• الدورات

  • المدونة

  • حول

  • اتصل

بايثون لتحليل البيانات

course image
متوسط
10 JOD
تشمل هذه الدورة:
3 ساعة 17 دقيقة
4 مقالات
وصول كامل مدى الحياة
شهادة إكمال الدورة

12 وحدة

3 ساعة 17 دقيقة

محتوى الدورة

أساسيات لغة برمجة بايثون (python) 


المهارات الإحصائية الأساسية 


جهاز الحاسوب، واتصال جيد بالإنترنت، و Google Colab


 وبالتأكيد، الرغبة بالتعلم المستمر! 


الوصف

هل تساءلت يومًا كيف يمكن للبيانات أن تغير الطريقة التي نتخذ بها القرارات؟ 


تحليل البيانات هو السر وراء تحويل الأرقام إلى قراءات وقرارات استراتيجية تسهم في تحسين الأداء، وتعزيز الابتكار، وتوجيه المستقبل. سواء كنت في مجال الأعمال أو الصحة أو أي قطاع آخر، اختصاص تحليل البيانات يوفر لك الأدوات لفهم البيانات واتخاذ قرارات أكثر ذكاءً ودقة. 


تم تصميم مساق بايثون لتحليل البيانات ليمكنك من التعرف على المكتبات المتخصصة في بايثون وكيفية استخدامها لتحليل ومعالجة وإنشاء تصويرات للبيانات، حيث يشمل هذا المساق على أساليب معالجة البيانات وفهرستها، وكيفية التعامل مع البيانات المفقودة، وتحويل أنواع البيانات، وصولًا إلى إنشاء تصويرات متعددة لها. ستكتسب من خلال هذا المساق القدرة على التعامل مع مختلف أنواع المشاكل الخاصة بالبيانات وتنظيمها وفهرستها وانشاء مخططات وتصويرات لها.


فهل أنت مستعد لخوض هذه التجربة المميزة مع شاي؟ 

ماذا سوف تتعلم

1- التعرف على مفهوم تحليل البيانات، والدوافع الحالية وراء الاهتمام بتحليل البيانات، والغاية من استخدام بايثون لتحليل البيانات.


2- استخدام مكتبة (NumPy) بكفاءة لمعالجة البيانات الرقمية، من خلال التعرف على المكتبة وطريقة تثبيتها واستيرادها، وإنشاء المصفوفات وإدارتها باستخدام أدوات مدمجة، واستكشاف وإعادة تشكيل البيانات باستخدام تطبيق الفهرسة والاختيار، وفهم طرق النسخ لضمان تنظيم وتحليل البيانات بشكل فعال.


3- التعرف على مكتبة (Pandas) وتثبيتها واستدعائها، والتعرف على أطر البيانات والسلاسل والفرق بينهم.


4- تطبيق أساليب احترافية للوصول إلى البيانات واسترجاعها من أطر البيانات (DataFrames) باستخدام مكتبة (Pandas)، بما يشمل استخدام الأسماء للوصول إلى الأعمدة، التمييز بين أدوات الفهرسة واختيار الأداة المناسبة، وتطبيق تقنيات تجزئة البيانات لاستخراج المجموعات الفرعية، وإجراء التصفية الشرطية باستخدام الفهرسة المنطقية لتحديد الصفوف والأعمدة بناءً على شروط محددة.


5- تجميع البيانات في إطار البيانات في (Pandas)، وحذف الصفوف والأعمدة من إطار البيانات، وإضافتها إلى إطار البيانات.


6- التعامل مع القيم الفارغة في (Pandas) بكفاءة، من خلال الكشف عنها باستخدام أساليب متنوعة، ومعالجتها باستخدام تقنيات ملء القيم أو حذفها بما يتناسب مع متطلبات تحليل البيانات.


7- معالجة أنواع البيانات في إطارات بيانات في (Pandas) بكفاءة، من خلال تغيير أنواع البيانات، وتحويل البيانات إلى صيغ الوقت/التاريخ، وإدارة البيانات الفئوية لتحقيق تنظيم وتحليل أفضل للبيانات.


8- إعادة فهرسة وتنظيم البيانات في (Pandas) بكفاءة لتلبية متطلبات تحليل البيانات.


9- ضم البيانات باستخدام طرق مختلفة مثل: merge ،join ،concat


10- فرز البيانات واستخراجها باستخدام تقنيات متعددة، مثل الفهرسة المنطقية (Booleans) وطرق البحث المختلفة، وترتيب البيانات في قواعد البيانات الكبيرة وفقًا لمعايير محددة، بالإضافة إلى التعرف على (multi-indexing) واستخدامه للوصول إلى بيانات محددة.


11- إنشاء مخططات بيانية وتحليلية متعددة من خلال مكتبة (Matplotlib)


12- التعرف على مكتبة Seaborn وأهميتها في التصوير البياني، وتوظيف مختلف الرسوم البيانية مثل lineplot، histplot، scatterplot، barplot، pieplot، countplot، و heatmap في تحليل البيانات وتصويرها وفقًا للحالات التحليلية المناسبة.



محتوى الدورة

12 وحدة

3 ساعة 17 دقيقة

<p class="ql-direction-rtl">لماذا نستخدم بايثون لتحليل البيانات ؟</p>
0/1 إكتمل
<p><span style="font-family: var(--font-inter); color: rgb(var(--gray-600)/var(--tw-text-opacity));">التعامل مع البيانات المفقودة</span></p><p><span class="ql-cursor"></span>Handling Missing Data </p><p><br></p>
0/4 إكتمل

لا تعرف أين أو كيف تبدأ؟

أبدا جلستك المجانية اليوم!