لوحة المتصدرين

السلام عليكم كنت قد استثمرت في دورة تطوير التطبيقات باستخدام لغة بايثون هنا علي اكادمية حاسوب وبعد ان انهيت المسار الاخير المتعلق بتعلم الالة اشعر اني متحمس لهذا المجال واريد ان اتطور فيه فكنت اسال عن دورة الذكاء الاصطناعي وما مدى تقدمها والى اي مستوى ستاخذني اقصد بذلك ما الذي سيكون بااكاني فعله بعد دراسة المحتوى والتطبيق عليه وما مستوى المشاريع في نهاية كل مسار اسف للاطالة و جزاكم الله خيرا

مافائدة oop مع وجود قواعد البيانات اقصد هل يجب انا افهمها بشكل اعمق عند استخدم لغه مثل c# كيف يكون oop مفيد في اضافة البيانات او جلبها من قواعد البيانات او تعديلها او حذفها

السلام عليكم هل من الأفضل دائمًا استخدام الدوال الجاهزة مثل image_dataset_from_directory في TensorFlow أو الأدوات المشابهة في PyTorch لتحميل البيانات، أم أن هناك أحيانًا يكون من الأفضل الاعتماد على مكتبات مثل OS و OpenCV (cv2)؟ وهل في الغالب يُستهلك معظم الوقت في تحميل الصور ومعالجتها أكثر من بناء شبكة CNN نفسها؟

السلام عليكم ليه Kaggle Notebook مش دايمًا عليه أحدث نسخة من المكتبات؟

عايز شرح مبسط كدا لي Parameters and Arguments لأني مش فهمهم خالص أو مش فاهم بسبب الشخص اللي بسمع ليه فيهم لو موجود شرحهم في الدورة ممكن حد يقولي على الجزئية دي

أنا أمتلك دورتين دورة Frontend and JavaScript وقربت أخلص مشروع يوتيوبي عايز بعد مخلصه أتعلم Backend أو MERN واعمل مشاريع دورة JavaScript وبعد كدا انتقل لدورة Frontend واعمل المشاريع كاملة بدال مهيا Frontend فقط أريد مسار أمشي عليه غير إنه ميكنش فيه React Native أو Desktop عايز مسار الويب فقط

السلام عليكم انا جديده بعالم البرمجه ماعرف شي عنه حبدا اتعلمه من الصفر لو بدات بالدوره بالترتيب حفهم كل شي ولااحتاج شرح تمهيدي قبل ابدا بالشروحات

السلام عليكم احتاج اعرف نوع الحهاز يلي ممكن اشتغل عليه وانفذ مشاريع الدوره

لا ماسجلت غير بالدوره الذكاء الاصطناعي

لقد ذكرتم مكان في المنصه لم استطع ايجاده

ستجد أسفل فيديو الدرس في نهاية الصفحة صندوق تعليقات كما هنا، أرجو طرح الأسئلة أسفل الدرس وليس هنا في قسم أسئلة البرمجة حيث نطرح الأسئلة العامة الغير متعلقة بمحتوى الدورة أو الدرس، وذلك لمساعدتك بشكل أفضل.

السلام عليكم عند تدريب شبكه عصبيه CNN بيحصل الخطاء ده اثناء التدريب النموذج InvalidArgumentError Traceback (most recent call last) /tmp/ipykernel_36/2234119796.py in <cell line: 0>() ----> 1 history = keras_models.fit(train_ds,validation_data=val_ds,epochs=20) /usr/local/lib/python3.11/dist-packages/keras/src/utils/traceback_utils.py in error_handler(*args, **kwargs) 120 # To get the full stack trace, call: 121 # `keras.config.disable_traceback_filtering()` --> 122 raise e.with_traceback(filtered_tb) from None 123 finally: 124 del filtered_tb /usr/local/lib/python3.11/dist-packages/tensorflow/python/eager/execute.py in quick_execute(op_name, num_outputs, inputs, attrs, ctx, name) 57 e.message += " name: " + name 58 raise core._status_to_exception(e) from None ---> 59 except TypeError as e: 60 keras_symbolic_tensors = [x for x in inputs if _is_keras_symbolic_tensor(x)] 61 if keras_symbolic_tensors: InvalidArgumentError: Graph execution error: Detected at node decode_image/DecodeImage defined at (most recent call last): <stack traces unavailable> Detected at node decode_image/DecodeImage defined at (most recent call last): <stack traces unavailable> 2 root error(s) found. (0) INVALID_ARGUMENT: Input size should match (header_size + row_size * abs_height) but they differ by 2 [[{{node decode_image/DecodeImage}}]] [[IteratorGetNext]] [[IteratorGetNext/_4]] (1) INVALID_ARGUMENT: Input size should match (header_size + row_size * abs_height) but they differ by 2 [[{{node decode_image/DecodeImage}}]] [[IteratorGetNext]] 0 successful operations. 0 derived errors ignored. [Op:__inference_multi_step_on_iterator_13769] مع العلم انا بستخدم الداله دي في تحميل البيانات train_ds = tf.keras.utils.image_dataset_from_directory( '/kaggle/input/dog-and-cat-classification-dataset/PetImages', image_size=(128, 128), batch_size=32, labels="inferred", label_mode="int", validation_split=0.2, subset="training", seed=123, )

انا ادرس من دورة بايثون لتطوير التطبيقات، قريبا سأنهي ان شاء الله مسار اودو، هل ان أنهيت هذا المسار يمكنني ان احصل به علي عمل حر

بالضبط

وعليكم السلام ورحمة الله تعالى وبركاته، ال Kaggle Notebooks لا تحتوي دائما على أحدث نسخة من المكتبات لأن Kaggle تعطي الأولوية لاستقرار البيئة على التحديث الفوري للمكتبات لتجنب التعارضات التي قد تحدث وهذا النظام يهدف إلى ضمان الاستقرار والتوافق بين جميع المكتبات المثبتة، بدلا من التحديث الفوري الذي قد يسبب تعارضات كما أن Kaggle يختبر التحديثات قبل دمجها لتجنب كسر البيئة مما يعني وجود فجوة زمنية بين إطلاق النسخة الجديدة وتوفرها في Notebooks.

بالضبط للتسهيل عليك

السلام عليكم ورحمة الله تعالى وبركاته، أولا فإنّ ال image_dataset_from_directory لا تتجاهل الصور التالفة تلقائيا يمكنك رؤية ذلك في رسالة التحذير: Corrupt JPEG data والتي تشير إلى وجود صور JPEG تالفة في ال dataset ثم يحدث الخطأ الكامل InvalidArgumentError عندما تواجه TensorFlow صورة تالفة لا يمكن فك تشفيرها نهائيا وهنا المشكلة أن TensorFlow يحاول معالجة جميع الملفات في المجلد دون تصفية، وعندما يصل لصورة تالفة مثل الصورة التي تسبب الخطأ: Input size should match header_size يتوقف التدريب تماما والحل هو تنظيف البيانات مسبقا عبر إزالة الصور التالفة يدويا أو برمجيا أو استخدام كود مخصص لإنشاء dataset يتجاهل الصور التالفة باستخدام tf.data.Dataset.from_generator مع معالجة الأخطاء أو إضافة tf.data.AUTOTUNE مع dataset.map() و try-except للتعامل مع هذه الحالات.

import requests, re def get_data(): from selenium import webdriver from selenium.webdriver.chrome.options import Options from bs4 import BeautifulSoup options = Options() options.add_argument("--headless") options.add_argument('--disable-gpu') options.add_argument('--no-sandbox') options.add_argument('--log-level=3') prefs = { "profile.default_content_setting_values": { "images": 2, "plugins": 2, "popups": 2, "notifications": 2, "media_stream": 2, } } options.add_experimental_option("prefs", prefs) drive = webdriver.Chrome(options = options) drive.get ( "https://world-weather.info/") html = drive.page_source my_headers = {"user_agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/138.0.0.0 Safari/537.36" } # the_response = requests.get( headers= my_headers) # if the_response.ok: his_soup = BeautifulSoup(html, "html.parser") resor = his_soup.find_all('div', id = "list") print(resor) drive.quit() get_data() 23040:25080:0916/112333.676:ERROR:gpu\command_buffer\service\gles2_cmd_decoder_passthrough.cc:1100] [GroupMarkerNotSet(crbug.com/242999)!:A0802B00545B0000]Automatic fallback to software WebGL has been deprecated. Please use the --enable-unsafe-swiftshader (about:flags#enable-unsafe-swiftshader) flag to opt in to lower security guarantees for trusted content.

السلام عليكم ورحمة الله تعالى وبركاته، ال Parameters أو المعاملات هي المتغيرات التي تعرف في تعريف الدالة نفسها بين الأقواس بمعنى آخر هي أسماء المتغيرات التي تستخدمها الدالة لتستقبل قيما عند استدعائها مثلا لو عرفت دالة تجمع رقمين، الرقمين هذان هما معاملات الدالة. أما ال Arguments فهي القيم أو المعاملات الممررة وهي القيم التي ترسل للدالة عند استدعائها أي القيم الفعلية التي تمرر إلى المعاملات (Parameters) عند استدعاء الدالة بحيث تضع القيم التي تريد معالجتها في الدالة.

السلام عليكم ورحمة الله تعالى وبركاته، بعد إكمال مشروع دورة تطوير واجهات المستخدم ودورة تطوير تطبيقات JavaScript، يمكنك الانتقال لتعلم Backend ضمن دورة JavaScript نفسها مع التركيز على تطوير الويب فقط بدون React Native أو تطبيقات سطح المكتب. والمسارات الخاصة بالBackend تشمل تعلم أساسيات Node.js لبناء الخوادم، استخدام Express.js لإنشاء APIs، التعامل مع قواعد البيانات مثل MongoDB، تطوير RESTful APIs، إدارة المصادقة وأمن التطبيقات، وأخيرا تطبيق مشاريع عملية مثل تطبيق دردشة أو نظام أسئلة وأجوبة. بعد اكتساب هذه المهارات يمكنك دمج ما تعلمته مع React.js في دورة Frontend المتقدمة لتطوير مشاريع MERN كاملة مع إمكانية تعلم تقنيات إضافية مثل Next.js وTypeScript: أساسيات Node.js Express.js لتطوير APIs قواعد البيانات (MongoDB) بناء RESTful APIs إدارة المصادقة وأمن التطبيقات مشاريع عملية مثل تطبيق دردشة ونظام أسئلة وأجوبة

أحب اعرف الفرق بين منصة سنديان و منصة ووردبريس من حيث بناء مواقع وعمل مشاريع وطريقة الاستضافة وحجز النطاق

ليس تقليلاً منك أو تثبيط، الأمر ليس بتلك السهولة، لا تتوقع أن تستطيع الحصول على عمل بمجرد إنهاء 4 مسارات فقط، ستحتاج إلى المزيد من الدراسة والخبرة، ستحتاج إلى دراسة التالي طالما نويت التخصص كـ Back-End: أساسيات لغة بايثون Python تطبيقات عملية باستخدام بايثون Python أساسيات إطار العمل جانغو Django تطوير متجر إلكتروني باستخدام جانغو Django تطوير واجهة برمجية لتعديل الصور باستخدام فلاسك Flask بناء مدونة باستخدام فلاسك Flask دمج تقنيات الذكاء الاصطناعي مع تطبيقات بايثون بالنسبة لـ Flask وDjango قم بدراسة الجزء الخاص بالـ API فقط، أي الجزء الخاص بالخادم وقواعد البيانات وتجاهل الجزء الخاص بالواجهة الأمامية (القوالب). لكن في الوقت الحالي لا أنصحك بالتخصص فقط في الواجهة الخلفية، بل عليك أن تصبح Full-stack فأغلب الوظائف حاليًا تتطلب ذلك وبالأخص لمستوى Junior، وأيضًا من كلامك أرى أنك تنوي العمل على مواقع العمل الحر والمشاريع بها تتطلب Full-stack، أي عليك دراسة الواجهة الأمامية أيضًا.

الصور لديك بها مشكلة، الأفضل حذفها ثم إعادة إضافتها، ومن أين حصلت عليها؟

هو ده حضرتك Epoch 1/10 161/625 ━━━━━━━━━━━━━━━━━━━━ 8s 19ms/step - accuracy: 0.5074 - loss: 7.7238 Corrupt JPEG data: 2226 extraneous bytes before marker 0xd9 264/625 ━━━━━━━━━━━━━━━━━━━━ 6s 18ms/step - accuracy: 0.5070 - loss: 5.4437 Corrupt JPEG data: 65 extraneous bytes before marker 0xd9 Corrupt JPEG data: 239 extraneous bytes before marker 0xd9 268/625 ━━━━━━━━━━━━━━━━━━━━ 6s 18ms/step - accuracy: 0.5070 - loss: 5.3865 --------------------------------------------------------------------------- InvalidArgumentError Traceback (most recent call last) /tmp/ipykernel_36/945077657.py in <cell line: 0>() ----> 1 history = keras_models.fit( 2 train_ds, 3 validation_data=val_ds, 4 epochs=10, 5 callbacks=[tf.keras.callbacks.EarlyStopping( /usr/local/lib/python3.11/dist-packages/keras/src/utils/traceback_utils.py in error_handler(*args, **kwargs) 120 # To get the full stack trace, call: 121 # `keras.config.disable_traceback_filtering()` --> 122 raise e.with_traceback(filtered_tb) from None 123 finally: 124 del filtered_tb /usr/local/lib/python3.11/dist-packages/tensorflow/python/eager/execute.py in quick_execute(op_name, num_outputs, inputs, attrs, ctx, name) 57 e.message += " name: " + name 58 raise core._status_to_exception(e) from None ---> 59 except TypeError as e: 60 keras_symbolic_tensors = [x for x in inputs if _is_keras_symbolic_tensor(x)] 61 if keras_symbolic_tensors: InvalidArgumentError: Graph execution error: Detected at node decode_image/DecodeImage defined at (most recent call last): <stack traces unavailable> Detected at node decode_image/DecodeImage defined at (most recent call last): <stack traces unavailable> 2 root error(s) found. (0) INVALID_ARGUMENT: Input size should match (header_size + row_size * abs_height) but they differ by 2 [[{{node decode_image/DecodeImage}}]] [[IteratorGetNext]] [[IteratorGetNext/_2]] (1) INVALID_ARGUMENT: Input size should match (header_size + row_size * abs_height) but they differ by 2 [[{{node decode_image/DecodeImage}}]] [[IteratorGetNext]] 0 successful operations. 0 derived errors ignored. [Op:__inference_multi_step_on_iterator_39708] الخطاء ده بيحصل اثناء تدريب الشبكه العصبه CNN

ما هو الخطأ الحالي، انسخه وألصقه هنا

لديك مشكلة في الملفات، فالدالة image_dataset_from_directory تقرأ كل ملف في المجلد، ولو تم قراءة ملف تالف، يتوقف التدريب بأكمله. عليك المرور على جميع الصور في مجلدي Cat و Dog وحذف أي ملف لا يمكن فتحه كصورة صالحة، ومتاح ذلك سهولة من خلال مكتبة Pillow، عن طريق السكريبت التالي، قم بتنفيذه في خلية منفصلة قبل الكود الذي يقوم بإنشاء train_ds و val_ds: import os import PIL from PIL import Image from pathlib import Path cat_path = Path("/kaggle/input/dog-and-cat-classification-dataset/PetImages/Cat") dog_path = Path("/kaggle/input/dog-and-cat-classification-dataset/PetImages/Dog") image_extensions = [".png", ".jpg", ".jpeg"] img_paths = [cat_path, dog_path] for path in img_paths: print(f"Checking directory: {path}") for filepath in path.glob("*"): if filepath.suffix.lower() in image_extensions: try: img = Image.open(filepath) img.verify() except (IOError, SyntaxError, PIL.UnidentifiedImageError) as e: print(f"Deleting corrupt image file: {filepath}") try: os.remove(filepath) except Exception as remove_error: print(f"Could not delete file: {filepath}, Error: {remove_error}") بالطبع عليك تعديل مسار cat_path وdog_path للمسار الصحيح لديك في بيئة Kaggle

بل ستحتاج أولاً إلى إنهاء دورة تطوير واجهات المستخدم، ثم دراسة مسار MERN من خلال دورة جافاسكريبت، وستدرس المسارات التالية: أساسيات لغة JavaScript أساسيات React.js أساسيات Node.js تطبيق دردشة يشبه WhatsApp إنشاء تطبيق أسئلة وأجوبة باستخدام Next.js تطبيق تعلم اللغات باستخدام Next.js وتقنيات الذكاء الاصطناعي تطبيقات الويب التقدمية PWA أساسيات TypeScript بمعنى يجب دراسة الأساسيات أولاً، أي تطوير المشاريع من خلال HTML, CSS, JS وذلك ما نفعله في دورة تطوير واجهة المستخدم، ثم بعد تعلم React وNode.js وNext.js تستطيع العمل على تطوير نفس المشاريع ولكن من خلال التقنيات السابقة، وذلك أفضل لتتفهم الفرق وستكتسب خبرة كبيرة من ذلك. الأفضل العمل على تحويلها إلى مشروع React.js من أجل التدرب على استخدام المكتبة، ثم إنشاء واجهة خلفية من خلال Node.js.

رائع جداً أنّك بدأت دراسة وتعلم مجال كالذكاء الاصطناعي في هذا العمر المبكر! هذا بحدّ ذاته إنجاز كبير ويُظهر شغفًا حقيقيًا لديك، حاول عدم الضغط على نفسك بشكل كبير فلديك الوقت أمامك لتحقيق إستفادة كبيرة. مع قليل من التنظيم والموازنة بين الدراسة والرياضة والدورة ستُحقق مبتغاك. إليك بعض النصائح التي من الممكن أن تساعدك في رحلتك التعليمية: الثبات أهم بكثير من الساعات الطويلة المتقطّعة، خصص وقت ثابت للمتابعة والتعلم خلال الأسبوع (مثلاً ساعتين او ساعتين ونصف خلال اليوم لأربعة أيام في الأسبوع) وسيتبقى لك وقت كافي لدراستك في المدرسة الحكومية وممارسة نشاطاتك الأخرى. بعد أي محاضرة او فيديو حاول تطبيق ما تعلمته فوراً عبر تجربة الأكواد وتنفيذ مشاريع مصغرة. التطبيق العملي يرسّخ المفاهيم أسرع من الدراسة النظرية وحدها إختر مشاريع شخصية صغيرة قريبة من إهتماماتك وتفضيلاتك وحاول تنفيذها. مثلأً تحليل بيانات اللاعبين والمباريات هذا يجعلك متحمساً للتعلم أكثر. دوّن ملاحظاتك وارفع التطبيقات والمشاريع التي تقوم بها على Github أو أي منصة مشابهة مع الوقت سيصبح لديك معرض أعمال قوي وتزداد خبرتك في المجال. بالتوفيق.

وعليكم السلام، عندما نقول أنّ هناك لغة آلة يتم ترجمة البرامج إليها ثم يتم تشغيل البرامج مباشرة من طرف الحاسوب، فهذه الفكرة المبسطة جدا والمختصرة اختصارا مخلّا فادحا، لكن الأمر لا يتم بهذه البساطة في الحقيقة. في الواقع، عند اختراع الحواسيب الأولى، في سنوات الأربعينات والخمسينات من القرن الماضي، والتي كان حجمها يملأ غرفة كاملة و وزنها بالقناطير، كانت بالفعل لا تملك أنظمة تشغيل! ولكن مشكلة هذه الحواسيب هي أنّها كانت بسيطة جدّا: يعمل عليها برنامج واحد فقط، ويظهر نتائجه عبر شاشة بسيطة لا تتمكن سوى من إظهار قدر قليل من النص. يمكنك أن تتخيّل أن هذه الحواسيب كانت مثل آلة حاسبة، لكنّها كانت قابلة للبرمجة! كما ترى، حواسيب مثل هذه لا تصلح لشيء في وقتنا. ماذا نفعل بحاسوب يستطيع تشغيل برنامج واحد فقط، ولا يستطيع عرض سوى نص قليل مثل آلة حاسبة؟ لذلك تمّ تطوير الحواسيب حتى تستطيع تشغيل عدّة برامج، توفّر دخولا لعدّة مستخدمين، تعطي إدارة للذاكرة الحية، للقرص الصلب، للشبكة، للبطارية .... ولكثير من الأمور الأخرى. لكن انتظر، كيف يستطيع الحاسوب فعل كلّ هذا؟ هل ستكتب له برنامجا يعلّمه كيف يقوم بذلك؟ لا أعتقد أنّك تريد فعل هذا من برنامجك، وحتى لو أردت فلن تستطيع، فهذا يتطلّب سنوات من العمل وفريق عمل ضخم حتّى تستطيع إنشاء برنامج يمكنه إدارة موارد الحاسوب بطريقة فعّالة هكذا. لحسن الحظ، ليس عليك كتابة برنامج كهذا، لأنّ هذا النوع من البرامج موجود بالفعل، وهو يسمى: نظام التشغيل! إذن نظام التشغيل ما هو إلّا برنامج كبير يقوم بتنظيم عمل البرامج الأخرى. في الواقع، الآلة لا تستطيع التعامل إلّا مع برنامج واحد، وهذا البرنامج في الحواسيب الحديثة هو نظام التشغيل الذي يقوم بدوره بتشغيل بقية البرامج. لذلك، فعندما نقول أنّ البرنامج تمّت ترجمته إلى لغة الآلة، فهذا يكافئ أن نقول أنّ هذا النص مكتوب بالحروف العربية، لكن هل كلّ نصّ مكتوب بالحروف العربيّة تستطيع فهمه إذا كنت تتحدّث باللغة العربية؟ بالطبع لا! فربّما هو باللغة الفارسية أو الأوردو أو بالعثمانية أو أيّة لغة أخرى تستخدم الحروف العربيّة. لذلك، فلغة الآلة تعني الحروف المستخدمة، بينما تفسير الحروف إلى معاني هو وظيفة نظام التشغيل. هذا بالنسبة للغات المترجمة، أمّا اللغات المفسّرة فلا يتم أصلا ترجمتها إلى لغة الآلة، بل يتم تشغيلها مباشرة من طرف المفسّر، والمفسّر هنا أيضا يعتمد على نظام التشغيل لكي يستطيع العمل وتشغيل برنامجك الذي تكتبه من خلاله.