مخطط الدورة

تحليل وتصوّر البيانات

• فهم أنواع البيانات وتقنيات التصوّر
• تقييم تمثيلية البيانات
• تلخيص البيانات باستخدام الإحصاءات الوصفية
• تحليل مجموعات متعددة باستخدام الاختبارات الإحصائية
• إنشاء تصوّرات متقدمة باستخدام الرسوم البيانية الذكية
• الانحدار الخطي البسيط والانحدار اللوجستي
• تحديد ومعالجة القيم المتطرفة

التّعلم الآلي – خاضع للإشراف

• الانحدار الخطي المتعدد والانحدار اللوجستي
• تحليل التمييز: الدوال والنماذج الاحتمالية
• أشجار القرار: CART، CHAID، Random Forests
• آلات الدعم الشعاعي و K-Nearest Neighbors
• بايز الساذج  Naïve Bayes
• الشبكات العصبية، التعلم العميق وتطبيقات الذكاء الاصطناعي

التنبؤ بالذكاء الاصطناعي للأعمال – R vs. Python  

• أساسيات الذكاء الاصطناعي للأعمال
• جمع البيانات ومصادر قواعد البيانات
• عمليات ETL (الاستخراج، التحويل، التحميل)
• تخزين البيانات: المستودعات، الأسواق، والبحيرات
• أدوات التحليل: منصات الذكاء الاصطناعي للأعمال BI platforms، OLAP، لوحات المعلومات، إلخ
• طرق التنبؤ وتحليل الاتجاهات
• التنعيم الأسي (الإضافي والتعددي)
• تحليل السلاسل الزمنية ونماذج  ARIMA
• مقارنة بين R و Python في الاختبارات الإحصائية والخوارزميات الخاصة بالتعلم الآلي

التعلم الآلي: الغير خاضع للإشراف

• تحليل المكونات الرئيسية (PCA)
• تقنيات التجميع: التحليل الهرمي و K-Means
• التحليل البسيط للتطابق
• التحجيم متعدد الأبعاد
• تحليل الربع

إدارة المشاريع لعلماء البيانات (PMP)

• مقدمة PMP لمشاريع علم البيانات
• إدارة التكامل والنطاق والتكلفة
• إدارة الوقت والجودة والتواصل
• إدارة المخاطر و المشتريات و تفاعل أصحاب المصلحة

نظام الإنترنت للأشياء IoT وبيئة البيانات الضخمة

• أساسيات إنترنت الأشياء – M2M والأنظمة المدمجة
• بروتوكولات إنترنت الأشياء الأساسية
• البيانات الضخمة: “أين” و”متى”
• ملفات البيانات الضخمة الموزعة باستخدام HDFS
• MapReduce مقابل مشاركة البيانات باستخدام Spark
• نظرة عامة على بيئة البيانات الضخمة: Spark، Mongo DB، Cassandra، Flume، Cloudera، Oozie، Mahout