محمد عاطف17

يرجى رفع الملف الذي تعمل عليه مع اظهار صورة لل console لديك وايضا صورة للكود الذي تقوم بتشغيله. ومستقبلا يرجى وضع سؤالك اسفل الدرس الذي توجد به مشكلتك .

هل يمكنك إرسال صورة للكود لديك ؟ يرجى نسخ الكود الذي تم إرفاقه لك في التعليقات السابقة وإرسال صورة له ومع صورة للمشكلة التي تظهر لك في ال console في المتصفح.

المشكلة لديك في جزء default حيث نسيت وضع علامة : بعد الكلمة والصحيح هو التالي : let day = +prompt('Enter day:'); switch (day) { case 0: console.log('Sunday'); break; case 1: console.log('Monday'); break; case 2: console.log('Tuesday'); break; case 3: console.log('Wednesday'); break; case 4: console.log('Thursday'); break; case 5: console.log('Friday'); break; case 6: console.log('Saturday'); break; default: console.log('Invalid Input'); break; }

وعليكم السلام ورحمة الله وبركاته. نعم يمكنك استخدام confusion_matrix و ConfusionMatrixDisplay لتقييم أداء نموذج تصنيف الصور حتى لو كان التصنيف متعدد الفئات (Multi-class Classification) وليس ثنائي فقط. حيث أن Confusion Matrix تعمل مع أي نوع من التصنيف سواء كان ثنائي أو متعدد الفئات فهي تظهر عدد التنبؤات الصحيحة والخاطئة لكل فئة مقارنة بالفئات الأخرى. و ConfusionMatrixDisplay يدعم عرض مصفوفة الارتباك لأي عدد من الفئات و سواء كان التصنيف ثنائي أو متعدد فإنه عند استخدامه مع تصنيف متعدد الفئات سيعرض المصفوفة بحيث تظهر العلاقة بين كل فئة والأخرى.و ستساعدك في تصور المصفوفة بطريقة واضحة.

وعليكم السلام ورحمة الله وبركاته. يمكنك إستخدام الكود التالي كما جاء الرابط على موقع kaggle : https://www.kaggle.com/code/fareselmenshawii/cats-vs-dogs-classification?scriptVersionId=122519208&cellId=6#create-directories-for-training-and-validation CAT_DIR = '/kaggle/input/microsoft-catsvsdogs-dataset/PetImages/Cat' DOG_DIR = '/kaggle/input/microsoft-catsvsdogs-dataset/PetImages/Dog' TRAINING_DIR = "/tmp/cats-v-dogs/training/" VALIDATION_DIR = "/tmp/cats-v-dogs/validation/" TRAINING_CATS = os.path.join(TRAINING_DIR, "cats/") VALIDATION_CATS = os.path.join(VALIDATION_DIR, "cats/") TRAINING_DOGS = os.path.join(TRAINING_DIR, "dogs/") VALIDATION_DOGS = os.path.join(VALIDATION_DIR, "dogs/") لاحظ كيف أن صور القطط والكلاب كل منهم في مجلد منفصل . يمكنك إستخدام هذا المجلد كتسيمة label للبيانات لديك.

وعليكم السلام ورحمة الله وبركاته. نعم بالطبع يمكنك استخدام sklearn.model_selection.train_test_split لتقسيم البيانات من نوع صور إلى بيانات تدريب وبيانات اختبار ولكن يجب أن تكون لديك البيانات بشكل مناسب أولا. فعندما تتعامل مع صور يجب أن تقوم بقرائتها أولا وتحويلها إلى تمثيلات قابلة للاستخدام في النماذج مثل مصفوفات الأرقام وتحويلها إلى مصفوفات numpy أو أي بنية أخرى تدعم التقسيم مثل lists . والصور غالبا ما تكون 4D array إذا كانت ملونة (num_samples, height, width, channels). وإليك المثال التالي : import numpy as np from sklearn.model_selection import train_test_split from PIL import Image import os # الصور في مجلد "images" image_folder = 'path/to/images' # تحميل الصور وتحويلها إلى مصفوفات images = [] for filename in os.listdir(image_folder): if filename.endswith(".jpg") or filename.endswith(".png"): img_path = os.path.join(image_folder, filename) img = Image.open(img_path) img = img.resize((128, 128)) # تغيير حجم الصورة لتوحيد الأبعاد img_array = np.array(img) images.append(img_array) # تحويل الصور إلى مصفوفة numpy images = np.array(images) # تقسيم البيانات إلى تدريب واختبار X_train, X_test, y_train, y_test = train_test_split(images, test_size=0.2, random_state=42)

وعليكم السلام ورحمة الله وبركاته. في TensorFlow يمكنك تحميل مجموعة بيانات CIFAR-10 باستخدام وحدة tensorflow.keras.datasets. و الدالة المستخدمة هي cifar10.load_data() وهي تعيد صور CIFAR-10 مقسمة مباشرة لك إلى مجموعات التدريب والاختبار. فتفاصيل البيانات كالتالي : x_train, x_test: يحتويات على مصفوفة NumPy تحتوي على صور RGB بحجم 32x32 بكسل (قيم البكسلات بين 0 و255). y_train, y_test: يحتويان على مصفوفة NumPy تحتوي على التصنيفات (أرقام من 0 إلى 9 تمثل 10 فئات).

سيكون الإختبار في المسارات التي أتممتها فقط وأقل عدد مسارات هو أربع مسارات لتستطيع التقدم للإختبار. وهذه هي الشروط التقدم للإختبار : إتمام أربعة مسارات تعليمية على الأقل التطبيق العملي مع المدرب، والاحتفاظ بالمشاريع العملية الناتجة لإرسالها للمراجعة رفع المشاريع على حسابك على GitHub أولًا بأول لمشاركتها معنا ويمكنك قراءة تفاصيل أكثر حول الإختبار من خلال التالي : https://support.academy.hsoub.com/exams ولا الشهادة تخبر أنك قد أتممت الدورة ولا يتم تحديد المسارات التي أتممها منها .

اى مشاريع تقصد ؟ هل تقصد مشروع التخرج أم ماذا ؟ إذا كنت تقصد المشاريع التي ستقوم بتسليمها للتقدم للإختبار . فإن المشاريع تلك هي المشاريع التي يتم إنشاءها وشرحها في الدورة . أى أنك ينبغي عليك التطبيق مع المدرب في جميع الدروس و إنشاء مجلد لكل مسار و رفعه بعد ذلك لتسليمه قبل التقد للإختبار. والمشاريع العملية كثيرة في الدورة فأى مسار قمت بإنهاءه يجب إنشاء المشروع مع المدرب ورفع هذا المشروع.

وعليكم السلام ورحمة الله وبركاته. إن مدير المنتجات ليس مسوقا بحد ذاته . أى أنه ليس هو المسؤول عن الحملات الإعلانية أو إستراتيجيات التسويق وغيرها من الأمور الأخري الأساسية بفريق التسويق . ولكنه بالفعل له علاقة كبيرة بالتسويق، لكن دوره مختلف و أوسع : حيث إن مدير المنتج يعمل مع فريق التسويق لتحديد كيفية تقديم المنتج للمستخدمين وضمان تميزه في السوق وهذا يظهر في وضع جدول للمنافسين لك و أيضا دراسة السوق وغيرها و البحث عن المميزات التي يستدهفها المستخدمين لوضعها في المنتج وتكون بمثابة مميزات يتم وضعها في التسويق والحملات من قبل فريق التسويق. مدير المنتج وفريق التسويق الرقمي (digital) يحللون احتياجات العملاء وسلوكهم لتحسين عرض المنتج. أيضا يستخدم مدير المنتج بيانات التسويق التي يوفرها لو فريق التسويق لاتخاذ قرارات تطوير المنتج. إذا فإن مدير المنتج يركز بشكل أساسي على بناء وتطوير المنتج نفسه من ميزات ووظائف و تجربة مستخدم لتحقيق أهداف العمل وفريق التسويق يركز على جذب العملاء وترويج المنتج . وأيضا مدير المنتج يحدد رؤية المنتج ويتعاون مع المطورين والمصممين لتنفيذها . لنأخذ أمثله : مثلا إذا لاحظ فريق التسويق أن العملاء يتركون المنتج بسبب صعوبة استخدامه أو بسبب مشكلة ما أو بسبب ميزة لدى منافس ما فهنا يعمل مدير المنتج على تحسين المنتج مثل واجهة المستخدم أو إضافة مميزات وغيرها. و عند إطلاق ميزة جديدة يقوم بالتنسيق مع فريق التسويق لضمان توصيل وتوضيح الميزة الجديدة للمستخدمين.

وعليكم السلام ورحمة الله وبركاته. نعم لا مشكلة فإن دورة تطوير المنتجات هي لمديري المشروعات وهي مناسبة لك كمبرمج أو مٌصمم سواء كنت تريد العمل على مشروع أو تريد الإلمام بالجانب الإداري للمشروعات لتحسين مهاراتك والحصول على وظيفة في ذلك المجال. وهي موجهة للفئة التالية: لمن ليس لديه خبرة في مجال البرمجة أو التصميم ويريد تنفيذ مشروعه الناشئ لمن يريد تعلم إدارة تطوير المنتجات لتحسين فرصه التوظيفية لمن يعمل في إدارة المنتجات ويرغب بتوسعة معلوماته حول عملية التطوير وإدارتها و في حال تم توظيفك من قبل شركة فهناك الكثير من المهام التي يتوجب عليك إنجازها وهذه بعض منها: مسؤول عن تحديد الفرص الجديدة لتطوير منتج جديد قابل للتسويق من المفهوم إلى التوزيع. تحسين منتج موجود لتلبية احتياجات العملاء بشكل أفضل وتنشيط السوق الحالية. متابعة المنتجات بعد اطلاقها وتقييمها. العمل على رفع التقارير الدورية للمدير العام. وغيرها من المهام الإدارية الأخرى الخاصة بإدارة المشاريع . وإذا أردت تفاصيل أكثر بخصوص العمل فستحتاج إلى التحدث لمركز المساعدة بخصوص ذلك الأمر. ويمكنك قراءة الإجابات التالية لمزيد من التفاصيل حول دورة تطوير المنتجات : وأخيرا إذا أردت أن تجد وظيفة في شركة أو حتى العمل كمستقل كمدير مشروعات فهذه الدورة مناسبة لك .

وعليكم السلام ورحمة الله وبركاته. أولا لنعرف الفرق بين الذكاء الاصطناعي الضيق (Narrow AI) والذكاء الاصطناعي العام (AGI). إن الذكاء الاصطناعي الضيق (Narrow AI) وهو ما نراه اليوم في تطبيقات مثل Computer Vision و معالجة اللغة الطبيعية (NLP)، وغيرها.و هذه الأنظمة متخصصة في مهام محددة ولا تمتلك وعيا أو قدرة عامة على التفكير. أما الذكاء الاصطناعي العام (AGI) فهو يشير إلى أنظمة ذكاء اصطناعي قادرة على فهم و تعلم وحتى تطبيق تلك المعرفة في مجموعة واسعة من المهام بشكل مشابه للبشر و لا يوجد حتى الآن AGI عملي والأبحاث فيه ما زالت نظرية. وبالنسبة إلى سؤالك فلا لأن Computer Vision يعتمد حاليا بشكل كبير على تعلم الآلة والتعلم العميق وليس على نظريات AGI. وبالنسبة لك فإن التركيز على التقنيات الحالية ل Computer Vision مثل CNNs، Transformers، GANs، Object Detection، Segmentation سيكون أفضل لك.

الاستهلاك المرتفع للذاكرة في الحل ليس بسبب الخوارزمية الخاص بك نفسها ولكن هذا غالبا بسبب طريقة قياس الذاكرة في LeetCode. حيث الحل الذي قدمته أنت بالفعل هو حل رياضي مباشر لا يتطلب تخزين أي هياكل بيانات إضافية القوائم أو القواميس أو غريها و لذلك فهو في الواقع موفر في الذاكرة بالفعل . وأيضا غالبا يقوم LeetCode عند قياس الذاكرة بالإعتماد على البيئة الكاملة لتشغيل الكود وليس فقط على الذاكرة التي يستخدمها الحل الخاص بك. أى أنه يحتسب الذاكرة المستخدمة بواسطة تنفيذ الكود مثل تحميل المكتبات في بايثون و أيضا المدخلات الكبيرة التي يتم تمريرها للحل الخاص بك . وأيضا الذاكرة المؤقتة التي تستخدم أثناء الترجمة والتشغيل. ولهذا لا داعي للقلق بشأن الذاكرة في هذا الحل لأنه بالفعل أمثل من حيث التعقيد المكاني space complexity O(1).

وعليكم السلام ورحمة الله وبركاته. في بايثون إن yield و return هما كلمتان رئيسيتان يتم إستخدامهم في الدوال ولكل واحدة منهما لها سلوك مختلف عن الآخر . حيث عندما تستخدم yield في دالة فإنها تحول الدالة إلى مولد (Generator) و المولد هو نوع خاص من الدوال التي تعيد قيمة واحدة في كل مرة عند استدعاء next() عليها. وعند الوصول إلى yield فإنه يتم إرجاع القيمة الموجودة بعده ولكن دون إنهاء الدالة.و يتم حفظ حالة التنفيذ عند نقطة yield ويمكن استئنافها في المرة التالية التي يتم إستدعاء المولد. ويمكنك متابعة الدرس التالي على موسوعة حسوب : https://wiki.hsoub.com/Python/generators

هل أنت مشترك في دورة "تطوير التطبيقات باستخدام JavaScript" ؟ أم مشترك في دورة أخرى ؟ إذا لم تكن مشترك في الدورة فسيتوجب عليك الإشتراك في تلك الدورة و إذا لم يكن لديك خبرة مسبقة في البرمجة أو في مجال التكنولوجيا عموما فالأفضل لك هو البدأ بدورة "علوم الحاسوب" . أما إذا كنت مشترك في الدورة بالفعل فسيتوجب عليك دراسة المسارات التالية أولا لتعلم next.js : أساسيات لغة JavaScript أساسيات React.js أساسيات TypeScript وأخيرا يمكنك دراسة مسار "إنشاء تطبيق أسئلة وأجوبة باستخدام Next.js" الذي يتم شرح فيه إطار Next و إنشاء مشروع عملي به.