كل الأنشطة

انا ادرس من دورة بايثون لتطوير التطبيقات، قريبا سأنهي ان شاء الله مسار اودو، هل ان أنهيت هذا المسار يمكنني ان احصل به علي عمل حر

مفهوم البرمجة الكائنية عام وليس خاص بقواعد البيانات فقط، فهو أحد أهم المفاهيم في البرمجة، بمعنى الـ OOP وقواعد البيانات ليستا بديلين لبعضهما البعض، بل أداتان تعملان معاً لحل مشكلتين مختلفتين، فالأخيرة وظيفتها الأساسية هي تخزين البيانات بشكل دائم، وضمان سلامتها، وتنظيمها، وتوفير طرق فعالة للاستعلام عنها، بالتالي تتعامل مع البيانات الخام وفقط دونّ أية إجراءات. بينما البرمجة الكائنية OOP تقوم بتنظيم وهيكلة منطق التطبيق، بمعنى تتعامل مع البيانات الحية داخل البرنامج، حيث لا تمثل البيانات مجرد قيم، بل كائنات لها خصائص Properties وسلوك Methods، وتسهيل التعامل مع قواعد البيانات من خلال النمذجة والتمثيل، فالكود أصبح لا يتعامل مع جداول و صفوف، بل يتعامل مع مفاهيم من العالم الحقيقي مثل طالب، منتج، فاتورة. وبدون OOP ستجلب البيانات من قاعدة البيانات كمجموعة من الصفوف والأعمدة، وللتعامل مع طالب، ستحتاج للوصول إلى row[0] للاسم، row[1] للعمر، وهكذا، لاحظ الكود صعب القراءة والتعديل. ومن خلال OOP ستقوم بإنشاء كلاس اسمه Student يمثل الطالب: public class Student { public int Id { get; set; } public string FirstName { get; set; } public string LastName { get; set; } public DateTime DateOfBirth { get; set; } public int GetAge() { return DateTime.Today.Year - DateOfBirth.Year; } } وعند جلب بيانات طالب من قاعدة البيانات، ستحولها إلى كائن من نوع Student، وبعدها بإمكانك التعامل مع student.FirstName و student.GetAge(). أيضًا الـ OOP يسمح لك بفصل منطق التعامل مع البيانات عن بقية التطبيق. هذا يتم غالباً باستخدام نمط يسمى طبقة الوصول للبيانات Data Access Layer - DAL وذلك بالإعتماد على مباديء البرمجة الكائنية Encapsulation و Abstraction، فبدلاً من كتابة استعلامات SQL في كل مكان في الكود، تقوم بإنشاء كلاس متخصص مثلاً StudentRepository وظيفته الوحيدة هي التحدث مع قاعدة البيانات. لكن ما سبق لا يحدث في الواقع العملي، فنادراً ما نكتب استعلامات SQL بشكل يدوي، بل نستخدم أداة تسمى Object-Relational Mapper (ORM) وأشهرها في C# هو Entity Framework Core (EF Core)، فهو ما يقوم بكل العمل الشاق لتحويل الكائنات إلى صفوف في الجداول والعكس.

السلام عليكم ورحمة الله تعالى وبركاته، ال OOP في C# لا يلغي دور قواعد البيانات بل يكملها فقاعدة البيانات تهتم بتخزين البيانات وتنظيمها، بينما ال OOP يوفر لنا نموذج برمجي كائني للتعامل مع هذه البيانات داخل التطبيق فعلى سبيل المثال بدلا من التعامل مع جداول وأعمدة بشكل مباشر يمكنك تمثيل كل جدول ك class مثل User أو Product وكل صف ك object مما يسهل ربط منطق الأعمال (Business Logic) بالبيانات. وعبر ال OOP يمكنك استخدام Encapsulation لإخفاء تفاصيل الوصول للبيانات مثلا عبر Repository أو ORM مثل Entity Framework وInheritance/Polymorphism لتمثيل كيانات مترابطة مثلا Employee يرث من Person وهذا سيقلل التكرار ويجعل الكود أكثر وضوحا وقابلا للصيانة. عند الإضافة والتعديل أو الحذف من قاعدة البيانات. فالOOP يوفر الواجهات (Interfaces) والخدمات (Services) التي تفصل بين منطق التخزين ومنطق العمل، بحيث إذا غيرت قاعدة البيانات من SQL إلى NoSQL مثلا فلن تضطر لإعادة كتابة التطبيق بالكامل بل فقط تعدل طبقة الوصول للبيانات.

مافائدة oop مع وجود قواعد البيانات اقصد هل يجب انا افهمها بشكل اعمق عند استخدم لغه مثل c# كيف يكون oop مفيد في اضافة البيانات او جلبها من قواعد البيانات او تعديلها او حذفها

بالضبط

وعليكم السلام ورحمة الله تعالى وبركاته، ال Kaggle Notebooks لا تحتوي دائما على أحدث نسخة من المكتبات لأن Kaggle تعطي الأولوية لاستقرار البيئة على التحديث الفوري للمكتبات لتجنب التعارضات التي قد تحدث وهذا النظام يهدف إلى ضمان الاستقرار والتوافق بين جميع المكتبات المثبتة، بدلا من التحديث الفوري الذي قد يسبب تعارضات كما أن Kaggle يختبر التحديثات قبل دمجها لتجنب كسر البيئة مما يعني وجود فجوة زمنية بين إطلاق النسخة الجديدة وتوفرها في Notebooks.

يعني المحتوى اللي بعد TypeScript ليس متعلق بها متعلق ب javaScript صحيح ؟

بالضبط للتسهيل عليك

السلام عليكم ورحمة الله تعالى وبركاته، أولا فإنّ ال image_dataset_from_directory لا تتجاهل الصور التالفة تلقائيا يمكنك رؤية ذلك في رسالة التحذير: Corrupt JPEG data والتي تشير إلى وجود صور JPEG تالفة في ال dataset ثم يحدث الخطأ الكامل InvalidArgumentError عندما تواجه TensorFlow صورة تالفة لا يمكن فك تشفيرها نهائيا وهنا المشكلة أن TensorFlow يحاول معالجة جميع الملفات في المجلد دون تصفية، وعندما يصل لصورة تالفة مثل الصورة التي تسبب الخطأ: Input size should match header_size يتوقف التدريب تماما والحل هو تنظيف البيانات مسبقا عبر إزالة الصور التالفة يدويا أو برمجيا أو استخدام كود مخصص لإنشاء dataset يتجاهل الصور التالفة باستخدام tf.data.Dataset.from_generator مع معالجة الأخطاء أو إضافة tf.data.AUTOTUNE مع dataset.map() و try-except للتعامل مع هذه الحالات.

ستجد أسفل فيديو الدرس في نهاية الصفحة صندوق تعليقات كما هنا، أرجو طرح الأسئلة أسفل الدرس وليس هنا في قسم أسئلة البرمجة حيث نطرح الأسئلة العامة الغير متعلقة بمحتوى الدورة أو الدرس، وذلك لمساعدتك بشكل أفضل.

لا يعمل الكود مع مكتبة selenium

اتعلم TypeScript بعد PWA بالرغم أن في الدورة TypeScript قبل PWA ؟

السلام عليكم ورحمة الله تعالى وبركاته، ال Parameters أو المعاملات هي المتغيرات التي تعرف في تعريف الدالة نفسها بين الأقواس بمعنى آخر هي أسماء المتغيرات التي تستخدمها الدالة لتستقبل قيما عند استدعائها مثلا لو عرفت دالة تجمع رقمين، الرقمين هذان هما معاملات الدالة. أما ال Arguments فهي القيم أو المعاملات الممررة وهي القيم التي ترسل للدالة عند استدعائها أي القيم الفعلية التي تمرر إلى المعاملات (Parameters) عند استدعاء الدالة بحيث تضع القيم التي تريد معالجتها في الدالة.

السلام عليكم ورحمة الله تعالى وبركاته، بعد إكمال مشروع دورة تطوير واجهات المستخدم ودورة تطوير تطبيقات JavaScript، يمكنك الانتقال لتعلم Backend ضمن دورة JavaScript نفسها مع التركيز على تطوير الويب فقط بدون React Native أو تطبيقات سطح المكتب. والمسارات الخاصة بالBackend تشمل تعلم أساسيات Node.js لبناء الخوادم، استخدام Express.js لإنشاء APIs، التعامل مع قواعد البيانات مثل MongoDB، تطوير RESTful APIs، إدارة المصادقة وأمن التطبيقات، وأخيرا تطبيق مشاريع عملية مثل تطبيق دردشة أو نظام أسئلة وأجوبة. بعد اكتساب هذه المهارات يمكنك دمج ما تعلمته مع React.js في دورة Frontend المتقدمة لتطوير مشاريع MERN كاملة مع إمكانية تعلم تقنيات إضافية مثل Next.js وTypeScript: أساسيات Node.js Express.js لتطوير APIs قواعد البيانات (MongoDB) بناء RESTful APIs إدارة المصادقة وأمن التطبيقات مشاريع عملية مثل تطبيق دردشة ونظام أسئلة وأجوبة

أرجو توضيح السؤال وذكر المشكلة

import requests, re def get_data(): from selenium import webdriver from selenium.webdriver.chrome.options import Options from bs4 import BeautifulSoup options = Options() options.add_argument("--headless") options.add_argument('--disable-gpu') options.add_argument('--no-sandbox') options.add_argument('--log-level=3') prefs = { "profile.default_content_setting_values": { "images": 2, "plugins": 2, "popups": 2, "notifications": 2, "media_stream": 2, } } options.add_experimental_option("prefs", prefs) drive = webdriver.Chrome(options = options) drive.get ( "https://world-weather.info/") html = drive.page_source my_headers = {"user_agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/138.0.0.0 Safari/537.36" } # the_response = requests.get( headers= my_headers) # if the_response.ok: his_soup = BeautifulSoup(html, "html.parser") resor = his_soup.find_all('div', id = "list") print(resor) drive.quit() get_data() 23040:25080:0916/112333.676:ERROR:gpu\command_buffer\service\gles2_cmd_decoder_passthrough.cc:1100] [GroupMarkerNotSet(crbug.com/242999)!:A0802B00545B0000]Automatic fallback to software WebGL has been deprecated. Please use the --enable-unsafe-swiftshader (about:flags#enable-unsafe-swiftshader) flag to opt in to lower security guarantees for trusted content.

الفرق الأساسي بين منصة سنديان و منصة ووردبريس في بناء المواقع أن سنديان تقدم حلا متكاملا وسهل الاستخدام يشمل الاستضافة والنطاق والتصميم مقابل اشتراك سنوي، بينما ووردبريس هو عبارة عن نظام إدارة محتوى مجاني يثبت على استضافة مستقلة ويتطلب شراء النطاق وتجهيزات تقنية منفصلة، ويمنح تخصيصا أوسع أما في سنديان ستحصل على موقع جاهز يمكن إنشاؤه وتعديله بسهولة بالاعتماد على قوالب احترافية ونظام السحب والإفلات، وتتكفل المنصة بكل تفاصيل الاستضافة وحجز النطاق (سواء مجاني أو ربط نطاق خاص) ولا تحتاج لصيانة تقنية أو تحديثات دورية إذ تتم تلقائيا. أما ووردبريس فيحتاج خبرة تقنية، إذ تقوم أولا بحجز استضافة ونطاق بشكل منفصل، ثم تركيب النظام واختيار القوالب والإضافات، وقد تستعين بمبرمج لتحقيق تخصيص أوسع أو للقيام بالصيانة والتحديثات، ما يجعل مدة التنفيذ أطول وتكلفته الإجمالية أعلى عادة مقارنة بسنديان، خصوصا عند اعتماد إضافات مدفوعة أو خدمات مطورين.

دي بيانات من علي Kaggle ودي الربط بتاع البيانات https://www.kaggle.com/datasets/bhavikjikadara/dog-and-cat-classification-dataset

ليس تقليلاً منك أو تثبيط، الأمر ليس بتلك السهولة، لا تتوقع أن تستطيع الحصول على عمل بمجرد إنهاء 4 مسارات فقط، ستحتاج إلى المزيد من الدراسة والخبرة، ستحتاج إلى دراسة التالي طالما نويت التخصص كـ Back-End: أساسيات لغة بايثون Python تطبيقات عملية باستخدام بايثون Python أساسيات إطار العمل جانغو Django تطوير متجر إلكتروني باستخدام جانغو Django تطوير واجهة برمجية لتعديل الصور باستخدام فلاسك Flask بناء مدونة باستخدام فلاسك Flask دمج تقنيات الذكاء الاصطناعي مع تطبيقات بايثون بالنسبة لـ Flask وDjango قم بدراسة الجزء الخاص بالـ API فقط، أي الجزء الخاص بالخادم وقواعد البيانات وتجاهل الجزء الخاص بالواجهة الأمامية (القوالب). لكن في الوقت الحالي لا أنصحك بالتخصص فقط في الواجهة الخلفية، بل عليك أن تصبح Full-stack فأغلب الوظائف حاليًا تتطلب ذلك وبالأخص لمستوى Junior، وأيضًا من كلامك أرى أنك تنوي العمل على مواقع العمل الحر والمشاريع بها تتطلب Full-stack، أي عليك دراسة الواجهة الأمامية أيضًا.

الصور لديك بها مشكلة، الأفضل حذفها ثم إعادة إضافتها، ومن أين حصلت عليها؟

هو ده حضرتك Epoch 1/10 161/625 ━━━━━━━━━━━━━━━━━━━━ 8s 19ms/step - accuracy: 0.5074 - loss: 7.7238 Corrupt JPEG data: 2226 extraneous bytes before marker 0xd9 264/625 ━━━━━━━━━━━━━━━━━━━━ 6s 18ms/step - accuracy: 0.5070 - loss: 5.4437 Corrupt JPEG data: 65 extraneous bytes before marker 0xd9 Corrupt JPEG data: 239 extraneous bytes before marker 0xd9 268/625 ━━━━━━━━━━━━━━━━━━━━ 6s 18ms/step - accuracy: 0.5070 - loss: 5.3865 --------------------------------------------------------------------------- InvalidArgumentError Traceback (most recent call last) /tmp/ipykernel_36/945077657.py in <cell line: 0>() ----> 1 history = keras_models.fit( 2 train_ds, 3 validation_data=val_ds, 4 epochs=10, 5 callbacks=[tf.keras.callbacks.EarlyStopping( /usr/local/lib/python3.11/dist-packages/keras/src/utils/traceback_utils.py in error_handler(*args, **kwargs) 120 # To get the full stack trace, call: 121 # `keras.config.disable_traceback_filtering()` --> 122 raise e.with_traceback(filtered_tb) from None 123 finally: 124 del filtered_tb /usr/local/lib/python3.11/dist-packages/tensorflow/python/eager/execute.py in quick_execute(op_name, num_outputs, inputs, attrs, ctx, name) 57 e.message += " name: " + name 58 raise core._status_to_exception(e) from None ---> 59 except TypeError as e: 60 keras_symbolic_tensors = [x for x in inputs if _is_keras_symbolic_tensor(x)] 61 if keras_symbolic_tensors: InvalidArgumentError: Graph execution error: Detected at node decode_image/DecodeImage defined at (most recent call last): <stack traces unavailable> Detected at node decode_image/DecodeImage defined at (most recent call last): <stack traces unavailable> 2 root error(s) found. (0) INVALID_ARGUMENT: Input size should match (header_size + row_size * abs_height) but they differ by 2 [[{{node decode_image/DecodeImage}}]] [[IteratorGetNext]] [[IteratorGetNext/_2]] (1) INVALID_ARGUMENT: Input size should match (header_size + row_size * abs_height) but they differ by 2 [[{{node decode_image/DecodeImage}}]] [[IteratorGetNext]] 0 successful operations. 0 derived errors ignored. [Op:__inference_multi_step_on_iterator_39708] الخطاء ده بيحصل اثناء تدريب الشبكه العصبه CNN

ما هو الخطأ الحالي، انسخه وألصقه هنا

انا عملت الكود ده وبعد ما عملت Run الكود اشتغل والنتجيه كانت كل تمام يعني مافيش صور تافه ازي مش عارف مع ان بعد كده بدرب النموذج طهر بردون نفس الخطاء ؟

الف شكراا جدا لحضرتك جزاك الله كل خير

لديك مشكلة في الملفات، فالدالة image_dataset_from_directory تقرأ كل ملف في المجلد، ولو تم قراءة ملف تالف، يتوقف التدريب بأكمله. عليك المرور على جميع الصور في مجلدي Cat و Dog وحذف أي ملف لا يمكن فتحه كصورة صالحة، ومتاح ذلك سهولة من خلال مكتبة Pillow، عن طريق السكريبت التالي، قم بتنفيذه في خلية منفصلة قبل الكود الذي يقوم بإنشاء train_ds و val_ds: import os import PIL from PIL import Image from pathlib import Path cat_path = Path("/kaggle/input/dog-and-cat-classification-dataset/PetImages/Cat") dog_path = Path("/kaggle/input/dog-and-cat-classification-dataset/PetImages/Dog") image_extensions = [".png", ".jpg", ".jpeg"] img_paths = [cat_path, dog_path] for path in img_paths: print(f"Checking directory: {path}") for filepath in path.glob("*"): if filepath.suffix.lower() in image_extensions: try: img = Image.open(filepath) img.verify() except (IOError, SyntaxError, PIL.UnidentifiedImageError) as e: print(f"Deleting corrupt image file: {filepath}") try: os.remove(filepath) except Exception as remove_error: print(f"Could not delete file: {filepath}, Error: {remove_error}") بالطبع عليك تعديل مسار cat_path وdog_path للمسار الصحيح لديك في بيئة Kaggle