أنا أشوف إن فيه مهارات مهمة في مجال البيانات واللي يدخل هالمجال لازم يتقن البعض منها خصوصًا إذا كان ناوي يطور نفسه أو يلقى فرص وظيفية قوية والمهارات مطلوبة في سوقنا حاليًا زي •Python •SQL و NoSQL •Data Visualization (مثل Tableau و Power BI) • ML و NLP و Ai •الحوسبة السحابية

مقارنة بين وظائف مجال البيانات والذكاء الاصطناعي من حيث المهام، المهارات، والأدوات. مفيدة للي حاب يختار تخصصه

لو رجع فيني الزمن وابغى اتعلم بايثون لتحليل البيانات من جديد كان ركزت على ✅ اني اتقن الاساسيات في البرمجة من اول لانها بتسهل علي اشياء كثير بعدين ✅ اتعلم pandas numpy و matplotlib زين لانها الاساس في التعامل مع البيانات ✅ استخدم seaborn عشان ارفع من جودة التصوير البياني ويصير

بعد ما جربت Polars بشكل عملي لاحظت فرق واضح بالأداء مقارنة بـ Pandas خصوصا لما أتعامل مع ملفات CSV كبيرة أو بيانات كثيرة المكتبة سريعة لأنها مبنية بلغة Rust وذا الشي يعطيها أداء عالي واستهلاك أقل للموارد أكثر شي يعجبني فيها طريقة lazy execution يعني تجمع العمليات وتنفذها بشكل ذكي

اكتشفت افضل طريقة تتعلم فيها تحليل البيانات تختار موضوع تحبه ويجذبك وجيب بيانات عنه وابدأ حلل لانه الشغف يسرع التعلم وطحت على البيانات الصحيه لان فيها تفاصيل كثير وممتعه للتحليل😮‍💨

اللي يحب يشتغل على تحليل البيانات من Google Sheets؟ يستخدم gspread تربط البايثون مباشرة بجداولك وتشتغل عليها وكأنها ملف عادي

حاولت أربط Excel بقاعدة البيانات عشان أسوي تحليل سريع فجأة الملف صار 200MB والجهاز صار بطيء مره ودع 🤯

والله طلع الحل بسيط كنت ساحب الجدول كامل بدون أي فلترة لا WHERE ولا تحديد أعمدة أول ما ضبطت الكويري وحطيت الشروط خف الحجم واشتغل الجهاز طبيعي وانا احسبه ودع

الصورة هذي تبين كيف تخصصات علوم البيانات والبرمجة متداخلة ببعض واللي يميزها ان بايثون و SQL داخلين في كل المجالات الأربعة وما تقدر تمشي بأي مسار من غيرهم تقريبا عشان كذا هم مطلوبين بكثره بسوق العمل

تدرون أن ٨٠٪ من وقت التحليل تقريبا يضيع في تنظيف البيانات مو في التحليل نفسه وعشان كذا أدوات مثل pandas و openrefine وpower query صارت من الأساسيات اللي ما تستغني عنها وقت التحليل

نصيحتي لأي واحد يبدأ يتعلم Pandas و Streamlit و Plotly انه ما يستعجل ياخذ وقته يتعلم الأساسيات زين ويجرب كثير على بيانات حقيقية كمان مهم يفهم كل خطوة في التنظيف والتحليل قبل لا ينتقل لل Visualization لأن الأساس الصح يسهل كل شي بعدين وما ينسى يوثق شغله عشان يرجع له بسهولة ويتعلم

تعلم SQL ضروري لأي محلل بيانات كل ما تفهمه احسن تحليلاتك تصير ادق جرب موقع W3Schools فيه دروس سهله وتجرب الاكواد بنفسك وفيه تاسكات كثير وبعض دكاتره الجامعه يستخدموه في كتابه الاسئله وشامل اغلب لغات البرمجه w3schools.com/sql/

ادري ان تعلم الأدوات ياخذ وقت بس اللي لاحظته انك كل ما تعلمت تول جديدة تفتح لك طريقة تفكير مختلفة في التحليل

اللي يبغى يسوي داشبورد حلو وبدون اي تعقيد يجرب مكتبة dash من plotly جربتها اليوم وطلعت ممتازه تقدر تبني صفحات تفاعليه تعرض تحليلك بطريقه مرتبه وكلها ببايثون وما تحتاج خبره كبيره في الويب وكل شي يشتغل من المتصفح

لا إله إلا الله وحده لا شريك له، له الملك وله الحمد، وهو على كل شيء قدير ، اللهم اجعلني ممن نظرت إليهم فرحمتهم، وسمعت دعاءهم فأجبتهم، وكتبت لهم السعادة في الدنيا والآخرة🤍

التفكير بالمستقبل امر مهلك نفسياً

والله يا اني بديت اقدر ادوات تنظيف البيانات زي OpenRefine اكثر من اي اداة Visualization لان بصراحه بدون تنظيف البيانات ما تنفهم صح ولا يطلع منها تحليل محترم اغلب الناس يتحمسون على الرسوم والداشبورد بس ينسون ان الشغل الصح يبدا من التنظيف لو البيانات ملخبطه او فيها نواقص حتى لو

ثلاثة أسباب رئيسية ممكن تخلي تقديم الداشبوردات يكون ضعيف عندك : تأخذ وقت طويل عشان توصل للنقاط الرئيسية. تتكلم مع الناس بدل ما تتفاعل معهم. تعتقد إنك لو استخدمت مصطلحات معقدة هتكون أفضل بدل ما تبسط البيانات عشان الكل يفهم.

أحب بين فترة وفترة أدخل على لينكدان وأشوف خبرات الناس وشهاداتهم في مجال البيانات و الأدوات اللي يشتغلون عليها الشركات وأحاول أستفيد من خبراتهم وأخذ أفكار لتطوير ..أطلعت على خبرات هذي الأخت على لينكدإن ما شاء الله عندها خلفية قوية في المجال

الصورة هذه تلخص باختصار الفرق بين أدوار عالم البيانات، مهندس البيانات، ومحلل البيانات. لكل دور أدواته ولغاته الخاصة وكل واحد فيهم يكمل الثاني مرة مفيدة لأي أحد حاب يدخل مجال البيانات!