لوحة المتصدرين

ماهو نوع الخط المستخدم في موقع اكاديمية حسوب

السلام عليكم كيف اتصل بنموذج Gemini عن طريق API KEY واستخدم النموذج في colab جربت طرق كثيره ولكن يظهر لي خطا! لان احتاج اسوي مشروع في RAGgraph and LangGraph واحتاج نموذج لإستخراج Nodes and relationship ويتعامل مع الاسئلة

انا اكملت دورة جافا سكريبت واريد شراء دورة اخرى وانا مختص في تطوير ويب ماهي الدورة التي تنصحوني ب شرائها كي ادمجها مع مهاراتي في JavaScript

السلام عيلكم هو اي Google TensorFlow Developer Certificate Exam ؟

اريد فقط مساعدة في تلك مشكلة لم اجد لها حل book-store.zip

انا قمت بطباعة شهادتي من اكاديمية حسوب لكن اريد اعرف شهادة في جهة خلفية لها تصميم ام بيضاء فارغة

أولا مبارك على إكمالك الدورة ويمكنك طباعة الشهادة بنفسك و الجهة الخلفية من الشهادة هي بيضاء فارغة .

--------------------------------------------------------------------------- NotFound Traceback (most recent call last) /tmp/ipython-input-1100986141.py in <cell line: 0>() 15 16 prompt = "اشرح لي فكرة من مشاريع نوبل 2025" ---> 17 response = model.generate_content(prompt) 18 19 print(response.text) 9 frames /usr/local/lib/python3.12/dist-packages/google/ai/generativelanguage_v1beta/services/generative_service/transports/rest.py in __call__(self, request, retry, timeout, metadata) 1159 # subclass. 1160 if response.status_code >= 400: -> 1161 raise core_exceptions.from_http_response(response) 1162 1163 # Return the response NotFound: 404 POST https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent?%24alt=json%3Benum-encoding%3Dint: models/gemini-pro is not found for API version v1beta, or is not supported for generateContent. Call ListModels to see the list of available models and their supported methods.

الإجابة بإختصار لا تركز على أحدهما فقط. ولكن ابدأ بتجربة الخوارزميات التقليدية أولا. فالاعتماد على التعلم العميق فقط يشبه استخدام اداة كبيرة لتنفيذ مهمة صغيرة الامر بالفعل قد ينجح ولكنها ليست الأداة المناسبة وستسبب فوضى وتتطلب طاقة هائلة وموارد كثيرة. لذلك دائماً ابدأ بتجربة مجموعة من الخوارزميات التقليدية. وذلك لعدة اسباب: تأسيس خط الأساس (Baseline): فالخوارزميات التقليدية (مثل Random Forest أو XGBoost) سريعة في التدريب وتعطيك خط أساس قوي. إذا لم تستطع شبكتك العصبية العميقة التغلب على هذا الخط الأساسي بشكل واضح فكل التعقيد الإضافي للتعلم العميق لا مبرر له. الفعالية على البيانات الصغيرة والمتوسطة: فغالبا ما تتفوق الخوارزميات التقليدية على الشبكات العصبية العميقة عندما تكون كمية البيانات لديك صغيرة أو متوسطة. فالتعلم العميق متعطش للبيانات (Data-hungry). قابلية التفسير (Interpretability): من الأسهل كثيراً تفسير سبب اتخاذ خوارزمية مثل "شجرة القرار" (Decision Tree) أو "الانحدار اللوجستي" (Logistic Regression) لقرار معين، مقارنة بالصندوق الأسود (Black Box) للشبكة العصبية العميقة. سرعة التجربة: يمكنك تجربة 5 خوارزميات تقليدية مختلفة وضبطها (Tuning) في الوقت الذي يستغرقه تدريب شبكة عصبية عميقة واحدة بشكل

حدث نفس الأمر ولم يتم توثيق رقم جوالي