علم البيانات والرياضيات - Data Science & Mathématiques

اليوم 1: مدخل إلى علم البيانات و NumPy

• ما هو علم البيانات؟ ولماذا يُعتبر الأساس العملي للذكاء الاصطناعي
• تثبيت بيئة العمل: Google Colab أو Jupyter Notebook
• مكتبة NumPy: إنشاء المصفوفات (Arrays) والتعامل معها
• العمليات الحسابية على المصفوفات بدل الحلقات اليدوية

اليوم 2: تحليل البيانات مع Pandas

• قراءة ملفات CSV/Excel وتحويلها إلى DataFrame
• استكشاف البيانات: الفرز، التصفية، والتجميع (Filtering, Sorting, Grouping)
• التعامل مع القيم المفقودة (Missing Values) — مشكلة شائعة في البيانات الحقيقية
• تمرين تطبيقي: تنظيف واستكشاف مجموعة بيانات حقيقية

اليوم 3: أساسيات الجبر الخطي للذكاء الاصطناعي

• المتجهات (Vectors) والمصفوفات (Matrices): المفاهيم الأساسية
• عمليات المصفوفات (الجمع، الضرب، Transpose) وتطبيقها في NumPy
• لماذا الجبر الخطي أساسي لفهم كيفية عمل نماذج الذكاء الاصطناعي
• تمرين تطبيقي: تمثيل بيانات حقيقية كمصفوفات ومعالجتها

اليوم 4: الاحتمالات والإحصاء الوصفي

• المفاهيم الأساسية في الاحتمالات: التوزيعات الشائعة
• الإحصاء الوصفي: المتوسط، الوسيط، الانحراف المعياري
• الارتباط بين المتغيرات (Correlation) وأهميته في تحليل البيانات
• تصور البيانات بيانياً باستخدام Matplotlib لفهم التوزيعات والأنماط

اليوم 5: مشروع تطبيقي وختام

• بناء مشروع تحليل بيانات كامل يجمع كل ما تمّ تعلّمه (استكشاف، تنظيف، تصور، استنتاج)
• جلسة أسئلة وأجوبة مفتوحة
• مصادر ونصائح لمتابعة التعلّم نحو تعلّم الآلة (Machine Learning)

• حاسوب محمول بنظام تشغيل حديث (ويندوز، ماك، أو لينكس)
• حساب Google للوصول إلى Google Colab (لا حاجة لتثبيت أي برنامج)
• معرفة أساسية ببايثون (المتغيرات، الحلقات، الدوال) — يُفضَّل إتمام تدريب "تعلم لغة البايثون" أولاً
• اتصال إنترنت مستقر، مع ميكروفون وكاميرا للمشاركة الفعّالة عبر Google Meet
• دفتر ملاحظات (اختياري)