عبد الوهاب بومعراف

الأمر يسمح لك بتنزيل مشروع Github كاملا في مجلد جديد باسم المستودع. يجب أن يكون Git مثبتا على جهازك حتى يعمل هذا الأمر , يمكنك التحقق من تثبيت Git بكتابة: git --version

ليس أربع دورات و إنما أربع مسارات، حيث كل دورة تتكون من عدة مسارات، وبالتالي للتقديم إلى الإمتحان يجب عليك إنهاء على الأقل أربع مسارات من تلك الدورة، كما أنه لكل دورة إمتحان محدد، يمكنك التقديم إلى الإمتحان عبر التواصل مع مركز المساعدة: https://support.academy.hsoub.com/conversations

ال Stacking في NumPy هو عملية دمج عدة مصفوفات في مصفوفة واحدة جديدة، سواء بشكل أفقي أو عمودي، و تعتبر هذه العملية مفيدة عند التعامل مع بيانات متعددة الأبعاد، حيث تتيح لك تكوين هياكل بيانات أكثر تعقيدا بكفاءة، و في NumPy تنفذ هذه العملية عبر دوال مثل np.vstack() للدمج العمودي، وnp.hstack() للدمج الأفقي، بالإضافة إلى np.stack() الذي يسمح بالدمج على محور معين.

نعم الأكاديمية ملتزمة بهذا الأمر، حيث سيتم مرافقتك من قبل فريق مختص لمساعدتك في إيجاد وظيفة في أقرب وقت ممكن و في حالة لم تجد خلال ستة أشهر سيتم إرجاع حقوق الدورة، يمكنك التواصل مع مركز المساعدة في حالة أي أسئلة أخرى: https://support.academy.hsoub.com/

نعم متوفر دورة تطوير التطبيقات باستخدام لغة JavaScript حيث لا تحتاج إلى خبرة سابقة في المجال و تمون البداية من الصفر، و تشمل جميع الجوانب و الأمور التي تفيدك حتى تصبح مطور لمواقع الويب، و تحتوي على مسارات خاصة بتطوير تطبيقات ويب تفاعلية باستخدام مكتبة React.js و أيضا تطوير تطبيقات جوال Android و iOS أصيلة باستخدام React Native و غيرها، يمكنك الإطلاع على محتوى الدورة من الرابط المرفق.

يمكنك ذلك من خلال الضغط على زر Ctrl + / و ذلك بعد تحديد الأسطر التي تريد وضعها على شكل كومنت بهذا الشكل: كما يمكنك إلغاء هذا الأمر بنفس الطريقة.

CPython هو التطبيق الرسمي والأكثر استخداما لمفسر لغة Python، وهو مكتوب بلغة C، حيث عند تنزيل Python من موقعها الرسمي فإنك تحصل على CPython بشكل افتراضي، و يقوم هذا المفسر بتحويل كود Python إلى bytecode ثم ينفذه مباشرة، و يعتبر CPython الأساس الذي تعتمد عليه معظم التطبيقات الأخرى، وهو المرجع القياسي لتطور اللغة.

اسم بايثون لا علاقة له بالثعبان، على الرغم من أن الكلمة نفسها قد تثير هذا الربط، لكن تم اختيار هذا الاسم للغة البرمجة استلهاما من البرنامج التلفزيوني البريطاني الكوميدي الشهير "Monty Python's Flying Circus"، الذي كان يعرض في السبعينات، مؤسس لغة بايثون كان من محبي هذا البرنامج، فاختار الاسم بناء على ذلك ليكون غير تقليدي ومرح.

إذا كنت تريد العمل في مجال علم البيانات والذكاء الاصطناعي، فإن اختيارك بينهما يعتمد على عدة عوامل مثل بيئة العمل التي تستهدفها والأدوات المتاحة، بالنسبة ل Google Cloud يعتبر خيارا قويا في مجال الذكاء الاصطناعي والتعلم الآلي بسبب أدواته المتكاملة مثل TensorFlow وVertex AI، كما أنه يدعم بشكل جيد بيئات Jupyter Notebooks المشابهة لـ Kaggle، و من ناحية أخرى Azure يقدم حلول ممتازة أيضا، خاصة إذا كنت تعمل في شركات تعتمد على منتجات Microsoft، حيث يوفر Azure Machine Learning وخدمات Cognitive Services التي تسهل بناء نماذج الذكاء الاصطناعي. بالنسبة لـ Kaggle Notebooks، فهي بيئة مجانية مخصصة لتحليل البيانات، و لكن لا يمكن إعتبارها بديل مباشر عن Google Cloud أو Azure التي توفر موارد قوية و تسهيلات في هذا المجال، و لكن يمكنك البدء بـ Kaggle لاكتساب الخبرة، ثم الانتقال إلى إحدى المنصتين السحابيتين للتوسع في المشاريع الأكثر تعقيدا.

لدينا tf.data.Dataset.list_files حيث تستخدم هذه الدالة لإنشاء كائن tf.data.Dataset يحتوي على قائمة بأسماء الملفات التي تتطابق مع النمط المحدد في pattern، و هذه الطريقة مفيدة عند العمل مع مجموعات بيانات كبيرة، حيث توفر وسيلة ديناميكية لتحميل الملفات دون الحاجة إلى تحديدها يدويا. أما tf.io.read_file فتعمل هذه الدالة على قراءة محتوى الملف المحدد كبيانات خام دون تفسيرها أو تحويلها إلى صيغة محددة، و تستخدم عادة كخطوة وسيطة عند التعامل مع الصور أو النصوص، حيث يتم تحميل البيانات من الملفات قبل معالجتها أو تحويلها إلى نوع بيانات قابل للاستخدام داخل TensorFlow. بالنسبة ل tf.image.decode_jpeg فتستخدم هذه الدالة لفك تشفير الصور المخزنة بصيغة JPEG وتحويلها إلى كائن Tensor، حيث تأخذ الدالة البيانات الخام التي تم تحميلها باستخدام tf.io.read_file، ثم تقوم بتحويلها إلى مصفوفة تمثل الصورة بالأبعاد، و يمكن تحديد عدد القنوات اللونية للصورة من خلال المعامل channels، حيث يمكن ضبطه إلى 3 للحصول على صورة ملونة أو 1 للحصول على صورة بتدرجات الرمادي، و هذه الدالة أساسية عند التعامل مع بيانات الصور في مشاريع تعلم الآلة ورؤية الحاسوب.

المشكلة التي تواجهها هي أنك تحاول تحميل بيانات باستخدام pd.read_csv ولكنك تقدم مسارا لمجلد بدلا من ملف CSV، إذا كنت تريد تحميل الصور من هذا المجلد، فاستخدم مكتبة مثل os أو glob لقراءة أسماء الملفات وتحميل الصور باستخدام مكتبة مثل PIL أو cv2 بدلا من pandas.

التلافيف هو العملية الأساسية التي يتم فيها تمرير مرشحات عبر الصورة لاستخراج الميزات المهمة مثل الحواف والأنماط، ثم يتم تطبيق التجميع Pooling لتقليل الأبعاد المكانية للصورة مع الاحتفاظ بأهم المعلومات، مما يقلل من الحسابات ويجعل النموذج أكثر كفاءة، و أكثر أنواع التجميع شيوعا هو التجميع الأعظمي، الذي يحتفظ بالقيم القصوى من كل منطقة مجمعة، وبعدها يتم تمرير الميزات المستخرجة عبر طبقة متصلة بالكاملFully Connected Layer، حيث يتم تحويلها إلى مصفوفة مسطحة تستخدم لاتخاذ القرارات النهائية، مثل تصنيف الصورة إلى الفئة الصحيحة.

الدورة تغطي كلاهما حيث سيتم إستعمال نماذج موجودة أو مدربة سابقا و أيضا يتم إن شاء نماذج من الصفر، و يمكنك العثور على هذه الدروس في مسارات، تعلم الآلة، تطوير نماذج ذكاء اصطناعي لمتجر إلكتروني و تطبيقات عملية على نقل التعلم، و لكن من الأفضل أن تقوم بمشاهدة الدروس و المسارات كلها و بالترتيب، لأنها مترابطة و مكملة لبعضها و بسبب تخطيك لأحدها يمكن أن يفوتك معلومات مهمة في هذا المجال.

الدورة تضعك على بداية الطريق، لكنها لا تعلمك تطوير الويب بالكامل، ما ستتعلمه في مسار مدخل إلى عالم الويب هو أنك ستأخذ مقدمة في بناء صفحات الويب، و أيضا ستتعلم أساسيات JavaScript، و هناك جزء عن الشبكات والخوادم، مما يعني أنك ستتعرف على كيفية تفاعل المتصفح مع السيرفرات، و أيضا ستتعرف على قواعد البيانات، مما يفيد في تطوير الويب.

يمكنك القيام بهذا الأمر بطريقة غير مباشرة عن طريق استخدام set، و الفكرة هي مقارنة طول القائمة الأصلية مع طول set الناتج عنها، لأن set يحتفظ فقط بالعناصر الفريدة. def all_unique(lst): return len(lst) == len(set(lst)) # اختبار numbers = [1, 2, 3, 4, 5] print(all_unique(numbers)) # True numbers = [1, 2, 3, 3, 5] print(all_unique(numbers)) # False إذا كانت القيم مكررة، فسيكون طول set(lst) أقل من طول القائمة الأصلية، مما يعني أن الأعداد ليست فريدة.