علوم البيانات المتقدمة والذكاء الاصطناعي

مقدمة الدورة

مخرجات الدورة

• تطبيق المفاهيم الرياضية الأساسية: استخدام الإحصاء، الاحتمالات، التفاضل والتكامل، والخط الجبر الخطي في تحليل البيانات وتصميم نماذج الذكاء الاصطناعي.
• إتقان برمجة بايثون (Python): كتابة كود فعّال باستخدام مكتبات مثل Pandas، NumPy، Matplotlib، و Seaborn.
• إجراء التحليل الاستكشافي للبيانات (EDA): تنظيف، معالجة، وإعداد البيانات للنمذجة.
• تصميم وتنفيذ خوارزميات التعلم الآلي: حل مشاكل التصنيف، الانحدار، والتجميع باستخدام تقنيات مثل أشجار القرار، آلات شعاع الدعم (SVM)، والغابات العشوائية.
• بناء وتدريب نماذج التعلم العميق: استخدام مكتبات مثل TensorFlow و PyTorch لتطبيقات الصور والنصوص.
• تطوير حلول الرؤية الحاسوبية المتقدمة: تنفيذ مهام التعرف على الصور، كشف الكائنات، ومعالجة الفيديو.
• العمل مع معالجة اللغات الطبيعية (NLP): تحليل المشاعر، بناء أنظمة الترجمة الآلية، وإنشاء تطبيقات تعتمد على النص.
• تنفيذ حلول التعلم التعزيزي: تطوير نماذج قادرة على اتخاذ قرارات مستقلة وموقعة.
• إنشاء أنظمة توصيات متخصصة: توفير اقتراحات مخصصة بناءً على بيانات المستخدمين وسلوكهم.
• كشف الشذوذ (Anomalies): استخدام تقنيات متقدمة مثل Autoencoders و Isolation Forest للكشف عن الحالات الشاذة.
• تصميم وتطوير شبكات الخصومة التوليدية (GANs): توليد بيانات جديدة، تحسين الصور، ومعالجة التحديات الإبداعية.
• إكمال 40 مشروعاً عملياً: تغطي تطبيقات واقعية مثل تحليل البيانات المالية، تصنيف الصور، بناء أنظمة التوصية، وكشف الاحتيال.

الأهمية العملية للمشاريع

مخطط الدورة التدريبية

1. أساسيات الرياضيات (15 ساعة)

• الإحصاء والاحتزالات (5 ساعات): المفاهيم الأساسية (المتوسط، الوسيط، الانحراف المعياري)، الاحتمالات الشرطية وقوانين الاحتمالات، التوزيعات الاحتمالية (طبيعي، ذو الحدين، بواسون).
• التفاضل والتكامل (5 ساعات): المشتقات وتطبيقاتها في التعلم الآلي، التكاملات ودورها في التحسين، الدوال متعددة المتغيرات.
• الجبر الخطي (5 ساعات): المتجهات والمصفوفات، القيم الذاتية والمتجهات الذاتية، تحليل SVD و PCA.

2. برمجة بايثون (25 ساعة)

• أساسيات بايثون (10 ساعات): المتغيرات، الحلقات التكرارية، الشروط، البرمجة الكائنية (OOP)، معالجة الملفات والنصوص.
• مكتبات البيانات (10 ساعات): NumPy و Pandas لتحليل البيانات، Matplotlib و Seaborn للتصور.
• كتابة كود فعّال (5 ساعات): تحسين الأداء باستخدام NumPy، إنشاء دالات مرنة وقابلة لإعادة الاستخدام.

3. تحليل البيانات (25 ساعة)

• التحليل الاستكشافي للبيانات - EDA (10 ساعات): فهم البيانات باستخدام الإحصاء الوصفي، التصور لتحديد الأنماط والعلاقات، التعامل مع البيانات المفقودة والقيم الشاذة.
• تنظيف ومعالجة البيانات (15 ساعة): تحويل البيانات للتحليل، معالجة النصوص والتواريخ، دمج مجموعات بيانات متعددة.

4. التعلم الآلي (55 ساعة)

• مقدمة في التعلم الآلي (10 ساعات): التعلم الخاضع للإشراف مقابل غير الخاضع للإشراف، خطوات بناء النموذج، تقنيات تقييم الأداء.
• خوارزميات التصنيف والانحدار (20 ساعة): الانحدار اللوجستي، أشجار القرار، الغابات العشوائية، تعزيز التدرج (Gradient Boosting)، SVM.
• التجميع (Clustering) (10 ساعات): خوارزمية K-Means والتجميع الهرمي، تطبيقات تجزئة السوق.
• تحسين النموذج (10 ساعات): الضبط باستخدام Grid Search و Random Search، فهم فرط التخصيص (Overfitting) والتقصير (Underfitting).
• مشاريع عملية (5 ساعات): نماذج التنبؤ، تحليل البيانات المالية.

5. التعلم العميق (50 ساعة)

• مقدمة في الشبكات العصبية (10 ساعات): الهيكل الأساسي للشبكات العصبية، الانتشار الأمامي والخلفي، دوال التنشيط.
• الشبكات المتقدمة (20 ساعة): الشبكات العصبية التلافيفية (CNNs)، الشبكات العصبية المتكررة (RNNs).
• تحسين النموذج (10 ساعات): تقنيات التنظيم مثل Dropout، التحسين باستخدام Adam و SGD.
• مشاريع عملية (10 ساعات): التعرف على الصور، نماذج كشف الاحتيال.

6. الرؤية الحاسوبية (30 ساعة)

• الأساسيات (10 ساعات): معالجة الصور باستخدام OpenCV، استخراج الميزات من الصور.
• التطبيقات المتقدمة (20 ساعة): كشف الكائنات باستخدام YOLO، تقنيات معالجة الفيديو.

7. معالجة اللغات الطبيعية - NLP (30 ساعة)

• الأساسيات (10 ساعات): تنظيف وتحليل النصوص، النماذج القائمة على القواعد النحوية.
• التطبيقات المتقدمة (20 ساعة): الترجمة الآلية، نماذج المحولات (مثل BERT).

8. التعلم التعزيزي (15 ساعة)

• الأساسيات (5 ساعات): مفاهيم المكافأة والعقاب، فهم عمليات اتخاذ القرار ماركوف (MDP).
• التطبيقات (10 ساعات): تدريب روبوت للعب الألعاب.

9. أنظمة التوصية (15 ساعة)

• التقنيات الأساسية (7 ساعات): التصفية التعاونية، التصفية القائمة على المحتوى.
• التطبيقات (8 ساعات): بناء أنظمة توصية للأفلام أو المنتجات.

10. كشف الشذوذ (10 ساعات)

• التقنيات الأساسية (5 ساعات): استخدام Isolation Forest، شبكات Autoencoders لكشف الشذوذ.
• مشاريع عملية (5 ساعات): كشف الاحتيال في البيانات المالية.

11. شبكات الخصومة التوليدية - GANs (30 ساعة)

• الأساسيات (10 ساعات): مبادئ منافسة المولد والمميز، تصميم شبكة GAN بسيطة.
• التطبيقات المتقدمة (20 ساعة): تحسين الصور، إنشاء صور جديدة باستخدام GANs.