التقنيات المُتقدمة في تحليل البيانات

معلومات الدورة

المدة : 1 أسبوع

المدينة: كوالا لامبور

النوع: في الغرفة الصفية

التواريخ المتاحة

  • Feb-10-2025

    كوالا لامبور

  • May-12-2025

    كوالا لامبور

  • Aug-11-2025

    كوالا لامبور

  • Nov-10-2025

    كوالا لامبور

التواريخ في بلدان أخرى

  • Dec-30-2024

    القاهرة

  • Jan-13-2025

    لندن

  • Feb-10-2025

    باريس

  • Feb-10-2025

    برشلونة

  • Feb-10-2025

    امستردام

  • Feb-10-2025

    القاهرة

  • Feb-10-2025

    دبي

  • Feb-10-2025

    إسطنبول

  • Mar-10-2025

    لندن

  • Apr-14-2025

    دبي

  • May-12-2025

    امستردام

  • May-12-2025

    القاهرة

  • May-12-2025

    برشلونة

  • May-12-2025

    باريس

  • May-12-2025

    إسطنبول

  • May-12-2025

    لندن

  • June-09-2025

    دبي

  • July-14-2025

    لندن

  • Aug-11-2025

    دبي

  • Aug-11-2025

    برشلونة

  • Aug-11-2025

    امستردام

  • Aug-11-2025

    باريس

  • Aug-11-2025

    القاهرة

  • Aug-11-2025

    إسطنبول

  • Sep-08-2025

    لندن

  • Oct-13-2025

    دبي

  • Nov-10-2025

    امستردام

  • Nov-10-2025

    برشلونة

  • Nov-10-2025

    باريس

  • Nov-10-2025

    لندن

  • Nov-10-2025

    إسطنبول

  • Nov-10-2025

    القاهرة

  • Dec-08-2025

    دبي

تفاصيل الدورة

مخطط الدورة

دورة 5 أيام

تحليل البيانات الاستكشافية

  • مقدمة في تحليل البيانات الاستكشافية (EDA)
  • تقنيات تصور البيانات واستكشافها
  • مقاييس النزعة المركزية والتشتت والارتباط
  • الكشف عن القيمة الشاذة ومعرفة كيفية التعامل معها
  • تدريبات عملية باستخدام مكتبات لغة بايثون (Python) مثل Pandas وMatplotlib وSeaborn

التعلم الآلي لتحليل البيانات

  • مقدمة إلى خوارزميات التعلم الآلي (ML).
  • التعلم الخاضع للإشراف: الانحدار، التصنيف، شجرة القرار، الغابات العشوائية
  • التعلم غير الخاضع للإشراف: التجميع، والحد من الأبعاد
  • التحقق المتقاطع وضبط المعلمة الفائقة
  • تدريبات عملية باستخدام مكتبات لغة بايثون (Python) مثل Scikit-learn وKeras

تحليل السلاسل الزمنية

  • مقدمة في بيانات السلاسل الزمنية
  • تحليل السلاسل الزمنية وتحليل الاتجاه
  • تحليل الموسمية والدورية
  • نماذج الانحدار الذاتي المتكامل والمتوسط المتحرك (ARIMA).
  • تدريبات عملية باستخدام مكتبات لغة بايثون (Python) مثل Statsmodels

تحليل بيانات بايزي

  • مقدمة في إحصاء بايزي
  • نظرية بايز والتوزيعات الاحتمالية
  • النمذجة والاستدلال البايزي
  • أساليب سلسلة ماركوف مونتي كارلو (MCMC).
  • تدريبات عملية باستخدام مكتبات لغة بايثون (Python) مثل PyMC3 وStan

تحليلات البيانات الضخمة

  • مقدمة في البيانات الضخمة والحوسبة الموزعة
  • MapReduce والنظام البيئي (هدوب - Hadoop)
  • أباتشي سبارك (Apache Spark)  و Spark SQL
  • التعلم الآلي على البيانات الضخمة: Spark MLlib
  • تدريبات عملية باستخدام أدوات مثل Hadoop وSpark وDatabricks

الفيديو الخاص بالدورة