لوحة المتصدرين

يظهر الخطأ في القراءة من الإستعلام في عناصر التوريد و بالضبط في هذا السطر : <input type="text" class="form-control contact-name" placeholder="الاسم" value="<?php echo $item['supplying_items.name']; ?>" disabled > وهذا لأن طريقة القراءة في كود PHP تختلف عن طريقة القراءة في إستعلام SQL . في PHP لا يوجد أي عنصر بالفهرس supplying_items.name من الناتج و لكن يوجد مصفوفة بإسم supplying_items تحوي عنصر بالفهرس name . أي أن القراءة تكون على هذا النحو : <input type="text" class="form-control contact-name" placeholder="الاسم" value="<?php echo $item['supplying_items']['name']; ?>" disabled > أو : <input type="text" class="form-control contact-name" placeholder="الاسم" value="<?php echo $item['name']; ?>" disabled > إن كنت تقوم بالتكرار حول عناصر التوريد supplying_items لأن الدور الخاص بك غير واضح . إن لم يقم هذا بحل مشكلتك يرجى إرفاق كامل الكود .

مشكله react app في استضافه مدفوعه لما احمل المشروع عل xamp واشغله بامر npm start اشتغل لما حملته عل استضافه مدفوعه فتحته من ملف الموقع ثم مجلد ثم publicمافتح كيف الطريقه الصحيحه لفتحه

هناك عدة عوامل بناءً لسؤالك ، وبناءً على هذه العوامل تستطيع تحديد الحل المناسب لبرنامجك ، والعوامل هي منصة التشغيل لبرنامج مكان تخزين قواعد البيانات أداء وسرعة البرنامج فإذا أردت أن يكون البرنامج تطبيق ويب ويتم فتحه من المتصفح والبيانات يتم تخزينها في الخادم فيمكنك تطوير الواجهة بإستخدام React و الخادم بإستخدام nodejs ويمكنك جعله برنامج قابل للتثبيت لجميع المنصات بإستخدام جميع الأشياء السابقة من واجهة React وخادم nodejs بالإضافة الى Electron.js لجعله برنامج قابل للتثبيت وايضاً إستخدام nodejs لحفظ البيانات محلياً أما إذا أردت أن يكون البرنامج مصمم لجميع الأجهزة وايضاً الأجهزة المتوسطة والضعيفة وأداء عاليً والمنصة هي وندوز ، فيجب عليك مثل أغلب برامج المحاسبة إستخدام #C

يتم ذلك باستخدام التابع التالي: sklearn.model_selection.train_test_split(data,label, test_size=None, train_size=None, random_state=None, shuffle=True) يقوم التابع train_test_split بتقسيم البيانات إلى عينات تدريب وعينات اختبار. data: تمثل مجموعة البيانات. label: تمثل الفئات (classes). test_size: لتحديد النسبة المئوية التي سيتم اقتطاعها من البيانات لاستخدامها كعينة اختبار. لو وضعنا 0.2، سيتم تخصيص 20% من البيانات للاستخدام كعينة اختبار. train_size: لتحديد النسبة المئوية التي سيتم اقتطاعها من البيانات لاستخدامها كعينة تدريب. random_state: هذا الوسيط غامض لدى الكثيرين. إنه يتحكم بطريقة الخلط المطبقة على البيانات أي لتحديد نظام العشوائية ويأخذ قيمة من النمط integer ويمكنك وضع أي قيمة تريدها، هذا الرقم يفهمه المترجم بطريقة معينة على أنه نمط معين للتقسيم. لنفهم فائدة هذا الوسيط سأعطيك المثال التالي: لنفرض أننا نعمل في فريق على مهمة تعلم آلة معينة. في حال لم نستخدم random_state سوف يتم تقسيم البيانات على جهاز كل عضو من الفريق بطريقة مختلفة، أما إذا اخترنا جميعاً قيمة ثابتة ولتكن 44 فهذا يعني أن البيانات ستقسم بنفس الطريقة على جهاز كل عضو، ولو أعدنا التقسيم 1000 مرة سيكون نفسه. وطريقة قسم البيانات مهمة فمثلاً إذا كانت عناصر مجموعة الاختبار a تختلف عن عناصر مجموعة الاختبار b، هذا سيؤدي إلى اختلاف ال score بين المجموعتين. shuffle: لعمل خلط للبيانات قبل تقسيمها (أي بعثرة أو إعادة ترتيب العينات بشكل عشوائي). في حال وضعنا False لن تتم البعثرة (يفضل وضعها True دوماً). الكود التالي يوضح العملية: # سنقوم بتحميل الداتاسيت الخاصة بأسعار المنازل في مدينة يوسطن ونقوم بتقسيمها import numpy as np from sklearn.model_selection import train_test_split from sklearn.datasets import load_boston # تحميل الداتاسيت BostonData = load_boston() data = BostonData.data label = BostonData.target # عرض حجم الداتا print('The shape of data:',data.shape,'\n') # The shape of data: (506, 13) أي لدينا 506 عينات # تقسيم الداتا X_train, X_test, y_train, y_test = train_test_split(data, label, test_size=0.2, random_state=44, shuffle =True) # لاحظ أننا حددنا 20 بالمئة كعينة اختبار وبالتالي سيتم اعتبار الباقي عينة تدريب تلقائياً # عرض حجم البيانات بعد التقسيم print('The shape of X_train:',X_train.shape) # The shape of X_train: (354, 13) print('The shape of X_test:',X_test.shape) # The shape of X_test: (152, 13) print('The shape of y_train:',y_train.shape) # The shape of y_train: (354,) print('The shape of y_test:',y_test.shape) # The shape of y_test: (152,)

شرح لمفهوم ال confusion_matrix وكيفية تطبيقها باستخدام مكتبة scikit-learn ؟

نعم لقد جربته بالكامل و هو يعمل بشكل ممتاز الآن، عمل جيد إستطعت أن تُدخل أفكارك على التطبيق أنصحك بالمواصلة في ذلك و الإستمرار في مسارات الدورة و ستتعلم الكثير من الأشياء التي ستبني لديك أشياء أخرى. بالتوفيق.

الف شكراً لك صحيح تم حل المشكلة اتمنى رؤية المشروع الان ( اذا قمت بالتسجيل قبل قليل قم باعادة التسجيل من جديد ) وايضاً لكي تعرف لماذا اردت سابقا انشاء 40 تاسك تلقائياً

يمكننا تعريف mixin كالتالي @mixin main-color($color) { color: $color; } هذا ال mixin يقبل متغير وهة اللون الذي تريده, يمكن كل مرة استخدام mixin تمرير اللون الذي تريده, فمثلا يمكنك في عناصر الصفحة الرئيسية ليكن اللون الأبيض هو الذي سوف نمرره فيكون شكل الكود لعنصر موجود في الصفحة الرئيسية كالتالي .main_page button{ @include main-color(#000); } كما تلاحظ لقد مررت اللون الأبيض , الآن سوف تطبق التنسيقات على العنصر المحدد وسوف يكون اللون الخاص به أبيض , وهكذا تستطيع تحديد لكل عنصر اللون الذي تريده

في وسم head يُمكنك إضافتها و تُسمى favicon: <link rel="icon" type="image/png" href="http://example.com/myicon.png"> حيث من خلال الخاصية href تقومين بوضع مسارها و من خلال الخاصية type تُحددين نوعها.

تدعى هذه الصورة التي تظهر في المتصفح باسم fav icon، ويتم تضمينها من خلال إضافة أسطر برمجية محددة ضمن الترويسة head في الصفحة الأساسية للموقع. مثال: <link rel="shortcut icon" href="http://example.com/favicon.ico" /> ولكن قد يختلف أحجام الصورة و كود تضمينها حسب الأجهزة والمتصفحات، فعلى سبيل المثال نقوم بإضافة التضمين التالي من أجل متصفح safari من آبل: <link rel="apple-touch-icon" href="http://example.com/images/apple-touch-icon.png" /> ولكن يمكن اختصار هذه العملية بالتوجه إلى الانترنت وكتابة favicon generator فهنالك العديد من المواقع التي تسمح لك برفع الصورة المرغوب إضافتها وهو يقوم بدوره بإعطائك جميع الأحجام لها والأكواد التي يجب إضافتها ضمن الترويسة.

من خلال ال html يمكن إضافتها من خلال الوسم link ويجب وضعه في ال head كالتالي <head > <link rel="icon" type="image/png" href="/favicon.png"/> </head>

بشكل عام هناك 4 مقاييس أساسية لقياس كفاءة المودل عندما تكون المهمة من نوع Regrission (توقع): أول ورابع معيار هم الأكثر استخداماً. أولاً: Mean Absolute Error وهي متوسط الفروق بالقيمة المطلقة بين القيم الحقيقية والقيم المتوقعة في مجموعة البيانات، والصورة المرفقة في الأسفل توضح الشكل العام للمعادلة الرياضية المعبرة عنها. ثانياً: Mean Squared Error وهي متوسط مربع الفروق بين القيم الحقيقية والمتوقعة، في الأسفل تم توضيح الشكل الرياضي للمعادلة. ثالثاُ: Root Mean Squared Error وهو جذر ال Mean Squared Error، في الأسفل تم توضيح الشكل الرياضي للمعادلة. رابعاً: R Squared معايير القياس المذكورة أعلاه سيكون لها قيم مختلفة لنماذج مختلفة، أي ليس لها مجال ثابت لكي نخمن على أساسه هل النموذج جيد أم لا، فمثلاً في مشكلة توقع أسعار المنازل قد يكون مجال القيم لهما بين 100 و 400 دولار وفي مسألة توقع درجة الحرارة قد يكون المجال بين ال 1 و 4 (أي القيم الناتجة ليست سهلة القراءة)، أما في هذا المقياس فسوف يكون مجال القيم محصور بين ال 0 وال 1، بحيث 1 تعني أن النموذج خالي من الأخطاء و 0 تعني أن النموذج فاشل تماماً. في الصورة المرفقة في الأسفل تم توضيح الشكل الرياضي للمعادلة. مثال: # انتبه أن التابع mean_squared_error يقبل وسيط بولياني يسمى squared في حال ضبطه على True سيتم حساب MSE أما في حال ضبطه على False سوف يحسي MSE ثم يأخذ الجذر أي يصبح RMSE. ####################################### Example ############################################### # استيراد الدوال from sklearn.metrics import mean_absolute_error from sklearn.metrics import mean_squared_error from sklearn.metrics import r2_score y_true = [80.3, 100, -7.7] # نفرض أن القيم الحقيقية كانت y_pred = [85, 99, -0.5] # والقيم المتوقعة ####################################### MAE ################################################## print("MAE is: "+str(mean_absolute_error(y_true, y_pred))) # output: MAE is: 4.300000000000001 ####################################### MSE ################################################## print("MSE is:"+str(mean_squared_error(y_true, y_pred,squared=True))) # MSE is:24.976666666666677 ####################################### RMSE ################################################## print("RMSE is:"+str(mean_squared_error(y_true, y_pred,squared=False))) # RMSE is:4.997666121968001 ####################################### R Squaerd ################################################## print("R Squaerd is:"+str(r2_score(y_true, y_pred)))#R Squaerd is:0.9886074871600465 مثال واقعي على مهمة توقع أسعار المنازل في مدينة بوسطن، حيث أن البيانات تمثل مواصفات المنازل وأسعارها في تلك المدينة : ####################################### مثال عملي ################################################## from sklearn.datasets import load_boston from sklearn.model_selection import train_test_split from sklearn.metrics import mean_absolute_error from sklearn.metrics import mean_squared_error from sklearn.metrics import r2_score from sklearn.linear_model import LinearRegression # تحميل الداتاسيت BostonData = load_boston() x = BostonData.data y = BostonData.target # تقسيم الداتا إلى عينة تدريب وعينة اختبار X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=44, shuffle =True) #تعريف LinearRegressionModel LR = LinearRegression() LR.fit(X_train, y_train) # حساب القيم المتوقعة y_pred = LR.predict(X_test) # Mean Absolute Error MAE = mean_absolute_error(y_test, y_pred) print('Mean Absolute Error Value is : ', MAE) #Mean Absolute Error Value is : 3.4318693222761523 # Mean Squared Error MSE = mean_squared_error(y_test, y_pred,squared=True) print('Mean Squared Error Value is : ', MSE) #Mean Squared Error Value is : 21.439149523649792 # Root Mean Squared Error RMSE = mean_squared_error(y_test, y_pred,squared=False) print('Root Mean Squared Error Value is : ', RMSE) #Root Mean Squared Error Value is : 4.6302429227471205 # R Squaerd print("R Squaerd is: "+str(r2_score(y_test, y_pred))) # R Squaerd is: 0.7532417995961468 فرانسوا كوليت ينصح باعتماد MAE.

كيف يمكن إضافة object الى list وطباعة محتوياتها

اعتقد أنك تقصد كيفية إنشاء قائمة من الكائنات. # تعريف صف class hsoub: def __init__(self, name, ID): self.name = name self.ID = ID list = [] # إنشاء قائمة # إضافة كائنات إلى الصف list.append( hsoub('Ali', 9) ) list.append( hsoub('Ahmad', 6) ) list.append( hsoub('Mohameed', 8) ) # طباعة for object in list: print( object.name, object.ID ) هل تريد شيئاً إضافياً؟

السؤال محلول من قبل: حاولي التعلم و الاستفادة من الشروحات

كلمة برنامج تعني تطبيق لنظام ويندوز، أوسطح مكتب بشكل عام. ضمن دورة جافاسكربت يوجد المسار: تطوير تطبيق سطح مكتب باستخدام Electron.js وبيئة العمل هذه تسمح بذلك. يمكنك تصفح المسار من هذا الرابط: تطوير تطبيق سطح مكتب باستخدام Electron.js وهو مسار جديد تمت إضافته لدورة جافاسكربت. بالتوفيق

الدالة length تقوم بعد الحروف المستخدمة ضمن مصفوفة محرفية، نقوم بعد الحروف من بدابة المصفوفة حتى نجد المحرف الصفري int c = 0; char arr[300]; while(arr[c] != '/0') c++; cout << c; لحساب غدد البايتات التي يحجزها متغير، علينا معرفة نوعه، وإن كان مصفوفة يتم الحساب بعدد العناصر ضرب حجم العنصر الوحيد. sizeOf(char) => 1 byte sizeOf(int) => 4 byte . . sizeOf(array of int) => 4 * length(array) الصف الأول يكون دليل السطر خاصتهم 0 ويكون شكلهم كالتلي: أما العمود فهو متغير بعدد الأعمدة arr [0] [j] j = 0..m-1 أما العمود الأول، يمكون دليل العمود ثابت و السطر متغير: arr [i] [0] i = 0..n-1 إن كانت المصفوفة مربعة يكون n = m (الأبعاد متساوية) تبقى عملية تبديل قيمتين ممكن باستخدام دالة swap أو متغير مؤقت نخزن فيه قيمة أحد عنصري التبديل وننقلهم للآخر..

لا أعتقد أن الورقة و القلم ضرورية الأفضل أن تفهم و تُطبق جيداً و هو كافي بشكل كبير أما عندما تريد أن تتذكر شيئاً ما فستجده بسهولة فهناك عدة مواقع بها توثيق لمعظم لغات البرمجة مع أمثلة بسيطة من خلالها يُمكن إسترجاع المعلومة مثل موسوعة حسوب باللغة العربية و هناك مواقع مثل w3schools بالإنجليزية و غيرها. أما إن كنت تُحبذ فكرة الورقة و القلم و ترتاح لها فلا مانع في إستخدامها فلكل شخص طريقته في فهم الأشياء و في التعلم ككل.

عظيم جدا تم حلها بهذا الكود <input type="text" class="form-control contact-name" placeholder="الاسم" value="<?php echo $item['name']; ?>" disabled > حين اجد ردودك على اسئلتي اعلم تماما ان المشكلة قد حلت و اني سأتعلم شئيا جديدا شكرا لك جدا

بالاضافة الى ما قاله المدرب عبد المجيد حتى تحترف البرمجة بلغة الجافا سكربت تحتاج لاحتراف المفاهيم البرمجية العامة والتي يمكن دراستها بلغات البرمجة المختلفة من ضمنها: الخوارزميات (algorithms) هياكل البيانات (Data Structure) العوامل المنطقية والحسابية (Logical and Arithmetical Operators) وغيرها... بالاضافة الى تعلم مبادئ البرمجة (programming principles) مثال عليها: DRY (Don't repeat yourself) Single Responsibility Principle (SRP) Keep It Simple, Stupid (KISS) وغيرها الكثير... طبعاً لتحترف كل هذا تحتاج الى وقت طويل لذلك يجب عليك التركيز على ما تريد تحقيقه من البرمجة

Inline elements: تقوم بصف العناصر بجانب بعضها البعض على اليمين واليساريمكنك تحديد left & right , margins and padding للنعصر ولا تسمح لك تحديد top & bottomلا يمكنك تحديد width , height Block elements: تسمح بتحديد جميع الخصائصتقوم بإضافة سطر بين العنصر والآخر (تقوم بصف العناصر فوق بعضها البعض)Inline-block elements: تقوم بصف العناصر بجانب بعضها البعض على اليمين واليسارتسمح لك بتحديد top & bottom , margin and paddingتسمح بتحديد width , heightالمصدر