الأسئلة الشائعة
الخدمات
انضم إلينا كخبير
المدونة
حلل احتياجاتك التدريبيةجديد ومجاني
الإفصاح عن التدريب مجانًاتقييم نضج الموارد البشرية مجانًاالرضا والارتباط الوظيفي مجانًا
رواسي
رواسي التمكين
للاستـــــشارات والـــــتدريب
الرئيسيةمن نحن
الدورات التدريبيةالبرامج التدريبية الشهريةحلل احتياجاتك التدريبية مجانًاالإفصاح عن التدريب مجانًاالاعتمادات
الحقائب التدريبية الجاهزةالتحول الرقمي للحقائب التدريبيةطلب حقيبة تدريبية مخصصة
الخدمات الاستشاريةالمنتجات الرقميةاتصل بنا
رواسي
رواسي التمكينللاستـــــشارات والـــــتدريب

نقدم حلولاً متكاملة في التدريب والاستشارات والمنتجات الرقمية بمعايير مهنية تساهم في تمكين الأفراد وتطوير المؤسسات.

طرق الدفع

مدىفيزاماستركاردأمريكان إكسبرسSTC PayApple Payمدفوعتابيتمارا

السجل التجاري

7001748636

الحالة: نشطإصدار: 27/02/2012

روابط سريعة

  • الرئيسية
  • من نحن
  • الأكاديميات المتخصصة
  • الدورات
  • جميع القطاعات
  • الحقائب التدريبية
  • الخدمات الاستشارية
  • المنتجات الرقمية
  • المدونة
  • اتصل بنا
  • انضم إلينا كخبير

خدماتنا

  • التدريب والتأهيل
  • الحلول الاستشارية
  • الجودة والتميز
  • المنتجات الرقمية
  • التطوير المؤسسي
  • حلول التحول الرقمي

تواصل معنا

الفرع الرئيسي:

الرياض: المملكة العربية السعودية
عمان: المملكة الأردنية الهاشمية
مسقط: سلطنة عُمان

البريد الإلكتروني:

[email protected]

الهاتف:

السعودية:+966 500 665 369(إضافي):+966 570 588 004
تحدث مع خبيرحلل احتياجاتك التدريبية مجانًا

© 2026 رواسي التمكين للاستشارات والتدريب. جميع الحقوق محفوظة.

سياسة الخصوصيةالشروط والأحكامسياسة الاستردادخريطة الموقع
Python لتحليل البيانات – من الصفر إلى الاحتراف باستخدام Pandas و Numpy و Matplotlib و Seaborn
الدوراتبرامج تحليل البيانات
برنامج تدريبي احترافي

Python لتحليل البيانات – من الصفر إلى الاحتراف باستخدام Pandas و Numpy و Matplotlib و Seaborn

تُعد دورة "Python لتحليل البيانات – من الصفر إلى الاحتراف باستخدام Pandas و Numpy و Matplotlib و Seaborn" برنامجًا تدريبيًا تطبيقيًا يهدف إلى تمكين المشاركين من استخدام Python كأداة قوية لتحليل البيانات ومعالجتها وتصورها. Python هي اللغة الأكثر شيوعًا في مجال علوم البيانات وتحليل البيانات بفضل...

شهادة متضمنة
تدريب بقيادة خبراء
تعلم تطبيقي
دعم في التسجيل
أيام
5 أيام
اللغة
العربية والإنجليزية
مسار عرض السعر

اطلب الجدول وعرض السعر

الدفع الإلكتروني غير متاح لهذه الدورة حالياً. أرسل بياناتك وسيقوم فريق التدريب بإعداد الجدول وعرض السعر الأنسب لك.

لا توجد جلسة عامة مدفوعة متاحة الآن. اطلب عرض سعر وسنؤكد الجدول والمقاعد والتكلفة.
ملخص الدورة
اطلب الجدول وعرض السعر

لا يوجد دفع إلكتروني مفتوح لهذه الدورة حالياً. يمكن لفريقنا إرسال عرض السعر المناسب لك.

تاريخ البدء
مرن / متاح دائماً
الشهادة
شهادة معتمدة
أيام
5 أيام

يصلكم العرض عبر البريد وبوابة العملاء

استفسر عبر واتساب
تفاصيل الدورة

نظرة عامة

تُعد دورة "Python لتحليل البيانات – من الصفر إلى الاحتراف باستخدام Pandas و Numpy و Matplotlib و Seaborn" برنامجًا تدريبيًا تطبيقيًا يهدف إلى تمكين المشاركين من استخدام Python كأداة قوية لتحليل البيانات ومعالجتها وتصورها. Python هي اللغة الأكثر شيوعًا في مجال علوم البيانات وتحليل البيانات بفضل مكتباتها الغنية (PandasNumpyMatplotlibSeabornScikit-learn، وغيرها. تنتقل الدورة من الأساسيات (أنواع البيانات، القوائم، القواميس، الجمل الشرطية، الحلقات، الدوال) إلى المستويات المتقدمة في تحليل البيانات باستخدام Pandas (DataFrames، تنقية البيانات، الدمج، التجميع، التحويل، و Numpy المصفوفات، العمليات الحسابية المتجهة)، والتصور باستخدام Matplotlib و Seaborn إنشاء مخططات احترافية). سيتمكن المشاركون في نهاية الدورة من إجراء تحليلات بيانات متكاملة (استيراد، تنظيف، تحليل إحصائي، تصور) على مجموعات بيانات حقيقية

تم تصميم البرنامج ليكون تطبيقيًا بنسبة 80%، مع تمارين عملية في Jupyter Notebook، ومشاريع تحليلية على مجموعات بيانات متنوعة (مبيعات، إعلانات، صحة، موارد بشرية، طقس، فيروس كورونا)

الأهداف

أهداف البرنامج

بنهاية هذه الدورة، سيكون المشارك قادرًا على:

  1. كتابة كود Python الأساسي للتعامل مع البيانات – استخدام المتغيرات، أنواع البيانات الأساسية (intfloatstrboollisttupledictset)، الجمل الشرطية (if-elif-else)، الحلقات (forwhile)، والدوال (def).

  2. استخدام مكتبة NumPy للعمليات الحسابية عالية الأداء – إنشاء المصفوفات (Arrays)، والعمليات الرياضية على المصفوفات (الجمع، الطرح، الضرب، الدوال المثلثية)، والفهرسة، والتقطيع (Slicing)، والعمليات الإحصائية الأساسية

  3. استخدام مكتبة Pandas لتحليل البيانات بطلاقة – قراءة البيانات من مصادر متعددة (CSVExcelJSONSQL)، إنشاء DataFrames، استكشاف البياناتhead()info()describe()، تنظيف البيانات (معالجة القيم المفقودة، التكرارات، تحويل الأنواع)، دمج البياناتmerge()concat()، التجميعgroupby()agg()pivot_table()، وتطبيق الدوال على الأعمدةapply()map().

  4. تصور البيانات باستخدام Matplotlib و Seaborn – إنشاء مخططات (خطية، أعمدة، شريطية، دائرية، مبعثرة، مربعة) وتخصيصها (الألوان، العناوين، الأساطير). إنشاء مخططات إحصائية متقدمة (HeatmapsPairplotsBoxplotsViolinplots).

  5. إجراء تحليل استكشافي للبيانات (Exploratory Data Analysis – EDA) – حساب الإحصائيات الوصفية، اكتشاف العلاقات بين المتغيرات (ارتباطات)، اكتشاف القيم المتطرفة (Outliers)، وتلخيص النتائج في تقرير مرئي

  6. بناء مشروع تحليل بيانات كامل – تطبيق جميع المهارات في مشروع واحد (من استيراد البيانات إلى تقديم التوصيات)

الفئة المستهدفة

الفئة المستهدفة

يستهدف هذا البرنامج التدريبي الفئات التالية:

  1. محللو البيانات الطموحون (Aspiring Data Analysts) والحاليون الذين يريدون الانتقال من Excel إلى Python.

  2. محللو الأعمال (Business Analysts) ومحللو العمليات

  3. مطورو البرامج الذين يريدون توسيع مهاراتهم في تحليل البيانات

  4. طلاب وخريجو علوم الحاسوب، الهندسة، الرياضيات، الإحصاء

  5. أي شخص مهتم بتعلم تحليل البيانات باستخدام لغة البرمجة الأكثر طلبًا

الكفاءات

الكفاءات الأساسية

قراءة ملف CSV وتحويله إلى DataFrame وتنظيفه

استيراد ملف CSV يحتوي على بيانات مبيعات (مع قيم مفقودة وتنسيقات غير صحيحة) إلى DataFrame، واستكشافه، وتنظيفه (ملء القيم المفقودة، تحويل أنواع الأعمدة، إزالة التكرارات)

دمج جدولين (مثل المنتجات والمبيعات) باستخدام merge()

دمج DataFrame المبيعات مع DataFrame المنتجات باستخدام المفتاح المشترك ProductID، مع تحديد نوع الدمج (Inner Join).

إنشاء مخطط خطي (Line Plot) لاتجاه المبيعات الشهرية

استخدام Matplotlib لرسم مخطط خطي يوضح إجمالي المبيعات لكل شهر، مع تنسيق مناسب (عنوان، تسميات محاور، أسطورة)

إنشاء مخطط مربع (Boxplot) لمقارنة توزيع الرواتب بين الأقسام

استخدام Seaborn لرسم Boxplot يوضح توزيع الرواتب في عدة أقسام، وتحديد القيم المتطرفة (Outliers).

حساب مصفوفة الارتباط (Correlation Matrix) وعرضها ك Heatmap

حساب الارتباط بين الأعمدة العددية في DataFrame، وعرض النتائج على شكل خريطة حرارية (Heatmap) باستخدام Seaborn.

تطبيق GroupBy و Aggregation

حساب إجمالي المبيعات ومتوسط قيمة الطلب لكل فئة منتج، وترتيب الفئات تنازليًا حسب إجمالي المبيعات

رحلة التعلم

محتوى البرنامج

01

مقدمة المحاور المتقدمة للبرنامج

تصميم البرنامج ومدته
تم تصميم الدورة على مدى 5 أيام (25 ساعة تدريبية)
02

اليوم الأول: أساسيات Python للبيانات (مراجعة سريعة)

إعداد بيئة العمل
تثبيت Anaconda يحتوي على PythonJupyter NotebookNumPyPandasMatplotlibSeaborn). تشغيل Jupyter Notebook. إنشاء أول Notebook.
أنواع البيانات الأساسية والمتغيرات
الأعداد الصحيحة (int)، الأعداد العشرية (float)، السلاسل النصية (str)، القيم المنطقية (bool). تحويل الأنواعint()str().
هياكل البيانات الأساسية
القوائم (Lists) append()remove()، الفهرسة، التقطيع). القواميس (Dictionaries) المفاتيح والقيم). المجموعات (Tuples) غير قابلة للتغيير). المجموعات (Sets) عناصر فريدة.
الجمل الشرطية والحلقات
if-elif-elseالحلقات for (التكرار على القوائم، النطاقات). الحلقات whilebreak و continue
الدوال (Functions)
تعريف دالة باستخدام def، المعاملات (parameters)، قيم الإرجاع (return). الدوال المضمنةprint()len()type()range().
تطبيق عملي (ورشة عمل) – معالجة قائمة طلبات بسيطة
إنشاء قائمة تحتوي على قواميس تمثل طلبات. كتابة دالة لحساب إجمالي قيمة الطلبات. تكرار على القائمة باستخدام for.
03

اليوم الثاني: NumPy و Pandas الأساسي – استيراد واستكشاف البيانات

مقدمة في NumPy
مصفوفات NumPy (ndarray) مقابل القوائم العادية. إنشاء مصفوفاتnp.array()np.zeros()np.ones()np.arange()np.linspace(). العمليات الحسابية على المصفوفات (الجمع، الطرح، الضرب، القسمة، np.sqrt()np.exp(). الفهرسة والتقطيع
مقدمة في Pandas – Series و DataFrame
ما هو Pandas؟ Series عمود واحدDataFrame (جدول). إنشاء DataFrame من القاموس، من القائمة، من ملف
قراءة البيانات من ملفات CSV و Excel
استخدام pd.read_csv() و pd.read_excel()تحديد الفاصل (sep)، الترميز (encoding)، ومعالجة الصفوف الفارغة
استكشاف DataFrame (Exploratory Data Analysis – EDA)
df.head()df.tail()df.sample()df.shapedf.columnsdf.dtypesdf.info()معلومات عامة. df.describe()إحصائيات وصفية للأعمدة العددية. df.isnull().sum()اكتشاف القيم المفقودة.
تطبيق عملي (ورشة عمل) – استكشاف بيانات مبيعات
(1) تحميل ملف CSV يحتوي على بيانات مبيعات (OrderIDProductQuantityPriceDateCustomerID). (2) عرض أول 10 صفوف. (3) حساب إجمالي الإيراداتQuantity * Price كعمود جديد). (4) حساب إجمالي الإيرادات الإجمالي. (5) حساب عدد العملاء الفريدين
04

اليوم الثالث: تنظيف البيانات (Data Cleaning) والتحويل باستخدام Pandas

معالجة القيم المفقودة (Missing Values)
(1) تحديد القيم المفقودة: isnull()notnull(). (2) إزالة الصفوف ذات القيم المفقودة: dropna()مع معامل how و thresh. (3) ملء القيم المفقودة: fillna()بثابت، بالمتوسط، بالوسيط، بالقيمة السابقة method='ffill'. (4) ملء القيم المفقودة في الأعمدة النصية ب "Unknown".
إزالة التكرارات (Duplicates)
duplicated()تحديد الصفوف المكررة. drop_duplicates()إزالة التكرارات، مع الاحتفاظ بالأول أو الأخير.
تحويل أنواع البيانات
astype() لتحويل عمود من نص إلى رقم، أو من نص إلى تاريخpd.to_datetime() لتحويل عمود إلى datetime.
إعادة تسمية الأعمدة (Renaming)
df.rename(columns={'old_name': 'new_name'})تطبيق ذلك على عدة أعمدة
تصفية البيانات باستخدام Boolean Indexing
اختيار الصفوف التي تحقق شرطًا: df[df['Price'] > 100]شروط متعددة باستخدام & (و) و |أو.
تطبيق الدوال على الأعمدة
استخدام apply() لتطبيق دالة مخصصة على عمود. استخدام map() لتعيين قيم (مثل تحويل رمز المنطقة إلى اسم المنطقة)
تطبيق عملي (ورشة عمل) – تنظيف بيانات الموظفين
(1) تحميل ملف CSV لبيانات الموظفين (يحتوي على قيم مفقودة، تكرارات، أعمدة بتنسيق خاطئ). (2) ملء القيم المفقودة في عمود الراتب بمتوسط الراتب. (3) إزالة الصفوف المكررة بالكامل. (4) تحويل عمود "تاريخ التعيين" إلى datetime. (5) إعادة تسمية الأعمدة إلى اللغة الإنجليزية (إذا كانت عربية). (6) تصفية الموظفين الذين راتبهم أكبر من 5000 وتم تعيينهم بعد 2020
05

اليوم الرابع: دمج البيانات والتجميع والتحليل المتقدم في Pandas

دمج البيانات (Merging DataFrames)
pd.merge(df1, df2, on='common_column')أنواع الدمج: how='inner', 'left', 'right', 'outer'دمج أكثر من جدولين
تسلسل البيانات (Concatenating DataFrames)
pd.concat([df1, df2], axis=0)إضافة صفوفaxis=1إضافة أعمدة.
التجميع (GroupBy)
df.groupby('column').agg({'numeric_column': 'sum', 'another': 'mean'})groupby مع أعمدة متعددة. استخدام دوال تجميع مخصصة
الجداول المحورية (Pivot Tables)
pd.pivot_table(df, values='Sales', index='Product', columns='Region', aggfunc='sum', fill_value=0)margins=True لإضافة الصفوف والأعمدة الإجمالية
تطبيق عملي (ورشة عمل) – تحليل بيانات مبيعات مع بيانات العملاء والمنتجات
(1) تحميل 3 ملفات: المبيعات، العملاء، المنتجات. (2) دمج المبيعات مع العملاءبواسطة CustomerID) والمنتجاتبواسطة ProductID). (3) حساب إجمالي المبيعات لكل فئة عمرية (CustomerAgeGroup) وفئة منتج. (4) حساب متوسط قيمة الطلب لكل مدينة. (5) إنشاء Pivot Table يعرض إجمالي المبيعات حسب (الشهر، فئة المنتج)
06

اليوم الخامس: تصور البيانات (Matplotlib و Seaborn) والمشروع النهائي

مقدمة في Matplotlib
import matplotlib.pyplot as pltplt.plot()الخطوط. plt.bar()الأعمدة. plt.scatter()المبعثر. plt.hist() (الهيستوجرام). تخصيص المخطط: plt.title()plt.xlabel()plt.ylabel(), plt.legend(), plt.grid()plt.subplots() لرسم مخططات متعددة في شبكة واحدة
مقدمة في Seaborn
import seaborn as snsتحسين المخططات الإحصائيةsns.barplot()مع أشرطة الخطأ. sns.boxplot()المخططات المربعة – لتوزيع البيانات. sns.violinplot()مزيج من Boxplot و KDE). sns.histplot() و sns.kdeplot()sns.heatmap()للارتباطات. sns.pairplot()للمصفوفة الكاملة للأزواج. sns.set_theme() لضبط الأنماط
تحليل الاستكشافي الكامل (EDA) على مجموعة بيانات
الخطوات العمليةباستخدام PandasMatplotlibSeaborn): (1) تحميل البيانات. (2) تنظيف البيانات (معالجة المفقودات، التكرارات، الأنواع). (3) إحصاءات وصفية (describe). (4) اكتشاف العلاقات: مصفوفة الارتباط Heatmap. (5) مخططات توزيع لكل متغير (histogramboxplot). (6) مخططات العلاقة بين المتغيرات (scatterbarpairplot). (7) استخلاص الرؤى الرئيسية
تطبيق عملي (ورشة عمل) – مشروع تحليل بيانات حقيقي
اختيار مجموعة بيانات من Kaggle مثل بيانات سيارات، بيانات Airbnb، بيانات فيروس كورونا، بيانات مبيعات التجزئة. المطلوب: (1) تحميل البيانات وتنظيفها. (2) إجراء EDA كامل باستخدام Pandas و Matplotlib/Seaborn. (3) كتابة تقريرفي Jupyter Notebook) يحتوي على: سؤال العمل، خطوات التحليل، التصورات، الاستنتاجات، والتوصيات. (4) مشاركة النتائج مع المجموعة
اختبار ختامي ومراجعة الدورة السادسة
أسئلة عملية (كتابة كود لحل مشكلات) وأسئلة نظرية حول المكتبات. مناقشة المشاريع النهائية. توزيع الشهادات
ملخص التسجيل
تسجيل آمن في الدورة
اطلب الجدول وعرض السعر

لا يوجد دفع إلكتروني مفتوح لهذه الدورة حالياً. يمكن لفريقنا إرسال عرض السعر المناسب لك.

+966

تحقق أمني سريع — أكمله لتفعيل الإرسال

يصلكم العرض عبر البريد وبوابة العملاء

استفسر عبر واتساب
قد يهمك أيضاً

دورات أخرى متاحة للحجز الآن

دفعات مؤكدة بموعد وسعر محددين — احجز مقعدك وادفع إلكترونياً مباشرة

المناقصات والمشتريات الحكومية: قراءة عملية للأنظمة والعقود - رواسي التمكين
دفعة مؤكدة — حجز فوري
البرامج القانونية للمحامين والموظفين

المناقصات والمشتريات الحكومية: قراءة عملية للأنظمة والعقود

  • يبدأ الأحد 25 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
396 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
نظام إدارة الجودة – ISO 9001 - رواسي التمكين
دفعة مؤكدة — حجز فوري
برامج شهادات الايزو(ISO)

نظام إدارة الجودة – ISO 9001

  • يبدأ الأحد 25 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
399 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
ضبط الجودة والاختبارات QA/QC في الأعمال المدنية والإنشائية - رواسي التمكين
دفعة مؤكدة — حجز فوري
البرامج الهندسية في القطاع الإنشائي

ضبط الجودة والاختبارات QA/QC في الأعمال المدنية والإنشائية

  • يبدأ الأحد 25 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
696 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
أخصائي المشتريات والعقود - رواسي التمكين
دفعة مؤكدة — حجز فوري
البرامج الادارية والقيادية

أخصائي المشتريات والعقود

  • يبدأ الأحد 18 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
يبدأ خلال 12 يوماً
396 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
مصفوفة المواعيد الثابتة

استكشف جدول البرامج التدريبية الشهرية

خطط لخارطة التدريب الربعي لمنشأتك من خلال دوراتنا الشهرية المضمونة الانعقاد. تصفح الجداول الزمنية المنظمة والمصممة خصيصاً للمسارات الصناعية والمهنية.

عرض الجدول الشهري
عرض سعر لجهة عملك
يصلكم العرض عبر البريد وبوابة العملاء