لوحة المتصدرين

السلام عليكم هل احتاج لطبيب المعرفت القيمه الشاذ في البيانات الطبية ؟

السلام عليكم في تحليل البيانات هل ممكن اعمل اكثر من رسم بياني لتوضيح نقطه واحد الا الا اكتافي برسم واحد فقط ؟

السلام عليكم هي اي تحليل البيانات الاستكشافية (EDA)؟

السلام عليكم أنا أحمد نضال ادرس هندسة البرمجيات سنة ثالثة اريد الدخول في عالم الويب فاريد منكم نصائح وارشادات عن طرق العلم المتاحة !! يعني nodejs , Laravel .... شو نصيحتكم الي وهل أبدأ باكيند بعدين فرونت ايند ولا كيف .؟؟ ؟ ؟

اعتقد ان هناك خطأ في الحلقات الاخيرة من دورة تطوير الالعاب >اساسيات تطوير الالعاب قسم "الفيزياء Physics وأجسام التصادم Colliding Bodies"وايضا الحلقات في قسم "البيئة المحيطة وتصميم خريطة اللعبة" لأنها كلها فيديوهات متشابهة وقديمة

السلام عليكم هو انا امتي احتاج المكتبه دي statsmodels ؟ انا محتاج اعرف هل فيه علاقه مابين عمود الInsulin وبين الGlucose هل المكتبه دي هتساعددني في حاجه زي كده ؟ والا استخدم الداله corr الموجود في pandas ؟ وكمان مش انا ممكن اعرف ان فيه علاقه من الرسم البياني فا اي الفرق مابين الرسم البياني وبين corr ؟

كان لدي مشروع django تدريبي بسيط وبعدها من خلال سطر الاوامر انشأت برنامج django باسم django-ps مما سبب بحذف البرنامج الاول التدريبي واعطائي هذا الخطأ, كيف اتفادى حذف المشروع ان اردت انشاء برنامج django اخر؟

ذلك ليس ما حدث، فلو قمت بإنشاء مشروع بنفس اسم مجلد مشروع حالي سيظهر خطأ وسيتم رفض إنشاء المشروع من خلال أمر: django-admin startproject django_basics . تستطيع إنشاء أكثر من مشروع في نفس المجلد الرئيسي الذي تستعمله لتخزين مشاريع جانغو، لكن عليك تغيير اسم المشروع الجديد ليختلف عن أسماء المجلدات الحالية للمشاريع الموجودة

بالطبع فمثل تلك الأمور حساسة جدًا، والقيم بها بحاجة لمتخصص وليس شخص عادي، ففي البيانات الطبية، تكون القيم الشاذة ناتجة عن أخطاء في القياس أو التسجيل، أو قد تكون مؤشرًا على حالة طبية غير عادية. بالتالي بإمكان الطبيب معرفة القيمة الشاذة وتحديد هل القيمة الشاذة حقيقية أم لا، وهل هي ذات أهمية سريرية أم لا. لكن في حال كان النموذج أو التحليل لغرض التدريب فلا مشكلة، تستطيع الإعتماد على بيانات قياسية أو نسب شائعة في المجال الطبي والقياس عليها، ثم تنظيف البيانات على أساسها ومعالجة الـ Outlier. مثلاً لو قمت بعمل رسم بياني للبيانات من خلال: Scatter plots Box plots Histograms Density plots ربما تجد بعض البيانات التي تختلف بشكل كبير مقارنًة بباقي البيانات ولا تتبع نمط متشابه، وأيضًا مرتفعة بشكل كبير بالنسبة النسب المتعارف عليها طبيًا (ستحتاج للبحث عن النسب)، لذا قم بحذفها لتنظيف البيانات.

وعليكم السلام ورحمة الله وبركاته . نعم بالفعل قد تحتاج إلى طبيب أو خبير طبي في حال كان لديك بيانات طبية وتريد تحليل القيم الشاذة أو القيم غير الطبيعية الموجودة لديك في تلك البيانات. وهذا بسبب أن البيانات الطبية قد تكون معقدة وتتعلق بحالات صحية قد تختلف بشكل كبير من شخص لآخر ومعرفة القيم الشاذة يتطلب شخصا ملما بالطب . فمثلا في حالة ضغط الدم فالطبيعي هو 120/80 و توجد قيم لا يمكن الوصول إليها وهنا تعتبر قيم شاذة فمثلا لو كان ضغط الدم 60/30 فهنا تلك القيمة خاطئة فلايوجد شخص لديه تلك القيمة والتي تدل على أن هذا الشخص سيتوفي في الحال فإذا تلك القيمة شاذة . وغيرها من البيانات الأخرى لن تستطيع معرفة القيم الشاذة أو النطاقات الخاصة بالقيم الصحيحة دون وجود شخص متمرس في الطب ليقوم بإرشادك بذلك . أما بالنسبة للبيانات البسيطة فهنا البحث قليلا على الإنترنت ستعرف حولها الكثير ومن الممكن عدم إحتياجك لطبيب . إذا هذا يعتمد على مدي تعقيد البيانات التي لديك والحالات التي تعمل عليها.

وعليكم السلام ورحمة الله، لا، لا تحتاج لطبيب بشكل مباشر فانت تعرف القيمة الشاذة بانها قيمة تختلف بشكل كبير عن باقي القيم الموجودة في البيانات. على سبيل المثال، لو كان لديك بيانات عن درجات حرارة الجسم لعينة من المرضى، وكل القيم تتراوح بين 36 و 38 درجة مئوية، ولكن هناك قيمة واحدة مثل 42 درجة، فهذا قد يكون "قيمة شاذة" لأنها بعيدة جدا عن باقي القيم. لذلك، اكتشاف القيم الشاذة يمكن أن يتم باستخدام الإحصاءات أو أدوات تحليل البيانات، مثل رسم بياني أو استخدام برامج مثل Excel أو Python. لكن إذا كنت تريد معرفة السبب الطبي وراء تلك القيمة أو تفسيرها، قد يكون من الجيد استشارة طبيب للتأكد من أن هذه القيم ليست نتيجة لحالة مرضية خاصة أو خطأ في القياس.

شكرًا لإهتمامك وللتنبيه، وبالفعل يوجد خطأ غير مقصود بالدروس نعتذر لك عن ذلك حقًا، سيتم مراجعة الأمر من قبل الفريق المسؤول عن الدورات بالأكاديمية.

السلام عليكم هل يوجد مابين نماذج إحصائية و نمذجة الانحدار وبين scikit-learn لبناء نماذج التعلم الآلي ؟ هل فيه فرق ؟

statsmodels هي مكتبة لبناء نماذج إحصائية تقليدية مثل: الانحدار الخطي Linear Regression الانحدار اللوجستي Logistic Regression تحليل التباين ANOVA النمذجة الزمنية Time Series Modeling النمذجة الخطية المعممة Generalized Linear Models وتُركز على فهم العلاقة بين المتغيرات وتقديم تحليلات إحصائية، بينما scikit-learn تُركز على بناء نماذج تنبؤية دقيقة.

وعليكم السلام ورحمة الله وبركاته. نعم، يمكنك بالتأكيد استخدام أكثر من رسم بياني لتوضيح نفس النقطة أو الفكرة وفي غالبا ما قد يكون ذلك مفيدا لتقديم فهم أوسع للفكرة أو لتوضيح جوانب مختلفة من البيانات. الفكرة هنا هي أن الرسم البياني الواحد قد لا يكون كافيا لتمثيل كل التفاصيل في البيانات ومن خلال استخدام أنواع مختلفة من الرسوم البيانية يمكنك توصيح جميع تلك الجوانب والتفاصيل المختلفة. ومع ذلك، في بعض الحالات قد يكون الرسم البياني الواحد كافيا إذا كان يقوم بتمثل الفكرة بشكل دقيق وواضح لجميع النقاط التي تريدها.

لا مشكلة في ذلك، وتلك ممارسة شائعة في تصور البيانات، تُعرف باسم الرسوم البيانية الصغيرة المتعددة small multiples أو panel charts. الفكرة هي إنشاء سلسلة من الرسوم البيانية الصغيرة المتشابهة التي تُظهر جوانب مختلفة من البيانات، ولكنها جميعها مرتبطة بفكرة واحدة أو نقطة واحدة، وذلك أكثر فعالية من محاولة حشر جميع المعلومات في رسم بياني واحد. حيث تسمح الرسوم البيانية الصغيرة المتعددة بالمقارنة السهلة بين المجموعات أو الفئات أو الفترات الزمنية المختلفة، والتي من الصعب القيام بها في رسم بياني واحد، أيضًا إظهار جوانب مختلفة من البيانات، وتستطيع الكشف عن المزيد من الأفكار والأنماط التي تكون مخفية في رسم بياني واحد. الفكرة هو توضيح المعلومات وليس الإكثار من الرسم البياني، في حال لم يأتي ذلك بفائدة فتكتفي برسومات قدر الحاجة فقط. للتوضيح، لنفترض أنك تريد تحليل العلاقة بين درجة الحرارة ومبيعات الآيس كريم، فتستطيع إنشاء رسم بياني واحد يُظهر العلاقة بين درجة الحرارة والمبيعات، ولكن باستطاعتك أيضًا إنشاء رسوم بيانية متعددة لإظهار: العلاقة بين درجة الحرارة والمبيعات لمناطق مختلفة ( الشمال، الجنوب، الشرق، الغرب). العلاقة بين درجة الحرارة والمبيعات لأنواع مختلفة من الآيس كريم ( الشوكولاتة، الفانيليا، الفراولة). العلاقة بين درجة الحرارة والمبيعات لأيام مختلفة من الأسبوع (أيام الأسبوع، عطلة نهاية الأسبوع).

تلك عملية تحليل البيانات الخام لفهم خصائصها لمحاولة فهم البيانات وما هي أنواعها؟ ما هي النطاقات؟ ما هي التوزيعات؟، واكتشاف الأنماط أي هل هناك أي اتجاهات أو مجموعات؟ هل هناك أي قيم شاذة؟ ثم تحديد العلاقات بين المتغيرات، ثم تحضير البيانات للتحليل الإحصائي من خلال تنظيف البيانات، تحويلها، وتحديد المتغيرات ذات الصلة. وذلك لفهم البيانات بشكل أفضل قبل إجراء أي تحليل إحصائي. والآلية كالتالي: جمع البيانات من مصادر مختلفة. إزالة القيم المفقودة، تصحيح الأخطاء، وتوحيد البيانات. إنشاء الرسوم البيانية والرسوم التوضيحية، حساب الإحصائيات الوصفية. تحليل العلاقات بين المتغيرات، اختبار الفرضيات. عرض النتائج في شكل واضح ومختصر. ومن الأمثلة التطبيقية على ذلك: الرسوم البيانية المبعثرة، الرسوم البيانية الصندوقية، الرسوم البيانية شريطية. الإحصائيات الوصفية مثل المتوسط، الانحراف المعياري، التباين، الوسط. تحليل المكونات الرئيسية (PCA) وهي تقنية لتقليل الأبعاد. التجميع وهي تقنية لتصنيف البيانات إلى مجموعات. وبشكل عملي، يتم توظيف ذلك في فهم سلوك العملاء، تحديد أفضل استراتيجيات التسويق، أو تحليل البيانات الطبية، اكتشاف الأنماط في الأمراض، أو تحديد المخاطر المالية، تحسين استراتيجيات الاستثمار.

وعليكم السلام ورحمة الله وبركاته، Exploratory Data Analysis عملية أولية لتحليل البيانات لفهم طبيعتها، واكتشاف الأنماط وتحديد العلاقات بين المتغيرات، والكشف عن القيم الشاذة أو البيانات المفقودة. و هدفها هو توفير فهم عميق للبيانات قبل الانتقال إلى النمذجة أو اتخاذ القرارات بناءً عليها. و هى مفيدة و نحتاج اليها. بسبب: فهم فكرة واضحة عن طبيعة البيانات التي تعمل عليها، مما يساعد في صياغة الفرضيات. الكشف عن الأخطاء، القيم الشاذة، أو البيانات غير المكتملة التي قد تؤثر على التحليل. تحدي أنماط قد تؤثر على نتائج التحليل أو التنبؤ. تساعد في اتخاذ قرارات مستنيرة عند إعداد النماذج الإحصائية أو نماذج تعلم الآلة. و دعنا نفرض مثال: لنفترض أننا نحلل مجموعة بيانات تحتوي على مبيعات متجر. يمكن أن تشمل خطوات EDA ما يلي: التحقق من عدد المنتجات المباعة يوميًا. معرفة المنتج الأكثر مبيعًا. دراسة العلاقة بين العروض الترويجية وزيادة المبيعات. تحليل الفئات العمرية التي تشتري أكثر. بالتوفيق

تمام جدا جدا بس اي الstatsmodels ؟ هي دي المكتبه المستخدم في النمذجة الإحصائية صح كده ؟

الفرق كبير، على الرغم من وجود بعض التداخل فبعض أساليب النمذجة الإحصائية، مثل الانحدار الخطي، تُستخدم أيضًا في scikit-learn، ومن الممكن استخدام بعض خوارزميات التعلم الآلي في scikit-learn لفهم العلاقة بين المتغيرات، على الرغم من أن هذا ليس هدفها الأساسي. والهدف الأساسي مختلف تمامًا، حيث النماذج الإحصائية تهدف إلى فهم العلاقة بين المتغيرات، بينما scikit-learn تهدف إلى التنبؤ بدقة. تستخدم النماذج الإحصائية أساليب إحصائية تقليدية، بينما تستخدم scikit-learn خوارزميات التعلم الآلي الأكثر تعقيدًا. ومن المتاح استخدام مجموعة متنوعة من البيانات في scikit-learn، بينما تُستخدم البيانات التي تُظهر العلاقة بين المتغيرات في النماذج الإحصائية والتي تُركز على تفسير النتائج، بينما scikit-learn تُركز على الدقة في التنبؤ.