العودة إلى الشهادات
شهادة CompTIA

CompTIA DataAI

الشهادة الرائدة للمحترفين ذوي الخبرة الواسعة في علم البيانات.CompTIA DataAI (المعروفة سابقاً باسم DataX) هي الشهادة الرائدة للمحترفين ذوي الخبرة الواسعة الذين يسعون إلى إثبات كفاءتهم في مجال علم البيانات سريع التطور. تزوّدك DataAI بالمهارات اللازمة لإثبات خبرتك بدقة وثقة في التعامل مع مجموعات البيانات المعقدة وتنفيذ حلول قائمة على البيانات ودفع نمو الأعمال من خلال تفسير البيانات بعمق.
CompTIA
إصدار الامتحان: V1
الدور الوظيفيعالم بيانات

المهارات التي

ستكتسبها

طوّر مهاراتك مع برامج التعلّم من CompTIA وأثبتها بشهادة CompTIA DataAI.
تطبيق الأساليب الرياضية والإحصائية بشكل مناسب، بما في ذلك معالجة البيانات وتنظيفها والنمذجة الإحصائية ومفاهيم الجبر الخطي والتفاضل والتكامل.
استخدام أساليب التحليل والنمذجة المناسبة لتقديم توصيات مبرّرة بشأن النماذج والتحليل والنتائج.
تنفيذ نماذج التعلّم الآلي وفهم مفاهيم التعلّم العميق لتطوير قدرات علم البيانات.
تنفيذ عمليات علم البيانات وإجراءاته بفعالية لدعم أهداف المؤسسة.
إظهار فهم لاتجاهات القطاع والتطبيقات المتخصصة لعلم البيانات في مختلف المجالات.

تفاصيل

الامتحان

كل ما تحتاج معرفته قبل اجتياز امتحان CompTIA DataAI.
إصدار الامتحانV1
رمز الامتحانDY0-001
تاريخ الإطلاق25 يوليو 2024
عدد الأسئلة90 سؤالاً كحد أقصى
نوع الأسئلةاختيار من متعدد وأسئلة قائمة على الأداء
المدة165 دقيقة
درجة النجاحناجح/راسب فقط (بدون درجة على مقياس)
اللغاتالإنجليزية واليابانية
الخبرة الموصى بهاأكثر من 5 سنوات في علم البيانات أو في وظيفة مماثلة
تاريخ السحبعادةً بعد ثلاث سنوات من الإطلاق (متوقع في 2027)

أهداف

الامتحان

يغطي امتحان CompTIA DataAI (V1) المجالات التالية، موزّعة حسب نسبتها من الامتحان.
1

الرياضيات والإحصاء

17%
  • الأساليب الإحصائية: تطبيق اختبارات t واختبارات مربع كاي وتحليل التباين (ANOVA) واختبار الفرضيات ومقاييس الانحدار ومؤشر Gini والإنتروبيا وقيمة p ومنحنى ROC والمساحة تحت المنحنى (ROC/AUC) ومعياري Akaike وBayesian للمعلومات (AIC/BIC) ومصفوفة الالتباس.
  • الاحتمالات والنمذجة: شرح التوزيعات والالتواء والتفرطح وعدم تجانس التباين ودالة كثافة الاحتمال (PDF) ودالة الكتلة الاحتمالية (PMF) ودالة التوزيع التراكمي (CDF) والبيانات المفقودة وزيادة العينات والتقسيم الطبقي.
  • الجبر الخطي والتفاضل والتكامل: فهم الرتبة والقيم الذاتية وعمليات المصفوفات ومقاييس المسافة والمشتقات الجزئية وقاعدة السلسلة واللوغاريتمات.
  • النماذج الزمنية: المقارنة بين السلاسل الزمنية وتحليل البقاء والاستدلال السببي.
2

النمذجة والتحليل والنتائج

24%
  • أساليب EDA: استخدام تقنيات تحليل البيانات الاستكشافي (EDA) مثل التحليل أحادي المتغير ومتعدد المتغيرات والمخططات والرسوم البيانية وتحديد السمات.
  • مشكلات البيانات: تحليل البيانات المتفرقة واللاخطية والموسمية ودرجة التفصيل والقيم الشاذة.
  • إثراء البيانات: تطبيق هندسة السمات والتحجيم والترميز الجغرافي وتحويل البيانات.
  • تكرار النماذج: إجراء التصميم والتقييم والاختيار والتحقق.
  • عرض النتائج: إنشاء التصورات البيانية واختيار البيانات وتجنّب المخططات المضلّلة وضمان إمكانية الوصول.
3

التعلّم الآلي

24%
  • المفاهيم الأساسية: تطبيق دوال الخسارة والموازنة بين التحيّز والتباين والتنظيم والتحقق المتقاطع والنماذج التجميعية وضبط المعاملات الفائقة وتسرّب البيانات.
  • التعلّم الموجَّه: تطبيق الانحدار الخطي والانحدار اللوجستي وخوارزمية أقرب الجيران (KNN) وخوارزمية Naive Bayes وقواعد الارتباط.
  • التعلّم القائم على الأشجار: تطبيق أشجار القرار والغابات العشوائية والتعزيز (boosting) والتجميع بالإقلاع (bagging).
  • التعلّم العميق: شرح الشبكات العصبية الاصطناعية (ANN) والإسقاط (dropout) والتطبيع الدفعي والانتشار العكسي وأطر التعلّم العميق.
  • التعلّم غير الموجَّه: شرح التجميع العنقودي وتقليل الأبعاد وتحليل القيمة المفردة (SVD).
4

العمليات والإجراءات

22%
  • وظائف الأعمال: شرح الامتثال ومؤشرات الأداء الرئيسية (KPI) وجمع المتطلبات.
  • أنواع البيانات: شرح البيانات المولَّدة والاصطناعية والعامة.
  • استيعاب البيانات: فهم خطوط المعالجة والبث المباشر والمعالجة الدفعية وتتبّع مسار البيانات.
  • معالجة البيانات: تنفيذ التنظيف والدمج والتعويض عن القيم المفقودة ووسم البيانات المرجعية.
  • دورة حياة علم البيانات: تطبيق نماذج سير العمل والتحكم في الإصدارات والشيفرة النظيفة واختبارات الوحدات.
  • DevOps وMLOps: شرح التكامل والنشر المستمرين (CI/CD) ونشر النماذج وتنسيق الحاويات ومراقبة الأداء.
  • بيئات النشر: المقارنة بين الحاويات والنشر السحابي والهجين والطرفي (edge) والمحلي.
5

التطبيقات المتخصصة لعلم البيانات

13%
  • التحسين: المقارنة بين التحسين المقيَّد وغير المقيَّد.
  • مفاهيم NLP: شرح تقنيات معالجة اللغة الطبيعية (NLP) مثل التقطيع والتضمينات وتردد المصطلح-معكوس تردد المستند (TF-IDF) ونمذجة المواضيع وتطبيقات NLP.
  • الرؤية الحاسوبية: شرح التعرّف الضوئي على الحروف (OCR) واكتشاف الأجسام وتتبّعها وزيادة البيانات.
  • تطبيقات أخرى: شرح تحليل الرسوم البيانية والتعلّم المعزّز واكتشاف الاحتيال واكتشاف الحالات الشاذة ومعالجة الإشارات وغيرها.
تنشر CompTIA معلومات الامتحان وقد تتغير. تواصل معنا لمعرفة الإصدار الحالي والجلسات المتاحة.

اجتز CompTIA DataAI في NEXERA Institute

يساعدك مستشارونا على اختيار التحضير المناسب وحجز جلسة الامتحان والحصول على الشهادة بثقة.
CompTIA DataAI | Nexera