لوحة المتصدرين

السلام عليكم هل ان اكتفي ان الكود يكون شغل وخالص ؟

السلام عليكم هو اي الفرق مابين خوادم الويب و الحوسبة السحابية ؟

Error running 'Sales_Analysis' Cannot run program "C:\Users\ahmed.habib\Videos\Project\5_Data Analysis\Analysis\venv\Scripts\python.exe" (in directory "C:\Users\ahmed.habib\Videos\Project\5_Data Analysis\Analysis"): CreateProcess error=5, Access is denied ويظهر هذا بعد البيئة الافتراضية Error running 'Sales_Analysis' Cannot run program "C:\Users\ahmed.habib\Videos\Project\5_Data Analysis\Analysis\venv\Scripts\python.exe" (in directory "C:\Users\ahmed.habib\Videos\Project\5_Data Analysis\Analysis"): CreateProcess error=2, The system cannot find the file specified أريد أن أعمل على Pycharm بدون ما يظهر أخطاء ما الحل ؟

FAILURE: Build failed with an exception. * Where: Build file 'D:\ALAMIR\Programming\Flutter Projects\Project 1\project1\android\build.gradle.kts' line: 16 * What went wrong: A problem occurred configuring project ':app'. > [CXX1101] NDK at C:\Users\Alamir Bn Talal\AppData\Local\Android\sdk\ndk\26.3.11579264 did not have a source.properties file * Try: > Run with --stacktrace option to get the stack trace. > Run with --info or --debug option to get more log output. > Run with --scan to get full insights. > Get more help at https://help.gradle.org. BUILD FAILED in 56s Error: Gradle task assembleDebug failed with exit code 1 Exited (1).

السلام عليكم هو ازي اعرف حجم الصورة الاصلي بستخدم باثيون بس هي مش صور واحد دي مجموع من الصور في مجلد ؟

ايوه اقصد كده الف شكراا جدا لحضرتك جزاك الله كل خير

وعليكم السلام ورحمة الله وبركاته. هل تقصد بالحجم الطبيعي هو الطول والعرض أم حجم ملف الصورة نفسه؟ عموما تستطيع تحقيق ذلك من خلال إستخدام مكتبة pillow . يجب عليك تثبيتها أولا من خلال الأمر : pip install pillow ويمكنك معرفة الطول والعرض من خلال الخاصية size . وإليك الكود المسؤول عن ذلك : from PIL import Image import os # مسار المجلد الموجود به الصور folder_path = "./images" for filename in os.listdir(folder_path): if filename.lower().endswith((".png", ".jpg", ".jpeg")): image_path = os.path.join(folder_path, filename) with Image.open(image_path) as img: width, height = img.size print(f"{filename}: {width}x{height}") هكذا نقوم بالمرور على جميع الملفات في المسار الذي كتبناه ونقوم بقراءة الصورة و إستخدام الخاصية size والتي تحوي الطول والعرض . وسيتم طباعة شئ كالتالي : image1.jpg: 1920x1080 image2.png: 800x600 وإليك أهم خصائص المكتبة وكيفية إستخدامها في الدرس التالي :

الف شكراا جدا لحضرتك جزاك الله كل خير

وعليكم السلام ورحمة الله وبركاته. في بداية تعلمك نعم يمكنك الإهتمام فقط بعمل الكود بالشكل المتوقع له . ولكن الأفضل هو الإهتمام بكفائة وسرعة الكود . حيث لا يكفي أن يعمل الكود فقط ولك هناك عدة أمور أخرى يجب الاهتمام بها لضمان جودة الكود وأنه قابل للصيانة والتطوير. حيث يجب عليك الإهتمام بالأمور التالية : جودة الكود (Code Quality) : حيث يجب أن يكون الكود سهل القراءة والفهم من حيث استخدام مسميات واضحة للدوال والمتغيرات.وأيضا التنسيق (Formatting) حيث يفضل استخدام المسافات وتنسيق جيد من خلال إضافات مثل Prettier وغيرها . وأيضا يجب الإهتمام بالتعليقات (Comments) حيث يجب شرح الأجزاء المعقدة من الكود و الأجزاء المهمة وذلك للأشخاص الأخرين أو لنفسك إذا تركت الكود وعدت إليه بعد فترة من الزمن. الكفاءة (Performance) : يجب عليك اختيار الخوارزميات المناسبة للحل لديك وأيضا إستخدام هياكل البيانات الصحيح التي تساعدك في جعل الحل سريعا وصحيحا وأيضا تجنب كثرة الحلقات التكرارية المتداخلة والغير ضرورية . قابلية الصيانة (Maintainability): يجب عليك أن تتأكد من أن الكود مرن وسهل التعديل مستقبلا عند الحاجة لإضافة ميزات جديدة أو تعديل الخصائص. وعدم جعل الكود معتمد بشكل كبير على بعضه البعض والذي سيجعل زيادة أو تعديل الخصائص أمرا صعبا وفي بعض الأحيان مستحيل . الأمان (Security) : يجب عليك التأكد من أن الكود أمن و التأكد من عدم وجود ثغرات به تسمح للأشخاص بالتلاعب به أو الوصول إلى أماكن غير مسموح لهم بها. إدارة الأخطاء (Error Handling) : تأكد من تعاملك مع الأخطاء المتوقعة والغير متوقعة بشكل مناسب مثل استخدام try و catch وعدم ترك الكود يعمل بدون معالجة الأخطاء حيث أن معالجة الأخطاء مهمة وذلك بالنسبة للمطور لمعرفة سبب الخطأ ومتى حدث لمساعدتك في حل هذا الخطأ وأيضا للمستخدم لمعرفة ما الخطأ الذي حدث لو كان بسببه حتى يتسطيع إصلاحه. ولكن هذه الأمور مهمة جدا في الأكواد الكبيرة أو عند العمل مع فريق ولكن الأكواد البسيطة والمهام السهلة فيمكنك التغاضي عن بعض تلك الأمور والإهتمام الأكبر يكون على تنفيذ الكود بالشكل المتوقع منه.

وعليكم السلام ورحمة الله وبركاته. الفرق بين خوادم الويب (Web Servers) والحوسبة السحابية (Cloud Computing) يتركز على وظيفة ونطاق ومرونة كل منهما. إن خوادم الويب (Web Servers) هي برامج أو أجهزة يتم تخزين وتوزيع محتوى مواقع الويب مثل ملفات HTML و CSS و ملفات الوسائط مثل الصور وغيرها. ومهمة تلك الخوادم هي استقبال طلبات HTTP/HTTPS من المتصفحات والمستخدمين وم ثم معالجة الطلب وإرسال الاستجابات المناسبة. وأمثلة عليها Apache و Nginx . أما الحوسبة السحابية (Cloud Computing) فهي نموذج لتوفير موارد حوسبة مثل الخوادم ووحدات التخزين وقواعد البيانات والشبكات وغيرعا عبر الإنترنت حسب الطلب. وهي تشمل العديد من الخدمات مثل IaaS (البنية التحتية كخدمة) و PaaS (المنصة كخدمة) و SaaS (البرمجيات كخدمة). وأمثلة لها AWS و Microsoft Azure و Google Cloud. ويتم إستخدام خوادم الويب خصوصا لاستضافة وتشغيل مواقع الويب أو التطبيقات التي تعتمد على البروتوكول HTTP. أما الحوسبة السحابية فهي أوسع نطاقا وتقوم بتوفير بيئة كاملة تشمل: خوادم ويب كجزء من خدماتها. وقواعد البيانات و الذكاء اصطناعي و التخزين السحابي وغيرها. وتسمح بنشر تطبيقات كاملة وليس فقط مواقع ويب. وإليك المقالات التالية لمزيد من التفاصيل :

استخدام GPU أو TPU لا يعني بالضرورة إن النموذج هيتدرب في ثواني , لان المدة الفعلية للتدريب بتعتمد على عوامل كتيرة, مثل: حجم البيانات. حجم وتعقيد النموذج نفسه (مثل عدد ال parameters). نوع الـ optimizer و الـ learning rate. و غيرها من العوامل. و دعنا نري مثال توضيحي: لو عندك نموذج بسيط بيتدرب على بيانات صغيرة، فلن يأخذ الكثير من الوقت. اما لو بتدرب Transformer ضخم (زي BERT مثلاً) على ملايين البيانات، التدريب ممكن ياخد ساعات أو أيام. بالتوفيق.

وعليكم السلام ورحمة الله وبركاته. استخدام ال GPU أو TPU بالطبع يقوم بتسريع عملية التدريب مقارنة بإستخدام ال CPU ولكن هذا لا يعني أن النموذج سيتدرب في ثواني. إن ال GPU و TPU مصممين لمعالجة العمليات الحسابية الكثيفة والعمليات المتوازية وهذا ما يحدث أثناء تدريب نماذج الذكاء الاصطناعي.حيث يستطيع ال GPU تنفيذ آلاف العمليات في نفس الوقت. وال TPU (من Google) مصمم خصيصا لتسريع عمليات تعلم الآلة ويكون أسرع في بعض الحالات من ال GPU. ولكن هناك بعض الأمور الأخرى التي تؤثر على سرعة التدريب: حجم البيانات حيث لو لديك ملايين من العينات فإن الموضوع سيأخد وقت حتى لو لديكGPU قوي. حجم النموذج نفسه (Model complexity) عدد ال epochs وال batch size فمثلا لو تقوم بتدريب نموذج بسيط مثل Linear Regression على بيانات صغيرة فنعم من الممكن فعلا أن ينتهي في ثواني. ولكن لو تقوم بتدريب CNN على ملايين الصور وحتى مع إتسخدام أقوى ال GPUS فمن الممكن أن يأخذ الأمر منك ساعات أوحتى أيام.

هناك مبادرتين الأولى مبادرة مصر الرقمية والثانية الرواد الرقميون Digilians وكلاهما يشترط الجنسية المصرية. في السعودية ستجد مبادرات ومنح منها: الأكاديمية السعودية الرقمية منصة دروب السعودية برنامج الابتعاث في الذكاء الاصطناعي منحة جامعة محمد بن زايد للذكاء الاصطناعي مبادرة سماي من الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا)