أساسيات علم البيانات

يُعَدّ علم البيانات، إلى جانب الذكاء الاصطناعي (AI) ومكوّناته المختلفة مثل التعلّم الإحصائي (SL) وتعلّم الآلة (ML) وخوارزميات التعلّم العميق (DL)، من أبرز محرّكات خلق القيمة داخل المؤسسات. ووفقاً للدكتور جيم غراي (Dr Jim Gray)، فإن علم البيانات يمثّل «البارادايم الرابع» الذي يدفع نحو حلول مبتكرة لمشكلات المؤسسات. في هذه الدورة سنبدأ بالمفاهيم الأساسية في نظرية الاحتمالات، مثل الاحتمالات المشتركة والاحتمالات الشرطية. كما سنناقش كيفية تطبيق هذه المفاهيم داخل خوارزميات تعلّم الآلة، وبشكل خاص في تحليل سلة المشتريات (Market Basket Analysis) وأنظمة التوصية (Recommender Systems). بعد تغطية أساسيات الاحتمالات، ننتقل إلى موضوع المتغيرات العشوائية، والتوزيعات الاحتمالية المنفصلة والمستمرة، وأخذ العينات، والتقدير الإحصائي، ونظرية الحد المركزي. وتُعد هذه الموضوعات ركائز ضرورية لفهم كيفية بناء النماذج الإحصائية وتطوير نماذج تعلّم الآلة وتقييمها. كما تتناول الدورة دور التحسين (Optimization) والجبر الخطي (Linear Algebra) في تصميم نماذج الذكاء الاصطناعي وتعلّم الآلة، مع التركيز على فهم المفاهيم الأساسية وكيفية توظيفها عملياً. وستتعرّف أيضاً على كيفية إجراء بعض المهام التحليلية مثل الاختبارات الفرضية، وكذلك تطبيق مفاهيم التحسين والجبر الخطي باستخدام برنامج Excel لدعم الفهم التطبيقي وبناء المهارات العملية.

• وصف دور نظرية الاحتمالات والتحسين والجبر الخطي في مجال الذكاء الاصطناعي.
• تعريف التوزيعات الاحتمالية مثل ثنائي الحدين والتوزيع الطبيعي وتطبيقاتها في تطوير نماذج تعلّم الآلة.
• إجراء اختبارات فرضية مثل اختبار Z واختبار t وكيفية استخدامها في تطوير نماذج تعلّم الآلة.
• شرح مفاهيم التحسين والجبر الخطي وتطبيقاتها في تعلّم الآلة والذكاء الاصطناعي.
• تنفيذ الاختبارات الفرضية والتحسين والجبر الخطي باستخدام Excel.