مقدمة

يبدأ تحليل البيانات الفعّال بجمع و/ أو اختيار البيانات المفيدة. يتطلب هذا الأمر فهمًا جيدًا لكافة أنواع البيانات ومصادرها المتعددة. علاوة على ذلك، فإن الهيكلة الصحيحة لهذه البيانات تساهم في عرضها ضمن مخططات وجداول بيانية مختلفة وتمكّن من تقديم جميع النتائج وفقاً لمقاييس إحصائية وصفية مناسبة وفعالة.

في بداية هذه الدورة، سوف يتم تناول النقاط الرئيسية المطلوبة لتصميم عملية جمع البيانات الذكية، واختيار العينات بأفضل طريقة، والتحقق من جودة المعلومات المخزنة للتحليل، والإحاطة بكافة الأساليب الممكنة لعرض البيانات ومؤشرات الأداء الرئيسية الإحصائية والوصفية المقابلة لها. فضلاً عن ذلك، سوف تستكشف هذه الدورة جميع التقنيات والأدوات لتحليل البيانات على نحوٍ شامل، قبل المباشرة بأي عمل أو حتى مزاولة أي مهنة تتطلب التعامل مع البيانات. وتجدر الإشارة إلى أن هذه الدورة تشكل أساساً تمهيدياً لأي دورة أو برنامج خاص بالتعلم الآلي.

إضافةً إلى ما سبق، فقد تم تصميم هذه الدورة التدريبية بهدف تمكين المشاركين من امتلاك فهم واضح وكامل حول هيكلة البيانات بغية تحليلها بكفاءة، وتشكيل مجموعات مختلفة منها بطريقة علمية من خلال تحليل البيانات بذكاء وفعالية، واستخدام العديد من الأدوات التكنولوجية المتاحة حالياً في السوق بشكلٍ مناسب.

أهداف الدورة:

سيتمكن المشاركون في نهاية الدورة من:

• فهم وتخطيط دورة الحياة الخاصة بمشروع تحليل البيانات بشكلٍ جيد
• ترجمة أي عمل إلى قاعدة بيانات شاملة
• تقييم جودة البيانات لأغراض التحليل وإعداد التقارير
• وصف وتفسير الأسس التي تقوم عليها البيانات باستخدام إحصاءات وصفية كاملة
• استكشاف كافة الجوانب المرتبطة بتحليل البيانات

منهجية التدريب:

سوف يتم دعم كل أداة إحصائية أو منهجية مستخدمة في الدورة من خلال دراسة حالة خاصة بها والحصول على مخرجات بصورة تدريجية، جنباً إلى جنب مع التحليل متعدد المراحل.

بالإضافة إلى المناقشات الجماعية، سيتم الشرح عن جميع أدوات التحليل بالتفصيل وتوضيحها باستخدام تطبيقات عرض الصور تتابعياً على الشاشة من خلال التقنيات المقارنة (EXCEL - STATISTICA و SAS - R و Python).

الفئات المستهدفة:

يُعَد تحليل البيانات التطبيقية الحجر الأساس لجميع العاملين في مجال التعلم الآلي والذكاء الاصطناعي (AI)، وهو من المتطلبات المعرفية التي تُطبق في جميع الصناعات والوظائف المتعلقة بالبيانات.

الكفاءات المستهدفة

• تصميم المشاريع
• عرض النتائج باستخدام الوسائل المرئية
• تحليل البيانات
• حل المشكلات باستخدام الأدوات التحليلية

محتوى البرنامج:

• العرض المرئي للبيانات والإحصاء الوصفي
• أنواع البيانات المختلفة
• مصادر البيانات
• البيانات
• المتغيرات
• العرض المرئي للبيانات
• الدوائر البيانية Pies، الدوائر البيانية المجوَّفة Doughnuts، المخططات الشريطية Bars
• مخططات توزيع التواتر Histograms، الخطوط، مخططات التبعثر Scatter plots
• الخرائط الحرارية Heat maps أو خرائط التمثيل اللوني " تُستخدم لتمثيل كثافة البيانات باستخدام ألوان مختلفة" ومخططات الصندوق boxes Tuckey
• الخرائط الجغرافية
• قياسات الاتجاه المركزي Central tendency
•  المتوسط  Average
•  الوسيطMedian
•  المنوال  Mode
•    قياسات الاتجاه المبعثر Scatter tendency
•    الربع الإحصائي  Quartile
•    التباين  Variance
•    الانحراف المعياري  Standard deviation
•   التقديرات
•   التقدير الدقيق   Punctual
•   نطاق الثقة Confidence interval
• المقارنة بين مجموعتين
• اختبار تماثل الوسط الحسابي لمجموعتين من البيانات  Two mean test
• التباينات المتساوية (اختبار t)
• التباينات غير المتساوية (اختبار t - تصحيح ويلش Welch Correction)
• اختبار تماثل التباين لمجموعتين من البيانات Two variance test (اختبار F)
• اختبار النسب لمجموعتين من البيانات Two proportion test (اختبار مربع كاي Chi Square)
• اختبار توزيع البيانات ضمن مجموعتين Two distribution test (اختبار مربع كاي Chi Square)
•  مصفوفة التقارب / التنافر ( Attraction – Repulsion Matrix)
• تشكيل مجموعات البيانات رأسياً وأفقياً
• المقارنة بين عدة مجموعات
• اختبار تماثل الوسط الحسابي لعدد من المجموعات  Multiple mean test
• التباينات المتساوية (اختبار f وتحليل التباين الإحصائي ANOVA (
• التباينات غير المتساوية (اختبار f - تصحيح ويلش Welch Correction)
• اختبار تماثل التباين لعدد من المجموعات Multiple Variance test
• اختبار  ليفين Levene
• اختبار مربع كاي Chi Square
• اختبار النسب لعدد من المجموعات Multiple proportion test (اختبار مربع كاي Chi Square)
• اختبار توزيع البيانات لعدد من المجموعات Multiple distribution test (اختبار مربع كاي Chi Square)
•  مصفوفة التقارب / التنافر ( Attraction – Repulsion Matrix)
• تشكيل مجموعات البيانات رأسياً وأفقياً
• طرق المقارنات بين أزواج الوسيط الحسابي comparisons methods Mean pair:
• المقارنة العامة
• اختبار بونفيروني Bonferroni
• اختبار توكي – كرامر Tukey – Kramer
• الانحدار البسيط
• الانحدار الخطي البسيط
• معادلة الخط Line equation
• اختبار صلاحية خط الانحدار (اختبار T nullity)
• تفسير معامل الارتباط البسيط (R) "يقيس قوة العلاقة بين متغيرَيْن أو أكثر" بالمقارنة مع معامل التحديدR Squared) ) " يشير إلى نسبة التباين في المتغير التابع  dependent variable الذي يمكن التنبؤ به من خلال المتغير (أو المتغيرات) المستقلة independent variables"
• تحليل التباين ANOVA
• الانحدار اللوجستي البسيط
• النموذج الاحتمالي
• اختبار صلاحية النموذج (اختبار مربع كاي Chi Square)
• تنبؤ التصنيفات
• تفسير نسبة الأرجحية Odds ratio
• أفضل الممارسات المتعلقة بمشروع تحليل البيانات
• أفضل الممارسات المتعلقة بمشروع تحليل البيانات
• طرح الأسئلة
• التصميم
• المعاينة المسبقة
• التحليل
• الإبلاغ
• طرق أخذ العينات
• عشوائياً، منهجياً
• بيانات متعددة المستويات Multilevel، بيانات مقسمة على شرائح وطبقات Stratified، اختيار مجموعات من البيانات (عنقودياً) Cluster
• اختيار البيانات التي يسهُل الوصول إليها Convenient، الاختيار غير العشوائي لعدد أو نسبة محددة مسبقًا من العينات Quota، اختيار العينات تقديرياً Judgmental
• لمحة عامة عن الإدارة الإحترافية للمشاريع البحثية  PMP
• التكامل، النطاق، الوقت، التكلفة، الجودة، الإبلاغ
• المخاطر، المشتريات، أصحاب المصلحة