بالنسبة لجزء ال Business metrics في منحة FWD
لو انت في كلية تجارة ف مش محتاج تدرسه بس تكون فاهم اللي درسته ف الكلية
وبالنسة للامتحان ف هو مش بيجي منه ف الامتحان رغم انه مهم ليك ك محلل بيانات
ف لو عندك خلفية عن البيزنس مش هتكون محتاج تدرسه ف المنحة
مصادر لدراسته معنديش بصراحه
لو انت في كلية تجارة ف مش محتاج تدرسه بس تكون فاهم اللي درسته ف الكلية
وبالنسة للامتحان ف هو مش بيجي منه ف الامتحان رغم انه مهم ليك ك محلل بيانات
ف لو عندك خلفية عن البيزنس مش هتكون محتاج تدرسه ف المنحة
مصادر لدراسته معنديش بصراحه
👍4
ما أهميتك ك #dataanalyst لأي شركة ؟ ايه سبب المقابل المادي المرتفع ل #dataanalyst؟
the power of data
مهم جدا تكون على علم بأهمية شغلك ودورك في أي شركة
لإن فهمك للمهارات ال ربنا رزقك إياها :
• هيساهم بشكل كبير في حب المجال و الصبر والسعي للوصول لحل أي مشكلة ممكن تقابلك مهما كانت معقدة..
• بالإضاف لمساعدتك في الصبر على ملل المذاكرة ..
• غير إن عقلك هيقدر يدرك ليه المقابل المادي مجزى جدا داخل أو خارج مصر لمحللين البيانات..
*وإن كان خارجها أفضل بأضعاف 😃
فما أهمية وجود #dataanalyst شاطر في أي شركة ؟
البيانات :
البيانات من أهم عوامل تطور أي شركة في أي قطاع ولكن امتلاك بيانات و حدها شئ عديم القيمة لإن الشركة هتواجه مشكلة أكبر وهي:
ليه تتحمل الشركة عبء تجميع وتخزين البيانات ؟
وده سؤال مهم
ليه ممكن نجمع البيانات ...؟
ازاى هستغلها لصالح الشركة ...؟
مين الشخص ال يقدر يستغل ما نملك من البيانات لصالح تطور الشركة ؟
دور محلل البيانات المميز :
» فهم نظام عمل الشركة بشكل عام
» تحديد مدي أهمية البيانات ومدى تأثيرها على حل مشاكل بعينها
» فهم نظام تخزين البيانات و مراحل تكونها بشكل عام علشان يساهم ولو بنسبة في تحديد العوامل ال ممكن نخزنها ونتتبعها
» توضيح مدي أهمية البيانات للشركة وازاي نقدر نتتبع اداء الشركة خلال فترة في الماضي
» التنبؤ ببعض احداث المستقبل من خلال مؤشرات معينة أو نمط محدد بيتكرر على فترات محددة
» تحديد وحل عدد من المشكلات في الماضي والتعلم منها
» تحديد عدد من المشكلات ممكن تحصل مستقبلا واقتراح حلول مجدية لتلافي المشكلة ..
» المساهمة بشكل كبير في اتخاذ عدد من القرارت المهمه ومدي تأثيرها على اداء الشركة وازي ممكن اتخذ القرار بأفضل شكل ممكن
» توصيل فهمه للبيانات بصورة سهله وسلسه للفرق المختلفة بشكل مختصر وفعال
» استغلال كل معلومة واستخراجها من الشركة للمساهمة في تطورها وفق الهدف المحدد مسبقا
خليني أوضحلك من خلال مثال :
شركة لبيع الساعات محتاجة تنتج منتج جديد ولكن عملية الدفع بمنتج جديد في السوق لازم يكون وفق احتياج العملاء ..
يعني لو حددت فئة عمرية معينه
(specific persona )
لازم اكون فاهم احتياجهم علشان المنتج نحقق أعلى أرباج ..
وهنا بيجي دورك كمحلل
بيكون موجود بيانات باختلاف انواع المصادر *ممكن اتكلم عن مصادر البيانات بالتفصيل في post جديد *
هتبدأ تجمع البيانات وفق المشروع وهتواجهك عدد من المشاكل من تنظيم وترتيب وغيره إلى أن تصل لإجابات لعدد من الأسئلة..
ووقتها :
✓ هتساعد الشركة في تصميم المنتج وفق متطلبات السوق وبالتالي هتحقق الهدف الأساسي للشركة وهو أعلى ربح ممكن..
✓ بإذن الله هتحقق مقابل مادي مجزي ولكن تحرى الحلال..
✓ بالاضافة لتقدير واحترام زمايلك في الشركة من مختلف الاقسام ... لإنك فعلا ذو قيمة
وانصحكم بتقوى الله في السر والعلن لأنها والله سبب الرزق والعلم والنجاة في الدنيا والآخرة ..
{واتقوا الله ويعلمكم الله والله بكل شيء عليم} [البقرة: 282]
ــــــــــــــــــــــــــــــــــــــــــ
Join our channel 👇:
https://t.me/DataAnallysis
the power of data
مهم جدا تكون على علم بأهمية شغلك ودورك في أي شركة
لإن فهمك للمهارات ال ربنا رزقك إياها :
• هيساهم بشكل كبير في حب المجال و الصبر والسعي للوصول لحل أي مشكلة ممكن تقابلك مهما كانت معقدة..
• بالإضاف لمساعدتك في الصبر على ملل المذاكرة ..
• غير إن عقلك هيقدر يدرك ليه المقابل المادي مجزى جدا داخل أو خارج مصر لمحللين البيانات..
*وإن كان خارجها أفضل بأضعاف 😃
فما أهمية وجود #dataanalyst شاطر في أي شركة ؟
البيانات :
البيانات من أهم عوامل تطور أي شركة في أي قطاع ولكن امتلاك بيانات و حدها شئ عديم القيمة لإن الشركة هتواجه مشكلة أكبر وهي:
ليه تتحمل الشركة عبء تجميع وتخزين البيانات ؟
وده سؤال مهم
ليه ممكن نجمع البيانات ...؟
ازاى هستغلها لصالح الشركة ...؟
مين الشخص ال يقدر يستغل ما نملك من البيانات لصالح تطور الشركة ؟
دور محلل البيانات المميز :
» فهم نظام عمل الشركة بشكل عام
» تحديد مدي أهمية البيانات ومدى تأثيرها على حل مشاكل بعينها
» فهم نظام تخزين البيانات و مراحل تكونها بشكل عام علشان يساهم ولو بنسبة في تحديد العوامل ال ممكن نخزنها ونتتبعها
» توضيح مدي أهمية البيانات للشركة وازاي نقدر نتتبع اداء الشركة خلال فترة في الماضي
» التنبؤ ببعض احداث المستقبل من خلال مؤشرات معينة أو نمط محدد بيتكرر على فترات محددة
» تحديد وحل عدد من المشكلات في الماضي والتعلم منها
» تحديد عدد من المشكلات ممكن تحصل مستقبلا واقتراح حلول مجدية لتلافي المشكلة ..
» المساهمة بشكل كبير في اتخاذ عدد من القرارت المهمه ومدي تأثيرها على اداء الشركة وازي ممكن اتخذ القرار بأفضل شكل ممكن
» توصيل فهمه للبيانات بصورة سهله وسلسه للفرق المختلفة بشكل مختصر وفعال
» استغلال كل معلومة واستخراجها من الشركة للمساهمة في تطورها وفق الهدف المحدد مسبقا
خليني أوضحلك من خلال مثال :
شركة لبيع الساعات محتاجة تنتج منتج جديد ولكن عملية الدفع بمنتج جديد في السوق لازم يكون وفق احتياج العملاء ..
يعني لو حددت فئة عمرية معينه
(specific persona )
لازم اكون فاهم احتياجهم علشان المنتج نحقق أعلى أرباج ..
وهنا بيجي دورك كمحلل
بيكون موجود بيانات باختلاف انواع المصادر *ممكن اتكلم عن مصادر البيانات بالتفصيل في post جديد *
هتبدأ تجمع البيانات وفق المشروع وهتواجهك عدد من المشاكل من تنظيم وترتيب وغيره إلى أن تصل لإجابات لعدد من الأسئلة..
ووقتها :
✓ هتساعد الشركة في تصميم المنتج وفق متطلبات السوق وبالتالي هتحقق الهدف الأساسي للشركة وهو أعلى ربح ممكن..
✓ بإذن الله هتحقق مقابل مادي مجزي ولكن تحرى الحلال..
✓ بالاضافة لتقدير واحترام زمايلك في الشركة من مختلف الاقسام ... لإنك فعلا ذو قيمة
وانصحكم بتقوى الله في السر والعلن لأنها والله سبب الرزق والعلم والنجاة في الدنيا والآخرة ..
{واتقوا الله ويعلمكم الله والله بكل شيء عليم} [البقرة: 282]
ــــــــــــــــــــــــــــــــــــــــــ
Join our channel 👇:
https://t.me/DataAnallysis
❤13👍10😢1
-ماهو تحليل البيانات؟
تحليل البيانات هو نظام مستقبلي تستطيع من خلاله الشركات والمؤسسات التربع على قمة الاستثمار، وهو يعني دراسة البيانات والمعلومات وتحليلها وترتيبها وتنظيمها على هيئة مخططات؛ للوصول إلى الاستنتاج السليم بطريقة مباشرة ومبسطة، ويتم في ذلك استخدام لغة البايثون فهي الأفضل دائمًا دون غيرها لسهولة التعامل بها ولكن يمكن استخدام اللغات الأخرى.
ومع وجود ثورة البيانات التي ساهمت بدور فعال في خلق الروح التنافسية فأصبح مستقبل تحليل البيانات عظيمًا ولهذا المجال أهمية كبيرة في تنافس الشركات والمؤسسات، والعمل على استخدام أفضل وأحدث طرق عمليات تحليل البيانات حتى تستطيع كلًا منهم التميز في مجالها دون غيرها.
ولذلك فسوف نوضح في هذا المقال كافة البيانات والمعلومات التي تخص دراسة هذا التخصص ومجالات العمل به.
-ما هو مستقبل تحليل البيانات ؟
مستقبل تحليل البيانات عظيم ومتميز، فتخصص علم البيانات من التخصصات المستقبلية الرئيسية، ولذلك فقد منح هذا التخصص لقب نفط القرن الحادي والعشرين، وذلك إن دل على شيء فهو يدل على مدى أهمية هذا التخصص وضرورة متابعة كافة التطورات الهائلة التي تتصل به، فهو يعتمد في مضمونه على الأساليب العلمية المتطورة والأنظمة الحديثة للعمل على تحليل وتفكيك البيانات للعمل على الاستفادة منها، وذلك من خلال استخدام التكنولوجيا الحديثة مثل الخوارزميات وأجهزة الحاسوب وبعض النظريات التي تُستمد من العلوم الأخرى، مثل: علم الإحصاء والرياضيات وعلوم الحاسب الآلي ونظم المعلومات فعلم تحليل البيانات له العديد من المجالات الحيوية والبارزة.
-ما هي أهمية دراسة تخصص تحليل البيانات؟
هذا التخصص من التخصصات المستقبلية المنتشرة في أنحاء العالم خاصة في الآونة الأخيرة.
من التخصصات التي تعود الطالب على إمكانية التفكير بطرق منطقية.
اتخاذ طرق ووسائل متطورة لحل كافة المشكلات، وذلك عن طريق استخدام البيانات والمعلومات المتاحة.
يساعد في تمكين الطالب من استخدام التكنولوجيا الحديثة والتقنيات المتطورة.
يمنح الطالب درجة متخصص في مجال علم البيانات.
اكتساب المهارات الأساسية والخبرات العملية في البرامج العالمية الحديثة مثل Microsoft Data Science .
يمنح لخريجي هذا التخصص فرص عمل عديدة في أكبر الشركات والمؤسسات العالمية مما يتناسب مع طبيعة العمل والحصول على راتب شهري مرتفع، لذا فإن مستقبل تحليل البيانات بالنسبة للجانب المهني مضمون للغاية.
-ما هي مواد تخصص تحليل البيانات؟
تختلف مواد دراسة هذا التخصص طبقًا لاختلاف الجامعات، فمما لا شك فيه أن هذه المواد قد تزيد لدى أحد الجامعات أو تقل، ولكن المؤكد والذي لا خلاف عليه أن هناك بعض المواد الأساسية التي من الضرورة دراستها في هذا التخصص وهي كما يلي:
أولًا الرياضيات والتي تشمل دراسة الإحصاء والجبر الخطي.
ثانيًا إدارة البيانات وهي تتضمن مجال استرجاع المعلومات عن طريق البيانات.
ثالثًا تحليل البيانات وهو من الركائز الأساسية في تخصص علم البيانات.
رابعًا الخوارزميات وهي أحد الطرق الرياضية التي تستخدم في حل المشاكل بطريقة منطقية مبسطة.
خامسًا التعلم الآلي وهو فيما يخص الروبوتات وإمكانية تعزيز العملية التعليمية المتطورة.
سادسًا لغات البرمجة لما لها من دور مهم جدًا في دراسة هذا التخصص، وتتضمن العديد من اللغات مثل لغة python بايثون وMatlab وغيرهما من اللغات.
تحليل البيانات هو نظام مستقبلي تستطيع من خلاله الشركات والمؤسسات التربع على قمة الاستثمار، وهو يعني دراسة البيانات والمعلومات وتحليلها وترتيبها وتنظيمها على هيئة مخططات؛ للوصول إلى الاستنتاج السليم بطريقة مباشرة ومبسطة، ويتم في ذلك استخدام لغة البايثون فهي الأفضل دائمًا دون غيرها لسهولة التعامل بها ولكن يمكن استخدام اللغات الأخرى.
ومع وجود ثورة البيانات التي ساهمت بدور فعال في خلق الروح التنافسية فأصبح مستقبل تحليل البيانات عظيمًا ولهذا المجال أهمية كبيرة في تنافس الشركات والمؤسسات، والعمل على استخدام أفضل وأحدث طرق عمليات تحليل البيانات حتى تستطيع كلًا منهم التميز في مجالها دون غيرها.
ولذلك فسوف نوضح في هذا المقال كافة البيانات والمعلومات التي تخص دراسة هذا التخصص ومجالات العمل به.
-ما هو مستقبل تحليل البيانات ؟
مستقبل تحليل البيانات عظيم ومتميز، فتخصص علم البيانات من التخصصات المستقبلية الرئيسية، ولذلك فقد منح هذا التخصص لقب نفط القرن الحادي والعشرين، وذلك إن دل على شيء فهو يدل على مدى أهمية هذا التخصص وضرورة متابعة كافة التطورات الهائلة التي تتصل به، فهو يعتمد في مضمونه على الأساليب العلمية المتطورة والأنظمة الحديثة للعمل على تحليل وتفكيك البيانات للعمل على الاستفادة منها، وذلك من خلال استخدام التكنولوجيا الحديثة مثل الخوارزميات وأجهزة الحاسوب وبعض النظريات التي تُستمد من العلوم الأخرى، مثل: علم الإحصاء والرياضيات وعلوم الحاسب الآلي ونظم المعلومات فعلم تحليل البيانات له العديد من المجالات الحيوية والبارزة.
-ما هي أهمية دراسة تخصص تحليل البيانات؟
هذا التخصص من التخصصات المستقبلية المنتشرة في أنحاء العالم خاصة في الآونة الأخيرة.
من التخصصات التي تعود الطالب على إمكانية التفكير بطرق منطقية.
اتخاذ طرق ووسائل متطورة لحل كافة المشكلات، وذلك عن طريق استخدام البيانات والمعلومات المتاحة.
يساعد في تمكين الطالب من استخدام التكنولوجيا الحديثة والتقنيات المتطورة.
يمنح الطالب درجة متخصص في مجال علم البيانات.
اكتساب المهارات الأساسية والخبرات العملية في البرامج العالمية الحديثة مثل Microsoft Data Science .
يمنح لخريجي هذا التخصص فرص عمل عديدة في أكبر الشركات والمؤسسات العالمية مما يتناسب مع طبيعة العمل والحصول على راتب شهري مرتفع، لذا فإن مستقبل تحليل البيانات بالنسبة للجانب المهني مضمون للغاية.
-ما هي مواد تخصص تحليل البيانات؟
تختلف مواد دراسة هذا التخصص طبقًا لاختلاف الجامعات، فمما لا شك فيه أن هذه المواد قد تزيد لدى أحد الجامعات أو تقل، ولكن المؤكد والذي لا خلاف عليه أن هناك بعض المواد الأساسية التي من الضرورة دراستها في هذا التخصص وهي كما يلي:
أولًا الرياضيات والتي تشمل دراسة الإحصاء والجبر الخطي.
ثانيًا إدارة البيانات وهي تتضمن مجال استرجاع المعلومات عن طريق البيانات.
ثالثًا تحليل البيانات وهو من الركائز الأساسية في تخصص علم البيانات.
رابعًا الخوارزميات وهي أحد الطرق الرياضية التي تستخدم في حل المشاكل بطريقة منطقية مبسطة.
خامسًا التعلم الآلي وهو فيما يخص الروبوتات وإمكانية تعزيز العملية التعليمية المتطورة.
سادسًا لغات البرمجة لما لها من دور مهم جدًا في دراسة هذا التخصص، وتتضمن العديد من اللغات مثل لغة python بايثون وMatlab وغيرهما من اللغات.
👍11❤9💯3
💡 إيه أنواع تحليل البيانات الأربعة؟
تحليل البيانات هو واحدة من أهم الوسائل لاتخاذ القرار دلوقتي في أي مؤسسة أو شركة، وتنقسم طرق التحليل ل 4 فئات رئيسية بتتدرج في تعقيدها: #الوصفي و #التشخيصي و #التنبؤي و #التوجيهي.
1️⃣ الوصفي: (ماذا حدث؟)
هو الخطوة الأولى والشائعة في أي عملية تحليل إحصائي، واللي بتجاوب على سؤال "ماذا حذث؟"
مثل: الإيرادات الشهرية، زيارات الموقع، نسبة استمرار الموظفين.
2️⃣ التشخيصي: (لماذا حدث؟)
نوع متقدم خطوة من تحليا البيانات، هدفة البحث عن الأسباب وتوفير إجابة لسؤال " لماذا حدث؟"
مثل: التنقيب عن العوامل المشتركة بين البيانات، والترابط بينها، والحالات المتكررة، وتاريخ كل مجموعة بيانات وهكذا.
3️⃣ التنبؤي: (ماذا سيحدث؟)
من خلال دراسة الخطوتين اللي فاتوا، يحاول محلل البيانات تغذية نموذج التعلم الآلي ومحاولة توقع ما يمكن أن يحدث في الفترة القادمة.
مثل: السلاسل الزمنية اللي بتدرس أنماط حركة البيانات لمواسم طويلة وتتنبأ بناءً عليها بماذا سيحدث في المواسم القادمة.
4️⃣ التوجيهي: (ماذا يجب أن يحدث؟)
المرحلة اللي بتيجي على قمة هرم تحليل البيانات، وهي تقديم النصائح الفورية والإجراءات الوقاية لتحسين ممارسات العمل عشان تتناسب مع النتائج المتوقعة.
Udacity
egFWD
تحليل البيانات هو واحدة من أهم الوسائل لاتخاذ القرار دلوقتي في أي مؤسسة أو شركة، وتنقسم طرق التحليل ل 4 فئات رئيسية بتتدرج في تعقيدها: #الوصفي و #التشخيصي و #التنبؤي و #التوجيهي.
1️⃣ الوصفي: (ماذا حدث؟)
هو الخطوة الأولى والشائعة في أي عملية تحليل إحصائي، واللي بتجاوب على سؤال "ماذا حذث؟"
مثل: الإيرادات الشهرية، زيارات الموقع، نسبة استمرار الموظفين.
2️⃣ التشخيصي: (لماذا حدث؟)
نوع متقدم خطوة من تحليا البيانات، هدفة البحث عن الأسباب وتوفير إجابة لسؤال " لماذا حدث؟"
مثل: التنقيب عن العوامل المشتركة بين البيانات، والترابط بينها، والحالات المتكررة، وتاريخ كل مجموعة بيانات وهكذا.
3️⃣ التنبؤي: (ماذا سيحدث؟)
من خلال دراسة الخطوتين اللي فاتوا، يحاول محلل البيانات تغذية نموذج التعلم الآلي ومحاولة توقع ما يمكن أن يحدث في الفترة القادمة.
مثل: السلاسل الزمنية اللي بتدرس أنماط حركة البيانات لمواسم طويلة وتتنبأ بناءً عليها بماذا سيحدث في المواسم القادمة.
4️⃣ التوجيهي: (ماذا يجب أن يحدث؟)
المرحلة اللي بتيجي على قمة هرم تحليل البيانات، وهي تقديم النصائح الفورية والإجراءات الوقاية لتحسين ممارسات العمل عشان تتناسب مع النتائج المتوقعة.
Udacity
egFWD
👍13❤7💯3
وانت بتحل مسائل أثناء تعلم البرمجة مينفعش تتنقل في المواقع بدون خطة لان في مواقع فيها مسائل هتعقدك ولازم تتدرج في حل المشاكل علشان تستفيد بكل مستوى وتخليه يساعدك في المستوى اللي بعده.
--
دخولك على اصعب مستوى مش دايما شطارة لأن في مستوى سهل بيأهلك للي بعده يعني التدرج مطلوب ومهم جدا علشان متضيعش وقت انت فعليا محتاجه.
--
ممكن تبدأ حياتك بمواقع زي
Edabit
Codewars
--
وفي وسط وقبل نهاية الطريقة كدة ممكن
Exercism
Hackerank
--
وبعد كدة خش على التقيل بقى في مواقع زي
Leetcode
CodeForces
TopCoder
--
الترتيب ومستوى الصعوبة والتقييم ممكن يتغير من شخص للتاني حسب المسائل نفسها اللي جوة بمعنى في مسألة Easy في موقع زي Leetcode ممكن تكون بمقام 100 مسألة Medium في مواقع زي Codewars وهكذا.
--
في مواقع تاني كتير لكن ركز في موقع واحد وحل المسائل اللي فيه لانها هتاخد منك وقت طويل ومش هتحتاج تنقل لموقع تاني.
--
الغرض من البوست مفهوم التدرج مش انك تاخد نفس الخريطة دي, ممكن يكون عندك مواقع أفضل عادي مادام ماشي بتدرج كمل زي منت
By: Osama Elzero
--
دخولك على اصعب مستوى مش دايما شطارة لأن في مستوى سهل بيأهلك للي بعده يعني التدرج مطلوب ومهم جدا علشان متضيعش وقت انت فعليا محتاجه.
--
ممكن تبدأ حياتك بمواقع زي
Edabit
Codewars
--
وفي وسط وقبل نهاية الطريقة كدة ممكن
Exercism
Hackerank
--
وبعد كدة خش على التقيل بقى في مواقع زي
Leetcode
CodeForces
TopCoder
--
الترتيب ومستوى الصعوبة والتقييم ممكن يتغير من شخص للتاني حسب المسائل نفسها اللي جوة بمعنى في مسألة Easy في موقع زي Leetcode ممكن تكون بمقام 100 مسألة Medium في مواقع زي Codewars وهكذا.
--
في مواقع تاني كتير لكن ركز في موقع واحد وحل المسائل اللي فيه لانها هتاخد منك وقت طويل ومش هتحتاج تنقل لموقع تاني.
--
الغرض من البوست مفهوم التدرج مش انك تاخد نفس الخريطة دي, ممكن يكون عندك مواقع أفضل عادي مادام ماشي بتدرج كمل زي منت
By: Osama Elzero
👍10❤3🔥1💯1
كوبون مجاني لكورس
Python for Data Science and Machine Learning
على يوديمي
https://www.udemy.com/course/python-science/?couponCode=NO1-2022
Python for Data Science and Machine Learning
على يوديمي
https://www.udemy.com/course/python-science/?couponCode=NO1-2022
💯4❤2👍2
تعريف للبيانات
البيانات Data تُعرَّف بأنها مقادير منفصلة على شكل رموز أو إشارات قابلة للتحليل والمعالجة، ويمكن للبيانات أن تكون واضحةً ومفهومة لنا دون سياق محدد -أي دون أي تسلسل أو ترابط- مثل مجموعة أرقام تمثل أحجية، فالأرقام مقاديرٌ مفهومةٌ بالنسبة لنا، لكن الربط بينها لحل الأحجية قد يكون عصيًا. وقد لا تكون البيانات مفهومةً كخطوط رمز الماسح الضوئي (بار كود). تُدعى النتيجة المستخلصة من تحليل مجموعة من البيانات والربط بينها بالمعلومة أو المعلومات عمومًا information، كما تُدعى أصغر وحدة من مجموعة بيانات يمكن أن تُستخدم أو تفهم باستقلالية بعنصر البيانات datum.
عندما نجمع المعلومات المتعلقة بموضوع معين وننظمها ثم نفهمها من خلال التطبيق والممارسة، سيكون توثيق هذه المعلومات المصنّعة انطلاقًا من البيانات معرفةً knowledge، أما الأسلوب الأمثل في تطبيق هذه المعرفة فقد ندعوه حكمة wisdom.
إذًا فالبيانات عمومًا هي وسيلة للحصول على معلومات أو وسيلة لتمثيلها بطريقة أفضل كي تُعالح وتُستخدم. وقد تكون هذه البيانات مجرّدة كأسماء علامات تجارية وقد تكون مقاسة كدرجات الحرارة أو نسبة الفائدة أو عدد الولادات خلال عام.
تُنظم البيانات ضمن بنىً خاصة تسمى بنى البيانات أو هياكل البيانات data structure لتسهيل الوصول إليها واستخلاص المعلومات منها مثل الجداول، وقد جُمعت أنواع البيانات ما قبل الثورة الرقمية في مراجع وكتب ووثائق، لكن مع بزوغ فجر الحوسبة كان الانتقال إلى البيانات الرقمية أمرًا حتميًا لتقود بالفعل العالم الرقمي منتجات ومختصين نحو تقنيات أكثر قدرة وترابطًا ابتداءً بقواعد البيانات النمطية databases إلى تقنيات التعامل مع البيانات الضخمة Big data وصولًا إلى تطوير الذكاء الصنعي AI...
البيانات Data تُعرَّف بأنها مقادير منفصلة على شكل رموز أو إشارات قابلة للتحليل والمعالجة، ويمكن للبيانات أن تكون واضحةً ومفهومة لنا دون سياق محدد -أي دون أي تسلسل أو ترابط- مثل مجموعة أرقام تمثل أحجية، فالأرقام مقاديرٌ مفهومةٌ بالنسبة لنا، لكن الربط بينها لحل الأحجية قد يكون عصيًا. وقد لا تكون البيانات مفهومةً كخطوط رمز الماسح الضوئي (بار كود). تُدعى النتيجة المستخلصة من تحليل مجموعة من البيانات والربط بينها بالمعلومة أو المعلومات عمومًا information، كما تُدعى أصغر وحدة من مجموعة بيانات يمكن أن تُستخدم أو تفهم باستقلالية بعنصر البيانات datum.
عندما نجمع المعلومات المتعلقة بموضوع معين وننظمها ثم نفهمها من خلال التطبيق والممارسة، سيكون توثيق هذه المعلومات المصنّعة انطلاقًا من البيانات معرفةً knowledge، أما الأسلوب الأمثل في تطبيق هذه المعرفة فقد ندعوه حكمة wisdom.
إذًا فالبيانات عمومًا هي وسيلة للحصول على معلومات أو وسيلة لتمثيلها بطريقة أفضل كي تُعالح وتُستخدم. وقد تكون هذه البيانات مجرّدة كأسماء علامات تجارية وقد تكون مقاسة كدرجات الحرارة أو نسبة الفائدة أو عدد الولادات خلال عام.
تُنظم البيانات ضمن بنىً خاصة تسمى بنى البيانات أو هياكل البيانات data structure لتسهيل الوصول إليها واستخلاص المعلومات منها مثل الجداول، وقد جُمعت أنواع البيانات ما قبل الثورة الرقمية في مراجع وكتب ووثائق، لكن مع بزوغ فجر الحوسبة كان الانتقال إلى البيانات الرقمية أمرًا حتميًا لتقود بالفعل العالم الرقمي منتجات ومختصين نحو تقنيات أكثر قدرة وترابطًا ابتداءً بقواعد البيانات النمطية databases إلى تقنيات التعامل مع البيانات الضخمة Big data وصولًا إلى تطوير الذكاء الصنعي AI...
❤7❤🔥4👍3👏2💯1
«الفرق بين البيانات والمعلومات»
» يجري الخلط في مواضع عدة بين البيانات والمعلومات على أنها الشيء ذاته وهذا أمر خطأ، فهناك فرق بيّن بين المصطلحين تعريفًا وغاية، ولقد أشرنا سابقًا أن البيانات تعرّف حقائق مفردة، بينما تمثل المعلومات تنظيمًا لهذه الحقائق أو تفسيرًا لها.
» تأتي البيانات بأشكال مختلفة، نصوصًا وأرقام وأشكال وصور وتواريخ لكنها لا تحمل دلالات على أهميتها أو الحاجة لوجودها، فقد يشير جهاز قياس تردد الصوت إلى القيمة 12 كيلو هرتز عندما يعجز المريض عن سماع أي صوت في عيادة تخطيط السمع، إذ القراءة بحد ذاتها لا دلالة لها ولن يتمكن سوى المختص من تأويلها إلى المعلومة التالية "المريض يعاني نقصًا في السمع". وقد تجد أيضًا أن مقدار المبيعات من منتج ما هو 20 جهازًا في العام، لن يقدم كذلك عنصر البيانات هذا أي دلالة ما لم يحلل ويوازن ويتحول إلى معلومة مثل "حققت الشركة هذا العام نسبة مبيعات عالية!".
» وهكذا يمكن أن نلخص الفرق بين البيانات والمعلومات كالتالي:
• البيانات مجموعة من الحقائق غير المنظمة، أما المعلومات فهي من يضع تلك البيانات في سياقها الصحيح.
• البيانات مصدر خام للحقائق دون أية دلالات وقد لا تتمكن من قراءتها أحيانًا، أما المعلومات فهي التي توضّح أنواع البيانات وتستخلص منها ما يُفهم ويُطبق ويُختبر.
• البيانات حقائق مستقلة بذاتها وقد لا تربط بينها أية علاقات، بينما تجد المعلومات العلاقات التي تربط بين أنواع البيانات لعرض صورة أوسع عن الظاهرة المدروسة.
• لا تعتمد البيانات على المعلومات لكن العكس صحيح.
• لا يمكن الاعتماد على البيانات لاتخاذ القرارات، فلا بد من وجود معلومات حتى يُتّخذ القرار الصحيح..
» يجري الخلط في مواضع عدة بين البيانات والمعلومات على أنها الشيء ذاته وهذا أمر خطأ، فهناك فرق بيّن بين المصطلحين تعريفًا وغاية، ولقد أشرنا سابقًا أن البيانات تعرّف حقائق مفردة، بينما تمثل المعلومات تنظيمًا لهذه الحقائق أو تفسيرًا لها.
» تأتي البيانات بأشكال مختلفة، نصوصًا وأرقام وأشكال وصور وتواريخ لكنها لا تحمل دلالات على أهميتها أو الحاجة لوجودها، فقد يشير جهاز قياس تردد الصوت إلى القيمة 12 كيلو هرتز عندما يعجز المريض عن سماع أي صوت في عيادة تخطيط السمع، إذ القراءة بحد ذاتها لا دلالة لها ولن يتمكن سوى المختص من تأويلها إلى المعلومة التالية "المريض يعاني نقصًا في السمع". وقد تجد أيضًا أن مقدار المبيعات من منتج ما هو 20 جهازًا في العام، لن يقدم كذلك عنصر البيانات هذا أي دلالة ما لم يحلل ويوازن ويتحول إلى معلومة مثل "حققت الشركة هذا العام نسبة مبيعات عالية!".
» وهكذا يمكن أن نلخص الفرق بين البيانات والمعلومات كالتالي:
• البيانات مجموعة من الحقائق غير المنظمة، أما المعلومات فهي من يضع تلك البيانات في سياقها الصحيح.
• البيانات مصدر خام للحقائق دون أية دلالات وقد لا تتمكن من قراءتها أحيانًا، أما المعلومات فهي التي توضّح أنواع البيانات وتستخلص منها ما يُفهم ويُطبق ويُختبر.
• البيانات حقائق مستقلة بذاتها وقد لا تربط بينها أية علاقات، بينما تجد المعلومات العلاقات التي تربط بين أنواع البيانات لعرض صورة أوسع عن الظاهرة المدروسة.
• لا تعتمد البيانات على المعلومات لكن العكس صحيح.
• لا يمكن الاعتماد على البيانات لاتخاذ القرارات، فلا بد من وجود معلومات حتى يُتّخذ القرار الصحيح..
👍5❤🔥2
«من أين تأتي البيانات؟»
تأتي البيانات -والتي تتنوع إلى أنواع البيانات- من تطور الفهم البشري للبيئة المحيطة به، وبالتالي من تطور معارفه والحاجة إلى توثيق هذه المعارف ووضعها حيز التنفيذ بالأسلوب الأمثل والأكثر كفاءة من جميع النواحي تحليلًا ومعالجة وسرعة، لكن يمكننا القول أن الأساليب الأساسية التي نحوز بها على بيانات أو نحدّث الموجودة منها قد تنحصر بما يلي:
» الافتراض assumption
» المراقبة observations
» القياس measurement
» التحليل analysis
»» الافتراض assumption
عادة ما يكون الافتراض منهجيًا، أي يستند إلى أفكار مسبقة عن موضوع ما أو إلى معلومات غير دقيقة أو بياناتها غير كافية. عادة ما تكون أنواع البيانات المفترضة خطوة مرحلية تُلغى لاحقًا عند حيازة البيانات المطلوبة، إلا أن توثيقها ضروري جدًا. فلو أردنا مثلًا أن نقدّر عدد المشترين المتوقعين لمنتج جديد في مدينة ما لدراسة جدوى توزيعه فيها سيكون هذا الرقم مفترضًا والنتائج التي تتأتى عنه افتراضيةً أيضًا ستصحح مع الوقت لكن بالطبع سيكون عدد المشترين متوقعًا بناء على أفكار أو دراسات مشابهة.
»» المراقبة observations
وهي إحدى الطرق الإحصائية Statistics المتبعة في حيازة البيانات، إذ تجري مراقبة ظاهرة اجتماعية أو اقتصادية أو غيرها ضمن جماعة population محددة للحصول على أنواع بيانات محددة تتعلق بالحالة المدروسة، كأن نسجل بيانات عن عدد المتزوجين تحت سن الثلاثين في منطقة معينة مثل سن الزواج وتاريخه وعدد الأطفال. تقدم هذه البيانات قاعدة قوية للحصول على الكثير من المعلومات التي يحتاجها الإحصائي للإجابة عن الأسئلة التي صمم هذه الدراسة لأجلها.
»» القياس measurement
تُعنى هذه الطريقة بالحصول على بيانات كمية (سنتحدث عنها لاحقًا) ثابتة توصّف الحالة المدروسة، ويقصد بالحصول على قيمة: إجراء ما يلزم من الاختبارات لتحديد القيمة المقاسة بأقل خطأ ممكن. من الأمثلة على البيانات المحازة عن طريق القياسات درجات الحرارة في مدينة محددة أو منسوب المياه في نهر خلال العام أو كمية المشتريات من منتج محدد وغيرها.
»» التحليل analysis
تهدف هذه العملية إلى تفكيك ظاهرة مجهولة أو مجموعة معلومات مجهولة التكوين إلى بياناتها الأولية لفهمها والاستفادة منها كالبيانات الناتجة عن تحليل الطيف الضوئي لنجم بعيد أو تحليل إشارة لاسلكية مركبة إلى مكوناتها الأساسية للحصول على بيانات تتعلق بالتردد والشدة.
» إذًا فعمليات الحصول على أنواع البيانات أو حيازتها تتعلق بالظاهرة المدروسة والهدف النهائي من هذه الدراسة والمعلومات التي يجب الحصول عليها أو فهمها تمهيدًا لتخزينها أو وضعها حيز التطبيق..
تأتي البيانات -والتي تتنوع إلى أنواع البيانات- من تطور الفهم البشري للبيئة المحيطة به، وبالتالي من تطور معارفه والحاجة إلى توثيق هذه المعارف ووضعها حيز التنفيذ بالأسلوب الأمثل والأكثر كفاءة من جميع النواحي تحليلًا ومعالجة وسرعة، لكن يمكننا القول أن الأساليب الأساسية التي نحوز بها على بيانات أو نحدّث الموجودة منها قد تنحصر بما يلي:
» الافتراض assumption
» المراقبة observations
» القياس measurement
» التحليل analysis
»» الافتراض assumption
عادة ما يكون الافتراض منهجيًا، أي يستند إلى أفكار مسبقة عن موضوع ما أو إلى معلومات غير دقيقة أو بياناتها غير كافية. عادة ما تكون أنواع البيانات المفترضة خطوة مرحلية تُلغى لاحقًا عند حيازة البيانات المطلوبة، إلا أن توثيقها ضروري جدًا. فلو أردنا مثلًا أن نقدّر عدد المشترين المتوقعين لمنتج جديد في مدينة ما لدراسة جدوى توزيعه فيها سيكون هذا الرقم مفترضًا والنتائج التي تتأتى عنه افتراضيةً أيضًا ستصحح مع الوقت لكن بالطبع سيكون عدد المشترين متوقعًا بناء على أفكار أو دراسات مشابهة.
»» المراقبة observations
وهي إحدى الطرق الإحصائية Statistics المتبعة في حيازة البيانات، إذ تجري مراقبة ظاهرة اجتماعية أو اقتصادية أو غيرها ضمن جماعة population محددة للحصول على أنواع بيانات محددة تتعلق بالحالة المدروسة، كأن نسجل بيانات عن عدد المتزوجين تحت سن الثلاثين في منطقة معينة مثل سن الزواج وتاريخه وعدد الأطفال. تقدم هذه البيانات قاعدة قوية للحصول على الكثير من المعلومات التي يحتاجها الإحصائي للإجابة عن الأسئلة التي صمم هذه الدراسة لأجلها.
»» القياس measurement
تُعنى هذه الطريقة بالحصول على بيانات كمية (سنتحدث عنها لاحقًا) ثابتة توصّف الحالة المدروسة، ويقصد بالحصول على قيمة: إجراء ما يلزم من الاختبارات لتحديد القيمة المقاسة بأقل خطأ ممكن. من الأمثلة على البيانات المحازة عن طريق القياسات درجات الحرارة في مدينة محددة أو منسوب المياه في نهر خلال العام أو كمية المشتريات من منتج محدد وغيرها.
»» التحليل analysis
تهدف هذه العملية إلى تفكيك ظاهرة مجهولة أو مجموعة معلومات مجهولة التكوين إلى بياناتها الأولية لفهمها والاستفادة منها كالبيانات الناتجة عن تحليل الطيف الضوئي لنجم بعيد أو تحليل إشارة لاسلكية مركبة إلى مكوناتها الأساسية للحصول على بيانات تتعلق بالتردد والشدة.
» إذًا فعمليات الحصول على أنواع البيانات أو حيازتها تتعلق بالظاهرة المدروسة والهدف النهائي من هذه الدراسة والمعلومات التي يجب الحصول عليها أو فهمها تمهيدًا لتخزينها أو وضعها حيز التطبيق..
👍6💯2❤🔥1
«أنواع تخزين البيانات»
» تخزن البيانات في وسائط تخزين والتي إما أن تكون فيزيائية باستعمال الأوراق والدفاتر وكل ما يصلح للكتابة عليه أو باستعمال وسائط تخزين رقمية عبر الحواسيب التي هي الأشيع حاليًا بما أنها تسهل عمليات البحث والفهرسة ومعالجة البيانات.
فبالنسبة لتخزين البيانات في الحواسيب، فإنها تعتمد على وسائط تخزين رقمية مثل الأقراص المدمجة والأقراص الصلبة HDD وذواكر الحالة الصلبة SSD والتي تتطور تدريجيًا مع الزمن وفيها إما أن تخزن البيانات مباشرةً باستعمال نظام ملفات يوفره نظام التشغيل أو تخزن بطريقة مهيكلة عبر جداول مثلًا لتسهيل معالجتها والوصول إليها وهنا يمكن استعمال برامج بسيطة مثل برنامج إكسل من مايكروسوفت أوفيس وقواعد بيانات أكسس وحتى استعمال قواعد بيانات مخصصة تكون عادة الأساس الذي ترتكز عليه تطبيقات الحاسوب كلها.
» تخزن البيانات في وسائط تخزين والتي إما أن تكون فيزيائية باستعمال الأوراق والدفاتر وكل ما يصلح للكتابة عليه أو باستعمال وسائط تخزين رقمية عبر الحواسيب التي هي الأشيع حاليًا بما أنها تسهل عمليات البحث والفهرسة ومعالجة البيانات.
فبالنسبة لتخزين البيانات في الحواسيب، فإنها تعتمد على وسائط تخزين رقمية مثل الأقراص المدمجة والأقراص الصلبة HDD وذواكر الحالة الصلبة SSD والتي تتطور تدريجيًا مع الزمن وفيها إما أن تخزن البيانات مباشرةً باستعمال نظام ملفات يوفره نظام التشغيل أو تخزن بطريقة مهيكلة عبر جداول مثلًا لتسهيل معالجتها والوصول إليها وهنا يمكن استعمال برامج بسيطة مثل برنامج إكسل من مايكروسوفت أوفيس وقواعد بيانات أكسس وحتى استعمال قواعد بيانات مخصصة تكون عادة الأساس الذي ترتكز عليه تطبيقات الحاسوب كلها.
👍6
«تصنيف أنواع البيانات Data Types»
تُصنّف ضمن ثلاثة فئات رئيسية هي:
• البيانات الكمية quantitative data
• البيانات النوعية qualitative data
• البيانات المنطقية logical data
وسنشرح كل تصنيف منها.
» البيانات الكمية
البيانات الكمية هي البيانات التي تأخذ قيمًا عددية أو ناتجة عن الموازنة مع مقاييس عددية ومن الأمثلة عليها ارتفاع بناء، فلا بد من أن يكون قيمة عددية محددة 30 متر مثلًا، أو أن تحدد مستوى مهارتك في لغة برمجة معينة على مقياس من 1 إلى 10.
تنتج هذه البيانات عن طريق قياس المقادير عبر الأجهزة المختلفة كمقاييس الضغط والحرارة والارتفاع، وقد نحصل عليها من الاستبيانات questionnaire التي تُنشر وتتطلب الإجابة عنها عن طريقة التقييم العددي لأسئلتها.
قد نجد أيضًا تصنيفات فرعية لهذا النوع من البيانات:
»» بيانات منفصلة discrete data: وهي بيانات كمية تأخذ قيمها من مجموعة قيم محددة سلفًا كعدد الوجبات التي يمكن للمطاعم أن تقدمها أو عدد الأولاد في عائلة محددة.
»» بيانات مستمرة continuous data: وتمثل عادة القيم التي تقيسها التجهيزات والتي يمكن أن تأخذ أي قيمة عددية ضمن مجال محدد مثل درجات الحرارة، ويمكن تصنيف هذه الأخيرة إلى:
»» بيانات مجالية interval data: وهي بيانات تمثل قيم عددية مرتبة تزيد كل قيمة عن التي تسبقها بمقدار محدد تمامًا كأن نعرض تسلسل طلبات الشراء، أو أن نسجل ارتفاع بالون في الجو كلما ارتفع 10 أمتار عن سطح البحر.
»» بيانات نسبية Ratio data: وهي بيانات مستمرة تمثل نسبة تكرار حالة إلى جميع الحالات الممكنة كأن تحدد احتمال إصابة هدف أو إمكانية ولادة طفل مصاب بمرض وراثي.
»» بيانات إحصائية: وهي البيانات التي تنتج عن تطبيق العلاقات الرياضية الخاصة بالإحصاء ومن أنواع البيانات الإحصائية:
» المتوسط الحسابي mean: ويقيس مجموع عدة قراءات إلى عددها كأن نحسب المتوسط الحسابي لأطوال الذكور في بيئة معينة بجمع أطوال جميع الذكور المشاركين في الدراسة ثم تقسيم الناتج على عددهم.
» المتوسط الهندسي geometric mean:
وهو الجذر من المرتبة n لجداء القراءات المتعلقة بظاهرة معينة.
» الوسيط median:
ويحدد القيمة التي تأتي في وسط مجموعة قيم مرتبة أي بمعنى آخر القيمة التي تقسم مجموعة قيمة مرتبة إلى مجموعتين متساويتين.
» الانحراف المعياري standard deviation:
ويمثل مقدار ابتعاد عينة عن المتوسط الحسابي.
» المدى range:
الفرق بين أعلى وأدنى قراءة من مجموعة قراءات.
» المنوال mode:
ويحدد القيمة أو القيم الأكثر ورودًا.
تُصنّف ضمن ثلاثة فئات رئيسية هي:
• البيانات الكمية quantitative data
• البيانات النوعية qualitative data
• البيانات المنطقية logical data
وسنشرح كل تصنيف منها.
» البيانات الكمية
البيانات الكمية هي البيانات التي تأخذ قيمًا عددية أو ناتجة عن الموازنة مع مقاييس عددية ومن الأمثلة عليها ارتفاع بناء، فلا بد من أن يكون قيمة عددية محددة 30 متر مثلًا، أو أن تحدد مستوى مهارتك في لغة برمجة معينة على مقياس من 1 إلى 10.
تنتج هذه البيانات عن طريق قياس المقادير عبر الأجهزة المختلفة كمقاييس الضغط والحرارة والارتفاع، وقد نحصل عليها من الاستبيانات questionnaire التي تُنشر وتتطلب الإجابة عنها عن طريقة التقييم العددي لأسئلتها.
قد نجد أيضًا تصنيفات فرعية لهذا النوع من البيانات:
»» بيانات منفصلة discrete data: وهي بيانات كمية تأخذ قيمها من مجموعة قيم محددة سلفًا كعدد الوجبات التي يمكن للمطاعم أن تقدمها أو عدد الأولاد في عائلة محددة.
»» بيانات مستمرة continuous data: وتمثل عادة القيم التي تقيسها التجهيزات والتي يمكن أن تأخذ أي قيمة عددية ضمن مجال محدد مثل درجات الحرارة، ويمكن تصنيف هذه الأخيرة إلى:
»» بيانات مجالية interval data: وهي بيانات تمثل قيم عددية مرتبة تزيد كل قيمة عن التي تسبقها بمقدار محدد تمامًا كأن نعرض تسلسل طلبات الشراء، أو أن نسجل ارتفاع بالون في الجو كلما ارتفع 10 أمتار عن سطح البحر.
»» بيانات نسبية Ratio data: وهي بيانات مستمرة تمثل نسبة تكرار حالة إلى جميع الحالات الممكنة كأن تحدد احتمال إصابة هدف أو إمكانية ولادة طفل مصاب بمرض وراثي.
»» بيانات إحصائية: وهي البيانات التي تنتج عن تطبيق العلاقات الرياضية الخاصة بالإحصاء ومن أنواع البيانات الإحصائية:
» المتوسط الحسابي mean: ويقيس مجموع عدة قراءات إلى عددها كأن نحسب المتوسط الحسابي لأطوال الذكور في بيئة معينة بجمع أطوال جميع الذكور المشاركين في الدراسة ثم تقسيم الناتج على عددهم.
» المتوسط الهندسي geometric mean:
وهو الجذر من المرتبة n لجداء القراءات المتعلقة بظاهرة معينة.
» الوسيط median:
ويحدد القيمة التي تأتي في وسط مجموعة قيم مرتبة أي بمعنى آخر القيمة التي تقسم مجموعة قيمة مرتبة إلى مجموعتين متساويتين.
» الانحراف المعياري standard deviation:
ويمثل مقدار ابتعاد عينة عن المتوسط الحسابي.
» المدى range:
الفرق بين أعلى وأدنى قراءة من مجموعة قراءات.
» المنوال mode:
ويحدد القيمة أو القيم الأكثر ورودًا.
❤7👍4💯3
أنواع البيانات في الحاسب
عزز ظهور الحواسب قدرة البشر على حيازة وتخزين كميات هائلة من البيانات وأمنت الوسائل اللازمة لتحليلها واستخلاص المعلومات عنها والاستفادة من تلك المعلومات في عمليات اتخاذ القرار، ولا تختلف أنواع البيانات في الحاسب وفي العالم الرقمي من حيث التعريف والغاية لكنها تخزّن وتعالج بطريقة أفضل وأسرع، لهذا السبب وضعت بعض التصنيفات الفرعية وحددت أنواع للبيانات تلائم طريقة عمل الحواسيب.
تمثّل البيانات في الحواسيب على شكل سلاسل من الواحدات والأصفار وهي ما يفهمه الحاسوب أولًا وآخرًا ويُدعى أصغر حجم لتخزين عنصر البيانات "بت Bit" ويخزن القيمة 0 أو 1 ومن البت يتكون البايت Byte الذي هو 8 بت والكيلو بايت والميغا بايت …إلخ
تصنيفات البيانات الرقمية
تُدعى أنواع البيانات التي تُخزّن على شكل سلاسل من الأصفار والواحدات وتعالج وفق هذه الطريقة بالبيانات الرقمية digital data، وقد نجد أن البيانات الرقمية قد تأخذ أصنافًا جديدة منها:
بيانات مهيكلة structured:
تُرتب البيانات المهيكلة وفق نموذج بيانات محدد لتسهل معالجتها وتخزينها والوصول إليها مثل الجداول المكوّنة من أسطر وأعمدة والتي تُعد أساس قواعد البيانات العلاقيّة relational databases أو على شكل بنية هرمية متداخلة hierarchical data structure أو أنها قادرة على تخزين كائنات objects لها هيكليات محددة سلفًا.
بيانات غير مهيكلة not structured: البيانات غير المهيكلة هي تلك التي تُنظّم فيها البيانات بطريقة محددة كأن توضع في ملفات نصية أو تُستخدم بعض اللغات التوصيفية في تنظيمها.
بيانات وصفية metadata:
وهي بيانات نصية تصف بيانات أخرى كأن تحدد إصدار برنامج وتاريخ الإصدار ومعلومات عن ترخيص الاستخدام وهكذا.
بيانات خام raw Data: وهي تسلسل غير منسّق من الواحدات والأصفار يُخزّن للمعالجة اللاحقة.
القواميس dictionary:
وهي نوع من أنواع البيانات التي يمكن الوصول إليها بطريقة "مفتاح-قيمة" أي تُفهرس فيها بيانات "القيمة" وفقًا لبيانات "المفتاح" وللوصول إلى القيمة قراءةً أو تخزينًا لا بد من معرفة المفتاح المرتبط بها.
البيانات الضخمة big data:
ظهر هذا المصطلح في فترة قريبة نسبيًا ليدل على أنواع البيانات التي تتجاوز أحجامها البيتا بايت (1000 تيرا بايت)، وبالتالي سيصعب معالجة هذا الكم الهائل من البيانات من قبل حاسوب واحد أو تنظيمها باستخدام قواعد البيانات النمطية، لهذا توزّع المهام على عدة حواسب رئيسية تتمتع بقدرات كبيرة في المعالجة من خلال استخدام خوارزميات واختبارات متقدمة بغية استخلاص المعلومات والرؤى التي تقدمها تلك البيانات خلال فترة زمنية مقبولة..
عزز ظهور الحواسب قدرة البشر على حيازة وتخزين كميات هائلة من البيانات وأمنت الوسائل اللازمة لتحليلها واستخلاص المعلومات عنها والاستفادة من تلك المعلومات في عمليات اتخاذ القرار، ولا تختلف أنواع البيانات في الحاسب وفي العالم الرقمي من حيث التعريف والغاية لكنها تخزّن وتعالج بطريقة أفضل وأسرع، لهذا السبب وضعت بعض التصنيفات الفرعية وحددت أنواع للبيانات تلائم طريقة عمل الحواسيب.
تمثّل البيانات في الحواسيب على شكل سلاسل من الواحدات والأصفار وهي ما يفهمه الحاسوب أولًا وآخرًا ويُدعى أصغر حجم لتخزين عنصر البيانات "بت Bit" ويخزن القيمة 0 أو 1 ومن البت يتكون البايت Byte الذي هو 8 بت والكيلو بايت والميغا بايت …إلخ
تصنيفات البيانات الرقمية
تُدعى أنواع البيانات التي تُخزّن على شكل سلاسل من الأصفار والواحدات وتعالج وفق هذه الطريقة بالبيانات الرقمية digital data، وقد نجد أن البيانات الرقمية قد تأخذ أصنافًا جديدة منها:
بيانات مهيكلة structured:
تُرتب البيانات المهيكلة وفق نموذج بيانات محدد لتسهل معالجتها وتخزينها والوصول إليها مثل الجداول المكوّنة من أسطر وأعمدة والتي تُعد أساس قواعد البيانات العلاقيّة relational databases أو على شكل بنية هرمية متداخلة hierarchical data structure أو أنها قادرة على تخزين كائنات objects لها هيكليات محددة سلفًا.
بيانات غير مهيكلة not structured: البيانات غير المهيكلة هي تلك التي تُنظّم فيها البيانات بطريقة محددة كأن توضع في ملفات نصية أو تُستخدم بعض اللغات التوصيفية في تنظيمها.
بيانات وصفية metadata:
وهي بيانات نصية تصف بيانات أخرى كأن تحدد إصدار برنامج وتاريخ الإصدار ومعلومات عن ترخيص الاستخدام وهكذا.
بيانات خام raw Data: وهي تسلسل غير منسّق من الواحدات والأصفار يُخزّن للمعالجة اللاحقة.
القواميس dictionary:
وهي نوع من أنواع البيانات التي يمكن الوصول إليها بطريقة "مفتاح-قيمة" أي تُفهرس فيها بيانات "القيمة" وفقًا لبيانات "المفتاح" وللوصول إلى القيمة قراءةً أو تخزينًا لا بد من معرفة المفتاح المرتبط بها.
البيانات الضخمة big data:
ظهر هذا المصطلح في فترة قريبة نسبيًا ليدل على أنواع البيانات التي تتجاوز أحجامها البيتا بايت (1000 تيرا بايت)، وبالتالي سيصعب معالجة هذا الكم الهائل من البيانات من قبل حاسوب واحد أو تنظيمها باستخدام قواعد البيانات النمطية، لهذا توزّع المهام على عدة حواسب رئيسية تتمتع بقدرات كبيرة في المعالجة من خلال استخدام خوارزميات واختبارات متقدمة بغية استخلاص المعلومات والرؤى التي تقدمها تلك البيانات خلال فترة زمنية مقبولة..
👍7❤1
دا بوست مجمع لـ مقال اكاديمية حسوب عن البيانات Data
» تعريف البيانات
» الفرق بين البيانات والمعلومات
» من اين تأتي البيانات
» انواع تخزين البيانات
» تصنيف انواع البيانات
» انواع البيانات في الحاسب
» تعريف البيانات
» الفرق بين البيانات والمعلومات
» من اين تأتي البيانات
» انواع تخزين البيانات
» تصنيف انواع البيانات
» انواع البيانات في الحاسب
👍11
اكتشفت بعد رحلة من البحث والعناء ان انا وانت وانتى وحضرتك وحضرت الاستاذ اللى واقف هناك دا.
إن كلنا بندور على نفس الشئ وهو " الأمَان"
بدون كلام صعب علشان اثبتلك انى عميق.
الأمان بيختلف عموما من واحد للتانى ف تلاقى واحد بعتبر الوظيفه أمان والتانى بيعتبر التجارة أمان وشخص بيعتبر ألامان فى الفلوس عموما وغيرهم بيحلف ان الصحه هى ألامان الوحيد ونفضل نلف ونجرى ورا بعض لغاية ما يتقطع نفسنا وكل واحد بيدور على التعريف الامثل لتفسير كلمة أمان بالنسبه له.
بعد ما شقينا وعرفنا تفسير الأمان ندخل فى دوامه تانيه وهى احقق الأمان اللى انا اكتشفته دا ازاى.
انا حاسس انى تايه ومتخبط ومتلغبط وكل الطرق مش مفهومه وحاسس ان الناس حوالين منى بتجرى وانا واقف عمال اتلفت يمين وشمال علشان بس اعرف الطريق.
ومجرد ما الطريق ينورلك ويوضح لك انت هاتجرى فى انهى اتجاه يطلع البعبع بتاع هو انا كدا ماشى صح؟
دا سؤال وجودى إلحادى مابيتسألش غير فى الكيمياء الحيويه
وتفضل يا صديقى المستمع " اعتبر انك مستمع وشجعنى" عمال تتنطط من صراع لصراع ومن دوامه لدوامه ومن متاهه لمتاهه والدنيا تشيل وتهبد فيك وانت مش فاهم حاجه.
وتنسى اهم حاجه وهى "نفسك"
هاتتفاجئ ان الشعر الأبيض سرح فى دماغك والنظر مش فى احسن احواله وصحتك بتخونك وانت لسه عمال تجرى وتجرى.
عيش يومك انت وحياتك انت، اسعى واشتغل واشقى بس وانت باصص على طريقك مش طريق غيرك.
بلاش ترسم نتايج وتجرى وراها لغاية مانفسك يتقطع لأننا اتعودتنا نربط نتايجنا بأحتياجاتنا، اعكسها يا صديقى وارسم خطوات بسيطه توصلك لنتايج ترضيك.
افتكر دايما
إن لنفسك عليك حق وإن لبدنك عليك حق.
عيش مبسوط محدش قادر يبسط نفسه علشان يبسطك.
بقينا 1k ولسه هنكبر اكتر بدعمكم🤍
إن كلنا بندور على نفس الشئ وهو " الأمَان"
بدون كلام صعب علشان اثبتلك انى عميق.
الأمان بيختلف عموما من واحد للتانى ف تلاقى واحد بعتبر الوظيفه أمان والتانى بيعتبر التجارة أمان وشخص بيعتبر ألامان فى الفلوس عموما وغيرهم بيحلف ان الصحه هى ألامان الوحيد ونفضل نلف ونجرى ورا بعض لغاية ما يتقطع نفسنا وكل واحد بيدور على التعريف الامثل لتفسير كلمة أمان بالنسبه له.
بعد ما شقينا وعرفنا تفسير الأمان ندخل فى دوامه تانيه وهى احقق الأمان اللى انا اكتشفته دا ازاى.
انا حاسس انى تايه ومتخبط ومتلغبط وكل الطرق مش مفهومه وحاسس ان الناس حوالين منى بتجرى وانا واقف عمال اتلفت يمين وشمال علشان بس اعرف الطريق.
ومجرد ما الطريق ينورلك ويوضح لك انت هاتجرى فى انهى اتجاه يطلع البعبع بتاع هو انا كدا ماشى صح؟
دا سؤال وجودى إلحادى مابيتسألش غير فى الكيمياء الحيويه
وتفضل يا صديقى المستمع " اعتبر انك مستمع وشجعنى" عمال تتنطط من صراع لصراع ومن دوامه لدوامه ومن متاهه لمتاهه والدنيا تشيل وتهبد فيك وانت مش فاهم حاجه.
وتنسى اهم حاجه وهى "نفسك"
هاتتفاجئ ان الشعر الأبيض سرح فى دماغك والنظر مش فى احسن احواله وصحتك بتخونك وانت لسه عمال تجرى وتجرى.
عيش يومك انت وحياتك انت، اسعى واشتغل واشقى بس وانت باصص على طريقك مش طريق غيرك.
بلاش ترسم نتايج وتجرى وراها لغاية مانفسك يتقطع لأننا اتعودتنا نربط نتايجنا بأحتياجاتنا، اعكسها يا صديقى وارسم خطوات بسيطه توصلك لنتايج ترضيك.
افتكر دايما
إن لنفسك عليك حق وإن لبدنك عليك حق.
عيش مبسوط محدش قادر يبسط نفسه علشان يبسطك.
بقينا 1k ولسه هنكبر اكتر بدعمكم🤍
❤16👍9❤🔥3👏2💯2
لو أنت #dataanalyst ف ازاي تفكر لحل مشاكل الشركات بالبيانات ؟
محلل البيانات مطلوب منه حل المشكلة ال بتواجه الشركة باستخدام البيانات ...
لك كامل الحرية في اختيار الأداة الأنسب حسب فهمك لمميزات كل اداة و حدودها ..
الحرية في اختياء الأداة بتتغير من شركة لأخرى ..
بمعنى في شركات بتشتغل بأدوات محددة علشان تكامل الشغل لإنك بتشتغل مع فريق ..
فاتعلم :
• أهمية البيانات بشكل عام
• أهميتها في المجالات المشهورة مثل التسويق
و التجارة و الرعاية الصحية وغيره ..
• اتعرض لمشاكل كل شركة وافهم المشكلة بعمق من المتخصصين
• حاول تحلها من خلال فهمك للبيانات ووظف بس طرق الحل وإن كنت غير ملم بالتفاصيل التقنية ..
• ادرس بعمق طرق الحل التقنية ...
• اتعلم الأداة ال هتساعدك توظف حلك للمشكلة بشكل تقني ..
فلو كنت مبتدئ في المجال هتدرس وتبحث بعد ما كونت الأساس القوي للحل وقتها هتدرس أشياء فرعية مثل طريقة الحل التقني والأداة....
الأداة تأتي لتوظيف طريقة الحل ....الأداة ليست هي حل المشكلة ...ليست هي الحل ...تذكر ذلك جيدا
فاستخدامك ل python ليس دليلا على كفاءتك في تقديم حلول للمشاكل المعقدة ...
عن تجربة يمكن تقديم حلول بفضل الله عبقرية ولكن باستخدام Excel لإن الأداة هي الوسلية لعرض الحل أو تقديمه والوصول إليه بشكل أسرع ...
لماذا تستخدم python في التعامل مع 1k صف فقط من البيانات ؟!
ختاما :
طريقة استنباط وتقديم الحل تحدث خلف شاشتك وعلى الورق ثم تأتي الأداة لمساعدتك في تقديم حلك بشكل أسرع وبكفاءة حسابية عالية ...
محلل البيانات مطلوب منه حل المشكلة ال بتواجه الشركة باستخدام البيانات ...
لك كامل الحرية في اختيار الأداة الأنسب حسب فهمك لمميزات كل اداة و حدودها ..
الحرية في اختياء الأداة بتتغير من شركة لأخرى ..
بمعنى في شركات بتشتغل بأدوات محددة علشان تكامل الشغل لإنك بتشتغل مع فريق ..
فاتعلم :
• أهمية البيانات بشكل عام
• أهميتها في المجالات المشهورة مثل التسويق
و التجارة و الرعاية الصحية وغيره ..
• اتعرض لمشاكل كل شركة وافهم المشكلة بعمق من المتخصصين
• حاول تحلها من خلال فهمك للبيانات ووظف بس طرق الحل وإن كنت غير ملم بالتفاصيل التقنية ..
• ادرس بعمق طرق الحل التقنية ...
• اتعلم الأداة ال هتساعدك توظف حلك للمشكلة بشكل تقني ..
فلو كنت مبتدئ في المجال هتدرس وتبحث بعد ما كونت الأساس القوي للحل وقتها هتدرس أشياء فرعية مثل طريقة الحل التقني والأداة....
الأداة تأتي لتوظيف طريقة الحل ....الأداة ليست هي حل المشكلة ...ليست هي الحل ...تذكر ذلك جيدا
فاستخدامك ل python ليس دليلا على كفاءتك في تقديم حلول للمشاكل المعقدة ...
عن تجربة يمكن تقديم حلول بفضل الله عبقرية ولكن باستخدام Excel لإن الأداة هي الوسلية لعرض الحل أو تقديمه والوصول إليه بشكل أسرع ...
لماذا تستخدم python في التعامل مع 1k صف فقط من البيانات ؟!
ختاما :
طريقة استنباط وتقديم الحل تحدث خلف شاشتك وعلى الورق ثم تأتي الأداة لمساعدتك في تقديم حلك بشكل أسرع وبكفاءة حسابية عالية ...
👍12❤3👏1
البشمهندس اسامة الزيرو هيبدأ كورس اساسيات البرمجة باستخدام لغة C++
لينك البلاي ليست الخاصة بالكورس:
https://youtube.com/playlist?list=PLDoPjvoNmBAwy-rS6WKudwVeb_x63EzgS
هنعمل جروب خاص بيها عشان اللي حابب يتابع لو في حاجه وقفت معاه يقدر يسأل عنها
لينك البلاي ليست الخاصة بالكورس:
https://youtube.com/playlist?list=PLDoPjvoNmBAwy-rS6WKudwVeb_x63EzgS
هنعمل جروب خاص بيها عشان اللي حابب يتابع لو في حاجه وقفت معاه يقدر يسأل عنها
👍4❤1
الكورس هيفيدك في اي مجال لانه هيأسسك في البرمجة بشكل عام بس باستخدام c++
بعد كدا اي مسار انت عايزو او اي لغة حابب تتعلمها هتكون اسهل عليك
بعد كدا اي مسار انت عايزو او اي لغة حابب تتعلمها هتكون اسهل عليك
👍2
ليه python هتخليك data analyst شاطر خليني أنقلك تجربتي مع python..
( python )
أداة قوية جدا في التعامل مع البيانات بشكل عام من حيث جمع المعلومات وتحليلها وترتيبها وتنظيفها وعرضها في شكل مرئي ...
ويكمن أهميتها حاليا في تدريب الألجورزم على كمية البيانات الضخمة فهي أداة قوية جدا في الذكاء الإصطناعي ..
python is a powerful tool that you will use at different phases in your project ..
you can collect, clean, manipulate and visualize data using it.
so it will add a huge value to your work as an analyst and it will help you in your career growth (being a clever data scientist)😉
بدايتي كانت بتعلم خوارزميات تعلم الآلة لإني كنت دارس جبر خطي ورياضة في الكلية فحبيت أفهم أهمية الرياضة في الحياة العملية...والحمد لله ظهري
machine-learning ❤❤
المهم حبيت جدا تطبيق المصفوفات والجبر الخطي عموما والتفاضل في حل المشكلات الواقعية ...حبيت جدا الأثر الملموس لشئ اتعلمته...
So from this point, I decide to keep it up and go deeper following my passion ...
Python was the best suitable choice to start with ...
بعدها عملت عدد من المشاريع الصغيرة على كاجل
I trained some models on big data, but I still feel unconfident...
كان التعامل مع البيانات شئ مبهم بالنسبالي فقررت ابدأ من قواعد البيانات ...
اتعلمتها وطبقت عليها ببايثون وsql علشان عملت تطبيق بسيط كده أكتسب منه خبرة كويسة في database
وبعدها بقيت بفكر إني ممكن متعاملش مع قواعد البيانات فبدأت أجمع بيانات بنفسي من المواقع باستخدام بايثون .....
web scraping with python ..
معظم شغلي كان من خلال أداة واحدة بس بايثون ...فضلت كده لمدة سنة وأكتر ...
لك أن تتخيل python كأداة سحرية ممكن تشتغل بيها في تطبيقات كتير جدا ..
data collection ( web scraping)
cleaning, analyzing, aggregating, and visualizing for big data..
AI, ML, DL
it will help you to be a data scientist.
#Eldesuky
( python )
أداة قوية جدا في التعامل مع البيانات بشكل عام من حيث جمع المعلومات وتحليلها وترتيبها وتنظيفها وعرضها في شكل مرئي ...
ويكمن أهميتها حاليا في تدريب الألجورزم على كمية البيانات الضخمة فهي أداة قوية جدا في الذكاء الإصطناعي ..
python is a powerful tool that you will use at different phases in your project ..
you can collect, clean, manipulate and visualize data using it.
so it will add a huge value to your work as an analyst and it will help you in your career growth (being a clever data scientist)😉
بدايتي كانت بتعلم خوارزميات تعلم الآلة لإني كنت دارس جبر خطي ورياضة في الكلية فحبيت أفهم أهمية الرياضة في الحياة العملية...والحمد لله ظهري
machine-learning ❤❤
المهم حبيت جدا تطبيق المصفوفات والجبر الخطي عموما والتفاضل في حل المشكلات الواقعية ...حبيت جدا الأثر الملموس لشئ اتعلمته...
So from this point, I decide to keep it up and go deeper following my passion ...
Python was the best suitable choice to start with ...
بعدها عملت عدد من المشاريع الصغيرة على كاجل
I trained some models on big data, but I still feel unconfident...
كان التعامل مع البيانات شئ مبهم بالنسبالي فقررت ابدأ من قواعد البيانات ...
اتعلمتها وطبقت عليها ببايثون وsql علشان عملت تطبيق بسيط كده أكتسب منه خبرة كويسة في database
وبعدها بقيت بفكر إني ممكن متعاملش مع قواعد البيانات فبدأت أجمع بيانات بنفسي من المواقع باستخدام بايثون .....
web scraping with python ..
معظم شغلي كان من خلال أداة واحدة بس بايثون ...فضلت كده لمدة سنة وأكتر ...
لك أن تتخيل python كأداة سحرية ممكن تشتغل بيها في تطبيقات كتير جدا ..
data collection ( web scraping)
cleaning, analyzing, aggregating, and visualizing for big data..
AI, ML, DL
it will help you to be a data scientist.
#Eldesuky
👍14❤5❤🔥4
العالم كله ماشي
الدنيا مش هتقف عشان انت زعلان ومتحطم ومش قادر تكمل، لا الحياة ماشيه
قوم امشي معاها وبلاش اللي انت فيه
انت مش اقل من حد
الدنيا مش هتقف عشان انت زعلان ومتحطم ومش قادر تكمل، لا الحياة ماشيه
قوم امشي معاها وبلاش اللي انت فيه
انت مش اقل من حد
❤28