-
نوع الدرجة العلمية: شهادة "PCEP™ - مبرمج بايثون معتمد مبتدئ معتمد"
شهادة "التعلم الآلي
شهادة "التعلم العميق
شهادة تحليل البيانات" -
الامتحان النهائي: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Certified Entry-Level Python Programmer (PCEP™) (in englischer Sprache) -
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
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)
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
تحليلات البيانات
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
التغييرات ممكنة، ويتم تحديث محتوى الدورة التدريبية بانتظام.
بعد انتهاء الدورة، ستكون لديك معرفة بتحليل البيانات وتصورها بالإضافة إلى إدارة البيانات. ستكون على دراية بأهم أسباب استخدام التعلم الآلي ومجالات التطبيق والفئات والمفاهيم المختلفة للتعلم الآلي. ستكون أيضاً على دراية بمجالات تطبيق التعلم العميق وكيفية عمل الشبكات العصبية. ستفهم كيف يمكن للشبكات العصبية أن تتعرف على الأشياء في الصور وتكون قادرًا على توفير عمليات التعلم الآلي وتوثيقها.
كما أن لديك معرفة أساسية مضغوطة بالبرمجة باستخدام Python ولديك ثقة في استخدام لغة البرمجة بفئاتها ومكتباتها ووظائفها.
علوم الحاسب الآلي والرياضيات والهندسة الكهربائية والأشخاص الحاصلون على شهادة في الهندسة (التجارية)
إن تعدد استخدامات لغة Python يجعل الموظفين ذوي المهارات ذات الصلة جذابين في العديد من الصناعات والشركات. يتم البحث عن الأشخاص الذين يتمتعون بمهارات برمجة بايثون بشكل خاص في تطوير الويب والتعلم الآلي وتحليل البيانات.
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.
بالإضافة إلى ذلك، تلعب القرارات المستندة إلى البيانات دورًا متزايد الأهمية في الشركات والمؤسسات. وبالتالي، هناك حاجة إلى متخصصين قادرين على معالجة البيانات من مصادر مختلفة وتحليلها وتقديمها بصيغة مرئية مفهومة. تفتح المعرفة بلغات البرمجة Python وSQL وذكاء الأعمال (Business Intelligence) آفاقًا جديدة للعمل في مجال تحليل البيانات، وكذلك في المجالات التخصصية والمجالات المؤسسية التي تعتمد على البيانات.
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 .