مقدمة في علم البيانات باستخدام بايثون

في كل دقيقة تمرّ، تجمع الحواسيب حول العالم ملايين الجيجابايتات من البيانات. كيف يمكنك فهم هذا الكم الهائل من المعلومات واستخلاص معنى منه؟ وكيف يستخدم علماء البيانات هذه البيانات لبناء التطبيقات التي تشغّل عالمنا الحديث؟ علم البيانات مجال يتطور باستمرار، ويعتمد على الخوارزميات والأساليب العلمية لتحليل مجموعات بيانات معقدة وتنظيمها واستخراج الأنماط منها. ويستخدم علماء البيانات مجموعة من لغات البرمجة مثل Python وR لتسخير البيانات وتحليلها وبناء نماذج تساعد على التنبؤ واتخاذ القرار. تركّز هذه الدورة على استخدام لغة بايثون في علم البيانات، مع تدريب عملي على الأدوات والمكتبات الشائعة في المجال. بنهاية الدورة ستكوّن فهماً أساسياً لنماذج تعلم الآلة، ولمفاهيم محورية مرتبطة بتعلم الآلة (ML) والذكاء الاصطناعي (AI). باستخدام بايثون، سيدرس المتعلمون نماذج الانحدار مثل الانحدار الخطي والمتعدد الحدود (ومنها الخطي المتعدد والانحدار متعدد الحدود)، إضافة إلى نماذج التصنيف مثل أقرب الجيران (kNN) والانحدار اللوجستي. كما ستتعرّف على كيفية تجهيز البيانات وتحليلها باستخدام مكتبات مثل Pandas وNumPy، وتمثيل النتائج بصرياً عبر matplotlib، وبناء النماذج وتقييم أدائها باستخدام Scikit-learn. الهدف هو تزويدك بأساس قوي يمكّنك من تطبيق تعلم الآلة على مشكلات واقعية، ويهيئك لمتابعة دراسة أعمق لبايثون في مجالات تعلم الآلة والذكاء الاصطناعي.

• اكتساب خبرة عملية في استخدام بايثون لحل تحديات واقعية في علم البيانات
• التدرّب على برمجة بايثون لبناء النماذج والإحصاء وسرد القصص بالبيانات
• استخدام مكتبات شائعة مثل Pandas وNumPy وmatplotlib وScikit-learn
• تشغيل نماذج أساسية لتعلم الآلة ببايثون وتقييم أدائها وتطبيقها على مشكلات من العالم الحقيقي
• بناء أساس لاستخدام بايثون في تعلم الآلة والذكاء الاصطناعي استعداداً لدراسة متقدمة لاحقاً

• امتلاك حد أدنى من المعرفة الأساسية بالبرمجة (ويُفضّل بايثون) وبالإحصاء للنجاح في هذه الدورة
• يمكن استيفاء متطلبات بايثون عبر دورة تمهيدية مثل CS50: مقدمة في البرمجة باستخدام بايثون، واستيفاء متطلبات الإحصاء عبر Fat Chance أو Stat110 المقدمة عبر HarvardX