لوحة المتصدرين

هل استطيع العمل على لغة بايثون من برنامج فيجوال ستوديو كود ؟

السلام عليكم ورحمة الله وبركاته لدي ورقة بطول وعرض معين بها حقول وكل حقل أمامه فراغ انا عملت كود حفظ وعملت تقرير بي كريستال ريبورت لكن كيف اجعل حقل يعرض بالضبط امام فراغ ممكن مساعدة او توضيح اخواني

انا كنت شغال عل مشروع chatbot كنت عامله fine tuning واستخدمته اني اعمله واجهه رسوميه باستخدام streamlit ولاكن بتظهر معايا مشاكل اول ما اشغل streamlit وابعت رساله بتظهر مشاكل في اصدارات مكتبة openai الملفات بتاعت المشروع و ارجو الرد بسرعه app.py chatbot_client.py test_mongo.py sittings.py

نعم هذا الأمر ممكن، يمكنك إما تثبيت بايثون من الموقع الرسمي و من ثم تشغل Vs code و تحديد المترجم الذي قمت بتثبيته، أو عن طريق قائمة الإضافات في Vs code حيث تجد هناك بايثون و تثبته و بعدها تقوم بالأمر نفسه و سيشتغل معك.

نعم يمكنك ذلك، بل يعد من أفضل البيئات الخفيفة للمطورين في هذا المجال، كل ما عليك فعله هو تثبيت إضافة Python الرسمية من مايكروسوفت داخل VS Code، والتي توفر لك دعما متكاملا، بعد تثبيت الإضافة عليك تحديد المترجم المناسب على جهازك، و ستتمكن من كتابة وتشغيل وتصحيح مشاريعك بكفاءة عالية.

نعم بالطبع يمكنك إستخدام أى لغة برمجة في vs code حيث يمكنك إنشاء الملف وفتحه في vs code وتنزيل الإضافة الخاصة باللغة التي تعمل عليها . ولكن بالفعل vs code يأتي إفتراضيا بإضافات بايثون ولن تحتاج لتنزيل أى شئ.

السلام عليكم ورحمة الله وبركاته صباح الخير اريد ان اعرف تقنيات الذكاء الاصطناعي المستخدمة في إنشاء التطبيق؟ وكيف ابدا في إنشاء التطبيق باستخدام بايثون من الصفر للانتهاء

السلام عليكم ورحمة الله تعالى وبركاته، هل تقصدين دورة الذكاء الاصطناعي؟ في حال ذلك فجهازك بمواصفاته الحالية: كاف تماما لإكمال دورة الذكاء الاصطناعي بنجاح لكن بشرط فهم التقسيم الوظيفي التالي فستستخدمين جهازك المحلي لكتابة الأكواد وتنفيذ مكتبات Python الأساسية (NumPy, Pandas, Matplotlib) وتشغيل نماذج صغيرة للتجربة 1B-3B parameters أي بأداء معقول وسرعة استجابة منخفضة بعض الشيء ومعالجة datasets صغيرة ومتوسطة الحجم بفضل ال 24GB RAM الممتازة بينما ستعتمد حصريا على Google Colab المجاني الذي يوفر GPU مثل Tesla T4 أو V100 لتدريب نماذج التعلم العميق الحقيقية (CNNs, RNNs, Transformers) لأن Intel HD 620 لا تعطي أي تسريع مقارنة بالمعالج CPU حتى مع TensorFlow-DirectML ويمكن أن تفشل في معماريات معقدة مثل ResNet بينما GPU مخصص مثل NVIDIA يكون أسرع بـ 12 ضعفا من DirectML على Intel. لكن الحد الأساسي في Colab المجاني هو 12 ساعة متواصلة للجلسة الواحدة مع قيود استخدام ديناميكية غير موثقة قد تمنعك مؤقتا من الوصول لل GPU إذا استهلكت موارد كثيرة لكنها كافية للتعلم والمشاريع التعليمية وليست لمشاريع production كبيرة ومعقدة.

هل تقصد دورة الذكاء الإصطناعي ؟ إذا كان كذلك فالجهاز لن يكون مناسب بكشل كامل لتشغيل النماذج الكبيرة وسيكون بطئ بعض الشئ . لاحظ أنك قمت بتحديث سعة ال RAM وأيضا إستخدام SSD وهذا الأمر جيد ولكنه ليس كافي حيث يجب دائما أيضا الإهتمام بكارت الشاشة GPU فهو المسؤول عن التدريب بشكل كبير لذلك سيتوجب عليك إستخدام google colab كما تم إستخدامه في الدورة حيث يوفر لك موارد قوية للتدريب ولا حاجة إلى جهاز حاسوب قوي لهذا الأمر.