في عصر البيانات الذي نعيشه اليوم، أصبحت المهارات المرتبطة بمجال علوم البيانات من أهم المهارات في سوق العمل العالمي والمحلي. تشير تقارير LinkedIn إلى أن وظائف علم البيانات من أكثر الوظائف نمواً منذ عام 2015، وعلى الصعيد الإقليمي، فإن التقارير الصادرة عن منصة Statista تظهر أن سوق تحليلات البيانات وعلومها في منطقة الشرق الأوسط وشمال إفريقيا يتوسع بمعدل نمو سنوي يتجاوز 12%، مما يعكس الطلب المتزايد على المحترفين القادرين على استخراج القيمة من البيانات، مما يجعل تعلّم هذا المجال ضرورة مهنية استراتيجية لكل من يسعى إلى دخول هذا العالم أو تعزيز موقعه فيه.

يُعدّ هذا المسار، المُعدّ خصيصًا للأفراد الطموحين، بمثابة تدريب لفهم مجال علم البيانات وامتلاك مهاراته، ويهدف إلى إعداد المتعلمين لشغل وظائف في مجال علم البيانات في السوق الأردني أو الإقليمي، أو توسيع نطاق العمل للعاملين في هذا المجال وتطوير مهارات المسار من خلال التعرف على بعض أسرار المجال وأهم الممارسات المهنية في موضوعاته.

وتنبع أهمية هذا المسار من تركيزه على المهارات الأساسية التي يحتاجها عالم البيانات، ومن تركيزه على بناء عقلية عالم البيانات كمهارات التفكير التحليلي، وحل المشكلات، حيث تعد هذه المهارات وغيرها مما ستكتسبه في التدريب النواة الأساسية القابلة للتطبيق على اختلاف الأدوات واللغات البرمجية المتبعة.

يغطي المسار مهارات متعددة تتعلق ببرمجة بايثون، وتحليل البيانات باستخدام مكتبات بايثون، والتعرف على مجال علم الآلة وإيجاد حلول تعلم آلي، وتطبيق الأساليب الإحصائية في التحليل وتدريب النماذج، والتعامل مع قواعد البيانات العلائقية باستخدام SQL لإنشاء الجداول والعلاقات، واستعلام وتحميل البيانات لأغراض التحليل أو تعلم الآلة.

في نهايـة هذا المسار التدريبي ستكون قادرًا على:

• كتابة أكواد بلغة بايثون لحل المشكلات المتعلقة بالبيانات وأتمتة مهام التحليل.
• تحليل البيانات وتصورها بفعالية لاستخلاص الأفكار وتوصيل النتائج.
• استخدام مكتبات بايثون الأساسية في التحليل العددي، وتصور البيانات، والإحصاء، وتعلم الآلة (مثل: NumPy، Pandas، Matplotlib، Seaborn، Scikit-learn).
• تطبيق الأساليب الإحصائية الأساسية مثل اختبار الفرضيات، وفترات الثقة، وتحليل الانحدار.
• فهم والعمل مع قواعد البيانات العلائقية باستخدام SQL، بما يشمل: إنشاء قواعد البيانات، بناء الجداول والعلاقات، تحميل البيانات وتحديثها، واسترجاع البيانات لغرض التحليل أو تعلم الآلة.
• استخدام بايثون للاتصال بقواعد البيانات العلائقية والتفاعل معها.
• بناء وتدريب وتحليل وتحسين نماذج تعلم الآلة الكلاسيكية الخاضعة للإشراف، ووصفها بثقة خلال المقابلات.
• بناء وتدريب وتحليل وتحسين نماذج تعلم الآلة التجميعية الخاضعة للإشراف (مثل Random Forest و Gradient Boosting)، وشرح استخدامها في المقابلات.
• تطبيق تقنيات تقليل الأبعاد، وشرح استخدامها في المقابلات، وتصور البيانات عالية الأبعاد بفعالية.
• تدريب وتقييم ووصف نماذج تعلم الآلة الكلاسيكية غير الخاضعة للإشراف، وتحسين أدائها.
• إظهار فهم تأسيسي للتعلم العميق والشبكات العصبية الاصطناعية، بما يشمل مفهوم الخلية العصبية (Perceptron)، ودوال التفعيل، والانحدار التدرجي، والخوارزمية العكسية (Backpropagation)، وبناء نماذج Feedforward بسيطة لمهام الانحدار والتصنيف.

• المهتمون في علوم البيانات وتعلم الآلـة
• الموظفون في قطاعات مختلفة (مثل التعليم، الصحة، البنوك، أو الخدمات) الذين يرغبون في تطوير مهاراتهم أو التحول إلى وظائف تعتمد على البيانات.
• الأفراد الباحثين عن تغيير مهني والمهتمين بدخول عالم علم البيانات وتعلم الآلة.
• رواد الأعمال أو أصحاب المشاريع الصغيرة الذين يرغبون بفهم البيانات وتحديد أنماطها لاتخاذ قرارات مبنية على التحليل.تعلم الآلة.
• الطلاب الجامعيين الذين يفكرون في الانخراط في مجال علوم البيانات والذكاء الاصطناعي

يُفترض أنـك علــى درايــة عاليـــة وتمكــن فـــي المـجالات الأتية في الرياضيات:

حساب المسافة بين نقطتين، فهـــــــــــم المشتقات والتكاملات، الإحصاء الأساســـي (المتوسط / الوسيط /حساب المسافة بين نقطتين، فهـــــــــــم المشتقات والتكاملات، الإحصاء الأساســـي (المتوسط / الوسيط / الانحراف المعياري)، والاحتمالات الأساسية.