ویرگول
ورودثبت نام
روزنامه شریف
روزنامه شریفآخرین متن و حواشی دانشگاه صنعتی شریف از بزرگترین رسانه دانشگاهی کشور
روزنامه شریف
روزنامه شریف
خواندن ۲۸ دقیقه·۱ ماه پیش

مصاحبه با سرکار خانم دکتر بستان‌آراء - استاد مهندسی صنایع

درباره جایگاه مهندسی صنایع، آینده صنعت و مسیرهای شغلی 

تهیه کننده: نیکا محسنی، دانشجوی وروردی 1403 کارشناسی رشته "مهندسی نفت و زمین انرژی"


پیشگفتار

سرکار خانم دکتر بستان‌آراء تحصیلات دانشگاهی خود را در رشته مهندسی صنایع در دانشگاه صنعتی شریف آغاز کردند و مقاطع کارشناسی و کارشناسی ارشد را در همین رشته به پایان رساندند. حوزه اصلی فعالیت ایشان در دوران کارشناسی و کارشناسی ارشد، بهینه‌سازی و تحقیق در عملیات (OR) بود؛ حوزه‌ای که یکی از ارکان مهم مهندسی صنایع به شمار می‌رود.

ایشان در مقطع دکتری مسیر تحصیلی خود را تغییر دادند و با ورود به حوزه حمل‌ونقل، به دانشکده عمران رفتند. در این دوره، فعالیت‌های پژوهشی ایشان بیش از پیش به سمت حوزه‌های داده‌محور سوق پیدا کرد و موضوعاتی همچون اقتصادسنجی، مدل‌های آماری، یادگیری ماشین و تحلیل داده به بخش مهمی از فعالیت‌های علمی ایشان تبدیل شد. پس از پایان دوره دکتری نیز دو دوره پست‌دکتری را در همین حوزه و با تمرکز بر حمل‌ونقل، تحلیل داده و روش‌های داده‌محور سپری کردند.

ایشان پس از حدود هفت تا هشت سال دوری از ایران، در دی‌ماه سال گذشته به کشور بازگشتند و فعالیت خود را در دانشکده مهندسی صنایع دانشگاه صنعتی شریف از سر گرفتند. به گفته خودشان، این فاصله زمانی سبب شده است که شناخت ایشان از تحولات بازار کار ایران و همچنین فضای آموزشی و پژوهشی دوره دکتری مهندسی صنایع در داخل کشور، با محدودیت‌هایی همراه باشد؛ چراکه بخش عمده این سال‌ها را در استرالیا و در حوزه حمل‌ونقل سپری کرده‌اند و دانشگاه محل تحصیلشان نیز دانشکده مستقلی برای مهندسی صنایع نداشته است.


سؤال اول

 اگر بخواهید رشته مهندسی صنایع را از منظر بازار کار و آینده شغلی برای یک دانش‌آموز یا دانشجوی جوان توضیح دهید، این رشته چه حوزه‌هایی را پوشش می‌دهد و فارغ‌التحصیل آن اساساً چه مسئله‌ای را برای جامعه یا سازمان‌ها حل می‌کند؟

مهندسی صنایع را گاهی به اقیانوسی به عمق یک متر تشبیه می‌کنند. فارغ از اینکه این تشبیه تا چه اندازه دقیق باشد، یک نکته در مورد آن کاملاً قابل تأمل است: مهندسی صنایع رشته‌ای گسترده است که دانشجو را با حوزه‌های متنوعی آشنا می‌کند و مسیرهای متعددی را پیش روی او قرار می‌دهد.

اگر بخواهیم این رشته را بر اساس تجربه شخصی دسته‌بندی کنیم، مهندسی صنایع در نقطه تلاقی چند حوزه قرار می‌گیرد؛ از یک سو با مباحث مهندسی سروکار دارد، از سوی دیگر به مدیریت، ساخت و تولید، مدیریت پروژه، اقتصاد، آمار و تحلیل داده نزدیک می‌شود. همین ماهیت میان‌رشته‌ای سبب شده است که فارغ‌التحصیل مهندسی صنایع بتواند در محیط‌های گوناگون حضور پیدا کند و میان حوزه‌های مختلف ارتباط برقرار سازد.

یکی از پایه‌های مهم این رشته، ریاضیات، احتمال و آمار است. ریاضیات مورد استفاده در مهندسی صنایع تا حد زیادی بر مفاهیم احتمالاتی و آماری استوار است. دانشجو پس از گذراندن مباحث پایه احتمال و آمار، می‌تواند این مسیر را با درس‌هایی مانند رگرسیون، تحلیل داده، داده‌کاوی، سری‌های زمانی و اقتصادسنجی ادامه دهد و در نهایت وارد حوزه‌های پیشرفته‌تری مانند یادگیری ماشین و هوش تجاری شود.

در کنار تحلیل داده، یکی دیگر از ستون‌های اصلی مهندسی صنایع، تحقیق در عملیات یا بهینه‌سازی (Operations Research) است. هدف تحقیق در عملیات آن است که با در اختیار داشتن منابع محدود و مجموعه‌ای از محدودیت‌ها، بهترین تصمیم ممکن را پیدا کنیم.

برای مثال، فرض کنید یک بیمارستان تنها ده پرستار در اختیار دارد و هر پرستار نیز محدودیت‌هایی در تعداد روزهای کاری، تعداد شیفت‌ها و زمان استراحت دارد. از طرف دیگر، لازم است در هر ساعت حداقل دو پرستار در بخش حضور داشته باشند. مسئله این است که چگونه می‌توان برنامه کاری پرستاران را به گونه‌ای تنظیم کرد که ضمن رعایت تمام محدودیت‌ها، بهترین وضعیت ممکن حاصل شود.

حل چنین مسئله‌ای با بررسی تک‌تک حالت‌های ممکن بسیار دشوار است؛ اما مهندس صنایع یاد می‌گیرد که مسئله را به زبان ریاضی بیان کند، تابع هدف و محدودیت‌ها را تعریف کند و سپس با استفاده از الگوریتم‌های بهینه‌سازی، بهترین راه‌حل را به دست آورد.

مسائلی مانند TSP یا مسئله فروشنده دوره‌گرد (Travelling Salesman Problem)، VRP یا مسئله مسیریابی وسایل نقلیه (Vehicle Routing Problem) و همچنین مسئله کوله‌پشتی، نمونه‌هایی شناخته‌شده از مسائل بهینه‌سازی هستند. در همه این مسائل، هدف آن است که تحت مجموعه‌ای از محدودیت‌ها، بهترین تصمیم ممکن اتخاذ شود.

برای نمونه، در مسئله کوله‌پشتی فرض کنید فردی قصد دارد به کوهستان برود و تنها ظرفیت محدودی برای حمل وسایل در اختیار دارد. هر وسیله وزن و ارزش مشخصی دارد و فرد باید تصمیم بگیرد کدام وسایل را با خود ببرد تا در نهایت، با کمترین وزن، بیشترین ارزش را به دست آورد. چنین مسئله‌ای در ظاهر ساده است، اما در واقع نمونه‌ای از مسائل کلاسیک بهینه‌سازی است و منطق آن در بسیاری از مسائل واقعی، از جمله برنامه‌ریزی و حتی انتخاب واحد دانشجویان، کاربرد دارد.

از سوی دیگر، در مهندسی صنایع مباحث اقتصادی نیز جایگاه مهمی دارند. درس‌هایی مانند اقتصاد ۱ و ۲ و اقتصاد مهندسی به دانشجویان کمک می‌کنند تا بتوانند تحلیل هزینه و منفعت (Cost-Benefit Analysis) انجام دهند و بررسی کنند که یک پروژه در طول چند سال چه میزان سود یا زیان ایجاد خواهد کرد. در این تحلیل عواملی همچون نرخ بهره، تورم و ارزش زمانی پول نیز در نظر گرفته می‌شوند.

بنابراین می‌توان گفت مهندسی صنایع از نظر ماهیت، در نقطه‌ای میان مهندسی، آمار و احتمال، مدیریت و اقتصاد قرار گرفته است.

در حوزه تحلیل داده، دانشجوی مهندسی صنایع می‌تواند پس از مباحث پایه، وارد حوزه‌هایی مانند داده‌کاوی، یادگیری ماشین، هوش تجاری (Business Intelligence)، سری‌های زمانی، اقتصادسنجی و مدل‌های انتخاب گسسته (Discrete Choice Models) شود. در واقع، مجموعه بزرگی از روش‌های مدل‌سازی داده‌محور در این شاخه قرار می‌گیرند.

شاخه مهم دیگر، همان‌طور که اشاره شد، بهینه‌سازی و تحقیق در عملیات است. پس از گذراندن OR1، دانشجو در OR2 با مسائل پیچیده‌تر آشنا می‌شود و مهارت مهمی به دست می‌آورد: توانایی تبدیل یک مسئله واقعی به یک مدل ریاضی. یعنی بتواند تابع هدف، متغیرهای تصمیم و محدودیت‌های مسئله را شناسایی و صورت‌بندی کند.

در ادامه، دانشجو با مفاهیمی مانند برنامه‌ریزی پویا (Dynamic Programming) نیز آشنا می‌شود. تفاوت مهم برنامه‌ریزی پویا با بسیاری از مسائل ساده بهینه‌سازی این است که در آن، تصمیم‌گیری تنها به وضعیت فعلی محدود نمی‌شود، بلکه اثر تصمیم امروز بر وضعیت آینده نیز در نظر گرفته می‌شود.

برای مثال، در مدیریت موجودی یک کارخانه، نمی‌توان تنها به میزان تولید امروز توجه کرد. میزان تقاضای آینده، موجودی فعلی انبار، هزینه نگهداری، محدودیت مواد اولیه و تغییرات فصلی تقاضا همگی بر تصمیم تولید اثر می‌گذارند. ممکن است یک محصول در تابستان تقاضای زیادی داشته باشد، اما اگر بیش از نیاز تولید شود، محصول اضافی در پاییز و زمستان در انبار باقی بماند و هزینه نگهداری ایجاد کند. بنابراین تصمیم امروز، بر تصمیم‌ها و هزینه‌های آینده اثر خواهد گذاشت.

به همین دلیل در برخی مسائل بهینه‌سازی، لازم است تصمیم‌گیری به صورت مرحله‌ای و پیوسته انجام شود و هر تصمیم به وضعیت‌های قبلی و آینده وابسته باشد؛ مفهومی که اساس برنامه‌ریزی پویا را تشکیل می‌دهد.

کاربردهای تحقیق در عملیات نیز بسیار گسترده‌اند؛ از سیستم سلامت و حمل‌ونقل گرفته تا لجستیک، زنجیره تأمین و برنامه‌ریزی در مقیاس ملی.

در کنار این مباحث، دانشجوی مهندسی صنایع با مجموعه‌ای از درس‌های تخصصی دیگر نیز روبه‌رو می‌شود. برای مثال، درس برنامه‌ریزی و کنترل پروژه به دانشجو می‌آموزد چگونه پروژه‌ای متشکل از مجموعه‌ای از فعالیت‌ها را که هرکدام زمان، پیش‌نیاز و پس‌نیاز مشخصی دارند، برنامه‌ریزی و مدیریت کند.

درس کنترل موجودی نیز به مدیریت جریان مواد و محصولات مربوط می‌شود و همان‌طور که گفته شد، ارتباط نزدیکی با مفاهیم برنامه‌ریزی و بهینه‌سازی دارد.

از سوی دیگر، درس‌های روش‌های تولید، روش‌های تولید پیشرفته و کارگاه روش تولید دانشجو را با فرآیندهای ساخت و تولید آشنا می‌کنند. در اینجا نگاه مهندس صنایع همچنان بر بهینه‌سازی است، اما مسئله این بار در بستر تولید یک محصول مطرح می‌شود. ممکن است یک قطعه را بتوان با چندین روش مختلف تولید کرد و مهندس صنایع باید بررسی کند کدام روش از نظر زمان، هزینه، منابع و سایر محدودیت‌ها مناسب‌تر است.

یکی از درس‌های جذاب دیگر، طرح‌ریزی واحدهای صنعتی است. در این درس، دانشجو از مرحله شناخت محصول و فرآیند تولید آن، تا طراحی کامل کارخانه را بررسی می‌کند.

فرض کنید قرار است کارخانه‌ای برای تولید یک محصول طراحی شود. ابتدا باید مشخص شود محصول از چه قطعاتی تشکیل شده، هر قطعه با چه روشی تولید می‌شود، چه دستگاه‌هایی برای تولید آن مورد نیاز است و فرآیند مونتاژ چگونه انجام می‌شود. سپس باید تعیین کرد به چند دستگاه نیاز داریم، این دستگاه‌ها چگونه در کارخانه قرار گیرند، چه بخش‌هایی در کنار یکدیگر باشند، کدام فعالیت‌ها به صورت موازی انجام شوند، چه تعداد نیروی انسانی مورد نیاز است، انبار در کجا قرار گیرد و چه فضایی برای کارکنان یا پارکینگ در نظر گرفته شود.

در واقع، در این درس دانشجو با فرآیند طراحی یک کارخانه از صفر تا صد آشنا می‌شود و معمولاً پروژه‌ای نسبتاً گسترده نیز برای آن تعریف می‌شود.

از نظر بازار کار نیز می‌توان گفت فارغ‌التحصیلان مهندسی صنایع تقریباً در هر حوزه‌ای حضور دارند. در کارخانه‌ها، در زمینه‌هایی مانند ساخت و تولید، برنامه‌ریزی تولید، طراحی کارخانه، مدیریت پروژه و کنترل فرآیند فعالیت می‌کنند.

از سوی دیگر، مهندسان صنایع در حوزه‌های سیاست‌گذاری، اقتصاد و تحلیل داده نیز حضور دارند. برخی به عنوان تحلیلگر داده، دانشمند داده، مهندس داده یا متخصص روایت‌گری داده (Data Storytelling) فعالیت می‌کنند. در شرکت‌هایی مانند اسنپ، تپسی و نشان نیز مهندسان صنایع می‌توانند در زمینه‌هایی مانند بهینه‌سازی مسیر و تحلیل رفتار کاربران فعالیت کنند.

برای مثال، اگر یک سامانه مسیریابی به همه کاربران یک مسیر یکسان را پیشنهاد کند، حتی اگر آن مسیر در شرایط فعلی کوتاه‌ترین مسیر باشد، ممکن است در مقیاس کلان نتیجه کاملاً متفاوت باشد؛ زیرا هنگامی که همه افراد از یک مسیر استفاده کنند، ازدحام ایجاد می‌شود و همان مسیر به ظاهر بهینه، دیگر بهینه نخواهد بود. این دقیقاً یکی از نمونه‌های مسائلی است که مهندسی صنایع با استفاده از نگاه سیستمی و روش‌های بهینه‌سازی می‌تواند به آن بپردازد.

در حقیقت، نمی‌توان فعالیت مهندس صنایع را به یک سازمان یا صنعت خاص محدود کرد. هر جا که مسئله‌ای شامل داده، بهینه‌سازی، مدیریت پروژه، ساخت و تولید، تصمیم‌گیری یا مدیریت سیستم‌ها باشد، می‌توان ردپایی از مهندسی صنایع پیدا کرد.

یکی از مهم‌ترین مزیت‌های این رشته، ایجاد زبان مشترک میان تخصص‌های مختلف است. برای مثال، یک مهندس برق و یک مهندس مکانیک ممکن است در بسیاری از مباحث تخصصی زبان مشترکی نداشته باشند؛ اما مهندس صنایع به دلیل ماهیت میان‌رشته‌ای آموزش خود، ممکن است هم با مفاهیم مکانیک و ساخت و تولید آشنا باشد، هم مبانی برق را بداند و هم دروس مدیریتی، اقتصادی، آماری و تحلیلی را گذرانده باشد.

البته این به معنای متخصص شدن در همه این حوزه‌ها نیست؛ بلکه مزیت اصلی مهندس صنایع، داشتن دیدی گسترده و توانایی برقراری ارتباط میان تخصص‌های مختلف است. همین ویژگی باعث می‌شود مهندس صنایع در بسیاری از سازمان‌ها نقش یک واسط و پیونددهنده میان متخصصان مختلف را ایفا کند.

از سوی دیگر، گستردگی این رشته امکان انتخاب مسیرهای شغلی متنوعی را برای دانشجو فراهم می‌کند. ممکن است دانشجویی در طول تحصیل به مدیریت پروژه علاقه‌مند شود و تحصیلات تکمیلی خود را در همین زمینه ادامه دهد؛ فرد دیگری به اقتصاد علاقه پیدا کند و وارد دانشکده اقتصاد شود؛ شخص دیگری مسیر تحلیل داده، علم داده یا هوش مصنوعی را انتخاب کند و حتی وارد دانشکده علوم کامپیوتر شود.

برخی نیز به حوزه حمل‌ونقل، سیاست‌گذاری، مدیریت، اقتصاد یا حتی تحلیل داده در حوزه‌های پزشکی وارد می‌شوند.

بنابراین یکی از مهم‌ترین ویژگی‌های مهندسی صنایع این است که دست فارغ‌التحصیل برای انتخاب مسیر آینده بسیار باز است.


سؤال دوم

 مهم‌ترین مسیرهای شغلی که یک فارغ‌التحصیل مهندسی صنایع می‌تواند وارد آن‌ها شود چیست؟

با توجه به گستردگی مهندسی صنایع، پاسخ دادن به این سؤال به صورت کاملاً جامع دشوار است؛ زیرا هر یک از گرایش‌ها و حوزه‌های این رشته می‌توانند مسیر شغلی متفاوتی ایجاد کنند.

در حوزه‌هایی که ارتباط مستقیم‌تری با رشته دارند، می‌توان به تحلیل داده، بهینه‌سازی، مدیریت پروژه، کنترل پروژه، کنترل موجودی، طراحی کارخانه، برنامه‌ریزی تولید و تحلیل اقتصادی پروژه‌ها اشاره کرد.

برای نمونه، یک فارغ‌التحصیل مهندسی صنایع می‌تواند در شرکت‌هایی مانند اسنپ یا نشان، در زمینه تحلیل داده و بهینه‌سازی مسیر فعالیت کند. داده‌های جمع‌آوری‌شده از کاربران می‌توانند برای شناسایی الگوهای رفت‌وآمد، کشف نقاط پرترافیک، تحلیل مبدأ و مقصد سفرها و حتی طراحی مسیرهای جدید حمل‌ونقل عمومی مورد استفاده قرار گیرند.

در کارخانه‌ها نیز مهندس صنایع می‌تواند در زمینه‌هایی مانند مدیریت و کنترل پروژه، کنترل موجودی، برنامه‌ریزی تولید و طراحی کارخانه فعالیت کند. همچنین دانش‌آموختگان این رشته می‌توانند در حوزه‌های اقتصادی، ارزیابی پروژه و قیمت‌گذاری نیز نقش داشته باشند.

در مشاغلی که ارتباط غیرمستقیم‌تری با مهندسی صنایع دارند نیز فرصت‌های فراوانی وجود دارد. برای مثال، فردی که مهندسی صنایع خوانده و در کنار آن دانش لازم درباره سیستم‌های حمل‌ونقل را کسب کرده است، می‌تواند وارد حوزه مهندسی حمل‌ونقل شود. یا یک فارغ‌التحصیل صنایع که مهارت‌های تحلیل داده را به شکل عمیق توسعه داده است، می‌تواند وارد حوزه‌های تخصصی داده شود.

در حوزه مدیریتی نیز فارغ‌التحصیلان صنایع فرصت‌های متعددی دارند و می‌توانند به موقعیت‌هایی مانند مدیر پروژه، مدیر محصول و سایر جایگاه‌های مدیریتی برسند.

در حوزه پژوهش و دانشگاه نیز مسیرهای متنوعی وجود دارد. دانشجویان می‌توانند تحصیلات خود را در دانشکده‌های مهندسی صنایع ادامه دهند یا به حوزه‌هایی مانند ریاضیات، بهینه‌سازی، یادگیری ماشین، یادگیری عمیق، تحلیل داده و حمل‌ونقل وارد شوند.

برای مثال، حوزه حمل‌ونقل مجموعه بزرگی از مسائل پژوهشی را در خود جای داده است؛ از جمله اینکه چرا برخی افراد استفاده از خودروی شخصی را به حمل‌ونقل عمومی ترجیح می‌دهند، چرا در برخی کشورها استفاده از دوچرخه یا حمل‌ونقل عمومی بیشتر است و چه عواملی بر انتخاب وسیله نقلیه افراد تأثیر می‌گذارند.

در واقع، بسیاری از پژوهش‌های دانشگاهی به ابزارهایی مانند آمار، تحلیل داده و بهینه‌سازی نیاز دارند؛ ابزارهایی که دانشجوی مهندسی صنایع در طول تحصیل با آن‌ها آشنا می‌شود.

در حوزه کارآفرینی نیز دانشجویان صنایع به دلیل گذراندن دروس مدیریتی و فناوری، زمینه مناسبی برای ورود به کسب‌وکار دارند. درس‌هایی مانند IT و MIS دانشجویان را با فناوری‌های مختلف، مدل‌های کسب‌وکار و ابعاد گوناگون سازمان‌ها آشنا می‌کنند و به آن‌ها امکان می‌دهند یک کسب‌وکار را نه تنها از منظر مدیریتی، بلکه از منظر فناوری، امنیت و نوآوری نیز بررسی کنند.

در سال‌های اخیر نیز بسیاری از دانشجویان صنایع به سمت هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و یادگیری تقویتی حرکت کرده‌اند و مهارت‌های خود را در این زمینه‌ها توسعه داده‌اند.


سؤال سوم

آیا برای ورود به بازار کار، صرفاً داشتن مدرک مهندسی صنایع کافی است؟

خیر. با توجه به گستردگی مهندسی صنایع، دانشگاه در بهترین حالت مجموعه‌ای از مفاهیم و روش‌ها را در مدت نسبتاً کوتاهی به دانشجو آموزش می‌دهد. برای دستیابی به دانش عمیق و تبدیل شدن به یک متخصص، معمولاً لازم است فرد در کنار تحصیلات دانشگاهی، دانش و مهارت‌های جانبی خود را نیز توسعه دهد.

البته مهارت‌های مکمل تا حد زیادی به مسیر شغلی انتخاب‌شده بستگی دارند. برای مثال، فردی که قصد دارد وارد حوزه تحلیل داده شود، ممکن است بتواند با دانش دانشگاهی خود کارش را در سطح Junior آغاز کند؛ اما برای رشد در این مسیر، داشتن پروژه‌های عملی، تجربه کار با داده‌های واقعی و یادگیری ابزارهای مورد نیاز اهمیت زیادی دارد.

توصیه من به دانشجویان این است که برای ورود به هر حوزه، ابتدا «پازل مهارتی» آن حوزه را پیدا کنند. برای مثال، اگر کسی می‌خواهد وارد تحلیل داده شود، باید مشخص کند که برای این کار دقیقاً به چه مهارت‌هایی نیاز دارد: احتمال، آمار، رگرسیون، برنامه‌نویسی، یادگیری ماشین، مصورسازی داده، روایت‌گری داده و سایر مهارت‌های مرتبط.

ممکن است دانشجو درس احتمال را در دانشگاه گذرانده باشد، اما هنوز درک عمیقی از آن نداشته باشد یا نتوانسته باشد مفاهیم را در نرم‌افزار پیاده‌سازی کند. بنابراین باید تک‌تک این قطعات را شناسایی و تکمیل کند.

حتی مفاهیمی مانند Data Visualization و Data Storytelling که شاید در برنامه درسی دانشگاه به شکل مستقلی تدریس نشوند، برای یک تحلیلگر داده اهمیت زیادی دارند. یک تحلیلگر تنها نباید بتواند داده را تحلیل کند؛ بلکه باید بتواند نتیجه تحلیل را به شکلی روشن، قابل فهم و اثرگذار به دیگران منتقل کند.

در گذشته، تمرکز آموزش دانشگاهی بیشتر بر مباحث نظری بود، اما امروزه تلاش می‌شود ابزارها و نرم‌افزارهای عملی نیز بیشتر وارد فرآیند آموزش شوند. با این حال، میزان اهمیت هرکدام از نظریه و ابزار، به مسیر شغلی و حتی سبک تدریس استاد بستگی دارد.

به طور کلی، یک دانشجوی موفق کسی است که هم مبانی نظری را عمیق یاد بگیرد و هم بتواند آن دانش را به مهارت عملی تبدیل کند.


سؤال چهارم

 دانشجوی مهندسی صنایع از چه زمانی باید برای ورود به بازار کار آماده شود؟

شرایط نسبت به گذشته تغییر کرده است. در گذشته بسیاری از دانشجویان تا سال سوم یا چهارم کارشناسی وارد بازار کار نمی‌شدند، اما امروزه دانشجویان بسیار زودتر وارد محیط‌های کاری می‌شوند. با این حال، نمی‌توان برای همه دانشجویان یک نسخه واحد تجویز کرد.

به نظر من مهم‌ترین هدف دانشجو در دوران دانشگاه باید یادگیری عمیق باشد، نه صرفاً کسب نمره.

متأسفانه در سال‌های اخیر توجه بسیاری از دانشجویان بیش از اندازه به نمره معطوف شده است. برای مثال، ممکن است دانشجو بین چند استاد یک درس، استادی را صرفاً به دلیل نمره‌دهی آسان‌تر انتخاب کند؛ در حالی که انتخاب استاد و درس باید بیش از هر چیز بر اساس میزان یادگیری صورت گیرد.

اگر نمره یک دانشجو به جای ۱۹، ۱۸ شود، تفاوت چندانی در آینده او ایجاد نمی‌کند؛ اما اگر دانشجویی با نمره ۱۸، دانش عمیق‌تر و مهارت بیشتری نسبت به فردی با نمره ۱۹ داشته باشد، همین تفاوت در آینده بسیار ارزشمند خواهد بود.

دانشجو زمانی باید وارد بازار کار جدی شود که احساس کند دانش و مهارتی دارد که می‌تواند آن را در محیط واقعی به کار گیرد. یکی از خطرهای ورود زودهنگام به بازار کار این است که جذابیت درآمد و تجربه عملی، باعث شود دانشجو از یادگیری دانشگاهی فاصله بگیرد.

ممکن است دانشجویی از سال سوم وارد بازار کار شود و پس از مدتی آن‌قدر درگیر کار شود که دیگر برای دروس و فعالیت‌های دانشگاهی خود وقت نداشته باشد. در چنین شرایطی، احتمال دارد تجربه‌ای که امروز به دست می‌آورد، چند سال بعد و با پیشرفت فناوری، ارزش خود را از دست بدهد؛ در حالی که دانش عمیق دانشگاهی می‌توانست سرمایه‌ای ماندگارتر برای او باشد.

بنابراین اگر دانشجویی احساس کرد در یک حوزه مانند تحلیل داده مهارت کافی پیدا کرده است، بهتر است در ابتدا به شکل کارآموزی یا پاره‌وقت وارد بازار کار شود و از تبدیل شدن سریع این تجربه به یک شغل تمام‌وقت که مانع ادامه یادگیری او شود، پرهیز کند.

از سوی دیگر، توصیه می‌کنم دانشجویان صرفاً بر اساس توصیه سال‌بالایی‌ها تصمیم نگیرند. اگر گفته می‌شود یک درس یا پروژه «به درد نمی‌خورد»، خود دانشجو باید درباره آن تحقیق کند و ببیند آیا واقعاً چنین است یا خیر.

برای مثال، پروژه کارشناسی می‌تواند فرصتی ارزشمند برای انجام یک کار پژوهشی جدی و حتی در سطح بین‌المللی باشد. گاهی مسائل مطرح‌شده در پروژه‌های درسی کوچک، می‌توانند جرقه‌ای برای شکل‌گیری پژوهش‌های بزرگ‌تر باشند.

در کنار این موارد، شبکه‌سازی، کارآموزی، فعالیت پژوهشی و مشارکت در پروژه‌ها نیز اهمیت زیادی دارند. هر فرصتی که نسبت میان زمان صرف‌شده و مهارتی که به دست می‌آورید، ارزشمند باشد، می‌تواند در آینده به بخشی مهم از رزومه شما تبدیل شود.

در نهایت، توصیه من این است که دانشجویان پروژه و کارآموزی را جدی بگیرند و صرفاً برای پر کردن رزومه، به سراغ فرصت‌هایی که از نظر یادگیری ارزش چندانی ندارند نروند. کارآموزی باید جایی باشد که دانشجو واقعاً چیزی بیاموزد و تجربه کسب کند.


سؤال پنجم

 مهم‌ترین مسیرهای شغلی مستقیم مهندسی صنایع چیست؟

پاسخ دادن به این سؤال به صورت یک فهرست قطعی دشوار است، زیرا مسیرهای شغلی مهندسی صنایع به شدت به حوزه تخصصی فرد بستگی دارند.

برای مثال، در حوزه تحلیل داده، عناوینی مانند Data Scientist و Data Engineer مطرح می‌شوند؛ هرچند صرف عنوان شغلی نمی‌تواند تعیین کند که آیا یک فارغ‌التحصیل صنایع برای آن موقعیت مناسب است یا خیر. باید وظایف واقعی آن موقعیت شغلی را بررسی کرد.

اگر شغل موردنظر عمدتاً بر طراحی و توسعه الگوریتم‌های بسیار عمیق متمرکز باشد، ممکن است دانش یک مهندس صنایع برای آن موقعیت کافی نباشد. اما اگر وظایف شغل بیشتر شامل تحلیل داده، مدل‌سازی، تفسیر نتایج و تصمیم‌گیری باشد، یک فارغ‌التحصیل مهندسی صنایع می‌تواند گزینه مناسبی باشد.

محیط کار نیز می‌تواند بسیار متنوع باشد؛ از شرکت‌های خصوصی و دولتی گرفته تا سازمان‌های سیاست‌گذاری و پروژه‌های ملی.

برای فعالیت در حوزه تحلیل داده، داشتن پایه قوی در احتمال و آمار بسیار اهمیت دارد. تحلیل داده بدون درک درست احتمال و آمار، عملاً امکان‌پذیر نیست.

گاهی دانشجویان در ترم‌های ابتدایی، بدون آنکه مبانی احتمال را به خوبی بدانند، به سراغ یادگیری ماشین می‌روند و صرفاً با استفاده از پایتون یک مدل را اجرا می‌کنند. این کار ممکن است در ابتدا حس خوبی ایجاد کند، اما صرفاً اجرای یک الگوریتم به معنای «بلد بودن یادگیری ماشین» نیست.

اگر فرد نداند یک روش چرا استفاده می‌شود، چه فرض‌هایی دارد، چه محدودیت‌هایی دارد و چه زمانی نباید از آن استفاده کرد، دانش او در نهایت به استفاده سطحی از ابزار محدود می‌شود؛ دانشی که به سادگی می‌تواند توسط هوش مصنوعی جایگزین شود.

بنابراین در کنار احتمال و آمار، مهارت‌هایی مانند رگرسیون، یادگیری ماشین، داده‌کاوی، اقتصادسنجی، سری‌های زمانی، مدل‌های انتخاب، Data Visualization و Data Storytelling نیز اهمیت دارند.

در کنار مهارت‌های فنی، مهارت‌های نرم نیز نقش بسیار مهمی دارند؛ از جمله توانایی صحبت کردن، برقراری ارتباط، ارائه، تفکر نقادانه و انتقال مؤثر مفاهیم. متأسفانه این دسته از مهارت‌ها در میان دانشجویان رشته‌های مهندسی، از جمله در شریف، گاهی کمتر مورد توجه قرار می‌گیرند.

از نظر آینده شغلی نیز با ظهور هوش مصنوعی، تغییراتی در ساختار بازار کار در حال رخ دادن است. به نظر می‌رسد بسیاری از موقعیت‌های Junior در برخی حوزه‌های تحلیلی تحت تأثیر اتوماسیون قرار گرفته‌اند، در حالی که ارزش و تقاضا برای نیروهای Senior و متخصصانی که دانش عمیق و تجربه گسترده دارند، افزایش یافته است.

در آینده، احتمالاً مسئله اصلی این نخواهد بود که آیا یک مهندس صنایع می‌تواند از ابزارهای هوش مصنوعی استفاده کند یا خیر؛ بلکه مسئله این خواهد بود که آیا دانش و تفکر لازم برای استفاده صحیح از این ابزارها را دارد یا نه.


سؤال ششم

 آیا فارغ‌التحصیل مهندسی صنایع می‌تواند وارد حوزه‌هایی شود که در نگاه اول ارتباط مستقیمی با این رشته ندارند؟

بله؛ البته این ویژگی تنها مختص مهندسی صنایع نیست و در بسیاری از رشته‌های دانشگاهی، امکان حرکت به سمت حوزه‌های میان‌رشته‌ای وجود دارد.

گاهی تنها یک درس می‌تواند مسیر ذهنی دانشجو را تغییر دهد. ممکن است فردی با گذراندن یک درس، به موضوعی علاقه‌مند شود و تصمیم بگیرد همان حوزه را به شکل عمیق‌تری دنبال کند.

برای مثال، ممکن است دانشجویی پس از گذراندن درس تحلیل داده، به هوش مصنوعی علاقه‌مند شود و مسیر خود را به سمت این حوزه تغییر دهد. برخی دانشجویان نیز با استفاده از Minor وارد حوزه‌هایی مانند برنامه‌نویسی و توسعه نرم‌افزار می‌شوند.

گروهی نیز به دلیل علاقه به اقتصاد، Minor اقتصاد می‌گیرند یا پس از فارغ‌التحصیلی وارد این حوزه می‌شوند. همچنین تعداد قابل توجهی از فارغ‌التحصیلان صنایع به سمت مدیریت حرکت می‌کنند که با توجه به ماهیت میان‌رشته‌ای این رشته، چندان هم دور از انتظار نیست.


سؤال هفتم

 آیا بین مسیر شغلی فارغ‌التحصیلان در بخش خصوصی، دولتی، دانشگاهی و پژوهشی تفاوت وجود دارد؟

این موضوع تا حد زیادی به گرایش و حوزه تخصصی فرد بستگی دارد. نمی‌توان برای تمام فارغ‌التحصیلان مهندسی صنایع یک مسیر واحد ترسیم کرد؛ زیرا مهارت‌های مورد نیاز و فرصت‌های موجود در هر حوزه متفاوت است.


سؤال هشتم

 مسیر شغلی یک فارغ‌التحصیل صنایع از ورود به بازار کار تا رسیدن به موقعیت‌های ارشد و مدیریتی چگونه است؟

در اینجا نیز مسیرها بسیار متنوع‌اند. برای مثال، یک فرد می‌تواند وارد حوزه مدیریت پروژه شود، فرد دیگری مشاور اقتصادی شود و شخص دیگری در زمینه ساخت و تولید فعالیت کند. بنابراین مسیر پیشرفت شغلی کاملاً به حوزه‌ای که فرد انتخاب می‌کند وابسته است.


سؤال نهم

چه فرصت‌هایی در بخش دولتی و سازمان‌های عمومی برای فارغ‌التحصیلان مهندسی صنایع وجود دارد؟

اگر از منظر حوزه تخصصی تحلیل داده، حاکمیت داده و مدیریت فرآیندهای کسب‌وکار نگاه کنیم، فرصت‌های بسیار گسترده‌ای در سازمان‌های دولتی و عمومی وجود دارد.

برای مثال، سازمان برنامه و بودجه مجموعه بزرگی از پروژه‌ها را در حوزه‌های مختلف دنبال می‌کند؛ از مسکن و قیمت بنزین گرفته تا محرومیت‌زدایی، مالیات و بسیاری از مسائل اقتصادی و اجتماعی دیگر.

در چنین پروژه‌هایی، موضوعاتی مانند برنامه‌ریزی، طراحی سیستم‌های اطلاعاتی، استخراج بینش از داده‌ها و تحلیل اطلاعات اهمیت زیادی دارند. یک مهندس صنایع می‌تواند با تکیه بر دانش خود در زمینه تحلیل داده، مدل‌سازی و طراحی سیستم‌ها، در این فرآیندها نقش‌آفرینی کند.


سؤال دهم

برای ورود به این مشاغل معمولاً چه شرایط، مهارت‌ها، آزمون‌ها یا مدارکی لازم است؟

در مهندسی صنایع، برخلاف برخی رشته‌های مهندسی دیگر، معمولاً مدرک یا مجوز حرفه‌ای خاصی که برای ورود به همه مشاغل الزامی باشد، وجود ندارد.

البته شرایط بسته به موقعیت شغلی متفاوت است. ممکن است فردی در دوران کارشناسی برخی درس‌های تخصصی مانند یادگیری ماشین یا داده‌کاوی را نگذرانده باشد و بعدها در محیط کار به آن‌ها نیاز پیدا کند. در چنین شرایطی می‌تواند با گذراندن دوره‌های آموزشی یا کسب مدارک مرتبط، دانش و رزومه خود را تکمیل کند.

با این حال، نمی‌توان یک مدرک خاص را به عنوان پیش‌نیاز عمومی برای تمام مسیرهای شغلی مهندسی صنایع معرفی کرد.


سؤال یازدهم

آیا ادامه تحصیل برای موفقیت شغلی در مهندسی صنایع ضروری است؟

در حالت کلی، ادامه تحصیل برای موفقیت شغلی در مهندسی صنایع ضروری نیست و بیشتر به مسیر انتخابی فرد بستگی دارد.

اگر فرد قصد داشته باشد مستقیماً وارد بازار کار شود و شغلی متناسب با دانش کارشناسی انتخاب کند، معمولاً نیازی به ادامه تحصیل ندارد.

اما برای مسیرهایی مانند فعالیت دانشگاهی، پژوهش، R&D و برخی موقعیت‌های تخصصی، ادامه تحصیل در مقاطع کارشناسی ارشد و دکتری می‌تواند مفید یا حتی ضروری باشد.

در مقطع کارشناسی ارشد نیز دانشجو معمولاً حدود ۲۵ واحد درسی می‌گذراند که می‌تواند دید تخصصی و عمیق‌تری نسبت به رشته ایجاد کند؛ با این حال، این مقطع برای همه مسیرهای شغلی الزامی نیست.


سؤال دوازدهم

 آیا مهندسی صنایع امکان ادامه تحصیل یا تغییر مسیر به رشته‌های دیگر را فراهم می‌کند؟

بله، و این یکی از مهم‌ترین مزایای این رشته است.

یک فارغ‌التحصیل صنایع می‌تواند به حوزه‌هایی مانند مکانیک و مدیریت تولید، ساخت و تولید، برنامه‌ریزی تولید، حمل‌ونقل و برنامه‌ریزی حمل‌ونقل، مهندسی پزشکی و Bioinformatics، اقتصاد، مدیریت صنعتی، مدیریت بازرگانی و مدیریت مالی وارد شود.

گستردگی مباحثی که دانشجوی صنایع در دوران تحصیل با آن‌ها آشنا می‌شود، زمینه را برای چنین تغییر مسیرهایی فراهم می‌کند.


سؤال سیزدهم

 بازار کار مهندسی صنایع در پنج تا ده سال آینده، با توجه به فناوری، اقتصاد و هوش مصنوعی چگونه تغییر خواهد کرد؟

پیش‌بینی دقیق آینده در این حوزه بسیار دشوار است. سرعت تحول فناوری، به‌ویژه در حوزه هوش مصنوعی، به اندازه‌ای زیاد شده که گاهی تغییرات چند ماهه می‌توانند شبیه تغییرات چند ساله به نظر برسند.

هوش مصنوعی بدون تردید بخشی از وظایف شغلی را در سال‌های آینده بر عهده خواهد گرفت؛ اما زمان و میزان دقیق این جایگزینی مشخص نیست.

به نظر من یکی از مهم‌ترین راه‌های جلوگیری از جایگزین شدن، تقویت مهارت‌هایی است که هوش مصنوعی در آن‌ها هنوز محدودیت دارد؛ از جمله تفکر نقادانه، خلاقیت، درک عمیق مسئله و توانایی مواجهه با شرایط جدید و پیش‌بینی‌نشده.

به باور من، هوش مصنوعی در تفکر نقادانه و خلاقیت هنوز محدودیت‌هایی دارد. بنابراین انسان باید روی همین ویژگی‌ها سرمایه‌گذاری کند.

نکته مهم‌تر این است که فردی که بتواند با هوش مصنوعی کار کند، در بسیاری از موارد نسبت به فردی که صرفاً کارش را به هوش مصنوعی می‌سپارد، مزیت خواهد داشت.

برای مثال، برخی دانشجویان می‌پرسند اگر هوش مصنوعی می‌تواند احتمال یا مدل‌های انتخاب را برای من محاسبه کند، چرا باید آن‌ها را یاد بگیرم؟ پاسخ این است که اگر فرد نداند این مفاهیم چه هستند، چگونه می‌تواند تشخیص دهد هوش مصنوعی چه زمانی از آن‌ها به درستی استفاده کرده است؟

دانشجو باید بتواند خروجی هوش مصنوعی را ارزیابی، نقد و اصلاح کند؛ نه اینکه صرفاً آن را بپذیرد.

بنابراین در آینده، احتمالاً افرادی موفق‌تر خواهند بود که علاوه بر داشتن دانش تخصصی، بتوانند از هوش مصنوعی به عنوان یک ابزار قدرتمند استفاده کنند.


سؤال چهاردهم

چه مشاغل یا تخصص‌هایی در مهندسی صنایع احتمالاً در آینده اهمیت بیشتری پیدا می‌کنند؟

پیش‌بینی دقیق دشوار است، اما به نظر می‌رسد تقریباً در همه حوزه‌های مهندسی صنایع همچنان به نیروی متخصص نیاز خواهد بود. تفاوت اصلی در نوع مهارتی است که از این افراد انتظار می‌رود.

فردی که صرفاً بتواند یک مدل بهینه‌سازی را در یک نرم‌افزار اجرا کند، احتمالاً در آینده مزیت رقابتی چندانی نخواهد داشت. در مقابل، فردی که ابزارهای جدید را بشناسد، بتواند از هوش مصنوعی به شکل صحیح استفاده کند، دانش تخصصی خود را حفظ کند و تفکر نقادانه داشته باشد، ارزش بیشتری خواهد داشت.

این مسئله درباره مدیریت پروژه نیز صادق است. ممکن است هوش مصنوعی بتواند فعالیت‌های یک پروژه را استخراج و زمان‌بندی کند، اما مدیریت واقعی پروژه تنها به برنامه‌ریزی فعالیت‌ها محدود نمی‌شود.

مدیریت پروژه با انسان، روابط انسانی، عدم قطعیت و درک فضای حاکم بر یک سازمان سروکار دارد. هوش مصنوعی هنوز نمی‌تواند به طور کامل ظرافت‌های ارتباط انسانی را درک کند؛ برای مثال، ممکن است نتواند از مکث یک مدیر یا فضای حاکم بر یک جلسه، همان برداشتی را داشته باشد که یک انسان باتجربه دارد.

بنابراین احتمالاً بخشی از وظایف در بسیاری از مشاغل خودکار خواهند شد، اما ارزش به سمت افرادی حرکت خواهد کرد که بتوانند در کنار فناوری، قضاوت انسانی، دانش تخصصی و مهارت‌های ارتباطی خود را حفظ کنند.


سؤال پانزدهم

 آیا فناوری‌هایی مانند هوش مصنوعی و اتوماسیون ممکن است بعضی از مشاغل مهندسی صنایع را کاهش دهند یا حذف کنند؟

پاسخ این سؤال در مباحث پیشین مطرح شد. به طور کلی، هوش مصنوعی و اتوماسیون احتمالاً بخشی از وظایف و موقعیت‌های شغلی را تحت تأثیر قرار خواهند داد، اما این تغییر لزوماً به معنای حذف کامل یک حوزه شغلی نیست.


سؤال شانزدهم

 آیا فارغ‌التحصیل مهندسی صنایع می‌تواند به جای استخدام شدن، کسب‌وکار یا فعالیت حرفه‌ای مستقل خود را ایجاد کند؟

قطعاً.

یک مهندس صنایع می‌تواند یک محصول یا خدمت جدید ایجاد کند؛ این محصول لزوماً نباید فیزیکی باشد. بسیاری از ایده‌های فناورانه و دانش‌بنیان می‌توانند از دل یک مسئله یا ایده اولیه شکل بگیرند که توسط یک مهندس صنایع مطرح شده است.

اگر به فضای دانشگاه و شرکت‌های فناورانه و استارتاپ‌های اطراف دانشگاه نگاه کنیم، نمونه‌های زیادی از مهندسان صنایع را می‌بینیم که در رأس کسب‌وکارهای نوآورانه قرار دارند.

یکی از نقاط قوت دانشجویان صنایع، به دلیل آشنایی با مباحث مدیریتی، فناوری و کسب‌وکار، توانایی شناسایی ایده‌های کسب‌وکاری و ارزیابی نوآورانه بودن آن‌ها است.


سؤال هفدهم

سه اشتباه رایجی که دانشجویان مهندسی صنایع درباره آینده شغلی خود مرتکب می‌شوند چیست؟

یکی از اشتباهات رایج این است که دانشجویان اجازه می‌دهند سال‌بالایی‌ها مسیر شغلی آن‌ها را تعیین کنند. گاهی دانشجو وقتی از او پرسیده می‌شود چرا فلان درس را انتخاب کرده یا چرا وارد یک مسیر خاص شده است، پاسخ می‌دهد: «سال‌بالایی‌ها گفتند این کار را انجام بدهم.»

این موضوع می‌تواند باعث شود فرد علایق شخصی خود را قربانی ترندهای موقت بازار کند.

اشتباه دوم، عجله برای ورود جدی به بازار کار است. کارآموزی تابستانه یا فعالیت پاره‌وقت می‌تواند تجربه بسیار خوبی باشد، اما ورود زودهنگام و تمام‌وقت به بازار کار، پیش از آنکه دانشجو مهارت‌های بنیادی خود را تکمیل کرده باشد، ممکن است در بلندمدت به ضرر او تمام شود.

اشتباه سوم، تصور این است که مهندسی صنایع رشته‌ای ساده است و می‌توان دروس آن را سطحی گذراند. چنین نگاهی باعث می‌شود دانشجو به جای یادگیری واقعی، به دنبال پاس کردن درس و کسب نمره باشد.

با توجه به پیشرفت فناوری و کاهش اهمیت نسبی مدرک دانشگاهی، ارزش اصلی در آینده بیش از پیش به دانش و مهارت واقعی فرد وابسته خواهد بود.

اشتباه دیگری که به‌ویژه در میان دانشجویان دانشگاه‌های برتر دیده می‌شود، این است که فرد تصور کند صرفاً نام دانشگاه می‌تواند آینده او را تضمین کند. اما دیر یا زود، چه در ایران و چه در خارج از کشور، فرد با این واقعیت مواجه خواهد شد که نام دانشگاه به تنهایی تعیین‌کننده نیست و دانش، مهارت‌های تخصصی و مهارت‌های نرم نقش بسیار مهم‌تری دارند.

همچنین تصور اینکه «دانشجویان صنایع حتماً مدیر می‌شوند» نیز یک برداشت نادرست است. مهندسی صنایع می‌تواند مهارت‌هایی به دانشجو بدهد که در مدیریت مفید باشند، اما این رشته به خودی خود تضمین نمی‌کند که فرد مدیر شود. برای تبدیل شدن به یک مدیر یا رهبر موفق، فرد باید علاوه بر دانش دانشگاهی، مهارت‌های دیگری را نیز کسب کند و در آن‌ها به عمق برسد.


سؤال هجدهم

 اگر بخواهید به یک دانشجوی سال اول مهندسی صنایع توصیه کنید که از همین امروز برای آینده شغلی خود برنامه‌ریزی کند، چه مسیری را پیشنهاد می‌کنید؟

اگر بخواهم برای یک دانشجوی سال اول مسیر کلی ترسیم کنم، نخستین توصیه‌ام این است که از فرصت کم‌نظیری که امروز با وجود ابزارهای هوش مصنوعی در اختیار اوست، استفاده کند.

هوش مصنوعی صرفاً ابزاری برای طراحی پوستر، تولید تصویر یا انجام تکالیف نیست؛ بلکه می‌تواند به عنوان یک ابزار یادگیری، تحقیق و برنامه‌ریزی شغلی مورد استفاده قرار گیرد.

برای مثال، اگر دانشجویی درس اقتصادسنجی را انتخاب کرده است، بهتر است پیش از شروع درس تنها به کتاب و اسلاید اکتفا نکند؛ بلکه بررسی کند که اقتصادسنجی دقیقاً چیست، چه کاربردهایی دارد، چه مسیرهای شغلی‌ای برای آن وجود دارد، چه پیش‌نیازهایی دارد، ارتباط آن با درس‌های قبلی و بعدی چیست و برای تسلط عمیق‌تر بر آن چه مهارت‌هایی باید در کنار درس دانشگاهی یاد بگیرد.

در واقع، دانشجو باید بتواند برای مسیر شغلی مورد علاقه خود یک نقشه راه شخصی طراحی کند.

فرض کنید دانشجویی تصمیم گرفته است در آینده به یک Data Scientist تبدیل شود؛ آن هم متخصصی که با توجه به پیشرفت هوش مصنوعی، صرفاً با ابزارهای خودکار قابل جایگزینی نباشد. این فرد باید ابتدا تمام مهارت‌های مورد نیاز این مسیر را شناسایی کند و سپس بررسی کند که کدام‌یک از این مهارت‌ها در برنامه درسی دانشگاه پوشش داده می‌شوند و کدام‌یک را باید شخصاً فرا بگیرد.

ممکن است در برنامه درسی دانشگاه چندین درس مرتبط با تحلیل داده وجود داشته باشد، اما برخی مهارت‌های مهم مانند طراحی پرسشنامه یا بعضی روش‌های تخصصی جمع‌آوری داده در هیچ‌یک از این دروس به شکل عمیق تدریس نشوند. در چنین شرایطی، دانشجو نباید منتظر بماند تا دانشگاه همه چیز را برای او برنامه‌ریزی کند.

دانشجو باید خودش مسئول طراحی مسیر یادگیری و آینده حرفه‌ای خود باشد.

بهترین دانشگاه‌های دنیا نیز نمی‌توانند تمام دانش مورد نیاز یک فرد را در اختیار او قرار دهند. دانشگاه می‌تواند پایه‌های علمی و فکری را ایجاد کند، اما ادامه مسیر بر عهده خود دانشجوست.

بنابراین، اگر بخواهم تمام این توصیه‌ها را در یک جمله خلاصه کنم، می‌توان گفت:

دانشجوی مهندسی صنایع نباید منتظر بماند تا دیگران مسیر آینده او را تعیین کنند؛ بلکه باید با شناخت علایق خود، بررسی نیازهای بازار، استفاده هوشمندانه از ابزارهای جدید و یادگیری عمیق، مسیر حرفه‌ای خویش را آگاهانه طراحی کند.

 

مهندسی صنایعهوش مصنوعیبازار کارمسیر شغلیکارآفرینی
۰
۰
روزنامه شریف
روزنامه شریف
آخرین متن و حواشی دانشگاه صنعتی شریف از بزرگترین رسانه دانشگاهی کشور
شاید از این پست‌ها خوشتان بیاید