Mustafa Suleiman

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.

تستطيع الإنتهاء من 4 مسارات ثم التقدم للإختبار والحصول على الشهادة وسيتم إختبارك في تلك المسارات فقط، لكن لتحقق استفادة بالطبع أرجو منك إنهاء كامل الدورة ورفع المشاريع العملية على GitHub. وطالما تم دراسة الدورة فلم لم يعد متاح استرداد قيمتها بطبيعة الحال، لأنه تم الاستفادة من محتواها.

من الأفضل توفير صورة للخطأ الذي يظهر وما هي البيئة التي تستخدمها؟ هل هي Xampp؟ فعامًة تستطيع تصفح phpmyadmin من خلال بروتكول HTTP الغير مشفر بدون مشكلة في وضع التطوير: http://localhost/phpmyadmin/ من الأفضل لو استخدمت بيئة Laragon فلن تواجه بها مثل تلك المشاكل.

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.

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.

توجهي لمجلد المستخدم لديك في النظام في قرص الـ C ستجديه في المسار هنا: C:\Users ثم ابحثي عن مجلد andriod. وبداخله مجلد avd احذفي كل ما بداخل مجلد avd. الآن توجهي إلى أندرويد استوديو ثم الإعدادات ثم andriod SDK ثم اختاري تبويب SDK TOOLS ثم قومي بتفعيل الخيارات التالية: واضغطي على Ok ثم Ok وسيتم التحميل والتحديث. الآن قومي بإنشاء محاكي جديد والتجربة.

دعك من اللعبة حاليًا، مستواك تطور منذ أخر مرة وذلك جيد جدًا، وسيتحسن باستمرار طالما أنك توظف ما تعلمته من خلال مشاريع عملية، لكن عليك تحديد وجهتك والتخصص الذي تريده لكي تلتزم بخريطة طريق roadmap في خلال فترة زمنية محددة وقياس تقدمك خلال تلك الفترة. بخصوص اللعبة فأحسنت حقًا، والجزء الخاص بشريط التقدم الذي يوضح مدى قربك من الرقم المنطق الخاص بها شائع في أغلب البرامج ومن الجيد أنك تعلمته ويعمل بشكل سليم، ومن الأفضل لو تم تغيير لونه حسب مدى القرب مثلاً أحمر - برتقالي - أخضر. وهناك مشكلة بسيطة بخصوص زر الإدخال Enter، فعند الضغط عليه من لوحة الأرقام يتم إدخال مسافة فارغة، لكن عند الضغط عليه من الزر الرئيسي Enter يعمل بدون مشكلة، حاول اكتشاف الخطأ. وبعض الدوال طويلة جدًا، حاول تقسيمها إلى دوال أصغر وأكثر تركيزًا، مثل تقسيم دالة draw_gradient_background إلى دالتين واحدة لحساب ألوان التدرج وأخرى لرسم الخطوط. وعلى ذكر التقسيم والتنظيم، فلما تستخدم نمط التصميم game state machine وهو نمط مفيد للألعاب، ومفاده هو حالة اللعبة Game State) في أي لحظة أثناء تشغيل اللعبة، تكون اللعبة في حالة معينة، وفي لعبة تخمين الأرقام، تشمل الحالات: Playing يقوم اللاعب بإدخال التخمينات. Game Over) خمن اللاعب الرقم بشكل صحيح أو نفدت محاولاته. High Score Display يتم عرض أفضل نتيجة بعد انتهاء اللعبة. أي كالتالي: class GameStateMachine: def __init__(self): self.states = { 'playing': PlayingState(), 'game_over': GameOverState(), 'high_score': HighScoreState() } self.current_state = 'playing' def update(self): self.states[self.current_state].update() def change_state(self, new_state): self.current_state = new_state class PlayingState: def __init__(self): def update(self): class GameOverState: def __init__(self): def update(self): class HighScoreState: def __init__(self): def update(self): وبدلاً من كتابة قيم الألوان وأحجام الخطوط مباشرةً، ضع في اعتبارك تعريف الثوابت في أعلى الكود، من أجل تسهيل تغيير مظهر اللعبة دون البحث عن قيم فردية. أيضًا استخدم دالة pygame.event.get() من Pygame للتعامل مع أحداث متعددة في وقت واحد، مما يقلل من عدد عبارات if في شفرة معالجة الأحداث. وأنت ترسم كل زر على حدة، فلما لا تعتمد على حلقة لرسم جميع الأزرار مرة واحدة، لتحسين الأداء وتقليل تكرار الكود. ولجعل اللعبة أكثر متعة حاول إضافة Timer ثم إنقاصه بمعدل معين مع كل خطأ مثلاً، وإضافة بعض الأصوات اللطيفة. أو تقديم مستويات صعوبة مختلفة، مثل وضع صع مع نطاق أكبر من الأرقام أو وضع سهل مع نطاق أصغر.

تقصدين مشكلة عدم تغير الخلفية عند عمل hover على العنصر H1 و p؟ ذلك بسبب أنك وضعتي مسافة بين العنصر (المحدد) وبين الصنف الزائف :hover لذا الصحيح هو التالي: h1:hover, p:hover { background-color: hotpink; padding: 20px 0; transition: all 0, 9s; border-radius: 15px; } لاحظي عدم وجود مسافة عند كتابة الصنف الزائف pseudo class .

ستحتاج إذن إلى سؤال البنك الذي تريده فتح حساب به، عن إمكانية استخراج بطاقة للشباب أو الطلاب حيث يتم تقديم ما يثبت ذلك وسيتم توجيهك للمطلوب منك. أما البطاقة الإئتمانية Credit Card فهي تحتاج إلى وظيفة أو وديعة بالبنك كضمان، أو بضمان أحد والديك. لذا البطاقة المسموحة لك هي Debit Card أو Prepaid.

ما هو عمرك حاليًا؟ وهل تريد الحصول على بطاقة إئتمانية أم ماذا؟

أغلب البيانات يتم نشرها من خلال إما Web scraping أو قاعدة بيانات لمنصة معينة وفئة من المستخدمين، وتم نشرها للإفادة وتلك البيانات لن تضر في حال إمتلاكها، مثلاً قاعدة بيانات لمراجعة 50 ألف فيلم من IMDB أو بيانات لمرضى السكري لكن بدون أسماء أو بيانات شخصية وهكذا. أما البيانات الحساسة والهامة للمستخدمين فلا يتم نشرها فتلك يتم دفع مبالغ كبيرة بها أو تمتلكها الشركات الكبرى مثل جوجل ومايكروسوفت. وعامًة في الأونة الأخيرة هناك إتجاه سائد نحو synthetic data أو البيانات الاصطناعية كالتي يتم توليدها من خلال أداة مثل المذكورة في التعليقات هنا أو من خلال مكتبة مثل ydata-synthetic.

عليك توضيح المطلوب والمشكلة، وطرح الكود هنا وما الذي تريدين تنفيذه من خلاله