عن هذه الدورة
تحليل البيانات وعلوم البيانات (Data Science & Analytics)
دورة تحليل البيانات باستخدام بايثون (Data Analysis with Python)
تزود هذه الدورة العملية المشاركين بالمفاهيم والأدوات الأساسية المستخدمة في تحليل البيانات باستخدام لغة Python. تغطي الدورة عمليات معالجة البيانات، تنظيفها، تمثيلها بصرياً، والتحليل الإحصائي باستخدام أكثر المكتبات انتشاراً مثل NumPy و pandas و Matplotlib و Seaborn و scikit-learn. بنهاية الدورة، سيكون المتدربون قادرين على تنفيذ مشاريع تحليل بيانات شاملة واستخلاص رؤى قابلة للتنفيذ من مجموعات البيانات الخام.
أهداف الدورة
- فهم أساسيات تحليل البيانات وتطبيقاته العملية.
- استخدام مكتبات بايثون الرئيسية مثل pandas و NumPy لمعالجة البيانات.
- تطبيق تقنيات تنظيف البيانات وإعدادها قبل التحليل.
- تمثيل البيانات بصرياً باستخدام Matplotlib و Seaborn.
- إجراء التحليل الإحصائي الأساسي وتفسير النتائج.
- تطبيق التحليل الاستكشافي للبيانات (EDA) على مجموعات بيانات واقعية.
- التعامل مع أنواع البيانات المختلفة: الفئوية، الرقمية، والسلاسل الزمنية.
- بناء نماذج تنبؤية بسيطة باستخدام الانحدار الخطي والتصنيف.
- تقديم وتفسير الرؤى المدعومة بالبيانات باستخدام أدوات بايثون.
محتوى وهيكل الدورة
المحاور الأساسية (إعداد البيئة، أساسيات بايثون و NumPy)
- الموديول 1: إعداد بيئة عمل بايثون: تثبيت بايثون، بيئات العمل (Jupyter Notebook vs VS Code)، تثبيت Anaconda، إدارة البيئات الافتراضية، وتثبيت المكتبات الأساسية.
- الموديول 2: مقدمة في تحليل البيانات: ما هو تحليل البيانات، دور بايثون في علوم البيانات، ونظرة عامة على خط إنتاج/مسار تحليل البيانات (Data Pipeline).
- الموديول 3: مراجعة سريعة لـ Python: هياكل البيانات، الدوال، هياكل التحكم، التعامل مع الملفات، وفهم List Comprehensions.
- الموديول 4: التعامل مع مكتبة NumPy: المصفوفات، العمليات المتجهة، الفهرسة والتفريغ، الدوال الإحصائية والرياضية، ومعالجة القيم المفقودة.
المحاور المتقدمة (معالجة وتنظيف البيانات والتمثيل البصري)
- الموديول 5: معالجة البيانات باستخدام pandas: هياكل Series و DataFrame، قراءة وكتابة البيانات (CSV, Excel, SQL)، التصفية، التجميع، والدمج.
- الموديول 6: تنظيف وإعداد البيانات: التعامل مع البيانات المفقودة والمكررة، تحويل أنواع البيانات، العمليات النصية، وأساسيات الهندسة المتميزة (Feature Engineering).
- الموديول 7: التمثيل البصري للبيانات: الرسم البياني عبر Matplotlib، والرسوم المتقدمة والتفاعلية باستخدام Seaborn، وتخصيص وتصدير المخططات.
التحليل الاستكشافي، الإحصاء والتنبؤ
- الموديول 8: التحليل الاستكشافي للبيانات (EDA): الإحصاء الوصفي، تحليل التوزيع والارتباط، اكتشاف القيم الشاذة (Outliers)، وتقنيات توصيف البيانات.
- الموديول 9: مقدمة في الإحصاء لتحليل البيانات: مقاييس النزعة المركزية والتشتت، التوزيعات الاحتمالية، اختبار الفرضيات، وفترات الثقة.
- الموديول 10: مقدمة في التحليلات التنبؤية: الانحدار الخطي البسيط، التصنيف باستخدام الانحدار اللوجستي عبر scikit-learn، تقييم النماذج، وتقسيم البيانات (Train-Test Split).
- الموديول 11: المشروع النهائي: مشروع شامل من جمع البيانات وتنظيفها وحتى التحليل الاستكشافي والنمذجة وتقديم النتائج.
منهج الدورة
1
إعداد بايثون وتكتهيئة بيئة العمل
تثبيت بايثون (على أنظمة Windows, Mac, Linux).
مقدمة في بيئات التطوير (IDEs): الفرق بين Jupyter Notebook و VS Code.
تثبيت منصة Anaconda (الموصى بها لتحليل البيانات).
ء وإدارة البيئات الافتراضية (Virtual Environments).
تثبيت المكتبات الأساسية: numpy, pandas, matplotlib, seaborn, scikit-learn.
استخدام أدوات pip و conda لإدارة الحزم البرمجية.
نصائح لتنظيم مجلدات المشاريع وملفات البيانات.
2
مقدمة في تحليل البيانات
ما هو تحليل البيانات؟
دور لغة بايثون في علم البيانات
نظرة عامة على خط إنتاج/مسار تحليل البيانات (Data Analysis Pipeline).
تجهيز البيئة: استخدام Jupyter Notebook و Anaconda.
3
مراجعة سريعة لأساسيات بايثون
هياكل البيانات في بايثون (Lists, Tuples, Dictionaries, Sets).
الدوال وهياكل التحكم والشرط (Functions & Control Flow).
التعامل مع الملفات وقراءتها.
مقدمة في صياغة القوائم المختصرة (List Comprehensions).
4
التعامل مع مكتبة NumPy
المصفوفات (Arrays) والعمليات المتجهة (Vectorized Operations).
الفهرسة، التقطيع (Slicing)، وإعادة التشكيل (Reshaping).
الدوال الرياضية والإحصائية.
5
معالجة البيانات باستخدام مكتبة pandas
هياكل البيانات: السلاسل (Series) وإطارات البيانات (DataFrames).
قراءة وكتابة البيانات بمختلف الصيغ (CSV, Excel, SQL).
ختيار البيانات، تصفيتها، وفرزها.
التجميع والحسابات التجمعات (Grouping & Aggregation).
6
تنظيف وإعداد البيانات
تحويل أنواع البيانات (Data Type Conversion).
العمليات على النصوص (String Operations).
أساسيات هندسة الميزات (Feature Engineering).
