Data Science with Python - علم البيانات باستخدام بايثون

Training Course index

اليوم 1

• التعريف بعلم البيانات ودور بايثون
• إعداد بيئة العمل (Jupyter)
• أنواع البيانات والمتغيرات
• التحكم في التدفق (شروط، حلقات)
• الدوال
• هياكل البيانات (قوائم، قواميس، مجموعات، tuples)

اليوم 2

• قراءة وكتابة البيانات (CSV, Excel, JSON)
• استخدام pandas (DataFrame / Series)
• استكشاف البيانات (عرض أولي، وصف إحصائي)
• التعامل مع القيم المفقودة
• التصفية والاختيار
• التجميع (groupby)
• الدمج والضم بين الجداول

اليوم 3

• التصوير البياني باستخدام matplotlib
• تخصيص الرسوم (عناوين، محاور، وسيلة الإيضاح)
• استخدام seaborn (scatter, boxplot, heatmap)
• تحليل الارتباط بين المتغيرات
• استكشاف العلاقات المرئية

اليوم 4

• المفاهيم الأساسية في التعلم الآلي
• تقسيم البيانات إلى تدريب/اختبار
• بناء نموذج انحدار (Linear Regression)
• بناء نموذج تصنيف (Logistic أو Decision Tree)
• تقييم النموذج (MSE, RMSE, R², الدقة، مصفوفة الالتباس)

اليوم 5

• خوارزميات التجميع (Clustering)
• ضبط المعاملات (Hyperparameter Tuning)
• اختيار الميزات (Feature Selection)
• مكافحة الإفراط في التكيّف (Overfitting)
• المشروع النهائي: التنظيف، الاستكشاف، بناء النموذج، التحسين، العرض
• مناقشة أخلاقية + توصيات مستقبلية

Training course outcomes

• القدرة على استخدام بايثون لمعالجة البيانات
• تنظيف وتحضير البيانات للاستكشاف
• تصور العلاقات بين المتغيرات
• بناء وتقييم نماذج تنبؤية وتصنيفية بسيطة
• تطبيق خوارزميات متقدمة مثل التجميع وضبط المعاملات
• الوعي بالقضايا الأخلاقية في تحليل البيانات
• إنجاز مشروع تحليلي شامل وعرض نتائجه بوضوح

Training Pre-requirements

• سعودي الجنسية
• درجة الدبلوم وما اعلى
• اللغة: عربية
• الأجهزة والأدوات: جهاز كمبيوتر مع اتصال الانترنت جيد