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.