-
نوع الدرجة العلمية: شهادة "محلل بيانات
شهادة "مدير الذكاء الاصطناعي الحاصل على مؤهل معتمد من TÜV Rheinland" -
المؤهلات الإضافية: شهادة "الإحصاء وتحليل البيانات"
شهادة "قواعد البيانات العلائقية SQL"
شهادة "PCEP™ - مبرمج بايثون معتمد مبتدئ معتمد"
شهادة "مهندس بيانات
شهادة تحليل البيانات" -
الامتحان النهائي: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Certified Entry-Level Python Programmer (PCEP™) (in englischer Sprache)
KI-Manager:in mit TÜV Rheinland geprüfter Qualifikation -
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: 24 أسابيع
الإحصاءات وتحليل البيانات
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
قواعد البيانات العلائقية مع SQL
أساسيات أنظمة قواعد البيانات و SQL (3 أيام تقريباً)
نظرة عامة على أنظمة ونماذج قواعد البيانات
البيانات الزائدة عن الحاجة وتكامل البيانات
التطبيع
تصميم قاعدة البيانات ونموذج علاقة الكيان (ERM)
المفاتيح الأساسية والأجنبية
العلاقات بين العلاقات
أنواع البيانات في SQL
الفهارس والأداء
القيود والتحقق من الصحة
الاستعلامات في SQL
البيانات المنظمة كأساس لطرق التحليل المدعومة بالذكاء الاصطناعي
مقدمة في استوديو إدارة SQL الخادم (SSMS) (يومان تقريبًا)
نظرة عامة على SQL Server و SSMS
تصميم قاعدة البيانات الفعلية
إنشاء الجداول وتحديد أنواع البيانات
القيود والقيم الافتراضية والعلاقات
مخططات قاعدة البيانات (ERM) والعلاقات
النسخ الاحتياطي والاستعادة
مقدمة في مراقبة الأداء
نظرة عامة على تحسين الاستعلام المدعوم بالذكاء الاصطناعي وتحليل الاستعلام
مقدمة في DDL (لغة تعريف البيانات) وDML (لغة معالجة البيانات) (8 أيام تقريباً)
أساسيات SQL والنحو الموسع
المشغلات والوظائف المتكاملة
الاستعلامات ومعالجة البيانات
معالجة الأخطاء وإدارة المعاملات
إنشاء وإدارة كائنات قاعدة البيانات
أساسيات تحسين الأداء
العمل مع أنواع البيانات الحديثة
نمذجة البيانات والإعداد المنظم لتطبيقات الذكاء الاصطناعي والتحليل
DCL - لغة التحكم في البيانات والأمن (يوم واحد تقريبًا)
إدارة المستخدم والتراخيص
الأدوار ومفاهيم الأمان
التدقيق
مقدمة في أمن مستوى الصفوف
أمن البيانات في سياق التحليلات المدعومة بالذكاء الاصطناعي
أنواع البيانات واستيراد البيانات وتصديرها في الأنظمة الحديثة (يوم واحد تقريباً)
استيراد البيانات وتصديرها
أنواع البيانات الحديثة
استيراد البيانات وتحويلها وتوفيرها لعمليات التحليل
عمل المشروع (5 أيام تقريباً)
لتوحيد المحتوى المكتسب
عرض نتائج المشروع
البرمجة باستخدام بايثون
أساسيات بايثون (يوم واحد تقريباً)
التاريخ والمفاهيم
الاستخدام ومجالات التطبيق
بناء الجملة
المعجم والدلالات
اصطلاحات PEP-8
المفسر مقابل المترجم
الأنظمة العددية: ثنائي، وثماني، وسداسي عشري
الترميز العلمي
الخطوات الأولى مع بايثون (حوالي 5 أيام)
الأعداد
السلاسل
التاريخ والوقت
المدخلات والمخرجات القياسية
المشغلات العددية
المقارنة والعوامل المنطقية والمنطقية والبتية
تحويل نوع البيانات
قائمة، ومزدوج، وإملاء، ومجموعة
دوال القوائم والطرق
التفرع والحلقات (إذا، من أجل، بينما)
مشغلات الأعضاء
أساسيات السلاسل: الهروب من السلاسل متعددة الأسطر
تحديد الأولويات وعوامل الربط
الذكاء الاصطناعي في إجراءات العمل
عرض تقنيات محددة للذكاء الاصطناعي
والتطبيقات الممكنة في البيئة المهنية
الوظائف (5 أيام تقريباً)
تحديد الدوال الخاصة بك
المتغيرات
المعلمات والوسائط
قيم الإرجاع
التكرار
مساحات التسمية
البرمجة الوظيفية
أنواع المعلمات: الموضعية، الكلمات المفتاحية، المختلطة
القيم الافتراضية
التظليل والكلمة المفتاحية العامة
لا شيء والعائد بدون قيمة
استكشاف الأخطاء وإصلاحها (0.5 يوم تقريباً)
أساسيات معالجة الأخطاء باستخدام المحاولة والاستثناء
أنواع الأخطاء النموذجية والتسلسل الهرمي للاستثناءات
انتشار الأخطاء ومقاطعات البرنامج
هيكلة كتل الاستثناء
البرمجة الموجهة للكائنات (حوالي 4.5 أيام ونصف)
فئات بايثون
الأساليب
الكائنات الثابتة
فئة البيانات
الوراثة
عمل المشروع والإعداد للشهادة وامتحان شهادة "PCEP™ - مبرمج بايثون معتمد للمبتدئين" باللغة الإنجليزية (4 أيام تقريباً)
مهندس بيانات
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
تحليلات البيانات
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: لوحات المعلومات
هيكل لوحات المعلومات وتخصيصها
عمليات الاستدعاء
التنقيب عن النصوص (يوم واحد تقريباً)
المعالجة المسبقة للبيانات وتصورها
المكتبة: سباسي
عمل المشروع (5 أيام تقريباً)
لتوحيد المحتوى المكتسب
عرض نتائج المشروع
الذكاء الاصطناعي: مدير الذكاء الاصطناعي الحاصل على مؤهل معتمد من TÜV Rheinland
أساسيات مشاريع الذكاء الاصطناعي التشغيلية (5 أيام تقريباً)
مقدمة في الذكاء الاصطناعي والتعلم الآلي والتعلم الآلي والبرمجة اللغوية العصبية والرؤية الحاسوبية (التركيز التشغيلي)
الأدوار والمهام: إعداد وتشغيل ومراجعة فعالية نظام الإدارة وتشغيله وفقًا لمعيار الأيزو 42001
تحديد الأدوار والتعاون: مسؤول الذكاء الاصطناعي ومدير الذكاء الاصطناعي ومدقق الذكاء الاصطناعي
تحديد حالات الاستخدام التشغيلي في الشركة وتقييمها
بدء المشروع: تحديد الهدف، والنطاق، وتحليل الجدوى
إدارة أصحاب المصلحة
خلق القيمة والعائد على الاستثمار من خلال الذكاء الاصطناعي
مبادرات الذكاء الاصطناعي الناجحة في الإدارة
إدارة البيانات واستخدام الأدوات (3 أيام تقريباً)
إعداد البيانات وجودتها وتكاملها
اختيار أدوات ومنصات الذكاء الاصطناعي وتنفيذها
المطالبة العملية لتطبيقات النصوص والصور والفيديو
إعداد خطوط أنابيب بيانات بسيطة
مقدمة في مفاهيم عمليات التشغيل الآلي للذكاء الاصطناعي
خيارات أتمتة الذكاء الاصطناعي في التشغيل
تدريب النماذج والتحقق من صحتها واستخدامها (يومان تقريباً)
التدريب والتحقق من صحة النماذج
إجراءات الاختبار: الصندوق الأسود، الصندوق الأبيض، اختبارات الوحدة
استخدام النماذج
المراقبة والتحسين التكراري
دمج وكلاء الذكاء الاصطناعي في المشاريع
إدارة المخاطر وضمان الجودة (يومان تقريبًا)
تحليل المخاطر الفنية: مقاييس التحيز، واختبارات الإنصاف، وتحليل أخطاء النموذج
ضمان الجودة: مؤشرات الأداء الرئيسية، والمراقبة، وعمليات القبول
نظام الإدارة وفقًا لمعيار الأيزو 42001
أمن وتفسير أنظمة الذكاء الاصطناعي
إدارة المشاريع التشغيلية والأساليب الرشيقة (يومان تقريباً)
الأساليب الرشيقة: سكروم، وكانبان، ودورات النشر التكرارية
تخطيط الموارد والميزانية
تواصل الفريق وأصحاب المصلحة
استراتيجيات التحسين المستمر وحل المشكلات (CIP)
التعاون مع الشركاء الخارجيين
التطوير التنظيمي والحوكمة وإدارة التغيير (3 أيام تقريبًا)
تحليل عمليات الشركة
تحليل مستوى النضج وتحليل الفجوة
إنشاء خارطة طريق للذكاء الاصطناعي
الحوكمة وتطوير استراتيجية الذكاء الاصطناعي
تطوير هيكل تنظيمي مستدام
المسؤوليات
التعامل العملي مع المقاومة في عمليات الذكاء الاصطناعي
الاستدامة والمسؤولية الرقمية للشركات (CDR)
أعمال المشروع وإعداد الشهادات وامتحان شهادة "مدير الذكاء الاصطناعي الحاصل على شهادة TÜV Rheinland المعتمدة" (3 أيام تقريباً)
التغييرات ممكنة، ويتم تحديث محتوى الدورة التدريبية بانتظام.
بعد هذه الدورة، ستكون لديك معرفة أساسية بالإحصاءات، وستكون قادراً على تنفيذ استعلامات معقدة باستخدام قواعد البيانات العلائقية باستخدام لغة SQL، وستكون بارعاً في لغة برمجة Python. وبالإضافة إلى المعرفة المتخصصة في هندسة البيانات وتحليل البيانات التي يتم تدريسها في الدورة، ستتمكن من إدارة مجموعات بيانات واسعة النطاق، وتحليلها إحصائياً بكفاءة وتلخيص النتائج بطريقة واضحة وسهلة الفهم.
ستكون قادرًا أيضًا على تخطيط وتنفيذ مشاريع التحول المدعومة بالذكاء الاصطناعي بما يتماشى مع المعايير وترسيخها بشكل مستدام في مؤسستك. سوف تكون قادرًا على تعظيم الفوائد الاقتصادية وخلق القيمة والعائد على الاستثمار لمبادرات الذكاء الاصطناعي، وأخذ المخاطر ومتطلبات الامتثال في الاعتبار، ووضع هيكل تنظيمي مستدام واستراتيجيات الحوكمة وإدارة التغيير من أجل الاستخدام الناجح للذكاء الاصطناعي.
تستهدف الدورة التدريبية الأشخاص الحاصلين على شهادة في إدارة الأعمال أو الرياضيات أو المعلوماتية (التجارية) والمؤهلات المماثلة.
نظرًا لاضطرار الشركات إلى إدارة وهيكلة كميات متزايدة من البيانات لتحليلها وتحديد أهداف عملياتها التجارية، فإن مهارات تحليل البيانات مطلوبة في جميع القطاعات.
ستساعدك الخبرة الإضافية في مجال الذكاء الاصطناعي (AI) كمتخصص ومدير على دفع الشركات إلى الأمام في التحول الرقمي واستخدام الذكاء الاصطناعي كأداة لتحسين الكفاءة واتخاذ القرارات والابتكار.
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 .