علوم البيانات وهندسة البيانات الضخمة (Data Science & Big Data Engineering)
مقدمة: لماذا لا تكفي التوقعات وحدها؟ عند بناء نموذج انحدار لتوقع الأسعار أو الطلب أو الاستهلاك، فإن الحصول على أرقام متوقعة ليس نهاية العمل، بل بدايته الحقيقية. السؤال الأهم هو: هل هذه التوقعات قريبة فعلاً من الواقع، أم أنها مجرد نتائج تبدو منطقية ظاهرياً؟ هنا تظهر أهمية مقاييس تقييم الانحدار مثل MSE و RMSE و…
خوارزمية الانحدار الخطي: بناء نموذج لتوقع أسعار المنازل يُعد Linear Regression من أكثر نماذج Machine Learning استخداماً في توقع القيم العددية المستمرة، وخصوصاً في مسائل مثل تقدير أسعار المنازل بناءً على المساحة، عدد الغرف، الموقع، عمر العقار، وقربه من الخدمات. ورغم بساطة هذا النموذج رياضياً، فإن قيمته الحقيقية تظهر عندما نربطه بمنهجية صحيحة في جمع…
مقدمة: لماذا لا يكفي أن ينجح النموذج على نفس البيانات التي تعلم منها؟ في أي مشروع يعتمد على Machine Learning، لا تكون المشكلة الحقيقية هي جعل النموذج يحفظ البيانات، بل التأكد من قدرته على التعميم عند مواجهة سجلات جديدة لم يشاهدها أثناء التدريب. هنا تظهر أهمية Train/Test Split كخطوة أساسية في بناء أي نظام تنبؤي…
إعداد البيانات للتدريب: لماذا يُعد التحجيم والتطبيع خطوة حاسمة؟ عند الانتقال من مرحلة جمع البيانات وتنظيفها إلى مرحلة بناء النماذج، تظهر مشكلة شائعة تتمثل في اختلاف مقاييس الأعمدة الرقمية بشكل كبير. قد يكون لدينا عمود يمثل الدخل بقيم تصل إلى آلاف، وعمود آخر يمثل نسبة مئوية بين 0 و100، وعمود ثالث لعدد الزيارات بقيم صغيرة…
مقدمة في تعلم الآلة ولماذا يعد أساسياً في عصر البيانات أصبح Machine Learning أحد أكثر فروع تحليل البيانات تأثيراً في بناء الأنظمة الذكية، لأنه يسمح للحاسوب باكتشاف الأنماط واتخاذ قرارات مبنية على البيانات بدلاً من الاعتماد على قواعد ثابتة مكتوبة يدوياً. في البيئات الحديثة التي تتعامل مع ملايين السجلات، لا يكفي تخزين البيانات فقط، بل…
