لوحة المتصدرين

انا محتار في التعلم بين Electron و PyQt5 لانشاء تطبيقات سطح المكتب انا بحاجة الى نصيحة ايهم افضل Electron او PyQt5؟

السلام عليكم هو اي الفرق مابين MinMaxScaler - StandardScaler - RandomOverSampler ؟

السلام عليكم 🎉🌙 تهنئة بمناسبة شهر رمضان المبارك 🌙🎉 إلى أكاديمية حسوب، كل عام وأنتم بخير بمناسبة حلول شهر رمضان المبارك! 🌟🌿 نسأل الله أن يجعله شهر خير وبركة عليكم، وأن يملأ أيامكم بالسعادة والسلام. شكرًا لكم على جهودكم في نشر المعرفة وتقديم محتوى تعليمي مميز يساعد الكثيرين في رحلتهم نحو التعلم والتطوير. تقبل الله منكم الصيام والقيام، وكتب لكم الأجر والثواب. 💫 رمضان كريم! 🌙✨ هو اي الفرق مابين Python scripts و بين Python notebooks ؟

بعد ادخال التوكن الخاص بي لا يظهر لي شيئ

مرحبا انا تواجهني مشكلة انا شريت استضافة hostinger وارفع الموقع علي الاستضافة بكون عامل php artisan storage:link قبل الرفع لما الموقع يصير على الاستضافة وبدي اعدل مثلا صورة الملف الشخصي على السيرفر الحقيقي لا تظهر الصورة تبين انو بحفظ في ال storage ولا يحفظ في public بعد شو ممكن الحل يكون انا بحثت وعملت لينك يدوي من خلال الامر التالي ln -s /home/u778939481/domains/slategray-magpie-936259.hostingersite.com/public_html/storage/app/public /home/u778939481/domains/slategray-magpie-936259.hostingersite.com/public_html/public/storage وعمل لينك وظهر داخل مجلد storage/public مجلد جديد public وفيه الصور بس مش قادر اظهر خالص هل يمكن ان تساعدني ؟

السلام عليكم هو اي منحني الROC و الAUC ؟

الـ ROC Curve هو المنحنى نفسه، ويُظهر التفاصيل الدقيقة لأداء النموذجK ,الـ AUC هو رقم مُلخص للمقارنة السريعة، أي نستخدم الـ ROC لفهم السلوك، والـ AUC للمقارنة والتقييم العام.

MinMaxScaler أو تطبيع القيم بين حدين، هو لتحويل الميزات أي التعليمات إلى نطاق مُحدد [0, 1] أو [-1, 1] عن طريق إزالة القيمة الدنيا وتقسيم المدى. X_scaled = (X - X_min) / (X_max - X_min) مناسب للحفاظ على توزيع البيانات الأصلي غير الطبيعي، وفي الخوارزميات الحساسة للنطاق الرقمي كالشبكات العصبية أو خوارزميات المسافات مثل KNN، أو عند الحاجة إلى قيم مُحددة كالصور حيث تكون البكسلات بين 0 و255. للتوضيح، لو البيانات بين 10 و20، تصبح بعد التطبيع: 10 > 0 15 > 0.5 20 > 1 أما StandardScaler التوحيد القياسي فذلك لتحويل الميزات لتكون لها متوسط = 0 و انحراف معياري = 1 عن طريق إزالة المتوسط وتقسيم على الانحراف المعياري. X_scaled = (X - μ) / σ ومناسب لتتبع البيانات توزيعًا طبيعيًا أو قريبًا منه، وفي الخوارزميات التي تفترض أن البيانات مُوحدة مثل SVM والانحدار الخطي، أيضًا في حال القيم المتطرفة موجودة، لكنها ليست شديدة التأثير. أي لو المتوسط = 100 والانحراف المعياري = 10: 100 > 0 110 > 1 90 > 1 RandomOverSampler تعني إعادة العينات العشوائية، وهي لمعالجة عدم التوازن في الفئات في بيانات التصنيف عن طريق تكرار عينات الفئة الأقل (الأقلية) حتى تتساوى مع الفئة الأغلبية. مناسبة لو إحدى الفئات نادرة مقارنةً بالأخرى كحالات الاحتيال النادرة في البيانات المصرفية، ولتحسين أداء النموذج على الفئة الأقل تمثيلًا، أو قبل تدريب النموذج، خاصةً في خوارزميات حساسة للتوازن مثل أشجار القرار. بالتالي لو لديك 100 عينة من الفئة أ و10 عينات من الفئة ب، سيُنشئ العينات لتصبح 100 عينة لكل فئة عن طريق تكرار عينات الفئة ب.

الف شكراا جدا لحضرتك جزاك الله كل خير

وعليكم السلام ورحمة الله وبركاته. إن ال MinMaxScaler يستخدم لتغيير نطاق البيانات بحيث تكون ضمن نطاق محدد غالبا ما يكون بين 0 و 1. حيث يقوم بتحويل البيانات بحيث تكون القيمة الدنيا 0 والقيمة العليا 1. يتم ذلك باستخدام القانون التالي: Xscaled = (X − Xmin) / (Xmax − Xmin) وهو جيد عندما تكون البيانات في نطاقات مختلفة وتحتاج إلى تطبيع البيانات وتريد أن تكون جميع الميزات (features) على نفس النطاق خصوصا في خوارزميات التعلم الآلي و التي تعتمد على المسافات مثل K-Nearest Neighbors (KNN) أو الشبكات العصبية. أما ال StandardScaler فهو يستخدم لتوحيد البيانات بحيث يكون لها متوسط (mean) يساوي 0 وانحراف معياري (standard deviation) يساوي 1. ويتم ذلك باستخدام القانون التالي: Xscaled = (X − μ) / σ حيث μ هو المتوسط وσ هو الانحراف المعياري. وهو جيد عندما عندما تكون البيانات لا تتبع توزيع معين (مثل توزيع Gaussian) و تريد أن تكون البيانات موزعة بشكل طبيعي بمتوسط 0 وانحراف معياري 1 وهو مناسبة لمعظم خوارزميات التعلم الآلي مثل الانحدار الخطي (Linear Regression) و (SVM). أما ال RandomOverSampler فهو يستخدم لمعالجة مشكلة عدم التوازن في الفئات (Imbalanced Classes) في بيانات التصنيف حيث يقوم بإنشاء نسخ عشوائية من العينات في الفئة الأقل تمثيلا في البيانات و يزيد حجمها حتى تصبح متوازنة مع الفئات الأخرى. وهو جيد عندما تكون إحدى الفئات لديك في مجموعة البيانات قليلة مقارنة بالفئات الأخرى مما قد يسبب في تحيز النموذج نحو الفئة الأكثر. تلخيصا لما سبق فإن MinMaxScaler و StandardScaler نستخدمهما لتغيير نطاق أو توزيع البيانات لكنها تختلف في الطريقة التي تقوم بذلك بها وRandomOverSampler يستخدم لمعالجة مشكلة عدم التوازن في الفئات وليس لتغيير نطاق البيانات.

طيب ال AUC بتكون منفضل عن المنحني والا الا بتكون موجود في المنحني ؟

كلاهما أداتين أساسيتين في تقييم نماذج التصنيف، حيث ROC منحنى بياني يرسم العلاقة بين معدل الإيجابيات الحقيقية True Positive Rate - TPR أو الحساسية Sensitivity وبين معدل الإيجابيات الكاذبة False Positive Rate - FPR. النماذج الثنائية تُنتج احتمالية، كاحتمالية أن تكون الصورة لكلب، وتستخدم عتبة لتحويل تلك الاحتمالات إلى توقعات، فلو الاحتمالية ≥ 0.5 إذن كلب، وإلا قطة. ويُنشئ المنحنى عن طريق تغيير تلك العتبة من 0 إلى 1 وحساب قيمتي TPR وFPR لكل عتبة، ثم رسم النقاط. أما AUC (Area Under the ROC Curve) فهو مساحة المنطقة تحت منحنى ROC، وتتراوح قيمتها بين 0 و1، كالتالي: AUC = 1: نموذج مثالي يفصل بين الفئتين تمامًا. AUC = 0.5: أداء عشوائي AUC < 0.5: أداء أسوأ من العشوائي ويعني خطأ في التوجيه. بمعنى يمثل احتمالية أن يُصنِّف النموذج عينة عشوائية إيجابية، مثلاً كمريض على أنها أكثر إيجابية من عينة عشوائية سلبية من شخص سليم، أي AUC = 0.8، تعني هناك 80% احتمال أن يعطي النموذج درجة أعلى لعينة إيجابية مقارنةً بسلبية.

الف شكراا جدا لحضرتك جزاك الله كل خير

ايوه انا الحمد الله عملت كده والمشكله اتحلت الحمد الله الف شكراا جدا لحضرتك جزاك االله كل خير وكل عام وحضرتك بخير

لقد واجهت هذه المشكلة من قبل، وكانت معقدة بعض الشيء. الحل الذي نجح معي هو التواصل مباشرة مع دعم كورسيرا عبر الرابط التالي: https://www.coursera.support/s/learner-help-center-contact-us وضحت لهم المشكلة بالتفصيل، وذكرت سبب تغيير الاسم، وأرفقت مستندًا رسميًا يثبت الاسم الصحيح. استغرق الأمر حوالي 7-10 أيام حتى تم حل المشكلة وتغيير الاسم بنجاح.

نعم، حذف الصفوف التي تحتوي على بيانات مفقودة (Missing Data) قد يؤدي إلى تحيز (Bias) أثناء تدريب النموذج، كما يمكن أن يؤثر على تحليل البيانات بطرق مختلفة. إليك التفاصيل: 1. تأثير حذف الصفوف على تحيز النموذج عند حذف عدد كبير من الصفوف، قد تصبح العينة المستخدمة في التدريب غير ممثلة بشكل جيد للبيانات الأصلية. إذا كانت البيانات المفقودة غير موزعة عشوائيًا (أي أن هناك نمط معين لفقدانها)، فقد يؤدي الحذف إلى تحيز في التنبؤات، مما يجعل النموذج غير قادر على التعميم على البيانات الحقيقية. 2. تأثير حذف الصفوف على تحليل البيانات يمكن أن يؤدي حذف البيانات إلى تقليل حجم العينة، مما يجعل الإحصائيات المستخرجة أقل دقة وأقل تمثيلًا للبيانات الأصلية. قد تفقد بعض العلاقات المهمة بين المتغيرات، مما قد يؤدي إلى استنتاجات خاطئة أثناء تحليل البيانات. 3. متى يكون الحذف خيارًا مناسبًا؟ إذا كانت نسبة البيانات المفقودة صغيرة جدًا (أقل من 5%)، فقد لا يكون للحذف تأثير كبير. إذا كانت القيم المفقودة موزعة بشكل عشوائي ، فقد يكون الحذف آمنًا نسبيًا. 4. ما البدائل الأفضل للحذف؟ إذا كان لديك عدد كبير من القيم المفقودة، يمكنك تجربة أحد الحلول التالية بدلًا من الحذف: تعويض القيم المفقودة استخدام المتوسط أو الوسيط: استخدام النماذج لتوقع القيم المفقودة: يمكن استخدام خوارزميات مثل KNNImputer أو Random Forest Regressor لملء القيم المفقودة. الحذف العشوائي للصفوف قد يسبب تحيزًا في النموذج ويؤثر على دقة التحليل. من الأفضل استخدام طرق تعويض القيم المفقودة مثل التعبئة بالمتوسط أو النماذج التنبؤية لتجنب فقدان المعلومات.

Python Scripts تلك ملفات برمجية تحتوي على أكواد بايثون مثلها مثل باقي لغات البرمجة، أي مجرد سطور فقط من الأكواد ويتم تشغيلها لتنفيذ أمر معين، وتفسير الأكواد يتم من خلال مُفسر بايثون Python Interpreter. بينما Notebooks بداخلها نواة أو محرك لتفسير الأكواد يسمى Kernel وذلك يدعم تشغيل أكواد بايثون بالإضافة إلى أمور إضافية لتوفير وثيقة تفاعلية بمعنى كل خلية تستطيع تنفيذها بشكل غير خطي أي لا يُشترط الترتيب وذلك من ضمن مزايا الكيرنل، أي أن المتغيرات والبيانات التي تعرفها في خلية كود تظل موجودة ويمكن استخدامها في خلايا كود أخرى لاحقة، حتى لو لم يتم تشغيل الخلايا بالترتيب. وأيضًا يتم عرض رسوم وإحصائيات في نفس الخلية من خلال مكتبات مختلفة، أي في نفس الملف ستتمكن من تشغيل الكود ورؤية النتيجة وذلك يُعرف باسم Rich Outputs أي التالي: مخرجات نصية عادية. رسوم بيانية تفاعلية من مكتبات مثل matplotlib, seaborn, plotly. صور: عرض الصور مباشرة. عرض جداول بيانات منظمة. عض المكتبات تسمح بإضافة عناصر تفاعلية مثل أزرار أو منزلقات داخل الدفتر. بالطبع الإمتداد يختلف عن ملفات بايثون العادية فلها إمتداد خاص وهو ipynb، والغرض الأساسي منها هو تحليل البيانات فهي مثالية لذلك، وتستطيع تحميل البيانات، تنظيفها، تحليلها، وعرض النتائج بصريًا خطوة بخطوة، مع توثيق كل خطوة في نفس الدفتر، وذلك مناسب لتعلم البرمجة وعلوم البيانات، حيث يتم دمج الشرح والكود والنتائج في مكان واحد.

عندما تكون قيمة val_accuracy ثابتة ولا تتغير في كل مرة أثناء تدريب النموذج، فهذا قد يشير إلى واحد أو أكثر من الأسباب التالية: 1. عدم تحسن النموذج إذا كانت val_accuracy لا تتحسن مع كل Epoch دوره، فقد يعني ذلك أن النموذج لم يتعلم أي شيء جديد من البيانات التدريبية، وبالتالي لا يستطيع تحسين أدائه على بيانات التحقق (Validation Set). 2. النموذج يعاني من Underfitting إذا كانت val_accuracy منخفضة وثابتة، فقد يكون النموذج غير معقد بما يكفي لالتقاط الأنماط في البيانات، مما يؤدي إلى أداء ضعيف على كل من بيانات التدريب والاختبار. 3. النموذج قد يكون قد وصل إلى حالة التشبّع (Plateau) أحيانًا، بعد عدة Epochs دورات، يصل النموذج إلى حد أقصى في الأداء ولا يستطيع تحسين دقته أكثر من ذلك، مما يؤدي إلى استقرار val_accuracy. الحلول الممكنة؟ تجربة نموذج أكثر تعقيدًا (زيادة الطبقات أو عدد الخصائص) ضبط Hyperparameters مثل learning rate أو batch size. التأكد من صحة تقسيم البيانات بحيث تكون بيانات التدريب (traingin) والاختبار (test) متنوعة. مراقبة Overfitting أو Underfitting باستخدام training_accuracy و val_accuracy.

تمام جدا الف شكراا جدا لحضرتك جزاك الله كل خير

وعليكم السلام ورحمة الله وبركاته. كل عام وأنت بخير وتقبل الله منا ومنكم صالح الأعمال. إن هي Python scripts ملفات نصية تحتوي على كود بايثون يتم تنفيذها بشكل مرتب من البداية إلى النهاية وتكون بإمتداد py. و يتم تشغيلها عن طريق مترجم بايثون (Python Interpreter) وهي تستخدم لكتابة وتطوير تطبيقات كاملة أو تنفيذ مهام أو أتمتة المهام . وهي ليست تفاعلية حيث يتم تنفيذ الكود ككل ولا يمكنك تعديله أثناء التشغيل. و يمكنك كتابة أو تعديل تلك الملفات باستخدام أي محرر نصوص أو IDE . أما Python notebooks فهي ملف أو وثيقة تفاعلية تحتوي على أجزاء من أكواد بايثون أو نصوص توضيحية (Markdown) وهي تكون بإمتداد ipynb. ويتم تشغيلها في بيئة تفاعلية مثل Jupyter Notebook أو Google Colab. يمكن تنفيذ الخلايا بشكل منفصل.و يتم إستخدمها غالبا وبكثيرة في تحليل البيانات أو الوثائق أو إذا أردت عرض كل جزء من الكود بشكل منفصل. وهي بيئة تفاعلية تمكنك بسهولة من تعديل وتنفيذ الخلايا بشكل منفصل وعدم الإلتزام بترتيب معين للكود حيث يمكنك تنفيذ خلايا وخلايا أخرى لا تقوم بتنفيذها مما يسهل عليك تنفيذ الأمور أو إنشاء وثيقة (docs) مع عرض نتائج تنفيذ الأكواد بشكل منفصل. إذا إذا أردت كتابة script ما أو تنفيذ تطبيق كبير يعمل ككل فيمكنك إستخدا Python scripts . أما إذا كنت تعمل على مهام مثل تحليل البيانات آو أردت بناء ملف عرض توضيحي أو وثيقة والكود لا يعتمد على تشغيله مرة واحد ككل فيمكنك إستخدام Python notebooks

يقوم بطباعة أفضل مجموعة من المعلمات التي تم العثور عليها بواسطة GridSearchCV بعد تجربة جميع التركيبات المحددة في param_grid وتقييمها باستخدام التحقق المتقاطع Cross-Validation مع cv=5.

لما قمت بتنفيذ php artisan storage:link ظهر خطا symlink عندما تم تنفيذ الامر يدويا ظهر داخل public/sotage مجلد اسمو public يشير الى المجلد storage/app/public ويظهر فيه الصور

لاحظ في سطر رقم 3 لم تضع الفاصلة في نهاية السطر ولهذا يحدث هذا الخطأ لأن الملف أصبح لا يمثل كود JSON صحيح. لذلك يجب وضع علامة , في نهاية سطر 3 كما في جميع الأسطر الأخرى.

يجب وضع فاصلة , بعد السطر الأول وذلك حتى يتم فصل بين خواص كائن JSON:

نفس المشكلة اشتركت في دورة ذكاء اصطناعي وتم خصم المبلغ ١٩٠ دولار والى الان لم تظهر الدورة لي ولا اجد زر دوراتي يرجى حل المشكلة سريعا لانه لم يتم الرد على الايميل