بيانات المؤسسة وتعريفات المقاييس ومتطلبات

التصنيف.

•) :S-035 (L2مهارة تجهيز البيانات. •) :S-046 (L3مهارة تصوير البيانات وإعداد لوحات المعلومات والسرد التحليلي. •) :S-053 (L3مهارة الاستعلام عن البيانات وربطها وتحويلها من منصات البيانات العلائقية أو التحليلية أو السحابية. •) :S-074 (L3مهارة البرمجة لعلم البيانات والذكاء الاصطناعي باستخدام بايثون أو SQL أو R أو أدوات مكافئة. •) :S-078 (L3مهارة تحسين أداء استعلامات وتقارير ذكاء الأعمال باستخدام تحليل خطط التنفيذ وتحسين الفهارس. •) :S-096 (L3مهارة تصميم نماذج البيانات الُبعدية وفق مخططي النجمة وندفة الثلج وتعريف الطبقات الدلالية

لتقارير ذكاء الأعمال. •) :S-138 (L3مهارة تقديم برامج تدريب على ذكاء الأعمال وتمكين مستخدمي الأعمال من تحليلات الخدمة الذاتية. •) :S-154 (L3مهارة تطوير قياسات ومقاييس محسوبة معقدة باستخدام DAX أو MDX أو لغات حساب مكافئة في

ذكاء الأعمال. •) :S-168 (L3مهارة دمج البيانات من أنظمة مصدرية متعددة في نماذج دلالية موحدة لذكاء الأعمال. •) :S-170 (L3مهارة التحقيق في القيم الشاذة للمقاييس ومؤشرات الأداء الرئيسية باستخدام التحليل التفصيلي

والتجزئة وتحليات البيانات عبر النظم. •) :S-295 (L3مهارة تفسير النماذج وشرح النتائج التحليلية لأصحاب المصلحة غير التقنيين. •) :S-268 (L2مهارة إدارة محتوى ذكاء الأعمال باستخدام مسارات الاعتماد وضوابط الوصول وإدارة دورة الحياة.

المعارف ))9

•) :K-026 (L2معرفة إدارة التغيير المؤسسي وممارسات التحول الثقافي. •) :K-061 (L2معرفة مفاهيم قواعد البيانات ومستودعات البيانات وبحيرات البيانات ومسارات عمل البيانات.

•) :K-222 (L3معرفة جودة البيانات والبيانات المفقودة وتحيز أخذ العينات وأخطاء القياس وقيود التحليل. •) :K-226 (L3معرفة مقاييس المجال وعمليات الأعمال وسياق السياسات أو السياق العلمي ذي الصلة بالتحليل.

•) :K-060 (L3معرفة مبادئ تصوير البيانات وممارسات التواصل التحليلي. •) :K-128 (L3معرفة مفاهيم النمذجة الُبعدية، بما يشمل مخطط النجمة ومخطط ندفة الثلج والأبعاد بطيئة التغير.

•) :K-189 (L3معرفة منصات ذكاء الأعمال المؤسسية ومعمارياتها وقدراتها وخصائص الحوكمة فيها. •) :K-190 (L3معرفة تصميم أطر مؤشرات الأداء الرئيسية للمؤسسة ومعايير تعريف المقاييس وممارسات قياس

الأداء.

القدرات ))5

•) :A-019 (L3القدرة على ترجمة النتائج التحليلية إلى توصيات وقرارات عملية. •) :A-020 (L2القدرة على التعاون بفاعلية مع الفرق التقنية وفرق الأعمال والمنتجات والسياسات والمجالات

التخصصية . •) :A-059 (L3القدرة على تحديد أوجه عدم اتساق المقاييس وتعارضات الحساب والفروقات في البيانات ضمن بيئات

ذكاء الأعمال ومعالجتها. •) :A-076 (L3القدرة على المحافظة على الصرامة في تعريف المقاييس واتساق حسابها مع نمو محفظة حلول ذكاء

الأعمال. •) :A-141 (L2القدرة على توضيح عدم اليقين والافتراضات والقيود والمفاضلات بوضوح.

| D-S عالم البيانات

D-S الاختصاصيون الاختصاصيون في العلوم والهندسة الاختصاصيون في الرياضيات والاكتواريون والإحصائيون اختصاصيو تحليلات البيانات وعلم البيانات

عالم البيانات عالم البيانات

بكالوريوس في الإحصاء، الرياضيات، علم البيانات، تعلم الآلة، علوم الحاسب، الاقتصاد، أو أي مجال كمي ذي صلة. ُُيفّّضل الماجستير في الإحصاء، الرياضيات،

علم البيانات، تعلم الآلة، علوم الحاسب، أو أي مجال كمي ذي صلة.

الوصف

يطور نماذج إحصائية وتحليلية ونماذج لتعلم الآلة بهدف معالجة مشكلات الأعمال والعمليات باستخدام البيانات. ويصوغ الأسئلة التحليلية، وُُيعد البيانات، ويختار الأساليب، ويبني النماذج ويقّّيمها، ويفسر المخرجات، ويوصل التوصيات القائمة على الأدلة. كما يتعاون مع مهندسي البيانات وخبراء المجالات وفرق المنتجات ومهندسي الذكاء الاصطناعي وأصحاب

المصلحة في الحوكمة، لتحويل الرؤى والنماذج إلى نتائج مسؤولة ومفيدة وقابلة للقياس.

المهام ))18

•) :T-032 (L3تحديد مؤشرات الأداء الرئيسية والمقاييس الخاصة بالمجال وتحليلها ومراقبتها. •) :T-035 (L3تقييم مخرجات النماذج والتحليات باستخدام المقاييس وأساليب التحقق الملائمة، وفحص الافتراضات،

وتحليل الأخطاء، وإجراء الاختبارات المباشرة عند الاقتضاء. •) :T-045 (L3تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي. •) :T-047 (L3التعاون مع فرق البيانات والذكاء الاصطناعي والهندسة والمنتجات والأعمال والمجالات لتشغيل النماذج

للقياس أو تصاميم قابلة للتنفيذ لحلول الذكاء الاصطناعي. •) :T-068 (L3تنظيف البيانات وتنميطها وتحويلها وإعدادها للتحليل والنمذجة وإعداد التقارير. •) :T-163 (L3تحديد مجموعات البيانات المهيكلة وغير المهيكلة اللازمة لهدف التحليل أو النموذج والحصول عليها

ودمجها. •) :T-345 (L3هندسة الخصائص والتسميات والمتغيرات التحليلية للنماذج واختيارها وتقييمها. •) :T-346 (L3تطوير مسارات تحليلية ورموز برمجية ووثائق وأصول قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات. •) :T-037 (L3إعداد التصورات ولوحات المعلومات والتقارير والسرد القصصي للبيانات بما يوضح النتائج بجلاء.

•) :T-054 (L2إيصال النتائج والافتراضات والقيود والتوصيات إلى أصحاب المصلحة. •) :T-062 (L3إجراء تحليل استكشافي للبيانات لتحديد الأنماط والعوامل المؤثرة والقيم الشاذة والعلاقات.

•) :T-072 (L3تصميم الأساليب الإحصائية وأساليب تعلم الآلة والتعلم العميق والذكاء الاصطناعي التوليدي أو تطويرها أو تكييفها أو تقييمها.

•) :T-090 (L3تطبيق معالجة اللغات الطبيعية أو التنبؤ أو التجميع أو التصنيف أو الانحدار أو غيرها من الأساليب التحليلية عند ملاءمتها.

•) :T-098 (L3تقييم عدم اليقين والتحيز وقيود العينات ومخاطر جودة البيانات المؤثرة في صلاحية النماذج أو التحليلات. •) :T-112 (L3إجراء التحليل الإحصائي واختبار الفرضيات والاستنتاج الإحصائي لاستخلاص النتائج من البيانات وقياسها

كمًيا . •) :T-175 (L3تفسير مخرجات النماذج والنتائج التحليلية لاستخلاص رؤى قابلة للتنفيذ. •) :T-235 (L3تصميم التجارب واختبارات أ/ب والتجارب شبه التجريبية أو التحليلات السببية وتحليلها.

•) :S-035 (L2مهارة تجهيز البيانات. •) :S-044 (L3مهارة اختيار النماذج وتقييمها والتحقق منها واختبارها مرجعًيا وتحليل أخطائها ومقارنتها بأساليب سليمة

إحصائًيا. •) :S-046 (L3مهارة تصوير البيانات وإعداد لوحات المعلومات والسرد التحليلي. •) :S-053 (L3مهارة الاستعلام عن البيانات وربطها وتحويلها من منصات البيانات العلائقية أو التحليلية أو السحابية.

•) :S-054 (L3مهارة التحليل الإحصائي واختبار الفرضيات وتقدير عدم اليقين. •) :S-074 (L3مهارة البرمجة لعلم البيانات والذكاء الاصطناعي باستخدام بايثون أو SQL أو R أو أدوات مكافئة.

•) :S-115 (L3مهارة تحليل مجموعات البيانات الكبيرة المهيكلة وغير المهيكلة. •) :S-121 (L3مهارة تطبيق تقنيات المحافظة على الخصوصية وإخفاء الهوية، بما يشمل التعمية وتبديل بيانات الهوية

والتجميع والخصوصية التباينية الأساسية، على البيانات الشخصية المستخدمة في التحليل. •) :S-164 (L3مهارة تحديد مشكلات جودة البيانات المؤثرة في سلامة التحليل.

•) :S-294 (L3مهارة تطوير نماذج تعلم الآلة الخاضع للإشراف وغير الخاضع للإشراف. •) :S-295 (L3مهارة تفسير النماذج وشرح النتائج التحليلية لأصحاب المصلحة غير التقنيين. •) :S-296 (L3مهارة تقييم التحيز وقضايا الإنصاف في البيانات والنماذج والاستنتاجات التحليلية عبر المجموعات

الفرعية ومعالجتها. •) :S-297 (L3مهارة تطوير دفاتر ملاحظات ورموز برمجية ومسارات تحليلية قابلة لإعادة الإنتاج وخاضعة لإدارة

الإصدارات. •) :S-298 (L3مهارة الاستخدام الملائم لأدوات الذكاء الاصطناعي التوليدي لدعم التحليل أو البرمجة أو التلخيص أو

توليد الرؤى. •) :S-265 (L3مهارة تصميم التجارب واختبارات أ/ب والتحليل السببي والأساليب شبه التجريبية.

المعارف ))15

•) :K-061 (L2معرفة مفاهيم قواعد البيانات ومستودعات البيانات وبحيرات البيانات ومسارات عمل البيانات. •) :K-222 (L3معرفة جودة البيانات والبيانات المفقودة وتحيز أخذ العينات وأخطاء القياس وقيود التحليل.

•) :K-226 (L3معرفة مقاييس المجال وعمليات الأعمال وسياق السياسات أو السياق العلمي ذي الصلة بالتحليل. •) :K-060 (L3معرفة مبادئ تصوير البيانات وممارسات التواصل التحليلي.

•) :K-076 (L3معرفة الاحتمالات والإحصاء والأسس الرياضية لعلم البيانات والذكاء الاصطناعي. •) :K-101 (L3معرفة التصنيف والانحدار والتجميع والتنبؤ وخفض الأبعاد واكتشاف الشذوذ. •) :K-149 (L3معرفة الاستنتاج الإحصائي والانحدار والأساليب البايزية واختبار الفرضيات.

والأعمال التحليلية. •) :K-223 (L3معرفة خوارزميات تعلم الآلة وافتراضاتها ونقاط قوتها وقيودها. •) :K-224 (L3معرفة تنقيب البيانات ومعالجة اللغات الطبيعية وتحليات النصوص وأساليب تحليات البيانات غير

المهيكلة. •) :K-225 (L2معرفة الخصوصية والاستخدام الأخلاقي للبيانات والذكاء الاصطناعي المسؤول واعتبارات الإنصاف.

•) :K-227 (L3معرفة ممارسات البحوث القابلة لإعادة الإنتاج ومعايير التوثيق. •) :K-195 (L3معرفة تصميم التجارب والاستنتاج السببي وأساليب تقدير أثر المعالجة.

القدرات ))9

•) :A-025 (L3القدرة على العمل باستخدام بيانات ناقصة أو غير منظمة أو متحيزة أو غامضة. •) :A-019 (L3القدرة على ترجمة النتائج التحليلية إلى توصيات وقرارات عملية.

•) :A-020 (L2القدرة على التعاون بفاعلية مع الفرق التقنية وفرق الأعمال والمنتجات والسياسات والمجالات التخصصية .

•) :A-024 (L3القدرة على الاستدلال الكمي وتحديد الأنماط ذات الدلالة في البيانات المعقدة. •) :A-140 (L3القدرة على الحكم على مدى ملاءمة البيانات والافتراضات والأساليب لمشكلة محددة.

•) :A-141 (L2القدرة على توضيح عدم اليقين والافتراضات والقيود والمفاضلات بوضوح.

| AI-R عالم أبحاث الذكاء الاصطناعي

AI-R الاختصاصيون

اختصاصيو أبحاث وهندسة الذكاء الاصطناعي عالم أبحاث الذكاء الاصطناعي عالم أبحاث الذكاء الاصطناعي

ماجستير في الذكاء الاصطناعي، تعلم الآلة، علوم الحاسب، الإحصاء، الرياضيات، الهندسة، أو أي مجال ذي صلة. ُُتفّّضل الدكتوراه في الذكاء الاصطناعي، تعلم الآلة، علوم الحاسب، الإحصاء، الرياضيات، الهندسة، أو أي مجال ذي صلة.

الوصف

يجري أبحا�ثاً تطبيقية وعلمية في الذكاء الاصطناعي لتطوير الخوارزميات ومعماريات النماذج وأساليب التقييم وممارسات النشر المسؤول. ويصمم التجارب، ويدرس تقنيات الذكاء الاصطناعي الناشئة، ويق�يمّ القيود، وينشر النتائج أو يوصلها، ويحول مخرجات البحث إلى نماذج أولية أو إرشادات للفرق الهندسية. كما يعزز الابتكار والعمق التقني مع ضمان أن تظل

الأبحاث صارمة وقابلة لإعادة الإنتاج ومرتبطة باحتياجات مؤسسية أو مجتمعية حقيقية.

المهام ))19

•) :T-032 (L3تحديد مؤشرات الأداء الرئيسية والمقاييس الخاصة بالمجال وتحليلها ومراقبتها. •) :T-035 (L3تقييم مخرجات النماذج والتحليات باستخدام المقاييس وأساليب التحقق الملائمة، وفحص الافتراضات،

وتحليل الأخطاء، وإجراء الاختبارات المباشرة عند الاقتضاء. •) :T-045 (L3تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي. •) :T-047 (L3التعاون مع فرق البيانات والذكاء الاصطناعي والهندسة والمنتجات والأعمال والمجالات لتشغيل النماذج

والرؤى ومخرجات دعم القرار أو حلول الذكاء الاصطناعي. •) :T-049 (L3توثيق معماريات الذكاء الاصطناعي وسلوك النماذج ومسارات العمل التحليلية والقيود والإجراءات التشغيلية وأدلة النماذج أو الأنظمة أو التحليات في مخرجات عمل قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات. •) :T-056 (L3تصميم نماذج ومكونات الذكاء الاصطناعي وتعلم الآلة أو تطويرها أو تكييفها أو تقييمها لحالات استخدام

الذكاء الاصطناعي والتحليات. •) :T-066 (L3ترجمة مشكلات الأعمال أو السياسات أو المنتجات أو البحوث أو التشغيل إلى أسئلة تحليلية قابلة

للقياس أو تصاميم قابلة للتنفيذ لحلول الذكاء الاصطناعي. •) :T-345 (L3هندسة الخصائص والتسميات والمتغيرات التحليلية للنماذج واختيارها وتقييمها. •) :T-346 (L3تطوير مسارات تحليلية ورموز برمجية ووثائق وأصول قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات. •) :T-072 (L3تصميم الأساليب الإحصائية وأساليب تعلم الآلة والتعلم العميق والذكاء الاصطناعي التوليدي أو

تطويرها أو تكييفها أو تقييمها.

•) :T-090 (L3تطبيق معالجة اللغات الطبيعية أو التنبؤ أو التجميع أو التصنيف أو الانحدار أو غيرها من الأساليب التحليلية عند ملاءمتها.

•) :T-098 (L3تقييم عدم اليقين والتحيز وقيود العينات ومخاطر جودة البيانات المؤثرة في صلاحية النماذج أو التحليلات. •) :T-112 (L3إجراء التحليل الإحصائي واختبار الفرضيات والاستنتاج الإحصائي لاستخلاص النتائج من البيانات وقياسها

كمًيا. •) :T-224 (L3التعاون مع فرق هندسة الذكاء الاصطناعي التطبيقي لنقل نتائج البحوث إلى نظم وتطبيقات الإنتاج.

•) :T-235 (L3تصميم التجارب واختبارات أ/ب والتجارب شبه التجريبية أو التحليلات السببية وتحليلها. •) :T-344 (L3تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار غير المباشر والاختبار المباشر والمراجعة

البشرية واختبارات أ/ب أو النشر في بيئة الظل. •) :T-292 (L3المساهمة في طلبات المنح ومقترحات تمويل البحوث وطلبات المشاركة في المبادرات البحثية الوطنية. •) :T-307 (L3التفاعل مع مجتمعات أبحاث الذكاء الاصطناعي الوطنية والدولية من خال الشراكات والتعاون البحثي

المفتوح.

•) :S-048 (L3مهارة تطوير مسارات عمل البيانات ومسارات هندسة الخصائص لتطبيقات الذكاء الاصطناعي. •) :S-065 (L3مهارة تطوير نماذج تعلم الآلة والتعلم العميق باستخدام المكتبات والأطر الملائمة.

•) :S-050 (L3مهارة توثيق المعماريات التقنية والإجراءات التشغيلية وقيود أنظمة الذكاء الاصطناعي. •) :S-054 (L3مهارة التحليل الإحصائي واختبار الفرضيات وتقدير عدم اليقين.

•) :S-118 (L3مهارة تطبيق الأساليب الرياضية والإحصائية المتقدمة على مسائل أبحاث الذكاء الاصطناعي. •) :S-177 (L3مهارة إدارة التجارب الحاسوبية واسعة النطاق باستخدام البنية التحتية للحوسبة عالية الأداء وتتبع التجارب.

•) :S-293 (L3مهارة تطبيق ضوابط أمن الذكاء الاصطناعي والخصوصية والذكاء الاصطناعي المسؤول. •) :S-294 (L3مهارة تطوير نماذج تعلم الآلة الخاضع للإشراف وغير الخاضع للإشراف.

•) :S-297 (L3مهارة تطوير دفاتر ملاحظات ورموز برمجية ومسارات تحليلية قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات.

•) :S-251 (L3مهارة تطوير اختبارات مرجعية لأبحاث الذكاء الاصطناعي ومجموعات بيانات التقييم وبروتوكولات التقييم القابل لإعادة الإنتاج.

•) :S-263 (L3مهارة تقييم آثار أخلاقيات البحث باستخدام أطر الذكاء الاصطناعي المسؤول وعمليات المراجعة الأخلاقية. •) :S-265 (L3مهارة تصميم التجارب واختبارات أ/ب والتحليل السببي والأساليب شبه التجريبية.

•) :S-272 (L3مهارة تنفيذ معماريات جديدة لنماذج الذكاء الاصطناعي وخوارزميات التدريب برموز برمجية ذات جودة بحثية وقابلة لإعادة الإنتاج.

•) :S-281 (L3مهارة إرشاد الباحثين المبتدئين من خلال التوجيه المنظم ومراجعة الأوراق العلمية ودعم التطور المهني. •) :S-290 (L3مهارة تحويل النماذج البحثية الأولية إلى أصول قابلة للنقل إلى فرق الهندسة والذكاء الاصطناعي

التطبيقي.

المعارف ))17

•) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة. •) :K-076 (L3معرفة الاحتمالات والإحصاء والأسس الرياضية لعلم البيانات والذكاء الاصطناعي. •) :K-101 (L3معرفة التصنيف والانحدار والتجميع والتنبؤ وخفض الأبعاد واكتشاف الشذوذ. •) :K-149 (L3معرفة الاستنتاج الإحصائي والانحدار والأساليب البايزية واختبار الفرضيات. •) :K-223 (L3معرفة خوارزميات تعلم الآلة وافتراضاتها ونقاط قوتها وقيودها.

•) :K-224 (L3معرفة تنقيب البيانات ومعالجة اللغات الطبيعية وتحليات النصوص وأساليب تحليات البيانات غير المهيكلة.

•) :K-158 (L4معرفة أبحاث سامة الذكاء الاصطناعي وتحديات المواءمة والتطوير المسؤول لقدرات الذكاء الاصطناعي المتقدمة.

•) :K-184 (L3معرفة معماريات التعلم العميق، بما يشمل المحولات ونماذج الانتشار والشبكات العصبية للرسوم البيانية ونماذج الأساس.

•) :K-195 (L3معرفة تصميم التجارب والاستنتاج السببي وأساليب تقدير أثر المعالجة. •) :K-198 (L4معرفة أبحاث الذكاء الاصطناعي التوليدي، بما يشمل توسيع النماذج اللغوية الكبيرة ومواءمتها والتعلم

متعدد الصيغ والاستدلال. •) :K-206 (L3معرفة الأولويات الوطنية لأبحاث الذكاء الاصطناعي والبرامج الحكومية ودور هذه الأبحاث في التنمية

الوطنية. •) :K-211 (L4معرفة نظرية التعلم التعزيزي وتحسين السياسات ونمذجة المكافآت والتعلم متعدد الوكلاء. •) :K-212 (L3معرفة إدارة البنية التحتية للبحوث، بما يشمل الحوسبة عالية الأداء وتتبع التجارب وحوكمة مجموعات

البيانات.

القدرات ))6

•) :A-021 (L3القدرة على تقييم أصالة المساهمات البحثية وصرامتها وأهميتها بحكم علمي مستنير. •) :A-024 (L3القدرة على الاستدلال الكمي وتحديد الأنماط ذات الدلالة في البيانات المعقدة.

•) :A-082 (L3القدرة على الاستدلال بصرامة بشأن نتائج البحوث والمحافظة على النزاهة العلمية في تفسيرها وإعداد التقارير عنها.

•) :A-140 (L3القدرة على الحكم على مدى ملاءمة البيانات والافتراضات والأساليب لمشكلة محددة. •) :A-138 (L3القدرة على ترجمة الرؤى البحثية إلى إرشادات عملية لفرق الذكاء الاصطناعي التطبيقي وتطوير القدرات

المؤسسية.

| D-AR معماري البيانات

D-AR الاختصاصيون

الاختصاصيون في تقنية المعلومات والاتصالات الاختصاصيون في قواعد البيانات والشبكات

اختصاصيو هندسة ومعمارية البيانات مهندس البيانات معماري البيانات

بكالوريوس في هندسة البيانات، علوم الحاسب، هندسة البرمجيات، نظم المعلومات، إدارة البيانات، هندسة النظم، أو أي مجال ذي صلة. ُُيفّّضل أن يكون المتقدم حاصاًلا على شهادة مهنية في معمارية الحلول أو أي مجال معماري تقني ذي

صلة.

الوصف

يصمم معمارية البيانات المؤسسية ومنصات البيانات وأنماط التكامل وتدفقات البيانات والمعايير والتصاميم المرجعية التي تمّّكن من التحليلات الموثوقة والذكاء الاصطناعي وإعداد التقارير والاستخدام التشغيلي للبيانات. ويوائم متطلبات الأعمال واستراتيجية التقنية والحوكمة والأمن وقابلية التوسع والتشغيل البيني واحتياجات دورة الحياة عبر بيئات البيانات. كما يوجه الفرق نحو حلول بيانات متماسكة وقابلة لإعادة الاستخدام ومستدامة ومتوافقة مع مبادئ المعمارية المؤسسية.

المهام ))18

•) :T-026 (L3التخطيط للإيقاف أو التراجع أو الاستبدال أو الخروج من الخدمة بصورة منضبطة لنماذج الذكاء الاصطناعي ومنتجات البيانات وخدمات القرار والخصائص والأصول المرتبطة بها.

•) :T-032 (L3تحديد مؤشرات الأداء الرئيسية والمقاييس الخاصة بالمجال وتحليلها ومراقبتها. •) :T-066 (L3ترجمة مشكلات الأعمال أو السياسات أو المنتجات أو البحوث أو التشغيل إلى أسئلة تحليلية قابلة للقياس

أو تصاميم قابلة للتنفيذ لحلول الذكاء الاصطناعي. •) :T-068 (L3تنظيف البيانات وتنميطها وتحويلها وإعدادها للتحليل والنمذجة وإعداد التقارير. •) :T-163 (L3تحديد مجموعات البيانات المهيكلة وغير المهيكلة اللازمة لهدف التحليل أو النموذج والحصول عليها

ودمجها. •) :T-345 (L3هندسة الخصائص والتسميات والمتغيرات التحليلية للنماذج واختيارها وتقييمها. •) :T-346 (L3تطوير مسارات تحليلية ورموز برمجية ووثائق وأصول قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات. •) :T-092 (L3تصميم حلول معمارية لمنصات البيانات السحابية، بما يشمل بحيرات البيانات ومستودعات البيانات

ومستودعات بحيرات البيانات. •) :T-096 (L3تقييم مدى ملاءمة أنماط معمارية البيانات الناشئة وخدمات البيانات السحابية للمؤسسة.

•) :T-117 (L3تحديد الأنماط المعمارية والمعماريات المرجعية وقوالب التصميم لضمان اتساق تقديم حلول البيانات.

•) :T-237 (L4تصميم معمارية بيانات المؤسسة وحوكمتها، بما يشمل نماذج البيانات ومعمارية المنصات وأنماط التكامل.

•) :T-240 (L4تصميم معماريات تكامل البيانات، بما يشمل الأنماط القائمة على الأحداث وواجهات برمجة التطبيقات وعمليات الاستخراج والتحويل والتحميل )ETL/ELT(لتدفقات بيانات المؤسسة.

•) :T-245 (L4تطوير المخطط العام لمعمارية بيانات المؤسسة والمحافظة عليه بما يتوافق مع الاستراتيجية وخارطة الطريق التقنية والحوكمة.

•) :T-270 (L4مراجعة الانحرافات المقترحة عن معايير معمارية بيانات المؤسسة واعتمادها. •) :T-279 (L3دعم شراء منصات البيانات وتقييم الموّردين من خلال تقييم مستند إلى المعمارية. •) :T-312 (L3ضمان امتثال معمارية البيانات لمتطلبات الحوكمة والتصنيف والخصوصية والأمن.

المهارات ))14

•) :S-049 (L3مهارة توثيق قرارات المعمارية والمفاضلات والتبعيات وقيود التنفيذ. •) :S-057 (L3مهارة إجراء مراجعات للمعمارية لتقييم قابلية التوسع والامتثال للمعايير والمخاطر المعمارية. •) :S-068 (L3مهارة تقييم تقنيات منصات البيانات واختيارها باستخدام تقييم منظم وتحليل التكلفة الإجمالية للملكية.

•) :S-075 (L3مهارة تقديم التوجيه المعماري إلى فرق الهندسة بشأن المعايير والأنماط واختيار التقنية. •) :S-122 (L3مهارة تصميم حلول معمارية لمنصات البيانات السحابية، بما يشمل بحيرات البيانات ومستودعات

البيانات ومستودعات بحيرات البيانات. •) :S-146 (L3مهارة تصميم نماذج البيانات الُبعدية وخزنة البيانات والنماذج التحليلية لتحسين المنصات. •) :S-147 (L4مهارة تصميم نماذج بيانات المؤسسة باستخدام تقنيات ومعايير النمذجة المفاهيمية والمنطقية والمادية.

•) :S-225 (L3مهارة تقييم آثار المبادرات الجديدة في معمارية البيانات باستخدام تحليل منظم للأثر. •) :S-226 (L3مهارة تقييم أنماط معمارية البيانات الناشئة والخدمات السحابية من حيث ملاءمتها للمؤسسة. •) :S-245 (L3مهارة تصميم معماريات تكامل البيانات باستخدام الأنماط القائمة على الأحداث والتكامل عبر واجهات

برمجة التطبيقات ومسارات العمل. •) :S-248 (L3مهارة تصميم معمارية أمن البيانات، بما يشمل ضوابط الوصول والتشفير وتصميم النطاقات الأمنية.

•) :S-253 (L3مهارة تطوير النماذج المرجعية للمعمارية وأنماط التصميم والقوالب لضمان اتساق حلول البيانات.

المعارف ))13

•) :K-028 (L3معرفة أنماط معمارية البيانات ومنصات البيانات السحابية ونهج تكامل البيانات وتحديثها. •) :K-061 (L2معرفة مفاهيم قواعد البيانات ومستودعات البيانات وبحيرات البيانات ومسارات عمل البيانات.

•) :K-222 (L3معرفة جودة البيانات والبيانات المفقودة وتحيز أخذ العينات وأخطاء القياس وقيود التحليل. •) :K-226 (L3معرفة مقاييس المجال وعمليات الأعمال وسياق السياسات أو السياق العلمي ذي الصلة بالتحليل. •) :K-044 (L2معرفة تكامل البيانات وعمليات الاستخراج والتحويل والتحميل )ETL/ELT(ومسارات عمل البيانات وعقود

البيانات. •) :K-052 (L3معرفة نظرية نمذجة البيانات، بما يشمل النماذج العلائقية والُبعدية ونماذج خزنة البيانات ونماذج بيانات

الرسوم البيانية. •) :K-062 (L3معرفة أطر معمارية المؤسسة وأساليب حوكمة المعمارية. •) :K-105 (L3معرفة معمارية منصات البيانات السحابية، بما يشمل تصميم بحيرات البيانات ومستودعات بحيرات

البيانات ومستودعات البيانات في البيئة السحابية. •) :K-108 (L2معرفة خدمات البيانات لدى مقدمي الخدمات السحابية واقتصاديات المنصات واعتبارات الاستثمار في

البنية التحتية. •) :K-153 (L3معرفة متطلبات البيانات اللازمة للذكاء الاصطناعي والتحليات وأنماط المعمارية التي تتيح تحقيق

القيمة المدعومة بالذكاء الاصطناعي. •) :K-179 (L3معرفة معايير حوكمة البيانات وآثارها المعمارية في تصميم المنصات ومسارات العمل. •) :K-188 (L3معرفة أنماط معمارية البيانات الناشئة، بما يشمل شبكة البيانات ونسيج البيانات والمعمارية القابلة

للتركيب.

القدرات ))7

•) :A-031 (L3القدرة على توقع الآثار المعمارية للقدرات الناشئة قبل أن تؤدي إلى تراكم الدين التقني. •) :A-040 (L3القدرة على بناء توافق بشأن المعايير المعمارية بين فرق هندسية تختلف تفضيلاتها. •) :A-055 (L3القدرة على توجيه فرق الهندسة نحو المعايير المعمارية مع إتاحة الابتكار التقني.

•) :A-062 (L3القدرة على تحديد المخاطر المعمارية في التصميمات المقترحة قبل تنفيذها والتوصية بتدابير للحد منها. •) :A-070 (L3القدرة على المحافظة على الاتساق المعماري عبر محفظة متنوعة من مبادرات البيانات والحزم التقنية. •) :A-101 (L3القدرة على تصميم معماريات بيانات توازن بين القدرات طويلة المدى واحتياجات التسليم القريبة. •) :A-113 (L3القدرة على تقييم الخيارات التقنية بموضوعية باستخدام معايير المعمارية لا اتجاهات السوق.

| D-MA منمذج البيانات

D-MA الاختصاصيون

الاختصاصيون في تقنية المعلومات والاتصالات الاختصاصيون في قواعد البيانات والشبكات اختصاصيو هندسة ومعمارية البيانات مهندس البيانات منمذج البيانات

بكالوريوس في هندسة البيانات، علوم الحاسب، هندسة البرمجيات، نظم المعلومات، إدارة البيانات، هندسة النظم، أو أي مجال ذي صلة. ُُيفّّضل أن يكون

المتقدم قد حصل على تدريب في نمذجة البيانات وتصميم قواعد البيانات.

الوصف

ينشئ نماذج البيانات المفاهيمية والمنطقية والمادية والدلالية التي تمثل مفاهيم الأعمال وعلاقاتها وقواعدها واحتياجاتها التحليلية، ويتولى حوكمتها. ويحول المتطلبات إلى نماذج ومخططات وتعريفات ومعايير نمذجة منظمة تدعم التكامل وإعداد التقارير ومنتجات البيانات والجاهزية للذكاء الاصطناعي. كما يعمل مع المعماريين ومهندسي البيانات والمحللين

ومشرفي البيانات وخبراء الأعمال، لتعزيز اتساق أصول البيانات ووضوح معناها وسهولة استخدامها.

المهام ))16

•) :T-032 (L3تحديد مؤشرات الأداء الرئيسية والمقاييس الخاصة بالمجال وتحليلها ومراقبتها. •) :T-066 (L3ترجمة مشكلات الأعمال أو السياسات أو المنتجات أو البحوث أو التشغيل إلى أسئلة تحليلية قابلة للقياس

أو تصاميم قابلة للتنفيذ لحلول الذكاء الاصطناعي. •) :T-068 (L3تنظيف البيانات وتنميطها وتحويلها وإعدادها للتحليل والنمذجة وإعداد التقارير. •) :T-345 (L3هندسة الخصائص والتسميات والمتغيرات التحليلية للنماذج واختيارها وتقييمها. •) :T-346 (L3تطوير مسارات تحليلية ورموز برمجية ووثائق وأصول قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات. •) :T-028 (L3تصميم الرسوم البيانية المعرفية والأنطولوجيات وأساليب مطابقة الكيانات ونهج التوليد المعزز بالاسترجاع الشبكي )GraphRAG(واستخدامها لتحسين الاسترجاع والاستدلال والاستناد إلى السياق وقابلية التفسير. •) :T-084 (L3تقديم المشورة إلى فرق الهندسة والتطوير بشأن معايير نمذجة البيانات وقرارات التصميم أثناء المشاريع. •) :T-088 (L3تحليل هياكل بيانات الأنظمة المصدرية لفهم خصائصها وعلاقاتها عند تصميم النموذج المستهدف. •) :T-143 (L3تطوير نماذج بياناتُ بعدية للمنصات التحليلية، بما يشمل تصميمات مخطط النجمة ومخطط ندفة الثلج. •) :T-192 (L2المحافظة على مستودع نماذج بيانات المؤسسة وضمان حداثة النماذج وتوثيقها وإمكانية الوصول إليها. •) :T-217 (L3تطبيق تقنيات نمذجة خزنة البيانات لتصميم طبقات في مستودع بيانات المؤسسة قابلة للتوسع والتدقيق. •) :T-236 (L4تصميم نماذج البيانات المفاهيمية والمنطقية والمادية وتطويرها لمجالات بيانات المؤسسة ومنصاتها

التحليلية.

•) :T-262 (L3تحسين تصميمات نماذج البيانات المادية من حيث أداء الاستعلام وكفاءة التخزين وقابلية التوسع. •) :T-342 (L2دعم حوكمة البيانات بتحديد البيانات الوصفية للعناصر وقواعد الأعمال وقيود المجال في النماذج.

•) :S-080 (L3مهارة تحليل هياكل الأنظمة المصدرية من خلال فحص المخططات وتنميط البيانات والهندسة العكسية. •) :S-082 (L3مهارة تطبيق منهجية نمذجة خزنة البيانات لتصميم المحاور والروابط والتوابع في مستودعات البيانات. •) :S-090 (L3مهارة إجراء مراجعات للنماذج باستخدام معايير منظمة لتقييم الجودة والتسمية والتوثيق. •) :S-102 (L2مهارة توثيق نماذج البيانات بأوصاف الكيانات وتعريفات السمات وشروح العلاقات.

•) :S-117 (L3مهارة تطبيق منهجيات النمذجة الُبعدية المعترف بها، بما يشمل تصميم الأبعاد المتوافقة، ومعالجة الأبعاد المتدهورة، واختيار أنواع الأبعاد بطيئة التغير وتنفيذها.

•) :S-127 (L3مهارة التعاون مع مهندسي البيانات في التنفيذ المادي ولغة تعريف البيانات وتحسين الأداء. •) :S-149 (L3مهارة تصميم نماذج بيانات علائقية مطّبعة باستخدام نمذجة الكيانات والعلاقات وقواعد التطبيع.

•) :S-150 (L3مهارة تصميم نماذج البيانات المادية بأنواع البيانات والفهارس والتقسيمات الملائمة للمنصات. •) :S-151 (L3مهارة تصميم نماذج الجداول العريضة وغير المطّبعة لتحسين مستودعات بحيرات البيانات والأداء

التحليلي. •) :S-171 (L2مهارة المحافظة على مستودعات نماذج المؤسسة مع تطبيق إدارة الإصدارات والتغيير.

المعارف ))13

•) :K-028 (L3معرفة أنماط معمارية البيانات ومنصات البيانات السحابية ونهج تكامل البيانات وتحديثها. •) :K-061 (L2معرفة مفاهيم قواعد البيانات ومستودعات البيانات وبحيرات البيانات ومسارات عمل البيانات.

•) :K-222 (L3معرفة جودة البيانات والبيانات المفقودة وتحيز أخذ العينات وأخطاء القياس وقيود التحليل. •) :K-226 (L3معرفة مقاييس المجال وعمليات الأعمال وسياق السياسات أو السياق العلمي ذي الصلة بالتحليل. •) :K-030 (L3معرفة الرسوم البيانية المعرفية والأنطولوجيات والبحث الدلالي ومطابقة الكيانات وقواعد بيانات

الرسوم البيانية والتوليد المعزز بالاسترجاع الشبكي )GraphRAG(وآثار حوكمتها وجودة بياناتها. •) :K-052 (L3معرفة نظرية نمذجة البيانات، بما يشمل النماذج العلائقية والُبعدية ونماذج خزنة البيانات ونماذج بيانات

الرسوم البيانية. •) :K-071 (L3معرفة تنميط البيانات وتحليل الأنظمة المصدرية والهندسة العكسية لأغراض تصميم النموذج

المستهدف. •) :K-106 (L3معرفة قدرات التخزين في منصات البيانات السحابية والصيغ التي تدعمها وأساليب تحسين الأداء.

•) :K-119 (L3معرفة معايير تدوين نماذج البيانات وقدرات أدوات النمذجة وإدارة مستودعات النماذج. •) :K-120 (L3معرفة نظرية نمذجة البيانات، بما يشمل التطبيع العلائقي ونمذجة الكيانات والعلاقات والتصميم الُبعدي. •) :K-125 (L3معرفة خصائص منصات قواعد البيانات وأنواع البيانات وتصميم التخزين المادي وتحسين الاستعلامات

•) :K-192 (L3معرفة قواعد التسمية المؤسسية ومعايير النمذجة والقوالب اللازمة لإدارة النماذج باتساق.

القدرات ))6

•) :A-017 (L3القدرة على المحافظة على الدقة والاهتمام بالتفاصيل عبر أصول البيانات والقواعد والنماذج والوثائق المعقدة.

•) :A-028 (L3القدرة على تحديد مشكلات تصميم النماذج ومعالجتها من خلال مراجعة منهجية وتقييم منظم للجودة. •) :A-033 (L3القدرة على توقع آثار خيارات تصميم النماذج في أداء الأنظمة اللاحقة وسلوكها.

•) :A-073 (L4القدرة على المحافظة على اتساق نماذج البيانات وجودتها عبر محافظ مؤسسية كبيرة بمرور الوقت. •) :A-083 (L3القدرة على اختيار نهج النمذجة الملائم استنادًا إلى خصائص المنصة ومتطلبات حالة الاستخدام.

•) :A-095 (L3القدرة على التعاون بفاعلية مع المهندسين والمعماريين لضمان قابلية ترجمة النماذج إلى تنفيذ عملي.

| D-EN مهندس البيانات

D-EN الاختصاصيون

الاختصاصيون في تقنية المعلومات والاتصالات الاختصاصيون في قواعد البيانات والشبكات اختصاصيو هندسة ومعمارية البيانات مهندس البيانات مهندس البيانات

بكالوريوس في هندسة البيانات، علوم الحاسب، هندسة البرمجيات، نظم المعلومات، إدارة البيانات، هندسة النظم، أو أي مجال ذي صلة.

الوصف

يصمم مسارات عمل البيانات وعمليات التكامل وهياكل التخزين ومسارات معالجة البيانات، ويبنيها ويشغلها ويحسنها. ويستوعب البيانات ويحولها ويتحقق منها ويتيحها للتحليلات والذكاء الاصطناعي وإعداد التقارير والاستخدام التشغيلي، مع مراعاة متطلبات الاعتمادية وقابلية التوسع والأداء وتتبع الأصل والجودة والأمن. كما يتعاون مع المعماريين والمحللين

وعلماء البيانات وفرق المنصات وأصحاب المصلحة في الحوكمة، لضمان إتاحة البيانات وموثوقيتها وجاهزيتها للإنتاج.

المهام ))20

•) :T-032 (L3تحديد مؤشرات الأداء الرئيسية والمقاييس الخاصة بالمجال وتحليلها ومراقبتها. •) :T-047 (L3التعاون مع فرق البيانات والذكاء الاصطناعي والهندسة والمنتجات والأعمال والمجالات لتشغيل النماذج

للقياس أو تصاميم قابلة للتنفيذ لحلول الذكاء الاصطناعي. •) :T-068 (L3تنظيف البيانات وتنميطها وتحويلها وإعدادها للتحليل والنمذجة وإعداد التقارير. •) :T-345 (L3هندسة الخصائص والتسميات والمتغيرات التحليلية للنماذج واختيارها وتقييمها. •) :T-346 (L3تطوير مسارات تحليلية ورموز برمجية ووثائق وأصول قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات. •) :T-065 (L3المحافظة على تتبع أصل البيانات وقابلية تتبعها عبر الأنظمة المصدرية والتحويات ومسارات المعالجة

ونقاط الاستهلاك. •) :T-127 (L3تصميم هياكل تخزين بحيرات البيانات ومستودعات البيانات ومستودعات بحيرات البيانات وتنفيذها مع

تحسينها من حيث الأداء. •) :T-133 (L3تصميم مسارات عمل بيانات قابلة للتوسع وبناؤها والمحافظة عليها لاستيعاب البيانات وتحويلها

وتسليمها إلى المستفيدين. •) :T-139 (L3تطوير ممارسات عمليات البيانات والمحافظة عليها، بما يشمل إدارة الإصدارات والاختبارات المؤتمتة

والتكامل والتسليم المستمرين لمسارات العمل.

•) :T-140 (L3تطوير مسارات عمل للمعالجة الحزمية ومعالجة البيانات المتدفقة والمحافظة عليها باستخدام أطر المعالجة الموزعة.

•) :T-152 (L3ضمان موثوقية مسارات عمل البيانات من خال معالجة الأخطاء ونقاط الحفظ ومنطق إعادة المحاولة ومراقبة الإخفاقات.

•) :T-169 (L2تنفيذ فحوصات جودة البيانات وضوابط التحقق ضمن مسارات العمل لاكتشاف الشذوذ ومعالجتها. •) :T-170 (L3تنفيذ ضوابط أمن البيانات داخل المنصات، بما يشمل التشفير والتحكم في الوصول وإخفاء البيانات. •) :T-185 (L3المحافظة على البنية التحتية للبيانات وتحسينها، بما يشمل التخزين السحابي ومجموعات الحوسبة

وتهيئات المنصات. •) :T-259 (L2مراقبة سلامة مسارات عمل البيانات والاستجابة لتنبيهات الجودة والإخفاقات وتراجع الأداء. •) :T-276 (L3دعم فرق التحليات والذكاء الاصطناعي من خال تصميم مسارات الخصائص والبنية التحتية لتسليم

بيانات التدريب. •) :T-278 (L3دعم نمذجة البيانات بتنفيذ النماذج المادية وتقسيم البيانات وتحسين التخزين. •) :T-304 (L3توثيق معمارية مسارات عمل البيانات وتدفقاتها ومنطق التحويل وعقود البيانات لأغراض الحوكمة.

•) :S-048 (L3مهارة تطوير مسارات عمل البيانات ومسارات هندسة الخصائص لتطبيقات الذكاء الاصطناعي. •) :S-027 (L3مهارة التحقق من منشأ مجموعات البيانات والنماذج والحزم وواجهات برمجة التطبيقات ومكونات الذكاء

الاصطناعي وسامتها وإصداراتها ومخاطر تبعياتها وتعرضها للثغرات وحالة اعتمادها. •) :S-033 (L3مهارة استخدام إدارة الإصدارات ومراجعة الرموز البرمجية والاختبار والتوثيق والتطوير التعاوني لإنتاج

مخرجات تحليلية أو مخرجات للذكاء الاصطناعي قابلة لإعادة الإنتاج. •) :S-132 (L3مهارة تهيئة منصات البيانات السحابية وإدارتها لدعم الأحمال التحليلية وتحسين التكلفة. •) :S-133 (L3مهارة تهيئة أطر المعالجة الموزعة لتنفيذ مسارات قابلة للتوسع ومتسامحة مع الأعطال للمعالجة

الحزمية والبيانات المتدفقة. •) :S-142 (L3مهارة تصميم معماريات مستودعات بحيرات البيانات وتنفيذها باستخدام صيغ الجداول المفتوحة في

المنصات السحابية. •) :S-144 (L3مهارة تصميم نماذج بيانات، بما يشمل الهياكل الُبعدية والجداول العريضة، لتحسين الأداء التحليلي. •) :S-165 (L3مهارة تنفيذ ضوابط جودة البيانات داخل مسارات العمل باستخدام أطر التحقق والمنطق المخصص. •) :S-166 (L3مهارة تنفيذ ضوابط أمن البيانات، بما يشمل التشفير وإخفاء البيانات والوصول المستند إلى الأدوار. •) :S-184 (L2مهارة مراقبة سامة مسارات العمل باستخدام أدوات قابلية المراقبة وتهيئة التنبيهات عند حدوث

إخفاقات. •) :S-186 (L3مهارة تحسين أداء الاستعلامات الموزعة من خلال التقسيم والتجميع وتحليل خطط الاستعلام. •) :S-189 (L3مهارة تنسيق مسارات عمل البيانات باستخدام أدوات جدولة المسارات مع إدارة التبعيات ومعالجة

الإخفاقات.

المعارف ))12

•) :K-024 (L3معرفة أمن سلسلة إمداد الذكاء الاصطناعي، وقوائم مكونات البرمجيات والنماذج، وتوقيع الأصول، وإدارة التبعيات، وفحص الثغرات، وتتبع المنشأ، وضوابط مخاطر الأطراف الخارجية.

•) :K-028 (L3معرفة أنماط معمارية البيانات ومنصات البيانات السحابية ونهج تكامل البيانات وتحديثها. •) :K-035 (L3معرفة تبعيات البيانات في الذكاء الاصطناعي والتحليات، بما يشمل جودة بيانات التدريب وتتبع أصل

البيانات ومتطلبات الحوكمة والتوثيق. •) :K-061 (L2معرفة مفاهيم قواعد البيانات ومستودعات البيانات وبحيرات البيانات ومسارات عمل البيانات.

•) :K-222 (L3معرفة جودة البيانات والبيانات المفقودة وتحيز أخذ العينات وأخطاء القياس وقيود التحليل. •) :K-030 (L3معرفة الرسوم البيانية المعرفية والأنطولوجيات والبحث الدلالي ومطابقة الكيانات وقواعد بيانات

الرسوم البيانية والتوليد المعزز بالاسترجاع الشبكي )GraphRAG(وآثار حوكمتها وجودة بياناتها. •) :K-044 (L2معرفة تكامل البيانات وعمليات الاستخراج والتحويل والتحميل )ETL/ELT(ومسارات عمل البيانات وعقود

البيانات. •) :K-046 (L3معرفة ممارسات هندسة البرمجيات لأنظمة الذكاء الاصطناعي وتعلم الآلة، بما يشمل إدارة الإصدارات

والتكامل والتسليم المستمرين والاختبارات المؤتمتة وجودة الرموز البرمجية. •) :K-132 (L3معرفة هندسة الخصائص ومتطلبات البنية التحتية للبيانات اللازمة لتسليم نظم تعلم الآلة.

•) :K-186 (L3معرفة أطر معالجة البيانات الموزعة ومعمارياتها ونماذج تنفيذها وأساليب ضبطها. •) :K-215 (L3معرفة مفاهيم تدفق البيانات والمعماريات القائمة على الأحداث وأنماط معالجة البيانات الآنية.

القدرات ))5

•) :A-016 (L3القدرة على تحديد الأنماط والقيم الشاذة والأسباب الجذرية وفرص التحسين استنادًا إلى البيانات أو الأدلة التشغيلية.

•) :A-032 (L3القدرة على توقع آثار قرارات تصميم مسارات العمل في المراحل اللاحقة والتفاعل الاستباقي مع المستفيدين.

•) :A-053 (L3القدرة على تقييم الخيارات التقنية لمسائل هندسة البيانات واتخاذ قرارات اختيار قائمة على مبادئ واضحة.

•) :A-075 (L3القدرة على المحافظة على موثوقية مسارات العمل ومعايير الجودة مع توسع البنية التحتية للبيانات. •) :A-102 (L3القدرة على تصميم معماريات لمسارات عمل البيانات توازن بين الأداء والتكلفة وقابلية الصيانة واحتياجات

المستفيدين.

| AI-SA معماري حلول الذكاء الاصطناعي

AI-SA الاختصاصيون

معماري حلول الذكاء الاصطناعي

الاصطناعي، تعلم الآلة، علوم الحاسب، علم البيانات، هندسة البرمجيات، أو أي مجال ذي صلة. كما ُُيفّّضل أن يكون المتقدم قد حصل على تدريب في معمارية

الحلول.

الوصف

يصمم معماريات متكاملة لحلول الذكاء الاصطناعي تربط متطلبات الأعمال بمصادر البيانات والنماذج والتطبيقات والمنصات والتكاملات والأمن والحوكمة والعمليات. ويقّّيم البدائل المعمارية، ويحدد التصاميم المستهدفة، ويوائم الخيارات التقنية مع المعايير والقيود، ويوجه فرق التنفيذ في موازنة اعتبارات التسليم. كما يضمن أن تكون حلول الذكاء

الاصطناعي قابلة للتوسع والتشغيل البيني وآمنة وقابلة للحوكمة وملائمة للسياق التجاري والتشغيلي المقصود.

المهام ))21

•) :T-045 (L3تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي. •) :T-049 (L3توثيق معماريات الذكاء الاصطناعي وسلوك النماذج ومسارات العمل التحليلية والقيود والإجراءات التشغيلية وأدلة النماذج أو الأنظمة أو التحليات في مخرجات عمل قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات. •) :T-055 (L3نشر نماذج الذكاء الاصطناعي وخدمات الاستنتاج باستخدام الحاويات وأدوات التنسيق والخدمات السحابية

والاختبار والنشر والإطاق. •) :T-059 (L3استنباط متطلبات الأعمال والمستخدمين والمتطلبات التنظيمية والتقنية وترجمتها إلى مخرجات عمل

قابلة للتنفيذ في البيانات والذكاء الاصطناعي.

•) :T-222 (L3تقييم متطلبات معمارية أمن نظم الذكاء الاصطناعي، بما يشمل حماية النماذج وأمن واجهات برمجة التطبيقات.

•) :T-225 (L3التعاون مع معماريي المؤسسة والأمن والبيانات لضمان توافق حلول الذكاء الاصطناعي مع معايير المؤسسة.

•) :T-227 (L3إجراء مراجعات معمارية لتصاميم حلول الذكاء الاصطناعي لتقييم جدواها وقابليتها للتوسع وامتثالها. •) :T-234 (L4تصميم معماريات منصات الذكاء الاصطناعي للنشر المؤسسي، بما يشمل البنية التحتية للتدريب

وطبقات خدمة النماذج. •) :T-241 (L3تصميم معماريات متكاملة لحلول الذكاء الاصطناعي تجمع مكونات البيانات والنماذج والبنية التحتية

والتطبيقات. •) :T-242 (L3إعداد وثائق معمارية حلول الذكاء الاصطناعي، بما يشمل مخططات المكونات وتدفقات البيانات

والمواصفات. •) :T-256 (L3متابعة تطور قدرات منصات الذكاء الاصطناعي والخدمات السحابية للاستفادة منها في تطوير المعمارية.

•) :T-269 (L4مراجعة الانحرافات المقترحة عن معايير وأنماط معمارية الذكاء الاصطناعي في المؤسسة واعتمادها. •) :T-344 (L3تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار غير المباشر والاختبار المباشر والمراجعة

البشرية واختبارات أ/ب أو النشر في بيئة الظل. •) :T-075 (L3دمج حلول الذكاء الاصطناعي مع تطبيقات المؤسسة ومنصات البيانات ومسارات عمل الأعمال

والخدمات السحابية. •) :T-296 (L3تحديد أنماط معمارية حلول الذكاء الاصطناعي والمعماريات المرجعية وقوالب التصميم لضمان اتساق

التسليم. •) :T-339 (L3دعم مشتريات الذكاء الاصطناعي وتقييم الموّردين بمتطلبات مستندة إلى المعمارية ومعايير تقييم

مناسبة.

•) :S-065 (L3مهارة تطوير نماذج تعلم الآلة والتعلم العميق باستخدام المكتبات والأطر الملائمة. •) :S-023 (L3مهارة تصميم مجموعات بيانات التقييم والاختبارات السلوكية ومعايير التقدير وبروتوكولات الاختبارات

المرجعية وتجارب مقارنة النماذج وفحوصات الانحدار لأنظمة الذكاء الاصطناعي. •) :S-026 (L3مهارة تصميم الأوامر متعددة الصيغ وتحسينها تكرارًيا وتقييم مخرجاتها وتحليل أنماط فشلها عبر

النصوص والصور والصوت والفيديو والبيانات المهيكلة. •) :S-049 (L3مهارة توثيق قرارات المعمارية والمفاضلات والتبعيات وقيود التنفيذ. •) :S-057 (L3مهارة إجراء مراجعات للمعمارية لتقييم قابلية التوسع والامتثال للمعايير والمخاطر المعمارية. •) :S-075 (L3مهارة تقديم التوجيه المعماري إلى فرق الهندسة بشأن المعايير والأنماط واختيار التقنية. •) :S-221 (L3مهارة تطبيق أنماط الخدمات المصغرة والمعماريات القائمة على الأحداث والطبقات لهيكلة مكونات نظم الذكاء الاصطناعي وتحديد واجهات التكامل وتصميم تدفق البيانات بين طبقات النظام.

•) :S-224 (L3مهارة تقييم متطلبات الامتثال التنظيمي للذكاء الاصطناعي وترجمتها إلى ضوابط على مستوى المعمارية. •) :S-243 (L3مهارة تصميم معمارية أمن حلول الذكاء الاصطناعي، بما يشمل حماية النماذج وأمن واجهات برمجة

التطبيقات وضوابط الوصول. •) :S-249 (L4مهارة تصميم معماريات منصات الذكاء الاصطناعي المؤسسية، بما يشمل البنية التحتية لعمليات تعلم

الآلة ومكونات خدمة النماذج. •) :S-250 (L3مهارة تصميم ضوابط معمارية للذكاء الاصطناعي المسؤول، بما يشمل نقاط تحقق الحوكمة وآليات

الإشراف. •) :S-261 (L3مهارة تقييم خيارات تقنيات الذكاء الاصطناعي باستخدام تقييم منظم لملاءمة المعمارية ودرجات

استيفاء المتطلبات. •) :S-289 (L3مهارة دعم المشتريات بمتطلبات مستندة إلى المعمارية وتقييم الموّردين.

المعارف ))16

•) :K-024 (L3معرفة أمن سلسلة إمداد الذكاء الاصطناعي، وقوائم مكونات البرمجيات والنماذج، وتوقيع الأصول، وإدارة التبعيات، وفحص الثغرات، وتتبع المنشأ، وضوابط مخاطر الأطراف الخارجية.

•) :K-048 (L3معرفة ممارسات دورة حياة عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة وأدواتها وأنماط تشغيلها. •) :K-032 (L3معرفة معماريات الذكاء الاصطناعي الوكيلي، ومخاطر استخدام الأدوات، والذاكرة المستمرة، وحلقات التخطيط،

وحدود الصلاحيات، وأنماط المراقبة، وإنفاذ السياسات، واحتواء الإخفاقات. •) :K-036 (L3معرفة محركات تكلفة الذكاء الاصطناعي، بما يشمل اقتصاديات الوحدات، واستخدام وحدات معالجة الرسوماتوالمسّرعات،وأنماطاستضافةالنماذج،والمفاضلةبينالتأخيرومستوىالخدمة،وتحسينالاعتماديةوالتكلفة. •) :K-039 (L3معرفة تهديدات أمن الذكاء الاصطناعي وأساليب الهجمات العدائية وهجمات خصوصية النماذج وضوابط

حماية أنظمة الذكاء الاصطناعي. •) :K-040 (L3معرفة قدرات نماذج الأساس ومشهد مقدمي الخدمات ومعايير الاختيار اللازمة لاتخاذ قرارات الذكاء

الاصطناعي المؤسسية. •) :K-056 (L3معرفة أنماط معمارية حلول الذكاء الاصطناعي، بما يشمل التدريب وخدمة النماذج والتوليد المعزز بالاسترجاع

وتصميم الأنظمة الوكيلية. •) :K-062 (L3معرفة أطر معمارية المؤسسة وأساليب حوكمة المعمارية. •) :K-084 (L3معرفة المتطلبات التنظيمية للذكاء الاصطناعي وتصميم الامتثال وآليات إثبات الامتثال في حوكمة الذكاء

الاصطناعي. •) :K-102 (L2معرفة خدمات منصات الذكاء الاصطناعي السحابية ومنصات تعلم الآلة الُمدارة ومكونات البنية التحتية

للذكاء الاصطناعي. •) :K-104 (L3معرفة الحوسبة السحابية وواجهات برمجة التطبيقات والحاويات وأدوات التنسيق وأنماط النشر.

•) :K-131 (L3معرفة أطر أمن المؤسسة والمتطلبات الأمنية المنطبقة على نشر أنظمة الذكاء الاصطناعي. •) :K-159 (L3معرفة أمن الذكاء الاصطناعي وتقنيات المحافظة على الخصوصية وضوابط الوصول وتسجيل أحداث

التطبيقات. •) :K-220 (L3معرفة مبادئ سدايا لأخلاقيات الذكاء الاصطناعي وإرشادات الذكاء الاصطناعي التوليدي والإرشادات الوطنية لحوكمة البيانات والذكاء الاصطناعي، وكيفية تطبيقها على تصميم الذكاء الاصطناعي ونشره والإفصاح عنه والأعمال

التحليلية. •) :K-176 (L3معرفة أنماط معمارية البيانات ومتطلبات البنية التحتية للبيانات اللازمة لتشغيل نظم الذكاء الاصطناعي.

إطار المعايير المهنية في البيانات والذكاء الاصطناعي •) :K-214 (L3معرفة مبادئ معمارية البرمجيات، بما يشمل الخدمات المصغرة وتصميم واجهات برمجة التطبيقات

والمعمارية القائمة على الأحداث.

القدرات ))5

•) :A-037 (L3القدرة على الموازنة بين الملاءمة المنهجية والدقة والسلامة والسرعة والتكلفة والجدوى التشغيلية. •) :A-112 (L3القدرة على تقييم الخيارات التقنية المعقدة للذكاء الاصطناعي واتخاذ قرارات معمارية قائمة على مبادئ

واضحة ومناسبة للسياق. •) :A-115 (L3القدرة على دمج متطلبات الذكاء الاصطناعي المسؤول بوصفها اعتبارات معمارية أساسية منذ البداية.

| AI-EN مهندس الذكاء الاصطناعي

AI-EN الاختصاصيون

اختصاصيو أبحاث وهندسة الذكاء الاصطناعي مهندس الذكاء الاصطناعي مهندس الذكاء الاصطناعي

معّّرف الإطار المجموعة الرئيسية

المجموعة الثانوية مجموعة الوحدات

بكالوريوس في الذكاء الاصطناعي، تعلم الآلة، علوم الحاسب، هندسة البرمجيات،

علم البيانات، الهندسة، أو أي مجال ذي صلة. ُُيفّّضل الماجستير في الذكاء الاصطناعي، تعلم الآلة، علوم الحاسب، علم البيانات، هندسة البرمجيات، أو أي مجال

ذي صلة.

الوصف

يصمم أنظمة الذكاء الاصطناعي والقدرات البرمجية المدعومة به، ويبنيها ويدمجها ويقّّيمها وينشرها ويصونها. ويحول المتطلبات إلى حلول عملية، ويربط النماذج بالتطبيقات والخدمات، وينفذ فحوصات التقييم والجودة، ويتعاون مع فرق البيانات والهندسة والمنتجات والأمن والحوكمة. ويضمن أن تكون قدرات الذكاء الاصطناعي سليمة تقن�ياً وآمنة وقابلة

للصيانة وملائمة للاستخدام التشغيلي المقصود.

المهام ))17

والاختبار والنشر والإطاق.

•) :T-051 (L3تحسين نماذج الذكاء الاصطناعي وخدمات الاستنتاج من حيث الدقة والتأخير ومعدل الإنتاجية والتكلفة وكفاءة الموارد.

•) :T-053 (L3بناء واجهات برمجة التطبيقات وخدمات الواجهة الخلفية التي تتيح استنتاج نماذج الذكاء الاصطناعي للتطبيقات والمنصات.

•) :T-073 (L3تطبيق ضوابط أمن تطبيقات الذكاء الاصطناعي، بما يشمل التحكم في الوصول والتسجيل والتحقق من المدخات وضمانات الخصوصية.

•) :T-074 (L3تنفيذ مسارات التوليد المعزز بالاسترجاع باستخدام التضمينات ومخازن المتجهات ومسارات الاسترجاع. •) :T-075 (L3دمج حلول الذكاء الاصطناعي مع تطبيقات المؤسسة ومنصات البيانات ومسارات عمل الأعمال

والخدمات السحابية. •) :T-136 (L3تطوير مسارات عمل مدعومة بالنماذج اللغوية الكبيرة باستخدام الأوامر والمخرجات المهيكلة والأدوات

واستدعاء الوظائف والاسترجاع وتنسيق مسارات العمل. •) :T-290 (L3استكشاف مشكلات نظم الذكاء الاصطناعي وإصلاحها عبر البيانات والرموز البرمجية وسلوك النماذج

وواجهات برمجة التطبيقات والبنية التحتية والتبعيات وبيئات النشر. •) :T-344 (L3تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار غير المباشر والاختبار المباشر والمراجعة

•) :S-065 (L3مهارة تطوير نماذج تعلم الآلة والتعلم العميق باستخدام المكتبات والأطر الملائمة. •) :S-033 (L3مهارة استخدام إدارة الإصدارات ومراجعة الرموز البرمجية والاختبار والتوثيق والتطوير التعاوني لإنتاج

مخرجات تحليلية أو مخرجات للذكاء الاصطناعي قابلة لإعادة الإنتاج. •) :S-037 (L3مهارة مراقبة أنظمة الذكاء الاصطناعي في بيئة الإنتاج وتحقيق قابليتها للمراقبة وإعداد التنبيهات

واستكشاف مشكلاتها وإصلاحها. •) :S-039 (L3مهارة تحسين استنتاج النماذج من حيث التأخير ومعدل الإنتاجية والتكلفة واستخدام الموارد.

•) :S-042 (L3مهارة بناء مسارات التوليد المعزز بالاسترجاع ومسارات عمل البحث المتجهي. •) :S-047 (L3مهارة تطوير واجهات برمجة التطبيقات والخدمات ومكونات الواجهة الخلفية للنظم المدعومة بالذكاء

الاصطناعي. •) :S-050 (L3مهارة توثيق المعماريات التقنية والإجراءات التشغيلية وقيود أنظمة الذكاء الاصطناعي. •) :S-063 (L3مهارة تصميم الأوامر والمخرجات المهيكلة ومسارات العمل الوكيلية لتطبيقات النماذج اللغوية الكبيرة.

•) :S-161 (L3مهارة تقييم جودة مخرجات الذكاء الاصطناعي التوليدي باستخدام فحوصات الاعتمادية والاستناد ومعايير التقدير والمراجعة البشرية.

•) :S-292 (L3مهارة برمجة تطبيقات ذكاء اصطناعي بمستوى جودة مناسب لبيئة الإنتاج باستخدام بايثون أو لغات مكافئة.

•) :S-293 (L3مهارة تطبيق ضوابط أمن الذكاء الاصطناعي والخصوصية والذكاء الاصطناعي المسؤول. •) :S-282 (L3مهارة الحد من تهديدات أمن النماذج اللغوية الكبيرة، بما يشمل حقن الأوامر والمعالجة غير الآمنة

للمخرجات والإفراط في منح الصلاحيات والاستخدام غير الآمن لأدوات وتسميم البيانات أو النماذج.

المعارف ))17

وعائات نماذجها. •) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة. •) :K-046 (L3معرفة ممارسات هندسة البرمجيات لأنظمة الذكاء الاصطناعي وتعلم الآلة، بما يشمل إدارة الإصدارات

والتكامل والتسليم المستمرين والاختبارات المؤتمتة وجودة الرموز البرمجية. •) :K-049 (L2معرفة مراقبة النماذج واكتشاف الانجراف وقابلية المراقبة والاستجابة للحوادث. •) :K-054 (L3معرفة التوليد المعزز بالاسترجاع والضبط الدقيق وهندسة الأوامر وأساليب تكييف النماذج. •) :K-058 (L3معرفة تنقيب البيانات ومعالجة اللغات الطبيعية وتحليات النصوص ورؤية الحاسب وأساليب الذكاء

الاصطناعي متعددة الصيغ وتطبيقاتها. •) :K-104 (L3معرفة الحوسبة السحابية وواجهات برمجة التطبيقات والحاويات وأدوات التنسيق وأنماط النشر. •) :K-112 (L3معرفة المفاضات المتعلقة بالتكلفة والتأخير وقابلية التوسع والاعتمادية وقابلية الصيانة في أنظمة

الذكاء الاصطناعي. •) :K-150 (L3معرفة نظام حماية البيانات الشخصية السعودي ولوائحه التنفيذية وإرشادات سدايا المتعلقة بالإنفاذ. •) :K-159 (L3معرفة أمن الذكاء الاصطناعي وتقنيات المحافظة على الخصوصية وضوابط الوصول وتسجيل أحداث

التطبيقات. •) :K-201 (L3معرفة النماذج اللغوية الكبيرة والمحولات والتضمينات والبحث المتجهي ونماذج الأساس. •) :K-216 (L3معرفة حوكمة الأطراف الخارجية ونماذج الأساس، بما يشمل قرارات البناء أو الشراء، وترخيص النماذج وواجهات برمجة التطبيقات، واتفاقيات معالجة البيانات، وموقع استضافة البيانات عند استخدام واجهات النماذج

الخارجية. •) :K-220 (L3معرفة مبادئ سدايا لأخلاقيات الذكاء الاصطناعي وإرشادات الذكاء الاصطناعي التوليدي والإرشادات الوطنية لحوكمة البيانات والذكاء الاصطناعي، وكيفية تطبيقها على تصميم الذكاء الاصطناعي ونشره والإفصاح عنه

وأصحاب المصلحة ذي الصلة بحلول الذكاء الاصطناعي.

القدرات ))9

•) :A-013 (L3القدرة على المحافظة على أداء موثوق لنظم الذكاء الاصطناعي في ظل قيود بيئة الإنتاج. •) :A-037 (L3القدرة على الموازنة بين الملاءمة المنهجية والدقة والسلامة والسرعة والتكلفة والجدوى التشغيلية. •) :A-107 (L3القدرة على تشخيص التفاعات المعقدة بين البيانات والنماذج وواجهات برمجة التطبيقات والبنية

التحتية. •) :A-139 (L3القدرة على توضيح قرارات تصميم الذكاء الاصطناعي وقيوده لأصحاب المصلحة التقنيين وغير التقنيين. •) :A-100 (L3القدرة على تصميم الرقابة البشرية على الذكاء الاصطناعي وإنفاذها، بما يشمل الحد الأدنى من

صلاحيات الأدوات وبوابات الموافقة ومسارات العودة والتحكم البشري ضمن الحلقة.

| AI-MLE مهندس تعلم الآلة

AI-MLE الاختصاصيون

اختصاصيو أبحاث وهندسة الذكاء الاصطناعي مهندس الذكاء الاصطناعي مهندس تعلم الآلة

الاصطناعي، تعلم الآلة، علوم الحاسب، علم البيانات، هندسة البرمجيات، أو أي مجال ذي صلة.

الوصف

يبني نماذج تعلم الآلة ومسارات العمل الداعمة لها، ويحسنها وينشرها ويصونها للاستخدام الإنتاجي أو شبه الإنتاجي. ويهندس الخصائص، ويدرب النماذج ويقّّيمها، ويحسن الأداء، ويدعم أنماط تقديم النماذج، ويتعاون مع علماء البيانات ومهندسي البيانات وفرق عمليات تعلم الآلة والمنتجات والحوكمة. ويركز على تحويل نهج النمذجة المتحقق منها إلى

قدرات موثوقة وقابلة للتوسع والصيانة

المهام ))19

•) :T-035 (L3تقييم مخرجات النماذج والتحليات باستخدام المقاييس وأساليب التحقق الملائمة، وفحص الافتراضات، وتحليل الأخطاء، وإجراء الاختبارات المباشرة عند الاقتضاء.

الذكاء الاصطناعي والتحليات.

•) :T-061 (L3تنفيذ مسارات عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة لتتبع التجارب وإدارة الإصدارات والاختبار والنشر والإطاق.

•) :T-027 (L3تصميم وحوكمة مسارات تسمية بيانات تدريب الذكاء الاصطناعي والتحقق منها وتقييمها، وتوصيفها، وإنشاء الحقيقة الأساسية، والتحكيم، ومراقبة الجودة.

•) :T-030 (L3بناء أطر التقييم وحزم الاختبارات المرجعية واختبارات الانحدار ومعايير التقدير وبوابات الإطاق والمحافظة عليها لتقييم سلوك أنظمة الذكاء الاصطناعي والنماذج اللغوية الكبيرة عند تغير النماذج أو الأوامر أو البيانات أو

الأدوات. •) :T-038 (L3تطوير أو تقييم نماذج التخصيص والتوصية والترتيب والمطابقة واتخاذ القرار باستخدام المقاييس

والتجارب وضوابط حلقات التغذية الراجعة ووسائل الحماية المناسبة. •) :T-051 (L3تحسين نماذج الذكاء الاصطناعي وخدمات الاستنتاج من حيث الدقة والتأخير ومعدل الإنتاجية والتكلفة

وكفاءة الموارد. •) :T-130 (L3تصميم بنية تحتية قابلة للتوسع لتدريب نماذج تعلم الآلة ومسارات التدريب الموزع وإدارة موارد الحوسبة

وتنفيذها. •) :T-173 (L3تنفيذ بنية تحتية لخدمة النماذج تتيح الاستنتاج المباشر منخفض التأخير وعالي الإنتاجية والتنبؤ بالمعالجة

الحزمية. •) :T-258 (L2مراقبة سلامة منصة تعلم الآلة، بما يشمل تنفيذ التدريب وأداء خدمة النماذج وحداثة مسارات الخصائص. •) :T-344 (L3تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار غير المباشر والاختبار المباشر والمراجعة

•) :S-065 (L3مهارة تطوير نماذج تعلم الآلة والتعلم العميق باستخدام المكتبات والأطر الملائمة. •) :S-023 (L3مهارة تصميم مجموعات بيانات التقييم والاختبارات السلوكية ومعايير التقدير وبروتوكولات الاختبارات

المرجعية وتجارب مقارنة النماذج وفحوصات الانحدار لأنظمة الذكاء الاصطناعي. •) :S-037 (L3مهارة مراقبة أنظمة الذكاء الاصطناعي في بيئة الإنتاج وتحقيق قابليتها للمراقبة وإعداد التنبيهات

واستكشاف مشكلاتها وإصلاحها. •) :S-039 (L3مهارة تحسين استنتاج النماذج من حيث التأخير ومعدل الإنتاجية والتكلفة واستخدام الموارد.

•) :S-050 (L3مهارة توثيق المعماريات التقنية والإجراءات التشغيلية وقيود أنظمة الذكاء الاصطناعي.

•) :S-126 (L3مهارة بناء بنية تحتية لخدمة النماذج مزودة بموازنة الأحمال والتوسع التلقائي للاستنتاج في بيئة الإنتاج. •) :S-141 (L3مهارة تصميم مخازن الخصائص وبنائها مع إتاحة إمكانات الخدمة المباشرة وغير المباشرة.

•) :S-188 (L3مهارة تحسين معدل إنتاجية تدريب النماذج باستخدام الدقة المختلطة وتقنيات تحسين تحميل البيانات. •) :S-293 (L3مهارة تطبيق ضوابط أمن الذكاء الاصطناعي والخصوصية والذكاء الاصطناعي المسؤول.

•) :S-270 (L3مهارة تنفيذ التدريب الموزع للنماذج عبر مجموعات وحدات معالجة الرسومات وموارد الحوسبة السحابية.

المعارف ))16

وعائات نماذجها. •) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة. •) :K-089 (L2معرفة مكونات منصات تعلم الآلة، بما يشمل تتبع التجارب وسجل النماذج وإدارة إصدارات مجموعات

البيانات. •) :K-104 (L3معرفة الحوسبة السحابية وواجهات برمجة التطبيقات والحاويات وأدوات التنسيق وأنماط النشر. •) :K-110 (L3معرفة تنسيق الحاويات وإدارة البنية التحتية السحابية وتوسيع عمليات النشر بما يتناسب مع أحمال

عمل تعلم الآلة. •) :K-115 (L3معرفة هندسة البيانات وتصميم مسارات العمل بوصفهما مدخلين لمخازن الخصائص وتسليم بيانات

التدريب. •) :K-129 (L3معرفة أطر الحوسبة الموزعة لمسارات تدريب النماذج واسعة النطاق. •) :K-137 (L3معرفة تقنيات تحسين النماذج، بما يشمل التجزيء الكمي والتشذيب والتحسين المراعي لقدرات الأجهزة. •) :K-221 (L2معرفة تسليم مشروعات الذكاء الاصطناعي والممارسات الرشيقة والتكرارية وسياق الأعمال والمجال

وأصحاب المصلحة ذي الصلة بحلول الذكاء الاصطناعي. •) :K-161 (L3معرفة معمارية وحدات معالجة الرسومات وقدرات المسّرعات وأداء التدريب والاستنتاج. •) :K-185 (L3معرفة معماريات تدريب تعلم الآلة الموزع، بما يشمل استراتيجيات توازي البيانات وتوازي النماذج. •) :K-197 (L3معرفة معمارية مخازن الخصائص وأنماط الخدمة المباشرة وغير المباشرة وصحة البيانات عند نقطة

زمنية محددة. •) :K-204 (L3معرفة معماريات خدمة النماذج وتحسين الاستنتاج وتصميم البنية التحتية لخدمة النماذج في بيئة

الإنتاج.

القدرات ))5

•) :A-044 (L3القدرة على تصميم بنية تحتية لتعلم الآلة تتيح تطوير النماذج بكفاءة دون اشتراط خبرة عميقة في البنية التحتية.

•) :A-060 (L3القدرة على تحديد اختناقات الأداء في نظم التدريب الموزع وخدمة النماذج ومعالجتها. •) :A-135 (L3القدرة على تحويل الرموز البرمجية التجريبية إلى نظم تعلم آلة بجودة إنتاجية تستوفي معايير الاعتمادية

والأداء.

| AI-MOE مهندس عمليات تعلم الآلة

AI-MOE الاختصاصيون

اختصاصيو أبحاث وهندسة الذكاء الاصطناعي مهندس الذكاء الاصطناعي مهندس عمليات تعلم الآلة

الاصطناعي، تعلم الآلة، علوم الحاسب، علم البيانات، هندسة البرمجيات، أو أي مجال ذي صلة. كما ُُيفّّضل أن يكون المتقدم قد حصل على تدريب في الحوسبة

السحابية أو ) )DevOps أو ).)MLOps

الوصف

ينفذ ويشغل المنصات والأتمتة ومسارات العمل وعمليات النشر والمراقبة والاختبار وممارسات الاعتمادية اللازمة لأنظمة تعلم الآلة والذكاء الاصطناعي. ويربط تطوير النماذج بعمليات الإنتاج من خلال التكامل والتسليم المستمرين، وسجلات النماذج، وإدارة الإصدارات، وقابلية إعادة الإنتاج، وقابلية الرصد، والاستجابة للحوادث، وممارسات الإطلاق المنضبط. كما يعمل مع علماء البيانات ومهندسي الذكاء الاصطناعي وفرق المنصات والأمن والحوكمة، للحفاظ على

عمليات ذكاء اصطناعي آمنة وموثوقة

المهام ))20

•) :T-034 (L3تصميم ضوابط الحماية للنماذج اللغوية الكبيرة واختبارها ومراقبتها، بما يشمل فحوصات الاستناد والتحقق من المخرجات ومرشحات المحتوى وضوابط السياسات وقيود استخدام الأدوات في أنظمة الذكاء

والحوادث والاستخدام والاعتمادية. •) :T-045 (L3تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي. •) :T-049 (L3توثيق معماريات الذكاء الاصطناعي وسلوك النماذج ومسارات العمل التحليلية والقيود والإجراءات التشغيلية وأدلة النماذج أو الأنظمة أو التحليات في مخرجات عمل قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات. •) :T-055 (L3نشر نماذج الذكاء الاصطناعي وخدمات الاستنتاج باستخدام الحاويات وأدوات التنسيق والخدمات السحابية

أو البنية التحتية لخدمة النماذج. •) :T-061 (L3تنفيذ مسارات عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة لتتبع التجارب وإدارة الإصدارات

والاختبار والنشر والإطاق.

•) :T-031 (L3تكوين بيئات التشغيل المعزولة للوكلاء، وقوائم الأدوات المصرح بها، وضوابط الهوية والوصول، وحدود الذاكرة ومعدل الاستخدام والتنفيذ، وآليات المراقبة والإيقاف الفوري التشغيلي.

•) :T-039 (L3تقدير الأثر البيئي لأحمال عمل الذكاء الاصطناعي ومراقبته وإعداد التقارير عنه وتحسينه عبر مراحل إعداد البيانات والتدريب والضبط الدقيق والنشر والاستنتاج والتخزين والإيقاف.

•) :T-053 (L3بناء واجهات برمجة التطبيقات وخدمات الواجهة الخلفية التي تتيح استنتاج نماذج الذكاء الاصطناعي للتطبيقات والمنصات.

•) :T-065 (L3المحافظة على تتبع أصل البيانات وقابلية تتبعها عبر الأنظمة المصدرية والتحويات ومسارات المعالجة ونقاط الاستهلاك.

•) :T-075 (L3دمج حلول الذكاء الاصطناعي مع تطبيقات المؤسسة ومنصات البيانات ومسارات عمل الأعمال والخدمات السحابية.

•) :T-104 (L3بناء مسارات مؤتمتة لإعادة تدريب النماذجُ تفّعل عند تراجع الأداء أو حدوث الانجراف أو وفق جداول زمنية محددة.

•) :T-129 (L3تصميم مسارات متكاملة لعمليات تعلم الآلة وتنفيذها بما يغطي التدريب والتقييم والتحقق والنشر والمراقب ة.

•) :T-138 (L3تطوير أتمتة التكامل والتسليم المستمرين والمحافظة عليها لبناء نماذج تعلم الآلة ونشر مسارات العمل باستخدام عمليات خاضعة لإدارة الإصدارات.

•) :T-165 (L3تطبيق ممارسات عمليات النماذج اللغوية الكبيرة، بما يشمل إدارة إصدارات الأوامر وتحديثات النماذج وتقييم المخرجات ومسارات التقييم.

•) :T-172 (L2تنفيذ مراقبة النماذج، بما يشمل اكتشاف الانجراف وتتبع الأداء وإعداد التنبيهات لأنظمة الإنتاج. •) :T-181 (L3المحافظة على البنية التحتية لمنصة عمليات تعلم الآلة، بما يشمل نظم التنسيق وخدمة النماذج

ومنصات المراقبة. •) :T-290 (L3استكشاف مشكلات نظم الذكاء الاصطناعي وإصلاحها عبر البيانات والرموز البرمجية وسلوك النماذج

وواجهات برمجة التطبيقات والبنية التحتية والتبعيات وبيئات النشر. •) :T-295 (L3تنسيق إجراءات التراجع عن النماذج واستراتيجيات الإطاق المرحلي والاستجابة لحوادث إخفاق نظم تعلم

الآلة.

•) :S-051 (L3مهارة تطبيق ممارسات عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة لإدارة دورة حياة النماذج. •) :S-023 (L3مهارة تصميم مجموعات بيانات التقييم والاختبارات السلوكية ومعايير التقدير وبروتوكولات الاختبارات

المرجعية وتجارب مقارنة النماذج وفحوصات الانحدار لأنظمة الذكاء الاصطناعي. •) :S-027 (L3مهارة التحقق من منشأ مجموعات البيانات والنماذج والحزم وواجهات برمجة التطبيقات ومكونات الذكاء

الاصطناعي وسامتها وإصداراتها ومخاطر تبعياتها وتعرضها للثغرات وحالة اعتمادها. •) :S-028 (L3مهارة نمذجة تهديدات الذكاء الاصطناعي وتصميم سيناريوهات الفرق الحمراء واختبار الأوامر الهجومية

وتحليل حالات إساءة الاستخدام والتحقق من الضوابط. •) :S-030 (L3مهارة تطبيق الحد الأدنى من الصلاحيات وبيئات التشغيل المعزولة ومسارات الموافقة وسياسات

استخدام الأدوات وضوابط الذاكرة وقابلية المراقبة لأنظمة الذكاء الاصطناعي الوكيلي.

•) :S-032 (L3مهارة تهيئة ضوابط حماية النماذج اللغوية الكبيرة والتحقق من المخرجات المهيكلة وفحوصات الاستناد إلى الاسترجاع ومرشحات السامة واختبارات سلوك النماذج وقيود صلاحيات الأدوات.

•) :S-033 (L3مهارة استخدام إدارة الإصدارات ومراجعة الرموز البرمجية والاختبار والتوثيق والتطوير التعاوني لإنتاج مخرجات تحليلية أو مخرجات للذكاء الاصطناعي قابلة لإعادة الإنتاج.

•) :S-037 (L3مهارة مراقبة أنظمة الذكاء الاصطناعي في بيئة الإنتاج وتحقيق قابليتها للمراقبة وإعداد التنبيهات واستكشاف مشكلاتها وإصلاحها.

•) :S-038 (L3مهارة تحسين استنتاج الذكاء الاصطناعي من خال توجيه النماذج والمعالجة الحزمية والتخزين المؤقت والتجزيء الكمي والتقطير وضغط الأوامر وإدارة ميزانية الوحدات واستخدام المسّرعات.

•) :S-047 (L3مهارة تطوير واجهات برمجة التطبيقات والخدمات ومكونات الواجهة الخلفية للنظم المدعومة بالذكاء الاصطناعي.

•) :S-072 (L3مهارة إدارة بنية تحتية لتعلم الآلة قائمة على الحاويات لتنسيق مسارات العمل وخدمة النماذج. •) :S-292 (L3مهارة برمجة تطبيقات ذكاء اصطناعي بمستوى جودة مناسب لبيئة الإنتاج باستخدام بايثون أو لغات

مكافئة. •) :S-293 (L3مهارة تطبيق ضوابط أمن الذكاء الاصطناعي والخصوصية والذكاء الاصطناعي المسؤول. •) :S-232 (L3مهارة تهيئة منصات تنسيق مسارات العمل وتشغيلها مع حل التبعيات على مستوى المكونات والتنفيذ

ذي المعلمات والمنطق الشرطي للمسارات والتعافي من الإخفاقات. •) :S-240 (L3مهارة تحديد معايير حوكمة عمليات تعلم الآلة وقوالب المسارات وسجلات التدقيق وإنفاذها. •) :S-244 (L3مهارة تصميم مسارات مؤتمتة لإعادة تدريب النماذج وتنفيذها باستخدام محفزات الانجراف والتحقق.

المعارف ))16

وإدارة التبعيات، وفحص الثغرات، وتتبع المنشأ، وضوابط مخاطر الأطراف الخارجية. •) :K-048 (L3معرفة ممارسات دورة حياة عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة وأدواتها وأنماط تشغيلها. •) :K-027 (L3معرفة أساليب تقييم الذكاء الاصطناعي والنماذج اللغوية الكبيرة، بما يشمل تلوث الاختبارات المرجعية

وتغير التوزيع والتقييم غير المباشر والمباشر والتقييم البشري واختبارات السامة والدلالة الإحصائية. •) :K-031 (L3معرفة مخاطر تطبيقات النماذج اللغوية الكبيرة، بما يشمل حقن الأوامر والمعالجة غير الآمنة للمخرجات وتسميم بيانات التدريب وحجب الخدمة عن النماذج والإفصاح عن البيانات الحساسة والإفراط في صلاحيات الوكلاء

التخطيط، وحدود الصلاحيات، وأنماط المراقبة، وإنفاذ السياسات، واحتواء الإخفاقات. •) :K-046 (L3معرفة ممارسات هندسة البرمجيات لأنظمة الذكاء الاصطناعي وتعلم الآلة، بما يشمل إدارة الإصدارات

والتكامل والتسليم المستمرين والاختبارات المؤتمتة وجودة الرموز البرمجية. •) :K-049 (L2معرفة مراقبة النماذج واكتشاف الانجراف وقابلية المراقبة والاستجابة للحوادث. •) :K-086 (L2معرفة مبادئ التكامل والتسليم المستمرين وتطبيقها في نشر نماذج تعلم الآلة ومسارات العمل

واختبارها.

•) :K-104 (L3معرفة الحوسبة السحابية وواجهات برمجة التطبيقات والحاويات وأدوات التنسيق وأنماط النشر. •) :K-110 (L3معرفة تنسيق الحاويات وإدارة البنية التحتية السحابية وتوسيع عمليات النشر بما يتناسب مع أحمال

عمل تعلم الآلة. •) :K-123 (L2معرفة مراقبة جودة البيانات ومسارات العمل وإنفاذ عقود البيانات لدعم تعلم الآلة الموثوق. •) :K-133 (L2معرفة عمليات مخازن الخصائص ومراقبة حداثتها واكتشاف عدم الاتساق بين بيانات التدريب وخدمة

النماذج. •) :K-159 (L3معرفة أمن الذكاء الاصطناعي وتقنيات المحافظة على الخصوصية وضوابط الوصول وتسجيل أحداث

التطبيقات. •) :K-220 (L3معرفة مبادئ سدايا لأخلاقيات الذكاء الاصطناعي وإرشادات الذكاء الاصطناعي التوليدي والإرشادات الوطنية لحوكمة البيانات والذكاء الاصطناعي، وكيفية تطبيقها على تصميم الذكاء الاصطناعي ونشره والإفصاح عنه

والأعمال التحليلية. •) :K-162 (L3معرفة أنماط معمارية عمليات تعلم الآلة ودورة حياة تعلم الآلة والمتطلبات التشغيلية اللازمة لموثوقيته

في بيئة الإنتاج.

القدرات ))5

•) :A-013 (L3القدرة على المحافظة على أداء موثوق لنظم الذكاء الاصطناعي في ظل قيود بيئة الإنتاج. •) :A-037 (L3القدرة على الموازنة بين الملاءمة المنهجية والدقة والسلامة والسرعة والتكلفة والجدوى التشغيلية. •) :A-107 (L3القدرة على تشخيص التفاعات المعقدة بين البيانات والنماذج وواجهات برمجة التطبيقات والبنية

التحتية. •) :A-088 (L3القدرة على توقع المخاطر التشغيلية لعمليات تعلم الآلة قبل تأثيرها في نظم الإنتاج والخدمات

المقدمة للمستخدمين.

| AI-CVE مهندس رؤية الحاسب

AI-CVE الاختصاصيون

مهندس رؤية الحاسب

الاصطناعي، تعلم الآلة، علوم الحاسب، علم البيانات، هندسة البرمجيات، أو أي مجال ذي صلة. كما ُُيفّّضل أن يكون المتقدم قد أكمل مقررات في الرؤية

الحاسوبية.

الوصف

يطور نماذج رؤية الحاسب ومسارات العمل للصور والفيديو والمستشعرات وحالات الفحص المرئي، ويقّّيمها وينشرها. وُُيعد مجموعات البيانات المرئية، ويطبق معماريات الرؤية، ويق�يمّ أداء النماذج، ويعالج احتياجات التوصيف وزيادة البيانات، ويدمج المخرجات في التطبيقات أو مسارات العمل التشغيلية. كما يتعاون مع مهندسي الذكاء الاصطناعي وعلماء البيانات

وفرق المنتجات وخبراء المجالات؛ لضمان دقة أنظمة الرؤية ومتانتها وملاءمتها لظروف العالم الحقيقي

المهام ))18

والرؤى ومخرجات دعم القرار أو حلول الذكاء الاصطناعي. •) :T-055 (L3نشر نماذج الذكاء الاصطناعي وخدمات الاستنتاج باستخدام الحاويات وأدوات التنسيق والخدمات السحابية

محددة. •) :T-066 (L3ترجمة مشكلات الأعمال أو السياسات أو المنتجات أو البحوث أو التشغيل إلى أسئلة تحليلية قابلة

للقياس أو تصاميم قابلة للتنفيذ لحلول الذكاء الاصطناعي.

•) :T-033 (L3تصميم الأوامر والتفاعات وحالات التقييم متعددة الصيغ وتقييمها عبر مدخات النصوص والصور والصوت والفيديو والجداول والبيانات الجغرافية المكانية أو المهيكلة.

•) :T-075 (L3دمج حلول الذكاء الاصطناعي مع تطبيقات المؤسسة ومنصات البيانات ومسارات عمل الأعمال والخدمات السحابية.

•) :T-107 (L3جمع مجموعات بيانات الصور والفيديو وإعدادها وتوصيفها والتحقق منها وإدارة إصداراتها لتطوير نماذج رؤية الحاسب.

•) :T-124 (L3تصميم نماذج رؤية الحاسب وتطويرها لتصنيف الصور واكتشاف الأشياء والتجزئة وتحليل الفيديو. •) :T-142 (L3تطوير مسارات معالجة سابقة للبيانات وتعزيزها وهندسة الخصائص ومدخات النماذج لنماذج رؤية

الحاسب. •) :T-168 (L3تنفيذ قدرات رؤية الحاسب، بما يشمل تتبع الأشياء وتقدير الوضعية والتعرف الضوئي على الحروف

وفهم المشاهد واكتشاف الشذوذ. •) :T-199 (L3تحسين نماذج رؤية الحاسب من حيث التأخير ومعدل الإنتاجية والذاكرة والدقة والتكلفة وقيود الموارد. •) :T-220 (L3تقييم تقنيات الاستشعار والرؤية والذكاء الاصطناعي الطرفي والذكاء الاصطناعي متعدد الصيغ والتصوير

الناشئة لاستخدامها في حالات المؤسسة. •) :T-260 (L3مراقبة نماذج رؤية الحاسب لرصد أنماط الفشل في المجال البصري، مثل انحراف الكاميرا وتغير الإضاءة

والحجب والضبابية وتغير زاوية الرؤية وتراجع جودة الصور. •) :T-344 (L3تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار غير المباشر والاختبار المباشر والمراجعة

البشرية واختبارات أ/ب أو النشر في بيئة الظل. •) :T-319 (L3دمج نظم رؤية الحاسب مع الكاميرات والمستشعرات والأجهزة الطرفية وتطبيقات المؤسسة ومنصات

البيانات.

•) :S-065 (L3مهارة تطوير نماذج تعلم الآلة والتعلم العميق باستخدام المكتبات والأطر الملائمة. •) :S-021 (L3مهارة إعداد إرشادات توصيف البيانات وقياس مستوى اتفاق الموّصفين وحسم تعارضات التسمية

وتتبع مقاييس جودة التسميات. •) :S-026 (L3مهارة تصميم الأوامر متعددة الصيغ وتحسينها تكرارًيا وتقييم مخرجاتها وتحليل أنماط فشلها عبر

النصوص والصور والصوت والفيديو والبيانات المهيكلة. •) :S-087 (L3مهارة تطبيق تقييمات الذكاء الاصطناعي المسؤول على نظم رؤية الحاسب، بما يشمل اعتبارات التحيز

والخصوصية وقابلية التفسير والسامة. •) :S-095 (L3مهارة تصميم نماذج رؤية الحاسب وتدريبها لأغراض التصنيف والاكتشاف والتجزئة والتتبع وتحليات

الفيديو.

•) :S-103 (L3مهارة تقييم أداء نماذج رؤية الحاسب باستخدام مقاييس ومجموعات بيانات اختبار ملائمة للمجال. •) :S-104 (L3مهارة تنفيذ مسارات عمل تتبع الأشياء والتعرف الضوئي على الحروف وتقدير الوضعية وفهم المشاهد

واكتشاف الشذوذ. •) :S-193 (L3مهارة إعداد مجموعات بيانات الصور والفيديو وتوصيفها وتعزيزها والتحقق منها لتطوير النماذج.

•) :S-204 (L3مهارة استخدام مكتبات رؤية الحاسب وأطر التعلم العميق ونماذج الرؤية المدربة مسبقًا. •) :S-223 (L3مهارة تطبيق تعلم منقول والضبط الدقيق باستخدام نماذج الرؤية المدربة مسبقًا والنماذج متعددة

الصيغ. •) :S-274 (L3مهارة دمج نظم رؤية الحاسب مع الكاميرات والمستشعرات والأجهزة الطرفية وتطبيقات المؤسسة.

المعارف ))13

•) :K-048 (L3معرفة ممارسات دورة حياة عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة وأدواتها وأنماط تشغيلها.

•) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة. •) :K-049 (L2معرفة مراقبة النماذج واكتشاف الانجراف وقابلية المراقبة والاستجابة للحوادث.

•) :K-080 (L3معرفة مفاهيم الرؤية ثلاثية الأبعاد ومعالجة السحب النقطية واستشعار العمق ومعالجة بيانات تقنية ليدار ).)LiDAR

•) :K-100 (L3معرفة أنظمة الكاميرات ومسارات معالجة الصور ومعايرة المستشعرات والحصول على البيانات والعوامل البيئية المؤثرة في نماذج الرؤية.

•) :K-103 (L3معرفة البنى التحتية السحابية والطرفية اللازمة لنشر أنظمة الرؤية وتنفيذ الاستنتاج الآني. •) :K-126 (L3معرفة أطر التعلم العميق ومكتبات رؤية الحاسب والنماذج المدربة مسبقًا وتقنيات تعلم منقول. •) :K-159 (L3معرفة أمن الذكاء الاصطناعي وتقنيات المحافظة على الخصوصية وضوابط الوصول وتسجيل أحداث

التطبيقات. •) :K-220 (L3معرفة مبادئ سدايا لأخلاقيات الذكاء الاصطناعي وإرشادات الذكاء الاصطناعي التوليدي والإرشادات الوطنية لحوكمة البيانات والذكاء الاصطناعي، وكيفية تطبيقها على تصميم الذكاء الاصطناعي ونشره والإفصاح

عنه والأعمال التحليلية. •) :K-174 (L3معرفة خوارزميات رؤية الحاسب ومعماريات الشبكات العصبية الالتفافية ومحولات الرؤية واكتشاف

الأشياء والتجزئة والتتبع وتحليات الفيديو.

القدرات ))6

•) :A-015 (L3القدرة على الاستدلال بشأن سلوك النماذج وقيودها ومخاطرها وأنماط فشلها وآثارها في الخصوصية والإنصاف والأخلاقيات

•) :A-037 (L3القدرة على الموازنة بين الملاءمة المنهجية والدقة والسلامة والسرعة والتكلفة والجدوى التشغيلية. •) :A-047 (L3القدرة على تصميم نظم رؤية حاسب تستوفي متطلبات الأداء والدقة والسلامة والتشغيل في الواقع العملي.

•) :A-058 (L3القدرة على تحديد الفجوة بين أداء الاختبار وأداء الإنتاج في نظم الرؤية ومعالجتها.

| AI-NLPE مهندس معالجة اللغات الطبيعية

AI-NLPE الاختصاصيون

مهندس معالجة اللغات الطبيعية

الاصطناعي، تعلم الآلة، علوم الحاسب، علم البيانات، هندسة البرمجيات، أو أي مجال ذي صلة. كما ُُيفّّضل أن يكون المتقدم قد أكمل مقررات في معالجة اللغة

الطبيعية.

الوصف

يطور نماذج معالجة اللغات الطبيعية ومسارات العمل والقدرات اللغوية، ويقّّيمها وينشرها. ويتعامل مع مهام النصوص والكلام والمحادثة والاسترجاع والتصنيف والاستخراج والتلخيص والترجمة وفهم اللغة، مع مراعاة متطلبات الجودة والتحيز والتقييم والخصوصية وسهولة الاستخدام. كما يتعاون مع فرق البيانات والمنتجات والهندسة والحوكمة، لجعل

قدرات الذكاء الاصطناعي اللغوية موثوقة ومفيدة وآمنة للمستخدمين المستهدفين.

المهام ))20

•) :T-035 (L3تقييم مخرجات النماذج والتحليات باستخدام المقاييس وأساليب التحقق الملائمة، وفحص الافتراضات، وتحليل الأخطاء، وإجراء الاختبارات المباشرة عند الاقتضاء.

الذكاء الاصطناعي والتحليات.

•) :T-024 (L3إنشاء مجموعات بيانات اصطناعية أو معززة أو مجهولة الهوية أو محافظة على الخصوصية والتحقق منها وتوثيقها عندما تكون البيانات الفعلية محدودة أو حساسة أو غير متوازنة أو غير آمنة للاستخدام.

•) :T-027 (L3تصميم وحوكمة مسارات تسمية بيانات تدريب الذكاء الاصطناعي والتحقق منها وتقييمها، وتوصيفها، وإنشاء الحقيقة الأساسية، والتحكيم، ومراقبة الجودة.

•) :T-028 (L3تصميم الرسوم البيانية المعرفية والأنطولوجيات وأساليب مطابقة الكيانات ونهج التوليد المعزز بالاسترجاع الشبكي )GraphRAG(واستخدامها لتحسين الاسترجاع والاستدلال والاستناد إلى السياق وقابلية التفسير. •) :T-033 (L3تصميم الأوامر والتفاعات وحالات التقييم متعددة الصيغ وتقييمها عبر مدخات النصوص والصور

والصوت والفيديو والجداول والبيانات الجغرافية المكانية أو المهيكلة. •) :T-074 (L3تنفيذ مسارات التوليد المعزز بالاسترجاع باستخدام التضمينات ومخازن المتجهات ومسارات الاسترجاع. •) :T-101 (L3بناء مسارات بيانات معالجة اللغات الطبيعية والمحافظة عليها لاستيعاب النصوص ومعالجة سابقة

وتقسيمها إلى وحدات وتوحيدها وتوصيفها. •) :T-123 (L3تصميم أنظمة معالجة اللغات الطبيعية وتطويرها لتصنيف النصوص والتعرف على الكيانات المسماة

وتحليل المشاعر واستخراج المعلومات. •) :T-156 (L3ضبط النماذج اللغوية المدربة مسبقًا ضبطًا دقيقًالمهام معالجة اللغات الطبيعية الخاصة بالمجال

باستخدام نهج تعلم منقول. •) :T-182 (L3المحافظة على البنية التحتية لنماذج معالجة اللغات الطبيعية ومساراتها، بما يشمل عمليات إعادة

التدريب وإدارة الإصدارات. •) :T-344 (L3تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار غير المباشر والاختبار المباشر والمراجعة

•) :S-048 (L3مهارة تطوير مسارات عمل البيانات ومسارات هندسة الخصائص لتطبيقات الذكاء الاصطناعي. •) :S-065 (L3مهارة تطوير نماذج تعلم الآلة والتعلم العميق باستخدام المكتبات والأطر الملائمة.

•) :S-021 (L3مهارة إعداد إرشادات توصيف البيانات وقياس مستوى اتفاق الموّصفين وحسم تعارضات التسمية وتتبع مقاييس جودة التسميات.

•) :S-025 (L3مهارة إنشاء مجموعات البيانات المصطنعة أو المعززة والتحقق منها وفحص تحيزها وتوثيقها مع المحافظة على فائدتها وخصوصيتها وقدرتها على التمثيل.

•) :S-026 (L3مهارة تصميم الأوامر متعددة الصيغ وتحسينها تكرارًيا وتقييم مخرجاتها وتحليل أنماط فشلها عبر النصوص والصور والصوت والفيديو والبيانات المهيكلة.

•) :S-042 (L3مهارة بناء مسارات التوليد المعزز بالاسترجاع ومسارات عمل البحث المتجهي. •) :S-063 (L3مهارة تصميم الأوامر والمخرجات المهيكلة ومسارات العمل الوكيلية لتطبيقات النماذج اللغوية الكبيرة.

•) :S-088 (L3مهارة تطبيق توحيد النصوص ومكتبات تقسيم النص إلى وحدات والمحلات الصرفية وتقنيات تعزيز البيانات لبناء مسارات قابلة لإعادة الإنتاج لإعداد بيانات تدريب معالجة اللغات الطبيعية.

•) :S-089 (L2مهارة بناء مسارات استخراج النصوص والمعلومات لاستخلاص المعلومات المهيكلة. •) :S-116 (L3مهارة تطبيق تقنيات معالجة اللغات الطبيعية للعربية، بما يشمل تقسيم النص إلى وحدات والتحليل

الصرفي ومعالجة اللهجات. •) :S-159 (L3مهارة تقييم أداء نماذج معالجة اللغات الطبيعية باستخدام الدقة والاستدعاء و) F1و BLEU و)ROUGE

والمقاييس الخاصة بالمهمة. •) :S-162 (L3مهارة الضبط الدقيق للنماذج اللغوية القائمة على المحولات لمهام معالجة اللغات الطبيعية الخاصة

بالمجال باستخدام تعلم منقول. •) :S-202 (L3مهارة تدريب نماذج معالجة اللغات الطبيعية وتقييمها للتصنيف وتصنيف الوحدات النصية وتوليد

المتسلسات.

المعارف ))12

•) :K-048 (L3معرفة ممارسات دورة حياة عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة وأدواتها وأنماط تشغيلها.

•) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة. •) :K-030 (L3معرفة الرسوم البيانية المعرفية والأنطولوجيات والبحث الدلالي ومطابقة الكيانات وقواعد بيانات

الرسوم البيانية والتوليد المعزز بالاسترجاع الشبكي )GraphRAG(وآثار حوكمتها وجودة بياناتها. •) :K-054 (L3معرفة التوليد المعزز بالاسترجاع والضبط الدقيق وهندسة الأوامر وأساليب تكييف النماذج. •) :K-085 (L3معرفة اللسانيات العربية وتحديات معالجة اللغات الطبيعية للعربية والصرف وتنوع اللهجات والنماذج

المتخصصة في اللغة العربية. •) :K-138 (L3معرفة نهج معالجة اللغات الطبيعية متعددة اللغات، وتعلم منقول عبر اللغات، والاعتبارات الخاصة

بكل لغة في تصميم النماذج. •) :K-201 (L3معرفة النماذج اللغوية الكبيرة والمحولات والتضمينات والبحث المتجهي ونماذج الأساس. •) :K-163 (L3معرفة معمارية نشر أنظمة معالجة اللغات الطبيعية وأنماط خدمة النماذج ومتطلبات البنية التحتية

للإنتاج. •) :K-164 (L3معرفة أساسيات معالجة اللغات الطبيعية، بما يشمل تقسيم النص إلى وحدات والتضمينات ومعمارية

النماذج اللغوية ومعالجة المتسلسات.

القدرات ))6

•) :A-045 (L3القدرة على تصميم نظم لمعالجة اللغات الطبيعية تستوعب التعقيد اللغوي والغنى الصرفي للنص العرب ي.

•) :A-051 (L3القدرة على تقييم جودة نماذج معالجة اللغات الطبيعية عبر التنوع اللغوي والفئات السكانية والحالات الحدية الخاصة بالمجال.

•) :A-057 (L3القدرة على تحديد مخاطر التحيز والإنصاف في معالجة اللغات الطبيعية ومعالجتها استباقًيا قبل نشر النظام.

•) :A-098 (L3القدرة على تصميم مسارات لمعالجة اللغات الطبيعية تتحمل تغير المدخات والتشويش وتغير المجال في بيئة الإنتاج.

| AI-GAE مهندس الذكاء الاصطناعي التوليدي

AI-GAE الاختصاصيون

مهندس الذكاء الاصطناعي التوليدي

الاصطناعي، تعلم الآلة، علوم الحاسب، علم البيانات، هندسة البرمجيات، أو أي مجال ذي صلة. كما ُُيفّّضل أن يكون المتقدم قد حصل على تدريب في الذكاء الاصطناعي التوليدي أو معالجة اللغة الطبيعية.

الوصف

يصمم حلول الذكاء الاصطناعي التوليدي ويطورها ويقّّيمها ويؤّّمنها ويفّّعلها، مثل المساعدات الذكية والمساعدات البرمجية ومسارات توليد المحتوى والتوليد المعزز بالاسترجاع وأنماط الأوامر أو التنسيق. ويدمج نماذج الأساس مع البيانات والأدوات والتطبيقات وضوابط الحماية وأساليب التقييم وممارسات المراقبة. كما يوازن بين قيمة المستخدم وجودة المخرجات والتكلفة وزمن الاستجابة والأمن والخصوصية ومنع إساءة الاستخدام ومتطلبات الذكاء الاصطناعي

المسؤول عبر دورة حياة الحلول التوليدية.

المهام ))23

الاستخدام المقبول قبل اعتمادها أو نشرها. •) :T-025 (L3إدارة مخاطر سلسلة إمداد الذكاء الاصطناعي المرتبطة بمجموعات البيانات وأصول النماذج والحزم والإضافات وواجهات برمجة التطبيقات والأوامر وأصول التقييم وصور البنية التحتية وخدمات الأطراف الخارجية. •) :T-034 (L3تصميم ضوابط الحماية للنماذج اللغوية الكبيرة واختبارها ومراقبتها، بما يشمل فحوصات الاستناد والتحقق من المخرجات ومرشحات المحتوى وضوابط السياسات وقيود استخدام الأدوات في أنظمة الذكاء

والحوادث والاستخدام والاعتمادية. •) :T-045 (L3تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي. •) :T-047 (L3التعاون مع فرق البيانات والذكاء الاصطناعي والهندسة والمنتجات والأعمال والمجالات لتشغيل النماذج

والرؤى ومخرجات دعم القرار أو حلول الذكاء الاصطناعي. •) :T-049 (L3توثيق معماريات الذكاء الاصطناعي وسلوك النماذج ومسارات العمل التحليلية والقيود والإجراءات التشغيلية وأدلة النماذج أو الأنظمة أو التحليات في مخرجات عمل قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات. •) :T-055 (L3نشر نماذج الذكاء الاصطناعي وخدمات الاستنتاج باستخدام الحاويات وأدوات التنسيق والخدمات

السحابية أو البنية التحتية لخدمة النماذج. •) :T-056 (L3تصميم نماذج ومكونات الذكاء الاصطناعي وتعلم الآلة أو تطويرها أو تكييفها أو تقييمها لحالات

استخدام محددة.

•) :T-028 (L3تصميم الرسوم البيانية المعرفية والأنطولوجيات وأساليب مطابقة الكيانات ونهج التوليد المعزز بالاسترجاع الشبكي )GraphRAG(واستخدامها لتحسين الاسترجاع والاستدلال والاستناد إلى السياق وقابلية التفسير. •) :T-030 (L3بناء أطر التقييم وحزم الاختبارات المرجعية واختبارات الانحدار ومعايير التقدير وبوابات الإطاق والمحافظة عليها لتقييم سلوك أنظمة الذكاء الاصطناعي والنماذج اللغوية الكبيرة عند تغير النماذج أو الأوامر أو البيانات أو

الأدوات. •) :T-058 (L3تطوير مسارات معالجة سابقة للبيانات وهندسة الخصائص ومدخات النماذج المستخدمة في نماذج

والاختبار والنشر والإطاق. • :T-066 (L3ترجمة مشكلات الأعمال أو السياسات أو المنتجات أو البحوث أو التشغيل إلى أسئلة تحليلية قابلة للقياس

أو تصاميم قابلة للتنفيذ لحلول الذكاء الاصطناعي.تحافظ على موثوقيتها. •) :T-033 (L3تصميم الأوامر والتفاعات وحالات التقييم متعددة الصيغ وتقييمها عبر مدخات النصوص والصور

والصوت والفيديو والجداول والبيانات الجغرافية المكانية أو المهيكلة. •) :T-036 (L3تخطيط وتنفيذ نمذجة التهديدات للذكاء الاصطناعي والنماذج اللغوية الكبيرة، وتحليل حالات إساءة

الاستخدام، والاختبارات الهجومية، وتمارين الفرق الحمراء، ومتابعة المعالجة. •) :T-053 (L3بناء واجهات برمجة التطبيقات وخدمات الواجهة الخلفية التي تتيح استنتاج نماذج الذكاء الاصطناعي

للتطبيقات والمنصات. •) :T-074 (L3تنفيذ مسارات التوليد المعزز بالاسترجاع باستخدام التضمينات ومخازن المتجهات ومسارات الاسترجاع. •) :T-075 (L3دمج حلول الذكاء الاصطناعي مع تطبيقات المؤسسة ومنصات البيانات ومسارات عمل الأعمال

والخدمات السحابية. •) :T-121 (L3تصميم تطبيقات الذكاء الاصطناعي التوليدي وبناؤها باستخدام النماذج اللغوية الكبيرة والنماذج متعددة

الصيغ ونماذج الانتشار. •) :T-136 (L3تطوير مسارات عمل مدعومة بالنماذج اللغوية الكبيرة باستخدام الأوامر والمخرجات المهيكلة والأدوات

واستدعاء الوظائف والاسترجاع وتنسيق مسارات العمل. •) :T-290 (L3استكشاف مشكلات نظم الذكاء الاصطناعي وإصلاحها عبر البيانات والرموز البرمجية وسلوك النماذج

وواجهات برمجة التطبيقات والبنية التحتية والتبعيات وبيئات النشر. •) :T-344 (L3تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار غير المباشر والاختبار المباشر والمراجعة

المهارات ))18

•) :S-065 (L3مهارة تطوير نماذج تعلم الآلة والتعلم العميق باستخدام المكتبات والأطر الملائمة. •) :S-037 (L3مهارة مراقبة أنظمة الذكاء الاصطناعي في بيئة الإنتاج وتحقيق قابليتها للمراقبة وإعداد التنبيهات

واستكشاف مشكلاتها وإصلاحها. •) :S-042 (L3مهارة بناء مسارات التوليد المعزز بالاسترجاع ومسارات عمل البحث المتجهي.

•) :S-047 (L3مهارة تطوير واجهات برمجة التطبيقات والخدمات ومكونات الواجهة الخلفية للنظم المدعومة بالذكاء الاصطناعي.

•) :S-050 (L3مهارة توثيق المعماريات التقنية والإجراءات التشغيلية وقيود أنظمة الذكاء الاصطناعي. •) :S-063 (L3مهارة تصميم الأوامر والمخرجات المهيكلة ومسارات العمل الوكيلية لتطبيقات النماذج اللغوية الكبيرة. •) :S-161 (L3مهارة تقييم جودة مخرجات الذكاء الاصطناعي التوليدي باستخدام فحوصات الاعتمادية والاستناد ومعايير

التقدير والمراجعة البشرية. •) :S-292 (L3مهارة برمجة تطبيقات ذكاء اصطناعي بمستوى جودة مناسب لبيئة الإنتاج باستخدام بايثون أو لغات

مكافئة. •) :S-293 (L3مهارة تطبيق ضوابط أمن الذكاء الاصطناعي والخصوصية والذكاء الاصطناعي المسؤول. •) :S-217 (L3مهارة تطبيق سلسلة التفكير والتعلم من أمثلة قليلة وهيكلة أوامر النظام والتحسين التكراري للأوامر

لزيادة موثوقية مخرجات النماذج اللغوية الكبيرة والتزامها بالمهمة. •) :S-267 (L3مهارة الضبط الدقيق للنماذج الأساسية باستخدام أساليب كفؤة في عدد المعلمات للتطبيقات الخاصة

بالمجال. •) :S-273 (L3مهارة دمج واجهات برمجة تطبيقات النماذج اللغوية الكبيرة والنماذج المفتوحة المصدر في معماريات

تطبيقات المؤسسة

المعارف ))16

وعائات نماذجها. •) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة.

•) :K-054 (L3معرفة التوليد المعزز بالاسترجاع والضبط الدقيق وهندسة الأوامر وأساليب تكييف النماذج. •) :K-104 (L3معرفة الحوسبة السحابية وواجهات برمجة التطبيقات والحاويات وأدوات التنسيق وأنماط النشر. •) :K-150 (L3معرفة نظام حماية البيانات الشخصية السعودي ولوائحه التنفيذية وإرشادات سدايا المتعلقة بالإنفاذ. •) :K-159 (L3معرفة أمن الذكاء الاصطناعي وتقنيات المحافظة على الخصوصية وضوابط الوصول وتسجيل أحداث

التطبيقات. •) :K-201 (L3معرفة النماذج اللغوية الكبيرة والمحولات والتضمينات والبحث المتجهي ونماذج الأساس. •) :K-220 (L3معرفة مبادئ سدايا لأخلاقيات الذكاء الاصطناعي وإرشادات الذكاء الاصطناعي التوليدي والإرشادات الوطنية لحوكمة البيانات والذكاء الاصطناعي، وكيفية تطبيقها على تصميم الذكاء الاصطناعي ونشره والإفصاح عنه

وأصحاب المصلحة ذي الصلة بحلول الذكاء الاصطناعي. •) :K-166 (L3معرفة أنماط تصميم نظم التوليد المعزز بالاسترجاع واستراتيجيات تقطيع المحتوى واختيار التضمينات

وتقييم الاسترجاع. •) :K-194 (L3معرفة متطلبات أمن المؤسسة والخصوصية والامتثال المؤثرة في تصميم تطبيقات الذكاء الاصطناعي

التوليدي. •) :K-200 (L3معرفة معماريات النماذج اللغوية الكبيرة وتصميم المحولات وقدرات نماذج الأساس وقيودها. •) :K-205 (L3معرفة قدرات الذكاء الاصطناعي متعدد الصيغ ونماذج الرؤية واللغة وتكاملها مع مسارات عمل

المؤسسة.

القدرات ))5

•) :A-052 (L3القدرة على تقييم نماذج الأساس واتخاذ قرارات اختيار قائمة على مبادئ واضحة ومتطلبات المؤسسة. •) :A-081 (L3القدرة على الاستدلال بشأن الطبيعة الاحتمالية لمخرجات الذكاء الاصطناعي التوليدي وتصميم نظم

تحافظ على موثوقيتها.

| AI-AAE مهندس الذكاء الاصطناعي الوكيلي

AI-AAE الاختصاصيون

الاختصاصيون في تقنية المعلومات والاتصالات

مطورو ومحللو النظم البرمجيات والتطبيقات الحاسوبية

مهندس الذكاء الاصطناعي الوكيلي

الاصطناعي، تعلم الآلة، علوم الحاسب، علم البيانات، هندسة البرمجيات، أو أي مجال ذي صلة. كما ُُيفّّضل أن يكون المتقدم قد حصل على تدريب في الذكاء الاصطناعي التوليدي أو معمارية البرمجيات.

الوصف

يبني أنظمة الذكاء الاصطناعي الوكيلي القادرة على التخطيط واستخدام الأدوات واستدعاء واجهات برمجة التطبيقات واسترجاع المعلومات وتنفيذ مسارات عمل متعددة الخطوات وتكييف إجراءاتها وفق السياق، ويقّّيم هذه الأنظمة ويؤّّمنها ويشغلها. ويصمم معماريات الوكلاء وحدود المهام وأنماط الذاكرة واستخدام الأدوات وضوابط الحماية وأساليب التقييم والمراقبة ومسارات التصعيد البشري. كما يضمن بقاء الأنظمة الوكيلية خاضعة للضبط وقابلة للتدقيق وموثوقة

ومتوافقة مع حالات الاستخدام المعتمدة وحدود المخاطر.

المهام ))22

•) :T-034 (L3تصميم ضوابط الحماية للنماذج اللغوية الكبيرة واختبارها ومراقبتها، بما يشمل فحوصات الاستناد والتحقق من المخرجات ومرشحات المحتوى وضوابط السياسات وقيود استخدام الأدوات في أنظمة الذكاء

والحوادث والاستخدام والاعتمادية. •) :T-045 (L3تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا لأخلاقيات الذكاء الاصطناعي. •) :T-047 (L3التعاون مع فرق البيانات والذكاء الاصطناعي والهندسة والمنتجات والأعمال والمجالات لتشغيل النماذج

أو البنية التحتية لخدمة النماذج. •) :T-056 (L3تصميم نماذج ومكونات الذكاء الاصطناعي وتعلم الآلة أو تطويرها أو تكييفها أو تقييمها لحالات

استخدام محددة.

•) :T-058 (L3تطوير مسارات معالجة سابقة للبيانات وهندسة الخصائص ومدخات النماذج المستخدمة في نماذج الذكاء الاصطناعي والتحليات.

•) :T-061 (L3تنفيذ مسارات عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة لتتبع التجارب وإدارة الإصدارات والاختبار والنشر والإطاق.

•) :T-030 (L3بناء أطر التقييم وحزم الاختبارات المرجعية واختبارات الانحدار ومعايير التقدير وبوابات الإطاق والمحافظة عليها لتقييم سلوك أنظمة الذكاء الاصطناعي والنماذج اللغوية الكبيرة عند تغير النماذج أو الأوامر أو البيانات أو

الأدوات. •) :T-031 (L3تكوين بيئات التشغيل المعزولة للوكلاء، وقوائم الأدوات المصرح بها، وضوابط الهوية والوصول، وحدود

الذاكرة ومعدل الاستخدام والتنفيذ، وآليات المراقبة والإيقاف الفوري التشغيلي. •) :T-053 (L3بناء واجهات برمجة التطبيقات وخدمات الواجهة الخلفية التي تتيح استنتاج نماذج الذكاء الاصطناعي

للتطبيقات والمنصات. •) :T-074 (L3تنفيذ مسارات التوليد المعزز بالاسترجاع باستخدام التضمينات ومخازن المتجهات ومسارات الاسترجاع. •) :T-075 (L3دمج حلول الذكاء الاصطناعي مع تطبيقات المؤسسة ومنصات البيانات ومسارات عمل الأعمال

والخدمات السحابية. •) :T-136 (L3تطوير مسارات عمل مدعومة بالنماذج اللغوية الكبيرة باستخدام الأوامر والمخرجات المهيكلة والأدوات

واستدعاء الوظائف والاسترجاع وتنسيق مسارات العمل. •) :T-243 (L3تطوير معماريات ذاكرة الوكلاء، بما يشمل الذاكرة العاملة واسترجاع المعرفة طويلة المدى واستمرارية

الجلسات. •) :T-253 (L3تنفيذ معماريات تنسيق متعددة الوكلاء تتيح للوكلاء المتخصصين التعاون والتفويض والتواصل. •) :T-290 (L3استكشاف مشكلات نظم الذكاء الاصطناعي وإصلاحها عبر البيانات والرموز البرمجية وسلوك النماذج

وواجهات برمجة التطبيقات والبنية التحتية والتبعيات وبيئات النشر. •) :T-344 (L3تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار المباشر وغير المباشر والمراجعة البشرية

واختبارات أ/ب أو النشر الظلي. •) :T-303 (L3توثيق معمارية الأنظمة الوكيلية ومواصفات الوصول إلى الأدوات وضوابط السلامة والحدود التشغيلية.

•) :S-065 (L3مهارة تطوير نماذج تعلم الآلة والتعلم العميق باستخدام المكتبات والأطر الملائمة. •) :S-037 (L3مهارة مراقبة أنظمة الذكاء الاصطناعي في بيئة الإنتاج وتحقيق قابليتها للمراقبة وإعداد التنبيهات

واستكشاف مشكلاتها وإصلاحها. •) :S-042 (L3مهارة بناء مسارات التوليد المعزز بالاسترجاع ومسارات عمل البحث المتجهي. •) :S-047 (L3مهارة تطوير واجهات برمجة التطبيقات والخدمات ومكونات الواجهة الخلفية للنظم المدعومة بالذكاء

الاصطناعي. •) :S-050 (L3مهارة توثيق المعماريات التقنية والإجراءات التشغيلية وقيود أنظمة الذكاء الاصطناعي.

•) :S-063 (L3مهارة تصميم الأوامر والمخرجات المهيكلة ومسارات العمل الوكيلية لتطبيقات النماذج اللغوية الكبيرة. •) :S-131 (L3مهارة تهيئة أطر الوكلاء، بما يشمل تعريف الأدوار وتصميم سجل الأدوات وتحديد بروتوكول الرسائل بين

الوكلاء وتسجيل مسار التنفيذ في نظم الذكاء الاصطناعي الوكيلي. •) :S-137 (L3مهارة تحديد سياسات الحد الأدنى من صلاحيات وصول وكلاء الذكاء الاصطناعي إلى الأدوات وإنفاذها

من خال ضبط نطاق الصلاحيات. •) :S-143 (L3مهارة تصميم مسارات عمل للموافقة البشرية ضمن الحلقة وتنفيذها عند حدود محددة لمخاطر الوكلاء. •) :S-161 (L3مهارة تقييم جودة مخرجات الذكاء الاصطناعي التوليدي باستخدام فحوصات الاعتمادية والاستناد ومعايير

التقدير والمراجعة البشرية. •) :S-292 (L3مهارة برمجة تطبيقات ذكاء اصطناعي بمستوى جودة مناسب لبيئة الإنتاج باستخدام بايثون أو لغات

مكافئة. •) :S-293 (L3مهارة تطبيق ضوابط أمن الذكاء الاصطناعي والخصوصية والذكاء الاصطناعي المسؤول.

المعارف ))13

وعائات نماذجها. •) :K-219 (L2معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة.

•) :K-054 (L3معرفة التوليد المعزز بالاسترجاع والضبط الدقيق وهندسة الأوامر وأساليب تكييف النماذج. •) :K-104 (L3معرفة الحوسبة السحابية وواجهات برمجة التطبيقات والحاويات وأدوات التنسيق وأنماط النشر. •) :K-150 (L3معرفة نظام حماية البيانات الشخصية السعودي ولوائحه التنفيذية وإرشادات سدايا المتعلقة بالإنفاذ. •) :K-159 (L3معرفة أمن الذكاء الاصطناعي وتقنيات المحافظة على الخصوصية وضوابط الوصول وتسجيل أحداث

التطبيقات. •) :K-201 (L3معرفة النماذج اللغوية الكبيرة والمحولات والتضمينات والبحث المتجهي ونماذج الأساس. •) :K-220 (L3معرفة مبادئ سدايا لأخلاقيات الذكاء الاصطناعي وإرشادات الذكاء الاصطناعي التوليدي والإرشادات الوطنية لحوكمة البيانات والذكاء الاصطناعي، وكيفية تطبيقها على تصميم الذكاء الاصطناعي ونشره والإفصاح عنه

وأصحاب المصلحة ذي الصلة بحلول الذكاء الاصطناعي. •) :K-168 (L3معرفة أنماط معمارية الذكاء الاصطناعي الوكيلي، بما يشمل تصميم الأنظمة أحادية الوكيل ومتعددة

الوكلاء والهرمية.

القدرات ))6

•) :A-037 (L3القدرة على الموازنة بين الملاءمة المنهجية والدقة والسلامة والسرعة والتكلفة والجدوى التشغيلية. •) :A-043 (L3القدرة على تحديد رقابة بشرية فعالة تتناسب مع مستوى استقلالية الوكيل وتقبل المخاطر.

•) :A-080 (L3القدرة على الاستدلال بشأن أنماط فشل نظام ذاتي التحكم والمخاطر المتراكمة وتصميم ضوابط سامة متناسبة معها.

•) :A-099 (L3القدرة على تصميم نظم ذكاء اصطناعي وكيلية تنفذ المهام بموثوقية مع المحافظة على الرقابة البشرية.

التوصيات 07 115

.7التوصيات

توصي سدايا الجهات والمختصين بالاستثمار في رأس المال البشري من خلال التطبيق الفاعل لإطار المعايير المهنية للبيانات والذكاء الاصطناعي. ويسهم تطبيق الإطار في تعزيز الممارسات المهنية وتصميم المسارات الوظيفية، ودعم استقطاب المواهب وتخطيط القوى العاملة وإدارة الأداء والتعلم والتطوير وتصميم الشهادات المهنية )انظر الملحق )أ(

للاطلاع على مثال استرشادي لتطبيق المسارات الوظيفية داخلياً.) وإدراًًكا من سدايا أن الإطار يخدم مجااًلا سريع التطور، فإنها تلتزم بالتحسين المستمر، وستتعاون مع الجهات الحكومية ومؤسسات القطاع الخاص والمؤسسات التعليمية للمحافظة على مواءمة المعايير مع احتياجات سوق العمل وإدراج

الأدوار والممارسات الناشئة عند الاقتضاء.

الملاحق 08 الملحق )أ :)مسارات وظيفية داخلية استرشادية ومتطلبات التطوير 117

الإملطحارق

ا) أل)معايير المهنية في البيانات والذكاء الاصطناعي

المسارات المهنية للوظائف الأساسية للبيانات والذكاء الاصطناعي

وضعت سدايا إطار المعايير المهنية للبيانات والذكاء الاصطناعي حيز التنفيذ، وذلك بتطبيق المهن الواردة فيه داخليًا مع وضع مسميات موحدة ومسارات وظيفية لكل مهنة، تتيح للموظف بشكل واضح معرفة مساره المهني بكل مستوياته ومتطلبات التدرج الوظيفي فيه.

وتأتي هذه الخطوة ضمن جهود سدايا لتنمية رأس المال البشري؛ إذ يوضح الإطار للموظف المهام المطلوب أداؤها والمعارف والمهارات الممكِنة من ذلك، ويربط المتطلبات التدريبية للموظف بها من خلال مسارات تدريبية وشهادات احترافية وبرامج تدريب على رأس العمل.

نظرة عامة على المسارات المهنية ومستوياتها

المستوى 5

كبير مهندسي الذكاء الاصطناعي

Chief AI Engineer 8+أعوام

كبير باحثي الذكاء الاصطناعي

Chief AI Researcher 8+أعوام

كبير مهندسي البيانات

Chief Data Engineer 8+أعوام

كبير علماء البيانات

Chief Data Scientist 8+أعوام

كبير محللي البيانات

Chief Data Analyst 8+أعوام

المستوى 4

المستوى 3

المستوى 2

مهندس ذكاء اصطناعي خبير

Expert AI Engineer

6-8سنوات

مهندس ذكاء اصطناعي قائد

Principal AI Engineer

4-6سنوات

مهندس ذكاء اصطناعي متقدم

Senior AI Engineer

2-4سنوات

باحث ذكاء اصطناعي خبير

Expert AI Researcher

6-8سنوات

باحث ذكاء اصطناعي قائد

Principal AI Researcher

4-6سنوات

باحث ذكاء اصطناعي متقدم

Senior AI Researcher

2-4سنوات

مهندس بيانات خبير

Expert Data Engineer 6-8سنوات

مهندس بيانات قائد

Principal Data Engineer 4-6سنوات

مهندس بيانات متقدم

Senior Data Engineer 2-4سنوات

عالم بيانات خبير

Expert Data Scientist 6-8سنوات

عالم بيانات قائد

Principal Data Scientist 4-6سنوات

عالم بيانات متقدم

Senior Data Scientist 2-4سنوات

محلل بيانات خبير

Expert Data Analyst 6-8سنوات

محلل بيانات قائد

Principal Data Analyst 4-6سنوات

محلل بيانات متقدم

Senior Data Analyst 2-4سنوات

المستوى 1

مهندس ذكاء اصطناعي

AI Engineer حديث تخرج

باحث ذكاء اصطناعي

AI Researcher حديث تخرج

مهندس بيانات

Data Engineer حديث تخرج

عالم بيانات

Data Scientist حديث تخرج

محلل بيانات

Data Analyst حديث تخرج

المسار المهني هندسة الذكاء

الاصطناعي

AI Engineering

أبحاث الذكاء الاصطناعي

AI Research

هندسة البيانات

Data Engineering

علوم البيانات

Data Science

تحليلات البيانات

Data Analysis

تخضع الترقية بين المستويات في جميع المسارات لمتطلبات قسم الموارد البشرية للترقية.

المسار المهني 1من 5

هندسة الذكاء الاصطناعي AI Engineering

AI Engineer

الاعتماد

المستوى 1مهندس ذكاء اصطناعي

سنوات الخبرة

حديث تخرج

المؤهل

التناوب الوظيفي والتدريب بإشراف كامل من قائد الفريق أو المدرب الذي تم تعيينه في بعض أو كل الجدارات المطلوبة: الرؤية الحاسوبية، ومعالجة اللغات الطبيعية، والتعلم العميق، وعلوم البيانات، و ،(DevOps)والتطوير الرشيق، وامتثال الخصوصية

والأمن، وهندسة البيانات، وحوكمة البيانات.

برامج تدريبية مكثفة ومعسكرات تدريب في الجدارات المطلوبة، على سبيل المثال لا الحصر: AI01تخصص التعلم العميق.

AI02تخصص هندسة تعلم الآلة. AI03تطبيقات الذكاء الاصطناعي مع التعلم العميق من .(IBM)

الشهادات الاحترافية في الجدارات المطلوبة، على سبيل المثال لا الحصر (أو ما يعادلها): AI04شهادة مطّور (TensorFlow)المعتمد من .(Google) AI05شهادة متخصص تعلم الآلة المعتمد من .(AWS) AI06مهندس (AI)المعتمد من .(Microsoft Azure)

Senior AI Engineer

الاعتماد

المستوى 2مهندس ذكاء اصطناعي متقدم

سنوات الخبرة

2-4سنوات من الخبرة في مجال هندسة الذكاء الاصطناعي/تعلم الآلة أو تطوير البرمجيات، أو خبرة

المؤهل

تدريب أثناء العمل بإشراف من قائد الفريق أو المدرب المعين على بعض أو كل الجدارات المطلوبة: الرؤية الحاسوبية، ومعالجة اللغات الطبيعية، والتعلم العميق، وعلوم البيانات، و ،(DevOps)والتطوير الرشيق، وامتثال الخصوصية

والأمن، وهندسة البيانات، وحوكمة البيانات.

الشهادات الاحترافية في الجدارات المطلوبة، على سبيل المثال لا الحصر (أو ما يعادلها): AI07مهندس تعلم الآلة المحترف من .(Google Cloud)

AI08شهادة مهندس الذكاء الاصطناعي المحترف من .(IBM)

Principal AI Engineer

الاعتماد

المستوى 3مهندس ذكاء اصطناعي قائد

سنوات الخبرة

4-6سنوات من الخبرة في مجال هندسة الذكاء الاصطناعي/تعلم الآلة أو تطوير البرمجيات، أو خبرة

المؤهل

الهندسية.

Expert AI Engineer

الاعتماد

المستوى 4مهندس ذكاء اصطناعي خبير

سنوات الخبرة

6-8سنوات من الخبرة في مجال هندسة الذكاء الاصطناعي/تعلم الآلة أو تطوير البرمجيات، أو خبرة

المؤهل

Chief AI Engineer

الاعتماد

المستوى 5كبير مهندسي الذكاء الاصطناعي

سنوات الخبرة

8+أعوام من الخبرة في مجال هندسة الذكاء الاصطناعي/تعلم الآلة أو تطوير البرمجيات، أو خبرة

المؤهل

المسار المهني 2من 5

أبحاث الذكاء الاصطناعي AI Research

AI Researcher

الاعتماد

المستوى 1باحث ذكاء اصطناعي

سنوات الخبرة

حديث تخرج بدرجة الماجستير

المؤهل

التناوب الوظيفي والتدريب بإشراف كامل من قائد الفريق أو المدرب الذي تم تعيينه في بعض أو كل الجدارات المطلوبة: تطوير وتنفيذ حلول الذكاء الاصطناعي لمعالجة البيانات الكبيرة، وإجراء أبحاث في مجالي الذكاء الاصطناعي وعلوم البيانات.

توصية: حضور المؤتمرات الوطنية والدولية. الترشيح لمنح الدراسات العليا لحاملي درجة الماجستير.

Senior AI Researcher

الاعتماد

المستوى 2باحث ذكاء اصطناعي متقدم

سنوات الخبرة

2-4سنوات من الخبرة في مجال البحث في علوم الذكاء الاصطناعي

المؤهل

تدريب أثناء العمل بإشراف من قائد الفريق أو المدرب المعين على بعض أو كل الجدارات المطلوبة: تطوير وتنفيذ حلول الذكاء الاصطناعي لمعالجة البيانات الكبيرة، وإجراء أبحاث في مجالي الذكاء الاصطناعي وعلوم البيانات.

Principal AI Researcher

الاعتماد

المستوى 3باحث ذكاء اصطناعي قائد

سنوات الخبرة

4-6سنوات من الخبرة في مجال البحث في علوم الذكاء الاصطناعي

المؤهل

إرشاد وتدريب عدد من الموظفين. يقود من الناحية الفنية فريًقا من الباحثين في عدد من المشاريع مع تقديم تقارير إلى مدير المشروع.

الهندسية.

Expert AI Researcher

الاعتماد

المستوى 4باحث ذكاء اصطناعي خبير

سنوات الخبرة

6-8سنوات من الخبرة في مجال البحث في علوم الذكاء الاصطناعي

المؤهل

Chief AI Researcher

الاعتماد

المستوى 5كبير باحثي الذكاء الاصطناعي

سنوات الخبرة

8+أعوام من الخبرة في مجال البحث في علوم الذكاء الاصطناعي

المؤهل

—

المسار المهني 3من 5

هندسة البيانات Data Engineering

Data Engineer

الاعتماد

المستوى 1مهندس بيانات

سنوات الخبرة

حديث تخرج

المؤهل

التناوب الوظيفي والتدريب بإشراف كامل من قائد الفريق أو المدرب الذي تم تعيينه في بعض أو كل الجدارات المطلوبة: تطوير حلول الذكاء الاصطناعي، و ،(DevOps)والتطوير الرشيق، وامتثال الخصوصية والأمان، وهندسة البيانات، وحوكمة البيانات،

وتعلم الآلة.

برامج تدريبية مكثفة ومعسكرات تدريب في الجدارات المطلوبة، على سبيل المثال لا الحصر: DE01تخصص أساسيات هندسة البيانات.

DE02تخصص تحليل البيانات الضخمة الحديث باستخدام .(SQL) DE03دورة تدريبية في هندسة البيانات .(Data Camp)

الشهادات الاحترافية في الجدارات المطلوبة، على سبيل المثال لا الحصر (أو ما يعادلها): DE04مهندس بيانات معتمد من .(IBM)

DE05المتخصص المعتمد في إدارة البيانات. DE06مهندس البيانات المعتمد من .(Microsoft Azure)

Senior Data Engineer

الاعتماد

المستوى 2مهندس بيانات متقدم

سنوات الخبرة

2-4سنوات من الخبرة في مجال هندسة البيانات أو مجال ذي صلة

المؤهل

تدريب أثناء العمل بإشراف من قائد الفريق أو المدرب المعين على بعض أو كل الجدارات المطلوبة: تطوير حلول الذكاء الاصطناعي، و ،(DevOps)والتطوير الرشيق، وامتثال الخصوصية والأمان، وهندسة البيانات، وحوكمة البيانات،

وتعلم الآلة.

الشهادات الاحترافية في الجدارات المطلوبة، على سبيل المثال لا الحصر (أو ما يعادلها): DE07مهندس البيانات المحترف.

DE08شهادة تحليل البيانات للمتخصصين من .(AWS) DE09الممارس المعتمد في إدارة البيانات. DE10محترف تعلم الآلة من .(Google)

Principal Data Engineer

الاعتماد

المستوى 3مهندس بيانات قائد

سنوات الخبرة

4-6سنوات من الخبرة في مجال هندسة البيانات أو مجال ذي صلة

المؤهل

الهندسية.

Expert Data Engineer

الاعتماد

المستوى 4مهندس بيانات خبير

سنوات الخبرة

6-8سنوات من الخبرة في مجال هندسة البيانات أو مجال ذي صلة

المؤهل

Chief Data Engineer

الاعتماد

المستوى 5كبير مهندسي البيانات

سنوات الخبرة

8+أعوام من الخبرة في مجال هندسة البيانات أو مجال ذي صلة

المؤهل

المسار المهني 4من 5

علوم البيانات Data Science

Data Scientist

الاعتماد

المستوى 1عالم بيانات

سنوات الخبرة

حديث تخرج

المؤهل

التناوب الوظيفي والتدريب بإشراف كامل من قائد الفريق أو المدرب الذي تم تعيينه في بعض أو كل الجدارات المطلوبة: تعلم الآلة، وعلوم البيانات، وتطوير حلول الذكاء الاصطناعي، والتطوير الرشيق، واختبار النموذج.

برامج تدريبية مكثفة ومعسكرات تدريب في الجدارات المطلوبة، على سبيل المثال لا الحصر: DS01تخصص علم البيانات: إحصاءات وتعلم الآلة.

DS02تطبيقات علم البيانات باستخدام (Python)من جامعة ميشيغان. DS03تعلم الآلة من جامعة ستانفورد.

DS04تصور البيانات والاتصال باستخدام .(Tableau)

الشهادات الاحترافية في الجدارات المطلوبة، على سبيل المثال لا الحصر (أو ما يعادلها): DS05متخصص في علم البيانات من .(Microsoft Azure) DS06محلل بيانات باستخدام .(Microsoft Power BI) DS07شهادة الممارس المعتمد في تعلم الآلة من .(AWS)

Senior Data Scientist

الاعتماد

المستوى 2عالم بيانات متقدم

سنوات الخبرة

2-4سنوات من الخبرة في مجال علوم وتحليلات البيانات أو مجال ذي صلة

المؤهل

تدريب أثناء العمل بإشراف من قائد الفريق أو المدرب المعين على بعض أو كل الجدارات المطلوبة: تعلم الآلة، وعلوم البيانات، وتطوير حلول الذكاء الاصطناعي، والتطوير الرشيق، واختبار النموذج.

الشهادات الاحترافية في الجدارات المطلوبة، على سبيل المثال لا الحصر (أو ما يعادلها): DS08شهادة المحترف في علوم البيانات من .(IBM)

DS09شهادة المحترف في تحليلات البيانات من .(Google) DS10المهندس المحترف في تعلم الآلة.

Principal Data Scientist

الاعتماد

المستوى 3عالم بيانات قائد

سنوات الخبرة

4-6سنوات من الخبرة في مجال علوم وتحليلات البيانات أو مجال ذي صلة

المؤهل

الهندسية.

Expert Data Scientist

الاعتماد

المستوى 4عالم بيانات خبير

سنوات الخبرة

6-8سنوات من الخبرة في مجال علوم وتحليلات البيانات أو مجال ذي صلة

المؤهل

Chief Data Scientist

الاعتماد

المستوى 5كبير علماء البيانات

سنوات الخبرة

8+أعوام من الخبرة في مجال علوم وتحليلات البيانات أو مجال ذي صلة

المؤهل

المسار المهني 5من 5

تحليلات البيانات Data Analysis

Data Analyst

الاعتماد

المستوى 1محلل بيانات

سنوات الخبرة

حديث تخرج

المؤهل

التناوب الوظيفي والتدريب بإشراف كامل من قائد الفريق أو المدرب الذي تم تعيينه في بعض أو كل الجدارات المطلوبة: الفهم الإحصائي: القدرة على فهم مفاهيم الإحصاء والرياضيات الخاصة بتحليلات البيانات. البرمجة: مهارات جيدة في البرمجة، خاصة باستخدام لغات مثل (Python)أو (R)أو .(SQL)

قواعد البيانات: فهم جيد لقواعد البيانات، والقدرة على الاستعلام عن البيانات وتحليلها باستخدام .(SQL) التحليل التنبؤي: القدرة على تطبيق تقنيات التحليل التنبؤي وتطوير نماذج تنبؤية.

التصور البصري: مهارات في إنشاء رسوم بيانية ورسوم توضيحية لتبسيط البيانات وتسهيل فهمها.

برامج تدريبية مكثفة ومعسكرات تدريب في الجدارات المطلوبة، على سبيل المثال لا الحصر: .DAMA Framework DA01

الشهادات الاحترافية في الجدارات المطلوبة، على سبيل المثال لا الحصر (أو ما يعادلها): .CDMP Associate DA02

Senior Data Analyst

الاعتماد

المستوى 2محلل بيانات متقدم

سنوات الخبرة

2-4سنوات من الخبرة في مجال تحليلات البيانات باستخدام الأساليب الإحصائية والرياضية والحوسبية

المؤهل

تدريب أثناء العمل بإشراف من قائد الفريق أو المدرب المعين على بعض أو كل الجدارات المطلوبة: التفكير النقدي: القدرة على التفكير النقدي واستنتاج الأفكار الرئيسية من البيانات.

الاتصال والتواصل: مهارات جيدة في التواصل مع الفرق وشرح النتائج بطريقة يفهمها غير المتخصصين. إدارة الوقت: القدرة على إدارة الوقت بفعالية لإنجاز المهام والمشاريع في مواعيدها.

التطور التقني: معرفة بمفاهيم الذكاء الاصطناعي وتعلم الآلة لاستخدامها في تحليلات البيانات. الاستماع الفّعال: القدرة على فهم احتياجات العملاء والمستفيدين وضبط تحليلات البيانات وفًقا لها.

الشهادات الاحترافية في الجدارات المطلوبة، على سبيل المثال لا الحصر (أو ما يعادلها): .CDMP Practitioner DA03

Principal Data Analyst

الاعتماد

المستوى 3محلل بيانات قائد

سنوات الخبرة

4-6سنوات من الخبرة في مجال تحليلات البيانات باستخدام الأساليب الإحصائية والرياضية والحوسبية

المؤهل

.PMP DA05

.CDMP Practitioner DA04

.ISO 8000 DA07

.TOGAF DA06

.Lean Six Sigma Green/Black Belt DA08

Expert Data Analyst

الاعتماد

المستوى 4محلل بيانات خبير

سنوات الخبرة

6-8سنوات من الخبرة في مجال تحليلات البيانات باستخدام الأساليب الإحصائية والرياضية والحوسبية

المؤهل

Chief Data Analyst

الاعتماد

المستوى 5كبير محللي البيانات

سنوات الخبرة

8+أعوام من الخبرة في مجال تحليلات البيانات باستخدام الأساليب الإحصائية والرياضية والحوسبية

المؤهل

الملاحق 08 الملحق )ب :)السجل الرئيس لعناصر المهام والمهارات والمعارف والقدرات

الملحق )ب :)السجل الرئيس لعناصر المهام والمهارات والمعارف والقدرات

يسرد الجدول أدناه جميع عناصر المهام والمهارات والمعارف والقدرات الفريدة البالغ عددها 838عنصًًرا والمشار إليها في بطاقات المهن التخصصية، مرتبًًة حسب النوع والمعّّرف. ويبين عمود )التكرار( عدد البطاقات التي يظهر فيها العنصر، فالعنصر الذي يتجاوز تكراره واحًًدا ُُيعد مشترًًكا، أما العنصر الذي يساوي تكراره واحًًدا فُُيعد فريًًدا لمهنة تخصصية واحدة. ويسجل عمود )المستوى( تصنيف تعقيد العنصر الواحد المستخدم في جميع البطاقات. وُُتطبق عناصر الحد الأدنى العام،

ذات البادئة AP والواردة في القسم ،5على جميع المختصين، ولذلك �تدُار بصورة منفصلة عن هذا السجل.

المستوى L3 L2 L3

L3 L2 L3 L3

L3 L3 L3 L3

التكرار 7 3 11

5 2 3 2

5 5 2 3

وصف العنصر

تطوير السياسات والمعايير والإجراءات والإرشادات المتوافقة مع متطلبات حوكمة البيانات والذكاء الاصطناعي المعمول بها

والمحافظة عليها

التنسيق مع أصحاب المصلحة من مختلف الوظائف لمواءمة المتطلبات والأولويات والقرارات وخطط التنفيذ.

تقييم الأدوات والمنصات والنماذج والموّّردين وبدائل الحلول وفق المعايير الوظيفية والتقنية ومعايير المخاطر والتكلفة

والحوكمة.

تقييم تراخيص النماذج ومجموعات البيانات والرموز البرمجية والأوامر المفتوحة المصدر أو الأوزان أو المملوكة أو المقدمة من أطراف خارجية، والتحقق من منشئها وقيود الملكية الفكرية ومتطلبات الإسناد وشروط الاستخدام المقبول قبل اعتمادها أو

نشرها.

تقديم التدريب والتوعية والدعم الاستشاري لتعزيز تبني ممارسات حوكمة البيانات والذكاء الاصطناعي.

مراجعة حلول البيانات والذكاء الاصطناعي للتحقق من امتثالها لمتطلبات الحوكمة والأمن والخصوصية والجودة والاستخدام

المس ؤول.

إنشاء مجموعات بيانات اصطناعية أو معززة أو مجهولة الهوية أو محافظة على الخصوصية والتحقق منها وتوثيقها عندما تكون البيانات الفعلية محدودة أو حساسة أو غير متوازنة أو غير آمنة

للاستخدام

إدارة مخاطر سلسلة إمداد الذكاء الاصطناعي المرتبطة بمجموعات البيانات وأصول النماذج والحزم والإضافات وواجهات برمجة التطبيقات والأوامر وأصول التقييم وصور البنية التحتية

وخدمات الأطراف الخارجية.

التخطيط للإيقاف أو التراجع أو الاستبدال أو الخروج من الخدمة بصورة منضبطة لنماذج الذكاء الاصطناعي ومنتجات البيانات

وخدمات القرار والخصائص والأصول المرتبطة بها.

تصميم وحوكمة مسارات تسمية بيانات تدريب الذكاء الاصطناعي والتحقق منها وتقييمها، وتوصيفها، وإنشاء الحقيقة الأساسية،

والتحكيم، ومراقبة الجودة

تصميم الرسوم البيانية المعرفية والأنطولوجيات وأساليب مطابقة الكيانات ونهج التوليد المعزز بالاسترجاع الشبكي ) )GraphRAG واستخدامها لتحسين الاسترجاع والاستدلال

والاستناد إلى السياق وقابلية التفسير

المعّّرف T-018 T-019 T-020

T-021 T-022 T-023 T-024

T-025 T-026 T-027 T-028

المستوى L3

L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L2 L2

التكرار 2

3 4 8 5 6 5 4 3 2 1 1 8 2

وصف العنصر

تقييم أو تطبيق نهج الذكاء الاصطناعي والتحليلات المحافظة على الخصوصية، مثل التعلم المتحد والخصوصية التباينية والتجميع الآمن والحوسبة السرية والتحليل في غرف البيانات

النظيفة.

بناء أطر التقييم وحزم الاختبارات المرجعية واختبارات الانحدار ومعايير التقدير وبوابات الإطلاق والمحافظة عليها لتقييم سلوك أنظمة الذكاء الاصطناعي والنماذج اللغوية الكبيرة عند

تغير النماذج أو الأوامر أو البيانات أو الأدوات

تكوين بيئات التشغيل المعزولة للوكلاء، وقوائم الأدوات المصرح بها، وضوابط الهوية والوصول، وحدود الذاكرة ومعدل الاستخدام

والتنفيذ، وآليات المراقبة والإيقاف الفوري التشغيلي.

تحديد مؤشرات الأداء الرئيسية والمقاييس الخاصة بالمجال وتحليلها ومراقبتها

تصميم الأوامر والتفاعلات وحالات التقييم متعددة الصيغ وتقييمها عبر مدخلات النصوص والصور والصوت والفيديو

والجداول والبيانات الجغرافية المكانية أو المهيكلة

تصميم ضوابط الحماية للنماذج اللغوية الكبيرة واختبارها ومراقبتها، بما يشمل فحوصات الاستناد والتحقق من المخرجات ومرشحات المحتوى وضوابط السياسات وقيود استخدام الأدوات

في أنظمة الذكاء الاصطناعي التوليدي.

تقييم مخرجات النماذج والتحليلات باستخدام المقاييس وأساليب التحقق الملائمة، وفحص الافتراضات، وتحليل الأخطاء، وإجراء

الاختبارات المباشرة عند الاقتضاء

تخطيط وتنفيذ نمذجة التهديدات للذكاء الاصطناعي والنماذج اللغوية الكبيرة، وتحليل حالات إساءة الاستخدام، والاختبارات

الهجومية، وتمارين الفرق الحمراء، ومتابعة المعالجة

إعداد التصورات ولوحات المعلومات والتقارير والسرد القصصي للبيانات بما يوضح النتائج بجلاء

تطوير أو تقييم نماذج التخصيص والتوصية والترتيب والمطابقة واتخاذ القرار باستخدام المقاييس والتجارب وضوابط حلقات

التغذية الراجعة ووسائل الحماية المناسبة.

تقدير الأثر البيئي لأحمال عمل الذكاء الاصطناعي ومراقبته وإعداد التقارير عنه وتحسينه عبر مراحل إعداد البيانات والتدريب

والضبط الدقيق والنشر والاستنتاج والتخزين والإيقاف.

إدارة العمليات المالية للذكاء الاصطناعي ) ،)AI FinOps بما يشمل اختيار النماذج وتوجيهها والتخزين المؤقت والمعالجة الحزمية واستخدام الوحدات وسعة وحدات معالجة الرسومات أو

المسّّرعات والتأخير والاعتمادية وتكلفة الاستنتاج مراقبة أنظمة الذكاء الاصطناعي في بيئة الإنتاج لرصد انحراف البيانات وانجراف المفهوم وتراجع الأداء والحوادث والاستخدام

والاعتمادية.

تطبيق قواعد التحكم في الوصول والموافقة والتدقيق والحد الأدنى من الصلاحيات على مجموعات البيانات والأوامر والتضمينات ومخازن المتجهات ونقاط نهاية النماذج والأدوات

ووكلاء الذكاء الاصطناعي

المعّّرف T-029

T-030 T-031 T-032 T-033 T-034 T-035 T-036 T-037 T-038 T-039 T-040 T-041 T-042

المستوى L3 L4

L3

L3 L3

L3

L3 L3 L3 L2 L3 L3 L3

L3 L3 L3 L3

التكرار 2 1

12 2

2 2 4 2 8 8 7

1 6 2 2

وصف العنصر

تقييم مستوى النضج الحالي والفجوات والمخاطر وفرص تحسين قدرات البيانات والذكاء الاصطناعي

قيادة مجالس الحوكمة واللجان التوجيهية ومجالس المراجعة والمنتديات وفرق العمل المشتركة بين الوظائف أو دعمها.

تطبيق ضوابط الخصوصية والإنصاف وقابلية التفسير والذكاء الاصطناعي المسؤول على امتداد دورة حياة النماذج والتحليلات، بما يتوافق مع نظام حماية البيانات الشخصية ومبادئ سدايا

لأخلاقيات الذكاء الاصطناعي.

التعاون مع فرق البيانات والذكاء الاصطناعي والهندسة والمنتجات والأعمال والمجالات لتشغيل النماذج والرؤى

ومخرجات دعم القرار أو حلول الذكاء الاصطناعي

إعداد خرائط طريق مرتبة الأولويات وخطط تنفيذ ومبادرات تحسين لقدرات البيانات والذكاء الاصطناعي.

توثيق معماريات الذكاء الاصطناعي وسلوك النماذج ومسارات العمل التحليلية والقيود والإجراءات التشغيلية وأدلة النماذج أو الأنظمة أو التحليلات في مخرجات عمل قابلة لإعادة الإنتاج

وخاضعة لإدارة الإصدارات.

تحسين نماذج الذكاء الاصطناعي وخدمات الاستنتاج من حيث الدقة والتأخير ومعدل الإنتاجية والتكلفة وكفاءة الموارد.

إعداد التقارير الاستشارية والإحاطات التنفيذية وتوصيات التنفيذ لصناع القرار.

بناء واجهات برمجة التطبيقات وخدمات الواجهة الخلفية التي تتيح استنتاج نماذج الذكاء الاصطناعي للتطبيقات والمنصات.

إيصال النتائج والافتراضات والقيود والتوصيات إلى أصحاب المصلحة

نشر نماذج الذكاء الاصطناعي وخدمات الاستنتاج باستخدام الحاويات وأدوات التنسيق والخدمات السحابية أو البنية التحتية

لخدمة النماذج

تصميم نماذج ومكونات الذكاء الاصطناعي وتعلم الآلة أو تطويرها أو تكييفها أو تقييمها لحالات استخدام محددة

المعّّرف T-043 T-044

T-045

T-047 T-048

T-049

T-051 T-052 T-053 T-054 T-055 T-056

تطوير مسارات معالجة سابقة للبيانات وهندسة الخصائص ومدخلات النماذج المستخدمة في نماذج الذكاء الاصطناعي

والتحليلات

استنباط متطلبات الأعمال والمستخدمين والمتطلبات التنظيمية والتقنية وترجمتها إلى مخرجات عمل قابلة للتنفيذ في البيانات

تنفيذ مسارات عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة لتتبع التجارب وإدارة الإصدارات والاختبار والنشر والإطلاق.

إجراء تحليل استكشافي للبيانات لتحديد الأنماط والعوامل المؤثرة والقيم الشاذة والعلاقات

المحافظة على تتبع أصل البيانات وقابلية تتبعها عبر الأنظمة المصدرية والتحويلات ومسارات المعالجة ونقاط الاستهلاك

T-058

T-059 T-061 T-062 T-065

المستوى L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3

التكرار 14 5 1 2 1 4 6 1 1 1 1 1 2 1 1 3 1 1 1

وصف العنصر

ترجمة مشكلات الأعمال أو السياسات أو المنتجات أو البحوث أو التشغيل إلى أسئلة تحليلية قابلة للقياس أو تصاميم قابلة

للتنفيذ لحلول الذكاء الاصطناعي

تنظيف البيانات وتنميطها وتحويلها وإعدادها للتحليل والنمذجة وإعداد التقارير.

تحديد المقاييس ومؤشرات الأداء الرئيسية ومؤشرات المتابعة وقياسها لمراقبة القيمة والجودة والمخاطر والتبني.

تصميم الأساليب الإحصائية وأساليب تعلم الآلة والتعلم العميق والذكاء الاصطناعي التوليدي أو تطويرها أو تكييفها أو تقييمها.

تطبيق ضوابط أمن تطبيقات الذكاء الاصطناعي، بما يشمل التحكم في الوصول والتسجيل والتحقق من المدخلات وضمانات

الخصوصية.

تنفيذ مسارات التوليد المعزز بالاسترجاع باستخدام التضمينات ومخازن المتجهات ومسارات الاسترجاع

دمج حلول الذكاء الاصطناعي مع تطبيقات المؤسسة ومنصات البيانات ومسارات عمل الأعمال والخدمات السحابية

مراقبة تطور التقنية والمستجدات التنظيمية ومعلومات السوق للمحافظة على حداثة المشورة المقدمة للعملاء

تقديم المشورة إلى العملاء بشأن تحديد حالات استخدام الذكاء الاصطناعي وتقييم جدواها وترتيب أولوياتها والتخطيط لتحقيق

القيمة منها.

تقديم المشورة إلى فرق الهندسة والتطوير بشأن معايير نمذجة البيانات وقرارات التصميم أثناء المشاريع

تحليل بيانات استخدام منتجات الذكاء الاصطناعي ونتائج أداء النماذج وملاحظات المستخدمين لدعم قرارات تحسين المنتجات.

تحليل هياكل بيانات الأنظمة المصدرية لفهم خصائصها وعلاقاتها عند تصميم النموذج المستهدف.

تطبيق معالجة اللغات الطبيعية أو التنبؤ أو التجميع أو التصنيف أو الانحدار أو غيرها من الأساليب التحليلية عند ملاءمتها.

تصميم حلول معمارية لمنصات البيانات السحابية، بما يشمل بحيرات البيانات ومستودعات البيانات ومستودعات بحيرات

البيانات

تقييم مدى ملاءمة أنماط معمارية البيانات الناشئة وخدمات البيانات السحابية للمؤسسة

تقييم عدم اليقين والتحيز وقيود العينات ومخاطر جودة البيانات المؤثرة في صلاحية النماذج أو التحليلات.

بناء مسارات بيانات معالجة اللغات الطبيعية والمحافظة عليها لاستيعاب النصوص ومعالجة سابقة وتقسيمها إلى وحدات

وتوحيدها وتوصيفها.

بناء نماذج البيانات والطبقات الدلالية والنماذج الُُبعدية وتحسينها لدعم تقارير ذكاء الأعمال المتسقة وعالية الأداء.

بناء مسارات مؤتمتة لإعادة تدريب النماذج ُُتفّّعل عند تراجع الأداء أو حدوث الانجراف أو وفق جداول زمنية محددة.

المعّّرف T-066 T-068 T-070 T-072 T-073 T-074 T-075 T-078 T-082 T-084 T-086 T-088 T-090 T-092 T-096 T-098 T-101 T-102 T-104

المستوى L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3

L3

التكرار 1 1 2 1 1 1 1 1 1 1 1 1 3

1 1 1 1 1

وصف العنصر

التعاون مع علماء البيانات ومهندسي الذكاء الاصطناعي ومهندسي البيانات لتحديد نطاق تطوير نماذج الذكاء الاصطناعي

ودمجها وتنفيذ ذلك

جمع مجموعات بيانات الصور والفيديو وإعدادها وتوصيفها والتحقق منها وإدارة إصداراتها لتطوير نماذج رؤية الحاسب.

إجراء التحليل الإحصائي واختبار الفرضيات والاستنتاج الإحصائي لاستخلاص النتائج من البيانات وقياسها كم�ياً.

تحديد الأنماط المعمارية والمعماريات المرجعية وقوالب التصميم لضمان اتساق تقديم حلول البيانات

تصميم تطبيقات الذكاء الاصطناعي التوليدي وبناؤها باستخدام النماذج اللغوية الكبيرة والنماذج متعددة الصيغ ونماذج الانتشار.

تصميم أنظمة معالجة اللغات الطبيعية وتطويرها لتصنيف النصوص والتعرف على الكيانات المسماة وتحليل المشاعر

واستخراج المعلومات.

تصميم نماذج رؤية الحاسب وتطويرها لتصنيف الصور واكتشاف الأشياء والتجزئة وتحليل الفيديو

تصميم هياكل تخزين بحيرات البيانات ومستودعات البيانات ومستودعات بحيرات البيانات وتنفيذها مع تحسينها من حيث

الأداء

تصميم مسارات متكاملة لعمليات تعلم الآلة وتنفيذها بما يغطي التدريب والتقييم والتحقق والنشر والمراقبة.

تصميم بنية تحتية قابلة للتوسع لتدريب نماذج تعلم الآلة ومسارات التدريب الموزع وإدارة موارد الحوسبة وتنفيذها.

تصميم مسارات عمل بيانات قابلة للتوسع وبناؤها والمحافظة عليها لاستيعاب البيانات وتحويلها وتسليمها إلى المستفيدين

تصميم تقارير ذكاء الأعمال ولوحات المعلومات وحلول تحليلات الخدمة الذاتية للمؤسسة وتطويرها والمحافظة عليها

تطوير مسارات عمل مدعومة بالنماذج اللغوية الكبيرة باستخدام الأوامر والمخرجات المهيكلة والأدوات واستدعاء الوظائف

والاسترجاع وتنسيق مسارات العمل

تطوير أتمتة التكامل والتسليم المستمرين والمحافظة عليها لبناء نماذج تعلم الآلة ونشر مسارات العمل باستخدام عمليات

خاضعة لإدارة الإصدارات.

تطوير ممارسات عمليات البيانات والمحافظة عليها، بما يشمل إدارة الإصدارات والاختبارات المؤتمتة والتكامل والتسليم

المستمرين لمسارات العمل.

تطوير مسارات عمل للمعالجة الحزمية ومعالجة البيانات المتدفقة والمحافظة عليها باستخدام أطر المعالجة الموزعة

المعّّرف T-106 T-107 T-112 T-117 T-121 T-123 T-124 T-127 T-129 T-130 T-133 T-134 T-136

T-138

T-139 T-140

تطوير مسارات معالجة سابقة للبيانات وتعزيزها وهندسة الخصائص ومدخلات النماذج لنماذج رؤية الحاسب.

تطوير نماذج بيانات ُُبعدية للمنصات التحليلية، بما يشمل تصميمات مخطط النجمة ومخطط ندفة الثلج.

تطوير متطلبات المنتجات ومواصفات سلوك النماذج وقصص المستخدمين ومعايير القبول لخصائص الذكاء الاصطناعي

T-142 T-143 T-144

المستوى L3 L3 L3 L3

L3 L2 L3 L2 L3 L3 L2 L3 L3 L3 L3 L2 L3 L3 L3 L3

التكرار 1 1 3 1

1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1

وصف العنصر

ضمان موثوقية مسارات عمل البيانات من خلال معالجة الأخطاء ونقاط الحفظ ومنطق إعادة المحاولة ومراقبة الإخفاقات.

ضبط النماذج اللغوية المدربة مسبًً قا ضبًطًا دقيًً قا لمهام معالجة اللغات الطبيعية الخاصة بالمجال باستخدام نهج تعلم منقول.

تحديد مجموعات البيانات المهيكلة وغير المهيكلة اللازمة لهدف التحليل أو النموذج والحصول عليها ودمجها.

تطبيق ممارسات عمليات النماذج اللغوية الكبيرة، بما يشمل إدارة إصدارات الأوامر وتحديثات النماذج وتقييم المخرجات

ومسارات التقييم.

تنفيذ قدرات رؤية الحاسب، بما يشمل تتبع الأشياء وتقدير الوضعية والتعرف الضوئي على الحروف وفهم المشاهد

واكتشاف الشذوذ

تنفيذ فحوصات جودة البيانات وضوابط التحقق ضمن مسارات العمل لاكتشاف الشذوذ ومعالجتها

تنفيذ ضوابط أمن البيانات داخل المنصات، بما يشمل التشفير والتحكم في الوصول وإخفاء البيانات

تنفيذ مراقبة النماذج، بما يشمل اكتشاف الانجراف وتتبع الأداء وإعداد التنبيهات لأنظمة الإنتاج.

تنفيذ بنية تحتية لخدمة النماذج تتيح الاستنتاج المباشر منخفض التأخير وعالي الإنتاجية والتنبؤ بالمعالجة الحزمية.

تفسير مخرجات النماذج والنتائج التحليلية لاستخلاص رؤى قابلة للتنفيذ

المحافظة على حوكمة منصة ذكاء الأعمال، بما يشمل إدارة إصدارات التقارير وصلاحيات الوصول ودورة الحياة واعتماد

المحتوى.

المحافظة على البنية التحتية لمنصة عمليات تعلم الآلة، بما يشمل نظم التنسيق وخدمة النماذج ومنصات المراقبة.

المحافظة على البنية التحتية لنماذج معالجة اللغات الطبيعية ومساراتها، بما يشمل عمليات إعادة التدريب وإدارة الإصدارات

المحافظة على البنية التحتية للبيانات وتحسينها، بما يشمل التخزين السحابي ومجموعات الحوسبة وتهيئات المنصات.

المحافظة على وثائق نماذج بيانات ذكاء الأعمال ومنطق الحساب وتعريفات المقاييس ومعمارية الحلول.

المحافظة على مستودع نماذج بيانات المؤسسة وضمان حداثة النماذج وتوثيقها وإمكانية الوصول إليها.

تحسين نماذج رؤية الحاسب من حيث التأخير ومعدل الإنتاجية والذاكرة والدقة والتكلفة وقيود الموارد.

دعم وحدات الأعمال في تحديد المتطلبات التحليلية وتسلسلات المقاييس وهياكل إعداد التقارير.

تقديم المشورة إلى فرق تطوير الذكاء الاصطناعي بشأن ضوابط المخاطر والتصميم المتناسب معها وممارسات النشر الآمن.

تقديم المشورة إلى فرق منتجات الذكاء الاصطناعي والهندسة بشأن متطلبات الحوكمة في مرحلة التصميم لترسيخ الذكاء

الاصطناعي المسؤول منذ البداية

المعّّرف T-152 T-156 T-163

T-165

T-168

T-169 T-170 T-172 T-173 T-175

T-180

T-181 T-182 T-185 T-188 T-192 T-199 T-203 T-206

T-207

المستوى L3 L3 L3 L3 L3

L3 L3 L3 L3 L3 L3 L3

L3 L4 L3 L4 L4 L4

1 1 2 1 1 1

وصف العنصر

تقديم المشورة إلى العملاء بشأن خيارات معمارية الذكاء الاصطناعي واختيار نماذج الأساس وتقييم المنصات وقرارات

البناء أو الشراء

تطبيق تقنيات نمذجة خزنة البيانات لتصميم طبقات في مستودع بيانات المؤسسة قابلة للتوسع والتدقيق.

تقييم مخاطر نماذج الذكاء الاصطناعي، بما يشمل أنماط الفشل وتراجع الأداء وتغير التوزيع وقابلية التأثر بالهجمات العدائية

تقييم تعرض العميل لمخاطر الذكاء الاصطناعي ونضج إدارة مخاطر النماذج وجاهزية الامتثال التنظيمي للنظم عالية المخاطر.

تقييم تقنيات الاستشعار والرؤية والذكاء الاصطناعي الطرفي والذكاء الاصطناعي متعدد الصيغ والتصوير الناشئة لاستخدامها

في حالات المؤسسة

تقييم الآثار المتعلقة بالمخاطر عند نشر الذكاء الاصطناعي التوليدي وتبني نماذج الأساس وتنفيذ الذكاء الاصطناعي

الوكيلي

تقييم متطلبات معمارية أمن نظم الذكاء الاصطناعي، بما يشمل حماية النماذج وأمن واجهات برمجة التطبيقات

التعاون مع فرق هندسة الذكاء الاصطناعي التطبيقي لنقل نتائج البحوث إلى نظم وتطبيقات الإنتاج.

التعاون مع معماريي المؤسسة والأمن والبيانات لضمان توافق حلول الذكاء الاصطناعي مع معايير المؤسسة

التعاون مع الرئيس التنفيذي للبيانات والرئيس التنفيذي للتقنية لمواءمة أولويات المؤسسة في الذكاء الاصطناعي والبيانات

والتقنية والأعمال

إجراء مراجعات معمارية لتصاميم حلول الذكاء الاصطناعي لتقييم جدواها وقابليتها للتوسع وامتثالها

إجراء تقييمات للذكاء الاصطناعي المسؤول، بما يشمل تقييم الإنصاف واكتشاف التحيز ومراجعة قابلية التفسير وتقييم

الشفافية.

تصميم أطر حوكمة الذكاء الاصطناعي وسياسات الذكاء الاصطناعي المسؤول وضوابط إدارة مخاطر النماذج للجهات

ا لمستفيد ة .

تصميم معماريات منصات الذكاء الاصطناعي للنشر المؤسسي، بما يشمل البنية التحتية للتدريب وطبقات خدمة النماذج

تصميم التجارب واختبارات أ/ب والتجارب شبه التجريبية أو التحليلات السببية وتحليلها.

تصميم نماذج البيانات المفاهيمية والمنطقية والمادية وتطويرها لمجالات بيانات المؤسسة ومنصاتها التحليلية

تصميم معمارية بيانات المؤسسة وحوكمتها، بما يشمل نماذج البيانات ومعمارية المنصات وأنماط التكامل.

تصميم بطاقات قياس الأداء المؤسسية ولوحات المعلومات التنفيذية وتنفيذها لمراقبة الأداء الاستراتيجي

المعّّرف T-208 T-217 T-218 T-219 T-220

T-221 T-222 T-224 T-225 T-226 T-227 T-232

T-233 T-234 T-235 T-236 T-237 T-239

المستوى L4

L3 L3 L3 L4 L3 L3 L3 L3 L2 L2

L3

L3 L3 L4 L4

L3

L3 L3 L3

التكرار 1

1 1 1 1

1 1 1

وصف العنصر

تصميم معماريات تكامل البيانات، بما يشمل الأنماط القائمة على الأحداث وواجهات برمجة التطبيقات وعمليات الاستخراج

والتحويل والتحميل ) )ETL/ELT لتدفقات بيانات المؤسسة

تصميم معماريات متكاملة لحلول الذكاء الاصطناعي تجمع مكونات البيانات والنماذج والبنية التحتية والتطبيقات.

إعداد وثائق معمارية حلول الذكاء الاصطناعي، بما يشمل مخططات المكونات وتدفقات البيانات والمواصفات.

تطوير معماريات ذاكرة الوكلاء، بما يشمل الذاكرة العاملة واسترجاع المعرفة طويلة المدى واستمرارية الجلسات

تطوير المخطط العام لمعمارية بيانات المؤسسة والمحافظة عليه بما يتوافق مع الاستراتيجية وخارطة الطريق التقنية والحوكمة

تقييم قدرات الذكاء الاصطناعي والذكاء الاصطناعي التوليدي الناشئة ومدى ملاءمتها لعروض المنتجات الحالية والمستقبلية.

تقييم تعرض نظم الذكاء الاصطناعي في المؤسسة للمخاطر التنظيمية في ضوء المتطلبات الوطنية والالتزامات القطاعية

تنفيذ معماريات تنسيق متعددة الوكلاء تتيح للوكلاء المتخصصين التعاون والتفويض والتواصل

متابعة تطور قدرات منصات الذكاء الاصطناعي والخدمات السحابية للاستفادة منها في تطوير المعمارية

مراقبة سلامة منصة تعلم الآلة، بما يشمل تنفيذ التدريب وأداء خدمة النماذج وحداثة مسارات الخصائص.

مراقبة سلامة مسارات عمل البيانات والاستجابة لتنبيهات الجودة والإخفاقات وتراجع الأداء.

مراقبة نماذج رؤية الحاسب لرصد أنماط الفشل في المجال البصري، مثل انحراف الكاميرا وتغير الإضاءة والحجب والضبابية

وتغير زاوية الرؤية وتراجع جودة الصور.

تحسين تصميمات نماذج البيانات المادية من حيث أداء الاستعلام وكفاءة التخزين وقابلية التوسع

توفير الإشراف الاستشاري وضمان الجودة على تسليم برنامج الذكاء الاصطناعي للعميل عبر مسارات العمل الرئيسية.

مراجعة الانحرافات المقترحة عن معايير وأنماط معمارية الذكاء الاصطناعي في المؤسسة واعتمادها.

مراجعة الانحرافات المقترحة عن معايير معمارية بيانات المؤسسة واعتمادها.

دعم عمليات شراء نظم الذكاء الاصطناعي وتقييم مخاطر موّّردي النظم والمنتجات المدعومة بالذكاء الاصطناعي من

الأطراف الخارجية.

دعم فرق التحليلات والذكاء الاصطناعي من خلال تصميم مسارات الخصائص والبنية التحتية لتسليم بيانات التدريب

دعم نمذجة البيانات بتنفيذ النماذج المادية وتقسيم البيانات وتحسين التخزين

دعم شراء منصات البيانات وتقييم الموّّردين من خلال تقييم مستند إلى المعمارية.

المعّّرف T-240

T-241 T-242 T-243 T-245 T-250 T-251 T-253 T-256 T-258 T-259

T-260

T-262 T-264 T-269 T-270

T-275

T-276 T-278 T-279

المستوى L3 L3 L3 L3 L3 L3 L3 L3 L4 L4 L3 L3 L3 L4

L3 L3 L3 L3 L4

التكرار 4 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 1

وصف العنصر

استكشاف مشكلات نظم الذكاء الاصطناعي وإصلاحها عبر البيانات والرموز البرمجية وسلوك النماذج وواجهات برمجة

التطبيقات والبنية التحتية والتبعيات وبيئات النشر

المساهمة في تحديد تقبل المؤسسة لمخاطر الذكاء الاصطناعي وأطر تحملها عند اتخاذ القرارات المتعلقة به.

المساهمة في طلبات المنح ومقترحات تمويل البحوث وطلبات المشاركة في المبادرات البحثية الوطنية

تنسيق أنشطة معالجة مخاطر الذكاء الاصطناعي مع فرق الهندسة والمنتجات والشؤون القانونية والحوكمة.

تنسيق إجراءات التراجع عن النماذج واستراتيجيات الإطلاق المرحلي والاستجابة لحوادث إخفاق نظم تعلم الآلة.

تحديد أنماط معمارية حلول الذكاء الاصطناعي والمعماريات المرجعية وقوالب التصميم لضمان اتساق التسليم

تحديد إرشادات سياسة استخدام الذكاء الاصطناعي ومعايير الاستخدام المقبول وفئات التطبيقات المحظورة.

تحديد إطار تجارب منتجات الذكاء الاصطناعي وحوكمته، بما يشمل بروتوكولات اختبار أ/ب ومعايير إطلاق النماذج

تحديد رؤية المنتجات والخصائص المدعومة بالذكاء الاصطناعي واستراتيجيتها وخارطة طريقها القائمة على النتائج والمحافظة

عليها .

توجيه تسليم حلول الذكاء الاصطناعي ونشرها وتشغيلها عبر وحدات الأعمال والبيئات التقنية

توثيق معمارية الأنظمة الوكيلية ومواصفات الوصول إلى الأدوات وضوابط السلامة والحدود التشغيلية.

توثيق معمارية مسارات عمل البيانات وتدفقاتها ومنطق التحويل وعقود البيانات لأغراض الحوكمة

التفاعل مع مجتمعات أبحاث الذكاء الاصطناعي الوطنية والدولية من خلال الشراكات والتعاون البحثي المفتوح.

ضمان مواءمة محفظة استثمارات الذكاء الاصطناعي مع استراتيجية المؤسسة وميزانيتها وتقبلها للمخاطر وقدراتها

والقيمة المتوقعة

ضمان امتثال نظم الذكاء الاصطناعي للأنظمة المنطبقة والإرشادات الوطنية للذكاء الاصطناعي والمعايير والمتطلبات

الأخلاقية

ضمان امتثال حلول ذكاء الأعمال لمعايير حوكمة بيانات المؤسسة وتعريفات المقاييس ومتطلبات التصنيف

ضمان امتثال معمارية البيانات لمتطلبات الحوكمة والتصنيف والخصوصية والأمن

إنشاء عمليات مراجعة حوكمة الذكاء الاصطناعي وتشغيلها لقرارات تطوير نظمه وشرائها ونشرها

إنشاء برامج مؤسسية لمحو الأمية في الذكاء الاصطناعي وترسيخ ممارسات الذكاء الاصطناعي المسؤول على مستوى

المؤسسة

المعّّرف T-290 T-291 T-292 T-294 T-295 T-296 T-297 T-298 T-300 T-302 T-303 T-304 T-307 T-309

T-310 T-311 T-312 T-314 T-315

المستوى L3 L4 L3 L4

L4

L4 L4 L3 L3

L3 L2 L3 L3 L3 L4

L4 L4

التكرار 1 1 1 1

1 1 1 1

1 1 10 5 5 1

1 1

وصف العنصر

دمج نظم رؤية الحاسب مع الكاميرات والمستشعرات والأجهزة الطرفية وتطبيقات المؤسسة ومنصات البيانات.

قيادة مشاركة المؤسسة في تطوير الاستراتيجية الوطنية للذكاء الاصطناعي والمنتديات التنظيمية وشراكات المنظومة

والمبادرات الوطنية.

إدارة حوادث حوكمة الذكاء الاصطناعي، بما يشمل انتهاكات الإنصاف والشفافية وحالات عدم الامتثال للسياسات.

إدارة فريق قيادة الذكاء الاصطناعي وتطويره، وتنمية قدرات المؤسسة في الذكاء الاصطناعي عبر البحث والهندسة والمخاطر

والمنتجات والعمليات.

الإشراف على إدارة حوادث الذكاء الاصطناعي ومراجعة مخاطر النماذج واستجابة المؤسسة لحوادث الذكاء الاصطناعي

وإخفاقات النماذج والمسائل التنظيمية.

الإشراف على متطلبات الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية وقابلية التفسير وضوابط السلامة

لخصائص منتجات الذكاء الاصطناعي

الإشراف على تحديد حالات استخدام الذكاء الاصطناعي وأولويات الاستثمار وترتيبها، وتطوير دراسات الجدوى، وتحقيق القيمة.

دعم مشتريات الذكاء الاصطناعي وتقييم الموّّردين بمتطلبات مستندة إلى المعمارية ومعايير تقييم مناسبة

دعم مراجعات مشتريات الذكاء الاصطناعي بتقييم آثار الحوكمة المترتبة على نظم الذكاء الاصطناعي المقدمة من أطراف

خارجية

دعم العملاء في تصميم برامج داخلية لبناء قدرات الذكاء الاصطناعي وخطط تطوير المهارات واستراتيجيات مواهب الذكاء

الاصطناعي

دعم حوكمة البيانات بتحديد البيانات الوصفية للعناصر وقواعد الأعمال وقيود المجال في النماذج

تقييم أداء أنظمة الذكاء الاصطناعي باستخدام مقاييس الاختبار غير المباشر والاختبار المباشر والمراجعة البشرية واختبارات أ/ب

أو النشر الظلي.

هندسة الخصائص والتسميات والمتغيرات التحليلية للنماذج واختيارها وتقييمها.

تطوير مسارات تحليلية ورموز برمجية ووثائق وأصول قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات

المعّّرف T-319 T-323 T-324 T-325

T-329

T-334 T-335 T-339 T-340

T-341 T-342 T-344 T-345 T-346

T-351إعداد الاستراتيجيات والمستهدفات والمؤشرات الخاصة بإدارة البيانات المؤسسية

مراجعة أطر السياسات والمعاير الخاصة بالبيانات بعد مراجعتها وتقديم التوصيات حيالها لضمان الجودة والحوكمة والامتثال

المؤسسي

الإشراف على فرق البيانات ومخرجات الإدارة وضمان تنفيذها وفق الخطة المعتمدة

T-352 T-353

المستوى L4 L4 L4 L2 L3 L3 L3 L3 L3 L4

L3

L3

L3

L3 L3 L3

L3 L3

التكرار 1 1 1 1 1 1 1 1 1 1

1 1 1

1 1

وصف العنصر

إدارة الأعمال الدورية والمشاريع الاستراتيجية والتشغيلية الخاصة بالبيانات

المعّّرف T-354

مراجعة استراتيجيات ومستهدفات وأعمال الإدارة وضمان تطبيقها للسياسات والأنظمة الخاصة بالبيانات

تمكين الثقافة المؤسسية القائمة على البيانات من خلال رفع الوعي وتعزيز سبل اتخاذ القرارات المبنية على البيانات

الدعم في الأعمال التنفيذية الخاصة باللجان الإشرافية

T-355

T-356 T-357

تقديم المشورة بشأن استراتيجيات البيانات ومستهدفاتها، ومؤشرات الأداء والمخرجات ذات العلاقة لدى الجهة.

تقديم المشورة بشأن مخاطر البيانات والخصوصية والتصنيف والمشاركة

تقديم التوصيات المبنية على أفضل الممارسات المحلية والعالمية، وتقييم مستوى نضج إدارة البيانات لدى الجهة

مراجعة وتقييم سياسات إدارة البيانات وحوكمتها، وتقديم التوصيات اللازمة لتحسينها.

تقييم الوضع الراهن لمجالات البيانات لدى الجهة، وتحليل الفجوات، وتقديم التوصيات لمعالجتها

إعداد وتحديث مبادرة تحقيق الإيرادات من البيانات وربطها باستراتيجية البيانات والجهة وأهدافها المالية والخدمية، وتحديد

المستهدفات ومؤشرات الأداء وخارطة الطريق.

تحديد مجالات تحقيق القيمة والعائد من البيانات وترتيب أولوياتها وفق أهداف الجهة والطلب المتوقع والجدوى وإمكانية

التنفيذ.

المساهمة في وضع إطار حوكمة تحقيق الإيرادات من البيانات، وتحديد الأدوار والصلاحيات ومسارات الاعتماد وآليات متابعة

التنفيذ والتصعيد.

حصر مجموعات البيانات وواجهات البيانات والمنتجات التحليلية والخدمات الرقمية القابلة للاستثمار، وتوثيق مالكيها

واستخداماتها وتصنيفها حسب القيمة المتوقعة.

تقييم جاهزية أصول البيانات للاستثمار على سبيل المثال الجودة والاكتمال والحداثة والتوثيق والتصنيف وحقوق الاستخدام

وسهولة الإتاحة والجاهزية التقنية.

تحليل احتياجات السوق والفئات المستفيدة والمنافسين والبدائل المتاحة، وتحديد الفرص الواعدة والطلب المتوقع عليها.

بناء وتقييم حالات استخدام للفرص المقترحة، وتحديد الفئات المستفيدة والقيمة المتوقعة والبيانات المطلوبة والمخرجات

ومتطلبات التنفيذ وترتيب الأولويات.

المساهمة بإعداد دراسات الجدوى وحالات الأعمال للفرص المقترحة، بما يشمل تقدير الإيرادات والتكاليف والمنافع

والمخاطر والعائد على الاستثمار.

المساهمة إعداد التوقعات المالية وتحليل الحساسية ونقطة التعادل لدعم قرارات الاستثمار في المنتجات والخدمات البيانات.

T-358 T-359 T-360 T-361 T-362 T-363

T-364

T-365

T-366

T-367 T-368 T-369

T-370 T-371

المستوى L3

L3

L3

L3

L3

L3

L2 L3 L3 L2 L2 L2 L2 L2 L2 L2 L2 L3

التكرار 1

1 1 1 1 1 1 1 1 1 1 1 1

وصف العنصر

تطوير نماذج أعمال المعتمدة من الجهات ذات العلاقة للمنتجات والخدمات القائمة على البيانات، مثل الاشتراكات والتراخيص

وواجهات البيانات والخدمات التحليلية.

إعداد مقترحات تسعير المنتجات والخدمات البيانات بالتنسيق مع الإدارات المالية والقانونية، استناًًدا إلى التكلفة والقيمة

والطلب ومستوى الخدمة

المساهمة تحديد العملاء والشركاء وقنوات تقديم المنتجات والخدمات القائمة على البيانات، وتقييم ملاءمتهم وجدوى

التعاون معهم

تقييم فرص تحقيق الإيرادات من حيث تحقيق المتطلبات والضوابط التنظيمية ذات العلاقة للحصول على الموافقات اللازمة مثل نظام حماية البيانات الشخصية والتصنيف والمشاركة

والملكية الفكرية التنظيمية.

تحديد الموافقات النظامية والمخاطر والضوابط اللازمة لتطوير وإطلاق المنتجات والخدمات البياناتية، ومتابعة استيفائها مع

الجهات المختصة.

التنسيق مع فرق البيانات والتقنية والأعمال لتحديد متطلبات المنتجات والخدمات، وتطوير النماذج الأولية واختبارها والتحقق

من جاهزيتها ودعم إطلاقها

متابعة أداء محفظة منتجات وخدمات البيانات وقياس الإيرادات والتكاليف والطلب ومعدلات الاستخدام ورضا المستفيدين

والقيمة المحققة

تحليل أداء منتجات وخدمات البيانات وتقديم التوصيات بشأن تطويرها أو توسيعها أو إعادة تسعيرها أو دمجها أو إيقافها.

حصر أصول ومجموعات البيانات في الجهة، وتسجيلها وتحديثها بصورة دورية في سجل أصول البيانات والكتالوج المؤسسي

تطبيق أنواع البيانات وهياكلها التنظيمية داخل الجهة المتابعة والتقارير التشغيلية

التنسيق مع الإدارات والوحدات المعنية لجمع المعلومات المطلوبة، والتحقق من دقتها واكتمالها قبل الإفصاح عنها

تطبيق سياسات حوكمة البيانات وإجراءاتها

يتابع مؤشرات جودة البيانات وتوثيق المشكلات والتنسيق مع محلل جودة البيانات ومالكي البيانات لمعالجتها.

تحديث قاموس مصطلحات الأعمال وقاموس البيانات التقني وربط عناصر البيانات بتعريفاتها وملاكها وأنظمتها إن وجدت.

توثيق إدارة دورة حياة البيانات، بما يشمل الإنشاء والجمع والمعالجة والتخزين والمشاركة والأرشفة والاحتفاظ والإتلاف.

تنسيق مع الجهات المعنية لتكامل البيانات

إدارة مسار تدفق البيانات Data Lineage من المصدر حتى التقارير والواجهات والجهات المستفيدة، وتوثيق أثر التغييرات

عليه ا.

تفعيل إطار حوكمة البيانات على مستوى الجهة لإدارة البيانات، ورفع الملاحظات اللازمة للتحسين.

المعّّرف T-372

T-373

T-374

T-375

T-376

T-377

T-378 T-379 T-380 T-381 T-382 T-383 T-384 T-385 T-386 T-387 T-388 T-389

المستوى L3

L2

L3 L3

L3

L2

L3

L3 L3 L2 L3 L3 L2 L3 L2 L2 L2

L3

L2

L4

التكرار 1

1 1

وصف العنصر

المعّّرف

تصميم وتفعيل نموذج الأدوار والمسؤوليات والصلاحيات المرتبطة بإدارة البيانات ومتابعة تطبيقها

المساهمة في متابعة تطبيق سياسة تصنيف البيانات داخل الجهة، وتفعيل آليات تصنيف البيانات وتحديد مستويات

حساسيتها واعتمادها، بالتنسيق مع الإدارات ذات العلاقة

قياس مدى التزام الجهة بالمتطلبات النظامية والتنظيمية ذات الصلة بالبيانات، بالتنسيق مع الإدارات المختصة.

إعداد وتحديث السياسات والمعايير والإجراءات ذات الصلة بحوكمة البيانات في الجهة.

المساهمة في ترجمة المتطلبات النظامية والتنظيمية ذات الصلة بالبيانات إلى سياسات وضوابط ومتطلبات داخلية قابلة

للتطبيق والقياس.

إعداد تقارير دورية عن مستوى تطبيق حوكمة البيانات، والملاحظات والتوصيات التحسينية.

T-390 T-391 T-392 T-393 T-394 T-395

تعريف قواعد جودة البيانات لكل مجموعة بيانات بما يشمل على سبيل المثال نطاق الفحص وطريقة القياس ومعايير الاجتياز والحدود المقبولة ودورية التنفيذ والاستثناءات ومالك

البيانات المسؤول.

تحليل السبب الجذري لمشكلات جودة البيانات

إعداد خطط معالجة وتحسين جودة البيانات بالتنسيق مع المُاُلك قياس مؤشرات جودة البيانات ورفع تقارير دورية عنها

مراجعة جودة البيانات قبل الإتاحة أو المشاركة أو النشر

تحليل متطلبات جودة البيانات وتحديد أبعاد القياس

T-396

T-397 T-398 T-399 T-400 T-401

تنفيذ تنميط البيانات ) )Data Profiling واكتشاف الأنماط والشذوذ

مراجعة وتحسين إجراءات إدخال البيانات والضوابط الوقائية للجودة

ضمان الامتثال للوائح خصوصية البيانات.

تحديد عناصر البيانات الحرجة ومجموعات البيانات ذات الأولوية بناًًء على أثرها على الخدمات والعمليات والتقارير والقرارات.

تنفيذ تنميط وفحوص جودة البيانات لاكتشاف المشكلات ومعالجتها بالتنسيق مع الجهات ذات العلاقة

متابعة ما يصدر عن الجهة المختصة من وثائق نظامية وتنظيمية ذات الصلة بحماية البيانات الشخصية وأي تعديلات تجرى عليها

وإحاطة الإدارات الأخرى ذات العلاقة، لضمان الالتزام بها.

التواصل المباشر مع الجهة المختصة تنفيذ قراراتها وتعليماتها فيما يتعلق بتطبيق أحكام نظام حماية البيانات الشخصية

ولوائحه التنفيذية

الإشراف على إجراءات تقويم الأثر وتقارير المراجعة والتدقيق المتعلقة ضوابط حماية البيانات الشخصية، وتوثيق نتائج

التقويم وإصدار التوصيات اللازمة لذلك

T-402 T-403 T-404 T-405 T-406 T-407

T-408

T-409

المستوى L4

L3 L2

L3

L2 L2 L2 L2

L3 L3 L3 L3 L3 L2 L2 L3

التكرار 1

1 1

1 1 1 1

وصف العنصر

الإشراف على تمكين أصحاب البيانات الشخصية من ممارسة حقوقهم، والرد على طلباتهم، والتنسيق للرد على الجهة

المختصة بشأن الشكاوى المقدمة.

إشعار الجهة المختصة عن حوادث تسرب البيانات الشخصية، والمساهمة في مراجعة خطط الاستجابة لحوادث تسرب البيانات

الشخصية والتأكد من مناسبتها وفعاليتها.

متابعة قيد وتحديث سجلات أنشطة معالجة البيانات الشخصية لدى الجهة.

تقديم الدعم والمشورة فيما يتعلق بجميع جوانب حماية البيانات الشخصية بما في ذلك المساهمة في تطوير السياسات والإجراءات الداخلية المتعلقة بحماية البيانات الشخصية داخل

الجهة

المشاركة في الأنشطة التوعوية والتدريب ونقل المعرفة لمنسوبي الجهة فيما يتعلق بحماية البيانات الشخصية وأخلاقيات

التعامل مع البيانات الشخصية.

إعداد تقارير دورية حيال أنشطة الجهة المتعلقة بمعالجة البيانات الشخصية وتقديم التوصيات بشأنها.

إعداد التقارير الدورية عن حالات عدم الامتثال، والتقدم في تحقيق المؤشرات الوطنية إلى أصحاب المصلحة داخل الجهة

المعّّرف T-410 T-411 T-412 T-413

T-414 T-415 T-416

الاستعداد لعمليات التدقيق والقياس التي تقوم بها الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا ،)ومتابعة تنفيذ

التوصيات.

T-417

T-418مراجعة أصول البيانات المسجلة والتحقق من شمول البيانات المهيكلة وغير المهيكلة ضمن نطاق التصنيف.

T-419تقييم الأثر المترتب على الإفصاح عن البيانات أو الوصول غير المصرح به إليها.

إعداد توصيات مستويات التصنيف ومبرراتها وفق المستويات المعتمدة والتنسيق مع ملاك البيانات لاعتمادها.

تحديد متطلبات الوسم والتعامل والحماية والوصول المرتبطة بمستوى التصنيف ومتابعة تطبيقها مع الجهات ذات العلاقة.

T-420 T-421

إعداد توصيات التصنيف ومبرراتها والتنسيق مع مالكي البيانات لمراجعتها واعتمادها وتوثيقه والتحديث المستمر للتصنيف.

توثيق قرارات التصنيف وتحديث سجل التصنيف

معالجة طلبات الاستثناء أو حالات الاختلاف في التصنيف ورفعها إلى الجهة المسؤولة لاتخاذ القرار.

T-422 T-423 T-424

نشر الوعي بمفاهيم التصنيف بين فرق العمل من خلال التوجيه والمشاركة في ورش العمل مع ضمان الامتثال التنظيمي وبناء

الوعي في البيانات

T-425

المستوى L3

L2

L3 L2 L2 L3 L3

L4 L3 L2 L3 L3 L3 L3

التكرار 1

1 1 1 1 1

وصف العنصر

المعّّرف

متابعة التزام باستخدام التصنيف المعتمد في قرارات مشاركة البيانات وإتاحتها ونشرها والاحتفاظ بها وتصميم الأنظمة

والخدمات

تنفيذ وإدارة عمليات إتاحة البيانات والبيانات المفتوحة وفق السياسات والضوابط الوطنية، بما يضمن إتاحة البيانات للجهات والمستفيدين المصرح لهم ونشر البيانات المفتوحة بشكل

منهجي

إدارة طلبات الوصول إلى البيانات ومشاركتها من خلال مراجعة الطلبات، والتحقق من استيفائها للمتطلبات النظامية والتنظيمية، وتنسيق اتفاقيات وشروط مشاركة البيانات مع

الجهات ذات العلاقة

إدارة مجموعات البيانات القابلة للإتاحة والنشر عبر حصرها وتصنيفها وتوثيقها وفهرستها، وتحديد مصادرها ومالكيها

وقنوات إتاحتها وأولويات نشرها

ضمان جودة البيانات المتاحة والمنشورة بالتنسيق مع مالكي البيانات والجهات ذات العلاقة، والتحقق من جاهزية البيانات

ودقتها واتساقها قبل النشر وبعده

إدارة ونشر وتحديث البيانات المفتوحة على المنصات المعتمدة، وإعداد وتنفيذ خطط النشر بما يحقق المستهدفات الوطنية

ويعزز إعادة استخدام البيانات

متابعة وقياس أداء إتاحة البيانات والبيانات المفتوحة من خلال إعداد التقارير، وقياس معدلات الاستخدام، وتحليل الأثر، ورصد الفجوات والمخاطر، ومتابعة تحقيق مؤشرات الأداء

والمستهدفات

قيادة التحسين المستمر لإتاحة البيانات والبيانات المفتوحة من خلال متابعة ملاحظات المستفيدين، وتنفيذ مبادرات التحسين والأتمتة، واقتراح فرص تطوير سياسات وممارسات الإتاحة

والنشر

تنفيذ التحليل الإحصائي والاستكشافي واختبار الفرضيات لاكتشاف الأنماط والعلاقات واستخلاص النتائج

تنفيذ عمليات تنظيف البيانات لتصبح قابلة لإعادة الاستخدام باستخدام أدوات للبيانات

T-426 T-427

T-428 T-429 T-430 T-431 T-432

T-433 T-434 T-435

معالجة سابقة للبيانات وحصرها وجمعها ودمجها من مصادر مختلفة، وتنفيذ هندسة الخصائص ))Feature Engineering

لتحضيرها للتحليل

تطبيق الأساليب التحليلية، من بينها تحليلات البيانات الاستكشافية والاختبارات الإحصائية لفحص البيانات

والاستكشاف والتصور بناء وتقييم النماذج الإحصائية ونماذج التعّّلم الآلي والتعّّلم

العميق لاستخلاص رؤى وتنبؤات قابلة للتنفيذ

التمثيل البصري والاختبارات الإحصائية لاكتشاف الأنماط واستخلاص النتائج بالطرق التحليلية

T-436

T-437 T-438 T-439

المستوى L3 L2 L3 L3 L2 L3 L3 L3 L3 L3 L3 L3

L3 L2 L3

L3

L3 L2

التكرار 1 1 1 1 1 1 1 1 1 1 1 1

6 8 2

3 3

وصف العنصر

تطبيق مقاييس الأداء واختبار الفرضيات لضمان دقة التحليلات وموثوقيتها وفعاليتها

توصيل الرؤى والنتائج إلى أصحاب المصلحة عبر سرد البيانات ) )Data Storytelling ولوحات المعلومات التفاعلية لدعم اتخاذ

القرار

تقييم مدى تمثيل البيانات للفئات المستهدفة ورصد الانحيازات والفجوات في البيانات قبل بناء النماذج واستخدام نتائجها

العمل مع محللي الأنظمة والمهندسين والمبرمجين وغيرهم لتصميم التطبيقات المطلوبة

تعزيز الوعي بثقافة حوكمة البيانات داخل الجهة من خلال التوعية والتدريب وتقديم الإرشادات.

تقييم امتثال سياسات وإجراءات وممارسات إدارة البيانات وحوكمتها للمتطلبات التنظيمية المعتمدة والتحقق من فاعلية

التطبيق وكفاية الأدلة وتوثيق حالات عدم الامتثال.

إدارة الاستعداد لدورة القياس والنضج والالتزام والمراجعة والتدقيق وتنسيق تقديم الأدلة ومتابعة تنفيذ التوصيات.

تطوير إجراء دورية لامتثال السياسات والإجراءات والممارسات الفعلية لمتطلبات إدارة البيانات والتحقق من كفاية الأدلة وتقديم

توصيات الخطط التصحيحية لمعالجة حالات عدم الامتثال.

تسجيل وتحليل حالات عدم الامتثال وتقييم مخاطرها وأولويات معالجتها ورفعها إلى الجهات المعنية

حصر وتحديث المتطلبات التنظيمية والضوابط والمواصفات المتعلقة بإدارة البيانات وتحديد الالتزامات المنطبقة على الجهة

مراجعة الخطط التصحيحية المقدمة من الإدارات المعنية ومتابعة تنفيذها والتحقق من إغلاق الملاحظات

تطوير وتنفيذ برامج التوعية والإرشاد لأصحاب المصلحة بشأن الالتزامات ومتطلبات الإثبات من الجهات المعنية وتوضيح

حالات عدم الامتثال

مهارة استنباط متطلبات أصحاب المصلحة وتحليلها وترجمتها إلى مواصفات أو ضوابط أو مخرجات عمل قابلة للتنفيذ في

البيانات والذكاء الاصطناعي

مهارة إيصال النتائج التقنية والمخاطر والتوصيات والمفاضلات إلى أصحاب المصلحة التقنيين وغير التقنيين.

مهارة إعداد إرشادات توصيف البيانات وقياس مستوى اتفاق الموّّصفين وحسم تعارضات التسمية وتتبع مقاييس جودة

التسميات

مهارة نمذجة الكيانات والعلاقات والتصنيفات والأنطولوجيات والطبقات الدلالية وأنماط الاسترجاع القائمة على الرسوم البيانية

لحلول البيانات والذكاء الاصطناعي.

مهارة تصميم مجموعات بيانات التقييم والاختبارات السلوكية ومعايير التقدير وبروتوكولات الاختبارات المرجعية وتجارب مقارنة النماذج وفحوصات الانحدار لأنظمة الذكاء الاصطناعي

مهارة تيسير ورش العمل ومنتديات الحوكمة وجلسات مواءمة أصحاب المصلحة باستخدام أساليب منظمة.

المعّّرف T-440 T-441 T-442 T-443 T-444 T-445 T-446 T-447 T-448 T-449 T-450 T-451

S-019 S-020 S-021

S-022

S-023 S-024

L3

L3 L3

L3

L3 L3 L3 L3 L2 L3 L3 L3 L3

التكرار 1 4

3 1

2 1 3 2 5 1 5 1 2

وصف العنصر

مهارة إنشاء مجموعات البيانات المصطنعة أو المعززة والتحقق منها وفحص تحيزها وتوثيقها مع المحافظة على فائدتها

وخصوصيتها وقدرتها على التمثيل

مهارة تصميم الأوامر متعددة الصيغ وتحسينها تكرار�ياً وتقييم مخرجاتها وتحليل أنماط فشلها عبر النصوص والصور والصوت

والفيديو والبيانات المهيكلة.

مهارة التحقق من منشأ مجموعات البيانات والنماذج والحزم وواجهات برمجة التطبيقات ومكونات الذكاء الاصطناعي وسلامتها وإصداراتها ومخاطر تبعياتها وتعرضها للثغرات وحالة

اعتمادها.

مهارة نمذجة تهديدات الذكاء الاصطناعي وتصميم سيناريوهات الفرق الحمراء واختبار الأوامر الهجومية وتحليل حالات إساءة

الاستخدام والتحقق من الضوابط.

مهارة تطبيق التعلم المتحد والخصوصية التباينية والتجميع الآمن وتقنيات تعزيز الخصوصية وضوابط إخفاء الهوية في

حالات استخدام الذكاء الاصطناعي والتحليلات.

مهارة تطبيق الحد الأدنى من الصلاحيات وبيئات التشغيل المعزولة ومسارات الموافقة وسياسات استخدام الأدوات وضوابط الذاكرة وقابلية المراقبة لأنظمة الذكاء الاصطناعي

الوكيلي

مهارة تحليل مشكلات البيانات والذكاء الاصطناعي والحوكمة والأعمال المعقدة باستخدام أساليب تشخيصية منظمة وقائمة

على الأدلة

مهارة تهيئة ضوابط حماية النماذج اللغوية الكبيرة والتحقق من المخرجات المهيكلة وفحوصات الاستناد إلى الاسترجاع ومرشحات

السلامة واختبارات سلوك النماذج وقيود صلاحيات الأدوات.

مهارة استخدام إدارة الإصدارات ومراجعة الرموز البرمجية والاختبار والتوثيق والتطوير التعاوني لإنتاج مخرجات تحليلية أو مخرجات

للذكاء الاصطناعي قابلة لإعادة الإنتاج.

مهارة تطبيق مصفوفات تقييم مدى ملاءمة القدرات ونمذجة التكلفة الإجمالية للملكية وتقييم إثبات المفهوم للمفاضلة بين

خيارات نماذج الأساس ومنصات الذكاء الاصطناعي.

مهارة تجهيز البيانات.

مهارة تصميم برامج تدريب وتوعية متخصصة في الامتثال وتقديمها بما يلائم وظائف المؤسسة المختلفة ومسؤوليات

الأدوار ومستويات الالتزامات التنظيمية.

مهارة مراقبة أنظمة الذكاء الاصطناعي في بيئة الإنتاج وتحقيق قابليتها للمراقبة وإعداد التنبيهات واستكشاف مشكلاتها

وإصلاحها.

مهارة تحسين استنتاج الذكاء الاصطناعي من خلال توجيه النماذج والمعالجة الحزمية والتخزين المؤقت والتجزيء الكمي والتقطير

وضغط الأوامر وإدارة ميزانية الوحدات واستخدام المسّّرعات. مهارة تحسين استنتاج النماذج من حيث التأخير ومعدل الإنتاجية

والتكلفة واستخدام الموارد.

المعّّرف S-025 S-026

S-027

S-028 S-029

S-030

S-031 S-032 S-033 S-034 S-035 S-036 S-037 S-038 S-039

المستوى L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L2 L3 L3 L3

التكرار 1 5 7 11 2 4 8 2 5 6 2 2 2 1 1 4 8 1 1 1 2 2

وصف العنصر

مهارة تطبيق تقنيات تقييم المخاطر والضوابط والتخطيط للحد منها في سياقات البيانات والذكاء الاصطناعي.

مهارة بناء مسارات التوليد المعزز بالاسترجاع ومسارات عمل البحث المتجهي.

مهارة نشر أنظمة الذكاء الاصطناعي باستخدام المنصات السحابية والحاويات وأدوات التنسيق والبنية التحتية لخدمة النماذج.

مهارة اختيار النماذج وتقييمها والتحقق منها واختبارها مرجع�ياً وتحليل أخطائها ومقارنتها بأساليب سليمة إحصائ�ياً.

مهارة تصوير البيانات وإعداد لوحات المعلومات والسرد التحليلي.

مهارة تطوير واجهات برمجة التطبيقات والخدمات ومكونات الواجهة الخلفية للنظم المدعومة بالذكاء الاصطناعي.

مهارة تطوير مسارات عمل البيانات ومسارات هندسة الخصائص لتطبيقات الذكاء الاصطناعي

مهارة توثيق قرارات المعمارية والمفاضلات والتبعيات وقيود التنفيذ.

مهارة توثيق المعماريات التقنية والإجراءات التشغيلية وقيود أنظمة الذكاء الاصطناعي

مهارة تطبيق ممارسات عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة لإدارة دورة حياة النماذج

مهارة الاستعلام عن البيانات وربطها وتحويلها من منصات البيانات العلائقية أو التحليلية أو السحابية.

مهارة التحليل الإحصائي واختبار الفرضيات وتقدير عدم اليقين.

مهارة إجراء مراجعات للمعمارية لتقييم قابلية التوسع والامتثال للمعايير والمخاطر المعمارية

مهارة التعاون مع قيادات البيانات والذكاء الاصطناعي والتقنية والأعمال من مختلف الوظائف لمواءمة الاستراتيجية.

مهارة تنسيق إدارة حوادث البيانات والذكاء الاصطناعي والإفصاح التنظيمي واستجابة المؤسسة.

مهارة تصميم الأوامر والمخرجات المهيكلة ومسارات العمل الوكيلية لتطبيقات النماذج اللغوية الكبيرة.

مهارة تطوير نماذج تعلم الآلة والتعلم العميق باستخدام المكتبات والأطر الملائمة.

مهارة تقييم تقنيات منصات البيانات واختيارها باستخدام تقييم منظم وتحليل التكلفة الإجمالية للملكية

مهارة إدارة نطاق المهمة الاستشارية وجدولها الزمني وجودتها عبر مسارات عمل متعددة للعميل

مهارة إدارة بنية تحتية لتعلم الآلة قائمة على الحاويات لتنسيق مسارات العمل وخدمة النماذج

مهارة البرمجة لعلم البيانات والذكاء الاصطناعي باستخدام بايثون أو SQL أو R أو أدوات مكافئة.

مهارة تقديم التوجيه المعماري إلى فرق الهندسة بشأن المعايير والأنماط واختيار التقنية.

المعّّرف S-041 S-042 S-043 S-044 S-046 S-047 S-048 S-049 S-050 S-051 S-053 S-054 S-057 S-059 S-060 S-063 S-065 S-068 S-071 S-072 S-074 S-075

المستوى L3 L3 L3 L3

L3

L2 L3 L3 L3 L2 L3 L3 L3 L3 L3

L3 L3

L3

التكرار 1 1 1 1

1 1

وصف العنصر

مهارة تحسين أداء استعلامات وتقارير ذكاء الأعمال باستخدام تحليل خطط التنفيذ وتحسين الفهارس.

مهارة تحليل هياكل الأنظمة المصدرية من خلال فحص المخططات وتنميط البيانات والهندسة العكسية.

مهارة تطبيق منهجية نمذجة خزنة البيانات لتصميم المحاور والروابط والتوابع في مستودعات البيانات

مهارة تطبيق تقييمات الذكاء الاصطناعي المسؤول على نظم رؤية الحاسب، بما يشمل اعتبارات التحيز والخصوصية وقابلية

التفسير والسلامة.

مهارة تطبيق توحيد النصوص ومكتبات تقسيم النص إلى وحدات والمحللات الصرفية وتقنيات تعزيز البيانات لبناء مسارات قابلة لإعادة الإنتاج لإعداد بيانات تدريب معالجة اللغات

الطبيعية

مهارة بناء مسارات استخراج النصوص والمعلومات لاستخلاص المعلومات المهيكلة.

مهارة إجراء مراجعات للنماذج باستخدام معايير منظمة لتقييم الجودة والتسمية والتوثيق.

مهارة تصميم نماذج رؤية الحاسب وتدريبها لأغراض التصنيف والاكتشاف والتجزئة والتتبع وتحليلات الفيديو

مهارة تصميم نماذج البيانات الُُبعدية وفق مخططي النجمة وندفة الثلج وتعريف الطبقات الدلالية لتقارير ذكاء الأعمال.

مهارة توثيق نماذج البيانات بأوصاف الكيانات وتعريفات السمات وشروح العلاقات.

مهارة تقييم أداء نماذج رؤية الحاسب باستخدام مقاييس ومجموعات بيانات اختبار ملائمة للمجال.

مهارة تنفيذ مسارات عمل تتبع الأشياء والتعرف الضوئي على الحروف وتقدير الوضعية وفهم المشاهد واكتشاف الشذوذ.

مهارة نمذجة دراسات جدوى الذكاء الاصطناعي وتطوير أطر العائد على الاستثمار لقياس قيمة استثماراته.

مهارة تحليل مجموعات البيانات الكبيرة المهيكلة وغير المهيكلة.

مهارة تطبيق تقنيات معالجة اللغات الطبيعية للعربية، بما يشمل تقسيم النص إلى وحدات والتحليل الصرفي ومعالجة

اللهجات.

مهارة تطبيق منهجيات النمذجة الُُبعدية المعترف بها، بما يشمل تصميم الأبعاد المتوافقة، ومعالجة الأبعاد المتدهورة، واختيار

أنواع الأبعاد بطيئة التغير وتنفيذها.

مهارة تطبيق الأساليب الرياضية والإحصائية المتقدمة على مسائل أبحاث الذكاء الاصطناعي.

مهارة تطبيق تقنيات المحافظة على الخصوصية وإخفاء الهوية، بما يشمل التعمية وتبديل بيانات الهوية والتجميع والخصوصية التباينية الأساسية، على البيانات الشخصية المستخدمة في

التحليل.

المعّّرف S-078 S-080 S-082 S-087

S-088

S-089 S-090 S-095 S-096 S-102 S-103 S-104 S-113 S-115 S-116

S-117 S-118

S-121

المستوى L3

L3 L3

L3

L3 L3

L3

L3 L3 L3 L3 L3 L3 L3 L4 L3 L3 L3 L3 L3

التكرار 1

1 1

1 1

وصف العنصر

مهارة تصميم حلول معمارية لمنصات البيانات السحابية، بما يشمل بحيرات البيانات ومستودعات البيانات ومستودعات

بحيرات البيانات

مهارة بناء بنية تحتية لخدمة النماذج مزودة بموازنة الأحمال والتوسع التلقائي للاستنتاج في بيئة الإنتاج.

مهارة التعاون مع مهندسي البيانات في التنفيذ المادي ولغة تعريف البيانات وتحسين الأداء.

مهارة تهيئة أطر الوكلاء، بما يشمل تعريف الأدوار وتصميم سجل الأدوات وتحديد بروتوكول الرسائل بين الوكلاء وتسجيل

مسار التنفيذ في نظم الذكاء الاصطناعي الوكيلي.

مهارة تهيئة منصات البيانات السحابية وإدارتها لدعم الأحمال التحليلية وتحسين التكلفة.

مهارة تهيئة أطر المعالجة الموزعة لتنفيذ مسارات قابلة للتوسع ومتسامحة مع الأعطال للمعالجة الحزمية والبيانات المتدفقة

مهارة تحديد سياسات الحد الأدنى من صلاحيات وصول وكلاء الذكاء الاصطناعي إلى الأدوات وإنفاذها من خلال ضبط نطاق

الصلاحيات.

مهارة تقديم برامج تدريب على ذكاء الأعمال وتمكين مستخدمي الأعمال من تحليلات الخدمة الذاتية.

مهارة تصميم برامج بناء قدرات الذكاء الاصطناعي وخطط التغيير المؤسسي لتبنيه.

مهارة تصميم مخازن الخصائص وبنائها مع إتاحة إمكانات الخدمة المباشرة وغير المباشرة

مهارة تصميم معماريات مستودعات بحيرات البيانات وتنفيذها باستخدام صيغ الجداول المفتوحة في المنصات السحابية

مهارة تصميم مسارات عمل للموافقة البشرية ضمن الحلقة وتنفيذها عند حدود محددة لمخاطر الوكلاء.

مهارة تصميم نماذج بيانات، بما يشمل الهياكل الُُبعدية والجداول العريضة، لتحسين الأداء التحليلي

مهارة تصميم نماذج البيانات الُُبعدية وخزنة البيانات والنماذج التحليلية لتحسين المنصات.

مهارة تصميم نماذج بيانات المؤسسة باستخدام تقنيات ومعايير النمذجة المفاهيمية والمنطقية والمادية.

مهارة تصميم نماذج بيانات علائقية مطّّبعة باستخدام نمذجة الكيانات والعلاقات وقواعد التطبيع.

مهارة تصميم نماذج البيانات المادية بأنواع البيانات والفهارس والتقسيمات الملائمة للمنصات.

مهارة تصميم نماذج الجداول العريضة وغير المطّّبعة لتحسين مستودعات بحيرات البيانات والأداء التحليلي.

مهارة تطوير سجلات مخاطر الذكاء الاصطناعي والمحافظة عليها باستخدام تصنيف المخاطر وتقييم الأثر والاحتمال

مهارة تطوير قياسات ومقاييس محسوبة معقدة باستخدام DAX أو MDX أو لغات حساب مكافئة في ذكاء الأعمال.

المعّّرف S-122

S-126 S-127

S-131

S-132 S-133

S-137

S-138 S-140 S-141 S-142 S-143 S-144 S-146 S-147 S-149 S-150 S-151 S-152 S-154

المستوى L3

L3

L3

L3

L2 L3 L3 L2 L3 L3 L3 L3

L3

L2 L3

التكرار 1

1 1 1 1 1

1 1

وصف العنصر

مهارة تقييم أداء نماذج معالجة اللغات الطبيعية باستخدام الدقة والاستدعاء و F1و BLEU و ROUGE والمقاييس الخاصة بالمهمة

مهارة تقييم جودة مخرجات الذكاء الاصطناعي التوليدي باستخدام فحوصات الاعتمادية والاستناد ومعايير التقدير

والمراجعة البشرية

مهارة الضبط الدقيق للنماذج اللغوية القائمة على المحولات لمهام معالجة اللغات الطبيعية الخاصة بالمجال باستخدام تعلم

منقول.

مهارة التخطيط للطرح في السوق وتصميم محتوى تمكين المستخدمين وقياس تبني خصائص الذكاء الاصطناعي.

مهارة تحديد مشكلات جودة البيانات المؤثرة في سلامة التحليل.

مهارة تنفيذ ضوابط جودة البيانات داخل مسارات العمل باستخدام أطر التحقق والمنطق المخصص.

مهارة تنفيذ ضوابط أمن البيانات، بما يشمل التشفير وإخفاء البيانات والوصول المستند إلى الأدوار

مهارة دمج البيانات من أنظمة مصدرية متعددة في نماذج دلالية موحدة لذكاء الأعمال

مهارة التحقيق في القيم الشاذة للمقاييس ومؤشرات الأداء الرئيسية باستخدام التحليل التفصيلي والتجزئة وتحليلات البيانات

عبر النظم

مهارة المحافظة على مستودعات نماذج المؤسسة مع تطبيق إدارة الإصدارات والتغيير.

مهارة إدارة التجارب الحاسوبية واسعة النطاق باستخدام البنية التحتية للحوسبة عالية الأداء وتتبع التجارب.

مهارة متابعة المستجدات التنظيمية للذكاء الاصطناعي وتطبيق المعرفة التنظيمية المحدثة في المشورة المقدمة للعملاء.

مهارة مراقبة سلامة مسارات العمل باستخدام أدوات قابلية المراقبة وتهيئة التنبيهات عند حدوث إخفاقات.

مهارة تحسين أداء الاستعلامات الموزعة من خلال التقسيم والتجميع وتحليل خطط الاستعلام.

مهارة تحسين معدل إنتاجية تدريب النماذج باستخدام الدقة المختلطة وتقنيات تحسين تحميل البيانات

مهارة تنسيق مسارات عمل البيانات باستخدام أدوات جدولة المسارات مع إدارة التبعيات ومعالجة الإخفاقات.

مهارة إعداد مجموعات بيانات الصور والفيديو وتوصيفها وتعزيزها والتحقق منها لتطوير النماذج.

مهارة استخدام تحليلات المنتجات وتحليل المجموعات لتفسير بيانات استخدام منتجات الذكاء الاصطناعي وتحديد فرص

التحسين

مهارة متابعة تنفيذ ضوابط المخاطر والتحقق من فاعليتها من خلال اختبارات منظمة

مهارة تدريب نماذج معالجة اللغات الطبيعية وتقييمها للتصنيف وتصنيف الوحدات النصية وتوليد المتسلسلات.

المعّّرف S-159

S-161

S-162

S-163 S-164 S-165 S-166 S-168

S-170

S-171 S-177 S-181 S-184 S-186 S-188 S-189 S-193

S-194

S-201 S-202

المستوى L3 L3 L3 L3 L3 L3 L4 L3 L3 L2

L3

L3

L3 L3 L3 L3 L3 L3 L3

التكرار 1 1 1 1 1 1 1 1 1 1

وصف العنصر

مهارة بحوث المستخدمين واختبارات قابلية الاستخدام وتوليف الملاحظات لاستخلاص متطلبات منتجات الذكاء الاصطناعي

مهارة استخدام مكتبات رؤية الحاسب وأطر التعلم العميق ونماذج الرؤية المدربة مسبًً قا

مهارة تصميم اختبارات أ/ب وتجارب تقييم النماذج وتقييم الدلالة الإحصائية لخصائص الذكاء الاصطناعي

مهارة تصميم مركز تميز للذكاء الاصطناعي وإدارة المعرفة وتمكين التعاون بين الوظائف.

مهارة قياس أثر الذكاء الاصطناعي في الأعمال وتطبيق أطر العائد على الاستثمار فيه.

مهارة حوكمة محفظة الذكاء الاصطناعي وإدارة ميزانيتها وقياس العائد على الاستثمار فيها.

مهارة تحديد رؤية منتج الذكاء الاصطناعي وتطوير خارطة طريق قائمة على النتائج وإيصال استراتيجية المنتج

مهارة تحديد حالات استخدام الذكاء الاصطناعي وترتيب أولوياتها وتطوير دراسات الجدوى لها

مهارة تقديم المشورة إلى فرق تطوير الذكاء الاصطناعي بشأن ضوابط المخاطر وممارسات التصميم المتناسب معها.

مهارة تطبيق أساليب التسليم الرشيق، بما يشمل إدارة قائمة الأعمال المتراكمة وتخطيط دورات العمل وتيسير التسليم

المشترك بين الوظائف.

مهارة تطبيق سلسلة التفكير والتعلم من أمثلة قليلة وهيكلة أوامر النظام والتحسين التكراري للأوامر لزيادة موثوقية مخرجات

النماذج اللغوية الكبيرة والتزامها بالمهمة

مهارة تطبيق أنماط الخدمات المصغرة والمعماريات القائمة على الأحداث والطبقات لهيكلة مكونات نظم الذكاء الاصطناعي وتحديد واجهات التكامل وتصميم تدفق البيانات بين طبقات

النظام.

مهارة تطبيق تعلم منقول والضبط الدقيق باستخدام نماذج الرؤية المدربة مسبًً قا والنماذج متعددة الصيغ

مهارة تقييم متطلبات الامتثال التنظيمي للذكاء الاصطناعي وترجمتها إلى ضوابط على مستوى المعمارية

مهارة تقييم آثار المبادرات الجديدة في معمارية البيانات باستخدام تحليل منظم للأثر

مهارة تقييم أنماط معمارية البيانات الناشئة والخدمات السحابية من حيث ملاءمتها للمؤسسة.

مهارة تقييم آثار نشر نظم الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة والذكاء الاصطناعي الوكيلي في الحوكمة.

مهارة الاستخبارات التنافسية وتحليل سوق الذكاء الاصطناعي لدعم تموضع المنتجات وتمييزها.

مهارة تهيئة منصات تنسيق مسارات العمل وتشغيلها مع حل التبعيات على مستوى المكونات والتنفيذ ذي المعلمات

والمنطق الشرطي للمسارات والتعافي من الإخفاقات.

المعّّرف S-203 S-204 S-205 S-206 S-208 S-209 S-210 S-211 S-213 S-214

S-217

S-221

S-223 S-224 S-225 S-226 S-227 S-231 S-232

المستوى L3 L3 L3 L3 L3 L3 L3 L4 L3 L3 L3 L3 L4 L3 L3 L3 L3 L3 L3

التكرار 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1

وصف العنصر

مهارة تنسيق تنفيذ معالجة مخاطر الذكاء الاصطناعي عبر فرق الهندسة والمنتجات والشؤون القانونية والحوكمة.

مهارة تحديد معايير حوكمة عمليات تعلم الآلة وقوالب المسارات وسجلات التدقيق وإنفاذها

مهارة تصميم ضوابط مراقبة مخاطر الذكاء الاصطناعي ومؤشرات الإنذار المبكر للنظم في بيئة الإنتاج

مهارة تصميم معمارية أمن حلول الذكاء الاصطناعي، بما يشمل حماية النماذج وأمن واجهات برمجة التطبيقات وضوابط

الوصول.

مهارة تصميم مسارات مؤتمتة لإعادة تدريب النماذج وتنفيذها باستخدام محفزات الانجراف والتحقق.

مهارة تصميم معماريات تكامل البيانات باستخدام الأنماط القائمة على الأحداث والتكامل عبر واجهات برمجة التطبيقات

ومسارات العمل

مهارة تصميم معمارية أمن البيانات، بما يشمل ضوابط الوصول والتشفير وتصميم النطاقات الأمنية.

مهارة تصميم معماريات منصات الذكاء الاصطناعي المؤسسية، بما يشمل البنية التحتية لعمليات تعلم الآلة ومكونات خدمة

النماذج

مهارة تصميم ضوابط معمارية للذكاء الاصطناعي المسؤول، بما يشمل نقاط تحقق الحوكمة وآليات الإشراف

مهارة تطوير اختبارات مرجعية لأبحاث الذكاء الاصطناعي ومجموعات بيانات التقييم وبروتوكولات التقييم القابل لإعادة

الإنتاج.

مهارة تطوير النماذج المرجعية للمعمارية وأنماط التصميم والقوالب لضمان اتساق حلول البيانات

مهارة تطوير مجموعات أدوات تقييم الذكاء الاصطناعي المسؤول وأطر التقييم ووثائق الحوكمة.

مهارة تطوير استراتيجية الذكاء الاصطناعي في المؤسسة وتصميم خارطة طريق القدرات وتقييم النضج

مهارة تقييم المخاطر التقنية لنماذج الذكاء الاصطناعي، بما يشمل أنماط الفشل والمتانة والتحيز وقابلية التأثر بالهجمات

العدائية.

مهارة تقييم خيارات تقنيات الذكاء الاصطناعي باستخدام تقييم منظم لملاءمة المعمارية ودرجات استيفاء المتطلبات.

مهارة تقييم مخاطر نشر الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة، بما يشمل الهلوسة وإساءة الاستخدام ومسارات

تسرب البيانات

مهارة تقييم آثار أخلاقيات البحث باستخدام أطر الذكاء الاصطناعي المسؤول وعمليات المراجعة الأخلاقية.

مهارة تصميم التجارب واختبارات أ/ب والتحليل السببي والأساليب شبه التجريبية.

مهارة الضبط الدقيق للنماذج الأساسية باستخدام أساليب كفؤة في عدد المعلمات للتطبيقات الخاصة بالمجال.

المعّّرف S-233 S-240 S-242 S-243 S-244 S-245 S-248 S-249 S-250 S-251 S-253 S-256 S-257 S-260 S-261 S-262 S-263 )S-265 S-267

المستوى L2 L4 L3

L3

L3 L3 L3 L3 L3 L3

L3

L2 L3 L3 L3 L3 L3 L3 L3 L3

التكرار 1 1 1

1 1 1 1 1 1

1 1 1 4 8 2 2 2 2

وصف العنصر

مهارة إدارة محتوى ذكاء الأعمال باستخدام مسارات الاعتماد وضوابط الوصول وإدارة دورة الحياة.

مهارة حوكمة برامج تبني الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة في بيئات المؤسسة

مهارة تنفيذ التدريب الموزع للنماذج عبر مجموعات وحدات معالجة الرسومات وموارد الحوسبة السحابية

مهارة تنفيذ معماريات جديدة لنماذج الذكاء الاصطناعي وخوارزميات التدريب برموز برمجية ذات جودة بحثية وقابلة

لإعادة الإنتاج

مهارة دمج واجهات برمجة تطبيقات النماذج اللغوية الكبيرة والنماذج المفتوحة المصدر في معماريات تطبيقات المؤسسة

مهارة دمج نظم رؤية الحاسب مع الكاميرات والمستشعرات والأجهزة الطرفية وتطبيقات المؤسسة

مهارة تفسير المتطلبات الوطنية المنظمة للذكاء الاصطناعي وترجمتها إلى ضوابط حوكمة مؤسسية.

مهارة قيادة لجان حوكمة الذكاء الاصطناعي ومجالس مراجعة مخاطر النماذج والهيئات التوجيهية المشتركة بين الوظائف

مهارة إدارة التواصل مع الجهات الوطنية المنظمة للذكاء الاصطناعي وتخطيط استجابة المؤسسة.

مهارة إرشاد الباحثين المبتدئين من خلال التوجيه المنظم ومراجعة الأوراق العلمية ودعم التطور المهني.

مهارة الحد من تهديدات أمن النماذج اللغوية الكبيرة، بما يشمل حقن الأوامر والمعالجة غير الآمنة للمخرجات والإفراط في منح الصلاحيات والاستخدام غير الآمن للأدوات وتسميم البيانات أو

النماذج

مهارة مراقبة امتثال نظم الذكاء الاصطناعي لسياسات الحوكمة باستخدام بروتوكولات المراجعة وقوائم التحقق من التدقيق.

مهارة دعم المشتريات بمتطلبات مستندة إلى المعمارية وتقييم الموّّردين

مهارة تحويل النماذج البحثية الأولية إلى أصول قابلة للنقل إلى فرق الهندسة والذكاء الاصطناعي التطبيقي.

مهارة برمجة تطبيقات ذكاء اصطناعي بمستوى جودة مناسب لبيئة الإنتاج باستخدام بايثون أو لغات مكافئة.

مهارة تطبيق ضوابط أمن الذكاء الاصطناعي والخصوصية والذكاء الاصطناعي المسؤول.

مهارة تطوير نماذج تعلم الآلة الخاضع للإشراف وغير الخاضع للإشراف.

مهارة تفسير النماذج وشرح النتائج التحليلية لأصحاب المصلحة غير التقنيين.

مهارة تقييم التحيز وقضايا الإنصاف في البيانات والنماذج والاستنتاجات التحليلية عبر المجموعات الفرعية ومعالجتها

مهارة تطوير دفاتر ملاحظات ورموز برمجية ومسارات تحليلية قابلة لإعادة الإنتاج وخاضعة لإدارة الإصدارات.

المعّّرف S-268 S-269 S-270

S-272

S-273 S-274 S-275 S-276 S-278 S-281

S-282

S-283 S-289 S-290 S-292 S-293 S-294 S-295 S-296 S-297

المستوى

L3

L4

L3

L4

L3 L3

L3

L4

L3

L3

L3 L3 L3 L3 L2 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L2 L3 L2

التكرار

1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

وصف العنصر

مهارة الاستخدام الملائم لأدوات الذكاء الاصطناعي التوليدي لدعم التحليل أو البرمجة أو التلخيص أو توليد الرؤى.

مهارة التخطيط الاستراتيجي في مجال البيانات، بما يشمل بناء الاستراتيجية، تحديد الرؤية والرسالة ومؤشرات القياس وتخطيط

المبادرات ذات الأثر العالي ومواءمتها مع المؤسسة

مهارة اتخاذ القرارات المبنية على البيانات وتقديمها للجهة العليا عند الحاجة

مهارة التواصل مع الأفراد من جميع المستويات الإدارية بمن فيهم أعضاء مجلس الإدارة، وتحديد نقاط المقاومة ومعالجتها

بأساليب إدارة التغيير

مهارة إدارة وقيادة فرق متعددة التخصصات

مهارة قياس وتقييم مستوى نضج إدارة البيانات وحوكمتها مع تقديم الحلول لإدارة البيانات في المؤسسة

مهارة الإشراف على دورة حياة البيانات بشكلها الكامل، مع العمل على أتمتها في أنظمة الجهات ذات العلاقة

مهارة الإشراف على متابعة سياسات وتشريعات إدارة وحوكمة البيانات على المستوى الوطني والمؤسسي

مهارة التواصل الفّّعال والتفاوض المهني مع أصحاب المصلحة لضمان فهم موّّحد وتبني ناجح لسياسات واستراتيجيات إدارة

البيانات

مهارة الإشراف على التقارير الدورية، مؤشرات الأداء ولوحات المعلومات ورفع نتائجها إلى الإدارة العليا

تحليل الوضع الراهن لدى الجهة واستقراء التحديات والفرص في مجال البيانات

مهارة صياغة التوصيات والمقترحات

مهارة تحديد فرص تحقيق القيمة

مهارة مراجعة وتقييم الاستراتيجيات والسياسات.

مهارة التواصل التنفيذي

مهارة التفكير النقدي

مهارة تقييم مستوى النضج المؤسسي.

مهارة حصر وتصنيف أصول البيانات

مهارة تقييم جاهزية أصول البيانات

مهارة تحليل السوق والطلب

مهارة تصميم وتقييم حالات الاستخدام

مهارة التحليل المالي

مهارة تصميم نماذج الأعمال

مهارة تقييم العملاء والشركاء والقنوات

مهارة تقييم الالتزام التنظيمي

مهارة إدارة المخاطر والموافقات

مهارة قياس الأداء وإعداد تقارير المحفظة

مهارة تحليل الأداء وتحسين المحفظة

مهارة في حصر مجموعات البيانات وتصنيفها حسب المصدر والمالك والاستخدام

المعّّرف

S-298

S-300

S-301

S-302

S-303 S-304

S-305

S-306

S-307

S-308

S-309 S-310 S-311 S-312 S-313 S-314 S-315 S-316 S-317 S-318 S-319 S-320 S-321 S-322 S-323 S-324 S-325 S-326 S-327

المستوى L3 L2 L2 L2 L2

L3 L3 L3

L3

L3 L3 L2 L3 L3 L3 L2 L2

L3 L3 L3

L3 L2 L2 L2 L3

L3

L3

1 1 1

1 1 1

1 1 1 1 1

وصف العنصر

مهارة في توثيق تعريفات حقول البيانات ودلالاتها

مهارة في توثيق خصائص أصول البيانات في نماذج جرد موحدة

مهارة في التنسيق مع مالكي البيانات لاستكمال بيانات الجرد والتحقق منها

مهارة في كتابة التقارير الخاصة بإتاحة البيانات وطلبات الاطلاع.

مهارة في توثيق مخططات البيانات بصورة قياسية قابلة للمراجعة

مهارة صياغة السياسات والمعايير والإجراءات ذات الصلة بحوكمة البيانات

مهارة استخدام مؤشرات جودة البيانات وقراءة نتائجها وتحليلها.

مهارة تصميم وتحليل مؤشرات الأداء ) )KPIs ومؤشرات المخاطر ) )KRIs ذات العلاقة بالبيانات.

مهارة حل المشكلات واتخاذ القرار وفق منهجية واضحة ومعايير محددة.

مهارة تحليل الفجوات وتحديد مجالات التحسين وتقديم توصيات قابلة للتنفيذ

مهارة البحث وتحليل أفضل الممارسات في حوكمة البيانات.

مهارة العمل على مؤشرات الأداء/الالتزام، وبناء لوحات المتابعة.

مهارة في تحويل متطلبات الأعمال إلى قواعد جودة قابلة للقيا س

مهارة في تحليل مسار البيانات لتحديد نقطة نشوء الخطأ

مهارة في تحديد إجراءات تصحيحية ووقائية لمشكلات الجودة المتكررة

مهارة في بناء تقارير جودة تعرض الاتجاهات والفجوات والأثر

مهارة في إجراء فحوص جودة مسبقة قبل مشاركة البيانات أو نشر ها

مهارة في بصياغة معايير قياس كمية قابلة للتطبيق لكل ُُبعد من أبعاد الجودة

مهارة في صياغة حدود قبول ورفض واضحة لكل قاعدة جودة

مهارة البحث وتحليل أفضل الممارسات المحلية والعالمية في حماية البيانات الشخصية.

مهارة قراءة النصوص النظامية وتحليلها واستنباط الالتزامات المترتبة عليها

مهارة صياغة للمراسلات وإعداد التقارير بدقة ووضوح.

مهارة استخدام أدوات إدارة طلبات أصحاب البيانات الشخصية.

مهارة رسم خرائط تدفقات البيانات.

مهارة استخدام أدوات سجلات أنشطة معالجة البيانات الشخصية مثل، ) )Microsoft Excel وأدوات تقويم الأثر

مهارة تطوير المواد التوعوية حول التعامل الصحيح مع البيانات الشخصية

المعّّرف S-328 S-329 S-330 S-331 S-332

S-333 S-334 S-335

S-336

S-337 S-338 S-339 S-340 S-341 S-342 S-343 S-344

S-345 S-346 S-347

S-348 S-349 S-350 S-351 S-352

S-353

S-354مهارة فهم المتطلبات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا(

المستوى L3 L3 L3 L3 L2

L3 L2 L2 L2 L3 L3 L3 L3

وصف العنصر

مهارة كتابة معايير قياس الامتثال ومعايير قبول الأدلة الداعمة على السياسات والضوابط الخاصة بإدارة البيانات داخل الجهة

ومتابعة قياس امتثال الإدارات المعنية بها.

المعّّرف S-355

مهارة تحليل معايير التقييم الذاتي للامتثال بالأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء

الاصطناعي )سدايا.)

S-356

مهارة إعداد التقارير الدورية عن حالات الامتثال/عدم الامتثال بالأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية

للبيانات والذكاء الاصطناعي )سدايا(

S-357

مهارة تقديم برامج التوعية والتدريب الداخلي لمنسوبي الجهة المعنيين بالأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة

السعودية للبيانات والذكاء الاصطناعي )سدايا.)

مهارة في استخدام أدوات اكتشاف ومسح البيانات) )�Data Dis )covery & Profiling لتحديد البيانات المهيكلة وغير المهيكلة عبر الأنظمة وقواعد البيانات ومستودعات الملفات، وبناء قائمة جرد

شاملة دون نقل البيانات أو نسخها

S-358 S-359

مهارة في تطبيق منهجية تقييم الأثر ))Impact Assessment بتحليل فئات الأثر )المصلحة الوطنية، أنشطة الجهات، الأفراد، البنية التحتية( وتحديد مستوى الأثر )مرتفع/متوسط/منخفض، لا

يوجد أثر( لكل أصل بيانات مهارة في وسم البيانات ) )Labeling/Tagging يدويا وآليًًا بإضافة علامات التصنيف على الوثائق والملفات والسجلات

وحقول قواعد البيانات.

مهارة في مراقبة الامتثال ))Compliance Monitoring لسياسات تصنيف البيانات وإعداد تقارير الامتثال ومؤشرات

الأداء ورفعها للجهات المعنية.

مهارة في توثيق البيانات الوصفية ) )Metadata لكل أصل بيانات )المالك والمصدر والموقع والصيغة ودرجة الحساسية(

وتسجيلها في سجل أصول البيانات وفق قالب موّّحد. مهارة في استخدام جداول ومصفوفات تقييم الأثر الواردة في سياسة تصنيف البيانات لربط درجة الأثر بمستوى التصنيف

المقترح

مهارة في مواءمة ضوابط الحماية )التشفير، التحكم بالوصول، إخفاء الهوية( مع مستوى التصنيف لكل أصل في مراحل

التخزين والنقل والمشاركة

مهارة إدارة طلبات الوصول إلى البيانات، وتقييمها، وتنسيق مشاركة البيانات، وإعداد اتفاقيات المشاركة، وإدارة عمليات نشر

البيانات المفتوحة وفق الضوابط المعتمدة

مهارة تطبيق تصنيف البيانات، وتحليل المتطلبات النظامية والتنظيمية، وتحديد قابلية البيانات للإتاحة أو النشر، وضمان

الامتثال للسياسات ذات العلاقة

S-360

S-361 S-362 S-363 S-364 S-365 S-366 S-367

المستوى L3

L2 L2 L3 L2 L2 L3 L3 L2 L2 L3 L3

L2

L3

L3 L2 L3

L3 L3

التكرار 1

1 1 1 1 1 1 1 1 1 10 2

2 4 1

3 3

وصف العنصر

مهارة تحليلات البيانات وتقييم جودتها، واكتشاف ومعالجة الأخطاء والقيم المفقودة والمكررة، واستخلاص المؤشرات

والنتائج لدعم اتخاذ القرار

مهارة إعداد التقارير وقياس مؤشرات الأداء، وتنسيق أعمال المراجعة والاعتماد، واقتراح وتنفيذ مبادرات تحسين وتطوير

إتاحة البيانات والبيانات المفتوحة

مهارة إعداد الطلبات وتحضير التقارير

مهارة في تقنيات استخراج البيانات على سبيل المثال: البحث في أنظمة الملفات والتحليل

مهارة تحديد مصادر أصول بيانات المنظمة وخصائصها و ا ستخد ا ما تها

مهارة استخدام الإحصاءات الوصفية والأساليب الأساسية مثل المعايرة وتوزيع النماذج ومخططات التشتت

مهارة إنشاء النماذج الرياضية أو الإحصائية واستخدامها

مهارة تحديد الأنماط أو العلاقات الخفية

مهارة سرد البيانات وتحويلها إلى رؤى ومعلومات للمتلقي

مهارة استخراج التوصيات المبنية على البيانات

معرفة أطر حوكمة البيانات ونماذج التشغيل والإشراف والمساءلة والبيانات الوصفية وتتبع أصل البيانات وضوابط السياسات

معرفة أساليب توليد البيانات المصطنعة وتعزيز البيانات، ومخاطر تسرب الخصوصية وتضخيم التحيز، وأساليب التحقق

من فائدة البيانات

معرفة ضوابط نهاية دورة حياة أنظمة الذكاء الاصطناعي والبيانات، بما يشمل إخراجها من الخدمة وأرشفتها والتراجع عنها والاحتفاظ بالسجلات والتواصل مع المستخدمين وإزالة التبعيات

ومعالجة المخاطر المتبقية.

معرفة أمن سلسلة إمداد الذكاء الاصطناعي، وقوائم مكونات البرمجيات والنماذج، وتوقيع الأصول، وإدارة التبعيات، وفحص

الثغرات، وتتبع المنشأ، وضوابط مخاطر الأطراف الخارجية.

معرفة تقنيات تعزيز الخصوصية في الذكاء الاصطناعي، بما يشمل التعلم المتحد والخصوصية التباينية والحوسبة الآمنة متعددة الأطراف والحوسبة السرية وغرف البيانات النظيفة،

والمفاضلات المرتبطة بها.

معرفة إدارة التغيير المؤسسي وممارسات التحول الثقافي.

معرفة أساليب تقييم الذكاء الاصطناعي والنماذج اللغوية الكبيرة، بما يشمل تلوث الاختبارات المرجعية وتغير التوزيع والتقييم غير المباشر والمباشر والتقييم البشري واختبارات السلامة والدلالة

الإحصائية.

معرفة أنماط معمارية البيانات ومنصات البيانات السحابية ونهج تكامل البيانات وتحديثها.

معرفة الرسوم البيانية المعرفية والأنطولوجيات والبحث الدلالي ومطابقة الكيانات وقواعد بيانات الرسوم البيانية والتوليد المعزز بالاسترجاع الشبكي ) )GraphRAG وآثار حوكمتها وجودة بياناتها.

المعّّرف S-368

S-369 S-370 S-371 S-372 S-373 S-374 S-375 S-376 S-377 K-021 K-022

K-023

K-024

K-025 K-026 K-027

K-028 K-030

المستوى L3

L3

L3 L3

L3

L3 L3 L2 L2 L3 L3 L3 L2 L3 L3 L3 L3

التكرار 4

4 1

4 4 1 2 10 3 8 3 2 1 4 1

وصف العنصر

معرفة مخاطر تطبيقات النماذج اللغوية الكبيرة، بما يشمل حقن الأوامر والمعالجة غير الآمنة للمخرجات وتسميم بيانات التدريب وحجب الخدمة عن النماذج والإفصاح عن البيانات الحساسة

والإفراط في صلاحيات الوكلاء وثغرات سلسلة الإمداد

معرفة معماريات الذكاء الاصطناعي الوكيلي، ومخاطر استخدام الأدوات، والذاكرة المستمرة، وحلقات التخطيط، وحدود الصلاحيات، وأنماط المراقبة، وإنفاذ السياسات، واحتواء

الإخفاقات.

معرفة مبادئ إدارة المخاطر وتصميم الضوابط والتخطيط للمعالجة وممارسات الضمان في البيانات والذكاء الاصطناعي

معرفة تبعيات البيانات في الذكاء الاصطناعي والتحليلات، بما يشمل جودة بيانات التدريب وتتبع أصل البيانات ومتطلبات

الحوكمة والتوثيق.

معرفة محركات تكلفة الذكاء الاصطناعي، بما يشمل اقتصاديات الوحدات، واستخدام وحدات معالجة الرسومات والمسّّرعات، وأنماط استضافة النماذج، والمفاضلة بين التأخير ومستوى

الخدمة، وتحسين الاعتمادية والتكلفة.

معرفة تهديدات أمن الذكاء الاصطناعي وأساليب الهجمات العدائية وهجمات خصوصية النماذج وضوابط حماية أنظمة

الذكاء الاصطناعي.

معرفة قدرات نماذج الأساس ومشهد مقدمي الخدمات ومعايير الاختيار اللازمة لاتخاذ قرارات الذكاء الاصطناعي المؤسسية

معرفة قياس قيمة الأعمال والعائد على الاستثمار وأطر دراسات الجدوى لبرامج البيانات والذكاء الاصطناعي

معرفة تكامل البيانات وعمليات الاستخراج والتحويل والتحميل ) )ETL/ELT ومسارات عمل البيانات وعقود البيانات

معرفة مقاييس تقييم النماذج واستراتيجيات التحقق وأساليب تحليل الأخطاء والمقارنة السليمة إحصائ�ياً بين النماذج.

معرفة ممارسات هندسة البرمجيات لأنظمة الذكاء الاصطناعي وتعلم الآلة، بما يشمل إدارة الإصدارات والتكامل والتسليم

المستمرين والاختبارات المؤتمتة وجودة الرموز البرمجية.

معرفة ممارسات دورة حياة عمليات تعلم الآلة وعمليات النماذج اللغوية الكبيرة وأدواتها وأنماط تشغيلها.

معرفة مراقبة النماذج واكتشاف الانجراف وقابلية المراقبة والاستجابة للحوادث

معرفة نظرية نمذجة البيانات، بما يشمل النماذج العلائقية والُُبعدية ونماذج خزنة البيانات ونماذج بيانات الرسوم البيانية. معرفة الاستراتيجيات الوطنية للذكاء الاصطناعي ومتطلباته التنظيمية والتزامات الامتثال الخاصة به في مختلف القطاعات.

معرفة التوليد المعزز بالاسترجاع والضبط الدقيق وهندسة الأوامر وأساليب تكييف النماذج

معرفة أنماط معمارية حلول الذكاء الاصطناعي، بما يشمل التدريب وخدمة النماذج والتوليد المعزز بالاسترجاع وتصميم

الأنظمة الوكيلية.

المعّّرف K-031

K-032

K-034 K-035

K-036

K-039 K-040 K-042 K-044 K-045 K-046 K-048 K-049 K-052 K-053 K-054 K-056

المستوى L3

L3 L3 L2 L3 L3 L3 L3 L3 L3 L2 L3

L3

L2 L2

L3

L3 L2 L3 L3

التكرار 1

7 2 5 2 7 1 2 1 1 1 1

1 1

2 1 1 6

وصف العنصر

معرفة تنقيب البيانات ومعالجة اللغات الطبيعية وتحليلات النصوص ورؤية الحاسب وأساليب الذكاء الاصطناعي متعددة

الصيغ وتطبيقاتها

المعّّرف K-058

معرفة معالجة سابقة للبيانات وهندسة الخصائص وقضايا جودة البيانات المؤثرة في أنظمة الذكاء الاصطناعي.

معرفة مبادئ تصوير البيانات وممارسات التواصل التحليلي.

معرفة مفاهيم قواعد البيانات ومستودعات البيانات وبحيرات البيانات ومسارات عمل البيانات.

معرفة أطر معمارية المؤسسة وأساليب حوكمة المعمارية.

معرفة مفاهيم تعلم الآلة والتعلم العميق والذكاء الاصطناعي التوليدي وخوارزمياتها ومعمارياتها وعائلات نماذجها.

معرفة تنميط البيانات وتحليل الأنظمة المصدرية والهندسة العكسية لأغراض تصميم النموذج المستهدف.

معرفة الاحتمالات والإحصاء والأسس الرياضية لعلم البيانات والذكاء الاصطناعي

معرفة مفاهيم الرؤية ثلاثية الأبعاد ومعالجة السحب النقطية واستشعار العمق ومعالجة بيانات تقنية ليدار ).)LiDAR

معرفة أدوات منصات الذكاء الاصطناعي والبنية التحتية لخدمة النماذج وقدرات الموّّردين اللازمة لاتخاذ قرارات المنتجات

معرفة مبادئ إدارة منتجات الذكاء الاصطناعي وأطر دورة حياة المنتج ومنهجيات التسليم الرشيق

معرفة المتطلبات التنظيمية للذكاء الاصطناعي وتصميم الامتثال وآليات إثبات الامتثال في حوكمة الذكاء الاصطناعي.

معرفة اللسانيات العربية وتحديات معالجة اللغات الطبيعية للعربية والصرف وتنوع اللهجات والنماذج المتخصصة في اللغة

العربية.

معرفة مبادئ التكامل والتسليم المستمرين وتطبيقها في نشر نماذج تعلم الآلة ومسارات العمل واختبارها.

معرفة مكونات منصات تعلم الآلة، بما يشمل تتبع التجارب وسجل النماذج وإدارة إصدارات مجموعات البيانات.

معرفة أنظمة الكاميرات ومسارات معالجة الصور ومعايرة المستشعرات والحصول على البيانات والعوامل البيئية المؤثرة

في نماذج الرؤية.

معرفة التصنيف والانحدار والتجميع والتنبؤ وخفض الأبعاد واكتشاف الشذوذ

معرفة خدمات منصات الذكاء الاصطناعي السحابية ومنصات تعلم الآلة الُمدُارة ومكونات البنية التحتية للذكاء الاصطناعي معرفة البنى التحتية السحابية والطرفية اللازمة لنشر أنظمة

الرؤية وتنفيذ الاستنتاج الآني

معرفة الحوسبة السحابية وواجهات برمجة التطبيقات والحاويات وأدوات التنسيق وأنماط النشر.

K-059 K-060 K-061 K-062 K-063 K-071 K-076 K-080 K-082 K-083 K-084

K-085

K-086 K-089

K-100

K-101 K-102 K-103 K-104

المستوى L3

L3 L2 L3 L3 L3 L3 L3 L3 L2 L3 L3 L3 L3 L3 L3 L2 L3 L3

L3

التكرار 1

1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 2 1

وصف العنصر

معرفة معمارية منصات البيانات السحابية، بما يشمل تصميم بحيرات البيانات ومستودعات بحيرات البيانات ومستودعات

البيانات في البيئة السحابية.

معرفة قدرات التخزين في منصات البيانات السحابية والصيغ التي تدعمها وأساليب تحسين الأداء.

معرفة خدمات البيانات لدى مقدمي الخدمات السحابية واقتصاديات المنصات واعتبارات الاستثمار في البنية التحتية

معرفة إدارة المهام الاستشارية وإعداد العروض وإدارة علاقات العملاء

معرفة تنسيق الحاويات وإدارة البنية التحتية السحابية وتوسيع عمليات النشر بما يتناسب مع أحمال عمل تعلم الآلة

معرفة المفاضلات المتعلقة بالتكلفة والتأخير وقابلية التوسع والاعتمادية وقابلية الصيانة في أنظمة الذكاء الاصطناعي

معرفة هندسة البيانات وتصميم مسارات العمل بوصفهما مدخلين لمخازن الخصائص وتسليم بيانات التدريب

معرفة معايير تدوين نماذج البيانات وقدرات أدوات النمذجة وإدارة مستودعات النماذج.

معرفة نظرية نمذجة البيانات، بما يشمل التطبيع العلائقي ونمذجة الكيانات والعلاقات والتصميم الُُبعدي.

معرفة مراقبة جودة البيانات ومسارات العمل وإنفاذ عقود البيانات لدعم تعلم الآلة الموثوق.

معرفة خصائص منصات قواعد البيانات وأنواع البيانات وتصميم التخزين المادي وتحسين الاستعلامات

معرفة أطر التعلم العميق ومكتبات رؤية الحاسب والنماذج المدربة مسبًً قا وتقنيات تعلم منقول.

معرفة مفاهيم النمذجة الُُبعدية، بما يشمل مخطط النجمة ومخطط ندفة الثلج والأبعاد بطيئة التغير.

معرفة أطر الحوسبة الموزعة لمسارات تدريب النماذج واسعة النطاق.

معرفة أطر أمن المؤسسة والمتطلبات الأمنية المنطبقة على نشر أنظمة الذكاء الاصطناعي

معرفة هندسة الخصائص ومتطلبات البنية التحتية للبيانات اللازمة لتسليم نظم تعلم الآلة.

معرفة عمليات مخازن الخصائص ومراقبة حداثتها واكتشاف عدم الاتساق بين بيانات التدريب وخدمة النماذج.

معرفة حالات استخدام الذكاء الاصطناعي الخاصة بالقطاعات وأنماط التبني والسياقات التنظيمية.

معرفة تقنيات تحسين النماذج، بما يشمل التجزيء الكمي والتشذيب والتحسين المراعي لقدرات الأجهزة.

معرفة نهج معالجة اللغات الطبيعية متعددة اللغات، وتعلم منقول عبر اللغات، والاعتبارات الخاصة بكل لغة في تصميم

النماذج

المعّّرف K-105

K-106 K-108 K-109 K-110 K-112 K-115 K-119 K-120 K-123 K-125 K-126 K-128 K-129 K-131 K-132 K-133 K-135 K-137

K-138

المستوى L3 L3 L3 L3 L3 L3 L3 L4 L3 L4 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3

التكرار 1 2 7 1 1 1 1 1 6 1 1 1 1 1 1 1 1 1 1 1

وصف العنصر

معرفة مقاييس المنتجات وتحليلات الأعمال وتصميم التجارب واتخاذ قرار مبني على البيانات.

معرفة الاستنتاج الإحصائي والانحدار والأساليب البايزية واختبار الفرضيات.

معرفة نظام حماية البيانات الشخصية السعودي ولوائحه التنفيذية وإرشادات سدايا المتعلقة بالإنفاذ.

معرفة متطلبات البيانات اللازمة للذكاء الاصطناعي والتحليلات وأنماط المعمارية التي تتيح تحقيق القيمة المدعومة بالذكاء

الاصطناعي

معرفة مخاطر التحيز والإنصاف في الذكاء الاصطناعي وأساليب اكتشاف التحيز وأثر المخرجات المتحيزة في أصحاب المصلحة

معرفة أساليب قابلية شرح الذكاء الاصطناعي وقابلية تفسيره وتطبيقها في تقييم الحوكمة.

معرفة منهجيات تقييم مخاطر الذكاء الاصطناعي وأنماط فشل النماذج والتهديدات العدائية وسيناريوهات إساءة الاستخدام

وأوجه ضعف الضوابط.

معرفة أبحاث سلامة الذكاء الاصطناعي وتحديات المواءمة والتطوير المسؤول لقدرات الذكاء الاصطناعي المتقدمة

معرفة أمن الذكاء الاصطناعي وتقنيات المحافظة على الخصوصية وضوابط الوصول وتسجيل أحداث التطبيقات.

معرفة أطر استراتيجية الذكاء الاصطناعي ونماذج نضجه والنهج المؤسسية المنظمة لتبنيه.

معرفة معمارية وحدات معالجة الرسومات وقدرات المسّّرعات وأداء التدريب والاستنتاج.

معرفة أنماط معمارية عمليات تعلم الآلة ودورة حياة تعلم الآلة والمتطلبات التشغيلية اللازمة لموثوقيته في بيئة الإنتاج

معرفة معمارية نشر أنظمة معالجة اللغات الطبيعية وأنماط خدمة النماذج ومتطلبات البنية التحتية للإنتاج.

معرفة أساسيات معالجة اللغات الطبيعية، بما يشمل تقسيم النص إلى وحدات والتضمينات ومعمارية النماذج اللغوية

ومعالجة المتسلسلات

معرفة أنماط تصميم نظم التوليد المعزز بالاسترجاع واستراتيجيات تقطيع المحتوى واختيار التضمينات وتقييم الاسترجاع.

معرفة أنماط معمارية الذكاء الاصطناعي الوكيلي، بما يشمل تصميم الأنظمة أحادية الوكيل ومتعددة الوكلاء والهرمية.

معرفة حوكمة مجالس الإدارة والمساءلة التنفيذية وإدارة مخاطر المؤسسة

معرفة استراتيجية الأعمال وتحليل السوق والمشهد التنافسي للمنتجات المدعومة بالذكاء الاصطناعي

معرفة منصات الذكاء الاصطناعي السحابية واقتصاديات بنيته التحتية وتخطيط قدراته ونماذج تكلفته

معرفة خوارزميات رؤية الحاسب ومعماريات الشبكات العصبية الالتفافية ومحولات الرؤية واكتشاف الأشياء والتجزئة والتتبع

وتحليلات الفيديو.

المعّّرف K-144 K-149 K-150

K-153

K-154 K-155

K-157

K-158 K-159 K-160 K-161 K-162 K-163

K-164

K-166 K-168 K-169 K-170 K-171

K-174

المستوى L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3

L4

L3 L3 L3 L3 L3 L3 L4 L3

التكرار 1 1 1 1 1 1 1 1 1 1 2 1

1 4 1 1 1 1 1 1

وصف العنصر

معرفة أنماط معمارية البيانات ومتطلبات البنية التحتية للبيانات اللازمة لتشغيل نظم الذكاء الاصطناعي.

معرفة معايير حوكمة البيانات وآثارها المعمارية في تصميم المنصات ومسارات العمل

معرفة معماريات التعلم العميق، بما يشمل المحولات ونماذج الانتشار والشبكات العصبية للرسوم البيانية ونماذج الأساس.

معرفة معماريات تدريب تعلم الآلة الموزع، بما يشمل استراتيجيات توازي البيانات وتوازي النماذج

معرفة أطر معالجة البيانات الموزعة ومعمارياتها ونماذج تنفيذها وأساليب ضبطها.

معرفة أنماط معمارية البيانات الناشئة، بما يشمل شبكة البيانات ونسيج البيانات والمعمارية القابلة للتركيب.

معرفة منصات ذكاء الأعمال المؤسسية ومعمارياتها وقدراتها وخصائص الحوكمة فيها.

معرفة تصميم أطر مؤشرات الأداء الرئيسية للمؤسسة ومعايير تعريف المقاييس وممارسات قياس الأداء

معرفة قواعد التسمية المؤسسية ومعايير النمذجة والقوالب اللازمة لإدارة النماذج باتساق.

معرفة متطلبات أمن المؤسسة والخصوصية والامتثال المؤثرة في تصميم تطبيقات الذكاء الاصطناعي التوليدي.

معرفة تصميم التجارب والاستنتاج السببي وأساليب تقدير أثر المعالجة

معرفة معمارية مخازن الخصائص وأنماط الخدمة المباشرة وغير المباشرة وصحة البيانات عند نقطة زمنية محددة

معرفة أبحاث الذكاء الاصطناعي التوليدي، بما يشمل توسيع النماذج اللغوية الكبيرة ومواءمتها والتعلم متعدد الصيغ

والاستدلال.

معرفة معماريات النماذج اللغوية الكبيرة وتصميم المحولات وقدرات نماذج الأساس وقيودها.

معرفة النماذج اللغوية الكبيرة والمحولات والتضمينات والبحث المتجهي ونماذج الأساس.

معرفة معماريات خدمة النماذج وتحسين الاستنتاج وتصميم البنية التحتية لخدمة النماذج في بيئة الإنتاج

معرفة قدرات الذكاء الاصطناعي متعدد الصيغ ونماذج الرؤية واللغة وتكاملها مع مسارات عمل المؤسسة.

معرفة الأولويات الوطنية لأبحاث الذكاء الاصطناعي والبرامج الحكومية ودور هذه الأبحاث في التنمية الوطنية.

معرفة حوكمة المشتريات وتقييم متطلبات امتثال نظم الذكاء الاصطناعي المقدمة من أطراف خارجية.

معرفة نظرية التعلم التعزيزي وتحسين السياسات ونمذجة المكافآت والتعلم متعدد الوكلاء

معرفة إدارة البنية التحتية للبحوث، بما يشمل الحوسبة عالية الأداء وتتبع التجارب وحوكمة مجموعات البيانات.

المعّّرف K-176 K-179 K-184 K-185 K-186 K-188 K-189 K-190 K-192 K-194 K-195 K-197

K-198

K-200 K-201 K-204 K-205 K-206 K-209 K-211 K-212

L3

L3 L2

L3

L2 L3 L3 L3 L2 L3 L3 L3

L3 L3 L3 L3

التكرار 1 1

1 11

4 5 2 2 1 4 1 1

1 1 1 1

وصف العنصر

معرفة مبادئ معمارية البرمجيات، بما يشمل الخدمات المصغرة وتصميم واجهات برمجة التطبيقات والمعمارية القائمة على

الأحداث

معرفة مفاهيم تدفق البيانات والمعماريات القائمة على الأحداث وأنماط معالجة البيانات الآنية.

معرفة حوكمة الأطراف الخارجية ونماذج الأساس، بما يشمل قرارات البناء أو الشراء، وترخيص النماذج وواجهات برمجة التطبيقات، واتفاقيات معالجة البيانات، وموقع استضافة

البيانات عند استخدام واجهات النماذج الخارجية.

معرفة أساليب بحوث المستخدمين ومبادئ التصميم المتمحور حول الإنسان وأطر اكتشاف المنتجات

معرفة مبادئ الذكاء الاصطناعي المسؤول، بما يشمل الإنصاف والشفافية والمساءلة والسلامة.

معرفة مبادئ سدايا لأخلاقيات الذكاء الاصطناعي وإرشادات الذكاء الاصطناعي التوليدي والإرشادات الوطنية لحوكمة البيانات والذكاء الاصطناعي، وكيفية تطبيقها على تصميم الذكاء

الاصطناعي ونشره والإفصاح عنه والأعمال التحليلية.

معرفة تسليم مشروعات الذكاء الاصطناعي والممارسات الرشيقة والتكرارية وسياق الأعمال والمجال وأصحاب المصلحة

ذي الصلة بحلول الذكاء الاصطناعي.

معرفة جودة البيانات والبيانات المفقودة وتحيز أخذ العينات وأخطاء القياس وقيود التحليل.

معرفة خوارزميات تعلم الآلة وافتراضاتها ونقاط قوتها وقيودها.

معرفة تنقيب البيانات ومعالجة اللغات الطبيعية وتحليلات النصوص وأساليب تحليلات البيانات غير المهيكلة.

معرفة الخصوصية والاستخدام الأخلاقي للبيانات والذكاء الاصطناعي المسؤول واعتبارات الإنصاف

معرفة مقاييس المجال وعمليات الأعمال وسياق السياسات أو السياق العلمي ذي الصلة بالتحليل.

معرفة ممارسات البحوث القابلة لإعادة الإنتاج ومعايير التوثيق.

المعّّرف K-214 K-215

K-216

K-218 K-219

K-220

K-221 K-222 K-223 K-224 K-225 K-226 K-227

المعرفة بالتشريعات والضوابط الوطنية الخاصة بإدارة البيانات، وسياسات مكتب إدارة البيانات الوطنية، الإلمام بمؤشرات البيانات الوطنية الصادرة من الهيئة السعودية للبيانات والذكاء

الاصطناعي )سدايا.)

المعرفة بمبادئ أخلاقيات البيانات، والاستخدام المسؤول والعادل للبيانات، وفرز الممارسات غير الأخلاقية وضمان احترام

الخصوصية والعدالة والشفافية في معالجتها.

المعرفة باللوائح ومتطلبات البيانات الوطنية ذات الصلة با لمنظمة

المعرفة بأفضل الممارسات المتبعة في حوكمة البيانات وإدارتها والإشراف عليها وجودتها محليًًا وعالميًًا

المعرفة بمفاهيم البيانات وأدوات تحليل مجموعات البيانات الكبيرة والمعّقدّة

K-230

K-231 K-232 K-233 K-234

المستوى L3 L3 L3 L3 L3 L3

L1

L3

L2

L2 L1 L2

L3

L2

L2 L2 L2 L1

L2 L3 L2 L2 L2 L3

L2

L3

التكرار 1 1 1 1 1 1

1 1 1

1 1 1 1

1 1 1 1 1 1

وصف العنصر

الإلمام بالوثائق النظامية والتنظيمية ذات العلاقة بالبيانات، بما يشمل سياسات حوكمة البيانات الوطنية.

المعرفة بمجالات DAMA-DMBOK في إدارة البيانات. الإلمام بأفضل الممارسات والمعايير العالمية في مجال البيانات.

المعرفة بالتوجهات التقنية الحديثة لمجال البيانات المفتوحة. المعرفة بالاستراتيجيات الوطنية للبيانات.

المعّّرف

K-235

K-236 K-237 K-238 K-239

المعرفة بطرق تقييم فعالية الأعمال والمخرجات والمبادرات المؤسسية وقياس القيمة الناتجة عنها

المعرفة بأصول البيانات ومجموعات البيانات والسجلات ا لمؤ سسية

المعرفة بطرق تصميم البيانات على ثلاثة مستويات: المفاهيمي )تحديد ما نريد تخزينه ،)والمنطقي )كيف ترتبط عناصره ببعضها،)

والفيزيائي )كيف ُُيخَّزّ ن فعل�ياً في النظام( المعرفة بمفاهيم أبعاد جودة البيانات )الدقة والاكتمال والاتساق

والتوقيت(

المعرفة بمفاهيم البيانات الوصفية وأنواعها )وصفية وهيكلية وإدارية(

المعرفة بمفاهيم مراحل دورة حياة البيانات

المعرفة بضوابط ومواصفات إدارة البيانات وحوكمتها وحماية البيانات الشخصية.

المعرفة بالمتطلبات النظامية والتنظيمية ذات العلاقة بالبيانات بما يشمل سياسات حوكمة البيانات الوطنية

المعرفة بالمعايير والمبادئ الدولية لحوكمة البيانات مثل )/ISO )IEC 38505) (OECD Principle

المعرفة بمنهجيات وممارسات إدارة البيانات وحوكمتها وفق أطر معترف بها دولياً مثل إطار .DAMA

المعرفة بأساسيات إدارة المخاطر المرتبطة بحوكمة البيانات.

المعرفة بمراحل دورة حياة البيانات وإدارتها داخل الجهة.

المعرفة بالقنوات الرسمية للتواصل مع الجهة المختصة، بما في ذلك منصة حوكمة البيانات الوطنية

المعرفة بأبعاد جودة البيانات مثل الدقة والاكتمال والاتساق والحداثة

المعرفة بمنهجيات تحليل السبب الجذري لمشكلات البيانات

المعرفة بدورة إدارة مشكلات جودة البيانات ومسارات التصعيد

المعرفة بمؤشرات جودة البيانات ولوحات المتابعة التشغيلية

المعرفة بمتطلبات جودة البيانات في سياسة مشاركة البيانات

المعرفة بتقنيات تنميط البيانات )تحليل الأعمدة والعلاقات والتبعيات(

المعرفة بضوابط منع أخطاء البيانات عند نقطة الإدخال أو التكامل

الإلمام بمتطلبات نظام حماية البيانات الشخصية ولوائحه التنفيذية والوثائق الصادرة بناًًء عليه

K-240

K-241

K-242

K-243

K-244 K-245 K-246

K-247

K-248

K-249 K-250 K-251 K-252

K-253 K-254 K-255 K-256 K-257 K-258

K-259

K-260

المستوى L2 L2 L2 L1 L1 L3 L3

L2

L3

L3 L2 L3 L2 L2 L2 L2 L2

التكرار 1 1 1 1 1 1 1

وصف العنصر

الإلمام بالمفاهيم والمبادئ العالمية لحماية البيانات الشخصية والخصوصية

الإلمام بأساسيات الأمن السيبراني والضوابط التقنية ذات الصلة بحماية البيانات الشخصية.

الإلمام بمتطلبات سجلات أنشطة معالجة البيانات، ومحتوياتها وآلية تسجيلها وتحديثها.

المعّّرف K-261 K-262 K-263

المعرفة بمتطلبات وإجراءات الإشعارات والبلاغات والتقديمات التنظيمية المتعلقة بحماية البيانات الشخصية، بما في ذلك

الإجراءات والمدد الزمنية والمعلومات المطلوبة

الإلمام بمفاهيم أساسيات التعامل مع العملاء والجهات المختصة بطريقة مهنية.

الإلمام بمفاهيم مؤشرات الأداء/الالتزام، وبناء لوحات المتابعة.

K-264

K-265 K-266

المعرفة والإلمام بجميع الأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي

)سدايا(

K-267

المعرفة والإلمام بمتطلبات جميع مؤشرات البيانات الوطنية الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا ،)على سبيل المثال: المؤشر الوطني للبيانات )نضيء(

K-268

المعرفة والإلمام بالأدوار والمسؤوليات الخاصة بمكتب إدارة البيانات وفقًًا للأدوات التنظيمية لإدارة البيانات الصادرة عن

الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا(

K-269

المعرفة والإلمام بإجراءات متابعة امتثال الجهة للأدوات التنظيمية لإدارة البيانات الصادرة عن الهيئة السعودية للبيانات

والذكاء الاصطناعي )سدايا(

المعرفة بمفاهيم وأنواع البيانات )مهيكلة، شبه مهيكلة، غير مهيكلة( ودورة حياة البيانات من الإنشاء حتى التخلص

المعرفة بفئات ومستويات تقييم الأثر في سياسة تصنيف البيانات والاعتبارات الرئيسية لكل فئة.

K-270 K-271 K-272

المعرفة بمستويات تصنيف البيانات الأربعة وتعريفاتها وضوابطها وفق السياسات المعتمدة في تصنيف البيانات

المعرفة بضوابط التعامل مع كل مستوى تصنيف )التخزين، النقل، المشاركة، الأرشفة( وفق السياسات المعتمدة

المعرفة بقواعد إلغاء التصنيف وخفض المستوى وعواملها الزمنية والحديثة وفق سياسة تصنيف البيانات

المعرفة بمتطلبات الامتثال والتخلص الآمن من البيانات في سياسة تصنيف البيانات وضوابط إدارة البيانات الوطنية

المعرفة بمتطلبات السجل الوطني لتصنيف البيانات ومنصة حوكمة البيانات الوطنية

K-273 K-274 K-275 K-276 K-277

المستوى

L3

L1 L2 L1 L2 L2 L2 L3 L3

L3

L3 L3 L3 L3 L3 L3 L3 L3 L3

L3

L2 L3

التكرار

1 1 1 1 1 1 1 1 1

6 2

وصف العنصر

المعّّرف

المعرفة بالمتطلبات التنظيمية الوطنية المنظمة للوصول إلى البيانات والإفصاح عنها ومشاركتها ونشرها، بما في ذلك

متطلبات التصريح والامتثال ذات الصلة.

المعرفة بمفاهيم تصنيف البيانات ومستوياته

المعرفة بمفاهيم إدارة طلبات الوصول وحق الحصول على المعلومة

المعرفة بمفاهيم البيانات المفتوحة ومبادئها في عملية النشر

المعرفة بمفاهيم اتفاقيات مشاركة البيانات بين الجهات

K-278

K-279 K-280 K-281 K-282

المعرفة بالمخاطر الأخلاقية والقضايا الأخلاقية الشائعة الناتجة عن جمع البيانات وتحليلها ومشاركتها واستخدامها.

المعرفة بمصادر أصول بيانات المنظمة وخصائصها واستخداماتها

معرفة خصائص معالجة البيانات المتقدمة في قواعد البيانات

المعرفة بمفاهيم البيانات وأدوات تحليل مجموعات البيانات

K-283

K-284 K-285 K-286

المعرفة بالمتطلبات التنظيمية ومتطلبات الحوكمة المؤثرة في جمع البيانات ومعالجتها وتحليلها واستخدامها للأغراض

التحليلية.

المعرفة باستراتيجيات البيانات، وتحقيق الإيرادات منها، وتحديد المستهدفات ومؤشرات الأداء.

المعرفة بمنهجيات تقييم القيمة والطلب والجدوى، وتحليل السوق والمستفيدين والمنافسين

المعرفة بنماذج حوكمة البيانات، والأدوار والصلاحيات، ومسارات الاعتماد واتخاذ القرار.

المعرفة بأنواع أصول البيانات ومصادرها واستخداماتها وبياناتها الوصفية، ومتطلبات جودة البيانات وتصنيفها وإتاحتها

المعرفة بتحليل الأعمال، وتصميم عروض القيمة، وتحديد متطلبات المنتجات والخدمات القائمة على البيانات.

المعرفة بإعداد دراسات الجدوى وحالات الأعمال، وتحليل التكلفة والمنفعة والمخاطر والعائد على الاستثمار

المعرفة بأساليب التنبؤ بالإيرادات، وتحليل الحساسية، ونقطة التعادل، ومؤشرات الأداء المالي والتشغيلي.

المعرفة بنماذج الأعمال والاشتراكات والتراخيص وواجهات البيانات والخدمات التحليلية، ومنهجيات التسعير.

المعرفة بنماذج الشراكات وقنوات تقديم المنتجات والخدمات ومعايير تقييم العملاء والشركاء

المعرفة بالمتطلبات التنظيمية وحقوق استخدام البيانات وحمايتها وتصنيفها ومشاركتها والملكية الفكرية، ودورة حياة المنتجات من التطوير والاختبار والإطلاق إلى التوسع وإعادة

التسعير أو الإيقاف

القدرة على التعاون بفاعلية بين فرق البيانات والذكاء الاصطناعي والأعمال والحوكمة والفرق التقنية متعددة التخصصات.

القدرة على المحافظة على أداء موثوق لنظم الذكاء الاصطناعي في ظل قيود بيئة الإنتاج.

K-287

K-288 K-289 K-290 K-291 K-292 K-293 K-294 K-295 K-296

K-297

A-011 A-013

المستوى L3 L3 L3 L3 L3 L3 L2 L3 L3 L3

L3

L3 L3 L3 L3 L3 L3 L3 L3 L3 L3

التكرار 7 11 1 1 8 2 2 1 2 1

1 1 1 1 6 1 1 1 1 1

وصف العنصر

القدرة على تقييم الأساليب والأدوات والتقنيات الناشئة في البيانات والذكاء الاصطناعي وتبنيها بمسؤولية.

القدرة على الاستدلال بشأن سلوك النماذج وقيودها ومخاطرها وأنماط فشلها وآثارها في الخصوصية والإنصاف والأخلاقيات.

القدرة على تحديد الأنماط والقيم الشاذة والأسباب الجذرية وفرص التحسين استناًًدا إلى البيانات أو الأدلة التشغيلية

القدرة على المحافظة على الدقة والاهتمام بالتفاصيل عبر أصول البيانات والقواعد والنماذج والوثائق المعقدة.

القدرة على ترجمة المتطلبات المؤسسية الغامضة إلى أسئلة تحليلية قابلة للاختبار أو تصاميم عملية لأنظمة الذكاء الاصطناعي

القدرة على ترجمة النتائج التحليلية إلى توصيات وقرارات عملية.

القدرة على التعاون بفاعلية مع الفرق التقنية وفرق الأعمال والمنتجات والسياسات والمجالات التخصصية

القدرة على تقييم أصالة المساهمات البحثية وصرامتها وأهميتها بحكم علمي مستنير.

القدرة على الاستدلال الكمي وتحديد الأنماط ذات الدلالة في البيانات المعقدة

القدرة على العمل باستخدام بيانات ناقصة أو غير منظمة أو متحيزة أو غامضة

القدرة على تقييم ملفات المخاطر المعقدة لنظم الذكاء الاصطناعي بدمج الأبعاد التقنية والأخلاقية والتشغيلية

و التنظيمية .

القدرة على تحديد مشكلات تصميم النماذج ومعالجتها من خلال مراجعة منهجية وتقييم منظم للجودة.

القدرة على توقع الآثار المعمارية للقدرات الناشئة قبل أن تؤدي إلى تراكم الدين التقني

القدرة على توقع آثار قرارات تصميم مسارات العمل في المراحل اللاحقة والتفاعل الاستباقي مع المستفيدين

القدرة على توقع آثار خيارات تصميم النماذج في أداء الأنظمة اللاحقة وسلوكها

القدرة على الموازنة بين الملاءمة المنهجية والدقة والسلامة والسرعة والتكلفة والجدوى التشغيلية.

القدرة على بناء توافق بشأن المعايير المعمارية بين فرق هندسية تختلف تفضيلاتها.

القدرة على تحديد رقابة بشرية فعالة تتناسب مع مستوى التحكم الذاتي الوكيل وتقبل المخاطر

القدرة على تصميم بنية تحتية لتعلم الآلة تتيح تطوير النماذج بكفاءة دون اشتراط خبرة عميقة في البنية التحتية

القدرة على تصميم نظم لمعالجة اللغات الطبيعية تستوعب التعقيد اللغوي والغنى الصرفي للنص العربي.

القدرة على تصميم نظم رؤية حاسب تستوفي متطلبات الأداء والدقة والسلامة والتشغيل في الواقع العملي.

المعّّرف A-014 A-015 A-016 A-017 A-018 A-019 A-020 A-021 A-024 A-025

A-026

A-028 A-031 A-032 A-033 A-037 A-040 A-043 A-044 A-045 A-047

المستوى L3

L3

L3 L3 L3 L3 L4 L3 L3 L3 L3 L3 L3 L3 L3

التكرار 1

1 1 1 1 1

وصف العنصر

القدرة على تقييم جودة نماذج معالجة اللغات الطبيعية عبر التنوع اللغوي والفئات السكانية والحالات الحدية الخاصة

بالمجال

القدرة على تقييم نماذج الأساس واتخاذ قرارات اختيار قائمة على مبادئ واضحة ومتطلبات المؤسسة

القدرة على تقييم الخيارات التقنية لمسائل هندسة البيانات واتخاذ قرارات اختيار قائمة على مبادئ واضحة

القدرة على توجيه فرق الهندسة نحو المعايير المعمارية مع إتاحة الابتكار التقني

القدرة على تحديد مخاطر التحيز والإنصاف في معالجة اللغات الطبيعية ومعالجتها استباقًًيا قبل نشر النظام.

القدرة على تحديد الفجوة بين أداء الاختبار وأداء الإنتاج في نظم الرؤية ومعالجتها.

القدرة على تحديد أوجه عدم اتساق المقاييس وتعارضات الحساب والفروقات في البيانات ضمن بيئات ذكاء الأعمال

و معا لجتها

القدرة على تحديد اختناقات الأداء في نظم التدريب الموزع وخدمة النماذج ومعالجتها.

القدرة على تحديد المخاطر المعمارية في التصميمات المقترحة قبل تنفيذها والتوصية بتدابير للحد منها

القدرة على المحافظة على الموضوعية التحليلية عند توليف المدخلات التقنية والتجارية والتنظيمية.

القدرة على المحافظة على الاتساق المعماري عبر محفظة متنوعة من مبادرات البيانات والحزم التقنية.

القدرة على المحافظة على اتساق نماذج البيانات وجودتها عبر محافظ مؤسسية كبيرة بمرور الوقت.

القدرة على المحافظة على موثوقية مسارات العمل ومعايير الجودة مع توسع البنية التحتية للبيانات.

القدرة على المحافظة على الصرامة في تعريف المقاييس واتساق حسابها مع نمو محفظة حلول ذكاء الأعمال

القدرة على إدارة جودة المهام الاستشارية وتوقعات أصحاب المصلحة عبر مهام متزامنة

القدرة على الاستدلال بشأن أنماط فشل نظام ذاتي التحكم والمخاطر المتراكمة وتصميم ضوابط سلامة متناسبة معها.

القدرة على الاستدلال بشأن الطبيعة الاحتمالية لمخرجات الذكاء الاصطناعي التوليدي وتصميم نظم تحافظ على موثوقيتها.

القدرة على الاستدلال بصرامة بشأن نتائج البحوث والمحافظة على النزاهة العلمية في تفسيرها وإعداد التقارير عنها.

القدرة على اختيار نهج النمذجة الملائم استناًًدا إلى خصائص المنصة ومتطلبات حالة الاستخدام.

القدرة على توقع المخاطر التشغيلية لعمليات تعلم الآلة قبل تأثيرها في نظم الإنتاج والخدمات المقدمة للمستخدمين.

المعّّرف A-051

A-052 A-053 A-055 A-057 A-058

A-059

A-060 A-062 A-069 A-070 A-073 A-075 A-076 A-078 A-080 A-081 A-082 A-083 A-088

المستوى L4 L3 L3 L4 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3 L3

L3 L3

التكرار 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1

1 1

وصف العنصر

القدرة على بناء فريق قيادي رفيع للذكاء الاصطناعي وإلهامه لدمج تخصصات البحث والهندسة والحوكمة والمنتجات.

القدرة على بناء علاقات عمل فعالة بين أصحاب المصلحة في الأعمال وفرق هندسة الذكاء الاصطناعي

القدرة على التعاون بفاعلية مع المهندسين والمعماريين لضمان قابلية ترجمة النماذج إلى تنفيذ عملي

القدرة على تحديد رؤية مؤسسية موثوقة للذكاء الاصطناعي توازن بين طموح الابتكار والجدوى والمخاطر والقيمة العامة

القدرة على تصميم مسارات لمعالجة اللغات الطبيعية تتحمل تغير المدخلات والتشويش وتغير المجال في بيئة الإنتاج.

القدرة على تصميم نظم ذكاء اصطناعي وكيلية تنفذ المهام بموثوقية مع المحافظة على الرقابة البشرية.

القدرة على تصميم الرقابة البشرية على الذكاء الاصطناعي وإنفاذها، بما يشمل الحد الأدنى من صلاحيات الأدوات وبوابات

الموافقة ومسارات العودة والتحكم البشري ضمن الحلقة.

القدرة على تصميم معماريات بيانات توازن بين القدرات طويلة المدى واحتياجات التسليم القريبة.

القدرة على تصميم معماريات لمسارات عمل البيانات توازن بين الأداء والتكلفة وقابلية الصيانة واحتياجات المستفيدين.

القدرة على تصميم مراقبة وضوابط متناسبة لمخاطر الذكاء الاصطناعي دون إعاقة تطويره المشروع.

القدرة على تشخيص التفاعلات المعقدة بين البيانات والنماذج وواجهات برمجة التطبيقات والبنية التحتية

القدرة على دمج مبادئ الذكاء الاصطناعي المسؤول في قرارات تصميم المنتجات والموازنة بين الابتكار والقيود الأخلاقية.

القدرة على التفاعل مع مطوري الذكاء الاصطناعي ومديري المنتجات بوصفه مستشار حوكمة موثوًقاً وبّناًًّء

القدرة على تقييم الخيارات التقنية المعقدة للذكاء الاصطناعي واتخاذ قرارات معمارية قائمة على مبادئ واضحة ومناسبة

للسياق.

القدرة على تقييم الخيارات التقنية بموضوعية باستخدام معايير المعمارية لا اتجاهات السوق.

القدرة على دمج متطلبات الذكاء الاصطناعي المسؤول بوصفها اعتبارات معمارية أساسية منذ البداية.

القدرة على المحافظة على الصرامة التحليلية والموضوعية في تقييم المخاطر تحت ضغط مؤسسي لتقليل النتائج المتعلقة

بها.

القدرة على المحافظة على امتثال المؤسسة لممارسات الذكاء الاصطناعي المسؤول مع توسع نشره وازدياد ضغوط الاستعجال

المؤسسي.

القدرة على ترجمة قدرات الذكاء الاصطناعي ومخاطره المعقدة إلى قرارات استراتيجية لأصحاب المصلحة التنفيذيين.

المعّّرف A-090 A-093 A-095 A-097 A-098 A-099 A-100 A-101 A-102 A-104 A-107 A-109 A-111 A-112 A-113 A-115 A-118

A-130 A-132

المستوى

L3

L3 L3 L3 L3 L2 L4 L3 L3

L4 L3 L3 L3 L3 L3 L3 L3 L2 L3 L3 L3 L3

التكرار

1 1 2 3 2 1 1 1

وصف العنصر

القدرة على ترجمة أخلاقيات الذكاء الاصطناعي ومتطلبات الذكاء الاصطناعي المسؤول المعقدة إلى ضوابط حوكمة عملية للفرق

التقنية.

القدرة على تحويل الرموز البرمجية التجريبية إلى نظم تعلم آلة بجودة إنتاجية تستوفي معايير الاعتمادية والأداء

القدرة على ترجمة الرؤى البحثية إلى إرشادات عملية لفرق الذكاء الاصطناعي التطبيقي وتطوير القدرات المؤسسية.

القدرة على توضيح قرارات تصميم الذكاء الاصطناعي وقيوده لأصحاب المصلحة التقنيين وغير التقنيين.

القدرة على الحكم على مدى ملاءمة البيانات والافتراضات والأساليب لمشكلة محددة.

القدرة على توضيح عدم اليقين والافتراضات والقيود والمفاضلات بوضوح.

القدرة على التفكير بشكل استراتيجي وتحويل البيانات إلى رؤى قابلة للتنفيذ

القدرة على فهم تحديات الإدارة والعمل على تجاوزها

القدرة على الإشراف على مخرجات الإدارة مع ضمان جودتها وحوكمتها بما يطابق السياسات والأنظمة

القدرة على وضع الاستراتيجيات والسياسات وإعداد الوثائق ذات الصلة لدعم استراتيجية البيانات ومواءمتها مع استراتيجية

الأعمال بالمنظمة.

القدرة على تمثيل البيانات مرئًًيا بطريقة واضحة وموجزة. القدرة على تفسير القوانين واللوائح والسياسات والإرشادات

ذات الصلة بأهداف بيانات المنظمة وتطبيقها.

القدرة على تحديد الأولويات وتخصيص وترشيد موارد البيانات على نحو سليم

القدرة على تقييم الاستراتيجيات والمبادرات والسياسات وفق أفضل الممارسات.

القدرة على تحديد فرص تحقيق القيمة الكامنة من البيانات وتقييم أثرها

القدرة على تقييم المخاطر وفرص النجاح على المستوى ا لمؤ سسي

القدرة على استخلاص القيمة من البيانات، تحديد المجالات والبيانات ذات الأثر الملموس وتقديمها لصناع القرار

القدرة على طرح الأفكار والتوصيات بوضوح لصناع القرار.

القدرة على مواءمة مبادرة تحقيق الإيرادات من البيانات مع أهداف الجهة وتحويلها إلى خطة عملية قابلة للتنفيذ

القدرة على الموازنة بين القيمة المتوقعة والطلب والجدوى وإمكانية التنفيذ عند تقييم الفرص وترتيب أولوياتها.

القدرة على تصميم آليات الحوكمة واتخاذ القرار والمتابعة والتصعيد بما يضمن وضوح المسؤوليات وسير العمل.

القدرة على تجميع معلومات أصول البيانات من مصادر متعددة وتنظيمها وتقييم مدى جاهزيتها وقابليتها للاستثمار.

المعّّرف A-133

A-135 A-138 A-139 A-140 A-141 A-142 A-143 A-144

A-145 A-146 A-147 A-148 A-149 A-150 A-151 A-152 A-153 A-154 A-155 A-156 A-157

L3

L3

L3

L3 L2 L3 L2 L2 L3 L2 L3 L2 L3 L3 L3 L2 L3 L3 L3 L3 L2

التكرار 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

وصف العنصر

القدرة على استنتاج الفرص من بيانات السوق واحتياجات المستفيدين وتحويلها إلى حالات استخدام واضحة وقابلة للتنفيذ

القدرة على تقييم الجدوى المالية والاقتصادية وبناء السيناريوهات المالية وتحليل أثر تغير الافتراضات لدعم قرارات الاستثمار

القدرة على اختيار نماذج الأعمال المناسبة واقتراح أسعار تحقق التوازن بين القيمة والتكلفة والطلب وطبيعة السوق

و ا لمستفيد ين .

القدرة على تقييم الشركاء وقنوات تقديم المنتجات والمفاضلة بينها وفق القيمة والجدوى والمخاطر

القدرة على تحديد قابلية الفرص للاعتماد والفجوات النظامية، وتنسيق استيفاء الموافقات والمتطلبات والضوابط مع الجهات

المختصة

القدرة على تنسيق تنفيذ متطلبات المنتجات بين الفرق المختلفة، وتحليل اتجاهات الأداء والانحرافات، وتقديم توصيات

مبنية على الأدلة لتحسين المحفظة.

القدرة على الانتباه للتفاصيل عند مراجعة أصول بيانات متعددة

القدرة على تفسير المتطلبات النظامية والتنظيمية ذات الصلة بإتاحة البيانات

القدرة على التنسيق مع الإدارات والوحدات المعنية داخل الجهة لجمع المعلومات المطلوبة

القدرة على العمل بفعالية ضمن فرق متعددة التخصصات.

القدرة على اتخاذ قرارات إتاحة مبنية على معايير وأدلة مع توثيق المبررات

القدرة على التواصل الفعال والمهني مع الجهة المختصة وأصحاب العلاقة

القدرة على التعلم المستمر ومتابعة التحديثات النظامية والتنظيمية مع تطبيق أفضل الممارسات

القدرة على تحسين إجراءات الإتاحة ورفع كفاءتها بشكل مستمر.

القدرة على تقييم الوضع الراهن ورصد الفجوات في تطبيق حوكمة البيانات وجودتها، ورفع التوصيات اللازمة.

القدرة على صياغة وتوثيق متطلبات حوكمة البيانات بصورة قابلة للتطبيق.

القدرة على تحويل متطلبات حوكمة البيانات إلى تطبيقات عملية

القدرة على التواصل الفعال والمهني مع الجهة المختصة وأصحاب العلاقة، والعمل مع فرق متعددة التخصصات.

القدرة على الاستجابة للأزمات والعمل بكفاءة تحت الضغط، مع ضمان جودة المخرجات وسلامة الإجراءات.

القدرة على الاستفادة من أبرز الممارسات العالمية في حوكمة البيانات ومتابعة التحديثات النظامية والتنظيمية ذات الصلة

القدرة على الإقناع والتأثير وبناء ثقافة حوكمة البيانات داخل الجهة

القدرة على معالجة التحديات واتخاذ قرارات مبنية على الأدلة.

القدرة على تحديد المشكلات المتعلقة بجودة البيانات.

المعّّرف A-158 A-159

A-160

A-161

A-162

A-163 A-164 A-165 A-166 A-167 A-168 A-169 A-170 A-171 A-172 A-173 A-174 A-175 A-176 A-177 A-178 A-179 A-180

المستوى L3 L2 L3 L2 L2 L3 L2 L2 L3 L3 L3 L3

L2

L3 L2

L3

L2

L3 L3 L2 L2

التكرار 1 1 1 1 1 1 1 1 1 1 1 1

1 1

1 1 1 1

وصف العنصر

القدرة على تحليل المشكلات المتعلقة بجودة البيانات.

القدرة على جمع بيانات الاختبار والتحقق من صحتها وإقرار صحتها.

القدرة على ترجمة البيانات ونتائج الاختبار إلى استنتاجات تقييمية

القدرة على إدارة الخلاف حول أولوية مشكلات الجودة

القدرة على تبسيط مؤشرات الجودة دون فقدان الدقة

القدرة على الاستفادة من أفضل الممارسات ومواءمتها بما يتناسب مع متطلبات الجهة.

القدرة على إنجاز المهام بكفاءة وضمن نطاق المدد الزمنية المحددة

القدرة على التواصل المهني مع أصحاب البيانات الشخصية والجهة المختصة والجهات ذات العلاقة داخل المملكة وخارجها.

القدرة على التعامل مع المواقف الحساسة وإدارة الخلافات وفض النزاعات بأسلوب مهني

القدرة على التعلم المستمر ومتابعة المستجدات والتحديثات النظامية والتنظيمية ذات الصلة.

القدرة على إدارة الأزمات والعمل بكفاءة تحت الضغط، مع المحافظة على جودة المخرجات وسلامة الإجراءات

القدرة على معالجة التحديات واتخاذ قرارات مبنية على الأدلة ضمن نطاق الصلاحيات.

المعّّرف A-181 A-182

A-183 A-184 A-185 A-186

A-187

A-188

A-189

A-190

A-191

A-192

القدرة على تنسيق الاستجابات متعددة الوظائف لقضايا حماية البيانات الشخصية بمشاركة أصحاب المصلحة القانونيين

والتقنيين والتشغيليين وأطراف الحوكمة

القدرة على تقييم الوضع الراهن للجهة مع وضع الخطط التصحيحية لمعالجة حالات عدم الامتثال

A-193 A-194

A-195القدرة على بناء التواصل الفعال بين الجهة والهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا(

القدرة على تحديد فرص التحسين المستمر للسياسات الداخلية بما يتوافق مع الأدوات التنظيمية لإدارة البيانات الصادرة عن

الهيئة السعودية للبيانات والذكاء الاصطناعي )سدايا(

القدرة على بناء وإدارة فهرس بيانات) )�Data Catalog/Invento )ry وربط كل أصل بمالكه )ممثل بيانات الأعمال( لضمان التغطية

الكاملة وقابلية التتبع.

القدرة على التحليل المنطقي والربط بين الآثار المحتملة ودرجة الحساسية

القدرة على اتخاذ القرار الدقيق والاتساق في تطبيق معايير التصنيف عبر الأصول المتشابهة

القدرة على الدقة والاتساق في تطبيق الضوابط التقنية والإجرائية.

القدرة على المتابعة المنتظمة والالتزام بالجداول الزمنية للمر ا جعة

A-196

A-197 A-198 A-199 A-200 A-201

المستوى L4 L2 L2 L3 L3 L3 L2

L3

L3

L3 L3 L3

التكرار 1 1 1 1 1 1 1

1 1 1

وصف العنصر

القدرة على قيادة مبادرات تصنيف البيانات في المنظمة.

القدرة على إعداد تقارير التزام المنظمة بالتصنيف.

القدرة على بناء الوعي المؤسسي حول البيانات المصنفة واهميتها.

القدرة على اتخاذ قرارات الإتاحة والنشر وفق المعايير والسياسات، بما يحقق التوازن بين إتاحة البيانات وحمايتها

القدرة على تفسير وتطبيق الأنظمة والسياسات ذات العلاقة بإتاحة البيانات والبيانات المفتوحة، وضمان الالتزام بالمتطلبات

النظامية والتنظيمية عند مشاركة البيانات أو نشرها

القدرة على تحليل أثر نشر وإتاحة البيانات واقتراح وتنفيذ مبادرات لتحسين عمليات الإتاحة والنشر ورفع كفاءتها

القدرة على التنسيق والتواصل الفعال مع أصحاب المصلحة والجهات ذات العلاقة، والعمل ضمن فرق متعددة التخصصات، وبناء التوافق لدعم مبادرات إتاحة البيانات والبيانات المفتوحة

القدرة على التحقق من جودة البيانات وصحتها واكتمالها وترابطها، وإعداد البيانات وضمان جاهزيتها للاستخدام في

التحليلات والذكاء الاصطناعي ودعم اتخاذ القرار

القدرة على إجراء التحليل الاستكشافي والإحصائي للبيانات، واكتشاف الأنماط والعلاقات، والتحقق من نتائج التحليل، وتطبيق التفكير النقدي لحل المشكلات وربط النتائج بأهداف

الأعمال

القدرة على تصميم التصورات البيانية ولوحات المعلومات باستخدام أدوات تصور البيانات، وعرض النتائج والرؤى الإحصائية

بوضوح وفعالية لمختلف أصحاب المصلحة

القدرة على التعامل مع هياكل البيانات المعقدة باستخدام لغات البرمجة والأدوات التحليلية لمعالجة البيانات وتحليلها بكفاءة

القدرة على العمل والتعاون مع الفرق المختلفة، وإدارة المهام المتعددة في بيئات عمل متغيرة، والالتزام بالتعلم المستمر

ومواكبة التطورات في مجالات البيانات

المعّّرف A-202 A-203 A-204 A-205 A-206 A-207 A-208

A-209

A-210

A-211 A-212 A-213

2026 سبتمبر

SDAIA-P156A 2