اذهب إلى المحتوى

Mustafa Suleiman

الأعضاء
  • المساهمات

    12759
  • تاريخ الانضمام

  • تاريخ آخر زيارة

  • عدد الأيام التي تصدر بها

    356

كل منشورات العضو Mustafa Suleiman

  1. هناك مقولة شهيرة "الصورة بألف كلمة" ومن خلال العروض التقديمية تستطيع تبسيط النتائج المعقدة وتحليل البيانات بطريقة سهلة الفهم للجميع، سواء كانوا خبراء أو غير خبراء في مجال تحليل البيانات. أيضًا نقل المعلومات والنتائج المهمة إلى أصحاب المصلحة، مثل مديري المشاريع، ورجال الأعمال، والمسؤولين الحكوميين، بطريقة واضحة ومقنعة، وتعزيز التعاون بين فرق العمل المختلفة، من خلال مشاركة النتائج والتحليلات، وتبادل الأفكار والرؤى، بالإضافة إلى تقديم الأدلة والبيانات الداعمة للنتائج. وفي حال تعمل على المشروع بمفردك، فإنشاء عرض تقديمي يُجبرك على تنظيم أفكارك حول المشروع، وتحديد النقاط الرئيسية، وترتيبها بشكل منطقي، واستخدام ذلك لتقييم عملك، وتحديد نقاط التحسين، وتعديل مسار المشروع إن لزم الأمر. بجانب استخدام العرض التقديمي لعرض مشروعك على الآخرين.
  2. بخصوص الصور لديك تكرار للإعدادات الخاصة بها حيث مرة كتبت file loader ومرة حددت لها Asset Modules وتلك هي الطريقة الصحيحة في الإصدار الحديث من webpack أي الإصدار 5 فلا داعي لاستخدام file-loader أي نكتب فقط: test: /\.(png|jpe?g|gif|svg)$/i, type: 'asset/resource', generator: { filename: 'assets/images/[name][ext]', }, }, بالنسبة لكود جافاسكريبت فهو يعمل، حيث لو وضعت التالي في ملف index.js ستجد أنه يظهر لك في الصفحة: alert('hey Omar 👋')
  3. لا تشتت نفسك، ضع خارطة طريق roadmap والتزم بها قدر الإمكان، طالما الدورة تستوعب منها فذلك هو المهم أي لا تبحث عن أفضل دورة، بشرط أن محتوى الدورة الذي تتابعه يكون حديث نسبيًا وأيضًا متعمق وليس سطحي، عليك البحث حول المحاضر الذي يقدم الدورة وما هي خلفيته وخبراته. بالطبع في المحتوى المجاني الخيارات محدودة بالنسبة لما هو جيد. في البداية عليك التركيز على الأساسيات، وهي HTML, CSS, JS وعدم التسرع في تعملها للتعلم إطار أو مكتبة، فهي الأهم وما ستبني عليه. ستجد تفصيل بخصوص طريقة المذاكرة ومشكلة النسيان: ويجب التطبيق العملي من خلال نماذج بسيطة في البداية ثم بناء مشروع كامل لتوظيف ما تعلمته به وربط المفاهيم ببعضها البعض، والأمر صعب في البداية لكن مع المحاولة يصبح أسهل حاول الصبر في تلك المرحلة، وستواجهك الكثير من المشاكل أثناء التطبيق اعمل على حلها والتعلم منها. أي لا تعتمد على ذاكرتك فهي ستخونك، يجب التطبيق العملي والمراجعة على فترات من خلال بناء مشاريع لتثبيت ما تعلمته.
  4. ستحتاج إلى دراسة المسار الأول من دورة بايثون فالمسارات الأولى من جميع الدورات متاحة لك، حيث ستجد تفصيل أكثر حول أساسيات اللغة ويوجد مشروع عملي للتطبيق. وفي نهاية كل قسم بالمسار تستطيع السؤال عن تمرين شامل، أيضًا تستطيع البحث على اليوتيوب عن مشاريع بايثون للمبتدئين وذلك بعد الإنتهاء من دراسة الأساسيات. أيضًا أرجو قراءة التالي:
  5. يوجد شرح للأساسيات وهي كافية بنسبة كبيرة، ستجد ذلك هنا:
  6. ستجد أسفل فيديو الدرس في نهاية الصفحة صندوق تعليقات كما هنا، أرجو طرح الأسئلة أسفل الدرس وليس هنا في قسم الأسئلة البرمجة حيث نطرح الأسئلة العامة الغير متعلقة بمحتوى الدورة أو الدرس، وذلك لمساعدتك بشكل أفضل.
  7. ذلك طبيعي بالنسبة للإختبار العشوائي لشخص مصاب بالسكر، لكن 800 µU/mL تعني شخص في حالة خطرة جدًا وهو مصاب بالسكر ويحدث في حالات نادرة وشديدة، أو من الممكن بسبب وجود خطأ في القياس أو تسجيل البيانات، أو يمكن أن تكون بسبب حالات طبية معينة مثل مقاومة الأنسولين الحادة أو الأورام المنتجة للأنسولين، مثل ورم خلايا بيتا في البنكرياس (الإنسولينوما). لمعالجة الأمر في البيانات قم بحساب المتوسط وإزالة القيم المنخفضة جدًا والقيم العالية جدًا.
  8. الأمر يتوقف على البيانات التي لديك، من أين حصلت عليها لتفقد الوحدة التي يتم بها قياس مستوى السكر في الدم؟
  9. لا مشكلة وذلك أفضل لك بالطبع، أسهل طريقة لفعل ذلك هي من خلال unsloth حيث يتوفر Notebook جاهز للقيام بذلك على حاسوبك أو من خلال Google colab والأفضل من خلال Google colab. الأمر سيتم كالتالي: تثبيت الحزم المطلوبة لعمل Fine Tuning تجهيز بيانات التدريب Dataset ثم عمل Inference للنموذج، أو ما يُعرف أيضًا بـ الاستدلال أو التنبؤ، هو استخدام النموذج المُدرّب بالفعل لإنتاج مخرجات (تنبؤات) لبيانات جديدة لم يرها من قبل. ثم حفظ النموذج في النهاية على Ollama أو Hugging Face أو على حاسوبك. ستحتاج إلى مشاهدة شرح عملي لذلك، ابحث عن "Fine Tune Llama 3.1 unsloth" على اليوتيوب.
  10. لا أنصحك بذلك، الأمر سيأتي بنتيجة عكسية، حيث تحتاج إلى التطبيق على أساسيات بايثون بشكل مطور نسبيًا وذلك من خلال مسار التطبيقات. بينما الإنتقال سريعًا من أجل تعلم إطار أو مكتبة لن يفيدك إلا إن كنت بحاجة إلى ذلك بشكل ضروري مثلاً، أيضًا أنصحك بعد الإنتهاء من مسار التطبيقات أن تبحث على اليوتيوب عن "مشاريع بايثون للمبتدئين" ثم اختر مشروع منهم واعمل على تنفيذه والتعلم من الشرح. بعد ذلك تستطيع الإنتقال لتعلم الإطار أو المكتبة التي تريدها في باقي الدورة، فمرحلة الأساسيات هي الأهم لذا يجب الصبر عليها لكي لا تواجه صعوبة فيما بعد.
  11. ستحتاج إلى إنهاء المسار الأول وهو الأساسيات ثم المسار الثاني وهو تطبيقات عملية على الأساسيات، بعد ذلك تستطيع تعلم المسار الذي تريده لا مشكلة، الأهم هو الإهتمام بأساسيات بايثون جيدًا وتنفيذ مشروعين على الأقل.
  12. بدون استخدام أي LLMS ذلك سيكلفك الكثير من الوقت والمجهود، أيضًا ذلك سيحجم من قدارات الـ chatbot فبدون NLP سيصبح ذكاءه محدود لأنك ستعتمد على Decision Trees أو Keyword Matching. ستحتاج إلى تنفيذ ما يسمى transfer learning بنقل المعرفة إلى نموذج مدرب مسبقًا، وعمل fine-tune للطبقة الأخيرة أو يمكنك تدريبه على البيانات لكن بوتيرة أعلى high learning rate. والمسار الأخير في الدورة سيتم به شرح ذلك "تطبيقات عملية على نقل التعلم Transfer Learning"، لذا أرجو الإنتظار لحين الإنتهاء من الدورة لتنفيذ ما تريده. وللعلم يوجد أداة تمكنك من تنفيذ ما تريد وستحصل على API لاستخدامه بموقعك لكنها مدفوعة ولديك 14 يوم تجريبي: https://chatwith.tools/
  13. بالطبع تستهلك الـ Recursion كمية أكبر من الذاكرة مقارنة بالـ Loop، لأن كل استدعاء متكرر للدالة يُنشئ إطارًا جديدًا على المكدس stack. وذلك يؤدي ذلك إلى مشكلة Stack Overflow في حال كان عدد الاستدعاءات كبيرًا جدًا. والمكدس هو منطقة من الذاكرة تُستخدم لتخزين البيانات بطريقة LIFO (Last In First Out)، وتُدار تلك المنطقة من الذاكرة بواسطة وحدة المعالجة المركزية CPU بشكل تلقائي. والـ Recursion أبطأ من الـ Loop في بعض الحالات، خاصةً مع عدد الاستدعاءات الكبيرًا لأن تكلفة إنشاء إطارات المكدس وإدارتها تكون عالية. بالتالي الـ Recursion نستخدمه في حل المشكلات التي يمكن تقسيمها إلى مشكلات أصغر من نفس النوع مثل الـ Tree Traversal والـ Merge Sort. بينما الـ Loop حل المشكلات التي تتطلب تكرار مجموعة من التعليمات لعدد محدد من المرات أو حتى يتم استيفاء شرط معين مثل التكرار على قائمة والتحقق من شرط معين.
  14. كمصمم جرافيك عليك تحديد تخصصك أولاً فلا يوجد مصمم لكل شيء، مثلاً مصمم شعارات وهويات أو مصمم منتجات أو UI/UX وهكذا. ثم قم بتفقد مواقع العمل الحر والمشاريع الخاصة بالتصميم ثم اختر مشروع مناسب لك واعمل على تنفيذه كأنك تعمل عليه بالفعل ثم ضعه بمعرض أعمالك، وهكذا لحين بناء معرض أعمال جيد وذلك سيحقق لك فائدة لأنك تقوم ببناء مشاريع مطلوبة بالفعل وسيصبح لديك أمثلة عليها.
  15. بالطبع، المكتبة عبارة عن مجموعة من الوحدات Modules بينما الوحدة Module هي ملف واحد به كود لإعادة استخدامه في مكان آخر.
  16. هي من ضمن الوحدات المضمنة في بايثون أي موجودة في اللغة، وتوفر مجموعة من الوظائف التي تعمل على إنشاء وتعديل المتكررات iterators. وكما تعلم المتكررات هي كائنات في بايثون تستطيع استخدامها لتكرار خلال مجموعة من القيم. فلديك الميثودز التالية: count(): إنشاء متكرر يولد أرقامًا متتالية. cycle(): إنشاء متكرر يكرر مجموعة من القيم بشكل متكرر. islice(): إنشاء متكرر يقطع جزءًا من متكرر آخر. chain(): إنشاء متكرر يربط متكررات متعددة معًا. combinations(): إنشاء متكرر يولد جميع مجموعات العناصر من متكرر آخر. للتوضيح: import itertools colors = ["أحمر", "أخضر", "أزرق"] cycle_colors = itertools.cycle(colors) for i in range(7): print(next(cycle_colors)) ستحصل على: أحمر أخضر أزرق أحمر أخضر أزرق أحمر وكمثال آخر: import itertools numbers = itertools.count(start=1, step=1) for i in range(5): print(next(numbers)) ستحصل على: 1 2 3 4 5
  17. نعتذر لك إبراهيم على إنزعاجك، وشكرًا حقًا على إهتمامك بما تقدمه أكاديمية حسوب، ونعي تماماً أهمية تقديم محتوى تفاعلي وجذاب في عصرنا الحالي، ونعمل جاهدين على تحسين محتوى الأكاديمية ليتناسب مع احتياجات الطلاب. تقييمك سيتم مراجعته من قبل الإدارة وتفقد النقاط التي ذكرتها، ونأمل أن ترى تحسينات ملحوظة في المستقبل. ونود أن نعرف المزيد عن تجربتك مع دورة علوم الحاسوب، هل هناك أي مواضيع محددة وجدت فيها صعوبة في الفهم؟ وما هو نوع التفاعل أو التحسين الذي تود أن تراه؟
  18. ستحتاج إلى تعلم الأساسيات الخاصة بالخوارزميات وهياكل البيانات، ولا حاجة للتعمق بها، بالطبع لو كان لديك الوقت تستطيع التعمق فذلك يجعلك مبرمج أفضل بسبب فهمك لما يحدث. فلديك مثلاً Sorting Algorithms، بالإضافة إلى Graph Algorithms وTree-based Algorithms وMatrix Factorization Algorithms. وأيضًا هياكل بيانات مثل الـ Arrays وLinked Lists وHash Tables بعد تخصيص وقت مناسب لتعلم الأساسيات، انتقل مباشرًة لتعلم المهارات اللازمة لمجال تحليل البيانات.
  19. التطبيق العملي يبدأ من خلال المشاريع العملية التي في الدورة، حيث كبداية يوجد مشروع لإنشاء موقع شخصي للتطبيق على HTML و CSS. بعد ذلك نبدأ في المشاريع الأخرى وتزداد صعوبتها تدريجيًا. لكن أنصحك بتنفيذ مشروع إنشاء موقع شخصي، ثم التوقف والبحث على اليوتيوب عن مشاريع HTML, CSS للمبتدئين، ثم تنفيذ أكثر من مشروع ثم استكمال الدورة، ستجد تفصيل هنا:
  20. أرجو توضيح الكود الذي به مشكلة إذن
  21. ستحتاجين إلى الإنتظار لبعض الوقت لمدة 10 أيام مثلاً فلا مشكلة في تأخير البريد طالما تم الموافقة على الحساب، بعد تلك الفترة تستطيعي مراسلة الدعم مرة أخرى. لكن للتوضيح بايونير هو بنك إسرائيلي، من الأفضل لو قمتي بفتح حساب في Elevate فهو يقدم نفس الخدمات ورسوم أقل. أيضًا لديكي منصة due ابحثي عن opendue
  22. هل لديك أساسيات تلك اللغات التي تحاول استخدامها؟ ستحتاج إلى تعلم الأساسيات أولاً وفور تعلمها ستتمكن من تنفيذ ما تريد فالأمر سهل بعد ذلك. فمن خلال HTML و CSS ستقوم بإنشاء هيكل الصفحة وتنسيقها وعلى وجه التحديد ستحتاج إلى إنشاء نموذج form وإضافة الحقول التي تريدها به، ثم من خلال جافاسكريبت ستضيف المنطق البرمجي والتفاعلية مثل استقبال الإدخال من المستخدم والتحقق منه والقيام بأمر معين حسب الإدخال. وللعلم يوجد تصميم جاهز لصفحات تسجيل الدخول وستجدها على مواقع مثل codepen ما يتبقى لك هو كود جافاسكريبت، حيث ستحتاج إلى استخدم addEventListener لربط حدث النقر على زر دخول بدالة JavaScript. في الدالة، تحقق من كلمة المرور المدخلة، وفي حال كانت كلمة المرور صحيحة، قم بتوجيه المستخدم إلى صفحة الصورة المبتسمة باستخدام window.location.href.
  23. بسبب أن العمود لديك بها قيم 0 و 1وذلك يجعله غير رقمي بالنسبة لميثود describe. لعرض ذلك ستحتاج ميثود مثل value_counts فهي تعمل على البيانات الفئوية Categorical أو الثنائية Binary، وتُظهر عدد مرات ظهور كل قيمة في العمود. import pandas as pd import matplotlib.pyplot as plt statistical = pd.read_csv("diabetes_clean.csv") numeric_stats = statistical.describe() outcome_freq = statistical['Outcome'].value_counts() fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 6)) numeric_stats.loc[["mean", "std", "min", "25%", "50%", "75%", "max"]].transpose().plot(kind='bar', ax=ax1) ax1.set_title("Statistical Summary of Numeric Features") ax1.set_xlabel("Features") ax1.set_ylabel("Value") outcome_freq.plot(kind='bar', ax=ax2) ax2.set_title("Frequency Distribution of Outcome") ax2.set_xlabel("Outcome") ax2.set_ylabel("Frequency") plt.tight_layout() plt.show()
  24. على العكس، من المهم أن يكون عمود Outcome موجودًا في الرسم البياني لعرض الإحصاءات بشكل مرئي، مثلاً لو تريد عرض إحصاءات عن تأثير نوع العلاج على شفاء المرضى. فبدون عمود Outcome فسيكون من الصعب فهم العلاقة بين نوع العلاج ونتائج الشفاء، لكن عند تضمينه سيوضح الرسم البياني بوضوح تأثير كل نوع علاج على نسبة الشفاء.
×
×
  • أضف...