لوحة المتصدرين

السلام عليكم هو انا ممكن ان استخدم تقنيه ال Exponentially Weighted Averages لمل القيمه الNULL في البيانات ؟ وهل هي مفيد مع جميع البيانات ؟

السؤال الأول التقنيات المستخدمة هي : Django - PostgreSQL - Next.js - tailwind - typescript في صفحة create test هل الأفضل حفظ كل سؤال بالضغط على زر (حفظ)؟ أم يتم نلغي هذا الزر ويتم الحفظ تلقائي؟ أم يتم وضع زر واحد في نهاية الصفحة

السلام عليكم كيف يمكنني ان ارفع المشروع على جيتهاب و امتلك رابط معاينة حيوية اذا كان المشروع مبني باستخدام الرياكت مثل هذا المشروع https://github.com/riadosman/notes_react_app

ما هي افضل لغة برمجية لانشاء تطبيقات سطح المكتب؟ بحيث يمكن انشاء واجهة رسومية جميلة بواسطة HTML , CSS. و بعد الانتهاء يمكن تحويل البرنامج الى exe

ازاي انا هتعلم بناء المشاريع و انا لما جيت فتحت الفيديو بتاع بناء موقع شخصي لقيته حاطط الكود جاهز من غير ما حتي يبنيه قدامي فين التعلم في كدا دا حتي مابيشرحش ببطئ بيتكلم بسرعه من غير مايفهمني عايز حل ضروري عشان اعرف افهم هو بيعمل ايه و ليه كتب الكود دا ؟

من الأفضل عند إدخال سؤال يحفظ تلقائيًا بعد 3 ثوانٍ من التوقف عن الكتابة ثم إشعار فوري بالنجاح/الفشل، وذلك لتجنب فقدان البيانات في حال أغلق المستخدم الصفحة أو حدث خطأ مفاجئ وتقليل الضغط على الخادم عن طريق تجنب إرسال طلبات متكررة، وذلك يعرف بتقنية Debounce. وعند الانتهاء أي زر "إنهاء الاختبار" يتحقق من اكتمال جميع الحقول ويُرسل البيانات النهائية لمنع منع إرسال نماذج غير مكتملة، وبذلك توازن بين الأمان والكفاءة وتجربة المستخدم السلسة.

الأمر يعتمد على كثير من الأمور منها حجم وعدد الأسئلة التي يمكن للمستخدم إدخالها وأيضا مدي سرعة إستجابة الخادم لديك وإليك سلبيات وإيجابيات كل طريقة ويمكنك التفاضل بينهم. الحفظ تلقائي : إيجابيات: يجعل تجربة المستخدم أكثر سهولة حيث لن يحتاح المستخدم إلى الضغط على زر حفظ كل مرة. سيقوم بحفظ الأسئلة تلقائيا مما يقلل من فرصة فقدان البيانات إذا فقد المستخدم الإتصال بالإنترنت أوحدثت مشكلة لديه. سلبيات: من الممكن أن يساهم في إبطاء الخادم لديك عن طريق إرسال الطلبات كلما قام المستخدم بتعديل سؤال ما . قد يقوم المستخدم بالخطأ بتعديل سؤال مما يجعل السؤال يتم حفظه تلقائيا دون الحاجة للمستخدم بذلك مما يجعل من الممكن أن تضيع بيانات السؤال إذا لم ينتبه المستخدم. زر (حفظ) : إيجابيات: هنا المستخدم له تحكم أكبر حيث يمكنه تعديل أو إضافة كل سؤال بشكل منفصل . يتم تقليل الطلبات التي يتم إرسالها إلى الخادم ويتم فقط إرسال الطلب عند الحاجة إلى التعديل . سلبيات: قد يرى المستخدم أن الأمر ممل حيث سيتوجب عليه الضغط على حفظ كل مرة . فلو كان هناك العديد من الأسئلة سيشعر بالملل من كثرة الضغط على زر حفظ. زر واحد في نهاية الصفحة : إيجابيات: يمكن للمستخدم إضافة كل الأسئلة أو تعديلها كلها مرة واحدة مما يجعل الصفحة سريعة وإستجابة الخادم أسرع. يسهل تجربة المستخدم بحيث لا يحتاج إلى التفاعل المستمر مع الزر. سلبيات: إحتمالية فقدان البيانات كبيرة فلو حدث وتم إغلاق الصفحة بشكل غير متوقع أو نسي المستخدم الضغط على حفظ فإن كل التعديلات التي قام بها سيتم فقدانها. لهذا يمكنك قراءة مميزات وسلبيات كل طريقة وإختيار الطريقة الأنسب لمشروعك بناء على عدد وحجم الأسئلة.

أنا عندي نفس المشكله بس عندي إختيار هيتم تنشيطه خلال يومين [إستبدال البريد الإلكتروني] هل ده يغني عن الاشتراك المميز أرجو الرد

السلام عليكم # Set the overall figure size plt.figure(figsize=(12, 11)) # Plot 1: age_at_hct vs gvhd_proph plt.subplot(2, 2, 1) sns.histplot(data=data_train, x='age_at_hct', hue='gvhd_proph', multiple='stack', palette='Blues') plt.title("Stacked Histogram of Age at HCT and GVHD Prophylaxis") plt.xlabel("Age at HCT") plt.ylabel("Count") # Plot 1: age_at_hct vs tbi_status plt.subplot(2,2,2) sns.histplot(data=data_train, x='age_at_hct', hue='tbi_status', multiple='stack', palette='Blues') plt.title("Stacked Histogram of Age at HCT and Tbi-Status") plt.xlabel("Age at HCT") plt.ylabel("Count") plt.tight_layout() plt.show() ودي الرسم المشكله في الرسم الاول عمود الgvhd_proph داخل جوه الرسم فا ازي احل المشكله دي و يكون العمود بر الرسم ؟

بسم الله ما شاء الله الف شكراااا جدا جدا لحضرتكم جزاكم الله كل خير

لقد حللت مشكلتك. كان هناك مشكلة في ترك فراغ حتى يمكن رسم ال legends فيه باستعمال الطريقة السابقة. لكن إبقاء المخططين بجانب بعضهما سيجعل المخططات متداخلة، لذلك قمت ببعض التنسيق بحيث تظهر المخططات بشكل أفضل: import matplotlib.pyplot as plt import seaborn as sns import pandas as pd from matplotlib.patches import Patch data_train = pd.read_csv('train.csv') # Create figure with 2 vertical subplots (2 rows, 1 column) fig, axes = plt.subplots(2, 1, figsize=(12, 14)) # Increased height for vertical spacing # ----------------------------------------------------------------- # Plot 1: Top plot (age_at_hct vs gvhd_proph) # ----------------------------------------------------------------- hue_categories_1 = data_train['gvhd_proph'].unique() palette_1 = sns.color_palette("Blues", n_colors=len(hue_categories_1)) sns.histplot( data=data_train, x='age_at_hct', hue='gvhd_proph', multiple='stack', palette=palette_1, ax=axes[0], legend=False ) axes[0].set_title("Stacked Histogram of Age at HCT and GVHD Prophylaxis", pad=20) axes[0].set_xlabel("Age at HCT") axes[0].set_ylabel("Count") # Legend for top plot (right side) legend_patches_1 = [Patch(color=color, label=label) for color, label in zip(palette_1, hue_categories_1)] axes[0].legend( handles=legend_patches_1, bbox_to_anchor=(1.05, 1), # Right side loc='upper left', title='GVHD Prophylaxis' ) # ----------------------------------------------------------------- # Plot 2: Bottom plot (age_at_hct vs tbi_status) # ----------------------------------------------------------------- hue_categories_2 = data_train['tbi_status'].unique() palette_2 = sns.color_palette("Blues", n_colors=len(hue_categories_2)) sns.histplot( data=data_train, x='age_at_hct', hue='tbi_status', multiple='stack', palette=palette_2, ax=axes[1], legend=False ) axes[1].set_title("Stacked Histogram of Age at HCT and Tbi-Status", pad=20) axes[1].set_xlabel("Age at HCT") axes[1].set_ylabel("Count") # Legend for bottom plot (right side) legend_patches_2 = [Patch(color=color, label=label) for color, label in zip(palette_2, hue_categories_2)] axes[1].legend( handles=legend_patches_2, bbox_to_anchor=(1.05, 1), # Right side loc='upper left', title='TBI Status' ) # ----------------------------------------------------------------- # Final layout adjustments # ----------------------------------------------------------------- plt.tight_layout() plt.subplots_adjust( hspace=0.3, # Space between subplots right=0.85 # Make space for legends on the right ) plt.show() تحياتي.

طيب الفئوي بس ارقم يعني انا استخدم الLabelEncoder هتكون مفيد ؟ وا الف شكرااا جدا جدا لحضرتكم جزاكم الله كل خير

لا مشكلة، لكن فعاليتها تعتمد آلية التطبيق، أي تُستخدم EWA في السلاسل الزمنية، حيث يتم تعويض القيمة المفقودة حسب متوسط مرجح للقيم السابقة، مع منح وزن أكبر للبيانات الأحدث. أيضًا حسب نوع البيانات، فالبيانات الرقمية والسلاسل الزمنية EWA فعالة عليها، خاصة لو هناك ارتباط زمني بين القيم (مثل أسعار الأسهم، درجات الحرارة). لكن غير مناسبة للقيم المفقودة الكثيرة لو نسبة القيم المفقودة عالية (> 20%). وليست مناسبة لجميع البيانات، مثل البيانات غير زمنية أو فئوية/نصيةأو تحتوي على قيم مفقودة كثيرة أو غير عشوائية (MNAR)، فهنا لديك نماذج الانحدار أو KNN لاستكمال القيم بناءًا على علاقات مع متغيرات أخرى، وخوارزميات متقدمة مثل MICE (Multiple Imputation by Chained Equations) لمعالجة قيم مفقودة معقدة.

بشكل عام تكون مفيدة في حال كان هناك ترتيب للبيانات، مثلًا لنفترض أنه لديك بيانات توضح درجات الحرارة من تاريخ محدد لتاريخ محدد. في حال كان هناك أحد التواريخ فيه خطأ و لم يتم تسجيل درجة الحرارة فيه، يمكنك استعمال هذه التقنية فبشكل عام أنت تريد أن تعطي وزن أكبر للأيام القريبة، فدرجات الحرارة نادرًا ما تتغير بشكل كبير بين يوم و آخر، و لكن بنفس الوقت تريد إبقاء تأثير الأيام البعيدة و لكن بدرجة أخف (لإلغاء تأثير تقلب حدث بشكل استثنائي في درجات الحرارة). تحياتي.

ايوه يا أ.مصطفي بس الرسم البياني مش واضح فين العمود الgvhd_proph و عمود الTbi ال في القيمه البتواضح الرسم البياني ؟

قمت بتجربة الكود لديك ولا يوجد مشكلة، أرجو تجربة التالي: import matplotlib.pyplot as plt import seaborn as sns import pandas as pd import numpy as np # توليد بيانات مؤقتة np.random.seed(42) data_train = pd.DataFrame({ 'age_at_hct': np.random.normal(50, 15, 500), 'gvhd_proph': np.random.choice([0, 1], 500), 'tbi_status': np.random.choice(['No', 'Yes'], 500) }) plt.figure(figsize=(12, 11)) plt.subplot(2, 2, 1) sns.histplot(data=data_train, x='age_at_hct', hue='gvhd_proph', multiple='stack', palette='Blues') plt.title("Stacked Histogram of Age at HCT and GVHD Prophylaxis") plt.xlabel("Age at HCT") plt.ylabel("Count") plt.subplot(2,2,2) sns.histplot(data=data_train, x='age_at_hct', hue='tbi_status', multiple='stack', palette='Blues') plt.title("Stacked Histogram of Age at HCT and Tbi-Status") plt.xlabel("Age at HCT") plt.ylabel("Count") plt.tight_layout() plt.show()

وعليكم السلام ورحمة الله وبركاته. نعم إن نظام كالي لينكس يشبه نظام أوبنتو في كثير من الجوانب حيث أنهما يعتمدان على نفس الأساسيات ونفس نظام التشغيل وهو نظام تشغيل Debian و لكن اللإ ختلافات الكبيرة بينهما تكمن في كيفية تخصيص كل منهما والمميزات والأدوات التي يمتلكها. حيث أن كالي لينكس هو نظام مصمم مخوص لمهام الأمن السيبراني واختبار الاختراق و يأتي مع أدوات كثيرة مدمجة و التي تساعدك في إجراء اختبارات الاختراق إكتشاف الثغرات وفحص الشبكات والهكر الأخلاقي وغيرها. بينما أوبنتو هو نظام تشغيل عام . ولذلك يمكنك الإكمال مع كالي لينكس حيث معظم تعاملك في الدورة سيكون من خلال الطرفية وهي متاحة في النظامين. ولكن الأفضل هو تحميل وإستخدام أوبنتو مع المدرب حتي لا تتشتت ولا تحدث مشاكل لديك في إختلاف الشرح مع المدرب.

كلاهما توزيعتان من نظام Linux قائمتان على نفس النواة ويختلفان من حيث الهدف العام للاستخدام، واجهة الاستخدام والآداء. كالي لينكس: مصمم خصيصًا لمختبري الاختراق (Penetration Testers) وأخصائيي الأمن السيبراني. يحتوي على أدوات مدمجة تُستخدم في الاختراق الأخلاقي، تحليل الشبكات، واختبار الحماية، مثل أدوات Metasploit وNmap وWireshark. يأتي مع مجموعة ضخمة من الأدوات الأمنية مثبتة مسبقًا. يركز أكثر على المستخدمين ذوي الخبرة في الأمن السيبراني، لذا قد يكون أكثر تعقيدًا للمبتدئين. أقل استقرارًا مقارنةً بأوبنتو لأنه يركز على اختبار الاختراق وأحيانًا الأدوات قد تسبب أعطالًا. أوبنتو: توزيعة عامة تُستخدم للأغراض اليومية، مثل التصفح، البرمجة، العمل المكتبي، وإدارة الخوادم. لا يأتي إلا مع مجموعات صغيرة من الأدوات الأمنية، رغم إمكانية تثبيتها. تميز بواجهة سهلة الاستخدام ومصمم ليكون مناسبًا لجميع المستخدمين، بما في ذلك المبتدئين. أكثر استقرارًا. بالنسبة للدورة، يكفيك استخدام نظام ويندوز مع تثبيت بعض الأدوات عليه من مثل Virtual Box للتعامل مع أنظمة لينكس مثل Ubuntu. ورغم أنه لا يتم الإشارة لنظام كالي لينكس في الدورة، ولكن يتم التعامل مع نظام اوبنتو في مسارات عديدة من الدورة. وبما أن هذا الاستخدام غالبا ما ينحصر في التعامل مع الطرفية Terminal يمكنك استخدام كالي لينكس رغم أنه ينصح باستخدام أوبنتو.