لوحة المتصدرين

انا اشتركت في دورتين و هي ; علوم الحاسوب و تطوير واجهات المستخدم هل الافضل أن أتعلم الدورتين في نفس الوقت أم أنتهي من دورة علوم الحاسوب ثم أنتقل الى دورة تطوير واجهات المستخدم . و شكرا

السلام عليكم ورحمة الله وبركاته، أتقدّم إليكم في أكاديمية حسوب بخالص التهاني وأطيب الأمنيات بمناسبة حلول عيد الأضحى المبارك، أعاده الله علينا وعليكم وعلى الأمة الإسلامية بالخير واليُمن والبركات. جزاكم الله خيرًا على جهودكم المستمرة في نشر العلم وإتاحة المعرفة باللغة العربية، فقد كنتم دومًا منبرًا مهمًّا لكل طالب علم وطموح في مجالات البرمجة والتقنية وريادة الأعمال. أسأل الله أن يوفقكم ويسدد خُطاكم، وأن يجعل هذا العيد مناسبة للفرح والتقدّم والنجاح لكم ولجميع أعضاء الفريق. كل عام وأنتم بخير 🌙🐑 أخوكم: علي أحمد هل هندسة الميزات "فن" معناها إنها مش بس خطوات ثابتة أو قواعد جامدة، لكنها بتحتاج إبداع وتفكير ؟

السلام عليكم هي البيانات الجيدة مع نموذج بسيط أفضل من بيانات سيئة مع نموذج معقد ؟

السلام عليكم ورحمة الله وبركاته. متى تكون العوامل ترابطية ومتى لا تكون ترابطية؟ ولماذا عوامل المقارنة ليست بترابطية ؟

في الدرس الحالي يذكر ان SRS مناسب لمنهجية الشلال بينما PRD مناسبة للمنهجية Agail لكن هنالك فرق بين الشرح المرفق عما هو مذكور سابقا

وعليكم السلام ورحمة الله وبركاته. نعم، البيانات الجيدة مع نموذج بسيط في الغالب ما تكون أفضل بكثير من بيانات سيئة مع نموذج معقد. حيث البيانات الجيدة تعني بيانات نظيفة ودقيقة وممثلة للمشكلة التي لدينا ومتوازنة وموزعة بشكل جيد ولهذا يتسطيع النموذج البسيط التعامل معها بشكل صحيح وأكثر كفاءة . حيث النموذج لا يستطيع تصحيح البيانات السيئة وإذا كانت البيانات غير دقيقة أو تحتوي على ضجيج (noise) أو قيم متطرفة كثيرة فلن يفيدك حتى أقوى النماذج. أما النموذج البسيط يمكنه الأداء الممتاز إذا كانت البيانات واضحة وممثلة بشكل جيد وأحيانا الانحدار الخطي يتفوق على شبكة عصبية إذا كانت البيانات قوية وواضحة. والبيانات السيئة تعني نموذج يتعلم أشياء خاطئة والنموذج المعقد قد يحفظ البيانات السيئة (overfitting) بدلًا من أن يتعلم منها. لذلك ابدأ دائما بتحسين جودة البيانات ثم يمكنك بعد ذلك التفكير في تعقيد النموذج.

وعليكم السلام ورحمة الله وبركاته. يتم تسمية العملية بترابطية إذا لم يتغير الناتج الخاص بها بتغيير ترتيب الأقواس عند تنفيذها على أكثر من عنصر فمثلا عمليات الجمع والضرب هي ترابطية لأن النتائج لا تختلف بإختلاف ترتيب تنفيذ العملية : ( 2 + 3 ) + 4 2 + ( 3 + 4 ) ففي المثال السابق هنا النتيجة واحدة للعمليتين فلا إختلاف في الناتج النهائي إذا فهي ترابطية . أما إذا تغير ناتج العملية بتغيير الأقواس أو بتغير ترتيب التنفيذ فهي غير ترابطية مثل عمليات الطرح والقسمة. أما بالنسبة إلى سؤالك عن عوامل المقارنة فهي ليست ترابطية لأن ناتج المقارنة هو قيمة منطقية (Boolean) وعندما تقوم بمقارنة أخرى بعدها فإنك تقارن بين نتيجة منطقية وعدد أو نتيجتين منطقيتين مما يغير معنى العملية. 5 > 3 > 1 فمثلا هنا أولا يتم تنفيذ 5 > 3 والتيجة true وبعد ذلك يتم مقارنة true > 1 وهنا نحول true إلى 1، فتصبح المقارنة 1 > 1 أى النتيجة النهائية ب false. لكن في نفس المثال السابق قمنا بتغير ترتيب تنفيذ العملية هكذا : 5 > (3 > 1) هنا أولا 3 > 1 تساوي trueوبعد ذلك نقارن 5 > true أى 5 > 1 وستكون النتيجة النهائية true. وهكذا بما أن الناتج مختلف حسب ترتيب تنفيذ العملية فإذا العامل > ليس ترابطي. إذا لم تكن تقصد ما سبق يرجى توضيح سؤالك . ولو كان هذا السؤال مرتبط بإحدى دروس الدورات فستجد في أسفل الدرس صندوق للتعليقات كما هنا يرجى وضع سؤالك هناك أسفل الدروة لمساعدتك بشكل أفضل.

سلام عليكم هل يمكن ان اسأال سؤال غير متعلق بالبرمجة بصراحة اريد فك الازرار بطريقة سليمة ومشكلة ان ليس لدي اي اداة خاصة هل يمكنكم مساعدتي

انا لا أفتري عليكم - لكن الشرح مختصر ومقدم المحتوى يتعامل معك وكأنك فاهم كل شيء مسبقاً. بعد كل فيديو لازم اروح لفيديو آخر في يوتيوب يشرح واجد انه المفاهيم في يوتيوب سهلة وانه الشرح عندكم سيء جداً.

للتحقق من وجود الملف قبل محاولة قراءته، فبدون الشرط سيحدث خطأ في حال الملف غير موجود، وتلك ممارسة صحيحة يجب إتباعها دائمًا عند التعامل مع الملفات أو المجلدات.

وعليكم السلام ورحمة الله تعالى وبركاته، في بيئة Kaggle Notebook لدينا ثلاث مجلدات رئيسية: /kaggle/input/ وهو مجلد البيانات المدخلة نستخدمه للقراءة فقط إذ لا يمكن الكتابة فيه /kaggle/working/ وهو مجلد العمل الخاص بك إذ يمكن الكتابة والقراءة منه /kaggle/tmp/ وهو مجلد مؤقت وهو الذي يحذف عند إعادة التشغيل لذا عندما تعالج البيانات ب IterativeImputer يمكنك حفظها في /kaggle/working/ كملف CSV ثم في بداية الدفتر يمكنك التحقق من وجود الملف المحفوظ: إذا كان موجود ستقوم بتحميله مباشرة إذا لم يكن موجود نفذ المعالجة واحفظه وهذا يوفر عليك وقت إعادة تنفيذ المعالجة في كل مرة تفتح فيها الدفتر، لأن الملفات في /kaggle/working/ تبقى محفوظة حتى لو أغلقت الدفتر وفتحته مرة أخرى لعمل ذلك يمكنك بداية استيراد المكتبة os: import os ثم في بداية الدالة بعد السطر الأول تضيف شرط التحقق من وجود الملف: if os.path.exists('/kaggle/working/processed_data.csv'): return pd.read_csv('/kaggle/working/processed_data.csv') ثم في النهاية وقبل return data تضيف السطر الذي يقوم بالحفظ كالتالي: data.to_csv('/kaggle/working/processed_data.csv', index=False)