Skip to content
KnowledgeCity

علم البيانات وتعلُّم الآلة

تصفية الدورات
مستوى الدورة التدريبية
المدّة
إلغاء التصفية
88 دورات ل 'علم البيانات وتعلُّم الآلة'
لم نعثر على أيّ شيء اليوم، ولكن تحقق مجدداً في وقت لاحق، فنحن نضيف محتوى جديد كل شهر!
TensorFlow - المستوى المبتدئ ساعة واحدة وتسع وأربعون دقيقة • 22 الدروس • مبتدئ في هذه الدورة التدريبية على TensorFlow ستبدأ بتعلم كيفية استخدام التعلم الآلي لحل مشاكل العالم الحقيقي عبر مجالات مختلفة مثل الأمور المالية وعلم الأحياء. سوف تستكشف نماذج التصنيف، ومعالجة بيانات Pandas وتصور Seaborn وتقييم النماذج ومقاييس الأداء.
TensorFlow للمستوى المبتدئ: ما هو TensorFlow؟ خمس عشرة دقيقة • 3 الدروس • مبتدئ TensorFlow هي مكتبة برامج شهيرة مفتوحة المصدر للتعلم العميق وتستخدم على نطاق واسع في تطبيقات التعلم الآلي. في هذه الدروس، ستتعرف على تقسيم التدريب/التحقق من الصحة الأكثر شيوعًا وأهمية الحفاظ على التوازن بين المجموعتين. سوف تكتشف أيضًا إحدى تقنيات المعالجة المسبقة التي توفرها TensorFlow للصور، وهو أمر بالغ الأهمية لتحسين دقة النموذج. بالإضافة إلى ذلك، سوف تستكشف استخدام البيانات المختلطة في التدريب، وما إذا كان من المستحسن مزجها مع تقسيم التحقق من صحة التدريب.
TensorFlow للمستوى المبتدئ: التعلم العميق مع TensorFlow عشرون دقيقة • 3 الدروس • مبتدئ التعلم العميق هو مجال متطور سريعًا، ويمكن أن يكون هناك فهم أساسي للطرق والتقنيات المختلفة المستخدمة في التعلم العميق ذات قيمة للمهنيين في هذا المجال. في هذه الدروس، ستتعرف على أساليب التعلم العميق المختلفة المستخدمة في هذا المجال، بما في ذلك الشبكات العصبية التلافيفية (CNNs) وPerceptrons متعددة الطبقات (MLPs).
TensorFlow للمستوى المبتدئ: الشبكات العصبية تسع عشرة دقيقة • 3 الدروس • مبتدئ أصبحت الشبكات العصبية جزءًا لا يتجزأ من التعلم الآلي ويمكن استخدامها في مجموعة متنوعة من التطبيقات، من معالجة الصور إلى معالجة اللغة الطبيعية. في هذه الدروس، ستتعرف على المفاهيم الأساسية للشبكات العصبية، بما في ذلك الشبكات العصبية الاصطناعية (ANNS) وطريقة المربعات الصغرى. سوف تستكشف كيفية إنشاء ANN باستخدام TensorFlow وكيفية استخدام طريقة المربعات الصغرى لتحسين أدائها.
TensorFlow للمستوى المبتدئ: التعلم بالنقل عشرون دقيقة • 4 الدروس • مبتدئ التعلم بالنقل هو تقنية قوية في التعلم الآلي الذي يتضمن استخدام نماذج مسبقة لتحسين أداء النماذج الخاصة بك. في هذه الدروس، ستتعرف على الفوائد المختلفة للتعلم بالنقل وكيفية استخدام النماذج المسبقة لتحسين أداء مشاريع التعلم الآلي.
TensorFlow للمستوى المبتدئ: الوظائف الإضافية لـ TensorFlow ثلاث عشرة دقيقة • 3 الدروس • مبتدئ تعد TensorFlow أداة قوية للتعلم الآلي، ولكن هناك أيضًا عدد من الوظائف الإضافية المتاحة التي يمكن أن تعزز قدراتها. في هذه الدروس، سوف تستكشف الوظائف الإضافية المختلفة المتاحة وكيفية استخدامها بفعالية في مشاريع التعلم الآلي.
TensorFlow للمستوى المبتدئ: تطبيقات العالم الحقيقي ثمان عشرة دقيقة • 4 الدروس • مبتدئ في هذه الدروس، سوف تتعلم كيفية تطبيق تقنيات التعلم الآلي لحل مشاكل العالم الحقيقي المعقدة في مختلف المجالات مثل الأمور المالية والبيولوجيا. سوف تتعرف على نماذج التصنيف وكيف يمكن استخدامها لحل التحديات مثل تحليل الإجهاد/الإجهاد للسد، كمثال بارز. سوف تكتشف أيضًا كيفية استخدام Pandas لمعالجة البيانات وSeaborn لتصور البيانات المرنة، مما يتيح لك تحليل وتفسير مجموعات البيانات الكبيرة بشكل فعال.
نمذجة تصنيف البيانات ساعة واحدة وست وخمسون دقيقة • 32 الدروس • متوسط
مُعتمد من قبل
International Institute of Business Analysis (IIBA®)
في هذه الدورة، ستتعلم أساسيات نمذجة التصنيف باستخدام التعلم الآلي. ستفحص خط أنابيب نموذج التصنيف النموذجي والمشكلات التي يطبق عليها التصنيف. سوف تتعلم أيضًا كيفية جمع ومعالجة وتحليل البيانات اللازمة لإنشاء نموذج تصنيف قابل للتطبيق. سيتم شرح نماذج التصنيف الأكثر شيوعًا ومناقشة المفاضلات بين النماذج، بما في ذلك النصائح العملية لتنفيذها.
التعلم الآلي والتصنيف ست وعشرون دقيقة • 6 الدروس • متوسط ستقدم هذه الدروس نمذجة التصنيف ومساحة المشكلة ضمن التعلم الآلي الخاضع للإشراف. وسيشمل ذلك التعلم والتعرف على الفرق بين التصنيف والتنبؤ، وكيف تتناسب نمذجة التصنيف مع المجال الأكبر للتعلم الآلي. سوف تتعلم كيفية التعامل مع مشاكل التصنيف، وسيتم تقديمك إلى خط أنابيب نموذج التصنيف النموذجي.
مشاكل التصنيف سبع وعشرون دقيقة • 6 الدروس • متوسط ستشرح هذه الدروس عملية بناء النموذج النموذجية بالرجوع إلى خط أنابيب نموذج التصنيف. ستتلقى أيضًا مقدمة حول مشاكل التصنيف الثنائي ومتعدد الفئات، والطرق التي يتم استخدامها على أفضل وجه. سوف تتعلم كيفية استخدام هندسة الميزات لمعرفة أفضل مدخلات البيانات لنماذج التصنيف الخاصة بك.
خوارزميات / نماذج التصنيف أربع وثلاثون دقيقة • 8 الدروس • متوسط ستتعلم في هذه الدروس خوارزميات التصنيف الأكثر استخدامًا والمشكلات التي تنطبق عليها عادةً. سنغطي العديد من أنماط النمذجة بما في ذلك: الانحدار، وNaive Bayes،وآلات المتجهات الداعمة، وأشجار القرار، ونماذج الغابات العشوائية، وخوارزمية K-Nearest Neighbours والنماذج متعددة الفئات.
تحديات نمذجة التصنيف ست عشرة دقيقة • 6 الدروس • متوسط في هذه الدروس، ستتعلم كيفية اختيار النموذج الصحيح من خلال التفكير في المفاضلات بينهما. سوف تتعلم أيضًا كيفية التعامل مع التحديات المشتركة التي تواجهها نماذج التصنيف، بما في ذلك مشاكل التحيز والإنصاف وجمع البيانات. سوف تستكشف هذه الدروس التوازن بين الدقة وإمكانية الشرح، بالإضافة إلى البقاء على دراية بالمجموعات التي يمكن أن تؤثر عليها نماذجك. ستتعرف على بعض المشاكل الحالية مع أنظمة التصنيف من حيث الهجمات العدائية التي يمكن أن تدمر أداء النموذج وتسبب مشاكل كبيرة في النشر.
تطبيقات نمذجة التصنيف عشر دقائق • 4 الدروس • متوسط ستأخذك هذه الدروس عبر التطبيقات المختلفة لنمذجة التصنيف في سيناريوهات الحياة الواقعية. سوف تتعلم كيف يتم استخدام نمذجة التصنيف والذكاء الاصطناعي في التصوير الطبي والتشخيص والوقاية، وكيف يأمل الباحثون في مساعدة الرعاية الصحية حول العالم. سوف تتعلم أيضًا الطرق التي تستخدم بها الشركات النمذجة والتنبؤ لفهم سلوك العملاء وانسحابهم بشكل أفضل.
أخلاقيات الذكاء الاصطناعي والمساءلة ساعتان وإحدى وثلاثون دقيقة • 54 الدروس • متوسط ستوفر هذه الدورة التدريبية حول أخلاقيات الذكاء الاصطناعي والمساءلة نظرة عامة شاملة على الاعتبارات والمبادئ الأخلاقية المتعلقة بالمساءلة في أنظمة الذكاء الاصطناعي. سوف تتعرف على المبادئ التي تنطبق فقط على أنظمة الذكاء الاصطناعي، مثل قابلية الشرح، بالإضافة إلى مبادئ أوسع، مثل مبدأ المساواة في الوصول إلى التكنولوجيا والخدمات والفرص. سوف تتعلم عن تقاطع الذكاء الاصطناعي الأخلاقي وحقوق الإنسان والحكم والنظام القانوني.
أخلاقيات الذكاء الاصطناعي والمساءلة: تطوير الذكاء الاصطناعي الحديث أربع وعشرون دقيقة • 7 الدروس • متوسط ستغطي هذه الدروس حول تطوير الذكاء الاصطناعي الحديث تاريخ وخلفية الذكاء الاصطناعي والجوانب والمفاهيم الأساسية للذكاء الاصطناعي، بما في ذلك كيفية عمل الذكاء الاصطناعي كنظام اتخاذ القرار. سنستكشف أيضًا كيفية استخدام الذكاء الاصطناعي في الحياة اليومية، والتعلم الآلي كنظام آلي يتعلم من المعلومات، والاعتبارات الفريدة حول البيانات الضخمة المستخدمة في أنظمة الذكاء الاصطناعي.
أخلاقيات الذكاء الاصطناعي والمساءلة: التحديات الفريدة للذكاء الاصطناعي والتعلم الآلي ست عشرة دقيقة • 5 الدروس • متوسط في هذه الدروس حول التحديات الفريدة التي يواجهها الذكاء الاصطناعي والتعلم الآلي، ستستكشف أنواع التعلم الآلي، بما في ذلك التعلم الخاضع للإشراف، والذي يستخدم البيانات المصنفة لإجراء التنبؤات؛ غير خاضعة للإشراف، وهي سلسلة من التقنيات لفهم بنية البيانات دون متغير النتيجة؛ والتعلم المعزز، أحد أقدم أنماط التعلم الآلي الذي يستخدم طريقة التعلم القائمة على الأهداف. ستفهم أيضًا الاعتبارات الأخلاقية المتعلقة بالشبكات العصبية والذكاء الاصطناعي التوليدي.
أخلاقيات الذكاء الاصطناعي والمساءلة: مقدمة في الذكاء الاصطناعي الأخلاقي إحدى وعشرون دقيقة • 7 الدروس • متوسط في هذه الدروس، ستتعرف على مشهد الحوكمة حول الذكاء الاصطناعي. سوف تتعرف على توافق الذكاء الاصطناعي مع القيم الإنسانية والتأثيرات الخارجية التي ترتبط بشكل غير مباشر بإنشاء ونشر أي نظام للذكاء الاصطناعي، مثل التأثيرات البيئية. ستتعرف أيضًا على أنظمة الذكاء الاصطناعي التي تسبب ضررًا متعمدًا وأنماطًا مظلمة، وأنماط تصميم خادعة تُستخدم للتأثير على الأفراد للقيام بعمل قد لا يكون في مصلحتهم.
أخلاقيات الذكاء الاصطناعي والمساءلة: المساءلة في الذكاء الاصطناعي ثمان دقائق • 4 الدروس • متوسط تعد المساءلة جزءًا مهمًا من أخلاقيات الذكاء الاصطناعي، وهي ذات صلة في جميع مراحل دورة حياة نظام الذكاء الاصطناعي، بما في ذلك أثناء التصميم، وبعد النشر، وكذلك عند حدوث أي ضرر بسبب النظام. في هذه الدروس حول المساءلة في الذكاء الاصطناعي، ستتعلم كيف يمكن تقييم أنظمة الذكاء الاصطناعي باستخدام مبادئ المساءلة، إلى جانب الإصلاحات التنظيمية والأطر القانونية وتقاطعها مع المساءلة.
أخلاقيات الذكاء الاصطناعي والمساءلة: الخصوصية والسلامة والأمن في الذكاء الاصطناعي ثلاث عشرة دقيقة • 6 الدروس • متوسط ستناقش هذه الدروس حول الخصوصية والسلامة والأمن في الذكاء الاصطناعي اللائحة العامة لحماية البيانات، والموافقة، وإمكانية نقل البيانات، والقدرة على تقييد المعالجة، والحق في التصحيح، والحق في المحو. سوف تتعلم مفاهيم مهمة تتعلق بالموثوقية والسلامة وتكتشف كيف يمكن للمراقبة اكتشاف المخاطر المحتملة وتخفيف الضرر بسرعة إذا كان النظام لا يعمل على النحو المطلوب. ستغطي هذه الدروس أيضًا مدى أهمية إمكانية التتبع للسلامة.
أخلاقيات الذكاء الاصطناعي والمساءلة: الشفافية وقابلية الشرح في الذكاء الاصطناعي أربع عشرة دقيقة • 5 الدروس • متوسط في هذه الدروس حول الشفافية وقابلية الشرح في الذكاء الاصطناعي، ستتعرف على قابلية الشرح وقابلية التفسير وتقاطعها مع مفهومي الصندوق الأسود والصندوق الزجاجي للذكاء الاصطناعي. ستراجع مزايا وعيوب البرامج مفتوحة المصدر في تطوير نظام الذكاء الاصطناعي. ستتعرف أيضًا على مبادئ الإخطار بالقرار والتفاعل وأهميتها مع الأنظمة التي تستخدم اللغة الطبيعية أو التعرف على الوجه.
أخلاقيات الذكاء الاصطناعي والمساءلة: التحيز والشمولية والعدالة في الذكاء الاصطناعي ثمان دقائق • 4 الدروس • متوسط ستستكشف هذه الدروس حول التحيز والشمولية والعدالة في الذكاء الاصطناعي سبب كون التحيز أحد أكثر المفاهيم التي تمت مناقشتها والتي تتضمن أخلاقيات الذكاء الاصطناعي ولماذا يجب أن يكون منع التحيز جزءًا من إدارة كل نظام للذكاء الاصطناعي. بالإضافة إلى ذلك، ستستعرض هذه الدروس مفاهيم العدالة والتمثيل ومبدأ التأثير الشامل.
أخلاقيات الذكاء الاصطناعي والمساءلة: المسؤولية المهنية والتحكم البشري في تكنولوجيا الذكاء الاصطناعي ثمان دقائق • 5 الدروس • متوسط في هذه الدروس حول المسؤولية المهنية والتحكم البشري في الذكاء الاصطناعي، ستتعرف على المبدأ الواسع للتحكم البشري في التكنولوجيا وكيف يتقاطع مع تطوير نظام الذكاء الاصطناعي. سترى أيضًا كيف ترتبط مسؤولية المصممين بحوكمة نظام الذكاء الاصطناعي وتعاون أصحاب المصلحة المتعددين لتمكين التعليقات القيمة حول تصميم النظام وتأثيره على مجموعات أصحاب المصلحة المختلفة.
أخلاقيات الذكاء الاصطناعي والمساءلة: الذكاء الاصطناعي والأنظمة الاجتماعية التقنية سبع عشرة دقيقة • 6 الدروس • متوسط ترتبط حقوق الإنسان ارتباطاً وثيقاً بالقيم الإنسانية، وتتقاطع مع كافة جوانب المجتمع. في هذه الدروس حول الذكاء الاصطناعي وتأثير النظام الاجتماعي التقني على المجتمع والقيم الإنسانية، ستتعلم كيف يمكن أن تتأثر حقوق الإنسان بالذكاء الاصطناعي وستفهم تقاطع الحقوق المدنية والحريات المدنية مع الذكاء الاصطناعي. ستتعرف على مبدأ المساواة في الوصول إلى التكنولوجيا والخدمات والفرص وكيف سيتغير هذا المبدأ الواسع مع تطور الذكاء الاصطناعي بشكل أكبر.
أخلاقيات الذكاء الاصطناعي والمساءلة: حوادث الذكاء الاصطناعي الحرجة أربع عشرة دقيقة • 3 الدروس • متوسط تتناول هذه الدروس حول حوادث الذكاء الاصطناعي الخطيرة حوادث الذكاء الاصطناعي المهمة من خلال سلسلة من الأمثلة الواقعية للنتائج السلبية في الذكاء الاصطناعي، وكيف تم حلها، وكيف كان من الممكن منعها. وعلى وجه التحديد، ستعمل من خلال دراسات الحالة التي تركز على قضايا الهوية والتمييز والمحتوى المسيء والآثار القانونية. ستراجع أولاً حالة التمييز في توظيف الذكاء الاصطناعي حيث تم استبعاد المتقدمات من الإناث، ثم ستنظر في حالة الصورة المتحيزة للذكاء الاصطناعي التي أدت إلى أوصاف صور مسيئة.
الشبكات العصبية ساعة واحدة وخمس وعشرون دقيقة • 24 الدروس • مبتدئ في هذه الدورة، ستتعلم أساسيات الشبكات العصبية. ستفهم ما هي الشبكات العصبية والمفاهيم والمواضيع ذات الصلة. ستكون قادرا على فهم جوانب التصميم المختلفة للشبكات العصبية وكيفية العمل على إجراء اختيارات لهم. سوف تغطي الدورة أيضا كيفية تنفيذ الشبكات العصبية، على وجه التحديد في بايثون. سيتم مناقشة مزايا أطر الشبكة العصبية المختلفة وإعطاء أمثلة على تطبيقها.
ما هي الشبكات العصبية؟ سبع عشرة دقيقة • 5 الدروس • مبتدئ ستقدم هذه الوحدة الشبكات العصبية. ستتعرف على ما هي الشبكات العصبية وكيف يتم استخدامها. سوف تتعلم أيضا عن النوع الأساسي للشبكة العصبية. سيتم مناقشة المدخلات والمخرجات وتوضيحها في هذه الوحدة. وستشرح هذه الوحدة أيضا الفرق بين التصنيف والانحدار للشبكات العصبية.
تصميم الشبكة العصبية تسع وعشرون دقيقة • 7 الدروس • مبتدئ ستقدم هذه الوحدة مفاهيم تصميم الشبكة العصبية. حيث ستغطي أهمية البيانات في كل من أداء واختيار الشبكات العصبية. وستغطي أيضا دوال التنشيط ودوال Loss  والمحسنات Optimizers وكذلك كيفية تحديد أي منها الأفضل للاستخدام. ستعرفك هذه الوحدة أيضا على التدريب والاختبار والتحقق من صحة الشبكات العصبية.
تطبيقات الشبكات العصبية ثمان وعشرون دقيقة • 6 الدروس • مبتدئ في هذه الوحدة، ستتعلم تنفيذ الشبكة العصبية. وسيتم مناقشة لغات مختلفة قادرة على أن يتم استخدامها لتنفيذ الشبكات العصبية. سوف تتعلم لماذا يوصى ببايثون كلغة برمجية لبدء تنفيذ الشبكة العصبية. تغطي هذه الوحدة أيضا أطرا مختلفة لتنفيذ الشبكات العصبية في بايثون.
تطبيقات عملية للشبكات العصبية سبع دقائق • 4 الدروس • مبتدئ ستغطي هذه الوحدة الاستخدامات والتطبيقات العملية للشبكات العصبية. وسوف تغطي كيفية استخدام الشبكات العصبية في الأمن السيبراني والأتمتة والكشف عن الأنشطة غير الطبيعية في مجموعة البيانات والأنظمة التنبؤية.
أساسيات الذكاء الاصطناعي ساعة واحدة • 17 الدروس • مبتدئ في هذه الدورة التدريبية عن أساسيات الذكاء الاصطناعي، ستستكشف ما المقصود بالذكاء الاصطناعي، وكيف يغير طريقة عيش الأشخاص وعملهم، وتطبيقاته الحالية والمحتملة على أرض الواقع، والسمات الرئيسية للذكاء الاصطناعي، والتحديات الأخلاقية التي يفرضها.
ما الذكاء الاصطناعي؟ ثلاث عشرة دقيقة • 4 الدروس • مبتدئ مرحباً بك في هذه الدورة التدريبية بعنوان "ما الذكاء الاصطناعي؟". في هذه الدروس، ستستكشف ما المقصود بالذكاء الاصطناعي، والاختلافات بين الذكاء الطبيعي والاصطناعي، وستتعلم كيف يسمح الذكاء الاصطناعي للبشر بإنشاء أنظمة ذكية مثل روبوتات الدردشة والسيارات الذكية التي تستطيع التفكير كالعقل البشري تماماً.
الأسس النظرية للذكاء الاصطناعي خمس عشرة دقيقة • 4 الدروس • مبتدئ في هذه الدروس عن الأسس النظرية للذكاء الاصطناعي، ستتعرف على المفاهيم النظرية المتعلقة بالذكاء الاصطناعي وستستكشف تلك النظريات، بالإضافة إلى عملية اختبار الذكاء الاصطناعي.
الذكاء الاصطناعي وتقنيات أخرى خمس عشرة دقيقة • 5 الدروس • مبتدئ في هذه الدورة التدريبية بعنوان "الذكاء الاصطناعي وتقنيات أخرى"، ستستكشف الذكاء الاصطناعي ونوعي حلول تعلم الآلة ، بالإضافة إلى استخدام الذكاء الاصطناعي في الروبوتات.
اتجاهات الذكاء الاصطناعي واستخداماته خمس عشرة دقيقة • 4 الدروس • مبتدئ هذه الدروس عن اتجاهات الذكاء الاصطناعي واستخداماته ستتناول كيفية استخدام الذكاء الاصطناعي في العالم حالياً واستخداماته المحتملة في المستقبل، بدءاً من تخزين المعلومات الشخصية والكتابة الآلية للتعليمات البرمجية ووصولاً إلى التشخيص واستخدام الموارد.
التجميع في التعلم الآلي ساعتان وتسع وثلاثون دقيقة • 37 الدروس • متوسط
مُعتمد من قبل
International Institute of Business Analysis (IIBA®)
في هذه الدورة التدريبية، ستتعلم أساسيات مجموعة متنوعة من مجالات التعلم الآلي، بما في ذلك التجميع واكتشاف الانحرافات في البيانات ونمذجة الارتباط. ستفهم الطريقة الأكثر شيوعًا للتجميع K- Means وكيف يمكن تطبيقها على بيانات الاستطلاع من أجل إنشاء تقسيم قوي للعملاء، بما في ذلك إنشاء الشخصيات وأداة الكتابة. بنهاية هذه الدورة التدريبية، ستعرف كيفية تنفيذ عدد من تقنيات التجميع والتحليل المختلفة.
تحليل مجموعات البيانات ست وثلاثون دقيقة • 7 الدروس • متوسط ستقدم هذه الوحدة، دروس عن التجميع ومساحة المشكلة ضمن التعلم الآلي غير الخاضع للإشراف. ستتعرف على أزواج المجموعات العنقودية مع خطوات النمذجة الأخرى مثل تقليل الأبعاد وهندسة الميزات والتنبؤ..
خوارزمية التجميع K-Means إثنتا وخمسون دقيقة • 8 الدروس • متوسط تقدم هذه الدروس النمط الأكثر شيوعًا للتجميعk-Meansوالعمل من خلال حالة استخدام تفصيلية لتجزئة العملاء في فئات.سوف تتعلم كيفية اختيار متغيرات الإدخال، وتحديد عدد المجموعات، وتفسير النقط الوسطى. ستتعلم كيفية تقييم جودة نموذج التحليل العنقودي، وكيفية مواجهة التحديات الحسابية التي تأتي مع التجميع. سندرس كيفية إنشاء شخصيات وطرق لتصنيف البيانات الجديدة.
خوارزميات التجميع أربع وعشرون دقيقة • 6 الدروس • متوسط في هذه الدروس، ستتعلم خوارزميات التجميع الأكثر استخدامًا والمشاكل التي تنطبق عليها عادة. سنقوم بتغطية نقاط القوة والضعف النسبية الخاصة بهم، والمبادلات بينهما.
قواعد الارتباط ست عشرة دقيقة • 4 الدروس • متوسط في هذه الدروس، ستتعرف على قواعد الارتباط وكيف يمكن تطبيقها على متاجر البيع بالتجزئة ومواقع التجارة الإلكترونية ومنصات الوسائط الإعلامية. وبالمقابل، سنستكشف المقاييس الثلاثة الأكثر أهمية-الدعم والثقة والرفع-وكذلك كيفية تفسير كل منها.
الحالات الشاذة في البيانات ست عشرة دقيقة • 5 الدروس • متوسط ستأخذك هذه الدروس عبر طرق مختلفة لاكتشاف الشذوذ في البيانات وتطبيقات ذلك العالم الحقيقي. ستتعلم كيف يمكن استخدام أنماط التعلم الآلي المختلفة في اكتشاف الانحراف في البيانات، وأي طرق تجميع محددة تعمل من أجل اكتشاف شذوذ البيانات. كما سنستكشف خوارزمية Isolation Forest، وكيف يمكن أن تنطبق على التنفيذ في العالم الحقيقي للكشف عن الاحتيال.
الاستخدامات/التطبيقات عشر دقائق • 5 الدروس • متوسط ستقدم لك هذه الدروس حالات الاستخدام المختلفة والتطبيقات الواقعية للطرق التي قمنا بتغطيتها في الدورة. ستغطي حالات الاستخدام سيناريوهات مختلفة، بما في ذلك سيناريوهات الأدوية والتجزئة والتسويق.
SQL - المستوى المتقدم ساعة واحدة وثمان وعشرون دقيقة • 18 الدروس • متقدم ستتعلم في هذه الدروس تقنيات الاستعلام المتقدمة والاستعلامات الفرعية ومعالجة البيانات وأنواع البيانات المعقدة. سوف تحصل على خبرة في تصميم قاعدة البيانات والتقسيم وتغيير الأبعاد ببطء. بالإضافة إلى ذلك، ستعزز مهاراتك الحالية في ضمان سلامة البيانات وأمنها وتحسين الأداء. وأخيراً، سنناقش إدارة المستخدم والامتيازات واستراتيجيات النسخ الاحتياطي.
SQL - المستوى المتقدم: الاستعلامات الفرعية المتقدمة سبع وعشرون دقيقة • 5 الدروس • متقدم في هذه الدروس، ستتعرف على تقنيات الاستعلام المتقدمة. سنستخدم الاستعلامات الفرعية لإجراء التحليل المتقدم. بالإضافة إلى ذلك، ستتعلم كيفية التعامل مع البيانات الدقيقة عن طريق إنشاء استعلامات فرعية تحصل على البيانات الدقيقة التي تحتاجها وليس أكثر. سنستكشف أيضاً عدداً من أنواع البيانات المعقدة.
SQL – المستوى المتقدم: العمل باستخدام أنواع البيانات المعقدة أربع وعشرون دقيقة • 4 الدروس • متقدم في هذه الدروس، ستتعلم كيفية استخدام هياكل البيانات مع المصفوفات وJSON وXML والأنواع المعرفة من قبل المستخدم. ستتعلم أيضاً كيفية تحسين مهارات SQL لديك من خلال العمل مع البيانات المهيكلة وشبه المهيكلة والهرمية. سيؤدي ذلك إلى توسيع آفاقك، مما يتيح لك التفاعل مع البيانات من مواقع الويب والتطبيقات والخوادم الشائعة في تحليل البيانات اليوم.
SQL - المستوى المتقدم: تصميم قاعدة البيانات المتقدمة ست عشرة دقيقة • 3 الدروس • متقدم في هذه الدروس، ستبدأ في فهم تعقيدات التقسيم والتجزئة لإدارة البيانات القابلة للتطوير. تعلم كيفية استخدام كل نوع من الأبعاد المتغيرة ببطء (SCD) للحفاظ على البيانات بدقة. سنحدد أيضاً حالات الاستخدام المحددة حيث يمكن لعملية Denormalizationتحسين أداء الاستعلام وتبسيط عملية استرجاع البيانات. ستمكنك هذه المهارات من تنفيذ استراتيجيات التعامل مع مجموعات البيانات الكبيرة.
SQL – المستوى المتقدم: إدارة قواعد البيانات وتنظيمها ثمان عشرة دقيقة • 4 الدروس • متقدم في هذه الدروس، سوف نتطرق إلى الجوانب الهامة لأمن قاعدة البيانات وإدارتها. سوف تتعلم المفاهيم الأساسية بما في ذلك سلامة البيانات وضوابط الوصول وامتيازات المستخدم. سنبدأ في تنفيذ إستراتيجيات قوية للنسخ الاحتياطي والاستعادة للحماية من فقدان البيانات. ستساعد هذه الأفكار عن مراقبة قاعدة البيانات وضبط الأداء على ضمان الأداء الأمثل للنظام.
بايثون لعلوم البيانات – المستوى المبتدئ ثلاث ساعات ودقيقتان  • 24 الدروس • مبتدئ في دورة Python لعلوم البيانات هذه، سوف تكتشف أساسيات Python ومهارات البرمجة الأساسية اللازمة لاستخدامها لعلوم البيانات. ستسمح لك هذه المهارات الأساسية بالعمل مع مجموعات البيانات من أي حجم. سوف تكتب التعليمات البرمجية في أي وقت من الأوقات وتستمتع بالعديد من الميزات والأدوات التي تأتي مع تثبيت Python.
بايثون لعلوم البيانات: مقدمة إلى علوم البيانات إحدى وثلاثون دقيقة • 5 الدروس • مبتدئ في هذه الدورة التدريبية حول تقديم علم البيانات، ستتعرف على تاريخ Python ولماذا هو مناسب للغاية لعلوم البيانات. ستقوم أيضًا بتنزيل وتثبيت أدوات مختلفة لكتابة كود Python مثل IDLE وPyCharm وAnaconda وJupyter Notebook.
بايثون لعلوم البيانات: أساسيات بايثون لعلوم البيانات ثلاث وخمسون دقيقة • 6 الدروس • مبتدئ في هذه الدورة التدريبية حول أساسيات Python لعلوم البيانات، ستتعرف على المتغيرات والثوابت وأنواع البيانات وطرق السلسلة والعوامل والجمل الشرطية والحلقات. سوف تتعلم كيفية التعرف على العوامل المختلفة وكيفية كتابة الحلقات وعبارات If. ستوفر لك هذه الدورة الأساس اللازم لبدء التعرف على مفاهيم البرمجة الرئيسية في بايثون.
بايثون لعلوم البيانات: هياكل بيانات بايثون وعلوم البيانات ست وأربعون دقيقة • 5 الدروس • مبتدئ في هذه الدورة التدريبية حول هياكل بيانات Python وعلوم البيانات، ستتعرف على أنواع البيانات المعقدة، مثل المجموعات المختلفة. سوف تتعلم أيضًا عن تنظيم التعليمات البرمجية الخاصة بك في دوال.
بايثون لعلوم البيانات: استخدام بايثون لاسترداد وحفظ البيانات ثمان وأربعون دقيقة • 6 الدروس • مبتدئ في هذه الدورة التدريبية حول استخدام Python لاسترداد البيانات وحفظها، سوف تتعلم كيفية العمل مع البيانات. يأتي Python مع العديد من الميزات المدمجة، بالإضافة إلى المكتبات الخارجية التي يمكننا استيرادها للسماح لنا بالعمل مع البيانات بفعالية وكفاءة. ستغطي هذه الدورة بعض هذه الميزات والمكتبات بما في ذلك الطلبات، والرياضيات، وNumpyوالباندا، وكذلك العمل مع الملفات في بايثون.
بايثون لتصور البيانات ساعة واحدة وثلاث وثلاثون دقيقة • 20 الدروس • متوسط ستركز الدورة على استخدام مكتبة Python Matplotlib لتصور البيانات. سيتم إجراء ترميز Python باستخدام دفاتر Python Notebooks (.IpyNB) في أداة JupyterLab حيث ستتعلم كيفية رسم الرسوم البيانية الخطية، والرسم البياني التكراري والخرائط الحرارية، ومخططات الصندوق (المربعة) باستخدام matplotlib. سنعرض لك كيفية استخدام مكتبة HVPLOT لإضافة أدوات عناصر واجهة مستخدم تفاعلية إلى المخططات لاكتساب رؤى أعمق في البيانات التي يتم تصورها.
Python: نظرة عامة على تصور البيانات والمكتبة التي تختارها خمس عشرة دقيقة • 3 الدروس • متوسط ستظهر لك هذه الدروس كيفية رسم النقاط باستخدام إحداثيات X و Y. ثم سوف ترسم خط بين النقاط. سوف تتعلم أيضًا رسم خطوط متعددة على نفس المخطط. يمكن تعزيز مخططات الخط عن طريق إضافة التصميم. مع مخططات الخطوط هذه، ستتعلم كيفية إضافة عنوان مخطط، وعلامات لمحاور X وYوالتسميات لكل خط مخطط. سترى أيضًا كيفية إضافة وسيلة إيضاح تحتوي على كل من تسميات مخطط الخط. بالإضافة إلى ذلك، ستتمكن من إضافة نمط شبكة أساسي إلى مخطط لتسهيل القراءة وتحديد نقاط المخطط داخل الرسم البياني.
Python: العثور على توزيع البيانات مع الرسوم البيانية عشرون دقيقة • 3 الدروس • متوسط في هذه الدروس، ستستخدم مكتبة Numpy لإنشاء توزيع طبيعي عشوائي لتصور مع رسم بياني. سنناقش تحديد المتوسط والانحراف المعياري وعدد القيم العشوائية من أجل إنشاء بيانات فريدة للتمييز بين المخططات. ستتعلم كيفية استخدام مكتبة Pyplot الفرعية لمكتبة Matplotlib لإنشاء رسم بياني وإنشاء مخططات فرعية، وسنوضح لك كيفية إضافة التصميم إلى رسم بياني مثل التسميات والعناوين والشبكة ووسيلة الإيضاح.
Python: تصور البيانات مع المخططات الخطية اثنتا عشرة دقيقة • 3 الدروس • متوسط في هذه الدروس، سوف تتعلم تصور البيانات باستخدام مخططات الخط. سنعرض لك كيفية إنشاء خط مخطط واحد مع التسميات والشبكات، وسوف تتعلم وضع مخططات فرعية للرسم البياني. ستبدأ بإنشاء مخطط بسيط، فستتعلم كيفية إنشاء مخططات خطية مع تصميم مثل العناوين، وتسميات المحور X وY-Axis والشبكات. سوف تتعلم أيضًا كيفية تحديد الخطوط الفردية لعناوين وتسميات مخطط الخط.
Python: إنشاء بيانات تفاعلية مع المخططات أربع عشرة دقيقة • 3 الدروس • متوسط في هذه الدروس، سوف تتعلم إنشاء مخططات تفاعلية باستخدام HVPlot. مكتبة Python Hvplot هي واجهة برمجة تطبيقات عالية المستوى تم تصميمها على HoloViews والتي توفر واجهة برمجة تطبيقات عامة ومتسقة للتخطيط للبيانات. سنعرض لك كيفية استخدام HVPlot وكيف تعمل أوات أو Widgetشريط الأدوات المختلفة، مع دوال بما في ذلك PAN و RESET و BOX ZOOM و ZOOM و SAVE و HOVER. ستسمح لك هذه الميزات بنقل الرسم البياني، وتكبير أو تصغير الرسم البياني، والحصول على بيانات حول نقطة الاهتمام في الرسم البياني.
Python: إنشاء خرائط حرارية لتصور البيانات اثنتا عشرة دقيقة • 3 الدروس • متوسط في هذه الدروس، سوف تتعلم إنشاء خريطة حرارية ثنائية الأبعاد. في البداية، ستقوم بإنشاء خرائط حرارية باستخدام مكتبة Python Matplotlib Library Pyplot الفرعية. سنقوم بمحاكاة بيانات خريطة حرارية التي يتم إنشاؤها باستخدام دالة numpy العشوائية لمجموعة من القيم ثنائية الأبعاد. سنوضح كيفية تصميم خرائط حرارية أو خرائط تمثيل لوني مع التسميات، والعنوان، والتلوين، وشريط الألوان، وسوف تتعلم أيضًا الفرق بين دالة Pyplot IMShow () ودالة pcolormesh () لإنشاء خرائط حرارية.
Python: استخدام التصور الزمني سبع عشرة دقيقة • 3 الدروس • متوسط في هذه الدروس، ستستخدم Pandas لقراءة بيانات السلاسل الزمنية من ملف Excel. يمكن اعتبار بيانات السلسلة الزمنية تتبع الأداء بمرور الوقت أو النظر إلى البيانات على جدول زمني. سنعرض لك كيفية رسم سلسلة زمنية متعددة على نفس الرسم البياني ورسم استنتاجات حول البيانات من الرسوم البيانية. بالإضافة إلى ذلك، سوف تستخدم مكتبة HVPLOT لترسم سلسلة زمنية متعددة والتركيز على ذلك بشكل فردي باستخدام أداة التصفية.
تابلو – المستوى المتوسط ثلاث ساعات وخمس عشرة دقيقة • 31 الدروس • متوسط ستعلمك هذه الدورة التدريبية من آنا فوارد كيفية إنشاء حسابات في تابلو للمستوى المتوسط. ستتعلم أيضًا كيفية إنشاء معلمات ومخططات متقدمة. ستمكّنك هذه الدورة من تحديد وتحليل أفضل ممارسات لوحة المعلومات ومعرفة كيفية إنشاء مجموعات. بنهاية هذه الدورة، ستكون قادرًا على إنشاء حسابات المنطق والتاريخ والنسبة باستخدام تابلو.
تابلو – المستوى المتقدم ثلاث ساعات وتسع دقائق • 32 الدروس • متقدم
مُعتمد من قبل
International Institute of Business Analysis (IIBA®)
في هذه الدورة التدريبية المتقدمة، ستركز انا فورد على الرسوم البيانية وحسابات البيانات المتقدمة. تم إنشاء هذه الدورة التدريبية للمستخدم للحصول على فهم كافٍ لتابلو. سيحتاج المستخدمون إلى فهم مبادئ كتابة الحسابات، مثل مستوى التفاصيل، والانحدار الخطي وإجراءات المعلمات. ستغطي هذه الدورة الجوانب المختلفة لإجراءات معلمات أو معاملات تابلو وخيارات التنبؤ ونمو قاعدة العملاء وبناء خريطة سداسية وإنشاء مخططات شريطية قياسية والاتصال بالبيانات. بنهاية هذه الدورة، ستكون قد أتقنت أساسيات تابلو.
التمثيل المرئي للبيانات (تصور البيانات) ساعتان وثلاث عشرة دقيقة • 26 الدروس • متوسط
مُعتمد من قبل
International Institute of Business Analysis (IIBA®)
يتطلب الاستخدام الفعال لتقنيات التصور مجموعة من المهارات، بما في ذلك معرفة عملية بمنصة برمجة مثل Python الإصدار 3.x، وخلفية قوية في تحميل البيانات وتنزيلها وتحليلها في هياكل البيانات؛ استخدام ملفات مثل CSVs وJPEGsومعرفة مجموعة أدوات من مكتبات Python. تنشئ هذه الدورة إطارًا باستخدام أدوات مفتوحة المصدر لتوضيح كيفية التعامل مع مشاريع التصور المختلفة. هذه دورة عملية مع المستخدمين الذين يستخدمون Python 3.x في المستوى المتوسط كقوة دافعة وراء التصورات.
تحديد تصور البيانات إثنتا وعشرون دقيقة • 3 الدروس • متوسط في هذه الدروس، نقدم بيئتنا الافتراضية، Python 3.x، مخططنا الأول، أول مخطط ثنائي الأبعاد، وسنستكشف نظام Jupyter Notebook. سنقدم أيضًا صيغتنا لتصور البيانات، والتي تتضمن جمع النتائج وتنظيمها ثم التخطيط لها. ستتعرف على كيفية التحكم في الخطوط والأنماط والألوان والتعليقات التوضيحية والشفافية.
تصور البيانات وعلوم البيانات خمس عشرة دقيقة • 3 الدروس • متوسط في هذه الدروس، نستكشف العمل مع متغيرات متعددة، ومخططات متعددة، ومخططات فرعية، وكيفية تفسير البيانات. سنبدأ باستكشاف متغيرات متعددة في مخطط بسيط، مثل مخطط XY. ستتعرف على سبب احتواء مخطط XY على عدد كبير من القيم لـ Yولكن قيمة واحدة فقط لـ X. وسنقدم أيضًا Numpy وهي أداة أساسية أخرى لتصور البيانات. Numpy هي حزمة أساسية للحوسبة العلمية، ويمكنها تمكين مصفوفات ذات أبعاد n وإجراء عمليات حسابية على هذه المصفوفات بسرعة.
تصور البيانات والتخطيط خمس عشرة دقيقة • 3 الدروس • متوسط في هذه الدروس، نبدأ في مناقشة التخطيط والتباعد بمزيد من التفصيل واستكشاف طرق مختلفة للتطوير والتخطيط باستخدام شكل مع المحور. ستبدأ بعد ذلك في استكشاف الباندا، وهي إحدى أهم أدوات التصور. ستكتشف كيف توفر Pandas ومكتبة Pandas حلولًا لجميع الأغراض للتصور، وفي بعض الحالات، تكون المكتبة الوحيدة التي ستحتاج إليها.
تصور البيانات وتخطيطها سبع عشرة دقيقة • 3 الدروس • متوسط تتمثل حقيقة معظم مشاريع تصور البيانات في أنك ستواجه عادةً مهمة الحصول على بعض البيانات التي تحتاجها أو إنشاءها بأي طريقة أخرى. في هذه الدروس، نركز على اثنين من أكثر الأساليب الآلية شيوعًا للحصول على البيانات والتأكيد على كيفية كتابة البيانات التي تحتاجها دائمًا. ستتعلم أن موقع الويب عبارة عن HTML بالكامل، مع العديد من العلامات التي يمكن استخدامها لتحديد البيانات والتقاطها.
تصور البيانات والتعبير / السرد تسع عشرة دقيقة • 3 الدروس • متوسط في هذه الدروس، سنركز على العلاقة بين المخططات ومجموعات البيانات الأساسية المستخدمة في إنشائها. ليست كل البيانات متساوية، وبعض المخططات تعمل بشكل أفضل من غيرها في مواقف معينة. سنستكشف العديد من مجموعات البيانات التي تساعد على إنشاء مخططات بيانية تكرارية ومخططات مبعثرة وخرائط حرارية. بالنسبة إلى الرسوم البيانية التكرارية Histogram نستخدم مجموعات البيانات التي يمكن اعتبارها توزيعًا - مثل ألف لفة نرد والنتائج المقابلة - مما يسمح لنا برؤية هذا التوزيع.
تصور البيانات واتخاذ القرار سبع عشرة دقيقة • 3 الدروس • متوسط ستتعلم في هذه الدروس تصميم نموذج لتحدي الأعمال باستخدام لغة بايثون. سنبدأ بتطبيق القواعد الأساسية للعمل على قوائم بايثون والمتغيرات الأخرى، حيث يمكننا تضمينها برمجيًا في تصميمنا ثم استخدامها كقواعد عمل. في مثالنا، يمكن لمنظمة التصنيع أن تصنع عددًا من المنتجات المختلفة على سلسلة من الآلات. كل آلة لديها سلسلة من السمات، مثل وقت الإعداد وسرعة الجهاز من حيث الأجزاء في الساعة، والتي تؤثر على الوقت الإجمالي لإنتاج المنتج، والذي سنقوم برسمه كمخطط تكراري.
تصور البيانات والتكنولوجيا اثنتا عشرة دقيقة • 3 الدروس • متوسط في هذه الدروس، نبدأ باستكشاف سريع لتحويل الصورة إلى تنسيق base64 حتى نتمكن من معالجة البيانات برمجيًا. على سبيل المثال، سترى كيف يمكن تصنيع الصورة المصغرة من خلال التقاط صورة أصلية كثيفة يمكننا الانتقال إليها برمجيًا لإنتاج صورة مصغرة أصغر حجمًا وأقل كثافة. يمكن بعد ذلك أتمتة ذلك وإدماجه في التطبيقات بحيث بمجرد قيام المستخدم بتحميل ملف جديد مع صورة، تحدث عملية تلقائية لتحويل تلك الصورة إلى base64 ومعالجتها وإنتاج صورة جديدة، كل ذلك مع ترك الصورة الأصلية دون تغيير.
استخدامات تصور البيانات عشر دقائق • 3 الدروس • متوسط تصور البيانات هو نتاج قدرتنا على جمع البيانات وتنظيمها وتخطيطها؛ ويمكن أن يكون أقرب إلى شكل فني من تخصص برمجة. يمكن لمهندس تصور البيانات الناجح جمع البيانات من جميع المصادر وتنظيمها ورسمها في وقت قصير. في هذه الدروس، ستستخدم جميع المكونات الثلاثة لنهج التجميع والتنظيم والتخطيط لتحديد القيم المتطرفة والاتجاهات في البيانات.
سير عمل نظم المعلومات الجغرافية الأساسي ساعة واحدة وتسع وأربعون دقيقة • 24 الدروس • مبتدئ في هذه الدورة التدريبية على سير عمل نظم المعلومات الجغرافية الأساسي للمستوى المبتدىء، سوف تتعلم أساسيات أنظمة المعلومات الجغرافية، والمعروفة أيضًا باسم GIS. سنشرح المكونات الرئيسية لنظام المعلومات الجغرافية، واستكشاف العلاقات الجغرافية المكانية، ومناقشة كيفية تصور البيانات. سنقوم أيضًا بتغطية كيفية العمل مع الخرائط ثلاثية الأبعاد وكيفية طباعة مشروعك وتقديمه.
سير عمل نظم المعلومات الجغرافية الأساسي :فهم نظم المعلومات الجغرافية إحدى وعشرون دقيقة • 6 الدروس • مبتدئ في هذه الدورة التدريبية حول سير عمل نظم المعلومات الجغرافية الأساسي: مكونات نظم المعلومات الجغرافية، سوف تتعلم عن المكونات الرئيسية ل نظم المعلومات الجغرافية. سنقوم باستكشاف جميع الأجهزة والبرامج والأشخاص والبيانات والأساليب التي تشارك في استخدام نظم المعلومات الجغرافية. سنقوم أيضًا بتغطية أنظمة الإحداثيات وكيفية التنقل في الخرائط داخل نظم المعلومات الجغرافية. بحلول نهاية هذه الدورة، سيكون لديك فهم قوي للمكونات المختلفة التي تسهل نظام المعلومات الجغرافية العاملة.
سير عمل نظم المعلومات الجغرافية الأساسي: استكشاف العلاقات الجغرافية المكانية ست وعشرون دقيقة • 4 الدروس • مبتدئ في هذه الدورة التدريبية حول سير عمل نظم المعلومات الجغرافية الأساسي: استكشاف العلاقات الجغرافية المكانية، سيتم شرح الأدوات اللازمة للاستعلام عن البيانات الجغرافية المكانية باستخدام العلاقات المكانية واستعلامات قاعدة البيانات وإظهارها. سيتم استكشاف طرق تحليل البيانات المكانية من خلال إظهار الأدوات والاستعلامات المتاحة للتحليل المكاني لمجموعتين من البيانات. بحلول نهاية هذه الدورة، سوف تفهم أن البيانات المكانية توفر العديد من الفرص الفريدة لتحليل البيانات غير الممكنة مع مجموعات البيانات الجدولية.
سير عمل نظم المعلومات الجغرافية الأساسي: العمل باستخدام تصور بيانات نظم المعلومات الجغرافية ثلاث وثلاثون دقيقة • 5 الدروس • مبتدئ في هذه الدورة التدريبية حول سير عمل GIS الأساسي: العمل باستخدام بيانات GIS وتصورها، سوف تتعلم كيفية العمل باستخدام بيانات GIS وكذلك كيفية تصور بيانات GIS لتلبية احتياجاتك المحددة. سنقوم باستكشاف البيانات النقطية وبيانات المتجهات وترتيب عرض البيانات وعلم رموز البيانات. سنغطي أيضًا إنشاء وتحرير بيانات نظم المعلومات الجغرافية. بحلول نهاية هذه الدورة، ستتمكن من إدارة مجموعات بيانات نظم المعلومات الجغرافية ومعالجتها بشكل فعال.
سير عمل نظم المعلومات الجغرافية الأساسي: الخرائط ثلاثية الأبعاد وطباعة تخطيطات الخريطة إحدى عشرة دقيقة • 3 الدروس • مبتدئ في هذه الدورة التدريبية حول سير عمل GIS الأساسي: إنشاء وتحليل الخرائط ثلاثية الأبعاد، سوف تتعلم كيفية إنشاء خرائط ونماذج ثلاثية الأبعاد في GIS وكذلك تعلم كيفية الاستعلام عن البيانات ثلاثية الأبعاد. سنستكشف كيفية إنشاء بيانات ثلاثية الأبعاد والتنقل في خريطة ثلاثية الأبعاد، وكذلك مناقشة كيفية استخدام التحليل المكاني على البيانات ثلاثية الأبعاد. بحلول نهاية هذه الدورة التدريبية، ستتمكن من إنشاء بيانات GIS ثلاثية الأبعاد ومعالجتها بشكل فعال.
سير عمل نظم المعلومات الجغرافية الأساسي: تقديم مشروعك أربع عشرة دقيقة • 4 الدروس • مبتدئ في هذه الدورة التدريبية على سير عمل GIS الأساسي: تقديم مشروعك، ستتعلم بعضًا من أفضل الممارسات لتقديم وتصدير مشاريع GIS الخاصة بك. سنستكشف طرق مشاركة البيانات، بيانات التعريف الوصفية، مكونات الخريطة، وكذلك الطرق الشائعة لمشاركة المشروع. بحلول نهاية هذه الدورة، ستتمكن من تقديم مشاريع نظم المعلومات الجغرافية المهنية والمحترفة والمشاركة وتصديرها بشكل فعال.
البيانات الضخمة ساعة واحدة وعشر دقائق • 18 الدروس • مبتدئ
مُعتمد من قبل
International Institute of Business Analysis (IIBA®)
تشير البيانات الضخمة إلى مجموعات البيانات الكبيرة جدًا أو المعقدة بحيث لا يمكن معالجتها بواسطة برامج معالجة البيانات التقليدية. تساعد البيانات الضخمة المؤسسات على إجراء تحركات أعمال أكثر ذكاءً، وتطوير عمليات أكثر كفاءة، وزيادة الأرباح وتحسين العلاقات مع العملاء باستخدام البيانات التي تجمعها لتحديد الفرص الجديدة. تقدم هذه الدورة التدريبية مفاهيم البيانات الضخمة مثل أنواع البيانات، والبيانات المنظمة مقابل البيانات غير المهيكلة، بالإضافة إلى الخصائص وحالات الاستخدام المختلفة للبيانات الضخمة.
ما هي البيانات الضخمة؟ خمس عشرة دقيقة • 4 الدروس • مبتدئ
مُعتمد من قبل
Society for Human Resource Management (SHRM®)
البيانات الضخمة هي مصطلح يصف كميات كبيرة من البيانات يصعب إدارتها في كثير من الأحيان. قد تكون هذه البيانات منظمة وغير منظمة. نظرًا لحجمها، لا يمكن تخزين البيانات الضخمة في منصات الأعمال التقليدية. هذه الوحدة الخاصة بماهية البيانات الضخمة، ستعرض البيانات الضخمة وكيفية استخدامها. ستتعرف أيضًا على العوامل التي تدفع نمو البيانات الضخمة وأنواع البيانات الضخمة ومصادر البيانات. ستقدم هذه الدروس أيضًا كيفية تخزين البيانات الضخمة.
أنظمة البيانات الضخمة والتحليلات ثمان عشرة دقيقة • 4 الدروس • مبتدئ
مُعتمد من قبل
Society for Human Resource Management (SHRM®)
لمعالجة البيانات الضخمة، تحتاج إلى تطبيق مركزي يسمح لك بإرسال البيانات ثم تخزينها في قاعدة بيانات علائقية. في هذه الدورة التدريبية لأنظمة البيانات الضخمة والتحليلات، ستتعرف على أنظمة التخزين المصممة للبيانات الضخمة مثل Hadoop وبنيتها، والتي تتضمن نظام الملفات الموزعة HadoopوMapReduce وأنواع مختلفة من العقد المتاحة.
بنية البيانات الضخمة وحالات الاستخدام واحتياجات البنية التحتية ثمان عشرة دقيقة • 4 الدروس • مبتدئ
مُعتمد من قبل
Society for Human Resource Management (SHRM®)
يمكن أن تساعدنا البيانات الضخمة بعدة طرق. معظم البيانات الضخمة غير منظمة. في الواقع، تشير التقديرات إلى أن 90٪ من حالات استخدام البيانات الضخمة يتم تشغيلها مقابل بيانات غير منظمة. هذا يعني أنك بحاجة إلى خطة قوية لتحديد كيفية تخزين واستخدام بياناتك غير المهيكلة. في هذه الدروس، ستتعرف على البيانات المهيكلة وغير المهيكلة، بالإضافة إلى بنية البيانات الضخمة على السحابة العامة. سوف تتعلم أيضًا كيفية استخدام البيانات الضخمة لزيادة مبيعات الأعمال.
تحليلات البيانات الضخمة واكتشاف الانحرافات في البيانات والنماذج التنبؤية ست عشرة دقيقة • 4 الدروس • مبتدئ
مُعتمد من قبل
Society for Human Resource Management (SHRM®)
التحليل التشخيصي هو أسلوب يستخدم لتحديد سبب حدوث المشكلة. عند العمل مع مجموعات البيانات الضخمة وإنشاء التحليلات، يمكنك استخدامه لتحديد السبب الجذري. في هذه الدورة الخاصة بتحليلات البيانات الضخمة واكتشاف الانحرافات في البيانات والنماذج التنبؤية، ستتعرف على أنواع التحليل المختلفة التي يمكن إجراؤها باستخدام البيانات الضخمة والتحليلات التشخيصية مقابل التحليلات الوصفية. ستكتسب أيضًا معرفة حول اكتشاف الانحرافات في البيانات مقابل النماذج التنبؤية باستخدام البيانات الضخمة.
استخدام Excel لتحليل البيانات ثلاث ساعات وتسع وعشرون دقيقة • 32 الدروس • متوسط
مُعتمد من قبل
Society for Human Resource Management (SHRM®)
في هذه الدورة التدريبية حول استخدام Excel لتحليل البيانات، ستتعلم أساسيات كيفية تحليل البيانات باستخدام أدوات Microsoft Excel المدمجة. سنقوم بتغطية عملية تحليل البيانات، والدوال الأساسية، وطرق مختلفة لتقييم البيانات، وكيفية القيام بالانحدارات الخطية البسيطة.
استخدام Excel لتحليل البيانات: الأساسيات تسع وعشرون دقيقة • 5 الدروس • متوسط في هذه الدروس، سنشرح المفاهيم وراء تحليل البيانات. سنناقش عملية تحديد الاحتياجات وجمع البيانات وتنظيف البيانات وتحليلها وتفسير نتائجنا. ستتعلم الفرق بين البيانات التشغيلية والبيانات التحليلية، وسنتعمق بمزيد من التفصيل في جميع أنواع المخططات المختلفة التي يقدمها Excel. أخيرًا، سنتطرق إلى مهارات الرياضيات التي نحتاجها لإجراء تحليلات البيانات، وأنواع التحليلات المختلفة التي يمكنك القيام بها.
استخدام Excel لتحليل البيانات: تحليل البيانات إحدى وأربعون دقيقة • 5 الدروس • متوسط في هذه الدروس، سنناقش كيفية العثور على مجموعات البيانات للعمل معها. بعد ذلك، سنقوم بإرشادك خلال كل جزء من عملية تحليل البيانات: تنظيف البيانات، وإثراء البيانات، والبحث عن رؤى وتقييم النتائج. تعرف على المكان الذي يمكنك العثور على كنز من مجموعات البيانات الحقيقية للتدريب باستخدامه، وطرق مختلفة لتقديم النتائج الخاصة بك مرئيا، وكيفية أداء الدوال التحليلية.
استخدام Excel لتحليل البيانات: الدوال الأساسية في Excel ثلاث وثلاثون دقيقة • 5 الدروس • متوسط في هذه الدروس، سيتم تقديم دوال Sum وMin وMax، وسنوضح كيف يمكن أن توفر لك دوال Excel المدمجة ساعات من الوقت عند إنتاج نتائج تحليلية. ستتعلم أيضًا كيفية التحقق من صحة بيانات إدخال المستخدم قبل إدخالها في النظام، وكذلك كيفية استخدام جداول البحث.
استخدام Excel لتحليل البيانات: الطرق ثلاثون دقيقة • 5 الدروس • متوسط في هذه الدروس، ستستكشف الطرق المختلفة لتحليل البيانات التي يمكنك تنفيذها في Excel. ستتعلم أيضًا كيف يمكن أن يساعدك تنسيق وتلخيص بياناتك في عملية التحليل. سنتطرق إلى الفرق بين نطاقات Excel والنطاقات الإحصائية، وسوف تكتشف كيف يمكن أن تساعدك الجداول في تنظيم بياناتك للحصول على فرز أسهل.
استخدام Excel لتحليل البيانات: إجراء التحليل إثنتا وخمسون دقيقة • 7 الدروس • متوسط يلعب تحليل ماذا لو دورًا مهمًا في تحليلات البيانات، وفي هذه الدروس سوف تتعلم كيفية استخدام مدير السيناريو والبحث عن الهدف لإثبات تحليلاتك. سوف تتعلم أيضًا قيمة المحاكاة، ومتى وكيفية استخدام خطوط المؤشرات لتكثيف البيانات في تنسيق بسيط وسهل القراءة.
استخدام Excel لتحليل البيانات: الانحدار الخطي البسيط عشرون دقيقة • 3 الدروس • متوسط في هذه الدروس، ستقفز إلى عالم الإحصاءات من خلال التعرف على الانحدار الخطي وغير الخطي. سنناقش كيفية استخدام Excel دوال خطية وغير خطية للقيام بكل الرياضيات لك، وكيف يمكنك استخدام هذه الدوال لإنشاء خطوط اتجاه خطية لتوضيح أي ارتباطات داخل مجموعة بيانات.
تنظيم البيانات للمبتدئين ساعة واحدة وست عشرة دقيقة • 14 الدروس • مبتدئ
مُعتمد من قبل
International Institute of Business Analysis (IIBA®) Society for Human Resource Management (SHRM®)
سنستكشف في هذه الدورة التدريبية لتنظيم البيانات للمبتدئين، كيفية تحديد حالات استخدام البيانات وإعداد البيانات التي تشكل حالات الاستخدام هذه. عندما تكون البيانات المجمعة مطلوبة من أجل دعم العديد من المستخدمين وحالات الاستخدام، فإنك تحتاج إلى التأكد من أن استهلاك البيانات يحدث بطريقة متسقة ومدارة لتقليل مخاطر التأثير سلباً على سلامة تحليل البيانات أو سرعته. سنتطرق إلى تقنيات تنظيم البيانات وكيفية قيام المؤسسات بإدارة المعلومات وتخزينها بشكل صحيح لدعم مستخدميها بشكل أفضل ببيانات دقيقة وعالية الجودة
هل أنت جاهز لجعل فريقك أكثر إنتاجية وتفاعل ومعرفة؟ ابدأ اليوم