الوحدة 1: محققو البيانات

حقّق في البياناتبـPython

كن محقّق بيانات حقيقياً. يستخدم الطلاب Python وPandas وNumPy لتنظيف وتحليل بيانات حقيقية، ثمّ يوصّلون النتائج برسوم Matplotlib واضحة.

3 وحدات · 12 درساًمشاريع بيانات واقعية

المشروع النهائي

تحقيق بيانات الأولمبياد

ما الذي ستتعلمه

أربع نتائج تعلّم.عالم بيانات واحد واثق.

مهارات حقيقية قابلة للنقل تجسر بين برمجة Python وتحليل البيانات والسرد بالمرئيات.

برمج بـPython بثقة

أتقن المتغيّرات والتحكّم بالتدفّق والدوال وهياكل البيانات في سير عمل الدفاتر.

عالج بيانات حقيقية

استخدم Pandas لتحميل وتنظيف وتصفية وتحويل ملفّات CSV الفوضوية إلى DataFrames مرتّبة.

حلّل بـNumPy

نفّذ حسابات عددية وإحصاءات عالية الأداء عبر مصفوفات كبيرة.

اروِ قصصاً بالرسوم

استخدم Matplotlib لبناء رسوم شريطية وخطّية ومبعثرة مصقولة توصل الرؤى.

الأدوات والتقنيات

منظومة عالم البيانات

أدوات واقعية يستخدمها علماء البيانات في كبرى الشركات — جميعها تعمل داخل دفتر Google Colab واحد.

Python

أشهر لغة برمجة في علوم البيانات. يكتب الطلاب صياغة حقيقية لتشغيل كلّ تحليل.

Pandas وNumPy

المكتبتان في صميم كلّ مشروع بيانات. حمّل ونظّف وحوّل واحسب على بيانات حقيقية.

Google Colab

بيئة دفاتر Jupyter مجّانية على السحابة يكتب فيها الطلاب Python، ويبنون رسوماً، ويشاركون تحليلاتهم.

مسار التعلّم

ثلاث وحدات.تحقيق بيانات حقيقي في النهاية.

من أوّل DataFrame لك في Pandas إلى نشر قصة بيانات كاملة بالرسوم والاستنتاجات.

Python للبيانات

حدّث وعمّق مهاراتك في Python مع تركيز على هياكل البيانات وإدخال/إخراج الملفّات وبيئة دفاتر Google Colab التي يستخدمها علماء البيانات المحترفون.

Python للبيانات

Pandas وNumPy

أتقن المكتبتين في صميم كلّ سير عمل لعلوم البيانات. حمّل البيانات، ونظّف القيم المفقودة، ونفّذ التجميعات، واحسب الإحصاءات.

Pandas وNumPy

التصوير والرؤى

حوّل الأرقام الخام إلى رؤى. استخدم Matplotlib لبناء الرسوم، ثمّ قدّم النتائج كتحقيق بيانات احترافي.

التصوير والرؤى

حوّل الأرقام الخام إلى رؤى. استخدم Matplotlib لبناء الرسوم، ثمّ قدّم النتائج كتحقيق بيانات احترافي.

المهارات المكتسبة

أكثر من مجرّد كود.

كلّ خرّيج صفّ ثاني عشر يخرج بطلاقة في البيانات، وقدرة على معالجة بيانات العالم الحقيقي الفوضوية، ومهارات سرد تجعل النتائج ذات معنى.

المهارات التقنية

إتقان Python

اكتب Python احترافية باستخدام المتغيّرات والتحكّم بالمسار والدوال وهياكل البيانات لكتابة تحليلات حقيقية.

معالجة البيانات بـPandas

حمّل ونظّف وصفِّ وحوّل بيانات العالم الحقيقي الفوضوية باستخدام Pandas DataFrames.

التحليل العددي بـNumPy

نفّذ عمليات عددية عالية الأداء على المصفوفات واحسب إحصاءات تقود الرؤى.

تصوير البيانات

حوّل الأرقام إلى قصص برسوم Matplotlib الشريطية والخطّية والمبعثرة التي توصل النتائج بوضوح.

المهارات الشخصية

التفكير التحليلي

اطرح الأسئلة الصحيحة عن البيانات واختر الأدوات الصحيحة للإجابة عليها.

حلّ المشكلات المنظّم

قسّم الأسئلة الغامضة إلى خطوط تحليل منظّمة قابلة للاختبار.

سرد البيانات

وصِّل النتائج لجمهور غير تقني بمرئيات واضحة ورؤى مكثّفة.

العرض الاحترافي

اعرض المشاريع بثقة — اصطحب الجمهور خلال بياناتك وكودك واستنتاجاتك.

الخاتمة

مشروع التخرّجتحقيق بيانات الأولمبياد.

بنهاية الكورس، يحقّق كلّ طالب في مجموعة بيانات حقيقية باستخدام Python وPandas وNumPy — ثمّ يقدّم نتائجه كقصة بيانات كاملة.

تحقيق بيانات الأولمبياد

يحمّل الطلاب مجموعة بيانات أولمبياد حقيقية، وينظّفونها بـPandas، وينفّذون تحليلات إحصائية بـNumPy، ويكشفون رؤى عن الدول والرياضيين والميداليات.

تنظيف البيانات: عالج القيم المفقودة، وأصلح الأنواع، وأعد تشكيل DataFrames.
التجميع: جمّع حسب الدولة والرياضة والعقد لاكتشاف الاتجاهات.
تحليل إحصائي: استخدم NumPy لحساب المتوسّطات والوسائط والتوزيعات.

العرض والنشر

يصمّم الطلاب مرئيات Matplotlib، ويبنون عرضاً نهائياً، ويقدّمون قصة بياناتهم أمام جمهور حقيقي.

رسوم مصقولة: ابنِ رسوماً شريطية وخطّية ومبعثرة توصل بوضوح.
شرائح نهائية: قدّم النتائج كقصة بخلاصات لجمهور غير تقني.
عرض حيّ: قدّم التحقيق، وأجب عن الأسئلة، ودافع عن الاستنتاجات.

الوحدة 2 : النماذج الذكية

ابنِ نماذج تنبّؤيةمن البيانات إلى القرارات

ادخل إلى عالم علم البيانات المتقدّم! يتعلّم الطلاب معالجة البيانات المعقّدة، وهندسة الميزات القوية، وتدريب نماذج تعلّم آلي متطوّرة تشمل الانحدار الخطّي وأشجار القرار والغابات العشوائية. ومن خلال الجمع بين مساعدة الذكاء الاصطناعي وذكاء الأعمال، يحوّلون البيانات الخام إلى محرّكات تنبّؤ قوية.

3 أقسام · 12 درساً · تعلّم آلي تنبّؤي

المشروع النهائي

متنبّئ وقت التوصيل

ما الذي ستتعلمه

أربع نتائج تعلّم.عالم بيانات واحد واثق.

مهارات حقيقية قابلة للنقل تجسر بين Python وتعلّم الآلة والتحكّم بالإصدارات والنشر.

هندسة ميزات البيانات

حوّل مجموعات البيانات الخام عبر الترميز والتحجيم وتقنيات اختيار الميزات المتقدّمة لتحسين أداء النموذج.

درّب نماذج التعلّم الآلي

طبّق وادمج خوارزميات الانحدار والتصنيف لإجراء تنبّؤات دقيقة قائمة على البيانات.

قيّم وحسّن

استخدم مقاييس تقييم متقدّمة واستراتيجيات تقسيم البيانات لضمان أن تكون نماذج الذكاء الاصطناعي موثوقة للغاية.

اجسر بين التقنية والأعمال

طبّق نماذج الذكاء الاصطناعي على لوجستيات الأعمال الواقعية واعرض المشاريع باحترافية على محفظة GitHub.

أدوات بمعايير الصناعة

منظومة التقنية.

أدوات تعلّم آلة وهندسة احترافية تستخدمها فرق البيانات في الإنتاج.

Python

اللغة المعيارية في الصناعة للتعلّم الآلي. يستخدم الطلاب Python لمعالجة البيانات وهندسة الميزات وتدريب النماذج التنبّؤية من البداية إلى النهاية.

Google Colab

بيئة دفاتر سحابية لتدريب وتقييم نماذج التعلّم الآلي مباشرة في المتصفّح دون أيّ إعداد.

GitHub

المنصّة الاحترافية حيث يدير الطلاب إصدارات الكود، وينشرون مشاريع التعلّم الآلي، ويبنون محفظة يمكن للمسؤولين عن التوظيف تصفّحها فعلاً.

المنهج

خارطة طريقكخطوة بخطوة.

من أنابيب البيانات الخام إلى النماذج التجميعية المنشورة.

تجهيز البيانات وأساسيات التعلّم الآلي

ضع الأساس! تعلّم أصول التحليل التنبّؤي، وجهّز مجموعات البيانات عبر الترميز والتحجيم، ودرّب أوّل نماذج الانحدار الخطّي.

تجهيز البيانات وأساسيات التعلّم الآلي

النماذج المتقدّمة والتقييم

ارتقِ بذكائك الاصطناعي. ابنِ نماذج تصنيف، وقيّم دقّتها بمقاييس قياسية في الصناعة، واستثمر قوّة أشجار القرار والغابات العشوائية.

النماذج المتقدّمة والتقييم

وكلاء الذكاء الاصطناعي والأعمال والنشر

اربط الكود بالعالم الحقيقي. استخدم وكلاء الذكاء الاصطناعي لتسريع برمجتك، طبّق علم البيانات على لوجستيات الأعمال، وانشر نماذجك على محفظة GitHub احترافية.

وكلاء الذكاء الاصطناعي والأعمال والنشر

المهارات المكتسبة

تقنيات صلبة. مهارات ناعمة.

يخرج كلّ خرّيج بطلاقة تطبيقية في التعلّم الآلي ومهارات سرد أعمال لتقديم محرّك تنبّؤ جاهز للعرض.

المهارات التقنية

خوارزميات التعلّم الآلي

طبّق خوارزميات الانحدار والتصنيف لإنتاج تنبّؤات دقيقة قائمة على البيانات.

الغابة العشوائية

درّب نماذج الغابة العشوائية التجميعية لرفع دقّة التنبّؤ على مجموعات بيانات واقعية.

هندسة الميزات

رمّز وحجّم واختر الميزات المناسبة لتتعلّم النماذج من بيانات نظيفة وغنيّة بالإشارة.

Google Colab وGitHub

طوّر دفاتر Colab وادفع كوداً موسوماً وقابلاً للمراجعة إلى محفظة GitHub.

المهارات الشخصية

ذكاء الأعمال

أطّر مشاكل التعلّم الآلي حول أهداف الأعمال لتحلّ النماذج ما يحتاجه أصحاب القرار فعلاً.

البرمجة بمساعدة الذكاء الاصطناعي

تعاون مع وكلاء البرمجة الذكية لإنجاز أسرع مع البقاء مسيطراً على الكود.

تقييم النماذج

استخدم مقاييس التقييم واستراتيجيات التحقّق للحكم على جودة النموذج قبل النشر.

اتّخاذ القرار القائم على البيانات

حوّل مخرجات النموذج إلى توصيات واضحة ومبرّرة يمكن للقيادة التحرّك بناءً عليها.

مشروع التخرّج

المشروع النهائي.

إبراز التعلّم الآلي التنبّؤي مطبّقاً على لوجستيات الأعمال.

تنبّؤ وقت توصيل الطعام

يجمع الطلاب كلّ معرفتهم في التعلّم الآلي لحلّ مشكلة عمل حقيقية: التنبّؤ بأوقات توصيل الطعام. يبنون ويدرّبون ويقيّمون نموذج ذكاء اصطناعي يعالج مجموعات بيانات معقّدة لإنتاج تقديرات دقيقة.

النشر الاحترافي عبر GitHub

بعد بناء محرّك التنبّؤ، يربط الطلاب Google Colab بـGitHub للتحكّم في إصدارات الكود ويعرضون نتائجهم لأولياء الأمور، مثبتين جاهزيّتهم للجامعة وصناعة التقنية.