دورة دروب للذكاء الاصطناعي وتحليل البيانات: تمرين للمبتدئ

تعلم تحليل البيانات يبدأ بسؤال واضح ومعلومة قابلة للفحص، قبل الانتقال إلى الأدوات أو نماذج الذكاء الاصطناعي. تعرض منصة التدريب الإلكتروني جلسة تمهيدية عن العلاقة بين المجالين. يشرح هذا الدليل تفاصيلها الرسمية وطريق التسجيل، ثم يقدم تمرينًا مستقلًا يساعد المبتدئ على التمييز بين رقم في جدول واستنتاج يمكن دعمه بذلك الرقم.

الجلسة الرسمية ومتطلباتها

تقدم صفحة الذكاء الاصطناعي وتحليل البيانات في مستقبل سوق العمل جلسة باللغة العربية للمبتدئين، دون متطلب سابق. تتناول تعريف تحليل البيانات والذكاء الاصطناعي، وأهمية التحليل فيه، وكيف تستفيد الشركات منه. المتحدث م. زياد المريشد، والجلسة بالتعاون مع STC، وفق المعلومات المنشورة في المصدر.

تشترط الصفحة اجتياز متطلبات الجلسة بنسبة لا تقل عن 70% للحصول على شهادة الإتمام. يؤدي زر «سجل الآن» إلى الدخول عبر نفاذ لعميل هدف. تسجيل الدخول ليس بحد ذاته إثبات اجتياز أو إصدار شهادة؛ راجع تقدمك ومتطلبات الجلسة من حسابك. لا يقدم هذا المقال إجابات للاختبار أو ادعاءً بأن مشاهدة المحتوى وحدها تكفي.

اختر سؤالًا يمكن للبيانات الإجابة عنه

ابدأ بمثال خيالي لمكتب يستقبل طلبات حجز قاعة. بدل سؤال واسع مثل «هل الخدمة جيدة؟»، اسأل: كم طلبًا اكتملت بياناته من أول مرة خلال الأسبوع التدريبي؟ السؤال الثاني يحدد شيئًا يمكنك عده. لا يغطي جميع جوانب الجودة، لكنه يصلح لبداية صغيرة تعرف فيها ما الذي تقيسه وما الذي تتركه خارج النطاق.

اكتب تعريفًا لاكتمال البيانات في المثال: وجود تاريخ ووقت وعدد حضور ووسيلة تواصل افتراضية. استخدم التعريف نفسه لكل صف، وإلا ستقارن حالات جرى تقييمها بمعايير مختلفة. لا تجمع بيانات حقيقية عن أشخاص؛ يكفي إنشاء جدول تدريبي من عشرة طلبات خيالية، مع رمز لكل طلب بدل الاسم.

من صفوف الجدول إلى نسبة مفهومة

افترض أن سبعة طلبات من عشرة كانت مكتملة من أول مرة. النتيجة في هذا الجدول الخيالي هي 70%. اكتب بجانبها البسط والمقام: سبعة طلبات مكتملة من عشرة طلبات مسجلة. لا تترك النسبة منفصلة، لأن القارئ قد يتخيل أنها مبنية على آلاف الحالات أو على فترة أطول من الأسبوع الذي اخترته للتدريب.

أضف الآن طلبين ناقصي البيانات. أصبح المجموع اثني عشر، بينما بقي عدد المكتمل سبعة. النسبة الجديدة تقارب 58.3%. هذا التغيير لا يعني أن الطلبات السبعة السابقة تدهورت؛ الذي تغير هو مجموعة الحالات الداخلة في الحساب. يساعدك المثال على فهم أهمية تعريف المقام قبل مقارنة نسب تبدو متشابهة.

تحقق من التكرار قبل الاستنتاج

ضع صفًا مكررًا عمدًا داخل نسخة من الجدول، ثم أعد الحساب. هل تغير العدد؟ وكيف اكتشفت التكرار؟ استخدم رقم طلب افتراضيًا وتاريخًا للتتبع، ولا تحذف صفين لأنهما متشابهان في الوصف فقط؛ قد يكونان طلبين مختلفين فعلًا. سجل قاعدة المراجعة التي استخدمتها وسبب اعتبار الصف مكررًا في هذا التمرين.

احتفظ بالنسخة الأصلية ونسخة العمل، ثم اكتب سجلًا قصيرًا للتغييرات. إذا سئلت عن الفرق بين النتيجتين، تستطيع الإشارة إلى الصف المعني بدل الاعتماد على الذاكرة. هذه عادة تدريبية تساعد على قابلية المراجعة، وليست تصريحًا بتعديل سجلات جهة عمل أو حذف بيانات منها دون صلاحية وإجراء واضح.

المعلومة الناقصة ليست صفرًا

أضف عمودًا لوقت إكمال الطلب، واترك خليتين فارغتين. لا تضع فيهما صفرًا لتسهيل الحساب؛ الصفر قد يعني أن الطلب أكمل فورًا، بينما الفراغ يعني أنك لا تعرف الزمن. اكتب في ملخصك عدد الحالات التي توافرت لها المعلومة، وعدد الحالات المستبعدة من حساب الزمن، حتى تظهر حدود النتيجة بوضوح.

إذا كانت الأوقات المتاحة عشر دقائق وعشرين وثلاثين، فمتوسط هذه الحالات الثلاث عشرون دقيقة. لا تعرضه بوصفه متوسط جميع الطلبات الاثني عشر إذا لم تكن بقية الأوقات موجودة. اسأل لماذا غابت المعلومات وهل الغياب مرتبط بنوع معين من الطلبات. قد يؤثر ذلك في صلاحية استخدام المتوسط لوصف المجموعة كلها.

لا تخلط الارتباط بالسبب

في نسخة أخرى من المثال، لاحظ أن الطلبات المرسلة صباحًا أكثر اكتمالًا. هذه ملاحظة داخل جدولك، لكنها لا تثبت أن وقت الصباح هو السبب. ربما استخدم أصحاب تلك الطلبات نموذجًا مختلفًا، أو كانت الطلبات أبسط. اكتب تفسيرًا محتملًا وسؤالًا يحتاج معلومات إضافية بدل تحويل العلاقة مباشرة إلى قاعدة عامة.

جرب صياغتين للنتيجة: «الصباح يحسن جودة الطلبات» و«في العينة التدريبية كانت طلبات الصباح أكثر اكتمالًا، ولم نختبر السبب». الثانية تحدد النطاق وتحفظ الفرق بين ما شاهدته وما لم تختبره. الهدف من التحليل أن يساعد على الفهم، لا أن يمنح كل رسم بياني قوة إثبات أكبر مما تسمح به البيانات.

أين تدخل أداة الذكاء الاصطناعي؟

بعد فهم الجدول بنفسك، يمكنك استخدام أداة متاحة لاقتراح أسئلة أو شرح طريقة عرض النتائج، مع بيانات خيالية فقط. اكتب تعريف الأعمدة والسؤال الذي تريد الإجابة عنه، واطلب منها تمييز الملاحظة عن الافتراض. لا ترسل ملفات عمل سرية أو بيانات أشخاص لمجرد تجربة ميزة جديدة.

قارن جواب الأداة بحسابك اليدوي: هل استخدمت اثني عشر طلبًا أم تجاهلت الصفوف الناقصة دون ذكر؟ وهل وصفت 70% القديمة كأنها النتيجة الحالية؟ إذا وجدت خطأ، صحح المدخل أو السؤال واحتفظ بمثال يوضح سبب التصحيح. لا تعتبر الثقة في نبرة الجواب دليلًا على صحة الأرقام أو سلامة الاستنتاج.

حوّل التجربة إلى ملخص صفحة واحدة

اجعل الملخص يتكون من السؤال، وتعريف البيانات، وخطوات التنظيف، ونتيجة واحدة، وحدودها. أضف رسمًا بسيطًا فقط إذا كان يجعل المقارنة أسهل من قراءة الرقم. لا تستخدم ألوانًا أو محاور توحي بفارق ضخم بين قيم متقاربة، ولا تخف حجم العينة أو الملاحظات التي تغير تفسيرها.

اطلب من قارئ موافق أن يحدد من الملخص عدد الطلبات التي اعتمدت عليها، وما الذي استبعد، وما الذي لا تستطيع الجزم به. إذا لم يجد الإجابات، عدل العرض. ويمكنك الاستفادة من تمرين دقة إدخال البيانات لتقوية خطوة المراجعة قبل الانتقال إلى تحليل أكثر تعقيدًا.

خطة استفادة بعد الجلسة

بعد متابعة المحتوى الرسمي، عد إلى جدولك وحدد مفهومًا فهمته بصورة أفضل. ربما أصبحت تميز بين وصف البيانات وتوقع نتيجة جديدة، أو بين عدد الطلبات وعدد الصفوف. اكتب ما تغير في طريقة عملك، ثم أعد التمرين مع خطأ مختلف. تكرار المهمة بهدف واضح أكثر فائدة من جمع أمثلة كثيرة دون مراجعتها.

احتفظ بالنموذج في ملف تعلمك مع عبارة «بيانات افتراضية للتدريب». عند عرضه في مقابلة، اشرح السؤال والخطأ الذي اكتشفته وكيف تحققت من النتيجة، ولا تقدمه كمشروع نفذته لشركة. الشهادة توثق ما تصدره المنصة وفق متطلباتها، بينما نموذجك يوضح طريقة تفكيرك وحدود خبرتك الفعلية.

ولمراجعة فهمك، أنشئ بطاقة لكل رقم يظهر في ملخصك: ما تعريفه؟ ومن أي صفوف جاء؟ وما الفترة التي يغطيها؟ وهل تغيرت قاعدة الحساب بين نسختين؟ إذا لم تستطع الإجابة، عد إلى الجدول قبل تنسيق الرسم. ثم اكتب سؤالًا واحدًا لا يمكن لبياناتك الحالية حله، وحدد المعلومة الإضافية اللازمة له. هذا الجزء يكشف حدود التحليل ويساعدك على طلب بيانات مناسبة بدل إضافة استنتاجات لا يدعمها النموذج، ويجعل النقاش حول النتيجة أكثر دقة ووضوحًا.