مقدمة عن البرنامج:
دورة تدريبية تمهيدية تهدف إلى تزويد المشاركين بالمعرفة للمفاهيم والتقنيات الرئيسية في مجالات علم البيانات و التعلم الآلي. تتناول الدورة موضوعات أساسية مثل تنظيف البيانات، تحليل البيانات الاستكشافي، والتصور البياني، مما يمكّن الحضور من التعامل مع البيانات الضخمة وتحليلها. سيتم تقديم أساسيات خوارزميات التعلم الآلي بما في ذلك التعلم الخاضع للإشراف وغير الخاضع للإشراف، بالإضافة إلى تجربة عملية باستخدام الأدوات والمكتبات الشائعة مثل Pandas، و .Scikit-learn تهدف هذه الدورة التمهيدية إلى تزويد المتدربين بالمفاهيم الأساسية للتعامل مع البيانات وكيفية معالجتها وتحليلها استنادا على خوارزميات تعلم الالة، بالإضافة الى ربط المعرفة النظرية بالتطبيق العملي، مما يساعد المتدربين على تحليل البيانات الحقيقية وبناء نماذج تعلم آلي لحل المشكلات في مجالات متعددة.
في نهاية الدورة، سيكون لدى الحضور المهارات والثقة للانتقال إلى دراسات أكثر تقدمًا في علم البيانات والتعلم الآلي.
الفئة المستهدفة :
- دوائر تطوير الأعمال والاجراءات والادارة المالية والتسويق
- موظفو تكنولوجيا المعلومات
- موظفوا التخطيط والتحليل الاداري والمالي
- المهتمون بتطوير الاعمال والتعرف على العصر الرقمي
أهداف البرنامج:
يهدف هذا البرنامج التدريبي إلى تحقيق الأهداف التالية:
- تزويد المشاركين بالمعرفة الأساسية في مجالات علم البيانات و التعلم الآلي.
- تطوير مهارات المشاركين العملية في استخدام الأدوات البرمجية الشائعة في لغة البايثون مثل Pandas و Scikit-learn لتحليل البيانات وبناء نماذج التعلم الآلي.
- تمكين المشاركين من معالجة وتنظيف البيانات بشكل فعال، واستخدام تقنيات التحليل الاستكشافي و التصور البياني لاستخلاص رؤى قيمة من البيانات.
- تعريف المشاركين بخوارزميات التعلم الآلي المختلفة مثل خوارزميات التعلم الخاضع للإشراف (Support Vector Machine, Random Forest) و التعلم غير الخاضع للإشراف (K-means Clustering Algorithms)، وتطبيقها لحل مشكلات حقيقية.
- تعزيز قدرة المشاركين على بناء نماذج تعلم آلي واختبارها وتقييم أدائها باستخدام البيانات الحقيقية.
- توفير فهم شامل للتوجهات المستقبلية في مجالات علم البيانات والتعلم الآلي، مع التركيز على التطبيقات العملية في مختلف المجالات.
- تحفيز التفكير النقدي والإبداعي لدى المشاركين لتطوير حلول مبتكرة باستخدام التعلم الآلي في مجالات متنوعة.
المحتويات
|
# |
المواضيع التي سيتم تغطيتها |
الأيام |
|
1 |
مقدمة في علم البيانات والتعلم الآلي + معالجة البيانات باستخدام لغة البايثون: التعريف بلغة البايثون، التعريف بعلم البيانات والتعلم الآلي، أهمية علم البيانات في العصر الحديث، نظرة عامة على أدوات التعلم الآلي باستخدام لغة البايثون، مثل Pandas و Scikit-learn، التعرف على البيانات وأنواعها ومهارات جمع البيانات، معالجة البيانات: تنظيف البيانات، التعامل مع القيم المفقودة، تحليل البيانات الاستكشافي باستخدام التصور البياني (Data Visualization) |
السبت الموافق 08/02/2025 |
|
2 |
التعلم الالي الخاضع للإشراف (Supervised Machine Learning: يتناول هذا الموضوع تعريف التعلم الخاضع للإشراف ومفاهيمه الأساسية، بالإضافة إلى استعراض خوارزميات التعلم الخاضع للإشراف مثل Decision Tree, Logistic Regression, Random Forest, Support Vector Machin، وكيفية تطبيقها على بيانات حقيقية. كما يتضمن تعلم كيفية تقسيم البيانات إلى بيانات تدريب وبيانات اختبار، وكذلك تقييم أداء النماذج باستخدام مقاييس مثل الدقة (Accuracy) ومصفوفة (Confusion Matrix)، يتم تطبيق هذه المفاهيم من خلال تمارين عملية لبناء نماذج تصنيف باستخدام مكتبة Scikit-learn. |
السبت الموافق 15/02/2025 |
|
3 |
التعلم غير الخاضع للإشراف + التطبيقات العملية + المشروع النهائي: يتناول هذا الجزء مقدمة عن التعلم غير الخاضع للإشراف مع التركيز على التجميع (Clustering) باستخدام خوارزمية K-Means. كما سيتم تقديم التعلم العميق مع شرح شامل للشبكات العصبية العميقة (DNN) و الشبكات العصبية التلافيفية (CNN)، بالإضافة إلى تطبيقات عملية باستخدام Keras أو TensorFlow. سيعمل المشاركون على مشروع عملي لحل مشكلة حقيقية باستخدام البيانات والتقنيات التي تم تعلمها، وفي نهاية الدورة، سيتم مناقشة المشاريع النهائية وتقديم الحلول، مع اختتام الدورة بمراجعة شاملة للمهارات المكتسبة. |
السبت الموافق 22/02/2025 |
أساليب التدريب :
أساليب التدريب لهذه الدورة ستشمل:
- العروض التقديمية والمحاضرات النظرية.
- التطبيق العملي.
- دراسة حالة.
- المشاريع التطبيقية.
- النقاشات الجماعية والتفاعل خلال التدريب.
عدد الساعات : 21 ساعة تدريبية – ثلاث أيام سبت
مكان الانعقاد : المعهد المصرفي الفلسطيني
وقت الانعقاد : 8+15+22/02/2025 أيام السبت
من الساعة 9:00 صباحا وحتى الساعة 16:00 مساءا
الرسوم : (350$) للأعضاء (400$) لغير الاعضاء
معلومات عن المدرب
Dr Ahmad Hasasneh:
received his B.Sc. in Computer Systems Engineering (CSE) from Palestine Polytechnic University (PPU) in 2005. In 2006, he completed his M.Sc. in Computer Graphics and Programming at the University of Hull, UK. Thereafter, Dr Hasasneh was a full-time lecturer in the Department of Computer Science at Hebron University for over three years.
In 2009, he was awarded a full scholarship to pursue doctoral studies at the University of Paris, where he obtained his Ph.D. in Computer Science with a specialization in Artificial Intelligence and Machine Learning, graduating with honors in 2012. He then returned to Hebron University as an assistant professor in the Department of Computer Science for two years. From 2014 to 2015, he served as the Head of the Department of Computer Science at Palestine Technical University-Kadoorie (PTUK). From 2015 to 2021, he held the position of Assistant Professor and Dean of the College of Engineering and Information Technology at Palestine Ahliya University (PAU).
From October 2021 to August 2024, Dr Hasasneh was an Assistant Professor in the Department of Natural, Engineering and Technology Sciences in the Faculty of Graduate Studies at the Arab American University (AAUP). During the academic year 2022/2023, he also served as the Head of the Department of Data Science in the Faculty of Data Science at AAUP. He is currently Associate Professor of AI and Machine Learning and Head of the Department of Natural, Engineering and Technology Sciences in the Faculty of Graduate Studies at AAUP.
Currently, Dr. Hasasneh has several collaborative research projects with international research centers, mainly focused on addressing medical problems based on new machine and deep learning models. In particular, within the Palestinian German Science Bridge (PGSB), a PhD project entitled “Feature Extraction in Resting State Brain Activity Based on New Deep Learning Methods” is being carried out with the Juelich Research Centre in Germany. In addition, within the framework of the Palestinian-Quebec Science Bridge (PQSB), another research project entitled “Deep Learning-Based Cry Diagnostic System for the Early Identification of Infant Pathologies” is being implemented with the Canadian side (EST, University of Quebec, Montreal), with several results. Another international collaborative research project entitled “Wearable Devices and Interpretable Artificial Intelligence in Detecting and Classifying COVID-19” , which has been implemented with the University of Sharjah, UAE, and the University of Coimbra in Portugal. Dr. Hasasneh has published numerous international journals and conference papers, and his research interests include machine learning, deep learning, robotics, feature extraction, recognition, robot localization, neurosciences, image processing, and segmentation.
