هل تحتوي الدورة على كورس تنقيب البيانات وما الفرق بين تنقيب البيانات وتحليل البيانات؟

ما تقصده هو Data mining وذلك ليس متاح في الدورة بشكل مباشر لكن ما ستتعلمه سيوفر لك أغلب ما تحتاجه للعلم ذلك، أيضًا سيتم شرح web scraping أي كشط الويب أو الزحف على مواقع الويب واستخراج البيانات.

والتنقيب يعني اكتشاف أنماط مخفية أو علاقات غير واضحة في مجموعات بيانات كبيرة Big Data باستخدام خوارزميات متقدمة، ويُركّز على التنبؤ بالمستقبل، ويتم من خلال خوارزميات تعلم الآلة والذكاء الاصطناعي وأدوات متخصصة مثل Weka, RapidMiner، أو مكتبات مثل Scikit-Learn في Python.

أما Data Analysis تحليل البيانات الغرض منه فهم البيانات الحالية واستخلاص رؤى لاتخاذ قرارات مدعومة بالبيانات. يركز على الإجابة على أسئلة محددة أو اختبار فرضيات مُسبقة، كتحليل مبيعات شركة لمعرفة أي المنتجات الأكثر رواجًا أي يُجيب على أسئلة محددة (ماضية/حالية)، وذلك من خلال أدوات تصور البيانات عبر الرسوم البيانية مثل Excel, Tableau, Power BI ومكتبات بايثون مثل Pandas, Matplotlib.

والدورة تغطي المواضيع الأساسية:

• أساسيات بايثون وهي أساسية للعمل في مجال الذكاء الاصطناعي.
• جوانب مهمة في التعامل مع البيانات، مثل قواعد البيانات، SQL، APIs، واستخراج البيانات من الويب.
• أدوات تحليل البيانات مثل Pandas، Matplotlib، و Seaborn، بالإضافة إلى تحليل بيانات مختلفة مثل بيانات الطلاب، بيانات المتاجر الإلكترونية، و بيانات الحملات التسويقية.
• أساسيات تعلم الآلة، بما في ذلك الانحدار، التصنيف، التجميع، والترابط.
• أساسيات الشبكات العصبية، الشبكات العصبية التلافيفية، والشبكات العصبية التكرارية.

والمواضيع المتقدمة:

• نماذج اللغة الكبيرة (LLMs) من خلال استخدام نماذج LLMs مثل GPT-3.5 Turbo، BERT، و Llama 2، بالإضافة إلى تخصيصها وصقلها.
• هندسة الموجهات (Prompt Engineering) وهي تقنية المهمة في التعامل مع نماذج LLMs.
• نماذج الرؤية الحاسوبية باستخدام مكتبة OpenCV، التعرف على نماذج الرؤية الحاسوبية، و استخدام نموذج YOLO.
• التعرف على الصور باستخدام الشبكات العصبية.
• شرح آلية نقل التعلم Transfer Learning وتطبيقاته في تصنيف الصور، التعرف على المشاعر، و تمثيل النصوص.
• من خلال تغطية ما سبق في الدورة ستتمكن من تعلم أساسيات مجال الذكاء الاصطناعي بشكل عميق.

بعدها تستطيع تعلم تنقيب البيانات المتخصص والتوسع في تعلم خوارزميات أكثر تقدمًا مثل Apriori (لقواعد الارتباط)، وتقنيات تنظيف البيانات المعقدة، وأدوات مثل Weka أو RapidMiner المخصصة للتنقيب.

إذا كنت تقصد دورة الذكاء الإصطناعي فإنه يتم شرح طرق استخراج البيانات (Web scraping) و توجد مشاريع عملية على ذلك. ولكن إذا كنت تقصد ال Data mining فهذا ليس متاحا في الدورة. ويتم في الدورة شرح كيفية التعامل مع البيانات وتحليلها.

ويمكنك قراءة ما ستقوم بتعلمه في الدورة من خلال الروابط التالية :

https://academy.hsoub.com/learn/artificial-intelligence/

أما الفرق بين تنقيب البيانات و تحليل البيانات فإليك التالي :

• تنقيب البيانات (Data Mining): هو عملية اكتشاف الأنماط أو العلاقات المخفية بداخل مجموعة كبيرة من البيانات. والهدف الرئيسي هو استخراج المعلومات من تلك البيانات باستخدام تقنيات الخوارزميات والذكاء الاصطناعي. وعملية التنقيب تركز بشكل كبير على اكتشاف الأنماط التي لم يتم إكتشافها من قبل مما تساعد في التنبؤ بالمستقبل أو اكتشاف معلومات غير معروفة لنا.

• تحليل البيانات (Data Analysis): هو العملية التي يتم فيها فحص البيانات و تنظيفها مما يهدف إلى الوصول إلى الاستنتاجات واتخاذ القرارات بناء على البيانات التي لدينا مما يعطينا القدرة على الإجابة على الأسئلة بخصوص تلك البيانات و إتخاذ القرارات المناسبة.