محلل البيانات الضخمة مع الإحصاءات

أساسيات الإحصاء (6 أيام تقريباً)

أساسيات نظرية القياس (المجتمع والعينة، أنواع العينات، مستويات القياس والمقياس)

الإحصاءات الوصفية أحادية المتغير (التوزيعات التكرارية والمقاييس المركزية ومقاييس التشتت والقيمة المعيارية والرسوم البيانية والمخططات البيانية الشريطية والمخططات الدائرية والمخططات الخطية والمخططات الصندوقية)

الإحصاءات الوصفية ثنائية المتغيرات (مقاييس الارتباط، ومعاملات الارتباط، والمخططات التبادلية والمخططات المبعثرة والمخططات الشريطية المجمعة)

أساسيات الإحصاء الاستدلالي الاستقرائي (التوزيع الاحتمالي، والتوزيع الطبيعي، والتوزيع الطبيعي ومتوسط توزيع القيمة، واختبار الدلالة، واختبار فرضية فيشر الفارغة، وحجم التأثير، وتقدير البارامترات، وفترات الثقة، ومخططات أشرطة الخطأ، وتحليلات القدرة، وتحديد حجم العينة الأمثل)

الذكاء الاصطناعي في إجراءات العمل

عرض تقنيات محددة للذكاء الاصطناعي

والتطبيقات الممكنة في البيئة المهنية

طرق المقارنة بين مجموعتين (5 أيام تقريبًا)

اختبار z- و t لعينة (الانحراف عن قيمة محددة)

اختبار t لمتوسط الفرق بين عينتين مستقلتين/مترابطتين

اختبار فعالية الإجراءات والتدابير والتدخلات وغيرها من التغييرات باستخدام اختبارات t (تصميمات ما قبل الاختبار بعد الاختبار مع مجموعتين)

اختبارات الدلالة الداعمة (اختبار أندرسون-دارلينغ، واختبار رايان-جوينر، واختبار ليفين، واختبار بونيت، واختبار الدلالة للارتباطات)

الطرق غير البارامترية (اختبار ويلكوكسون، اختبار الإشارة، اختبار مان-ويتني)

التحليلات الاحتمالية (اختبار ذات الحدين، اختبار فيشر الدقيق، اختبار تشي سكوير، التبويبات التبادلية مع مقاييس الارتباط)

طرق مقارنة وسائل عدة مجموعات (5 أيام تقريبًا)

تحليل التباين أحادي وثنائي العامل (تحليل التباين البسيط والمتوازن)

تحليل التباين متعدد العوامل (النموذج الخطي العام)

العوامل الثابتة والعشوائية والمتداخلة والمتداخلة

طرق المقارنة المتعددة (Tukey-HSD، Dunnett، Hsu-MCB، Games-Howell)

تحليل التفاعل (تحليل تأثيرات التفاعل)

تحليل الانتقائية والقوة لتحليلات التباين

مقدمة في تصميم التجارب (DoE) (يوم واحد تقريباً)

التصميمات التجريبية المضروبة الكاملة والجزئية

عمل المشروع (3 أيام تقريباً)

لتوحيد المحتوى الذي تم تعلمه

عرض نتائج المشروع

أساسيات ذكاء الأعمال (يومان تقريباً)

مجالات التطبيق، وأبعاد بنية ذكاء الأعمال

أساسيات ذكاء الأعمال، OLAP، OLTP، مهام مهندسي البيانات

تخزين البيانات (DWH): معالجة ومعالجة البيانات المنظمة وشبه المنظمة وغير المنظمة

إدارة المتطلبات (يومان تقريباً)

المهام والأهداف والإجراءات في تحليل المتطلبات

نمذجة البيانات، مقدمة/النمذجة باستخدام إدارة المتطلبات ERM

مقدمة/نمذجة في UML

- مخططات الفئات

- تحليل حالة الاستخدام

- مخططات الأنشطة

الذكاء الاصطناعي في إجراءات العمل

عرض تقنيات محددة للذكاء الاصطناعي

والتطبيقات الممكنة في البيئة المهنية

قواعد البيانات (3 أيام تقريباً)

أساسيات أنظمة قواعد البيانات

بنية أنظمة إدارة قواعد البيانات

تطبيق أنظمة إدارة قواعد البيانات

تنفيذ نموذج البيانات في نظم إدارة قواعد البيانات RDBMS، النماذج العادية

مقدمة عملية ونظرية ل SQL

حدود قواعد البيانات العلائقية، csv، json

مستودع البيانات (حوالي 4 أيام)

مخطط النجمة

نمذجة البيانات

إنشاء مخطط نجمي في نظام إدارة البيانات الرقمي (RDBMS)

مخطط ندفة الثلج والأساسيات ونمذجة البيانات

إنشاء مخطط ندفة الثلج في RDBMS

مخطط المجرة: الأساسيات، نمذجة البيانات

جداول الأبعاد المتغيرة ببطء من النوع 1 إلى 5 - إعادة التجميع والتكديس وإعادة التنظيم والبعد المصغر والنوع 5

مقدمة في الأبعاد العادية والسببية والصغيرة والوحشية والمتغايرة والفرعية

مقارنة بين الحالة والموجهة نحو المعاملات

جداول حقائق DWH والكثافة والتخزين

ETL (حوالي 4 أيام)

تنظيف البيانات

- القيم الفارغة

- إعداد البيانات

- مواءمة البيانات

- تطبيق التعبيرات العادية

فهم البيانات

- التحقق من صحة البيانات

- تحليل البيانات الإحصائية

حماية البيانات وأمن البيانات

الهيكل العملي لمسارات ETL

مخزن البيانات 2.0، الأساسيات، والمحاور، والروابط، والأقمار الصناعية، ومفتاح التجزئة، وفرق التجزئة

نمذجة بيانات مخزن البيانات

الهيكل العملي لنموذج قبو البيانات - قبو البيانات الخام، التنفيذ العملي لإجراءات التجزئة

عمل المشروع (5 أيام تقريباً)

لتوحيد المحتوى المكتسب

عرض نتائج المشروع

مقدمة في تحليل البيانات (يوم واحد تقريباً)

النموذج المرجعي CRISP-DM

سير عمل تحليلات البيانات

تعريف الذكاء الاصطناعي والتعلم الآلي والتعلم العميق

المتطلبات ودور مهندسي البيانات وعلماء البيانات ومحللي البيانات في الشركة

مراجعة أساسيات بايثون (يوم واحد تقريبًا)

أنواع البيانات

الدوال

تحليل البيانات (3 أيام تقريبًا)

وحدات بايثون المركزية في سياق تحليل البيانات (NumPy، Pandas)

عملية إعداد البيانات

خوارزميات التنقيب عن البيانات في بايثون

الذكاء الاصطناعي في إجراءات العمل

عرض تقنيات محددة للذكاء الاصطناعي

والتطبيقات الممكنة في البيئة المهنية

تصور البيانات (3 أيام تقريباً)

تحليل البيانات الاستكشافية

الرؤى

جودة البيانات

تحليل الفوائد

التصور باستخدام Python: Matplotlib وSeaborn وPlotly Express

سرد قصص البيانات

إدارة البيانات (يومان تقريباً)

هياكل البيانات الضخمة

قواعد البيانات العلائقية مع SQL

المقارنة بين قواعد بيانات SQL وقواعد بيانات NoSQL

ذكاء الأعمال

حماية البيانات في سياق تحليل البيانات

تحليل البيانات في سياق البيانات الضخمة (يوم واحد تقريباً)

نهج MapReduce

سبارك

NoSQL

لوحات المعلومات (3 أيام تقريباً)

المكتبة: اندفاعة

هيكل لوحات المعلومات - مكونات لوحة المعلومات - مكونات لوحة المعلومات

تخصيص لوحات المعلومات

عمليات الاستدعاء

التنقيب في النصوص (يوم واحد تقريباً)

المعالجة المسبقة للبيانات

التصور

مكتبة: سباسي

عمل المشروع (5 أيام تقريباً)

لتوحيد المحتوى المكتسب

عرض نتائج المشروع

ما هي البيانات الضخمة؟ (يوم واحد تقريباً)

الحجم، والسرعة، والتنوع، والقيمة، والصدقية

فرص ومخاطر الكميات الكبيرة من البيانات

التمايز: ذكاء الأعمال، تحليلات البيانات، علم البيانات

ما هو التنقيب في البيانات؟

مقدمة في أطر عمل أباتشي (يومان تقريباً)

حلول البيانات الضخمة في السحابة

أنماط الوصول إلى البيانات

تخزين البيانات

MapReduce (3 أيام تقريباً)

فلسفة MapReduce

مجموعة Hadoop العنقودية

تسلسل مهام MapReduce

الذكاء الاصطناعي في إجراءات العمل

عرض تقنيات محددة للذكاء الاصطناعي

والتطبيقات الممكنة في البيئة المهنية

المكونات (3 أيام تقريباً)

عرض موجز للأدوات المختلفة

نقل البيانات

تطبيقات YARN

واجهة برمجة تطبيقات Hadoop JAVA

أباتشي سبارك

NoSQL و HBase (3 أيام تقريباً)

نظرية كاب

ACID و BASE

أنواع قواعد البيانات

قاعدة HBase

تصورالبيانات الضخمة (3 أيام تقريباً)

نظريات التصور

اختيار الرسم البياني

أنواع جديدة من الرسوم البيانية

أدوات لتصور البيانات

عمل المشروع (5 أيام تقريباً)

لتوحيد المحتوى المكتسب

عرض نتائج المشروع