منهجية علم البيانات

يرجى الملاحظة: يمكن للمتعلمين الذين يُكملون هذه الدورة من IBM بنجاح الحصول على شارة مهارية — اعتماد رقمي موثّق وتفصيلي يبرز المعارف والمهارات التي اكتسبتها خلال هذه الدورة. سجّل لتعرف المزيد، وأكمل الدورة ثم اطلب شارتك. على الرغم من الزيادة الكبيرة في القدرة الحاسوبية وتوفر البيانات خلال العقود القليلة الماضية، فإن قدرتنا على توظيف البيانات ضمن عملية اتخاذ القرار كثيرًا ما تُهدر أو لا تُستثمر بالشكل الأمثل. وغالبًا لا نمتلك فهمًا قويًا لطبيعة الأسئلة التي ينبغي طرحها، ولا لكيفية تطبيق البيانات بصورة صحيحة لحل المشكلات المطروحة. تهدف هذه الدورة إلى مشاركة المنهجيات والنماذج والممارسات التي يمكن تطبيقها في علم البيانات، لضمان أن البيانات المستخدمة في حل المشكلات ذات صلة فعلًا، وأنها تُجمع وتُعالج وتُحوَّل بطريقة صحيحة لتخدم أهداف التحليل. ستتعلم لماذا نحتاج إلى منهجية واضحة عند التعامل مع مشكلات علم البيانات، وما الخطوات الرئيسية التي يمر بها أي مشروع بدءًا من فهم المشكلة وصياغة السؤال، مرورًا بتحديد مصادر البيانات المناسبة وتجهيزها، وصولًا إلى التحليل واستخلاص النتائج. كما ستتعرّف على منهجية CRISP-DM (العملية القياسية العابرة للصناعات للتنقيب عن البيانات) عبر مراحلها الست، وتستخدمها لتحليل دراسة حالة، ثم تُظهر فهمك للمنهجية من خلال تطبيقها على مشكلة تقوم أنت بتعريفها. بنهاية الدورة ستكون أكثر قدرة على ربط احتياجات العمل بالبيانات المتاحة، واختيار البيانات الملائمة، والتأكد من أن المعالجة والتحليل يقودان إلى قرارات قابلة للتنفيذ في سياقات واقعية ومشاريع أعمال متنوعة.

• شرح سبب الحاجة إلى منهجية منهجية للتعامل مع مشكلات علم البيانات
• سرد الخطوات الرئيسية المتضمنة في معالجة مشكلة من مشكلات علم البيانات
• تحديد مصادر البيانات المناسبة ضمن منهجية تحليل علم البيانات
• وصف المراحل الست في منهجية CRISP-DM (العملية القياسية العابرة للصناعات للتنقيب عن البيانات) لتحليل دراسة حالة
• إظهار فهمك لمنهجية علم البيانات عبر تطبيقها على مشكلة تقوم بتعريفها