عالم 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

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

مقدمة في التعلم الآلي (5 أيام تقريباً)

لماذا التعلم الآلي؟

أمثلة تطبيقية

التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم الخاضع للإشراف الجزئي، والتعلم المعزز

أمثلة على مجموعات البيانات

التعرف على البيانات

بيانات التدريب والتحقق من الصحة وبيانات الاختبار

عرض البيانات

إجراء التنبؤات

التعلم تحت الإشراف (حوالي 5 أيام)

التصنيف والانحدار

التعميم والإفراط في التعميم وعدم التعميم

حجم مجموعة البيانات

خوارزميات التعلّم تحت الإشراف

النماذج الخطية

مصنفات بايز

أشجار القرار

الغابة العشوائية

تعزيز التدرج

الجيران الأقرب ك

ماكينات دعم المتجهات

المجال العشوائي الشرطي

الشبكات العصبية والتعلم العميق

الاحتمالات

التعلم غير الخاضع للإشراف (5 أيام تقريباً)

أنواع التعلم غير الخاضع للإشراف

المعالجة المسبقة والقياس

تحويلات البيانات

قياس بيانات التدريب والاختبار

تقليل الأبعاد

هندسة الميزات

التعلّم المتشعب

تحلل المكونات الرئيسية (PCA)

تحليل المصفوفة غير السالبة (NMF)

التعلُّم المتشعب مع التحليل العنقودي للمكونات الرئيسية

التحليل العنقودي

التجميع k-Means

التجميع العنقودي التجميعي

التحليل العنقودي الهرمي

DBSCAN

خوارزميات التجميع

التقييم والتحسين (يومان تقريباً)

اختيار النموذج وتقييم النموذج

ضبط المعلمات الفائقة للمُقدِّر

التحقق التبادلي

بحث الشبكة

مقاييس التقييم

التصنيف

عمل المشروع (3 أيام تقريباً)

لتوحيد المحتوى الذي تم تعلمه

عرض نتائج المشروع

مقدمة في التعلم العميق (يوم واحد تقريباً)

التعلم العميق كنوع من التعلم الآلي

أساسيات الشبكات العصبية (4 أيام تقريباً)

المدرك التلقائي

حساب الشبكات العصبية

تحسين معلمات النموذج، والانتشار الخلفي

مكتبات التعلم العميق

الانحدار مقابل التصنيف

منحنيات التعلّم، والإفراط في التركيب والتنظيم

تحسين المعلمات المفرطة

نزول التدرج العشوائي (SGD)

الزخم، مُحسِّن آدم

معدل التعلم

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 النماذج

التدريب المسبق غير الخاضع للإشراف

زيادة بيانات الصور، والذكاء الاصطناعي القابل للتفسير

شبكة CNN الإقليمية (يوم واحد تقريباً)

توطين الكائنات

مشاكل الانحدار

الشبكات العصبية المتفرعة

طرق توليد الصور الإبداعية (يوم واحد تقريباً)

شبكات الخصومة التوليدية (GAN)

التزييف العميق

نماذج الانتشار

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

نقل التعلّم في معالجة اللغات الطبيعية

الترجمات

طريقة التسلسل إلى التسلسل، وبنية التشفير وفك التشفير

النماذج اللغوية (يوم واحد تقريباً)

BERT، GPT

طبقات الانتباه، المحولات

خطوط أنابيب توليد النصوص

التلخيص

روبوتات الدردشة

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