Excellence

مبادئ وممارسات البيانات الضخمة والذكاء الاصطناعي

قائمتي المفضلة مشاركة
مشاركة
رابط الصفحة
مشاركة على وسائل التواصل الاجتماعي

عن الدورة

هذه الدورة هي مزيج من دورتين: مبادئ وممارسات البيانات الضخمة (3 أيام)، ودورة مبادئ ووممارسات الذكاء الاصطناعي IA  (يومان) مما يوفر خيارًا مخفضًا لمدة 5 أيام للمشاركين الذين يرغبون بالتعرف على كلا الموضوعين وأدوارهم في إدارة البيانات. إن تضخم حجم البيانات أدى إلى تفاقم وتيرة التسارع في معظم الصناعات تقريبا ً مما أدى إلى الغموض والصعوبة في السيطرة على البيانات. ومع ذلك، فإن هذه التغييرات تصنع أيضًا فرصًا هائلة، حيث أصبحت الأدوات المسببة لذلك متاحة وأكثر سهولة. لكي تصبح من صناع التقنيات المبتكرة، فإن قيادة البيانات الضخمة والتعمق في التكنولوجيا ليست سوى جزء من الحل. يجب أن يتم دمج البيانات الضخمة بحيث تجلب القيمة في وظائفنا وشركاتنا وصناعاتنا.
إضافة إلى ذلك، تُنشئ المؤسسات كميات ضخمة من البيانات، ومع تكنولوجيا الذكاء الاصطناعي (IA)، يمكننا أن نستخدم هذه البيانات لزيادة الفوائد وخفض التكاليف. باستخدام التكنولوجيا الحديثة يمكننا استخدام البيانات المهيكلة وغير المهيكلة وتطبيق الذكاء الاصطناعي لإتاحة إمكانيات جديدة لتحسين عملية اتخاذ القرارات وأداء الشركة وزيادة القدرات البشرية. إن هذا المجال الجديد مليء بالمصطلحات الجديدة والتقنيات و وظائف وعمليات مؤسسية.
خلال هذه الدورة، يحصل المشاركون على فهم شامل للكيفية التي تُنشئ بها البيانات الضخمة والذكاء الاصطناعي للرؤى الجديدة التي تمكن المؤسسات من تطوير منتجات أفضل، وخدمة العملاء بطريقة أكثر خصوصية، وتجعل عمليات سلسلة التوريد أكثر كفاءة. كما تمنح المشاركون أيضًا نظرة ثاقبة للتحول المؤسسي ليصبحوا مستخدمي بيانات يُعتمد عليهم.

أهداف الدورة
سيتمكن المشاركون في نهاية الدورة من:

  • تقييم وشرح القيمة التي يمكن أن تقدمها البيانات الضخمة والذكاء الاصطناعي لصناعاتها وشركاتها ووظائفها
  • عرض البيانات الضخمة وتقنيات الذكاء الاصطناعي وفوائدها
  • تطوير البيانات الضخمة داخل مؤسساتهم
  • تطبيق مجموعة متنوعة من حالات الاستخدام لدفع الأفكار
  • بناء برنامج البيانات الضخمة على مستوى المؤسسة
  • مناقشة مستوى مؤهل من المتخصصين في الأعمال والبيانات بشأن المواضيع ذات الصلة

الكفاءات المستهدفة:

  • صياغة أهداف العمل للبيانات الضخمة
  • إدارة المشاريع للبيانات الضخمة و / أو الذكاء الاصطناعي
  • إدارة التغير في البيانات الضخمة و الذكاء الاصطناعي
  • استشعار تكنولوجيا البيانات الضخمة
  • تطبيق أفضل الممارسات في الذكاء الاصطناعي

مقدمة في تقنيات البيانات الضخمة:

  • اتجاهات البيانات الضخمة
  • تطبيقات البيانات الضخمة، استخدام الحالات وأفضل الممارسات عبر الصناعات والوظائف
  • استراتيجيات مصادر البيانات والتحديات

مرحلة التفكير:

  • وضح النجاحات الأولى
  • من التفكير إلى إثبات الفكرة والحد الأدنى من المنتجات القابلة للبقاء
  • نموذج نضج البيانات الضخمة
  • وضع خارطة طريق للبيانات الضخمة
  • كيف يبدو الشكل النهائي للبيانات الضخمة الجيدة
  • تنظيم نضج البيانات الضخمة عبر البيانات والتكنولوجيا والأفراد
  • تعمل على دعم التحول الكبير للبيانات

عوامل النجاح الرئيسية لاعتماد البيانات الضخمة في السرعة:

  • المهارات والكفاءات المطلوبة للتحول الرقمي الناجح
  • فهم عقلية المبتكريين الرقمية

مقدمة في الذكاء الاصطناعي (AI) ، التعلم الآلي (ML) وعلوم البيانات:

  • مفهوم الذكاء الاصطناعي وأشكاله
  • الذكاء الاصطناعي كمزيج من التقنيات الحديثة
  • الذكاء الاصطناعي من منظور تاريخي
  • الذكاء الاصطناعي: المنطق، السبب، الفعل
  • التفكير في الذكاء الاصطناعي: التعلّم الآلي
  • ركائز البناء التسع

الخوارزميات ومحركات البحث:

  • تطبيقات التعلم المشرف عليها
  • التصنيف: الخوارزميات مثل Naïve bayes
  • الانحدار: خوارزميات مثل الانحدار الخطي وأشجار القرار
  • تطبيقات التعلم شبه المشرف عليها
  • الخوارزميات مثل Q-Learning ، SARSA
  • تطبيقات التعلم غير المشرف عليها
  • التجميع: الخوارزميات مثل kMeans والتسلسل الهرمي

تحديد منهجية الذكاء الاصطناعي: العمل الجماعي:

  • الممارسة مع ركائز البناء واستخدام الحالات
  • التطبيق على أرض الواقع لانشاء مؤسسة خاصة:
  • منهجية الكراج الإبداعية لتحديد وتعريف مشروع الذكاء الاصطناعي
  • مصفوفة فرصة الذكاء الاصطناعي:
  • حالات الاستخدام الناجحة من قبل سلسلة القيمة بورتر Porter
  • الأنشطة الأساسية: العمليات الواردة والتسويق والمبيعات والخدمات الصادرة
  • دعم الأنشطة: الإدارة والمالية والموارد البشرية والبحث والتطوير والمشتريات
  • حالات الاستخدام الناجحة عن طريق التكنولوجيا
  • البرمجة اللغوية العصبية  NLP
  • التعرف على الصور
  • التعلم الآلي

تشغيل مشاريع ناجحة للذكاء الاصطناعي:

  • عملية المشروع
  • تكوين الأفكار و تعريف المشكلة
  • تحليل البيانات الاستكشافية
  • تطوير النموذج
  • التنفيذ
  • المهارات والقدرات
  • التغييرات المؤسسية
  • الأخطاء الشائعة العشرة

أدوات الذكاء الاصطناعي وخارطة الطريق:

  • التقنيات: R ، Python ، Spotfire ، Hadoop
  • المنصات: Ms Azure و IBM Watson و Google Tensorflow
  • تطوير خارطة الطريق

إعداد خارطة الطريق الأولى:

  • قم بتطوير إستراتيجيتك وتكتيكاتك من أجل تحقيق قمع مشروع الذكاء الاصطناعي (AI Funnel)

انضم الان

إظهار المزيد
Scroll to Top