محلل البيانات الضخمة مع الإحصاءات

أساسيات الإحصاء (6 أيام تقريبًا)

أساسيات نظرية القياس (السكان، العينة، أنواع العينات، القياس، مستويات القياس)

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

الإحصاء الوصفي ثنائي المتغيرات (مقاييس الارتباط، معاملات الارتباط، المخططات التبادلية (كروس ستاب)، المخططات المبعثرة، المخططات الشريطية المجمعة)

أساسيات الإحصاء الاستدلالي الاستقرائي (التوزيعات الاحتمالية، والتوزيع الطبيعي، وتوزيع العينات للمتوسط، واختبار الدلالة، واختبار الفرضية العدمية، ومستوى الدلالة، وحجم التأثير، وتقدير البارامترات، وفترات الثقة، ومخططات أشرطة الخطأ، وتحليل القدرة، وحجم العينة)

إعداد البيانات وتنقية البيانات باستخدام برنامج مناسب

التحليل الوصفي

تصور النتائج الإحصائية

التحليل المدعوم بالذكاء الاصطناعي وتفسير النتائج الإحصائية

طرق المقارنة بين مجموعتين (5 أيام تقريباً)

اختبار z، اختبار t لعينة واحدة

اختبار t لعينات مستقلة ومترابطة

تصميمات ما قبل الاختبار والاختبار اللاحق مع مجموعتين

اختبارات الدلالة الداعمة (اختبار أندرسون-دارلنغ، اختبار رايان-جوينر، اختبار ليفين، اختبار بونيت، اختبار 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 ومقاييس الارتباط)

تفسير نتائج الاختبار

التفسير المدعوم بالذكاء الاصطناعي للنتائج

أساسيات تحليل الانحدار (يومان تقريباً)

الانحدار الخطي

تفسير النموذج

تفسير النموذج المدعوم بالذكاء الاصطناعي

تحليل الارتباط

طرق مقارنة وسائل عدة مجموعات (3 أيام تقريبًا)

تحليل التباين أحادي العامل وثنائي العامل (ANOVA)

التحليلات اللاحقة

تفسير الفروق بين المجموعات

تحليل التباين متعدد العوامل (النموذج الخطي العام)

العوامل الثابتة والعشوائية والمتداخلة والمتداخلة

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

تحليل التفاعل

تحليل القوة لتحليلات التباين

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

التصميمات التجريبية المضروبة الكاملة والمضروبة الجزئية

عمل المشروع (3 أيام تقريباً)

لتوحيد المحتوى الذي تم تعلمه

عرض نتائج المشروع

أساسيات هندسة البيانات وبنى البيانات (حوالي يومين)

المهام ومجالات التطبيق في هندسة البيانات

أساسيات هياكل البيانات ومنصات البيانات الحديثة

أساسيات ومقارنة بين بنى البيانات القائمة على السحابة

OLTP و OLAP

معالجة البيانات المنظمة وشبه المنظمة وغير المنظمة

إدارة المتطلبات ونمذجة البيانات (حوالي يوم واحد)

متطلبات البيانات ومصادر البيانات

النمذجة النظرية للبيانات

نمذجة هياكل البيانات وتدفقات البيانات

عقود البيانات، وحوكمة البيانات، ونسب البيانات

قواعد البيانات ومعالجة البيانات (حوالي يوم واحد)

بنية أنظمة قواعد البيانات

مقارنة بين SQL و NoSQL و NewSQL

نمذجة البيانات العلائقية

استخدام SQL في الاستعلام عن البيانات ومعالجتها

تخزين البيانات وبنى البيانات الحديثة (حوالي يومين)

أساسيات وبنية أنظمة مستودعات البيانات

نمذجة البيانات الأبعادية وتصميم المخططات

الحقائق والأبعاد وتخزين البيانات التاريخية

مقارنة بين مستودع البيانات وبحيرة البيانات و"ليكهاوس"

مقدمة إلى dbt

التنفيذ العملي لنماذج البيانات

تكامل البيانات وخطوط نقل البيانات (حوالي 5 أيام)

تكامل البيانات وتوفير البيانات

عمليات ETL و ELT

إنشاء وتنسيق مسارات البيانات

تنقية البيانات والتحقق من صحتها وجودة البيانات

المعالجة الدفعية والتدفقية

الاستخدام العملي لـ Airflow و Spark

البرمجة ومعالجة البيانات الآلية (حوالي 4 أيام)

بيئات Python وإدارة الحزم

معالجة البيانات وتحويلها باستخدام لغة Python

أتمتة عمليات معالجة البيانات

ربط مصادر البيانات والواجهات المختلفة

تطوير سير عمل هندسة البيانات

التحويل إلى حاويات باستخدام Docker

الدعم المدعوم بالذكاء الاصطناعي في عمليات التطوير ومعالجة البيانات

عمل المشروع (5 أيام تقريباً)

لتوحيد المحتوى المكتسب

عرض نتائج المشروع

مقدمة في تحليل البيانات (حوالي يوم واحد)

المهام ومجالات التطبيق وحالات الاستخدام النموذجية لتحليل البيانات

عمليات تحليل البيانات ونموذج CRISP-DM

دور محلل البيانات والتمييز بينه وبين علم البيانات وهندسة البيانات وذكاء الأعمال

تصنيف الذكاء الاصطناعي والتعلم الآلي

لغة بايثون لتحليل البيانات (حوالي يوم واحد)

العمل مع Jupyter Notebooks

NumPy و Pandas لتحليل البيانات

استيراد وتصدير مصادر البيانات المختلفة، مثل Excel و CSV

اختيار البيانات وتحويلها

تحضير البيانات والتحليل الاستكشافي للبيانات (حوالي 3 أيام)

تنقية البيانات وتحويلها باستخدام Pandas

التعامل مع البيانات المفقودة والخاطئة والشاذة

دمج البيانات وتجميعها وتجميعها

التحليل الاستكشافي للبيانات واستخلاص النتائج الأولية

أساسيات التحليلات الإحصائية

لغة SQL وإدارة البيانات (حوالي يومين)

قواعد البيانات العلائقية ونماذج البيانات

استعلامات البيانات ومعالجتها باستخدام SQL

عمليات الربط والتجميع والاستعلامات التحليلية

التفاعل بين SQL و Python في تحليل البيانات

جودة البيانات وحماية البيانات

ربط واستخدام مصادر البيانات وأنظمة قواعد البيانات المختلفة

تصور البيانات وسرد القصص بالبيانات (حوالي يومين)

التصور باستخدام Matplotlib وSeaborn وPlotly

اختيار المخططات وأشكال التصور المناسبة

معالجة وتفسير نتائج التحليل

سرد القصص بالبيانات والتواصل الملائم للجمهور المستهدف

Power BI ولوحات المعلومات التفاعلية (حوالي يومين)

استيراد البيانات ومعالجتها باستخدام Power Query

نمذجة البيانات والعلاقات

أساسيات DAX والمؤشرات

إنشاء التقارير ولوحات المعلومات التفاعلية

تصور مؤشرات الأداء الرئيسية للأعمال (KPIs) والتواصل بشأنها

نظرة عامة على الحلول البديلة في مجال ذكاء الأعمال والتصور

تحليل البيانات المدعوم بالذكاء الاصطناعي (حوالي يومين)

استخدام الذكاء الاصطناعي التوليدي في سير عمل تحليل البيانات

إعداد البيانات وتحليلها وتصورها باستخدام الذكاء الاصطناعي

الدعم في استعلامات Python و SQL

توجيه عمليات تحليل البيانات وتفسير النتائج

التقييم النقدي لمصادر البيانات، بالإضافة إلى الكشف عن البيانات المركبة وغير المعقولة

ضمان الجودة وحماية البيانات والاستخدام المسؤول للذكاء الاصطناعي

تحليلات الأعمال والأسس الإحصائية (حوالي يومين)

المؤشرات الرئيسية ومؤشرات الأداء الرئيسية (KPIs) في سياق المؤسسة

الإحصاء الوصفي والارتباطات الإحصائية

الارتباط والسببية وتحليلات الانحدار البسيطة

أساسيات فترات الثقة واختبارات الفرضيات

تفسير نتائج التحليل واستنباط توصيات عملية قائمة على البيانات

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

مقدمة في التنقيب عن البيانات

دور الذكاء الاصطناعي والأنظمة القائمة على البيانات في بيئة البيانات الضخمة

مقدمة في أطر عمل البيانات الضخمة (يومان تقريبًا)

حلول البيانات الضخمة في السحابة (نظرة عامة على AWS وAzure وGCP)

أنماط الوصول إلى البيانات

تخزين البيانات

مقدمة في بحيرات البيانات ومستودعات البيانات

نظرة عامة على Apache Hadoop وSpark

معالجة البيانات الموزعة باستخدام Spark (3 أيام تقريباً)

أساسيات الأنظمة الموزعة

أباتشي سبارك (الأساسية وSQL)

مقارنة الأساليب المختلفة لمعالجة البيانات

معالجة كميات كبيرة من البيانات

مقدمة في سير عمل التعلم الآلي البسيط باستخدام Spark

خطوط أنابيب البيانات وتكامل البيانات (حوالي 2 يومان)

عمليات ETL وعمليات ETT

المعالجة الدفعية مقابل المعالجة المتدفقة

أساسيات خطوط أنابيب البيانات

مقدمة في التنسيق (على سبيل المثال نظرة عامة على Airflow)

جودة البيانات وإعدادها

المكونات (يومان تقريباً)

عرض موجز للأدوات المختلفة

نقل البيانات

نظرة عامة على إدارة الموارد في أنظمة البيانات الضخمة

نظام هادوب البيئي

تعميق أباتشي سبارك

مقدمة في تقنيات التدفق

NoSQL وتخزين البيانات (حوالي 2 يومان)

نظرية كاب

ACID و BASE

أنواع قواعد البيانات

قاعدة بيانات HBase

مقدمة في قواعد البيانات الموجهة للمستندات

مقدمة في تنسيقات التخزين

نظرة عامة على مناهج بحيرة البيانات

تصوّر البيانات الضخمة (يومان تقريباً)

نظريات التصور

اختيار الرسوم البيانية

أنواع جديدة من الرسوم البيانية

أدوات لتصور البيانات

مقدمة في أدوات ذكاء الأعمال (مثل Power BI و Tableau)

أساسيات اتخاذ القرارات المستندة إلى البيانات

حوكمة البيانات وحماية البيانات (يوم واحد تقريبًا)

أساسيات اللائحة العامة لحماية البيانات في سياق البيانات

أخلاقيات البيانات والتعامل المسؤول مع البيانات

مفاهيم جودة البيانات والحوكمة

ضوابط الوصول والأمان

أساسيات الاستخدام المسؤول للذكاء الاصطناعي

عمل المشروع (5 أيام تقريباً)

لتوحيد المحتوى المكتسب

عرض نتائج المشروع