المدة
5 يوم
النوع
حضوري
المدينة
باريس
أماكن أخرى - تواريخ قادمة
في عصر التطور والتكنولوجيا، لم يعد علم البيانات حبيسًا للمختبرات أو مُحتكرًا من عمالقة التكنولوجيا، بل بات مهارة أساسية تبني القرارات داخل المؤسسات في القطاعات المختلفة، من الرعاية الصحية والتسويق إلى الخدمات اللوجستية والمالية وغيرها.
فإذا كنت قد وقفت محتارًا أمام مجموعة بيانات وتتساءل "ماذا تحاول إخباري به"، فإنتّ تطرح الأسئلة الصحيحة بالفعل.
تتعمق دورة مقدمة في علم البيانات المُقدمة من مركز لندن بريمير سنتر للتدريب في أساسيات التعامل مع البيانات الحديثة، على مدار 5 أيام من التدريب المُكثف، ستتعلم كيف تستخدم لغة بايثون ومكتبات أساسية مثل Pandas وMatplotlib وScikit-learn في استكشاف وتنظيف ونمذجة البيانات، بدءًا من بناء نماذج التعلّم الآلي الأولى لديك، ووصولًا إلى العمل مع تقنيات التعلّم العميق ومعالجة اللغات الطبيعية (NLP)، تهدف الدورة لتزويدك بأدوات عملية لتطبيقها مباشرة، حتى ولو كنت ما تزال مبتدئًا في المجال.
فضلًا عن ذلك، تمنحك الدورة فرصة مميزة لتجربة أدوات الذكاء الاصطناعي التوليدي (مثل ChatGPT)، واستكشاف أخلاقيات التعامل مع البيانات وأحدث الاتجاهات ودراسة حالات لاستخدامها في تطبيقات واقعية تجعل من علم البيانات واحدة من أكثر المهارات المطلوبة اليوم.
يتوقع منك مع نهاية هذه الدورة التمهيدية في علم البيانات بأنّ تكون قادرًا على:
- تطوير معارفك في علم البيانات لتتمكن من المشاركة في المشاريع القائمة على البيانات في القطاعات المختلفة.
- توظيف مكتبات بايثون مثل Pandas وMatplotlib وScikit-Learn بثقة للتحكم في تدفق البيانات وتحديد الأنماط وتطوير نماذج تنبؤية.
- تطبيق التحليل الاستكشافي للبيانات باستخدام الأساليب الإحصائية في بايثون، وإجراء هندسة الميزات.
- استخدام التعلّم الآلي لبناء وتدريب النماذج والتحقق من صحتها مع فهم محدوديات خوارزميات التعلّم الآلي.
- استخدام التعلّم العميق ومعالجة اللغات الطبيعية لتجاوز أعقد المشكلات في مختلف السياقات.
- تجربة نماذج الذكاء الاصطناعي التوليدي، مثل GANs، والالتزام بالممارسات الأخلاقية في علم البيانات
مقدمة في علم البيانات وبايثون
- مفهوم علم البيانات وأهميته وتطبيقاته في مختلف الصناعات.
- الأدوار والمسؤوليات الأساسية في علم البيانات.
- أنواع وهياكل البيانات:
- الهياكل الخطية.
- الهياكل غير الخطية.
- مبادئ إدارة البيانات:
- جمع البيانات.
- تخزين البيانات.
- معالجة البيانات.
- مقدمة في بايثون لعلم البيانات والقواعد الأساسية للكتابة في بايثون.
- تمرين: إعداد بيئة بايثون وتطبيق أساسيات الكتابة.
التحليل الاستكشافي وهندسة الميزات باستخدام بايثون
- الإحصاء في علم البيانات باستخدام بايثون:
- الإحصاء الوصفي.
- الإحصاء الاستدلالي.
- خطوات تنفيذ التحليل الاستكشافي للبيانات لاكتشاف الأنماط وتحديد الشذوذ واختبار الفرضيات.
- أبرز تقنيات تنظيف البيانات في بايثون:
- التعامل مع القيم المفقودة.
- التعامل مع القيم المتطرفة.
- التعامل مع عدم الاتساق.
- عملية هندسة الميزات:
- إنشاء ميزات جديدة.
- ترميز المتغيرات الفئوية.
- مقياس الميزات.
- تمرين: استخدام مكتبات بايثون (Pandas، NumPy، Matplotlib) في التحليل الاستكشافي وهندسة الميزات.
تقنيات التعلّم الآلي
- مفهوم التعلّم الآلي ودوره في علم البيانات.
- الأنواع الرئيسية للتعلّم الآلي مع أمثلة:
- التعلّم الخاضع للإشراف.
- التعلّم غير الخاضع للإشراف.
- التعلّم المعزّز.
- أهم خوارزميات التعلّم الآلي:
- الانحدار الخطي واللوجستي.
- أشجار القرار.
- تعزيز التدرج اللامتناهي (XGBoost).
- تقنيات التجميع.
- تقنيات وإجراءات التدريب والتحقق من صحة النماذج:
- فرط التكيّف.
- التحقق المتقاطع.
- مقاييس أداء النماذج.
- تمرين: استخدام مكتبة Scikit-learn لبناء النماذج وتدريبها والتحقق من صحتها.
التعلّم العميق ومعالجة اللغات الطبيعية (NLP)
- مفهوم التعلّم العميق وتطبيقات الشبكات العصبية في مشكلات البيانات المعقدة.
- أشهر أطر التعلّم العميق:
- TensorFlow
- PyTorch
- أساسيات معالجة اللغات الطبيعية (NLP):
- معالجة النصوص
- تحليل المشاعر
- نمذجة اللغة
- دراسة حالة: أمثلة واقعية لتطبيق التعلّم العميق وNLP في المؤسسات.
- تمرين: استخدام تقنيات NLP لبناء نماذج تعلّم عميق بسيطة.
الذكاء الاصطناعي التوليدي والاتجاهات المستقبلية والاعتبارات الأخلاقية
- مفهوم الذكاء الاصطناعي التوليدي ونموذج GANs.
- أفضل التطبيقات الواقعية لنماذج الذكاء التوليدي.
- تمرين: تجربة نماذج الذكاء التوليدي باستخدام بايثون.
- أهم الاعتبارات الأخلاقية في علم البيانات وأهمية حوكمة البيانات.
- تأثير الاتجاهات الناشئة في علم البيانات ومستقبل الأعمال.
- المهارات الأساسية المطلوبة لمتخصصي علم البيانات.
- التقييم النهائي للدورة والاستنتاجات النهائية.
تناسب هذه الدورة كل شخص يملك فضولًا لفهم علم البيانات وكيفية التعامل مع البيانات بثقة، وتشمل الفئات المستهدفة كلًا من:
- جميع الأشخاص الذين يرغبون في دخول مجال علم البيانات، من أي مهنةٍ كانوا.
- الأشخاص الذين يتعاملون مع البيانات بشكل منتظم، مثل المحللين والمسوقين والمهندسين ورواد الأعمال.
- المطورون الذين يرغبون في تعلّم المزيد حول الذكاء الاصطناعي والتعلّم الآلي.
- حديثو التخرج أو الأشخاص الذين يتطلعون إلى تغيير مسارهم المهني نحو وظائف البيانات.
- أي شخص يريد التوقف عن التخمين والبدء بفهم ما تعنيه البيانات فعلًا.
باريس
دورة مقدمة في علم البيانات 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.










