Ýí ÚÕÑ ÇáÑÞãäÉ¡ ÃÕÈÍÊ ÇáÈíÇäÇÊ ÃÍÏ ÇáÃÕæá ÇáÃßËÑ ÞíãÉ ááÔÑßÇÊ æÇáãÄÓÓÇÊ. Åä ÇáÞÏÑÉ Úáì ÊÍáíá ÇáÈíÇäÇÊ æÇÓÊÎáÇÕ ÇáÑÄì ãäåÇ ÊÚÏ ãåÇÑÉ ÍíæíÉ Ýí ÇáÓæÞ ÇáÍÏíËÉ. áÐáß¡ ÃÕÈÍÊ ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ ÌÒÁðÇ ÃÓÇÓíðÇ ãä ÇáÊÏÑíÈ Çáãåäí æÇáÃßÇÏíãí¡ ããÇ íæÝÑ ááÔÈÇÈ ÇáÝÑÕÉ áÊØæíÑ ãåÇÑÇÊåã æÒíÇÏÉ ÝÑÕåã Ýí ÇáÍÕæá Úáì æÙÇÆÝ ãÌÒíÉ. Ýí åÐÇ ÇáãÞÇá¡ ÓäÊäÇæá ÃåãíÉ ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ¡ ÝæÇÆÏåÇ¡ æßíÝ íãßä ááÔÈÇÈ ÇáÇÓÊÝÇÏÉ ãäåÇ áÊÍÞíÞ ÇáäÌÇÍ Ýí ãÓíÑÊåã ÇáãåäíÉ.
ãÇ åí ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ¿
ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ åí ÈÑÇãÌ ÊÚáíãíÉ ÊåÏÝ Åáì ÊÚáíã ÇáØáÇÈ ßíÝíÉ ÌãÚ æÊäÙíã æÊÍáíá æÊÝÓíÑ ÇáÈíÇäÇÊ ÈÇÓÊÎÏÇã ÃÏæÇÊ æÊÞäíÇÊ ãÎÊáÝÉ. ÊÊäæÚ åÐå ÇáÏæÑÇÊ ãä ÏæÑÇÊ ãÈÊÏÆÉ ÊÑßÒ Úáì ÇáÃÓÇÓíÇÊ Åáì ÏæÑÇÊ ãÊÞÏãÉ ÊÔãá ÊÞäíÇÊ ÇáÊÍáíá ÇáãÊÞÏã æÇáÊÚáã ÇáÂáí.
ÃåãíÉ ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ
1. ÇáØáÈ ÇáãÊÒÇíÏ Úáì ãÍááí ÇáÈíÇäÇÊ:
ÓæÞ ÇáÚãá: íÔåÏ ÓæÞ ÇáÚãá ØáÈðÇ ãÊÒÇíÏðÇ Úáì ãÍááí ÇáÈíÇäÇÊ ÈÓÈÈ ÇáÒíÇÏÉ ÇáåÇÆáÉ Ýí ßãíÉ ÇáÈíÇäÇÊ ÇáÊí ÊæáÏåÇ ÇáÔÑßÇÊ æÇáãÄÓÓÇÊ íæãíðÇ.
ÝÑÕ æÙíÝíÉ: ÊæÝÑ ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ ÝÑÕðÇ æÇÓÚÉ Ýí ãÌÇáÇÊ ãÊÚÏÏÉ ãËá ÇáÊÓæíÞ¡ ÇáÊãæíá¡ ÇáÕÍÉ¡ ÇáÊßäæáæÌíÇ¡ æÇáÅÚáÇã.
2. ãåÇÑÇÊ ÊÍáíáíÉ ãÊÞÏãÉ:
ÇÊÎÇÐ ÇáÞÑÇÑÇÊ: ÊÓÇÚÏ ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ Úáì ÊØæíÑ ãåÇÑÇÊ ÊÍáíáíÉ ÞæíÉ Êãßä ÇáÃÝÑÇÏ ãä ÇÊÎÇÐ ÞÑÇÑÇÊ ãÈäíÉ Úáì ÈíÇäÇÊ ÏÞíÞÉ.
Íá ÇáãÔßáÇÊ: íãßä áãÍááí ÇáÈíÇäÇÊ ÇÓÊÎÏÇã ãåÇÑÇÊåã áÍá ÇáãÔßáÇÊ ÇáãÚÞÏÉ æÊÞÏíã Íáæá ãÈÊßÑÉ ÈäÇÁð Úáì ÇáÊÍáíá ÇáÏÞíÞ ááÈíÇäÇÊ.
3. ÊÚÒíÒ ÇáßÝÇÁÉ ÇáÅäÊÇÌíÉ:
ÒíÇÏÉ ÇáÝÚÇáíÉ: ãä ÎáÇá ÊÍáíá ÇáÈíÇäÇÊ¡ íãßä ááÔÑßÇÊ ÊÍÓíä ÚãáíÇÊåÇ æÒíÇÏÉ ßÝÇÁÊåÇ ÇáÅäÊÇÌíÉ ãä ÎáÇá Ýåã ÃÚãÞ áÃÏÇÁ ÇáÃÚãÇá æÊÍÏíÏ ÇáãÌÇáÇÊ ÇáÊí ÊÍÊÇÌ Åáì ÊÍÓíä.
ÊæÞÚ ÇáÇÊÌÇåÇÊ: íãßä ÇÓÊÎÏÇã ÇáÊÍáíá ÇáÊäÈÄí áÊæÞÚ ÇáÇÊÌÇåÇÊ ÇáãÓÊÞÈáíÉ æÇÊÎÇÐ ÅÌÑÇÁÇÊ ÇÓÊÈÇÞíÉ áÊÍÞíÞ ÇáÃåÏÇÝ ÇáÊäÙíãíÉ.
ÝæÇÆÏ ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ
1. ÇßÊÓÇÈ ãÚÑÝÉ ãÊÎÕÕÉ:
ÃÏæÇÊ ÇáÊÍáíá: ÊÚáã ÇÓÊÎÏÇã ÃÏæÇÊ ÇáÊÍáíá ãËá Excel¡ Python¡ R¡ æPower BI íÓÇÚÏ ÇáÔÈÇÈ Úáì ÇßÊÓÇÈ ãåÇÑÇÊ ÊÞäíÉ ãÊÞÏãÉ.
ÇáÃÓÇáíÈ ÇáÅÍÕÇÆíÉ: ÇáÊÚÑÝ Úáì ÇáÃÓÇáíÈ ÇáÅÍÕÇÆíÉ ÇáãÎÊáÝÉ æßíÝíÉ ÊØÈíÞåÇ áÊÍáíá ÇáÈíÇäÇÊ ÈÔßá ÏÞíÞ.
2. ÊØæíÑ ÇáãåÇÑÇÊ ÇáÚãáíÉ:
ãÔÇÑíÚ æÇÞÚíÉ: ÊæÝÑ ÇáÏæÑÇÊ ÛÇáÈðÇ ãÔÇÑíÚ æÇÞÚíÉ Êãßä ÇáØáÇÈ ãä ÊØÈíÞ ÇáãÚÑÝÉ ÇáäÙÑíÉ Ýí ÓíÇÞÇÊ ÚãáíÉ.
ÇáÊÏÑíÈ ÇáÚãáí: íãßä Ãä ÊÔãá ÇáÏæÑÇÊ ÊÏÑíÈÇÊ ÚãáíÉ ÊÓÇÚÏ ÇáØáÇÈ Úáì Ýåã ßíÝíÉ ÇÓÊÎÏÇã ÃÏæÇÊ ÇáÊÍáíá Ýí ÈíÆÇÊ ÇáÚãá ÇáÍÞíÞíÉ.
3. ÊÍÓíä ÝÑÕ ÇáÊæÙíÝ:
ÔåÇÏÇÊ ãÚÊÑÝ ÈåÇ: ÇáÍÕæá Úáì ÔåÇÏÇÊ ãä ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ íãßä Ãä íÚÒÒ ÇáÓíÑÉ ÇáÐÇÊíÉ æíÌÚá ÇáãÑÔÍíä ÃßËÑ ÌÇÐÈíÉ áÃÑÈÇÈ ÇáÚãá.
ÔÈßÇÊ ÇáÚáÇÞÇÊ: ÊæÝÑ ÇáÏæÑÇÊ ÝÑÕðÇ áÈäÇÁ ÔÈßÇÊ ÚáÇÞÇÊ ãåäíÉ ãÚ ÎÈÑÇÁ Ýí ÇáãÌÇá æÒãáÇÁ ÇáÏÑÇÓÉ.
ßíÝíÉ ÇáÇÓÊÝÇÏÉ ãä ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ
1. ÇÎÊíÇÑ ÇáÏæÑÉ ÇáãäÇÓÈÉ:
ÇáãÓÊæì ÇáãäÇÓÈ: ÍÏÏ ÇáÏæÑÉ ÇáÊí ÊÊäÇÓÈ ãÚ ãÓÊæì ãÚÑÝÊß ÇáÍÇáí¡ ÓæÇÁ ßäÊ ãÈÊÏÆðÇ Ãæ áÏíß ÈÚÖ ÇáÎÈÑÉ Ýí ÇáÊÍáíá.
ÇáãÍÊæì ÇáÔÇãá: ÊÃßÏ ãä Ãä ÇáÏæÑÉ ÊÛØí ÇáãæÖæÚÇÊ æÇáÃÏæÇÊ ÇáÊí Êåãß æÊäÇÓÈ ÇÍÊíÇÌÇÊß ÇáãåäíÉ.
2. ÇáÇäÎÑÇØ ÈÝÇÚáíÉ:
ÇáãÔÇÑßÉ ÇáÝÚÇáÉ: ÔÇÑß ÈÝÚÇáíÉ Ýí ÇáÏÑæÓ æÇáãäÇÞÔÇÊ¡ æÇØÑÍ ÇáÃÓÆáÉ áÊÍÓíä Ýåãß ááãæÖæÚÇÊ.
ÇáãÔÇÑíÚ ÇáÚãáíÉ: ÇÓÊÛá ÇáÝÑÕ ÇáÚãáíÉ áÊØÈíÞ ãÇ ÊÚáãÊå¡ æÊÃßÏ ãä ÅÊãÇã ÌãíÚ ÇáãÔÇÑíÚ æÇáæÇÌÈÇÊ ÇáãØáæÈÉ.
3. ÇáÇÓÊÝÇÏÉ ãä ÇáãæÇÑÏ ÇáÅÖÇÝíÉ:
ÇáãæÇÑÏ ÇáÊÚáíãíÉ: ÇÓÊÎÏã ÇáãæÇÑÏ ÇáÊÚáíãíÉ ÇáÅÖÇÝíÉ ãËá ÇáßÊÈ¡ ÇáãÞÇáÇÊ¡ æÇáãÏæäÇÊ áÊÚÒíÒ ãÚÑÝÊß æÝåãß ááãæÖæÚÇÊ.
ÇáäÏæÇÊ ææÑÔ ÇáÚãá: ÇÍÖÑ ÇáäÏæÇÊ ææÑÔ ÇáÚãá ÇáÊí ÊÞÏãåÇ ÇáãÄÓÓÇÊ ÇáÊÚáíãíÉ Ãæ ÇáãÌÊãÚÇÊ ÇáãåäíÉ áÊÚãíÞ ãÚÑÝÊß æÊæÓíÚ ÔÈßÉ ÚáÇÞÇÊß.
ÃãËáÉ Úáì ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ
1. Coursera:
Data Science Specialization: ÏæÑÉ ãÊÞÏãÉ ÊÞÏãåÇ ÌÇãÚÉ ÌæäÒ åæÈßäÒ¡ ÊÛØí ãæÇÖíÚ ãÊÚÏÏÉ Ýí Úáã ÇáÈíÇäÇÊ æÊÍáíá ÇáÈíÇäÇÊ ÈÇÓÊÎÏÇã R.
2. edX:
MicroMasters Program in Data Science: ÈÑäÇãÌ íÞÏã ãÌãæÚÉ ãä ÇáÏæÑÇÊ ÇáÊÎÕÕíÉ Ýí Úáã ÇáÈíÇäÇÊ æÊÍáíá ÇáÈíÇäÇÊ ÈÇÓÊÎÏÇã Python æR.
3. Udacity:
Data Analyst Nanodegree: ÈÑäÇãÌ ãÊÎÕÕ íÑßÒ Úáì ÊØæíÑ ãåÇÑÇÊ ÇáÊÍáíá ÈÇÓÊÎÏÇã ÃÏæÇÊ ãËá SQL¡ Python¡ æTableau.
ÎÇÊãÉ
ÊÚÏ ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ ÇÓÊËãÇÑðÇ ÞíãðÇ ááÔÈÇÈ ÇáÐíä íÓÚæä áÊÚÒíÒ ãåÇÑÇÊåã æÒíÇÏÉ ÝÑÕåã Ýí ÓæÞ ÇáÚãá. ãä ÎáÇá ÇßÊÓÇÈ ãÚÑÝÉ ãÊÎÕÕÉ æÊØæíÑ ãåÇÑÇÊ ÚãáíÉ¡ íãßä ááÔÈÇÈ ÊÍÞíÞ ÇáäÌÇÍ Ýí ãÌÇáÇÊ ãÊÚÏÏÉ æÇáÇÓÊÝÇÏÉ ãä ÇáÝÑÕ ÇáæÙíÝíÉ ÇáãÊÇÍÉ. Åä ÇÎÊíÇÑ "ÇÝÖá ßæÑÓ ÊÓæíÞ ÇáßÊÑæäí" Åáì ÌÇäÈ ÏæÑÇÊ ÊÍáíá ÇáÈíÇäÇÊ íãßä Ãä íãäÍ ÇáÔÈÇÈ ÇáÃÏæÇÊ æÇáãÚÑÝÉ ÇááÇÒãÉ ááÊÝæÞ Ýí ÚÕÑ ÇáÑÞãäÉ.




ÑÏ ãÚ ÇÞÊÈÇÓ
ÇáãÝÖáÇÊ