مجانا
What you'll learn
فهم أساسيات Python: هنتعلم الأساسيات في Python مثل المتغيرات، الحلقات، الدوال، والتعامل مع النصوص.
استخراج البيانات من الويب: هنتعلم كيفية استخدام مكتبات Python مثل BeautifulSoup و Selenium لاستخراج البيانات من صفحات الويب.
تحليل البيانات المستخرجة: تعلم كيفية معالجة وتحليل البيانات المستخرجة باستخدام المهارات الأساسية في Python.
التعامل مع HTML و XML: تعلم كيفية قراءة وتحليل بيانات HTML و XML لاستخراج المعلومات المطلوبة.
تطبيقات عملية: بناء مشاريع لاستخراج البيانات من مواقع متعددة مثل الأخبار والمتاجر الإلكترونية وتحليل هذه البيانات بشكل عملي.
مجانا
What you'll learn
تحسين مهارات SQL الأساسية: تعلم كيفية التعامل مع queries و subqueries المعقدة.
العمل مع JOINs المتقدمة: تعلم كيفية استخدام INNER JOIN، LEFT JOIN، RIGHT JOIN، و FULL OUTER JOIN بشكل متقدم.
إجراءات مخزنة (Stored Procedures): تعلم كيفية إنشاء stored procedures لتنفيذ عمليات معقدة.
Triggers: فهم كيفية استخدام triggers لتنفيذ الإجراءات تلقائيًا عند حدوث تغييرات في البيانات.
تحسين أداء الاستعلامات: تعلم كيفية تحسين الاستعلامات باستخدام INDEXES و EXPLAIN.
مجانا
What you'll learn
فهم واجهة Power BI وأساسيات التعامل معها.
استيراد وتنظيف البيانات باستخدام Power Query Editor.
إنشاء علاقات بين الجداول وبناء Data Models قوية.
تحليل البيانات باستخدام DAX (Data Analysis Expressions).
تصميم تقارير ولوحات تحكم Dashboards تفاعلية واحترافية.
نشر ومشاركة التقارير عبر Power BI Service.
تطبيق كل المفاهيم دي في مشاريع تحليل بيانات حقيقية.
مجانا
في المقدمة دي هتتعرف عمليًا على What is Data Analysis …
What you'll learn
What is Data Analysis واستخداماته
Data Types (Categorical/Numerical, Structured/Unstructured)
Steps for Data Analysis (Collect → Clean → EDA → Communicate)
Data Cleaning (Missing Values & Outliers basics)
EDA: Summaries & Visualizations
Descriptive Statistics (Mean, Median, Mode)
Measures of Dispersion (Variance, Standard Deviation, Range)
Histograms & Box Plots
Probability Density Functions (PDFs)
Detecting & Handling Outliers
Overview على الأدوات: Excel, SQL, Python (pandas, numpy), Power BI
Basics of Databases & Simple SQL Queries (SELECT, WHERE, GROUP BY)
مجانا
What you'll learn
فهم أساسيات Python: هنتعلم الأساسيات في Python مثل المتغيرات، الحلقات، الدوال، والتعامل مع النصوص.
استخراج البيانات من الويب: هنتعلم كيفية استخدام مكتبات Python مثل BeautifulSoup و Selenium لاستخراج البيانات من صفحات الويب.
تحليل البيانات المستخرجة: تعلم كيفية معالجة وتحليل البيانات المستخرجة باستخدام المهارات الأساسية في Python.
التعامل مع HTML و XML: تعلم كيفية قراءة وتحليل بيانات HTML و XML لاستخراج المعلومات المطلوبة.
تطبيقات عملية: بناء مشاريع لاستخراج البيانات من مواقع متعددة مثل الأخبار والمتاجر الإلكترونية وتحليل هذه البيانات بشكل عملي.
مجانا
What you'll learn
تعريف AI ودواعي أهميته اليوم
الفارق الموجز بين AI وML وDL
تصوّر عام لفروع CV وNLP واستخداماتهما
أمثلة تطبيقية حديثة في مجالات مختلفة
مجانا
What you'll learn
فهم أساسيات Python: هنتعلم الأساسيات في Python مثل المتغيرات، الحلقات، الدوال، والتعامل مع النصوص.
استخراج البيانات من الويب: هنتعلم كيفية استخدام مكتبات Python مثل BeautifulSoup و Selenium لاستخراج البيانات من صفحات الويب.
تحليل البيانات المستخرجة: تعلم كيفية معالجة وتحليل البيانات المستخرجة باستخدام المهارات الأساسية في Python.
التعامل مع HTML و XML: تعلم كيفية قراءة وتحليل بيانات HTML و XML لاستخراج المعلومات المطلوبة.
تطبيقات عملية: بناء مشاريع لاستخراج البيانات من مواقع متعددة مثل الأخبار والمتاجر الإلكترونية وتحليل هذه البيانات بشكل عملي.
مجانا
دورة Math for Machine Learning تهدف إلى تعليم الأساسيات ... …
What you'll learn
الـ Vectors (المتجهات): تعلم كيفية التعامل مع vectors كأدوات لتمثيل البيانات في الفضاءات متعددة الأبعاد.
المصفوفات (Matrices): فهم كيفية استخدام matrices لتنفيذ العمليات الحسابية المتعلقة بالبيانات، مثل multiplication و addition.
القيم الذاتية والمتجهات الذاتية (Eigenvalues and Eigenvectors): تعلم كيفية حساب eigenvalues و eigenvectors واستخدامها في تقنيات مثل PCA (Principal Component Analysis) لتقليل الأبعاد.
تحليل القيمة المنفردة (Singular Value Decomposition - SVD): تعلم كيفية استخدام SVD لتحليل المصفوفات وتطبيقاتها في dimensionality reduction و data compression.
نظرية بايز (Bayes Theorem): تعلم كيفية استخدام Bayes Theorem في التنبؤات والقرارات بناءً على البيانات المبدئية.
المتغيرات العشوائية (Random Variables): تعلم كيفية التعامل مع random variables التي تعبر عن النتائج المحتملة في التجارب العشوائية.
التوزيع الاحتمالي المنفصل (Discrete Probability Distribution): فهم التوزيعات الاحتمالية التي تحتوي على عدد محدود من القيم مثل Binomial Distribution و Poisson Distribution.
التوزيع الاحتمالي المستمر (Continuous Probability Distribution): تعلم التوزيعات الاحتمالية المستمرة مثل Normal Distribution و Exponential Distribution.
الإحصاء الوصفي (Descriptive Statistics): تعلم كيفية استخدام mean و median و variance و standard deviation لفهم وتلخيص البيانات.
