DataScience-Resources

🔎 📚📊 مصادر لكل ما يتعلق بعلم البيانات

لأي شخص حاب يدخل مجال علم البيانات ومحتار كيف يبدأ فيه هنا راح افيدكم بالمصادر اللي ساعدتني في تعلمه ,طبعا حبيت استفيد من تجربتي بمعسكر سدايا بحيث أني امشي على نفس roadmap من حيث من وين راح تبدون واضيف من عندي بعض الأشياء اللي فضلتها فبدل ما احطها بالمفضلة وانساها اجمعها هنا بحيث تكون مرجع لي ولكم

{تنوية : المصادر غير متعلقة بالمعسكر }

{نصيحة : إذا بتأخذون كورس ابحثوا عن الكورسيز اللي لها مسار عشان ما تتشتتون وتصير المواضيع اللي هنا لتنمية مهاراتكم } 🧠 Data Scientist with Python مثل هالمسار

🕵️‍♀️ سيتم تحديث الملف بشكل دوري

Table of Contents المحتويات :

⁉️ What is Data Science:

ماهو علم البيانات ؟ هو مجال متعدد التخصصات حيثُ انه يجمع مابين الرياضيات والإحصاء وعلوم الحاسب و نظم المعلومات ليسمح لك بتحليل البيانات وإستخراج المعرفة من البيانات المهيكلة والغير المهيكلة لإنتاج أنظمة ذكية لأداء المهام التي تتطلب عادةً ذكاءًا بشريًا.

🐍 1- Python Basics أساسيات البايثون

اولاً يحتاج منك تتعلم لغة برمجية زي البايثون أولغة R فراح اشارككم بمصادر للبايثون لأني طبقت عليه ، فإذا كنتم مبتدئين و ماعندكم خلفية عن البايثون يحتاج تتعلم اولاً الأساسيات بعدين تتعرف على المكتبات اللي راح تستخدمها بالتحليل. 

هالجدول مقسم لثلاث اقسام القسم الأول راح تلاقون فيه المواقع اللي تشرح لكم الأساسيات وايضًا توفر لكم تمارين تتدربون عليها ، أما القسم الثاني فيه توصيات لأفضل الكتب والقسم الأخير عباره عن فيديوهات شرح للبايثون.

✅ بعد ماعرفنا الأساسيات الآن نبدأ نستخدم البايثون في علم البيانات ونتعرف على المكتبات المستخدمة .

1.1 Python For Data Science

مواقع تتكلم عن المكتبات المستخدمة في علم البيانات

كورس مقدمة عن البايثون في علم البيانات

1.2 Python Libraries

✅ الإحصاء لعلم البيانات.

♟️ 2- Mathematical Statistics for Data Science

الإحصاء هو دراسة جمع البيانات وتحليلها وتفسيرها وعرضها وتنظيمها للمساعدة في إتخاذ القرار، لذا عليك ان تكون على دراية جيدة بالمفاهيم الإحصائية كالتوزيعات الاحتمالية (probability distributions) والأهمية الإحصائية (statistical significance) واختبار الفرضيات (hypothesis testing) والانحدار (regression) الارتباط (Correlation)

يمكن تصنيف تعلم الإحصاء إلى فئيتين :

2.1 Statistics For Data Science

✅ الاستعلام عن البيانات بإستخدام لغة الاستعلام الهيكلية (SQL)

🔍 3- SQL

الآن يحتاج ان نعرف أهم المفاهيم في قواعد البيانات لذلك حصلت هالموقع للأمانة اتعب وانا أقول انه بطل طبعًا ليه بطل لانه يوفر كل شي نحتاجة مثل الكورسات ويعطي تقييم ومدة كل كورس وموفر بعد كتب وفايدة كل كتاب وكمان فيه قنوات يوتيوب متعلقة بشرح SQL ومواقع للتتوريالز.

✅ بما اننا نحتاج نشتغل على بيانات نحتاج نعرف من وين نجيبها فهنا بعض المصادر اللي تقدرون من خلالها تحصلون على البيانات

🗂️ 4- DATA RESOURCES مصادر البيانات

✅ واخيرًا جينا للجزء المهم واللي هو كيف نبدأ نستكشف البيانات ونحللها و نستخدم التبؤ ونتعرف على دورة حياة علم البيانات

♻️ 5- Data Science Life Cycle :

فالبداية قبل ما نشتغل على أي مشروع نحتاج نعرف ماهي الخطوات التي يجب اتباعها عند البدء بالمشروع وجعل نتيجة المشروع النهائية مرضية .

اولاً فهم المشكلة :

هذه المرحلة مهمة جدًا في انك تفهم المشكلة وتطرح عدة أسئلة ،ففهم المشكلات يعتبر أحد المراحل الأولية لدورة حياة علوم البيانات فبدون فهم المشكلة تكون جميع الرؤى عديمة الفائدة .

ثانيًا فهم البيانات :

هي الخطوة التي نقوم فيها بجمع البيانات من مصادر مختلفة فمن الضروري معرفة كيفية الحصول على البيانات وكيف يتم تجميعها – لدينا عدة طرق للحصول على البيانات ابرزها الحصول عليها من المواقع ، من الشركة او عن طريق الاستطلاعات او سحب البيانات بإستخدام السكرابت لسحب البيانات من موقع معين، بعد ما تتم عملية جمع البيانات والحصول عليها ننتقل لعملية تحليل البيانات الاستكشافية لإستكشاف العلاقة بين المتغيرات وأنواع البيانات ومعرفة البيانات المفقودة والشاذه والغير صحيحة والعديد من المعلومات من خلال التصور .

ثالثًا إعداد البيانات :

هذه الخطوة تعتبر اكثر الخطوات استغراقًا للوقت لذلك يجب الدقة فيها ، فمن خلال هذه الخطوة سوف نمر بمرحلتين

اختيار الفيتشرز مع أنواع لغة الآلة

رابعًا اختيار الخوارزمية:

يجب اختيار خوازمية مناسبة وملاءمة للنموذج

خامسًا التقييم :

عملية تقييم النموذج هي التي نستطيع من خلالها التأكد من دقة وكفاءة النموذج و إيجاد أفضل نموذج لتمثيل البيانات .

اخيرًا نشر النموذج :

عملية نحتاج فيها إلى التأكد من أننا اخترنا الحل المناسب بعد إجراء التقييم ليتم نشره .

✅ نعم قد تكون الرؤية غير واضحة بالنسبة للمبتدئين ولكن بعد ماتتعرفون على تحليل البيانات وتتعلمون التنبأ راح تكونون في حاجة للتطبيق على مشاريع فعشان كذا راح تكون هالخطوات مرجع لكم قبل ماتسوون أي بروجكت.

📈 🧹 5.1 Exploratory Data Analysis {EDA} AND Cleaning Data :

هنا تجدون مصادر لكيفية تنظيف البيانات واستكشافها

🦾5.2 Machine Learning :

.تعلم الآلة: هوأحد فروع الذكاء الاصطناعي المسوؤل عن جعل الآلة قادرة على التعلم من تلقاء نفسها بناءًا على خبراتها وتجاربها السابقة لتتنبأ وتتخذ القرار بصورة اسرع

1- Website

2- Online Courses on Platform and YouTube

3- Build a Machine-Learning-Model

🎙️ 5.3 Natural Language Processing (NLP) :

هو فرع من فروع الذكاء الاصطناعي حيثُ انه يمكّن أجهزة الكمبيوتر من فهم النص والكلمات المنطوقة بنفس الطريقة التي يتعامل بها البشر

هنا تجدون كل مايتعلق بمعالجة اللغة الطبيعية من شروحات وتمارين ومشاريع

1- Website:

2- Online Courses:

🤖 5.4 Deep Learning

التعلم العميق هو مجموعة فرعية من التعلم الآلي الذي يعتمد على الشبكات العصبية الاصطناعية.

1- Website:

2- Online Courses on Platform and YouTube

🗝️ Treasure (محتويات ثرية)

💞 Support Resources :

مواقع توفر لك الفرصة في التواصل مع مبرمجين محترفين لو واجهتكم مشكلة معينة اثناء التعلم او التطبيق .

🎖️ Practice & Competitions:

لصقل مهاراتكم في علم البيانات وتحسينها هالمواقع راح تساعدكم في انكم تقدرون تشاركون في مسابقات وتحديات .

📑 Research Papers :

هنا تجدون افضل المواقع للأوراق البحثية المتعلقة بمجال علم البيانات

Social Media:

YouTube Channels:

Twitter:

Telgram Channels :

📻 Podcast :

📙Interview Resources:

🖼️ Data Science Infographic: