علم البيانات باستخدام الذكاء الاصطناعي
حوّل البيانات إلى قرارات ونماذج تنبؤية وحلول قابلة للنشر مدعومة بالذكاء الاصطناعي.
- النظري
- 36 ساعة
- العملي والمخبري
- 48 ساعة
- التقييم والمشروع الختامي
- 12 ساعة
- المدة
- 3 أشهر
- الساعات المخططة
- 96 ساعة
- الجدول الأسبوعي
- جلستان مدة كل منهما 4 ساعات أسبوعيًا
- المستوى
- تطبيقي متقدم
- تنفيذ
- حضوريًا أو عن بُعد أو بأسلوب مدمج
- الموقع
- الرياض
- موعد البدء القادم
- قيد التأكيد
نظرة عامة
ينتقل المشاركون من مجموعات البيانات الخام إلى حل متكامل جاهز لدعم القرار: دفتر قابل للتكرار، ونموذج تنبؤي أو تحليلي تم اختباره، وتطبيق بيانات تفاعلي أو لوحة معلومات، وعرض احترافي للنتائج.
يطوّر هذا البرنامج المهني الممتد ثلاثة أشهر القدرة العملية على جمع البيانات وإعدادها وتحليلها وتصويرها بصريًا، وبناء نماذج تعلّم الآلة وتقييمها، وعرض توصيات قائمة على الأدلة. ويُقدَّم سير العمل المدعوم بالذكاء الاصطناعي بوصفه أدوات إنتاجية للبرمجة والاستكشاف والتوثيق وتصميم الحلول، مع بقاء المتعلمين مسؤولين عن جودة البيانات والتحقق والخصوصية والحكم المهني.
من ينبغي أن يلتحق، وما يحتاج إليه.
من ينبغي أن يلتحق
- الخريجون وطلاب السنة النهائية الساعون إلى اكتساب قدرات تطبيقية في البيانات والذكاء الاصطناعي.
- المهنيون العاملون في الهندسة والمالية والعمليات والتسويق والموارد البشرية والرعاية الصحية والتعليم والإدارة.
- المحللون والمطورون والباحثون الراغبون في تعزيز مهاراتهم في تعلّم الآلة ونشر النماذج.
- رواد الأعمال والمديرون الذين يحتاجون إلى تقييم الفرص القائمة على البيانات والتواصل مع الفرق التقنية.
يُوصى به قبل البدء
- الارتياح في التعامل مع الحاسوب وجداول البيانات وحل المشكلات المنطقية.
- يوصى بشدة بمعرفة أساسية ببايثون؛ وقد تُخصَّص وحدة تمهيدية عند الحاجة.
- تفيد معرفة أساسيات الجبر والإحصاء الوصفي.
- حاسوب محمول قادر على تشغيل حزمة البرمجيات المعتمدة واتصال موثوق بالإنترنت.
في نهاية البرنامج، ستتمكن من:
- صياغة سؤال عمل أو سؤال بحثي في صورة مسألة بيانات قابلة للقياس.
- الحصول على مجموعات البيانات المهيكلة وفحصها وتنظيفها وتحويلها ودمجها.
- استخدام بايثون وNumPy وpandas لإجراء تحليلات قابلة للتكرار.
- كتابة استعلامات SQL عملية لاسترجاع البيانات وربطها وتصفيتها وتجميعها.
- تطبيق الإحصاء والتحليل الاستكشافي للبيانات لتحديد الأنماط وعدم اليقين ومخاطر جودة البيانات.
- إنشاء تمثيلات بصرية واضحة وشرح الرؤى للجمهور التقني وغير التقني.
- بناء نماذج مرجعية لتعلّم الآلة الموجَّه وغير الموجَّه.
- اختيار مقاييس تقييم مناسبة، واستخدام التحقق المتقاطع، والحد من تسرّب البيانات والإفراط في التخصيص.
- بناء مسارات للمعالجة المسبقة والنمذجة مع توثيق الافتراضات.
- استخدام مساعدات الذكاء الاصطناعي التوليدي بمسؤولية لتسريع صياغة الشيفرات وتصحيح الأخطاء والتوثيق دون التخلي عن التحقق.
- بناء نموذج أولي لتطبيق تفاعلي للبيانات والذكاء الاصطناعي وعرضه.
- تسليم مشروع ختامي متكامل من البداية إلى النهاية مع توثيق تقني وعرض سردي على المستوى التنفيذي.
- صياغة المشكلة
- الحصول على البيانات
- التنظيف والاستكشاف
- تصميم الخصائص
- بناء النموذج
- التقييم
- التفسير
- النموذج الأولي للتطبيق
- إيصال القرار
اثنا عشر أسبوعًا، في ثلاثة أشهر.
الأساسيات وإعداد البيانات والتفكير التحليلي
الأسابيع من 1 إلى 4
- دورة حياة علم البيانات، ومصطلحات الذكاء الاصطناعي وتعلّم الآلة، وصياغة مشكلات الأعمال
- بيئة بايثون، ودفاتر Jupyter، وقابلية إعادة الإنتاج، وهيكلة المشروع
- أنواع البيانات والملفات وواجهات البرمجة (APIs) وقواعد البيانات؛ والاختيار المسؤول لمجموعات البيانات
مختبر: تحديد حالة استخدام قابلة للقياس وإنشاء دفتر تحليل منظم.
- المصفوفات الفعالة والبيانات الجدولية والفهرسة والتصفية والتجميع حسب الفئات والتجميع الإحصائي
- قراءة وكتابة بيانات CSV وExcel وJSON والبيانات المرتبطة بـSQL
- القيم المفقودة والتكرارات وأنواع البيانات ومنطق التحويل
مختبر: تنظيف مجموعة بيانات تشغيلية متعددة المصادر وتوصيفها.
- فحوصات الجودة والقيم المتطرفة والفئات غير المتسقة ومشكلات التاريخ والوقت
- الدمج وإعادة التشكيل وإنشاء الخصائص وخطوات تنظيف قابلة للتدقيق
- قواميس البيانات وسجلات الافتراضات وقواعد التحقق
مختبر: إنتاج مسار تنظيف قابل لإعادة الاستخدام وتقرير جودة.
- SELECT وWHERE وGROUP BY وHAVING وJOIN والاستعلامات الفرعية ومفاهيم دوال النوافذ
- تحويل الأسئلة التحليلية إلى استعلامات موثوقة
- التحقق من الاستعلامات والتعامل الآمن مع الحقول الحساسة
المشروع المصغّر 1: تحليل استكشافي من SQL إلى بايثون مع ملخص للإدارة.
ما ستعمل به، وما ستصنعه.
الأدوات
- بايثون وJupyter Notebook/JupyterLab أو دفتر سحابي معتمد.
- NumPy وpandas لسير العمل العددي والجدولي.
- SQL باستخدام بيئة قاعدة بيانات علائقية معتمدة.
- Matplotlib وSeaborn؛ وPlotly أو أداة معتمدة لذكاء الأعمال لأعمال بصرية مختارة.
- scikit-learn للمعالجة المسبقة والتعلّم الموجَّه وغير الموجَّه واختيار النماذج وتقييمها.
- Git/GitHub أو مستودع معتمد للتحكم في الإصدارات وتسليم ملف الأعمال.
- Streamlit لبناء نموذج أولي لتطبيق بيانات تفاعلي.
- مساعدات ذكاء اصطناعي توليدي معتمدة لتمارين إنتاجية تحت الإشراف. وقد يختلف الوصول إلى الأدوات بحسب الدفعة والترخيص وسياسة المؤسسة.
تُعتمد المجموعة النهائية من الأدوات لكل دفعة.
أمثلة على المشاريع
- التنبؤ بالمبيعات أو الطلب مع لوحة معلومات إدارية
- تصنيف تسرّب العملاء أو مخاطر الاحتفاظ بهم
- تقسيم العملاء إلى شرائح وتوصيات للحملات
- اكتشاف الحالات الشاذة التشغيلية أو مخاطر الجودة
- تحليلات القوى العاملة بصياغة تحافظ على الخصوصية وتتجنب التمييز
- تحليل مجموعة بيانات عامة أو مؤسسية مع بوابة تفاعلية للأدلة
المشروع الختامي: ما تسلّمه
- بيان المشكلة ومقياس النجاح ومذكرة حوكمة البيانات.
- مجموعة بيانات نظيفة أو مسار بيانات قابل للتكرار مع قاموس بيانات.
- تحليل استكشافي ونموذج أو أسلوب تحليلي تم التحقق منه.
- التقييم وتحليل الأخطاء والقيود وبيان الاستخدام المسؤول.
- تطبيق أو لوحة معلومات تفاعلية، ومستودع للشيفرات، وتوثيق تقني.
- ملخص تنفيذي وعرض أو تطبيق مباشر.
تقييم قائم على العمل الذي تنجزه.
- المختبرات والتمارين التقنية25%جودة الدفاتر والشيفرات وصحة التنفيذ
- مهام تطبيقية20%التحليل والتفسير والتواصل
- المشاريع المصغّرة20%حل المشكلات من البداية إلى النهاية
- المشروع الختامي25%حل تم التحقق منه وتوثيقه
- العرض والممارسة المهنية10%الدفاع والوضوح والأخلاقيات والعمل الجماعي
طريقة التدريس
- جلسات مفاهيم يقدمها المدرب مدعومة بالبرمجة المباشرة.
- مختبرات موجهة يليها تدريب مستقل.
- دراسات حالة من قطاعات مهنية متعددة.
- مراجعة الشيفرات وتغذية راجعة من الأقران ونقاط متابعة مع الموجّه.
- مشاريع مصغّرة تركز على ملف الأعمال ومشروع ختامي متكامل.
- محاضرة من ضيف من القطاع أو مراجعة للمشروع حيثما أمكن.
معايير الإتمام الموصى بها: حد أدنى من الحضور، وتسليم الأعمال المطلوبة، والحصول على درجة إجمالية ناجحة، والعرض الناجح للمشروع الختامي. ويجب اعتماد الحدود الدقيقة وصياغة الشهادة قبل النشر.
ستُحدَّد صيغة الشهادة وتفاصيل إصدارها بعد الموافقة النهائية من المؤسسة العامة للتدريب التقني والمهني (TVTC). ولا يُدّعى أي اعتماد قبل تلك الموافقة.
مواعيد البدء والرسوم، عند الطلب.
الرسوم
اطلب تفاصيل الرسوم
نرسل الرسوم، وأي خيارات متاحة للدفع، مع ردّنا على استفسارك.
أسئلة شائعة.
صُمم بوصفه برنامجًا تطبيقيًا متقدمًا. يوصى بمعرفة أساسية ببايثون وإلمام بالمفاهيم الكمية؛ وقد يُقدَّم تقييم تشخيصي عند الالتحاق أو دعم تمهيدي.
نعم. يتضمن الهيكل الموصى به مختبرات موجهة ومشروعين مصغّرين ومشروعًا ختاميًا متكاملًا.
نعم. يُعد تعلّم الآلة محورًا أساسيًا، وتُستخدم مساعدات الذكاء الاصطناعي التوليدي المعتمدة في تمارين إنتاجية تحت الإشراف مثل صياغة الشيفرات ونقدها وتوثيقها. ويظل التحقق البشري إلزاميًا.
تشمل الحزمة المقترحة بايثون وJupyter وNumPy وpandas وSQL ومكتبات التصوير البصري وscikit-learn والتحكم في الإصدارات وStreamlit. وتُؤكَّد الحزمة النهائية لكل دفعة.
نعم. يمكن لتكنوبرغ مناقشة دفعات مكيّفة مع السياق، والإرشاد في المشاريع، وتطوير أعضاء هيئة التدريس، وحالات خاصة بالقطاع، ضمن نطاق منفصل معتمد.
يجب أن يتوافق نوع الشهادة وشروط استحقاقها وصياغتها والاعتراف بها مع العرض المعتمد من الإدارة للدفعة المحددة.
لا. يطوّر البرنامج مهارات قابلة للإثبات وأدلة على المشاريع؛ وتعتمد نتائج التوظيف على عوامل كثيرة ولا يمكن ضمانها.
فقط بموجب تفويض كتابي، مع إخفاء مناسب للهوية، وضوابط أمنية متفق عليها، وترتيب محدد للسرية.
من التعلّم إلى مسيرة مهنية في التقنية.
قد يفتح الأداء المتميز في المختبرات والمشاريع والمشاريع الختامية الباب أمام فرص أخرى مع تكنوبرغ. وهي فرص قائمة على الجدارة، وتخضع للتوافر والأهلية النظامية والاختيار الرسمي، ولا تكون مضمونة أبدًا. اطّلع على مسار المواهب