33 KiB
علم البيانات للمبتدئين - منهج دراسي
يسعد مدافعوا أزور السحابيون في مايكروسوفت بتقديم منهج دراسي مكون من 10 أسابيع و20 درسًا كله عن علم البيانات. يشمل كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، الحل، ومهمة. تسمح لك منهجيتنا القائمة على المشاريع بالتعلم أثناء البناء، وهي طريقة مثبتة لتثبيت المهارات الجديدة.
شكرًا جزيلًا لمؤلفينا: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 شكر خاص 🙏 للمؤلفين والمراجعين والمساهمين في المحتوى من سفراء مايكروسوفت الطلابية، لا سيما Aaryan Arora، Aditya Garg، Alondra Sanchez، Ankita Singh، Anupam Mishra، Arpita Das، ChhailBihari Dubey، Dibri Nsofor، Dishita Bhasin، Majd Safi، Max Blum، Miguel Correa، Mohamma Iftekher (Iftu) Ebne Jalal، Nawrin Tabassum، Raymond Wangsa Putra، Rohit Yadav، Samridhi Sharma، Sanya Sinha، Sheena Narula، Tauqeer Ahmad، Yogendrasingh Pawar ، Vidushi Gupta، Jasleen Sondhi
![]() |
|---|
| علم البيانات للمبتدئين - ملاحظة مرسومة بواسطة @nitya |
🌐 دعم متعدد اللغات
مدعوم عبر GitHub Action (أوتوماتيكي ومحدث دائمًا)
العربية | البنغالية | البلغارية | البورمية (ميانمار) | الصينية (المبسطة) | الصينية (التقليدية، هونغ كونغ) | الصينية (التقليدية، ماكاو) | الصينية (التقليدية، تايوان) | الكرواتية | التشيكية | الدانماركية | الهولندية | الإستونية | الفنلندية | الفرنسية | الألمانية | اليونانية | العبرية | الهندية | الهنغارية | الإندونيسية | الإيطالية | اليابانية | الكانادا | الكورية | الليتوانية | المالي | المالايالام | الماراثية | النيبالية | النيجيرية بيدجن | النرويجية | الفارسية (اللغة الفارسية) | البولندية | البرتغالية (البرازيل) | البرتغالية (البرتغال) | البنغالية (غورموخي) | الرومانية | الروسية | الصربية (السيريلية) | السلوفاكية | السلوفينية | الإسبانية | السواحيلية | السويدية | التاغالوغ (الفلبينية) | التاميلية | التيلجو | التايلاندية | التركية | الأوكرانية | الأردية | الفيتنامية
هل تفضل الاستنساخ محليًا؟
يحتوي هذا المستودع على أكثر من 50 ترجمة لغة مما يزيد بشكل كبير من حجم التنزيل. للاستنساخ بدون الترجمات، استخدم السحب الانتقائي:
git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git cd Data-Science-For-Beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'يعطيك هذا كل ما تحتاجه لإكمال الدورة بتنزيل أسرع بكثير.
إذا كنت ترغب في دعم لغات ترجمة إضافية، فهي مدرجة هنا
انضم إلى مجتمعنا
لدينا سلسلة تعلم عبر Discord مع الذكاء الاصطناعي مستمرة، تعرّف على المزيد وانضم إلينا في سلسلة تعلم مع AI من 18 إلى 30 سبتمبر 2025. ستحصل على نصائح وحيل حول استخدام GitHub Copilot لعلم البيانات.
هل أنت طالب؟
ابدأ بالموارد التالية:
- صفحة مركز الطلاب في هذه الصفحة، ستجد موارد للمبتدئين، حزم الطلاب وحتى طرق للحصول على قسيمة شهادة مجانية. هذه صفحة تريد وضع إشارة مرجعية عليها والتحقق منها من وقت لآخر حيث نقوم بتغيير المحتوى شهريًا على الأقل.
- سفراء مايكروسوفت الطلابية انضم إلى مجتمع عالمي من سفراء الطلاب، قد يكون هذا طريقك إلى مايكروسوفت.
بدء الاستخدام
📚 الوثائق
- دليل التثبيت - تعليمات إعداد خطوة بخطوة للمبتدئين
- دليل الاستخدام - أمثلة وتدفقات عمل شائعة
- حل المشكلات - حلول للمشاكل الشائعة
- دليل المساهمة - كيفية المساهمة في هذا المشروع
- للمعلمين - إرشادات التدريس وموارد الفصل الدراسي
👨🎓 للطلاب
للمبتدئين التامّين: هل أنت جديد في علم البيانات؟ ابدأ بأمثلتنا الصديقة للمبتدئين! تساعدك هذه الأمثلة البسيطة والمشروحة جيدًا على فهم الأساسيات قبل الدخول في المنهج الكامل. الطلاب: لاستخدام هذا المنهج بمفردك، قم بتفرع المستودع بالكامل وأكمل التمرينات بنفسك، بدءًا باختبار قبل المحاضرة. ثم اقرأ المحاضرة وأكمل بقية الأنشطة. حاول إنشاء المشاريع بفهم الدروس بدلاً من نسخ كود الحل؛ ومع ذلك، يتوفر هذا الكود في مجلد /solutions في كل درس موجه نحو المشروع. فكرة أخرى هي تشكيل مجموعة دراسة مع الأصدقاء ومراجعة المحتوى معًا. لمزيد من الدراسة، نوصي بـ Microsoft Learn.
بدء سريع:
- تحقق من دليل التثبيت لإعداد بيئتك
- راجع دليل الاستخدام لتتعلم كيفية العمل مع المنهج
- ابدأ بالدرس 1 واعمل بالتتابع
- انضم إلى مجتمعنا في Discord للدعم
👩🏫 للمعلمين
للمعلمين: لقد قمنا بتضمين بعض الاقتراحات حول كيفية استخدام هذا المنهج. نود الحصول على ملاحظاتك في منتدى المناقشات الخاص بنا!
تعرف على الفريق
صنع الصور المتحركة من قبل Mohit Jaisal
🎥 اضغط على الصورة أعلاه لمشاهدة فيديو عن المشروع والأشخاص الذين أنشأوه!
منهجية التعليم
اخترنا مبدأين تربويين أثناء بناء هذا المنهج الدراسي: التأكد من أنه قائم على المشاريع ويتضمن اختبارات متكررة. بحلول نهاية هذه السلسلة، سيكون الطلاب قد تعلموا المبادئ الأساسية لعلم البيانات، بما في ذلك المفاهيم الأخلاقية، تحضير البيانات، الطرق المختلفة للعمل مع البيانات، تصور البيانات، تحليل البيانات، حالات استخدام واقعية لعلم البيانات، وأكثر.
بالإضافة إلى ذلك، يحدد اختبار منخفض المخاطر قبل الحصة نية الطالب نحو تعلم الموضوع، في حين يضمن اختبار آخر بعد الحصة المزيد من الاحتفاظ بالمعلومات. تم تصميم هذا المنهج لكونه مرنًا وممتعًا ويمكن أخذه بالكامل أو جزئيًا. تبدأ المشاريع صغيرة وتزداد تعقيدًا مع نهاية دورة العشرة أسابيع.
تعرف على مدونة السلوك، المساهمة، وإرشادات الترجمة. نرحب بملاحظاتك البناءة!
تتضمن كل درس:
- ملاحظات تخطيطية اختيارية
- فيديو تكميلي اختياري
- اختبار تسخين قبل الدرس
- درس مكتوب
- لدروس المشاريع، دلائل خطوة بخطوة لبناء المشروع
- اختبارات المعرفة
- تحدي
- قراءة تكاملية
- واجب
- اختبار ما بعد الدرس
ملاحظة عن الاختبارات: جميع الاختبارات موجودة في مجلد Quiz-App، بإجمالي 40 اختبارًا كل منها يتضمن ثلاثة أسئلة. ترتبط من داخل الدروس، لكن يمكن تشغيل تطبيق الاختبارات محليًا أو نشره على Azure؛ اتبع التعليمات في مجلد
quiz-app. يتم تعريبها تدريجيًا.
🎓 أمثلة مناسبة للمبتدئين
جديد في علم البيانات؟ أنشأنا دليلًا خاصًا للأمثلة examples directory مع أكواد بسيطة ومشروحة جيدًا لمساعدتك على البدء:
- 🌟 مرحبا بالعالم - أول برنامج علم بيانات لك
- 📂 تحميل البيانات - تعلّم قراءة واستكشاف مجموعات البيانات
- 📊 تحليل بسيط - حساب الإحصائيات واكتشاف الأنماط
- 📈 التصور الأساسي - إنشاء مخططات ورسوم بيانية
- 🔬 مشروع واقعي - سير العمل كاملًا من البداية للنهاية
تتضمن كل مثال تعليقات تفصيلية تشرح كل خطوة، مما يجعله مثاليًا للمبتدئين تمامًا!
👉 ابدأ بالأمثلة 👈
الدروس
![]() |
|---|
| خارطة طريق علم البيانات للمبتدئين - ملاحظة تخطيطية بواسطة @nitya |
| رقم الدرس | الموضوع | مجموعة الدرس | أهداف التعلم | الدرس المرتبط | المؤلف |
|---|---|---|---|---|---|
| 01 | تعريف علم البيانات | مقدمة | تعلّم المفاهيم الأساسية وراء علم البيانات وكيف يرتبط بالذكاء الاصطناعي، التعلم الآلي، والبيانات الضخمة. | درس فيديو | Dmitry |
| 02 | أخلاقيات علم البيانات | مقدمة | مفاهيم أخلاقيات البيانات، التحديات، والأطر. | درس | Nitya |
| 03 | تعريف البيانات | مقدمة | كيفية تصنيف البيانات ومصادرها الشائعة. | درس | Jasmine |
| 04 | مقدمة في الإحصاء والاحتمالات | مقدمة | التقنيات الرياضية للاحتمالات والإحصاء لفهم البيانات. | درس فيديو | Dmitry |
| 05 | العمل مع البيانات العلائقية | العمل مع البيانات | مقدمة عن البيانات العلائقية والأساسيات لاستكشاف وتحليل البيانات العلائقية باستخدام لغة الاستعلام البنائية، المعروفة أيضًا بـ SQL (تنطق "سي-كول"). | درس | Christopher |
| 06 | العمل مع بيانات NoSQL | العمل مع البيانات | مقدمة عن البيانات غير العلائقية، أنواعه المختلفة، والأساسيات لاستكشاف وتحليل قواعد بيانات المستندات. | درس | Jasmine |
| 07 | العمل مع بايثون | العمل مع البيانات | أساسيات استخدام بايثون لاستكشاف البيانات مع مكتبات مثل Pandas. من المفضل فهم برمجة بايثون أساسيًا. | درس فيديو | Dmitry |
| 08 | تحضير البيانات | العمل مع البيانات | مواضيع تقنيات تنظيف وتحويل البيانات لمعالجة تحديات البيانات المفقودة أو غير الدقيقة أو غير المكتملة. | درس | Jasmine |
| 09 | تصور الكميات | تصور البيانات | تعلم كيفية استخدام Matplotlib لتصوير بيانات الطيور 🦆 | درس | Jen |
| 10 | تصور توزيع البيانات | تصور البيانات | تصور الملاحظات والاتجاهات ضمن فترة زمنية. | درس | Jen |
| 11 | تصور النسب | تصور البيانات | تصور النسب المئوية المجمعة والمنفصلة. | درس | Jen |
| 12 | تصور العلاقات | تصور البيانات | تصور الروابط والترابطات بين مجموعات البيانات ومتغيراتها. | درس | Jen |
| 13 | تصورات ذات معنى | تصور البيانات | تقنيات وإرشادات لجعل تصوراتك قيمة وفعالة في حل المشكلات واستخلاص الرؤى. | درس | Jen |
| 14 | مقدمة في دورة حياة علم البيانات | دورة الحياة | مقدمة في دورة حياة علم البيانات وخطوتها الأولى اكتساب واستخلاص البيانات. | درس | Jasmine |
| 15 | التحليل | دورة الحياة | تركز هذه المرحلة من دورة الحياة على تقنيات تحليل البيانات. | درس | Jasmine |
| 16 | التواصل | دورة الحياة | تركز هذه المرحلة على تقديم الرؤى المستخلصة من البيانات بطريقة تسهل فهمها لصناع القرار. | درس | Jalen |
| 17 | علم البيانات في السحابة | بيانات السحابة | سلسلة دروس تعرّف علم البيانات في السحابة وفوائده. | درس | Tiffany و Maud |
| 18 | علم البيانات في السحابة | بيانات السحابة | تدريب النماذج باستخدام أدوات الكود المنخفض. | درس | Tiffany و Maud |
| 19 | علم البيانات في السحابة | بيانات السحابة | نشر النماذج باستخدام Azure Machine Learning Studio. | درس | Tiffany و Maud |
| 20 | علم البيانات في العالم الحقيقي | في العالم الحقيقي | مشاريع مدفوعة بواسطة علم البيانات في الواقع. | درس | Nitya |
مساحات كود جيت هاب
اتبع هذه الخطوات لفتح هذا العينة في مساحة أكواد:
- اضغط على قائمة الشيفرة المنسدلة واختر خيار "الفتح مع مساحات الكود".
- اختر + مساحة جديدة في أسفل اللوحة. لمزيد من المعلومات، راجع وثائق GitHub.
VSCode عن بعد - الحاويات
اتبع هذه الخطوات لفتح هذا المستودع في حاوية باستخدام جهازك المحلي و VSCode مع امتداد Remote - Containers:
- إذا كانت هذه أول مرة تستخدم فيها حاوية تطوير، فتأكد من أن نظامك يلبي المتطلبات الأساسية (أي وجود Docker مثبت) في وثائق البدء.
لاستخدام هذا المستودع، يمكنك فتح المستودع في حجم Docker معزول:
ملاحظة: تحت الغطاء، يستخدم هذا الأمر Remote-Containers: Clone Repository in Container Volume... لاستنساخ الشفرة المصدرية في حجم Docker بدلاً من نظام الملفات المحلي. الأحجام هي الآلية المفضلة للاحتفاظ ببيانات الحاوية.
أو افتح نسخة من المستودع مستنسخة محليًا أو محملة:
- استنسخ هذا المستودع إلى نظام الملفات المحلي.
- اضغط F1 واختر أمر Remote-Containers: Open Folder in Container....
- اختر النسخة المستنسخة من هذا المجلد، انتظر بدء الحاوية، وجرب الأمور.
الوصول دون اتصال
يمكنك تشغيل هذا التوثيق دون اتصال باستخدام Docsify. انسخ هذا الريبو، ثبت Docsify على جهازك المحلي، ثم في المجلد الجذري لهذا الريبو، اكتب docsify serve. سيُخدم الموقع على المنفذ 3000 على المضيف المحلي: localhost:3000.
ملاحظة، لن تُعرض دفاتر الملاحظات عبر Docsify، لذا عندما تحتاج إلى تشغيل دفتر ملاحظات، افعل ذلك بشكل منفصل في VS Code مع تشغيل نواة بايثون.
مناهج أخرى
فريقنا ينتج مناهج أخرى! اطلع على:
LangChain
أزور / إيدج / MCP / الوكلاء
سلسلة الذكاء الاصطناعي التوليدي
التعلم الأساسي
سلسلة كوبيلوت
الحصول على المساعدة
هل تواجه مشكلات؟ تحقق من دليل استكشاف الأخطاء وإصلاحها للعثور على حلول للمشاكل الشائعة.
إذا واجهت صعوبة أو كان لديك أي أسئلة حول بناء تطبيقات الذكاء الاصطناعي. انضم إلى المتعلمين الآخرين والمطورين ذوي الخبرة في مناقشات حول MCP. إنها مجتمع داعم حيث تُرحب بالأسئلة ويُشارك المعرفة بحرية.
إذا كان لديك ملاحظات عن المنتج أو أخطاء أثناء البناء، يمكنك زيارة:
إخلاء المسؤولية: تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية Co-op Translator. بينما نسعى لتحقيق الدقة، يُرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. ينبغي اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي والمعتمد. للحصول على معلومات هامة، يُنصح بالاعتماد على الترجمة البشرية المهنية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة قد تنشأ عن استخدام هذه الترجمة.



