صفحة 40 - كتاب علم البيانات - الصف 11 - الفصل 1 - المملكة العربية السعودية

سؤال 2: وضح كيف تُمكّن لغة البايثون من مساعدة المتخصص في علم البيانات.

الإجابة: لغة سهلة وقوية، توفر مكتبات (Pandas, NumPy) للمعالجة و(Scikit-learn) للنماذج، وتدعم الأتمتة.

خطوات الحل:

1. **الشرح:** لنفهم هذا السؤال، الفكرة هنا هي معرفة كيف تساهم لغة برمجة معينة في مجال علم البيانات. لغة البايثون هي لغة برمجة عالية المستوى. تتميز بأنها سهلة التعلم والقراءة، مما يجعلها مناسبة للمتخصصين الذين قد لا يكونون مبرمجين محترفين. قوتها تكمن في توفر مجموعة كبيرة من المكتبات المتخصصة. على سبيل المثال، مكتبات مثل Pandas و NumPy تُستخدم لمعالجة البيانات وتحليلها وتنظيفها بكفاءة. مكتبات أخرى مثل Scikit-learn توفر أدوات جاهزة لبناء نماذج التعلم الآلي وتدريبها. بالإضافة إلى ذلك، تسمح لغة البايثون بأتمتة المهام المتكررة في تحليل البيانات، مما يوفر الوقت والجهد. إذن، من خلال سهولتها وقوتها ومكتباتها المتخصصة، تُمكّن لغة البايثون المتخصص في علم البيانات من جمع البيانات ومعالجتها وتحليلها وبناء النماذج بشكل فعال.

سؤال 3: وضح كيف يمكن لفكرة جوبيتر مساعدة المتخصص في علم البيانات.

الإجابة: بيئة تفاعلية تدمج الكود والنتائج والشرح، مما يسهل استكشاف البيانات وتوثيق العمل.

خطوات الحل:

1. **الشرح:** الفكرة في هذا السؤال هي فهم دور بيئة عمل تفاعلية في مجال علم البيانات. جوبيتر (Jupyter) هو اسم لبيئة تطوير تفاعلية. ما يميزها هو أنها تدمج بين كتابة الكود البرمجي (مثل كود البايثون) وعرض نتائج تنفيذ هذا الكود (مثل الجداول أو الرسوم البيانية) وكتابة الشرح النصي باستخدام لغة Markdown، كل ذلك في مستند واحد يسمى "دفتر الملاحظات" (Notebook). هذا التكامل يسهل على المتخصص في علم البيانات عملية استكشاف البيانات وتجربة أفكار تحليلية مختلفة بسرعة، حيث يرى النتائج فوراً بجانب الكود. كما أنه يُسهل عملية توثيق العمل، حيث يمكن كتابة شرح للخطوات والاستنتاجات بجانب الكود والنتائج، مما يجعل العمل واضحاً وقابلاً للتشارك مع الآخرين أو العودة إليه لاحقاً. إذن، جوبيتر يساعد من خلال توفير بيئة تفاعلية موحدة تُسهل الاستكشاف والتجربة والتوثيق.

سؤال 4: عدّد أهم أدوات علم البيانات، وكيف يمكن لكل أداة المساهمة في كل خطوة من خطوات علم البيانات؟

الإجابة: الجمع (Python/SQL)، التخزين (Cloud)، التنظيف (Pandas)، التحليل (Stats)، النمذجة (Scikit)، التصوير .(Tableau)

خطوات الحل:

1. **الخطوة 1 (المفهوم):** نتذكر أن عملية علم البيانات تتكون عادة من عدة خطوات متسلسلة، مثل: جمع البيانات، تخزينها، تنظيفها ومعالجتها، تحليلها، بناء النماذج، وعرض النتائج (التصور). لكل خطوة من هذه الخطوات، توجد أدوات برمجية أو تقنية مناسبة تساعد في إنجازها.
2. **الخطوة 2 (التطبيق على الأدوات):** لنطبق هذا المفهوم على الأدوات المذكورة: - **جمع البيانات:** يمكن استخدام لغة برمجة مثل **Python** مع مكتباتها لسحب البيانات من مصادر مختلفة، أو استخدام لغة الاستعلامات **SQL** لجلب البيانات من قواعد البيانات. - **التخزين:** بعد الجمع، تحتاج البيانات إلى مكان تخزين، وهنا تأتي أدوات **التخزين السحابي (Cloud)** التي توفر مساحة تخزين مرنة وآمنة. - **التنظيف والمعالجة:** هذه خطوة حاسمة، وأداة مثل مكتبة **Pandas** في بايثون متخصصة في تنظيف البيانات (مثل التعامل مع القيم المفقودة) وتحويلها إلى شكل مناسب للتحليل. - **التحليل:** للتحليل الإحصائي واستكشاف العلاقات، تُستخدم أدوات الإحصاء ومكتبات التحليل في بايثون. - **النمذجة:** لبناء نماذج التنبؤ أو التصنيف (التعلم الآلي)، تُستخدم مكتبات مثل **Scikit-learn** في بايثون والتي توفر خوارزميات جاهزة. - **التصور وعرض النتائج:** لعرض الاكتشافات والنتائج بشكل مرئي واضح، تُستخدم أدوات التصور مثل **Tableau** أو مكتبات بايثون الخاصة بالرسم البياني.
3. **الخطوة 3 (النتيجة):** إذن، كل أداة تساهم في خطوة محددة من خطوات علم البيانات: أدوات الجمع (Python/SQL) للخطوة الأولى، أدوات التخزين (Cloud) للخطوة الثانية، أدوات التنظيف (Pandas) للخطوة الثالثة، أدوات التحليل (الإحصاء) للخطوة الرابعة، أدوات النمذجة (Scikit-learn) للخطوة الخامسة، وأدوات التصور (Tableau) للخطوة الأخيرة في العرض والتواصل.

أي من الخصائص التالية تُعد من أبرز مزايا لغة بايثون التي تُمكّن متخصص علم البيانات؟

• أ) سرعة التنفيذ العالية جداً مقارنة بلغات البرمجة الأخرى، وتوفرها بشكل افتراضي على جميع أنظمة التشغيل.
• ب) سهولة التعلم والقراءة، وتوفر مكتبات متخصصة قوية مثل Pandas وScikit-learn.
• ج) قدرتها الفائقة على برمجة تطبيقات الويب والهواتف الذكية بشكل مباشر.
• د) كونها لغة مفتوحة المصدر فقط، ودعمها الكامل للبرمجة الشيئية دون غيرها من الأنماط.

الإجابة الصحيحة: b

الإجابة: سهولة التعلم والقراءة، وتوفر مكتبات متخصصة قوية مثل Pandas وScikit-learn.

الشرح: 1. لغة بايثون سهلة التعلم والقراءة، مما يجعلها مناسبة لمتخصصي البيانات. 2. توفر مكتبات متخصصة قوية مثل Pandas لمعالجة البيانات وScikit-learn لبناء نماذج التعلم الآلي. 3. هذه المزايا مجتمعة تُمكّن من جمع البيانات ومعالجتها وتحليلها وبناء النماذج بكفاءة.

تلميح: فكر في ما يجعل لغة برمجة مناسبة لغير المبرمجين المحترفين، وما الذي يوفر أدوات جاهزة للمهام المتخصصة.

التصنيف: مفهوم جوهري | المستوى: متوسط

ما الدور الرئيسي الذي تلعبه بيئة جوبيتر (Jupyter) في مساعدة متخصص علم البيانات؟

• أ) توفير بيئة تفاعلية تدمج الكود والنتائج والشرح في مستند واحد، مما يسهل الاستكشاف والتوثيق.
• ب) تخزين كميات هائلة من البيانات المهيكلة وغير المهيكلة على خوادم سحابية آمنة.
• ج) تحويل نماذج التعلم الآلي المعقدة إلى تطبيقات ويب تفاعلية يمكن للمستخدمين العاديين التعامل معها.
• د) تنفيذ عمليات معالجة البيانات وتحليلها بسرعات عالية جداً باستخدام وحدات معالجة رسومية (GPU).

الإجابة الصحيحة: a

الإجابة: توفير بيئة تفاعلية تدمج الكود والنتائج والشرح في مستند واحد، مما يسهل الاستكشاف والتوثيق.

الشرح: 1. جوبيتر هو بيئة تطوير تفاعلية. 2. يدمج بين كتابة الكود البرمجي وعرض نتائجه (مثل الجداول والرسوم) وكتابة الشرح النصي في دفتر ملاحظات واحد. 3. هذا يسهل استكشاف البيانات وتجربة الأفكار بسرعة، ويجعل العمل واضحاً وقابلاً للتشارك.

تلميح: فكر في بيئة عمل تسمح برؤية النتائج بجانب الكود، وكتابة الملاحظات.

التصنيف: تعريف | المستوى: متوسط

أي من الأدوات التالية تُستخدم بشكل أساسي في خطوة 'تنظيف ومعالجة البيانات' ضمن عملية علم البيانات؟

• أ) لغة الاستعلامات SQL لجلب البيانات من قواعد البيانات.
• ب) مكتبة Scikit-learn لبناء نماذج التعلم الآلي.
• ج) مكتبة Pandas في لغة بايثون.
• د) أداة Tableau لتصور البيانات وعرض النتائج.

الإجابة الصحيحة: c

الإجابة: مكتبة Pandas في لغة بايثون.

الشرح: 1. عملية علم البيانات تشمل خطوات متسلسلة: الجمع، التخزين، التنظيف، التحليل، النمذجة، التصور. 2. لكل خطوة أدوات مناسبة. خطوة التنظيف والمعالجة تهدف لإعداد البيانات (مثل التعامل مع القيم المفقودة). 3. مكتبة Pandas في بايثون هي الأداة المتخصصة والشائعة لهذه المهمة.

تلميح: هذه الخطوة تلي جمع البيانات وتسبق التحليل الإحصائي، وتهدف لجعل البيانات جاهزة للتحليل.

التصنيف: مفهوم جوهري | المستوى: سهل

أي زوج من (الأداة - خطوة علم البيانات) التالية هو الزوج الصحيح الذي يعبر عن مساهمة الأداة الرئيسية في تلك الخطوة؟

• أ) Python/SQL - تصور البيانات وعرض النتائج.
• ب) التخزين السحابي (Cloud) - تنظيف البيانات ومعالجتها.
• ج) Scikit-learn - بناء النماذج (النمذجة).
• د) Pandas - جمع البيانات من مصادرها الأولية.

الإجابة الصحيحة: c

الإجابة: Scikit-learn - بناء النماذج (النمذجة).

الشرح: 1. Scikit-learn هي مكتبة بايثون متخصصة في التعلم الآلي. 2. توفر مجموعة واسعة من الخوارزميات الجاهزة للاستخدام (مثل الانحدار، التصنيف، التجميع). 3. لذلك، دورها الرئيسي يتركز في خطوة بناء النماذج التنبؤية أو التصنيفية، وهي خطوة النمذجة.

تلميح: ركز على الأداة المتخصصة في تقديم خوارزميات جاهزة للتنبؤ أو التصنيف.

التصنيف: مفهوم جوهري | المستوى: متوسط