Mustafa Suleiman

يمكنك إبقاء الكود أو حذفه لا فرق، فتلك تمارين للتطبيق على ما جاء بالدروس ولم يتم شرحها بالدورة، ومن الأفضل لو أبقيت تلك التمارين في مجلد مثلاً والعودة إليها عند الحاجة، مثل تطبيق المفاهيم الجديدة أو أمر جديد تعلمته تود إضافته أو تعديلها وهكذا. المطلوب منك للإختبار هو المشاريع العملية الكاملة، ستجد تفصيل هنا:

المطلوب منك هو المشاريع العملية الكاملة، أي المشاريع الكبيرة. لكن من الأفضل لو قمت بما يلي، إنشاء مجلد للدورة وتقسيمه إلى مجلدات لكل مسار مجلد، بعد ذلك نضع التطبيقات العملية البسيطة في تلك المجلدات بشكل منظم ثم نقوم برفع المجلد بالكامل إلى مستودع على GitHub. أما بخصوص المشاريع العملية الكاملة أي تطبيق ويب كامل مثلاً فنقوم بإنشاء مجلد منفصل له ثم رفع الكود المصدري الخاص به بعد الإنتهاء على منصة GitHub في مستودع منفصل أي مستودع لكل مشروع. ثم بعد الإنتهاء من الدورة تقوم بمراسلة مركز المساعدة وتوفير روابط المشاريع على GitHub أي التطبيقات العملية ليتم مراجعتها، ثم تحديد موعد للإختبار.

طبيعة العمل هي مطور ذكاء اصطناعي AI Developer ويعرف أيضًا باسم AI Engineer، أيضًا يمكن العمل بوظيفة محلل بيانات Data Analyst لكن ستحتاج إلى تعلم أمور أخرى بجانب الدورة. بخصوص العائد المادي، فالأمر يختلف من سوق عمل لآخر، ففي البداية مع خبرة سنة يتراوح الراتب ما بين 1000 دولار إلى 3000 حسب سوق العمل. تفقد Glassdoor من أجل الرواتب والشركات.

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.

حسب ما فهمته، فالأمر كالتالي: قيمة الإيجار المتبقي: 35,000 ريال / 12 شهر * 5 أشهر = 14,583.33 ريال صافي ربح بيع المحل: 45,000 ريال - 14,583.33 ريال = 30,416.67 ريال رأس مالك في الشراكة: 15,000 ريال (المتبقي من سعر البيع) ونسبة رأس مالك من إجمالي رأس مال المشروع: (15,000 / 80,000) في 100% = 18.75% تقريبًا. بالتالي حساب الشريك لنسبة 2.5% غير صحيح.

الأمور المالية والأمور المتعلقة بالدورات يتم مناقشتها وحلها من خلال مركز المساعدة وليس هنا، لذا سنقوم بالإنتظار قليلاً لحين تفقد المشكلة طالما أنك أرسلت إثبات للدفع.

الأمر طبيعي لا داعي للقلق في حال كانت المرة الأولى لك، ستجد تفصيل هنا: عليك تنفيذ ما تم ذكره ثم التواصل معهم، وهو إجراء طبيعي يتم.

السؤال غير واضح، على أي أساس تم احتساب نسبة 2.5%؟ وطالما هناك 3 شركاء فيجب توزيع الـ 15 ألف بينهم بنسبة الثلث. أرجو توضيح السؤال أكثر وطالما أنك تقوم بتأجير المحل الذي تمتلكه، فما علاقتك بتشغيل المشروع؟

أرجو الإنتظار لبعض الوقت وسيتم الرد عليك، لا تقلق بخصوص ذلك.

أرجو إذن التحدث لمركز المساعدة وسيتم حل الأمر لك.

عذرًا على ذلك، أرجو تفقد تبويب دوراتي لديك حيث من المفترض أن تجد به الدورات الخاصة بك كالتالي: ستجد تفصيل هنا: كيف أصل للدورات التي اشتركت بها إن استمرت المشكلة لمدة أكثر من نصف ساعة، أرجو التحدث لمركز المساعدة وإخبارهم بالأمر ثم الإنتظار وسيتم مساعدتك لا تقلق.

تفقد مكتبة python-bidi لكن النسخة المبنية بواسطة Rust أي استوردها كالتالي: from bidi import get_display https://python-bidi.readthedocs.io/en/latest/ وعامًة من المفترض أن تعمل أي مكتبة منهم، فهي لا تعتمد على معمارية معينة، لذا عليك تفقد رسائل الخطأ واستخدم try except وأيضًا هل تستخدم خط معين؟ فربما هو ما يسبب المشكلة. إن لم يعمل ما سبق قم بتجربة مكتبة arabic_reshaper.

عليك تحديد ما المطلوب في سوق العمل الذي تستهدفه، ثم تعلم المطلوب وليس العكس، أي عليك إجراء بحث عن الوظائف الخاصة بالـ Back-End ثم تفقد اللغات والتقنيات المطلوب ثم تعلم ذلك. وستجد تفصيل هنا:

تستطيع طرح الحل الخاص بك في التعليقات أسفل الدرس الذي تم به توفير التمارين، وسيتم مراجعتها بناءًا على التمارين وتقييمها لك وإرشادك إن كان هناك أخطاء أو طريقة أفضل للحل.

ذلك كلاس في وحدة impute في مكتبة scikit-learn تُطبق خوارزمية الإكمال بمساعدة خورازمية أقرب جيران KNN. والإكمال imputation هو عملية استبدال القيم المفقودة في مجموعة البيانات بقيم معقولة، فذلك ضروري لأن العديد من خوارزميات التعلم الآلي لا يمكنها التعامل مع القيم المفقودة، ويساعد الأمر في ضمان اكتمال مجموعة البيانات واتساقها. في حين إكمال KNN هو نوع من الإكمال يستخدم خوارزمية أقرب جيران KNN لملء القيم المفقودة، أي الفكرة هي العثور على أقرب K مثيل (أقرب جيران) للمثيل الذي يحتوي على قيم مفقودة، ثم استخدام قيمها لإكمال القيم المفقودة. وآلية عمل KNNImputer بشكل مختصر كالتالي: يحدد المُكمّل المثيلات التي تحتوي على قيم مفقودة في مجموعة البيانات. لكل مثيل يحتوي على قيم مفقودة، يعثر المُكمّل على أقرب K مثيل (أقرب جيران) حسب مقياس المسافة (مثلاً مسافة إقليدية). يستخدم المُكمّل قيم أقرب K جيران لإكمال القيم المفقودة. يمكن القيام بذلك باستخدام استراتيجيات مختلفة: مثل: إكمال المتوسط Mean imputation: يستبدل القيمة المفقودة بمتوسط القيم المقابلة من أقرب K جيران. إكمال الوسيط Median imputation: تبديل القيمة المفقودة بوسيط القيم المقابلة من أقرب K جيران. إكمال المتوسط المرجح Weighted average imputation: يستبدل القيمة المفقودة بمتوسط مرجح للقيم المقابلة من أقرب K جيران، حيث تعتمد الأوزان على المسافة بين المثيلات. ويحتوي كلاس KNNImputer على العديد من المعلمات التي يمكن ضبطها: n_neighbors: عدد أقرب جيران للنظر فيها (القيمة الافتراضية هي 2). weights: مخطط الترجيح المستخدم للإكمال (القيمة الافتراضية هي uniform، مما يعني أن جميع الجيران لها وزن متساوٍا). metric: مقياس المسافة المستخدم للعثور على أقرب جيران (القيمة الافتراضية هي euclidean). missing_values: القيمة التي تمثل القيم المفقودة (القيمة الافتراضية هي np.nan).

غالبًا ما تتعامل نماذج تعلم الآلة مع مجموعات بيانات ضخمة ومعقدة، يصعب فهمها وتفسيرها، بالتالي تساعد تصويرات البيانات على تبسيط ونقل الرؤى المستخلصة من مجموعات البيانات تلك، لتسهيل تحديد الأنماط والاتجاهات والعلاقات. وتساعد تصويرات البيانات في تحديد الميزات والمتغيرات المهمة للنمذجة، أيضًا شرح كيفية قيام نماذج تعلم الآلة بالتنبؤ، وهو أمر ضروري لبناء الثقة في النماذج وتحديد التحيزات، من خلال تصور عملية صنع القرار، وتُسهّل المرئيات عملية ضبط معاملات Hyperparameter Tuning نماذج تعلم الآلة، الأمر الذي يسمح لك باختيار الميزات الأكثر إفادة وتحسين أداء النموذج. بجانب المساهمة في اختيار النموذج من خلال مقارنة أداء النماذج المختلفة وتحديد النموذج الأنسب لمشكلة معينة، وفي تحديد القيم المتطرفة والحالات الشاذة في البيانات، وهو أمر ضروري لاكتشاف الأخطاء أو الاحتيال أو السلوك غير المعتاد. وتسهل التحسين التكراري لنماذج تعلم الآلة من خلال توفير حلقة ردود فعل بين استكشاف البيانات وتطوير النموذج وتقييم النموذج.

ليس عليك دراسة كامل الدورة، المطلوب هو 4 مسارات على الأقل لدخول الإختبار والحصول على الشهادة، مع رفع المشاريع العملية لتلك المسارات على GitHub. بخصوص الوقت اللازم للدراسة فالأمر مختلف من شخص لآخر، ستجد تفصيل لتقدير ذلك بنفسك هنا:

ستحتاج إلى مساحة تخزين أكبر من التي لديك أقل مساحة حاليًا يمكن أن تقبل بها هي 1TB وأقل من ذلك لا يصح، فالبرامج والملفات أصبحت كبيرة الحجم. أيضًا لو استطعت فحاول الحصول على 8 جيجابايت من الرامات كحد أدنى، وستضطر إلى استخدام برنامج واحد مع عدد قليل من النوافذ المفتوحة في المتصفح بسبب استهلاك الرامات. حيث أنّ 16 جيجابايت هي المساحة المناسبة في 2024. بخصوص المعالج فلا مشكلة به سيكفي استخدامك، وعلى ما أظن أنك تريد شراء لابتوب استيراد أو مستعمل، فلا أنصحك به، قم بشراء جهاز كمبيوتر مستعمل حديث (ليس استيراد ابتعد عنه تمامًا فتلك أجهزة قديمة جدًا) وستجده بسعر مخفض وبمواصفات أعلى.

ما تتساءل عنه يخص الـ HTML، وكما تعلم نستطيع وضع سمات داخل عناصر HTML لتفعيل وظيفة معينة، أي لكل سمة وظيفة تؤديها. وهناك سمات Attributes مشتركة أي عامة Global بين جميع عناصر HTML ومنها سمة class التي نقوم من خلالها بكتابة اسم يحدد العنصر وبواسطته نستطيع استهدافه من خلال CSS و جافاسكريبت: <p class="ThisIsAClassName">HI</p> ستجد تفصيل لها هنا: الخاصيات العامة أيضًا يوجد سمات خاصة بعناصر معينة مثل الحقول input وهنا يجب تفقد العنصر والسمات الخاصة به.

ما الحاجة إلى ذلك وبإمكانك تنفيذ ذلك داخل ملفات PHP، فهي بالأساس محرك قولبة templating engine للغة HTML، بالتالي عند تشغيل ملف index.php مثلاً وبه كود HTML سيتم عرضه في المتصفح، إذن بيئة XAMPP أو لاراجون كافية والأفضل لاراجون. ستحتاج خادم منفصل في حال الواجهة الأمامية كانت React مثلاً.

عليك إذن استرجاع كلمة المرور وإعادة تعيينها بالضغط على forgot password أو "هل نسيت كلمة المرور" ثم إدخال الإيميل الذي تم تسجيل الحساب به وسيتم إرسال رسالة بها رابط لإعادة تعيين كلمة المرور لحسابك. غالبًا أنت تقوم بإدخال بيانات تسجيل دخول غير صحيحة، وهو البريد الإلكتروني الخاص بك أو اسم المستخدم وبسبب ذلك لا يتم إرسال رسالة للبريد الإلكتروني الخاص بك.

من الإعدادات اضغطي على Andriod SDK وستجدي المسار بجانبه Edit اضغطي عليه وتغييره إلى المكان الذي تريدينه.

هل قمت بإعادة تثبيت vscode وتفقد الأمر فربما هناك مشكلة في الإعدادات.

قاعدة البيانات تستطيع الاستفادة منها في إنشاء نماذج للتنبؤ بوجود أمراض القلب بناءًا على الخصائص الطبية للمريض، وتحتوي على التالي: age: عمر المريض بالسنوات. sex: جنس المريض (0 = أنثى، 1 = ذكر). chest pain type: نوع ألم الصدر الذي يعاني منه المريض (1-4، حيث تمثل كل قيمة نوعًا مختلفًا من الألم). resting bp s: قياس ضغط الدم الانقباضي للمريض أثناء الراحة. cholesterol: مستوى الكوليسترول في دم المريض. fasting blood sugar: مستوى السكر في دم المريض بعد صيام 8 ساعات. resting ecg: نتائج تخطيط كهربية القلب للمريض أثناء الراحة (0 = طبيعي، 1 = غير طبيعي). max heart rate: أقصى معدل لضربات قلب المريض تم تسجيله أثناء التمرين. exercise angina: ما إذا كان المريض يعاني من ذبحة صدرية أثناء التمرين (0 = لا، 1 = نعم). ST (oldpeak): قياس انخفاض ST في تخطيط كهربية القلب أثناء التمرين. ST (ST slope): ميل قطعة ST في تخطيط كهربية القلب أثناء التمرين (1-3، حيث تمثل كل قيمة نوعًا مختلفًا من الميل). target: يعني هل المريض كان مصابًا بأمراض القلب أم لا (0 = غير مصاب، 1 = مصاب).

هناك أوامر مشتركة بين منفذ الأوامر (التيرمنال) الخاص بأنظمة التشغيل مثل ls و mkdir والموجودة أيضًا في MacOS. أما code فالأمر ليس جزءًا أساسيًا من أي نظام تشغيل، بل هو اختصار لفتح محرر الأكواد Visual Studio Code من سطر الأوامر، ولكي يعمل الأمر، يجب عليك تثبيت Visual Studio Code والتأكد من أنه تم إضافته لمتغيرات البيئة ويتم ذلك بشكل تلقائي إفتراضيًا. بالطبع هناك أوامر مختلفة لكل نظام مثلاً نستخدم sudo في لينكس لتنفيذ الأمر بصلاحيات مسؤول. وكل نظام له طابعه الخاص وطريقة مختلفة في التعامل معه، كبداية واجهة النظام مختلفة في كل منهم ونظام الملفات وإدارة البرامج. لكن فهمك لنظام تشغيل منهم يزيد من فهمك وقابليتك على استخدام الأنظمة الأخرى خلال فترة قصيرة من الإنتقال إليها، ولينكس يحتاج منك الكثير من التدخل بسبب الحرية التي يوفرها لك، على عكس الأنظمة الأخرى، بالتالي في حال استوعبت طريقة استخدامه ستصبح باقي الأنظمة أسهل بالنسبة لك.