لوحة المتصدرين
المحتوى الأكثر حصولًا على سمعة جيدة
المحتوى الأعلى تقييمًا في 06/04/24 في كل الموقع
-
سلام عليكم ازاى اعمل request عن طريق axios للرابط دة https://alsouq.anevex.com/app/shop-api/advertisements لكن مع اضافة المصفوفة اللى ظاهرة فى الصورة تحت عنوان Body => Raw لان بدون اضافة المصفوفة بترجعلى data فاضية
4 نقاط -
السلام عليكم في مكتبه sklearn هو الparameters (normalize) مش موجود في الmodel LinearRegression ؟2 نقاط
-
السلام عليكم هل الLinearRegression مش افضل حاجه دلوقتي وهل فيه نموذك افضل من نموذج ؟ يعني مثل الRandomForestClassifier افضل من الLinearRegression والا الا علي حساب البيانات اي2 نقاط
-
اختيار النموذج المناسب يعتمد على العديد من العوامل بما في ذلك طبيعة البيانات، الهدف من النموذج، والأداء المطلوب. بالتالي القول بأن نموذجًا معينًا مثل RandomForestClassifier هو دائمًا أفضل من LinearRegression غير دقيق، لأن كل منهما يخدم أغراضًا مختلفة ويعمل بشكل أفضل في ظروف معينة. لديك LinearRegression نموذج بسيط وسهل الفهم يستخدم للعلاقات الخطية بين المتغيرات المستقلة والمتغير التابع، ومناسب في حال العلاقة بين متغيراتك خطية وتحتاج إلى تفسير بسيط للنموذج. بينما RandomForestClassifier نموذج أكثر تعقيدًا يستخدم للأغراض التصنيفية، ويعمل بشكل جيد عندما تكون البيانات معقدة وتحتوي على العديد من الميزات التي قد تتفاعل مع بعضها بطرق غير خطية، ويتميز بأنه يستخدم مجموعة من الأشجار decision trees ويجمع نتائجها للحصول على تصنيف أكثر دقة. واستخدم التحقق المتبادل لتقييم أداء النموذج على مجموعة من البيانات غير المرئية للنموذج، وقد تحتاج إلى ضبط الباراميترات للنماذج المعقدة لتحسين أدائها.2 نقاط
-
بالضبط، ففي مكتبة scikit-learn، باراميتر normalize لم يعد موجودًا في الإصدار 0.24.0 وما بعده من النموذج LinearRegression. في الإصدارات الأحدث من المكتبة، عليك استخدام StandardScaler أو Normalizer من مكتبة sklearn.preprocessing لتطبيع البيانات قبل تمريرها إلى النموذج. للتوضيح: from sklearn.linear_model import LinearRegression from sklearn.preprocessing import StandardScaler import numpy as np X = np.array([[1, 2], [3, 4], [5, 6], [7, 8]]) y = np.array([1, 2, 3, 4]) scaler = StandardScaler() X_scaled = scaler.fit_transform(X) model = LinearRegression() model.fit(X_scaled, y) predictions = model.predict(X_scaled) print(predictions) لاحظ تطبيع البيانات باستخدام StandardScaler قبل استخدامها في تدريب النموذج LinearRegression، وذلك يحقق نفس النتيجة التي كان يحققها استخدام الباراميتر normalize=True في الإصدارات الأقدم.2 نقاط
-
الإصدار 1.0.0
3501 تنزيل
يشرح هذا الكتاب أساسيات التعامل مع بيئة نود جي إس Node.js وهي بيئة تشغيل مفتوحة المصدر ومتعددة المنصات لتنفيذ شيفرات جافاسكربت JavaScript دون الحاجة إلى متصفح ويب، ويعلمك كيفية الاستفادة منها في بناء تطبيقات فعالة من الصفر ودون الحاجة لوجود خبرة مسبقة، إذ يبدأ الكتاب بتوضيح مميزات بيئة التشغيل Node.js، مثل السرعة والبساطة، ويوضح لك كيفية تثبيتها على جهازك وتشغيل التطبيقات من خلالها، ويوضح لك أبرز الفروقات بين لغة جافا سكريبت في بيئة Node.js وفي المتصفح. كما يغطي الكتاب أساسيات التعامل مع مدير الحزم npm، وطريقة تثبيت وتحديث الحزم وإدارة الاعتماديات من خلاله، ويوضح كيفية استخدام الوضع التفاعلي REPL لكتابة واختبار التعليمات البرمجية في الوقت الفعلي. ثم يشرح لك مفاهيم أكثر تقدمًا مثل البرمجة غير المتزامنة واستخدام دوال رد النداء والوعود، وصيغة async/await والتعامل مع طلبيات الشبكة، وإنشاء خوادم HTTP، واستخدام مكتبة Axios وطريقة التعامل مع الملفات وغيرها من المفاهيم الضرورية لك كمطور. وأخيرًا يوضح لك كيفية استخدام وحدات Node.js الأساسية مثل الوحدات الخاصة بنظام التشغيل كوحدة os ووحدة fs ووحدة الأحداث events والوحدة HTTP ويعرفك على أهم الخاصيات والتوابع التي توفرها كل منها وطريقة الاستفادة المثلى منها في تطبيقاتك. هذا الكتاب هو ترجمة لكتاب The Node.js handbook لصاحبه Flavio Copes وفرته لك أكاديمية حسوب باللغة العربية، ونرجو أن تجد فيه المعلومات الوافية التي تحتاجها للبدء بتطوير مشاريعك البرمجية سواء على الجانبين الأمامي أو الخلفي من التطبيق بلغة جافا سكريبت دون الحاجة لتعلم لغة جديدة بالكامل، ابدأ الآن بتطوير تطبيقاتك باستخدام Node.js واستفد من إمكانياتها المميزة، ونذكرك بأن باب المُساهمة في أكاديمية حسوب مفتوح لكل من يرى في نفسه القدرة على توفير مقالات أو كتب أو مسارات عالية الجودة. يمكنك قراءة فصول الكتاب على شكل مقالات مجتمعة تحت الوسم "مقدمة إلى node.js" وتجد روابطها تاليًا: مقدمة إلى Node.js استخدام الوضع التفاعلي والتعامل مع سطر الأوامر في Node.js دليلك الشامل إلى مدير الحزم npm في Node.js كيفية تنفيذ الدوال داخليا ضمن Node.js البرمجة غير المتزامنة في Node.js التعامل مع الطلبيات الشبكية في Node.js التعامل مع الملفات في Node.js تعرف على وحدات Node.js الأساسية1 نقطة -
اطفه المستودع القديم والجديد في لينكس منت عندي اخطاى في النطم في لبترمنل هذي التقريارير النطم1 نقطة
-
شكراا جدا لحضرتك تمام1 نقطة
-
في الكود الثاني، قمت بتطبيق التحجيم القياسي (StandardScaler)فقط على بيانات التدريب (x_traing) ولكن لم تقم بتطبيق نفس التحجيم على بيانات الاختبار (x_test). هذا يؤدي إلى عدم توافق في توزيع البيانات بين التدريب والاختبار، مما يسبب زيادة كبيرة في الخطأ. يجب عليك أيضًا تطبيق التحجيم على بيانات الاختبار باستخدام نفس التحجيم الذي استخدمته لبيانات التدريب: import pandas as pd from sklearn.linear_model import LinearRegression from sklearn.preprocessing import StandardScaler from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error data = pd.read_csv("heart_disease.csv") feutures = data.drop(['target'], axis=1, inplace=False) outpnt = data['target'] x_traing, x_test, y_traing, y_test = train_test_split(feutures, outpnt, test_size=0.25, random_state=44, shuffle=True) scaler = StandardScaler() x_scaler_traing = scaler.fit_transform(x_traing) x_scaler_test = scaler.transform(x_test) # تطبيق نفس التحجيم على بيانات الاختبار linearregression = LinearRegression(fit_intercept=True, copy_X=True, n_jobs=-1) fit = linearregression.fit(x_scaler_traing, y_traing) y_prodict = fit.predict(x_scaler_test) msevalue = mean_squared_error(y_test, y_prodict, multioutput="uniform_average") print(f"MSEvalue: {msevalue}") وتأكد من أن البيانات في ملف heart_disease.csv لا تحتوي على قيم شاذة أو غير منطقية يمكن أن تؤثر على النتائج بعد التحجيم. بتطبيق التعديلات السابقة، يجب أن تحصل على نتائج أكثر منطقية لقيمة MSE.1 نقطة
-
انا اول ما عملت كده يا أ.مصطفي فا حسابات الMSE فا كان ده النتجيه 87.53644204505163 مع العلم قبل ما اعمل كده فا كانت النتجيه 0.12410403813221675 فا اي السبيب ؟ وده الكود قبل import pandas as pd from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error data = pd.read_csv("heart_disease.csv") feutures = data.drop(['target'] , axis=1 , inplace=False) outpnt = data['target'] x_traing , x_test , y_traing , y_test = train_test_split(feutures , outpnt , test_size=0.25, random_state=44 , shuffle=True) linearregression = LinearRegression(fit_intercept=True , copy_X=True , n_jobs=-1) fit = linearregression.fit(x_traing , y_traing) y_prodict = fit.predict(x_test) msevalue = mean_squared_error(y_test , y_prodict , multioutput="uniform_average") print(f"MSEvalue: {msevalue}") وده الكود بعد import pandas as pd from sklearn.linear_model import LinearRegression from sklearn.preprocessing import StandardScaler from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error data = pd.read_csv("heart_disease.csv") feutures = data.drop(['target'] , axis=1 , inplace=False) outpnt = data['target'] x_traing , x_test , y_traing , y_test = train_test_split(feutures , outpnt , test_size=0.25, random_state=44 , shuffle=True) scaler = StandardScaler() x_scaler_traing = scaler.fit_transform(x_traing) linearregression = LinearRegression(fit_intercept=True , copy_X=True , n_jobs=-1) fit = linearregression.fit(x_scaler_traing , y_traing) y_prodict = fit.predict(x_test) msevalue = mean_squared_error(y_test , y_prodict , multioutput="uniform_average") print(f"MSEvalue: {msevalue}")1 نقطة
-
مرحباً محمد , يمكنك نتفيذ هذا الكود سيعمل كما في الصورة المرفقة , أيضاً قمت بتوضيح خطوة خطوة من خلال التعليقات : const url = 'https://alsouq.anevex.com/app/shop-api/advertisements'; const params = { home_page_position: 'Header', show_in: 'home' }; // Send the GET request axios.get(url, { params }) .then(response => { // Handle the response console.log('Data:', response.data); }) .catch(error => { // Handle any errors console.error('Error fetching data:', error); }); ايضاً لاحظ عند ارسال سيكون عنوان url بالشكل التالي لان نوع method الخاصة ب api هي GET : https://alsouq.anevex.com/app/shop-api/advertisements?home_page_position=Header&show_in=home
1 نقطة -
My pleasure, You’re welcome! 😊1 نقطة
-
1 نقطة
-
وعليكم السلام Understanding the mathematical equations associated with models can be helpful for comprehending how each model works and customizing its usage effectively. However, it’s not necessary to memorize all the equations in detail. In fact, you can rely on programming libraries and available tools to execute these equations instead of memorizing them manually. For example, in the case of Linear Regression, the main equation is: [ y = \beta_0 + \beta_1 x ] Where: (y) represents the target value (dependent variable). (x) represents the independent variable. (\beta_0) and (\beta_1) are the regression coefficients. As for the RandomForestClassifier model, it relies on an ensemble of decision trees and doesn’t have a specific mathematical equation in the same way.1 نقطة
-
تمام بس سوال كمان كل نموذج ليا معادلات رياضيه فا هل موطلب مني معرفت المعادالات لكل نموذج استخدمو ؟ ان عرف LinearReagression1 نقطة
-
وعليكم السلام The Linear Regression model and the RandomForestClassifier model differ in their use cases and the contexts where they are most beneficial.: 1Linear Regression: The Linear Regression model is used when we assume a linear relationship between the dependent variable (target) and the independent variables (predictors). It is suitable for continuous numerical data and can be used to predict target values using a straight line. Example: It can be used to predict house prices based on house size. 2Random Forest Classifier: The RandomForestClassifier model is used for classification, not continuous value prediction. It relies on an ensemble of decision trees and combines their predictions for classification. It is suitable for categorical data (such as classifying into specific categories). 3General Considerations: The choice of model depends on the nature of the data and the goal of the analysis. If you want to predict continuous values, Linear Regression is the appropriate choice. If you want to perform classification, RandomForestClassifier is the suitable choice.1 نقطة
-
1 نقطة
-
وعليكم السلام! In the scikit-learn library, the normalize parameter is not available in the LinearRegression model. The LinearRegression model is used to fit a linear model with coefficients w = (w1, ..., wp) to minimize the sum of squared residuals between observed targets in the dataset and the predicted targets from the linear approximation If you need to apply normalization to your data before using the LinearRegression model, you can use the normalize function from scikit-learn to normalize the data. This function helps standardize the data and avoids issues related to varying scales.1 نقطة
-
مازالت الداتا ترجعلى فاضية حتى بعد تجربة الكود المتوفر من البرنامج على الرغم من ان ال postman بيرجع داتا موجودة فعلا بعد التجربة مازالت ترجع الداتا فاضية على الرغم من ان ال postman يرجع داتا حقيقية جربت الطريقة لكن ما زالت الداتا ترجع فاضية
1 نقطة -
شكرا جزيلا للافادة1 نقطة
-
هذا هو الكود الذي تبحث عنه : axios.get("https://alsouq.anevex.com/app/shop-api/advertisements" , { data:{ home_page_position:"header", show_in:"home" } }) والنتيجة
1 نقطة -
توجد العديد من الطرق لكن بصفة عامة، يمكنك استخدام هذه الشيفرة ولاحظ التعليقات التي وضعتها وهي تشرح بشكل جيد دور كل سطر من البرنامج: // 1. استيراد مكتبة Axios import axios from 'axios'; // 2. تعريف الكائن JavaScript مع نفس بنية الكائن JSON في "Body => Raw" const jsonObject = { "home_page_position": "Headers", "show_in": "home" }; // 3. استخدام طريقة axios.post() لإرسال طلب POST axios.post('https://alsouq.anevex.com/app/shop-api/advertisements', jsonObject) // 4. في حالة نجاح الطلب .then(response => { // طباعة البيانات الواردة في الاستجابة على الكونسول console.log(response.data); }) // 5. في حالة وجود خطأ .catch(error => { // طباعة الخطأ على الكونسول console.error(error); }); ففي البداية نقوم باستيراد مكتبة Axios باستخدام: import axios from 'axios';. بعد ذلك، نعرّف كائنا JavaScript jsonObject بنفس بنية الكائن JSON الموجود في جزء "Body => Raw" من الصورة. ثم نستخدم طريقة axios.post() لإرسال طلب POST إلى الرابط الذي تريد وفي حالتنا https://alsouq.anevex.com/app/shop-api/advertisements. أول Argument للطريقة post() هو الرابط، وأما الثاني هو البيانات التي نريد إرسالها في جسم الطلب، وفي هذه الحالة هو الكائن jsonObject. إذا نجح الطلب، سيتم استدعاء دالة then مع استجابة الخادم ك Argument. داخل هذه الدالة، نقوم بطباعة البيانات الواردة في الاستجابة على الكونسول باستخدام console.log(response.data). إذا حدث خطأ أثناء الطلب، سيتم استدعاء دالة catch مع الخطأ ك Argument. داخل هذه الدالة، نقوم بطباعة الخطأ على الكونسول باستخدام console.error(error). عند استخدام طريقة axios.post() وتمرير الكائن jsonObject ك Argument ثانية، ستقوم Axios تلقائيا بتعيين رؤوس الطلب المناسبة (Content-Type: application/json) وترميز الكائن jsonObject كجسم الطلب.1 نقطة
-
وعليكم السلام ورحمة الله وبركاته . إرسال الطلبات requests بواسطة axios بسيط ولكنه يعتمد على نوع البيانات التي تريد إرساله . فكما في المثال السابق ستقوم بإرسالها بصيغة json والطريقة كالتالي : const json = JSON.stringify({ home_page_position: "Header",show_in:"home" }); const res = await axios.post('https://alsouq.anevex.com/app/shop-api/advertisements', json); وهكذا سيتم إرسال الطلب . أما إذا أردت إرسالها ك form سنقوم بالتالي : let data = new FormData(); data.append("home_page_position", "Header"); data.append("show_in", "home"); const res = await axios.post('https://alsouq.anevex.com/app/shop-api/advertisements', data); وهكذا سيتم إرسالها كأنه تم الإرسال من form1 نقطة
-
بما أنك تستخدم برنامج Postman، فأسهل طريقة لفعل ذلك هي جعل البرنامج نفسه يولد لك الكود اللازم! أولا، إضغط على أيقونة توليد الكود: بعد ذلك اختر من قائمة لغات البرمجة والمكتبات خيار: Node.js - Axios والآن يمكنك نسخ الكود الظاهر واستخدامه في مشروعك بكل بساطة.
1 نقطة -
مجالات العمل كثيرة, و أغلبها مطلوبة في سوق العمل لكن مع وجود بعض التفاوت, ففرص مطوري ال flutter و مطوري الواجهات الأمامية تكون أكبر من فرص مطوري الواجهات الخلفية. و لكن سواء أردت العمل ضمن شركة أو بشكل مستقل فأنت تحتاج إلى الخبرة, فلا يوجد أحد ممكن أن يسلمك عمل من دون أن يتأكد من أنك قادر على إنجازه, لذا عليك أن تقوم بالتدريب اليومي المنظم و المستمر لكي تكسب الخبرة والمهارات التي تؤهلك للدخول في سوق العمل. عليك أن تقوم ببناء مشاريع جذابة وهادفة و تضعها في معرض الأعمال الخاص بك , و عليك أن تقوم ببنائها بطريقة منظمة كما تفعل الشركات لكي تمتلك المهارات التي تؤهلك للعمل مستقبلا, يمكنك الدخول لموقع مستقل و رؤية الأعمال التي يتم طلبها و اختر منها أحد المشاريع و أنجزه , وأنصحك بأن تقوم بتطويير مشاريع مثل ال e-commerce و لوحات التحكم dashboards. الدخول في سوق العمل أمر صعب في البداية لعدم امتلاك خبرة سابقة, لكن إن قمت بالتعلم جيدا و طورت عدة مشاريع في المجال الذي تعلمته فسيصبح الأمر سهلا ان شاء الله.1 نقطة
-
ازداد الاهتمام بمجال الذكاء الاصطناعي بشكل كبير في السنوات الأخيرة، وبات من الضروري تعلم أساسيات الذكاء الاصطناعي لمعظم المهتمين بالعمل ليس فقط في المجالات التقنية بل في العديد من المجالات الأخرى التي اصبحت تعتمد بشكل متزايد على الذكاء الاصطناعي. وبعد أن ظهر تطبيق المحادثة الشهير ChatGPT في شهر نوفمبر سنة 2022، انتقل مفهوم الذكاء الاصطناعي من المتخصصين إلى عامة الناس وصاروا يبحثون عن مصادر لتعلّم وإتقان هذا المجال. سنعرض فيما يلي أهمية دراسة الذكاء الاصطناعي وطرق دراسته المختلفة سواء الأكاديمية عن طريقة الجامعات المتخصصة أو الذاتية عن طريق كتب ودورس ودروات الذكاء الاصطناعي ومصادر التعلم الأخرى، كما سنركز على أفضل دورات الذكاء الاصطناعي للمبتدئين ونبيِّن مميزات كل دورة منها. ما أهمية دراسة الذكاء الاصطناعي؟ لاشك أن تعلم الذكاء الاصطناعي أمر ضروري في عصر التطور التقني الذي نشهده اليوم في شتى المجالات، فهو يعزز التقدم التكنولوجي ويفتح أبواباً جديدة للابتكار ويساعدنا على تطوير تطبيقات وأنظمة تساهم في حل مشاكلنا المعقدة بفعالية وكفاءة سواء في مجال التقنية او الطب أو الصناعة أو التعليم وغيرها من مجالات العمل. فقد أشار تقرير لشركة IBM إلى أن 42% من الشركات حول العالم اعتمدت الذكاء الاصطناعي في أعمالها إلى حد الآن، وأشارت إحصائيات أخرى إلى أن 375 من الأشخاص قد يُغيِّرون تخصصاتهم المهنية بحلول عام 2030، كما أنه من المتوقع أن يساهم الذكاء الاصطناعي في الاقتصاد العالمي ب 15.7 تريليون دولار بحلول عام 2030. ويمكن القول بأن أهمية الذكاء الاصطناعي وتعلم الآلة تكمن في النقاط التالية: مستقبل مهني مشرق: يزداد عدد الشركات التي أدمجت الذكاء الاصطناعي في أعمالها يوما بعد يوم، وهذا ما سيؤدي إلى فتح فرص الابتكار والإبداع في مختلف التخصصات مثل: البحوث الطبية، الأمن السيبراني، البحث عبر الانترنت، الفلاحة والصناعة مثل السيارات ذاتية القيادة…إلخ. الحصول على عائد مادي أكبر:يُعدّ راتب مهندس الذكاء الاصطناعي من بين أعلى الرواتب مقارنة ببقية المجالات البرمجية. تطوير وابتكار حلول جديدة: من خلال المساعدة على إيجاد حلول للتحديات والمشاكل حول العالم مثل مجال الرعاية الصحية والتعليم والاقتصاد والبيئة. زيادة الطلب على مهارة الذكاء الاصطناعي: مع تزايد استخدام الشركات له زاد الطلب على الأشخاص الذين يجيدون استخدام أدواته المختلفة. وبالرغم من المخاوف التي تثار حول إلغاء الذكاء الاصطناعي للعديد من الوظائف والمهام البشرية، إلا أنه بالمقابل يستحدث عددًا كبيرًا من الوظائف المتنوعة وهي فرصة لك لتعلم تقنيات جديدة تعزز مهاراتك وخبراتك وتفتح لك آفاقًا جديدة في مجال عملك. طرق دراسة الذكاء الاصطناعي إذا قررت أن تدخل مجال الذكاء الاصطناعي ومازلت لا تعرف من أين تبدأ أو ما هي دورات الذكاء الاصطناعي المناسبة للمبتدئين، سنساعدك في الفقرات القادمة على اختيار ما يناسبك منها، لكن قبل ذلك دعنا نتعرف أولا على الطريقتين الشائعتين لدراسة الذكاء الاصطناعي وهما التعليم الأكاديمي عن طريق الجامعة، والتعليم الذاتي من خلال الكورسات ودورات الذكاء الاصطناعي. التعليم الأكاديمي لتخصص الذكاء الاصطناعي إن التعليم الأكاديمي من خلال التسجيل في غحدى الجامعات أو المعاهد الأكاديمية المتخصصة هو الطريقة التقليدية لتعلُّم معظم المجالات والتخصصات العلمية عمومًا والذكاء الإصطناعي خصوصًا، حيث يحصل الطالب عند نهاية سنوات الدراسة على شهادة جامعية تثبت ما تعلمه من معارف ومعلومات لكنها لا تؤهله بالضرورة لدخول سوق العمل. فبالرغم من أن التعليم الأكاديمي يتسم بالتنظيم المنهجي للمقررات والمواد العلمية وفق جدول زمني معيّن ويوفر للطالب مصادر تعلم منوعة من كتب وبحوث علمية تخص المجال من خلال المكتبات الجامعية، ويتيح له استخدام أجهزة الحاسوب المتوفرة فيها مع إمكانية مناقشة كل ما يستشكل عليه مع الأساتذة المتخصصين، وعند نهاية الدراسة يحصل الطالب على شهادة ذكاء اصطناعي رسمية من قبل جهة موثوقة. لكن مع ذلك يرى الكثير من الأشخاص أن دراسة الذكاء الاصطناعي في الجامعة تستغرق مدة طولة تصل إلى حدود 5 سنوات، وأنها تركز على التعلم النظري الممل أكثر من التطبيقات العملية التي يحتاجها سوق العمل وأن ما يتعلمه في سنوات يمكن تعلُّمه في وقت أقصر من خلال التعلم الذاتي الذي يركز على التطبيقات العملية المطلوبة في سوق العمل. التعليم الذاتي من خلال دورات الذكاء الاصطناعي انتشر هذا النوع من التعليم في السنوات القليلة الماضية بعد انتشار العديد من المواقع الإلكترونية التي توفِّر دورات تعليمية في مختلف التخصصات والمجالات، حيث تتوفر الكثير من دورات الذكاء الاصطناعي بمختلف تخصصاته وأنواعه، ويتميز هذا النوع بتَوفُّر المصادر العلمية الكثيرة من كتب رقمية وبحوث علمية حول المجال وسهولة الوصول إليها مجانا على الانترنت، والمرونة في التعلّم إذ يمكن للطالب اختيار الوقت والمكان الذي يناسبه للدراسة. كما يساعده على تقوية المهارات الفكرية وتطوير مهارات البحث والتخطيط، وتعوده على الاستقلال والانضباط والاعتماد على الذات، بالإضافة إلى تطوير مهارات التفكير الإبداعي ومهارة حل المشكلات لديه والتفكير خارج الصندوق. وتتيح دورات الذكاء الاصطناعي للطلاب الأكفاء العمل في الشركات دون شهادة جامعية، حيث صرحت شركات تقنية كبرى مثل جوجل وآبل و IBM أن بعض وظائفها لا تحتاج إلى شهادة جامعية عند التقدم لها، بل تحتاج إلى المهارة في التخصص فقط فالكفاءة اليوم هي المعيار الأول للتميز في سوق العمل. لهذا يفضل الكثيرون التعليم الذاتي على التعليم الأكاديمي سواء من حيث الوقت أو من حيث جودة التعليم، فهو يوفر عليهم الوقت والجهد ويفتح فرصًا مميزة في تعلم ما يفيدهم مستقبلًا. أفضل دورات الذكاء الاصطناعي للمبتدئين نستعرض في فقراتنا التالية بعضًا من أفضل دورات الذكاء الاصطناعي المتاحة عبر الانترنت، فهي كثيرة ومتنوعة الأمر الذي قد يجعلك في حيرة من أمرك في اختيار الدورة المناسبة، لهذا جمعنا لكم في هذا القسم أفضل دورات الذكاء الاصطناعي للمبتدئين، واعتمدنا في اختيارها على مصداقية مقدمي محتوى الدورات ومدى ثراء وجودة المادة العلمية والمعارف والتطبيقات العملية التي يمكن تعلمها في هذه الدورات, إليكم قائمة بأهم دورات الذكاء الاصطناعي ومميزات كل واحدة منها: دورة الذكاء الاصطناعي من أكاديمية حسوب تعتبر هذه الدورة من أفضل دورات الذكاء الاصطناعي باللغة العربية فهي مقدمة من أكاديمية حسوب الشهيرة المتخصصة في تقديم الدورات التدريبية المختلفة في مجال البرمجة وعلوم الحاسوب باللغة العربية وتابعة لشركة حسوب المؤسسة العربية الأشهر عربيًا في مجال التعليم والخدمات عبر الإنترنت. تبدأ هذه الدورة مع الطلاب من الصفر بتعليمهم أساسيات بايثون وتحليل البيانات، والخوارزميات والمفاهيم البرمجية مثل تعلّم الآلة والتعلم العميق، والتعرّف على الصور باستخدام الشبكات العصبية، كما تزودهم بكافة المعلومات اللازمة لإنشاء نماذج ذكاء اصطناعي متخصصة ليتمكنوا من برمجة الأنظمة التي يريدونها بأنفسهم. تغطي دورة الذكاء الاصطناعي من أكاديمية حسوب كافة المفاهيم التي تخص مجال الذكاء الاصطناعي وتعلُّم الآلة من خلال دروس الفيديو التعليمية التي تبدأ مع المتعلم من الصفر دون الحاجة إلى معرفة مسبقة بالمجال، وتُبسِّط له المعلومات وتشرحها باللغة العربية من أجل مساعدته على فهم معلومات ومصطلحات الذكاء الاصطناعي بشكل جيد وموثوق، وهذا يكسر حاجز اللغة الذي يعاني منه كثير من الطلاب العرب عند دخولهم للدورات الأجنبية. بالإضافة إلى ذلك فإن دورة الذكاء الاصطناعي من أكاديمية حسوب تعتمد على نظام تدريس عملي، إذ يعتمد منهاجها على تطبيق ما تتعلّمه من مهارات على مشاريع حقيقية توافق احتياجات سوق العمل، وبالتالي تستطيع بناء معرض أعمال قوي والحصول على شهادة معتمدة من حسوب يساعدانك على اقتناص أفضل فرص العمل. ليس هذا فحسب بل ستستفيد من متابعة من قبل فريق مختص في الأكاديمية أثناء وبعد الدورة يدعمك حتى تجد عملًا مناسبًا بعد تخرّجك ويساعدك على تحقيق النجاح المهني، كما يتيح لك الاشتراك في الدورة الوصول إلى مساراتها مدى الحياة وفي حالة ما إذا لم تجد عملًا خلال 6 أشهر من تخرّجك فإن أكاديمية حسوب تعيد لك مبلغ الدورة كاملًا. دورة الذكاء الاصطناعي احترف برمجة الذكاء الاصطناعي AI وتحليل البيانات وتعلم كافة المعلومات التي تحتاجها لبناء نماذج ذكاء اصطناعي متخصصة. اشترك الآن دورة CS50’s Introduction to Artificial Intelligence with Python من جامعة هارفارد تعد دورة مقدمة CS50 للذكاء الاصطناعي من جامعة هارفارد الشهيرة من أهم دورات الذكاء الاصطناعي للمبتدئين، كما يمكنك متابعة هذه الدورة مجانًا على منصة edX إذا كنت مهتمًا بالحصول على المعلومات فقط ولا تريد شهادة ذكاء اصطناعي بعد إتمامك للدورة. لأن الطالب يكتشف من خلالها المفاهيم والخوارزميات التي يقوم عليها الذكاء الاصطناعي الحديث باستخدام لغة البرمجة بايثون، ويكشف الأفكار الكامنة وراء عمل التقنيات الذكية مثل تقنية التعرف على الكتابة اليدوية والترجمة الآلية وأنظمة التوصية والسيارات ذاتية القيادة وغيرها، وفي نهاية الدورة يكون الطالب قادرًا على: معرفة المفاهيم النظرية الكامنة وراء تقنيات الذكاء الاصطناعي التعامل مع خوارزميات البحث في الرسوم البيانية وخوارزميات التصنيف وتعلم الآلة والتعلم المعزز ودمجها بلغة بايثون. اكتساب خبرة في مكتبات تعلم الآلة ومعرفة مبادئ الذكاء الاصطناعي التي تسمح لهم بتصميم الأنظمة الخبيرة. إنجاز مشروع عملي لتطبيق المعلومات التي اكتسبها الطالب خلال الدورة. دورة Google AI Essentials هي عبارة عن دورة ذكاء اصطناعي تدريبية ذاتية من جوجل متاحة ضمن برنامج برنامج Grow with Google الذي يسعى لإتاحة التقنية والتعلم عن بعد للجميع، فهذه الدورة مصممة لمساعدة المبتدئين وغير المختصين على اكتساب مهارات الذكاء الاصطناعي الأساسية دون اشتراط وجود خبرة مسبقة، ويُشرف على تدريسها خبراء في شركة جوجل. ومن مميزات هذه الدورة: تعلمك كيفية استخدام أدوات الذكاء الاصطناعي الإبداعية من أجل تطوير الأفكار واتخاذ قرارات أفضل وتسريع مهام العمل اليومية. توضح لك معايير استخدام الذكاء الاصطناعي بشكل مسؤول وتجنب الضرر المحتمل عند استعماله. تعلمك كيفية كتابة الأوامر عند استخدام أدوات ومواقع الذكاء الاصطناعي بشكل صحيح للحصول على أفضل النتائج التي تريدها. دورة Machine Learning & Artificial intelligence من AWS تعتبر هذه الدورة المُقدَّمة من أمازون من بين دورات الذكاء الاصطناعي التي تسعى لتعزيز التعليم ومهارات الذكاء الاصطناعي وعلوم البيانات عند الطلاب حول العالم، فهي تساعد المبتدئين على بناء معرفتهم بالذكاء الاصطناعي وتعلم الآلة ضمن بيئة السحابة AWS Cloud. سيتعرف الطالب في هذه الدورة التدريبية على مجموعة واسعة من خدمات تعلم الآلة والبنية التحتية السحابية الداعمة، كما ستساعده على تنمية مهاراته التقنية وتُعلِّمه كيفية تطبيق التعلّم الآلي والذكاء الاصطناعي والتعلم العميق ودمجها في الأدوات والتطبيقات، بالإضافة إلى ذلك تساعد خطة التعلّم في هذه الدورة على إعداد الطلاب لامتحان شهادة التخصص في التعلّم الآلي المعتمد من AWS. دورة Microsoft Azure AI Fundamentals: AI Overview تسعى شركة مايكروسوفت من خلال هذه الدورة إلى تعريف المتعلمين الجُدد بمجال الذكاء الاصطناعي وتعلّم الآلة من خلال ثلاث وحدات أساسية، حيث تشمل الوحدة الأولى مفاهيم الذكاء الاصطناعي مثل: تعلم الآلة وفهم تقنية الرؤية الحاسوبية وتقنية معالجة اللغة الطبيعية والذكاء الاصطناعي التوليدي، بالإضافة إلى مخاطر وتحديات الذكاء الاصطناعي. وتناقش الوحدة الثانية أساسيات تعلم الآلة وأنواعه والتعلم العميق باعتبارها الأساس لمعظم حلول الذكاء الاصطناعي الحديثة، أمّا الوحدة الثالثة فتناقش أساسيات خدمات Azure AI التي يتعلم من خلالها الطالب كيفية استخدام تلك الخدمات لإنشاء التطبيقات، حيث تشرح الوحدة خدمات الذكاء الاصطناعي على Azure AI وإنشاء مواردها وكيفية استخدامها والمصادقة على خدماتها. دورة شركة IBM التطبيقية للذكاء الاصطناعي هذه الدورة المقدمة من الشركة العالمية IBM وتعد من بين دورات الذكاء الاصطناعي المفيدة التي تساعد المبتدئين على اكتساب خبرة في بناء روبوتات الدردشة والتطبيقات التي تعمل بالذكاء الاصطناعي، وهي تتكون من 10 مسارات تدريبية يمكن إتمامها في مدة 6 أشهر فقط ويحصل الطالب على شهادة من شركة IBM، وتتميز الدورة بما يلي: تكسبك مهارات الذكاء الاصطناعي وخبرة عملية مطلوبة من طرف أصحاب العمل خلال 6 أشهر فقط. تعلّمك كيفية إنشاء تطبيقات وروبوتات المحادثة باستخدام هياكل برمجية متنوعة. تشرح لك كيفية استخدام لغة البرمجة بايثون وإطار عمل فلاسك Flask لتطوير ونشر تطبيقات الذكاء الاصطناعي على الويب. الخلاصة نرجو أن تكون دورات الذكاء الاصطناعي التي سلطنا عليها الضوء في مقال اليوم مفيدة لك في رحلة تعلمك، وختامًا نستطيع القول بأن تعلّم الذكاء الاصطناعي أضحى ضرورة حتمية في وقتنا الحالي نظرًا لزيادة الاعتماد على تقنياته والطلب الكبير على متخصصي الذكاء الاصطناعي في سوق العمل. فإذا كنت مهتمًا بتعلم الذكاء الاصطناعي بكفاءة واحترافية فاحرص على اتباع دورات ذكاء اصطناعي منهجية تساعدك على تسريع وتيرة التعلم وتحقيق هدفك بسرعة وتسير معك من بداية الطريق إلى بناء تطبيقات عملية والحصول على فرصة عمل بشكل منظّم. حظًّا موفقًا! اقرأ أيضا كل ما تود معرفته عن تعلم الذكاء الاصطناعي الذكاء الاصطناعي: دليلك الشامل اسأل مهندس الذكاء الاصطناعي: أسئلة شائعة حول الذكاء الاصطناعي إيجابيات وسلبيات الذكاء الاصطناعي لغات برمجة الذكاء الاصطناعي تعلم الآلة Machine Learning كيف تبدأ في مجال الذكاء الاصطناعي1 نقطة -
Write a program in python that take 2 image and add them, then present the output1 نقطة
-
الأسئلة الإختبارية لا يتم الإجابة عليها بشكل مباشر، لكن كمساعدة في تنفيذ المطلوب. المطلوب دمج صورتين بواسطة بايثون، لذا ستحتاج استخدام مكتبة OpenCV لمعالجة الصور ومكتبة NumPy للتعامل مع المصفوفات. حيث ستقوم بقراءة الصورة الأولى من خلال دالة معينة في OpenCV، ثم نفس الأمر للصورة الثانية. بعد ذلك التحقق من تطابق أبعاد الصورتين و إظهار رسالة خطأ إذا لم تتطابق أبعاد الصورتين، ثم دمج الصورتين باستخدام دالة معينة في OpenCV أيضًا. بعد ذلك عرض الصورة الناتجة و انتظار ضغط مفتاح لإغلاق النافذة، ويمكن حفظ الصورة الناتجة في ملف باسم output.jpg لكن تلك نقطة إختيارية. وتستطيع استخدام مكتبات أخرى لدمج الصور مثل Pillow.1 نقطة
