المدة
10 يوم
النوع
حضوري
المدينة
إسطنبول
رقم الدورة
MLDL0165
أماكن أخرى - تواريخ قادمة
أن تمتلك بيانات لا يعني بالضرورة الاستفادة منها، الخبرة في التنقيب فيها وتشكيلها وتفسيرها هي ما تجعل منها ذات قيمة، ومع الاعتماد المتزايد للشركات على البيانات، فقد أصبحت مهارة استخراج الأنماط وتوقع السلوك وفهم العلاقات من خلال التنقيب في البيانات بذكاء مهارة أساسية.
انطلاقًا من ذلك، يقدم لك مركز لندن بريمير سنتر دورة استراتيجيات تنقيب البيانات وإدارتها لتأخذك في رحلة علمية تُغطي فيها مختلف جوانب تنقيب البيانات الحديثة، ابتداءًا بالنمذجة الأساسية وصولًا إلى تقنيات التعلم الآلي والشبكات العصبية المتقدمة.
تمنحك الدورة فرصة لتعلم أفضل أساليب إدارة البيانات الضخمة على مستوى المؤسسات والتنفيذ الفعال للاستعلامات، فضلًا عن أبرز منهجيات استخراج الرؤى من البيانات المُهيكلة وغير المُهيكلة، بما فيها محتوى الويب ووسائل التواصل الاجتماعي، باستخدام SQL وHadoop® وMapReduce وتقنيات التجميع والتصنيف واكتشاف الشذوذ.
تجمع الدورة بين الجلسات النظرية والتطبيقات العملية ودراسات الحالة الواقعية، بذلك لا تقتصر الدورة على تعليمك تحليل البيانات، بل تُهيئك لتكون متمكنًا من قيادة استراتيجية البيانات وبناء النماذج الذكية وتعزيز الابتكار داخل مؤسستك.
مع نهاية دورة استراتيجيات تنقيب البيانات وإدارتها ستكون قادرًا على:
- تعريف مفاهيم ومصطلحات تنقيب البيانات وعلم البيانات والتعلم الآلي.
- إدراك طبيعة قواعد البيانات المؤسسية وعناصر نمذجة البيانات.
- تحسين مهارات استخراج البيانات وتنفيذ الاستعلامات وتحسين أداء SQL.
- إتقان معالجة البيانات واسعة النطاق باستخدام Hadoop® وMapReduce.
- الإلمام بشبكات التواصل الاجتماعي ودورها في استخراج البيانات وتنقيبها.
- التمييز بين بُنى البيانات المختلفة واختيار البنية الأنسب للمشكلة.
- إتقان تقنيات التجميع والتصنيف وتطبيقاتها في مجال تنقيب البيانات.
- تطبيق تقنيات التحقق من النماذج لضمان كفاءة نماذج البيانات.
- استكشاف الشبكات العصبية الاصطناعية وشروط الحدود وتقنيات اكتشاف الشذوذ.
قواعد البيانات المؤسسية ونماذج البيانات
- التمييز بين البيانات والمعلومات.
- بيئات قواعد البيانات المؤسسية.
- أهمية أمن البيانات داخل قواعد البيانات المؤسسية.
- أبرز التحديات المرتبطة بتنظيف البيانات.
- أهم العناصر الأساسية لنماذج البيانات.
استخراج البيانات من قواعد البيانات
- دور الاستعلامات في استخراج البيانات.
- لغة الاستعلام البصري.
- طرق تنفيذ الاستعلامات المتقدّمة في Microsoft® Access.
- خطوات كتابة الاستعلامات باستخدام SQL.
- كيفية إعداد SQL للبيانات المستخدمة في تطوير النماذج التحليلية:
- الدعم.
- الاستخراج.
- التحويل.
- التحميل.
التنفيذ واسع النطاق لـ Hadoop® MapReduce
- الاختلافات الرئيسية بين المعالجة بالقوة الغاشمة والأساليب الموازية.
- أهم مصطلحات ومفاهيم Apache™ Hadoop®.
- مزايا البرامج المساندة في Apache™ Hadoop®.
- عناصر MapReduce.
- دراسة حالة: تطبيقات Hadoop® MapReduce في معالجة مجموعات البيانات الضخمة.
الحصول على البيانات - شبكات التواصل الاجتماعي وتحديد المواقع
- شبكات التواصل الاجتماعي وأهميتها في تنقيب البيانات.
- مفهوم تحديد المواقع وأهميته.
- أساسيات تصميم موقع ويب والحصول على ملفات HTML.
- فوائد أدوات الزحف على الويب وطرق استخراج البيانات صفحة بصفحة.
- أدوات تحليل النصوص:
- التعرّف على النصوص المكتوبة بشريًا.
- معالجة المشكلات الشائعة.
- استخدام مكتبات الموارد.
- الاعتبارات الأخلاقية في استخدام البيانات المتاحة علنًا.
البيانات غير المهيكلة والرسوم البيانية والشبكات
- أبرز أنواع البيانات حسب بنيتها: المهيكلة وغير المهيكلة وشبه المهيكلة.
- كيفية اختيار هيكل البيانات الصحيح للمشكلة.
- التمييز بين خصائص الرسم البياني والعقدة والحافة.
- مفهوم العقدة وطرق تفسير توزيع الدرجات.
- مفهوم معامل التجميع ودلالاته على البيانات.
التجميع - فهم علاقة الأشياء
- مفهوم الهدف من التجميع واستكشاف أنواعه.
- طرق قياس المسافات بين النقاط.
- فهم خوارزمية K-Means Clustering.
- الخصائص الأساسية لمجموعة التجميع الجيدة.
- مفهوم التجميع الهرمي.
- المقاييس الإحصائية لوصف المجموعات: الحد الأدنى والحد الأقصى والمتوسط.
التصنيف - وضع الأشياء في مكانها الصحيح
- مفهوم التصنيف ودوره.
- أنواع خوارزميات التصنيف المختلفة.
- منهجية تفسير شجرة التصنيف.
- خطوات إنشاء شجرة القرار.
- معالجة التحديات في عمليات التصنيف.
قياسات الشوائب البديلة
- تعريف وأهمية قياسات الشوائب البديلة.
- تقنية التوسّع إلى البعدين.
- طريقة تقييم كفاءة المصنّف.
- أفضل الممارسات للتعامل مع بيانات التدريب.
- تنقيب قواعد الارتباط.
أساليب التصنيف المتقدمة
- أهم أساليب التصنيف المتقدّمة.
- التقنيات المتقدمة المختلفة للتصنيف.
- المصنف القائم على القواعد.
- عملية استخراج القواعد.
- نهج أقرب جار.
- الحدود في المصنفات.
الشبكات العصبية الاصطناعية
- أساسيات الشبكات العصبية الاصطناعية وبنيتها.
- التطبيقات العملية للشبكات العصبية في تنقيب البيانات.
- الاعتبارات الأساسية لاختيار خوارزمية التصنيف المناسبة:
- الحدود.
- شروط الحدود.
- معايير الاختيار.
- الاختلاف بين التجميع والتصنيف.
- طرق اكتشاف القيم الشاذة والانحرافات.
تُناسب دورة استراتيجيات تنقيب البيانات وإدارتها أي مهني يعمل في بيئات البيانات المعقدة ويرغب في اكتساب خبرة في التقنيات التحليلية المتقدّمة لمواجهة تحديات الأعمال بكفاءة، وتشمل الفئات المستهدفة كلًا من:
- علماء البيانات والمحللون الراغبون في مهارات أعمق في التنقيب والنمذجة.
- المحترفون في استخبارات الأعمال والمهندسون العاملون مع مجموعات بيانات ضخمة ومتنوّعة.
- المتخصصون في تكنولوجيا المعلومات ومهندسو الأنظمة الذين يبنون بنى تحتية ومسارات بيانات.
- الباحثون والأكاديميون الذين يستخدمون التصنيف والتجميع وتحليل الشبكات.
- صُناع القرار والمستشارون الذين يريدون تطبيق التفكير القائم على البيانات في استراتيجياتهم
دورة استراتيجيات تنقيب البيانات وإدارتها في مدن اخرى
مدربون خبراء
تعلّم من خبراء في المجال
تدريب تفاعلي
أدوات عملية ودراسات حالة ومناقشات
انتشار عالمي
تدريب في 9 مدن رئيسية حول العالم
معتمد في التطوير المستمر
احصل على نقاط التطوير المهني المستمر لتعزيز مسارك المهني.














