اذهب إلى المحتوى

لوحة المتصدرين

  1. Ali Ahmed55

    Ali Ahmed55

    الأعضاء


    • نقاط

      5

    • المساهمات

      2040


  2. Mustafa Suleiman

    Mustafa Suleiman

    الأعضاء


    • نقاط

      4

    • المساهمات

      18940


  3. Abdellah Ben Baih

    Abdellah Ben Baih

    الأعضاء


    • نقاط

      3

    • المساهمات

      2


  4. Designer Photoshbe

    Designer Photoshbe

    الأعضاء


    • نقاط

      3

    • المساهمات

      76


المحتوى الأكثر حصولًا على سمعة جيدة

المحتوى الأعلى تقييمًا في 02/08/25 في كل الموقع

  1. بخصوص دروس html & css انتهيت من دروس html & css في دورة تطوير واجهات المستخدم لكن احس انها ناقصة ولم اجي اطبق في مشروع حقيقي م اقدر اطبق بشكل كامل ؟
    3 نقاط
  2. السلام عليكم وفقكم الله أنا أستاذ وأريد تعلم علوم الحاسوب أو البرمجة لا أعلم أي دورة أختار هل من مساعدة
    2 نقاط
  3. السلام عليكم هي اي مبادرة الرواد الرقميون التي تقدمها الدول المصري وكيف اقدم فيها؟
    1 نقطة
  4. السلام عليكم هو عادي ان استخدم الDropout مع BatchNormalization عند بناء شبكه عصبيه ؟
    1 نقطة
  5. السلام عليكم هو اوقات النموذج بيطلع نتجيه كلها زي بعض مش عارف ازي يكمن عشان عشان البيانات الاخبتار عبار عن 3 صفوف فقط ؟ امي بستخدم الكود ده target = deep_hit_model.predict(data_test) print(target)
    1 نقطة
  6. بالطبع يجب أن تكون البيانات المُدخلة data_test متنوعة وليست مكررة وبحجم مناسب، فثلاث صفوف لا شيء بالنسبة للنماذج. أيضًا مُهيأة بشكل صحيح تطبيع، ترميز، وخلافه كما تم تدريب النموذج أي كما يتوقعها النموذج. بالتالي طالما البيانات صغيرة جدًا أو غير متنوعة، جرب إضافة بيانات أكثر للاختبار: import numpy as np sample_indices = np.random.choice(len(data_test), size=10, replace=False) sample_data = data_test[sample_indices] target = deep_hit_model.predict(sample_data) print(target)
    1 نقطة
  7. لا مشكلة، لكن عليك استيعاب وظيفة Batch Normalization (BN) فهي تُحسّن استقرار التدريب عبر تطبيع المدخلات لكل طبقة باستخدام متوسط وتباين الدُفعة، لتقليل الاعتماد على تهيئة الأوزان وتسريع التعلّم. أما Dropout يقلل الإفراط في التجهيز Overfitting عن طريق إيقاف وحدات عشوائية أثناء التدريب، وذلك يجبر الشبكة على عدم الاعتماد على وحدات محددة. بالتالي عليك وضع BN بعد Dropout خاصة في الطبقات الكثيفة، أما في حالة استخدام BN قبل التنشيط، فسيكون الترتيب: x = Dense(128)(x) x = BatchNormalization()(x) x = Activation('relu')(x) x = Dropout(0.5)(x)
    1 نقطة
  8. هدفي له شقين مادي وهدف لنقل أنه هدف نبيل (المساعدة في تنمية مجال عملي) عمري 30 سنة وقت الدراسة المتاح لك يوميًا: ساعتين (التوقيت يختلف من يوم إلى آخر ومن شهر إلى آخر) أنني أستاذ، والله لا أعلم من أين أبدأ أريد تطوير مادتي وطرق تدريسها عبر تطبيقات سهلة وبسيطة للمتعلمين تقرب المادة العلمية وتساعدهم في التفاعل مع العلم والمعرفة لأنهم كما يبدو يكرهون حضور الدروس واستعمال الكتب والطباشير والطرق القديمة
    1 نقطة
  9. ما هو الهدف من تعلم البرمجة؟ هل هو العمل؟ إن كان كذلك فما هو عمرك الحالي، وهل تنوي العمل بشركة أو مواقع العمل الحر؟ أيضًا ما هو وقت الدراسة المتاح لك يوميًا؟
    1 نقطة
  10. السلام عليكم انا اسقمت البيانات الي بيانات تدريب واختبار و تطواير بس استخدم ازي بيانات التطواير في النموذج ؟ # Step 1: Split data into 70% training and 30% temporary set (which will be further split) x_train, x_temp, y_target_train, y_target_temp = train_test_split(x, y_target, test_size=0.3, random_state=42) # Step 2: Split the temporary set into 15% validation (dev) and 15% test x_dev, x_test, y_target_dev, y_target_test = train_test_split(x_temp, y_target_temp, test_size=0.5, random_state=42)
    1 نقطة
  11. تلك مبادرة مقدمة من الحكومة المصرية تهدف إلى تعزيز قدرات الشباب المصري في مجال تكنولوجيا المعلومات والاتصالات وتأهيلهم لسوق العمل الرقمي. والغرض تأهيل الشباب المصري من سن 15 إلى 32 عامًا في مختلف مجالات التكنولوجيا الرقمية الحديثة، مثل الذكاء الاصطناعي، وعلوم البيانات، والأمن السيبراني، وتطوير البرمجيات، والشبكات، والبنية التحتية الرقمية، والفنون الرقمية. وتسعى إلى دعم عملية التحول الرقمي في مصر من خلال بناء جيل جديد من الكفاءات التكنولوجية القادرة على قيادة هذا التحول، وتعزيز الصادرات الرقمية المصرية من خلال تأهيل كوادر قادرة على المنافسة في الأسواق العالمية. وبها برامج تدريبية مركزة تتراوح مدتها من 4 إلى 9 أشهر في مجالات تكنولوجيا المعلومات والاتصالات. تستطيع التقديم من خلال الموقع الرسمي للمبادرة والمجالات البرمجية المتوفرة بها ومنها الذكاء الاصطناعي: https://depi.gov.eg/
    1 نقطة
  12. وعليكم السلام ورحمة الله وبركاته. أولا يجب عليك أن تقوم بتدريب النموذج على بيانات التدريب (x_train, y_target_train) وفي أثناء التدريب يتم تحديث أوزان النموذج بناء على الخطأ (Loss) الذي يتم حسابه من بيانات التدريب. بعد ذلك في كل فترة تدريب (Epoch) أو بعد عدد محدد من الخطوات (Steps) يجب أن تقوم بتقييم النموذج على بيانات التطوير (x_dev, y_target_dev) و الهدف من هذا التقييم هو قياس أداء النموذج على بيانات لم يراها من قبل وهي بيانات التطوير التي قمت بتقسيمها للتأكد من أنه لا توجد مشكلة إفراط التخصيص (Overfitting) لبيانات التدريب. ويمكنك استخدام مقاييس مثل الدقة Accuracy الخطأ (Loss)، أو أي مقياس آخر تراه مناسبا لك. model.fit(x_train, y_target_train, validation_data=(x_dev, y_target_dev), epochs=50, batch_size=32) loss, accuracy = model.evaluate(x_test, y_target_test) print(f"Test Accuracy: {accuracy:.4f}") هنا في السطر الأول السابق إستخدمنا validation_data=(x_dev, y_target_dev) لتقييم النموذج على بيانات التطوير بعد كل فترة تدريب (Epoch). وفي السطر الثاني إستخدمنا هذا الكود لتقييم النموذج النهائي على بيانات الاختبار. ويجب عليك أن تعرف أن بيانات التطوير ليست للتقييم النهائي بل فقط نستخدمها لضبط النموذج. و عندما يكون النموذج جاهزا نستخدم بيانات الاختبار test لتقييم أداء النموذج.
    1 نقطة
  13. لماذا لا يمكنني موقع.zipان اعمل الصورة داخل ال nav
    1 نقطة
  14. الصورة يتم وضعها بشكل صحيح لا مشكلة . المشكلة لديك في حجم الصورة . لاحظ كيف أن حجم الصورة لديك كبير لهذا تظهر كبيرة وبخارج ال nav. لاحظ أن طول عنصر ال a بداخل الnav هو 50px . ولكن الصورة أنت حددت لها عرض 150px وبالتالي ستأخذ طول 150px وبهذا فهي أكبر من طول عناصر ال nav ب 100px لهذا تظهر خارج ال nav. الحل هو تغير طول عناصر ال a مع تقليل ال padding في عنصر ال nav وتغير عرض وطول الصورة إلى 100px. لذلك في ملف style.css سطر 51 يجب إستبداله بالتالي : padding: 0 30px; وسطر 65 بالتالي : height: 100px; /* يمكنك تغيير الحجم حسب الحاجة */ والآن في ملف 1.html سطر 24 يرجى إستبداله بالتالي : <a href="#home" class="img2"><img src="image/logo-company.png" alt="" width="100px"></a> وإذا أردت زيادة حجم الصورة يجب زيادة الطول أيضا في سطر 65 في ملف css . ويفضل إستخدام صورة ذات أبعاد صغير وليس كبيرة حيث الصورة المستخدمة ذات أبعاد 500*500 وهي ليست جيده لوضعها في ال nav . وهذه هي النتيجة بعد التعدلات السابقة : 1.html style.css
    1 نقطة
×
×
  • أضف...