دورة عبر الإنترنت – تخصص احترافي معتمد في تحليل البيانات باستخدام Python من Google، جامعة كولورادو بولدر

انضم إلى الدورات التي تركز على المهارات في مجال تقنيات البيانات وتحليل البيانات. اكتسب معرفة متعمقة من شأنها أن تؤهلك لمواجهة التحديات في العالم الحقيقي لتحليل البيانات.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

المستوى المتوسط

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • تصنيف
  • الانحدار
  • التجميع
  • تخفيض أبعاد البيانات
  • قواعد الرابطة
  • التعلم الخاضع للرقابة
  • التعلم غير الخاضع للرقابة
  • كشف الاستثناء

What you will learn in the course

Courses for which the course is suitable

  • محلل بيانات
  • عالم البيانات
  • مطور الخوارزمية
  • مدير مشروع في مجال البيانات
  • مستشار تحليل البيانات
  • خبير نمذجة البيانات
  • محلل نظم المعلومات
  • مطور حلول ذكاء الأعمال
  • باحث بيانات
  • مدير البحث والتحليل

التدريب – سلسلة من 5 دورات

سيوفر التخصص في تحليل البيانات نظرة شاملة على تقنيات تحليل البيانات المختلفة. ستغطي الدورات مجموعة واسعة من المواضيع، بما في ذلك:

  • تصنيف
  • الانحدار
  • التجميع
  • تخفيض أبعاد البيانات
  • قواعد الرابطة

ستكون الدورات عملية للغاية وستتضمن أمثلة من الحياة الواقعية ودراسات حالة، مما سيساعد الطلاب على تطوير فهم أعمق للمفاهيم والتقنيات في تحليل البيانات. ستنتهي الدورات بمشروع يوضح إتقان الطالب لتقنيات تحليل البيانات.

مشروع التعلم التطبيقي

تتيح دورة “مشروع تحليل البيانات” للطلاب تطبيق المعرفة والمهارات التي اكتسبوها في هذا التخصص لتنفيذ مشروع تحليل بيانات عملي حسب اهتماماتهم. سوف يستكشف المشاركون مجموعة متنوعة من الاتجاهات في تحليل البيانات، بما في ذلك:

  • التعلم الخاضع للرقابة
  • التعلم غير الخاضع للرقابة
  • الانحدار
  • التجميع
  • تخفيض البعد
  • قواعد الرابطة
  • كشف الاستثناء

خلال الوحدات، سيتعلم الطلاب تقنيات ومنهجيات تحليل البيانات الأساسية وسيبدأون رحلة من البيانات الأولية إلى المعرفة والذكاء. من خلال إكمال الدورة، سيكون الطلاب بارعين في تحليل البيانات، وسيكونون قادرين على تطبيق خبراتهم في مختلف المشاريع واتخاذ القرارات المستندة إلى البيانات.

Details of the courses that make up the specialization

تحليل التصنيف

الدورة 1 – 38 ساعة

ماذا ستتعلم

  • التعرف على مفهوم وأهمية التصنيف كأحد أساليب التعلم المدار.
  • تمييز ووصف الأنواع المختلفة من المصنفات، وتطبيق كل مصنف لتنفيذ مهام التصنيف الثنائية ومتعددة الفئات على مجموعات بيانات متنوعة.
  • تقييم أداء المصنفات، واختيار المصنفات وتحسينها بناءً على خصائص المعلومات ومتطلبات التعلم.

المهارات التي سوف تكتسبها

  • التعلم المتعدد
  • الانحدار الخطي
  • التحقق من الصحة عبر
  • الانحدار
  • Scikit-تعلم

تحليل الانحدار

الدورة 2 – 40 ساعة

ماذا ستتعلم

  • فهم مبادئ وأهمية تحليل الانحدار في التعلم الخاضع للإشراف.
  • تطبيق طرق التحقق المتبادل لتقييم أداء النموذج وتحسين المعلمات.
  • فهم طرق الضرب (التعبئة، التعزيز، التراص) ودورها في زيادة دقة نموذج الانحدار.

المهارات التي سوف تكتسبها

  • التعلم غير الخاضع للرقابة
  • التعلم الآلي
  • التعلم تحت الإشراف
  • تخطيط المشروع
  • استخراج البيانات

تحليل الكتلة

الدورة 3 – 37 ساعة

ماذا ستتعلم

  • فهم مبادئ وأهمية التعلم غير الخاضع للرقابة، وخاصة التجميع والحد من الأبعاد.
  • تطبيق تقنيات التجميع على مجموعات البيانات المختلفة لاكتشاف الأنماط واستكشاف البيانات.
  • قم بتطبيق تحليل المكونات الرئيسية (PCA) لتقليل أبعاد البيانات وتفسير المساحة المخفضة.

المهارات التي سوف تكتسبها

  • خوارزميات لمجموعات البيانات
  • تخفيض البعد
  • K-يعني التجميع
  • تحليل المكونات الرئيسية (PCA)
  • دبسكان

تحليل قواعد الجمعية

الدورة 4 – 22 ساعة

ماذا ستتعلم

  • فهم مبادئ وأهمية أساليب التعلم غير الخاضعة للرقابة، وخاصة قواعد الارتباط والكشف عن الحالات الشاذة.
  • ربط مفاهيم وتطبيقات الأنماط المتكررة وقواعد الارتباط في اكتشاف العلاقات المثيرة للاهتمام بين العناصر.
  • تطبيق مجموعة متنوعة من أساليب الكشف عن الشذوذ، بما في ذلك الأساليب الإحصائية وداخل المسافة لتحديد نقاط البيانات الشاذة.

المهارات التي سوف تكتسبها

  • قواعد جمعية التعلم
  • استثنائي
  • أبريوري
  • أنماط متكررة
  • نمو FP

مشروع تحليل البيانات مع بايثون

الدورة 5 – 18 ساعة

ماذا ستتعلم

  • تحديد نطاق واتجاه مشروع تحليل البيانات، وتحديد التقنيات والنماذج المناسبة للوصول إلى أهداف المشروع.
  • تطبيق مجموعة متنوعة من خوارزميات التصنيف والانحدار وتطبيق تقنيات التحقق المتعددة لتحسين أداء النموذج.
  • تطبيق الخوارزميات للتجميع وتقليل الأبعاد واستخراج قواعد الارتباط والكشف عن النماذج الخارجية لنماذج التعلم غير الخاضعة للإشراف.

المهارات التي سوف تكتسبها

  • إحصائيات بايزي
  • الانحدار اللوجستي
  • آلة دعم المتجهات (SVM)
  • تصنيف
  • شجرة القرار