منذ يوم
أهلا بك عزيزي المتابع لموقع (journey for learn) نقدم دورات بكوبونات متاحة لاول 1000 تسجيل مجاني فقط وكوبونات اخري لفترة محدودة فاذا كنت تريد ان تحصل علي كل الكورسات علي موقعنا وان تكون اول المسجلين في الكورسات المجانية قم بتسجيل الدخول أوقم بالدخول علي وسائل التواصل الاجتماعي وخصوصا التليجرام نوضح الوصف المختصر والطويل للدورات لكي تعرف الدروس التي سوف تتعلمها بسهولة ويسر :
تغطية تفصيلية لمجال الاختبار تم تصميم مستودع الاختبار التدريبي هذا بدقة ليعكس التوزيعات الفنية والتحليلية الفعلية المتوقعة في المقابلات الفنية الحديثة لمحلل بيانات المؤسسة.- البرمجة والتشفير (20%): البرمجة النصية الأساسية لـ Python وR لخطوط أنابيب البيانات، واستعلام SQL المتقدم، والروابط العلائقية، وهياكل البيانات الأساسية، والخوارزميات الشائعة المستخدمة لمعالجة البيانات.
- تصور البيانات والاتصالات (18%): لوحة المعلومات المتقدمة باستخدام Tableau وPower ذكاء الأعمال، وسرد قصص البيانات الإستراتيجية، وتخطيطات العرض التقديمي التنفيذي، وكتابة التقارير الفنية المنظمة.
- الإحصائيات والأساليب الكمية (15%): تصميم اختبار الفرضيات، وإنشاء فترات الثقة، والتمييز بين الارتباط والسببية، وبناء نماذج تحليل الانحدار، وتقييم تحليل السلاسل الزمنية للتنبؤ.
- إدارة البيانات وأنظمة قواعد البيانات (12%): التنقل في إدارة قواعد البيانات العلائقية الأنظمة (RDBMS)، ونمذجة البيانات الهيكلية (مخططات النجمة/ندفة الثلج)، ومبادئ تخزين البيانات، وإدارة بيانات الشركة، وأطر جودة البيانات.
- تحليل البيانات وتفسيرها (15%): تنظيف البيانات الشامل، وتحويل البيانات الآلي، واكتشاف أنماط استخراج البيانات، ونمذجة التحليلات التنبؤية، واستراتيجية التحليلات الإرشادية.
- الفطنة التجارية ومعرفة المجال (10%): تتبع اتجاهات الصناعة، وإجراء تحليل السوق، وتنفيذ خرائط تحليل المنافسين، وصياغة استراتيجية العمل، وتتبع مقاييس الكفاءة التشغيلية.
- المهارات السلوكية والشخصية (5%): التعاون الجماعي متعدد الوظائف، ومهارات الاتصال عالية التأثير، وحل المشكلات التحليلية المنظمة، وإدارة وقت المشروع، والقدرة على التكيف الفني.
- الأدوات والتقنيات (5%): تحليلات Excel المتقدمة للمؤسسات (VLOOKUP/XLOOKUP، والجداول المحورية، وPower Query)، وتصميم استعلام SQL، و مكتبات Python المهمة (Pandas وNumPy وScikit-Learn وMatplotlib).
- أ) استخدام عبارة GROUP BY القياسية في فئة المنتج وأعمدة تاريخ الطلب.
- ب) تطبيق دالة AVG() مع عبارة OVER (PARTITION BY الفئة ORDER BY order_date ROWS بين الصفين السابقين والصف الحالي).
- ج) تنفيذ استعلام فرعي مرتبط في جملة WHERE التي تتم التصفية حسب الفئة والمجموعات حسب التاريخ.
- د) تنفيذ CROSS JOIN بين جدول المبيعات الأساسي وجدول مؤقت يحتوي على متوسطات شهرية مجمعة مسبقًا.
- E) الاستفادة من الدالة التحليلية LEAD() لسحب الصفوف المطابقة للأمام من الربع السابق.
- F) استخدام جملة HAVING التي تحتوي على شرط COUNT(فئة DISTINCT) المتداخلة لإسقاطها فارغة أشهر.
- الإجابة الصحيحة: ب
- لماذا هي صحيحة: وظائف النافذة التي تستخدم عبارة OVER تسمح لك بإجراء عمليات تجميع عبر مجموعة محددة من الصفوف المرتبطة بالصف الحالي دون طي مخرجات الاستعلام في صف ملخص واحد. يؤدي تحديد القسم حسب الفئة إلى عزل العملية الحسابية لكل مجموعة مميزة، بينما تعمل الصفوف بين الصفين السابق والحالي على تقييد نافذة المتوسط المتحرك بدقة على الشهرين الماضيين والشهر النشط.
- لماذا تكون الخيارات البديلة غير صحيحة:
- الخيار أ غير صحيح: مجموعة قياسية تنهار صفوف المعاملات الفردية، مما يعني أنه لا يمكنك عرض التفاصيل المحددة لمبيعات الشهر الحالي مع المقياس التجميعي في نفس الصف بدون صلات ثانوية.
- الخيار C غير صحيح: الاستعلامات الفرعية المرتبطة داخل صفوف تصفية عبارة WHERE بدلاً من إنشاء سمات حسابية متجددة عبر السجلات الفردية، مما يتسبب في اختناقات كبيرة في الأداء.
- الخيار D غير صحيح: تقوم CROSS JOIN بإنشاء منتج ديكارتي، الذي يضاعف الصفوف بشكل غير ضروري ويفسد بنية إعداد التقارير لمجموعة البيانات.
- الخيار E غير صحيح: تصل وظيفة LEAD() إلى البيانات من الصفوف اللاحقة بدلاً من حساب المتوسطات المتحركة عبر الفترات التاريخية السابقة.
- الخيار F غير صحيح: تعمل جملة HAVING كمرشح ما بعد التجميع للمجموعات، مما يجعلها غير مناسبة تمامًا لإنشاء حدود الحساب المتداول.
- أ) احتمال كبير لارتكاب خطأ من النوع الأول عن طريق الحفاظ بشكل خاطئ على فرضية العدم عند وجود فرق حقيقي.
- ب) خطر كبير للحصول على نتيجة إيجابية كاذبة بسبب تطفل البيانات، إلى جانب زيادة احتمال حدوث خطأ من النوع الثاني ضعيف القوة إذا كان حجم التأثير الحقيقي صغيرًا.
- ج) تحويل هيكلي فوري للتجربة من تقييم ثنائي إلى تحليل أحادي الاتجاه التباين.
- د) الإلغاء الكامل لفواصل الثقة لأن الانحراف المعياري سينخفض تلقائيًا إلى الصفر.
- هـ) تحيز منهجي حيث يتم تعيين مقياس التحويل بشكل مثالي للسببية دون أي ارتباط أساسي.
- و) متطلب لتبديل بيانات مجموعة التحكم بشكل كامل مع مقاييس خط الأساس التاريخية من ربع مختلف.
- الإجابة الصحيحة: ب
- لماذا هذا صحيح: يؤدي إيقاف اختبار A/B مبكرًا عندما تنخفض القيمة الاحتمالية إلى ما دون $\alpha$ قبل الوصول إلى حجم العينة المخطط له إلى تحيز شديد في الاختيار، والمعروف باسم التطفل على البيانات أو "النظر الخاطف". يؤدي هذا إلى تضخيم معدل الخطأ من النوع الأول (الإيجابيات الكاذبة) بشكل مصطنع. علاوة على ذلك، إذا كانت الدراسة العامة ضعيفة بسبب انخفاض حجم العينة، فإنها تزيد في الوقت نفسه من خطر حدوث خطأ من النوع الثاني (السلبيات الكاذبة) إذا كان التأثير السكاني الحقيقي دقيقًا ولكنه موجود.
- لماذا الخيارات البديلة غير صحيحة:
- الخيار أ غير صحيح: يتضمن خطأ النوع الأول رفض الفرضية الصفرية عندما تكون صحيحة بالفعل، وليس الحفاظ عليها.
- الخيار ج غير صحيح: إجراء تجربة لمدة أقصر لا يحول بطريقة سحرية الاختبار الإحصائي الأساسي إلى تحليل التباين (ANOVA). النموذج.
- الخيار د غير صحيح: يؤثر حجم العينة على الخطأ المعياري، لكن التوقف المبكر لا يؤدي إلى فرض الانحراف المعياري لمجموعة البيانات على الصفر.
- الخيار E غير صحيح: يؤدي تخطي ضوابط القوة الإحصائية المناسبة إلى إخفاء العلاقات الحقيقية؛ لا ينشئ أبدًا رابطًا سببيًا مثاليًا وغير مكتسب.
- الخيار F غير صحيح: يؤدي تبديل بيانات التحكم النشطة مع خطوط الأساس التاريخية التعسفية إلى إبطال الطبيعة العشوائية للتصميم التجريبي.
- أ) حذف جميع الصفوف التي تحتوي على قيمة مفقودة لسمة الدخل من مجموعة البيانات النشطة.
- ب) استبدال جميع القيم المفقودة بقيمة عنصر نائب ثابت مثل 0 أو -1 عبر العمود.
- ج) تنفيذ الاحتساب الشرطي عن طريق حساب متوسط الدخل المجمع ضمن كل فئة مستوى تعليمي محدد.
- د) تبديل المفقود القيم الرقمية مع الوضع العام للسمات الفئوية المستندة إلى النص.
- E) استخدام إستراتيجية التعبئة الأمامية التي تنسخ البيانات مباشرة من الصفوف المجاورة بغض النظر عن التجميع الديموغرافي.
- F) حذف عمود مستوى التعليم بالكامل من النموذج لإجبار المسار على تجاهل السجلات المفقودة.
- الإجابة الصحيحة: C
- لماذا هي صحيحة: لأن البيانات المفقودة تتبع نمط مفقود عشوائيًا (MAR) مرتبط بسمة معروفة أخرى (Education_Level)، ويساعد التضمين الشرطي باستخدام الوسيطات المحلية في الحفاظ على التوزيع الداخلي للبيانات. يؤدي ذلك إلى حماية المسار التنبؤي من فقدان 12% من حجم التدريب الخاص به مع تجنب التشويه الذي قد يحدثه متوسط عالمي واحد أو عنصر نائب صفري عشوائي.
- لماذا تكون الخيارات البديلة غير صحيحة:
- الخيار أ غير صحيح: يؤدي إسقاط 12% من الصفوف إلى الحد من حجم التدريب، ويؤدي إلى تحيز شديد في الاختيار، ويقلل من دقة النموذج الإجمالية.
- الخيار ب غير صحيح: يؤدي احتساب ثابت ثابت عشوائي مثل 0 إلى إنشاء ذروة مصطنعة كبيرة في التوزيع، مما يؤدي إلى تحريف معاملات الانحدار اللاحقة.
- الخيار د غير صحيح: لا يمكنك وضع وضع عمود فئوي قائم على النص في متغير رقمي مستمر مثل الدخل.
- الخيار E غير صحيح: تم تصميم استراتيجيات التعبئة الأمامية لتتبع السلاسل الزمنية التسلسلية؛ يؤدي تطبيقها على صفوف جدولية غير مرتبطة إلى تقديم قيم عشوائية وغير صالحة.
- الخيار F غير صحيح: يؤدي إسقاط عمود التوقع شديد الارتباط إلى إزالة السياق المفيد، مما يقلل القوة التفسيرية الإجمالية للنموذج دون حل مشكلة البيانات الأساسية المفقودة.
- مرحبًا بك في اختبارات أسئلة المقابلة لمساعدتك في الاستعداد للاختبار التدريبي على أسئلة مقابلة محلل البيانات.
- يمكنك أعد إجراء الاختبارات عدة مرات كما تريد.
- هذا بنك أسئلة أصلي ضخم.
- يمكنك الحصول على الدعم من المدرسين إذا كانت لديك أسئلة.
- يحتوي كل سؤال على شرح مفصل.
- متوافق مع الهاتف المحمول مع تطبيق Udemy.
ما هي المتطلبات الأساسية لدخول الدورة والتسجيل فيها على موقعنا؟ رحلة التعلم:
(احصل على الدورة للدخول إلى الموقع والتسجيل)
يجب أن يكون لديك بريد إلكتروني (حساب بريد) تتذكره لنفسك وأيضًا يجب أن تتذكر كلمة مرور البريد الإلكتروني الذي ستسجل به ، وإذا لم يكن لديك حساب بريد إلكتروني ، فمن الأفضل إنشاء حساب (Gmail)
0 تعليقات
تسجيل دخول