المقدمة

تعد البيانات الضخمة (Big Data) وتقنيات الذكاء الاصطناعي (AI) من أبرز التحولات التكنولوجية في العصر الحديث. يزداد حجم البيانات المتاحة بشكل كبير في مختلف المجالات مثل التجارة الإلكترونية، الرعاية الصحية، العلوم، الاجتماع، وغيرها. ولتحويل هذه البيانات الضخمة إلى معرفة قيمة تعتمد المنظمات على تقنيات الذكاء الاصطناعي لاستخلاص الأنماط واتخاذ القرارات الاستراتيجية.

الاهداف:

تهدف هذه الدورة التدريبية المتقدمة إلى تزويد المشاركين بالمعرفة والمهارات اللازمة للتعامل مع البيانات الضخمة وتحليلها باستخدام تقنيات الذكاء الاصطناعي. سيتعلم المشاركون كيفية التعامل مع البيانات الكبيرة بفعالية والتعرف على الأنماط والتصورات الجديدة لاتخاذ قرارات مستنيرة ومبتكرة.

الجمهور المستهدف:

تتناسب هذه الدورة التدريبية مع مختلف الفئات المهنية والأفراد الذين يهتمون بالبيانات الضخمة والذكاء الاصطناعي، بما في ذلك ولكن لا يقتصر على:

• محللي البيانات والاستراتيجيين: الذين يرغبون في تعزيز مهاراتهم في التعامل مع البيانات الكبيرة وتطبيق الذكاء الاصطناعي في تحليل البيانات.

• مطوري البرمجيات والمهندسين: الذين يرغبون في تعلم كيفية بناء نماذج ذكاء اصطناعي لتحليل البيانات الضخمة.

• المديرين التنفيذيين ومسؤولي صنع القرار: الذين يرغبون في فهم كيفية استغلال البيانات الضخمة لتحسين الأداء واتخاذ القرارات الاستراتيجية.

• الطلاب والأكاديميين: الذين يهتمون بالبحث والتطوير في مجالات الذكاء الاصطناعي وتحليل البيانات الضخمة.

المحاور العامه:

اليوم الاول : مفاهيم أساسية للبيانات الضخمة والذكاء الاصطناعي

• مقدمة في البيانات الضخمة وتحدياتها وفوائدها.

• تعريف الذكاء الاصطناعي وأنواعه وتطبيقاته.

• أساسيات تخزين البيانات الضخمة وأدوات التحليل.

اليوم الثاني : تقنيات تخزين البيانات الضخمة والتحليل الاستكشافي

• أنظمة تخزين البيانات الضخمة: قواعد البيانات الموزعة ونماذج NoSQL.
• أدوات التحليل الاستكشافي للاستخلاص الأولي من البيانات.
• تحليل البيانات بدون إشراف (Unsupervised Learning) واكتشاف الأنماط.

اليوم الثالث : التعلم الآلي المتعمق (Deep Learning)

• مراجعة الشبكات العصبونية ونماذج التعلم العميق.

• التعامل مع البيانات الضخمة في الشبكات العصبونية.

• تطبيقات التعلم العميق في تحليل البيانات الضخمة.

اليوم الرابع : التحليل الإشرافي وتعامل النماذج المتقدمة

• تحليل البيانات بإشراف (Supervised Learning) وتدريب النماذج.

• تقييم النماذج واختيار المعايير المناسبة.

• تحسين الأداء وتعامل النماذج المتقدمة مع البيانات الضخمة.

اليوم الخامس : التعامل مع البيانات الضخمة باستخدام تقنيات متقدمة

• مقدمة في تقنيات تحليل البيانات الضخمة باستخدام Apache Hadoop و Spark.

• التحليل الاحصائي للبيانات الضخمة وتطبيقها.

• تطبيقات التعامل مع البيانات الضخمة وتحليلها في العالم الحقيقي.