تحليل البيانات عالية الأبعاد

إذا كنت مهتماً بتحليل البيانات وتفسيرها، فهذه الدورة في علم البيانات مناسبة لك. نبدأ بتعلّم التعريف الرياضي للمسافة، ثم نستخدمه لشرح الدافع وراء استخدام تحليل القيم المفردة (SVD) لتقليل الأبعاد في مجموعات البيانات عالية الأبعاد، إلى جانب القياس متعدد الأبعاد (Multidimensional Scaling) وعلاقته بتحليل المكوّنات الرئيسية (PCA). سنتعرّف أيضاً على «تأثير الدُفعات» (Batch Effect)، وهو من أكثر مشكلات التحليل تحدّياً في علم الجينوميات اليوم، وسنوضح كيف يمكن استخدام هذه التقنيات لاكتشاف تأثيرات الدُفعات وضبطها لتقليل الانحياز وتحسين قابلية مقارنة النتائج. وبشكل أكثر تحديداً، سنشرح تحليل المكوّنات الرئيسية (PCA) وتحليل العوامل (Factor Analysis)، ونبيّن كيف تُطبَّق هذه المفاهيم في تصوّر البيانات (Data Visualization) وفي تحليل بيانات التجارب عالية الإنتاجية (High-throughput). ستساعدك الدورة على فهم كيفية تمثيل البيانات المعقّدة في أبعاد أقل دون فقدان البنية الأساسية، وكيفية تفسير الأنماط الكامنة ومصادر التباين في البيانات. بنهاية الدورة ستكون قادراً على استخدام أدوات وتقنيات شائعة في تحليل البيانات عالية الأبعاد لفهم البنية الداخلية للبيانات، إنشاء مخططات القياس متعدد الأبعاد، وتطبيق أساليب عملية للتعامل مع تأثيرات الدُفعات في سياقات مثل البيانات الحيوية والبيانات التجريبية واسعة النطاق.

• فهم مفهوم المسافة الرياضية واستخدامه في تحليل البيانات
• تطبيق تقنيات تقليل الأبعاد على البيانات عالية الأبعاد
• فهم واستخدام تحليل القيم المفردة (SVD) وتحليل المكوّنات الرئيسية (PCA)
• إنشاء وتفسير مخططات القياس متعدد الأبعاد (MDS)
• فهم وتطبيق تحليل العوامل (Factor Analysis)
• اكتشاف تأثيرات الدُفعات (Batch Effects) ومعالجتها وضبطها

• إكمال PH525.1x وPH525.2x أو امتلاك أساسيات البرمجة ومقدمة في الإحصاء ومقدمة في الجبر الخطي
• أو إكمال PH525.3x