دورات مجانية في علم البيانات مع شهادات
Foundations of Data Science: Computational Thinking with Python
تعلم أساسيات التفكير الحاسوبي، مهارة أساسية في عالم اليوم الموجه بالبيانات، باستخدام لغة البرمجة المعروفة بايثون Python.
نحن نعيش في عصر يتميز بوصول لم يسبق له مثيل إلى البيانات. ولفهم جميع المعلومات المتوفرة لدينا، يجب أن نكون قادرين على تنظيم هذه البيانات وإيجاز ملامحها البارزة. هذا هو ما ستتعلم القيام به في هذه الدورة.
للعمل على كميات كبيرة من البيانات، تحتاج إلى قوة حسابية. هذه الدورة تعلمك مهارات البرمجة الأساسية لمعالجة البيانات. سوف تتعلم كيفية استخدام بايثون لتنظيم ومعالجة البيانات في الجداول، وكيفية تمثيل البيانات على نحو فعال. لن تحتاح إلى خبرة سابقة في البرمجة أو في بايثون Python.
وتشمل الأمثلة الواردة في الدورة بيانات حقيقية من مختلف البيئات. ليست كل البيانات عددية، سوف تعمل على بيانات نصية وعلى خرائط. على الرغم من أن مصطلح “علم البيانات” جديد نسبيا، إلا أن الأفكار الأساسية لعلم البيانات ليست كذلك. وتتضمن الدورة أمثلة قوية تمتد على مر القرون من العصر النابليوني حتى يومنا هذا.
في كل مكان، يعتبر علم البيانات وسيلة للتفكير، وليس مجرد مجموعة متنوعة من الأساليب. تؤكد الدورة أيضا على التفسير والتواصل، وهما مهاراتان أساسيتان لجميع علماء البيانات.
Foundations of Data Science: Inferential Thinking by Resampling
تعلم كيفية استخدام التفكير الاستدلالي لصياغة استنتاجات حول المجاهيل استنادا إلى البيانات في عينات عشوائية.
باستخدام أمثلة من العالم الحقيقي في القانون والطب وكرة القدم، سوف تكتشف كيف يستنتج علماء البيانات مجهولا بالاعتماد على البيانات المتاحة. في كثير من الأحيان،تكون البيانات لدينا غير مكتملة، ومع ذلك نرغب في استخلاص استنتاجات حول العالم وتحديد نسبة الشك في استنتاجاتنا. وهذا ما يسمى الاستدلال الإحصائي. في هذه الدورة، سوف تتعلم أساليب الاستدلال الإحصائي وترى كيفية تطبيقها على مجموعات البيانات في العالم الحقيقي.
سوف تعلمك هذه الدورة تقدير الكميات التي لا يمكننا أن نلاحظها مباشرة من خلال عينة عشوائية. سوف تتعلم أيضا كيفية قياس نسبة الشك في تقديرك. كما ستتعلم كيفية اختبار الفرضية، مما يسمح بتقييم النظريات أو الفرضيات حول كيفية عمل العالَم. في اختبار الفرضية، نقارن ما تتنبأ به النظرية مع الملاحظات والبيانات الفعلية المتوفرة لدينا، لتحديد ما إذا كانت النظرية تبدو متسقة مع البيانات المتاحة. سوف تتعلم أيضا كيفية قياس نسبة الشك في الاستنتاجات التي تخرج بها باستخدام اختبار الفرضية. ويساعد ذلك في تقييم ما إذا كانت عينات البيانات تمثل فعلا علاقة حقيقية في العالم أم أنها قد تعكس تقلبات عشوائية فقط. سوف تتعلم أساليب متعددة لتقدير واختبار الفرضية، على أساس المحاكاة، طريقة bootstrap، واختبار A / B لمقارنة عينتين عشوائيتين. وأخيرا، سوف تتعلم عن التجارب العشوائية الخاضعة للسيطرة وكيفية استخلاص استنتاجات حول السببية.
من بين المسؤوليات الرئيسية لعالم البيانات صياغة تنبؤات موثوقة استنادا إلى البيانات. التعلم الآلي هو وسيلة لتحديد عينات في البيانات واستخدامها لصياغة التنبؤات أو القرارات المستقبلية تلقائيا. في هذه الدورة لعلم البيانات، سوف تدرك أهمية مفاهيم وعناصر التعلم الآلي.
الطريقتان الرئيسيتان للتعلم الآلي اللتان ستتعرف عليهما هما الانحدار والتصنيف. يستخدم الانحدار عندما تسعى للتنبؤ بكمية عددية. في حين يتم استخدام التصنيف عندما تسعى إلى اختيار الفئة التي سيتم تعيينها (على سبيل المثال، معلومات معينة عن معاملة مالية، والتنبؤ بما إذا كانت مزورة أو مشروعة).
بالنسبة للانحدار، سوف تتعلم كيفية قياس العلاقة بين متغيرين وتحسب أفضل خط مناسب لصياغة التنبؤات عندما تكون العلاقة الأساسية خطية. كما ستتعلم أيضا كيفية قياس مدى الشك في التنبؤ الخاص بك باستخدام طريقة bootstrap. وسيتم توضيح هذه التقنيات مع مجموعة واسعة من الأمثلة. أما فيما يتعلق بالتصنيف، فستتعرف على خوارزمية k-nearest neighbor وتتعلم كيفية قياس فعالية المصنف الخاص بك، إضافة إلى كيفية تطبيقه على مهام في العالم الحقيقي.
سوف تسلط الدورة الضوء على الافتراضات الكامنة وراء التقنيات، وتوفر طرقا لتقييم ما إذا كانت هذه الافتراضات جيدة. كما ستشير إلى المزالق التي تؤدي إلى تنبؤات مفرطة في التفاؤل أو غير دقيقة.
إذا كنت مهتما بالاستفادة من الدورات الثلاث مع الحصول على شهادات معتمدة، يمكنك الانضمام إلى برنامج يضمها كلها مع تخفيض على سعر الشهادات. وذلك عبر هذا الرابط.
تعلما ممتعا للجميع. نحن رهن الإشارة إن احتجتم مساعدة ما. يكفي مراسلتنا عبر الصفحة الرسمية للموقع على الفيسبوك Education Libre أو ترك تعليقات. ويمكنكم متابعتنا عبر تطبيق Telegram لتتوصلوا بمستجدات موقع التعلم الحر باستمرار.
شكرا جزيلا على هذه الصفحة
الشكر لله، وفقك الله.