يتم توظيف مهندسي البيانات الضخمة (Big Data Engineers) في التحليل والتصميم متعدد التخصصات لحلول تكنولوجيا المعلومات وقواعد البيانات. لذلك، يبدأ هذا البرنامج التدريبي بتقديم مقدمة لأساسيات ذكاء الأعمال، ويصف متطلبات هندسة البيانات، ويشرح نمذجة مستودعات البيانات وعمليات الاستخراج والتحويل والتحميل (ETL). بعد ذلك، سيتم تعريفك بالبيانات الضخمة باستخدام برامج خاصة بالقطاع تُستخدم لتخزين ومعالجة وحساب كميات كبيرة من البيانات. وأخيرًا، يرشدك البرنامج عبر مسار عمل التعلم الآلي بالكامل، بدءًا من إعداد البيانات وتطوير النماذج وصولًا إلى التقييم والتفسير، كما يوضح أساليب التعلم العميق القائمة على الشبكات العصبية مع الأدوات المرتبطة بها.
-
نوع الدرجة العلمية: شهادة "مهندس البيانات الضخمة"
شهادة "التعلم الآلي والتعلم العميق" -
المؤهلات الإضافية: شهادة "مهندس بيانات
شهادة "أخصائي البيانات الضخمة"
شهادة "التعلم الآلي
شهادة "التعلم العميق -
الامتحان النهائي: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
-
أوقات الدرس: دوام كاملمن الإثنين إلى الجمعة من الساعة 8:30 صباحًا إلى 3:35 مساءً (في الأسابيع التي تتخللها عطلات رسمية من الساعة 8:30 صباحًا إلى 5:10 مساءً)
-
لغة التعليم: الألمانية
-
المدة: 16 أسابيع
مهندس بيانات
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
أخصائي البيانات الضخمة
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
التعلّم الآلي
مقدمة في التعلم الآلي وسير عمل التعلم الآلي (حوالي 3 أيام)
أساسيات التعلم الآلي ومجالات تطبيقه وأنواعه
تصنيف أساليب الذكاء الاصطناعي والتعلم الآلي الحديثة
سير عمل التعلم الآلي باستخدام scikit-learn
بيانات التدريب والتحقق والاختبار
التدريب الناقص، والتدريب المفرط، وتقييم النماذج
التحقق المتقاطع
تحضير البيانات وهندسة الميزات (حوالي يومين)
جودة البيانات والمعالجة المسبقة للبيانات
التحجيم والتطبيع والترميز
هندسة السمات واختيار السمات
التعامل مع القيم المفقودة والقيم الشاذة ومجموعات البيانات غير المتوازنة
التعلم الخاضع للإشراف – الانحدار والتصنيف (حوالي 5 أيام)
طرق الانحدار والتصنيف
النماذج الخطية والمنظمة
طرق قائمة على المسافة والاحتمالات والشجرة
طرق المجموعات والتعزيز
مقارنة النماذج وتحسين المعلمات الفائقة
مقاييس التقييم والتنبؤات الاحتمالية
أهمية السمات والذكاء الاصطناعي القابل للتفسير
التعلم غير المراقب (حوالي يومين)
تقليل الأبعاد واستخراج السمات
طرق التجميع وتقييم نتائج التجميع
الكشف عن الحالات الشاذة
تحليل السلاسل الزمنية والتوقعات (حوالي يوم واحد)
أساسيات وتحليل بيانات السلاسل الزمنية
طرق التنبؤ والتعلم الآلي للسلاسل الزمنية
الشبكات العصبية والذكاء الاصطناعي الحديث (حوالي يومين)
أساسيات الشبكات العصبية والتعلم العميق
التعلم الآلي للبيانات النصية ومعالجة اللغة الطبيعية
نماذج الأساس، ونماذج اللغة الكبيرة، والذكاء الاصطناعي التوليدي
نشر نماذج التعلم الآلي (حوالي يوم واحد)
تخزين النماذج المدربة وتوفيرها
تطوير تطبيقات التعلم الآلي البسيطة
واجهات ومنصات لنماذج التعلم الآلي
عمل المشروع (4 أيام تقريباً)
لتوحيد المحتوى الذي تم تعلمه
عرض نتائج المشروع
التعلّم العميق
مقدمة في التعلم العميق (يوم واحد تقريباً)
التعلم العميق كنوع من التعلم الآلي
أساسيات الشبكات العصبية (4 أيام تقريباً)
الإدراك الحسي متعدد الطبقات
حساب الشبكات العصبية
تحسين معلمات النموذج، والانتشار الخلفي
مكتبات التعلم العميق
الانحدار مقابل التصنيف
وظائف الخسارة والتنشيط النموذجية
تقييم توقعات النموذج باستخدام المقاييس
مقاييس الانحدار والتصنيف
منحنيات التعلّم، والإفراط في التركيب والتنظيم
تحسين المعامل الفائق
تنظيم L1/12
التسرب
التوقف المبكر
نزول التدرج العشوائي (SGD)
الزخم، آدم الأمثل
تحسين معدل التعلم
تعديل معدل التعلم الديناميكي
تقليل معدل التعلم عند الهضبة
تحسين معدل التعلُّم باستخدام TensorBoard
التحكم في عملية الملاءمة باستخدام عمليات الاسترجاع
حفظ النماذج وتحميلها
الشبكة العصبية التلافيفية (CNN) (يومان تقريباً)
تصنيف الصور
الطبقات التلافيفية، طبقات التجميع
طبقات إعادة التشكيل، التسطيح، تجميع المتوسط العالمي
مسابقة ImageNet-منافسة الشبكات العصبية المتداخلة (CNN)
الشبكات العصبية العميقة، وتلاشي التدرجات، وتخطي الاتصالات، وتطبيع الدُفعات
نقل التعلم (يوم واحد تقريباً)
تكييف ودمج النماذج
التدريب المسبق غير الخاضع للإشراف
زيادة بيانات الصور، والذكاء الاصطناعي القابل للتفسير
محمل البيانات
شبكة CNN الإقليمية (يوم واحد تقريباً)
توطين الكائنات
التجزئة الدلالية
مشاكل الانحدار
الشبكات العصبية المتفرعة
بنية YOLO
نماذج U-Net
طرق توليد الصور الإبداعية (يوم واحد تقريباً)
شبكات الخصومة التوليدية (GAN)
التزييف العميق
نماذج الانتشار
الاستبانة الفائقة
تكملة مناطق الصور المكملة
تطبيق نماذج الأساس من تعانق الوجه
نماذج متعددة الوسائط
لورا-ضبط دقيق
مجالات تطبيق النماذج التوليدية
القيود القانونية
الشبكات العصبية المتكررة (يومان تقريباً)
تحليل التسلسل
الطبقات المتكررة
الانتقاء الخلفي عبر الزمن (BPTT)
تحليل السلاسل الزمنية
مشاكل التدرج الانفجاري والتلاشي
LSTM (الذاكرة طويلة وقصيرة المدى)
GRU (وحدة متكررة مبوبة)
شبكة RNN العميقة
LSTM العميقة
معالجة النصوص باستخدام الشبكات العصبية (يومان تقريباً)
المعالجة المسبقة للنص
تضمين الطبقات
تصنيف النصوص
تحليل المشاعر
معالجة اللغة الطبيعية (NLP)
الترجمات
توليد النص
طريقة التسلسل إلى التسلسل، بنية أداة التشفير وفك التشفير
نماذج التشفير فقط ونماذج فك التشفير فقط
التطبيق المحلي للنماذج اللغوية الكبيرة
النماذج اللغوية (يوم واحد تقريباً)
بنية الترانسفير
الانتباه والانتباه متعدد الرؤوس
الترميزات الموضعية
ضبط النماذج اللغوية الكبيرة
التلقين
خطوط أنابيب توليد النص
التلخيص
روبوتات المحادثة
التوليد المعزز للاسترجاع
وكلاء الذكاء الاصطناعي
التعلم المعزز العميق (يوم واحد تقريباً)
التحكم في الأنظمة الديناميكية
أنظمة الوكلاء
التدريب من خلال المكافآت
تدرجات السياسة
التعلُّم الكمي العميق
الشبكات العصبية الباييزية (يوم واحد تقريباً)
حالات عدم اليقين في الشبكات العصبية
التقييم الإحصائي للتوقعات
الثقة، الانحراف المعياري
البيانات غير المتوازنة
طرق أخذ العينات
عمل المشروع (3 أيام تقريباً)
لتوحيد المحتوى الذي تم تعلمه
عرض نتائج المشروع
التغييرات ممكنة، ويتم تحديث محتوى الدورة التدريبية بانتظام.
أنت بارع في العمليات المتعلقة بتجميع البيانات وإعدادها وإثرائها وإعادة توجيهها. يمكنك أيضًا معالجة كميات كبيرة وغير منظمة من البيانات بمساعدة البرامج الخاصة بالصناعة. لديك معرفة بإطار عمل Apache وتعرف كيفية تصور البيانات بطريقة جذابة.
لديك أيضاً معرفة ذات صلة بالتعلم الآلي والتعلم العميق. أنت تعرف أهم أسباب استخدام التعلم الآلي ومجالات التطبيق والفئات والمفاهيم المختلفة للتعلم الآلي. كما أنك تفهم مجالات تطبيق التعلم العميق وكيفية عمل الشبكات العصبية. ستكون قادرًا على توفير عمليات التعلم الآلي وتوثيقها.
تستهدف الدورة التدريبية الأشخاص الحاصلين على شهادة في علوم الحاسب الآلي أو المعلوماتية التجارية أو إدارة الأعمال أو الرياضيات أو مؤهل مماثل.
تُستخدم البيانات الضخمة في الشركات للتحليل متعدد التخصصات وتصميم حلول تكنولوجيا المعلومات بالتعاون مع فرق التطوير والعمليات. هناك طلب على مهندسي البيانات الضخمة من الشركات الكبيرة والمتوسطة الحجم في الصناعة والتجارة والخدمات والتمويل.
كما أنك مؤهل تأهيلاً عالياً في المجالات المتخصصة في التعلم الآلي والتعلم العميق، ويمكنك أن تكون مؤهلاً تأهيلاً عالياً في جميع الصناعات ويزداد الطلب عليك في سوق العمل. يمكنك تحليل كميات كبيرة من البيانات بحثاً عن الأنماط والنماذج. غالبًا ما يُستخدم التعلُّم العميق في سياق الذكاء الاصطناعي للتعرف على الوجوه أو الأشياء أو الكلام.
توفر لك شهادتك المفيدة نظرة تفصيلية عن المؤهلات التي اكتسبتها وتحسن من فرصك المهنية.
المفهوم التعليمي
إن محاضريك مؤهلون تأهيلاً عالياً من الناحيتين المهنية والتعليمية وسيقومون بتدريسكم من اليوم الأول إلى اليوم الأخير (لا يوجد نظام للدراسة الذاتية).
سوف تتعلم في مجموعات صغيرة فعالة. تتكون الدورات عادةً من 6 إلى 25 مشاركاً. تُستكمل الدروس العامة بالعديد من التمارين العملية في جميع وحدات الدورة التدريبية. تُعد مرحلة الممارسة جزءًا مهمًا من الدورة، حيث أنه خلال هذا الوقت تقوم بمعالجة ما تعلمته وتكتسب الثقة والروتين في تطبيقه. يتضمن القسم الأخير من الدورة التدريبية مشروعاً أو دراسة حالة أو امتحاناً نهائياً.
الفصول الدراسية الافتراضية alfaview®
Bildungszentrumتُقدَّم الدروس باستخدام تقنية الفيديو الحديثة alfaview® - إما من منزلك أو في مقرنا في . يمكن للدورة التدريبية بأكملها رؤية بعضكم البعض وجهاً لوجه عبر alfaview®، والتواصل مع بعضكم البعض بجودة صوت متزامنة الشفاه والعمل على مشاريع مشتركة. وبالطبع، يمكنك أيضاً رؤية مدربيك المتصلين والتحدث إليهم مباشرةً في أي وقت، وسيقوم المحاضرون بتدريسكم في الوقت الفعلي طوال مدة الدورة التدريبية. الدروس ليست تعليماً إلكترونياً، بل تدريس حقيقي مباشر وجهاً لوجه عبر تقنية الفيديو.
alfatraining Agentur für Arbeit الدورات التدريبية في مدعومة ومعتمدة وفقًا للائحة اعتماد AZAV. Bildungsgutschein Aktivierungs- und Vermittlungsgutscheinعند تقديم أو، عادةً ما يتم تغطية تكاليف الدورة التدريبية بالكامل من قبل جهة التمويل.
Europäischen Sozialfonds Deutsche Rentenversicherung يمكن التمويل أيضًا من خلال (ESF) أو (DRV) أو برامج التمويل الإقليمية. Berufsförderungsdienst كجندي منتظم، يمكن حضور المزيد من الدورات التدريبية عن طريق (BFD). Agentur für Arbeit (Qualifizierungschancengesetz) يمكن للشركات أيضًا تأهيل موظفيها عن طريق برنامج تمويل من .