عبدالباسط ابراهيم

يمكنك تعريف ال Convolution Layer بشكل أبسط كالتالي: هي الطبقة المسؤولة عن استخراج الميزات من الصورة المدخلة، مثل الحواف، الألوان، أو الأشكال. تستخدم مرشحات (filters) تمر على الصورة لتوليد خرائط ميزات (feature maps) تُظهر المناطق التي تحتوي على أنماط معينة. وبالنسبة لPooling Layer فهي تُستخدم لتقليل الأبعاد المكانية لخرائط الميزات، مما يقلل من كمية الحسابات ويجعل الشبكة أكثر كفاءة. مثال على ذلك التجميع الأقصى (max pooling) الذي يأخذ القيمة الأكبر من كل منطقة في خريطة الميزات. وأخيراً ال Fully Connected Layer تأتي عادةً في نهاية الشبكة وتُستخدم لتصنيف الميزات التي تم استخراجها. و تسمح بدمج المعلومات لاتخاذ قرار نهائي، مثل تحديد ما إذا كانت الصورة تحتوي على قطة أو كلب.

وعليكم السلام ورحمة الله وبركاته. بالنسبة لتقسيط الدورات غير متاح هذا الخيار بالنسبة للأكاديمية حيث يتم دفع مبلغ الدورة كاملاً. أما بالنسبة لخصم لدورة من الدورات فيمكنك التحدث مع مركز المساعدة من خلال الرابط التالي https://support.academy.hsoub.com/conversations وغالباً ما يكون هناك عروض على الدورات في مناسبات معينة مثل الأعياد وبداية السنة وما إلى ذلك.

وعليكم السلام ورحمة الله وبركاته. بالتأكيد يجب أن تحول ملفات الصور إلى أرقام (مصفوفات رقمية) قبل تدريب شبكات CNN. فالشبكات العصبية التوافقية (CNNs) لا تستطيع التعامل مباشرة مع ملفات الصور كما هي، بل تحتاج إلى تمثيل رقمي للصور. ولكن لا تقوم بذلك يدوياً إنما عملية التحويل تتم عادة باستخدام مكتبات مثل TensorFlow أو PyTorch حيث توفر وظائف لتحميل ومعالجة الصور بشكل تلقائي، لكن التحويل من الصورة إلى تمثيل رقمي يحدث بالفعل.

تم توضيح الطرق المختلفة للإشتراك بالدورات الموجودة بأكاديمية حسوب بشكل مفصل في التعليقات السابقة ولكن هناك بعض الدول التي تجد صعوبة بها للدفع بعملة الدولار , ومصر من ضمن هذه الدول ولذلك ستجد صعوبة في استخدام البطاقات للدفع حيث تعتبر هناك بعض البطاقات التي تتيح ذلك فقط ويمكنك التعرف على المزيد من هذه الأمور المالية من خلال التحدث مع مركز المساعدة بواسطة الرابط التالي https://support.academy.hsoub.com/conversations

وعليكم السلام ورحمة الله وبركاته, DeepLearning.AI هي منظمة متخصصة في تقديم دورات ومحتوى تعليمي عالي الجودة في مجالات الذكاء الاصطناعي والتعلم العميق وعلوم البيانات . حيث تقدم DeepLearning.AI دورات تعليمية في التعلم العميق وتقنيات الذكاء الاصطناعي على منصات مثل Coursera برامج شهادات احترافية مثل "Deep Learning Specialization"

وعليكم السلام ورحمة الله وبركاته. لكل إختيار مميزاته فمثلاً ربما يكون لديك الشغف وتفضل العمل في كلا المجالين ولذلك يمكنك تعلم المجالين معاً بدون أي مشكلة كما سيكون لديك منظور أوسع في الذكاء الاصطناعي و يمكنك العمل على مشاريع تجمع بين المجالين وبالتالي ستكون أكثر مرونة في سوق العمل. بينما إذا أردت التخصص في مجال واحد ستتمكن من التعمق بشكل أكبر وبناء خبرة متخصصة وبالتأكيد ستصبح خبيراً في هذا المجال بوقت أقصر مما إذا كنت تريد تعلم المجالين معاً وستركز جهودك ومواردك بشكل أكثر فعالية ولذلك الإختيار يعتمد على اهتماماتك الشخصية فرص العمل المتاحة في منطقتك أو مجال عملك والعديد من المتغيرات الأخرى التي تعتمد عليك

وعليكم السلام ورحمة الله وبركاته. يمكنك تعلم المكتبة من خلال قراءة التوثيق الرسمي للمكتبة، فهو المصدر الأكثر موثوقية للمعلومات ولكن يعتمد ذلك على حجم المكتبة فهناك بعض المكتبات لا تحتاج للإطلاع على بعض الفيديوهات لها أو دورة تعليمية والبعض الآخر يفضل لوتقوم بالإطلاع على دورة تعليمية مثلاً مكتبة react ومن خلال الإطلاع على أمثلة بسيطة للتعرف على المفاهيم الأساسية للمكتبة وبعدها يمكنك إنشاء مشروع صغير لتطبيق ما تعلمته ولا تنسى البحث عن مصادر لتعلم هذه المكتبات من خلال موارد تعليمية مثل الدورات على YouTube مدونات ومقالات تعليمية

السلام عليكم ورحمه الله وبركاته . كما بالتعليق السابق فإن الدورات في الأكاديمية مرتبة بشكل ممنهج ومتدرج ولذلك ستجد العديد من المسارات التي تعتمد على ما تعلمته في المسارات التي تسبقها ولذلك الأفضل هو إتباع الترتيب الموجود. ولكن يمكنك على أية حال إذا كنت تريد الذهاب مباشرة للمسار تعلم الآلة Machine Learning فيفضل تعلم المسارات التالية قبل ذلك التعامل مع البيانات تحليل البيانات Data Analysis ولو أن المسار " تطبيقات عملية على النماذج النصية الكبيرة LLMs "و " تطبيقات عملية على النماذج النصية الكبيرة LLMs " تقدم لك مدخل جيد للمسارات التالية

وعليكم السلام ورحمة الله وبركاته. لتحديد نطاق معين من الأعمدة باستخدام loc ، يمكنك استخدام الصيغة التالية: dataframe.loc[:, 'x_1':'x_10'] وإذا كانت الأعمدة غير موجودة بالترتيب الصحيح أو تحتوي على فجوات، فإن loc ستأخذ فقط الأعمدة الموجودة ضمن هذا النطاق.

وعليكم السلام ورحمة الله وبركاته. في البداية يجب عليك ألا تنظر إلى المشكلات التي تواجهك كعائق يمنعك من التقدم، اعتبرها جزءًا أساسيًا من التعلم. حل المشاكل هو ما يجعلك مبرمجًا جيدًا. كل مشكلة تحلها هي خطوة للأمام، حتى لو استغرقت وقتًا. وثانياً طريقتك في تخصيص 30 دقيقة لحل المشكلة رائعة! هذا يمنعك من الوقوع في دوامة التفكير اللا نهائي. إذا لم تجد الحل خلال الوقت المحدد، ابحث عن إجابة وحل لمشكلتك ولاحظ أن البحث عن سبب المشكلة وحلها مهارة لا تقل أهمية عن محاولة حلك للمشكلة بنفسك. ومع الوقت ستجد أنك تستطيع الوصول لحل المشكلات الت وتواجهك بشكل أسرع مع البحث بشكل فعال وهذ هي المهارة الأساسية للمبرمج.

وعليكم السلام ورحمة الله وبركاته. صحيح أن Next.js يوفر خادماً مدمجاً، لكن هناك عدة أسباب تدفع المطورين لاستخدام Express.js معه فمثلاً Express يقدم نظام وسائط (middleware) قوي ومرن يسمح بمعالجة أكثر تعقيداً للطلبات. يمكن تكوين مسارات معقدة بطرق لا يدعمها Next.js بشكل مباشر. وبالطبع سهولة دمج خدمات مثل قواعد البيانات ومكتبات المصادقة والخدمات الخارجية. والعديد من الخيارات التي تتيح تحكم أفضل من خادمnextjs ولكن بالنسبة للمشاريع الصغيرة إلى المتوسطة يمكنك استخدم Next.js فقط . في النهاية، الخيار يعتمد على متطلبات مشروعك المحددة، وليس هناك حل واحد يناسب الجميع.

وعليكم السلام ورحمة الله وبركاته. الفرق الرئيسي بين sns.histplot و plt.hist ينقسم كالتالي أولاً sns.histplot (من مكتبة Seaborn) يتعامل مع القيم اللانهائية بشكل أفضل وأكثر مرونة يتجاهل القيم inf و -inf تلقائيًا عند رسم المخطط لا يسبب خطأ عند وجود هذه القيم في البيانات بينما plt.hist (من مكتبة Matplotlib) يحاول تضمين القيم اللانهائية في المخطط قد يؤدي إلى أخطاء أو مخططات غير مفيدة عند وجود قيم inf أو -inf ولذلك عند التعامل مع بيانات تحتوي على قيم لانهائية، يُفضل استخدام sns.histplot أو معالجة البيانات مسبقًا لإزالة هذه القيم قبل استخدام plt.hist.

وعليكم السلام ورحمة الله وبركاته, ويعد تنفيذ قوائم الأولوية في بايثون عملية بسيطة بفضل مكتبة heapq التي توفر أدوات فعالة وسهلة الاستخدام كم اتم التوضيح في التعليقات السابقة . و يمكن أيضاً بناء قائمة أولوية باستخدام قائمة مرتبة أو شجرة ثنائية، لكن هذا الخيار أكثر تعقيدًا وأقل كفاءة من استخدام heapq. يتميز تنفيذ هياكل البيانات في بايثون بالسهولة مقارنةً بلغات أخرى مثل C أو C++ أو Java، وذلك بسبب أن بايثون تتمتع بصياغة بسيطة وواضحة، مما يُسهل كتابة الخوارزميات وفهمها دون التورط في تعقيدات غير ضرورية. وتتولى بايثون إدارة الذاكرة تلقائيًا مما يُعفي المبرمج من التعامل مع تخصيص الذاكرة وتحريرها يدويًا، كما هو مطلوب في لغات مثل C++. وذلك بجانب توفر مكتبات جاهزة مثل heapq وcollections وqueue، تتيح تنفيذ هياكل البيانات بسرعة دون الحاجة إلى بنائها من الصفر. والعديد من المميزات الأخرى التي تتمتع بها بايثون من غالبية اللغات عالية المستوى

وعليكم السلام ورحمة لله وبركاته. هنا فرق كبير بين Face Recognition وFace Verification فيكمن في الغرض والطريقة التي يتم بها استخدام تقنيات التعرف على الوجه. فمثلاً Face Verification هي عملية تُستخدم للتحقق من هوية شخص ما بناءً على صورة وجهه وتعتمد على مقارنة صورة الوجه المُقدمة مع صورة واحدة مُخزنة مسبقًا في قاعدة بيانات. وتقوم بمقارنة صورة واحدة بصورة واحدة أخرى فقط .مثال: عندما تستخدم وجهك لفتح هاتفك، يقارن النظام الصورة التي تلتقطها الكاميرا مع الصورة المُسجلة لك مسبقًا. بينما Face Recognition هي عملية تُستخدم لتحديد هوية شخص ما من خلال صورة وجهه. تعتمد على مقارنة صورة الوجه المُقدمة مع مجموعة من الصور المُخزنة لأشخاص مختلفين في قاعدة بيانات. ولذلك تقوم بمقارنة صورة واحدة بعدد كبير من الصور. وتُستخدم في تطبيقات مثل تحديد هوية المسافرين في المطارات أو العثور على أشخاص في الصور الأمنية.

غير متاح حالياً التقسيط للإشتراك في الدورات ولكن يمكنك بالطبع الاستفسار من خلا مركز المساعدة حيث تُدار الأمور المالية من خلالهم كما تم التوضيح في التعليق السابق . ولكن يمكنك الاستفسار أيضاً إن كان هناك خصم على الدورات الموجودة من ضمن العروض التي يتم طرحها من وقت لآخر