Mustafa Suleiman

كلا الشركتين عالميتان ولديهما مكاتب ومراكز تطوير وهندسة في العديد من البلدان حول العالم، ليس بالضرورة التواجد بأمريكا، بالطبع المكاتب الرئيسية في أمريكا، لكن يوجد فروع في أوروبا، آسيا، أفريقيا، أستراليا، وأمريكا اللاتينية، وتستطيع العمل أو التدرب في مكاتبهم الموجودة في بلدك أو في بلد آخر غير أمريكا. وبخصوص Leetcode فجوجل وآبل وغيرهما من شركات التقنية الكبرى تعتمد بشكل كبير على المقابلات التقنية التي تختبر مهاراتك في حل المشكلات، الخوارزميات، هياكل البيانات، والتفكير المنطقي، وذلك ما تؤهلك إليك منصة مثل LeetCode وغيرها من المنصات. وستجد على يوتيوب الكثير من الشروحات التي توضح كيفية التجهيز لمقابلات العمل الخاصة بشركات FAANG وهم فيسبوك، آبل، أمازون، نتفليكس وجوجل.

أثناء كتابة قيمة بحقل البحث ثم البحث عنها مثل test سيظهر نتيجة، استخدم الأمر التالي لحذف الملفات والإعدادات المؤقتة: php artisan optimize:clear ثم التجربة

المشكلة الأساسية ليست في صيغة إدخال البيانات بشكل مباشر، بل في أن الجدول users غير موجود في قاعدة البيانات if0_38415802_sudaniana. الخطأ في السطر 16 من Account.php: $query = mysqli_query($this->con, "SELECT * FROM users WHERE username='$un' AND password='$pw'"); وهو لتنفيذ استعلام SQL للتحقق من وجود مستخدم باسم المستخدم $un وكلمة المرور $pw في جدول users. الخطأ يعني أن الجدول users غير موجود في قاعدة البيانات، بالتالي عليك تفقد هل تم إنشاء الجدول users في قاعدة البيانات؟ وهل اسم الجدول مطابق تمامًا حيث حساسية الأحرف مهمة؟ وهل هل قاعدة البيانات المتصلة هي الصحيحة باسم if0_38415802_sudaniana والسطر 7 في login-handler.php: $result = $account->login($username, $password); يستدعي دالة login في كائن Account ويمرر إليها اسم المستخدم وكلمة المرور، وهو صحيح من حيث الصيغة، لكنه يعتمد على التنفيذ في Account.php السابق والذي يوجد به خطأ. السطر 9 في register.php: include("includes/handlers/login-handler.php"); يقوم بتضمين ملف login-handler.php، وهو صحيح من حيث الصيغة، لكنه لا يرتبط مباشرة بالخطأ. قبل تشغيل الكود، يجب أن يكون لديك جدول users في قاعدة البيانات، وعامًة إنشاؤه باستخدام الاستعلام التالي عبر phpMyAdmin أو أي أداة إدارة قواعد بيانات لديك في الاستضافة: CREATE TABLE users ( id INT AUTO_INCREMENT PRIMARY KEY, username VARCHAR(50) NOT NULL UNIQUE, password VARCHAR(255) NOT NULL );

بيانات الإتصال بقاعدة البيانات غير صحيحة، فالرسالةusing password: NO تعني أن السكريبت لم يمرر كلمة مرور أو أن كلمة المرور المُدخلة فارغة أو غير صحيحة. عليك التأكد من اسم المضيف sql108.infinityfree.com أو اسم قاعدة البيانات m07071978، فربما غير متطابقة مع ما هو موجود في لوحة تحكم الاستضافة. افتح ملف /includes/config.php في السطر 7 حيث يظهر الخطأ، وستجد كودًا مشابهًا للتالي: $connection = mysqli_connect("sql108.infinityfree.com", "if0_38415802", "", "m07071978"); وتأكد من أن "if0_38415802" هو اسم المستخدم الصحيح لقاعدة البيانات، ومن جميع البيانات الأخرى.

الأمر بسيط، تحتاج إلى تثبيت MySQL server أو Postgres بمعنى تثبيت نظان لإدارة قواعد البيانات DBMS، ومن الأسهل لك استخدام بيئة تطوير مثل Laragon وبمجرد تثبيتها ستحصل على سيرفر mysql وأدوات أخرى للتطوير، خاصًة لو كنت تُطور من خلال PHP.

اتركها كما هي، فذلك هو الشكل الطبيعي للتعامل مع التسلسلات البيولوجية في Biopython، فأساسها هو العمل مع التسلسلات البيولوجية كنصوص، حيث تفهم حروف التسلسل (A, U, C, G, T) وتعاملها على أنها الوحدات الأساسية للمعلومات البيولوجية.

بها مجموعة من الأدوات والوظائف التي تسهل على علماء الأحياء والباحثين العمل مع البيانات البيولوجية باستخدام لغة بايثون، أي العاملين في مجالات علم الأحياء الحاسوبي Computational Biology، علم الجينوم Genomics، علم البروتينات Proteomics، تطوير الأدوية، التكنولوجيا الحيوية والبحث الأكاديمي في العلوم البيولوجية. حيث تدعم التعامل مع تنسيقات الملفات البيولوجية الشائعة وهي FASTA و GenBank و PDB وغيرها، والتي تستخدم لتخزين معلومات حول التسلسلات الجينية والبروتينات والهياكل البيولوجية. وBiopython تجعل من السهل قراءة تلك الملفات وكتابتها وتحليل محتوياتها، وتتضمن أدوات لتحليل تسلسلات الحمض النووي DNA والحمض النووي الريبوزي RNA والبروتينات، لمقارنة تسلسلات مختلفة وتحديد التشابهات والاختلافات بينها وتحديد الأنماط المتكررة في التسلسلات التي قد تكون ذات أهمية وظيفية. أيضًا تُتيح لك الوصول إلى قواعد بيانات بيولوجية مهمة منها NCBI وهو المركز الوطني لمعلومات التكنولوجيا الحيوية و ExPASy وغيرهم.

هناك مشكلة في نظام الإقلاع لديك في الويندوز، هناك طريقة لمحاولة إصلاح ذلك تتضمن أوامر من خلال منفذ الأوامر CMD ويجب وجود فلاشة عليها نفس إصدار نظام الويندوز لديك لكي يتم إصلاح الملفات المعطوبة من خلالها وقد تنجح أو تفشل. لذا الأفضل والأسهل لك هو إعادة تثبيت نظام ويندوز من جديد وحذف القديم، يوجد شروحات على اليوتيوب لفعل ذلك.

ما هي الشاشة أو رسالة الخطأ التي تظهر لك؟ هل يمكنك توفير صورة.

Django REST Framework يدعم بشكل افتراضي تقديم البيانات بصيغة JSON بفضل JSONRenderer، بالإضافة إلى صيغ أخرى مثل صيغة HTML عبر واجهة المتصفح Browsable API، لذا لا حاجة لإضافة ما ذكرته حيث الإعداد الافتراضي لـ DEFAULT_RENDERER_CLASSES في DRF يشمل: 'rest_framework.renderers.JSONRenderer', 'rest_framework.renderers.BrowsableAPIRenderer', ما قمت به جيد بشكل عام، مجهود تُشكر عليه، وتستطيع استخدام أي أداة تساعدك في التعلم أو الإنتاجية، بشرط أن يكون الاستيعاب والمنطق لديك أنت وليس في الأداة، بمعنى أنت الذي تقود السيارة لا السيارة التي تقودك. كتحسين، حاليًا تعديل أو حذف InventoryTransaction لا يُحدِّث المخزون تلقائيًا، عليك منع التعديلات على المعاملات بعد إنشائها Read-Only وإضافة إشارات Signals أو Override لـ delete() لتحديث المخزون عند الحذف. ومن حيث نقطة الأمان والمصادقة فلا يوجد Authentication للوصول إلى الـ API تحتاج إلى إضافة الإعدادات التالية: REST_FRAMEWORK = { 'DEFAULT_PAGINATION_CLASS': 'rest_framework.pagination.PageNumberPagination', 'PAGE_SIZE': 10, 'DEFAULT_FILTER_BACKENDS': ['django_filters.rest_framework.DjangoFilterBackend'], 'DEFAULT_AUTHENTICATION_CLASSES': [ 'rest_framework.authentication.SessionAuthentication', 'rest_framework.authentication.TokenAuthentication', ], 'DEFAULT_PERMISSION_CLASSES': [ 'rest_framework.permissions.IsAuthenticated', ], } وفي لوحة الإدارة النماذج غير مسجَّلة في Admin، عليك تسجيل النماذج في admin.py. from .models import Category, Product, InventoryTransaction admin.site.register(Category) admin.site.register(Product) admin.site.register(InventoryTransaction) وكتحسين للاستعلامات، فحاليًا في low_stock، تُعاد منتجات ذات min_quantity=0 إن وجدت، بالتالي عليك تعديل الاستعلام ليتجاهل min_quantity=0. وفي InventoryTransaction.save()، لو الكمية غير كافية لـ OUT، يتم رفع استثناء ValueError، من الأفضل التعامل مع ذلك في المُسلسل بدلاً من النموذج لإرجاع استجابة مناسبة للمستخدم. ولديك ProductViewSet مع إجراء مخصص @action وهو transactions، والذي يعود بجميع المعاملات InventoryTransaction المرتبطة بمنتج معين، لكن عند تنفيذه، ربما تحدث مشكلة تُعرف بـ N+1 Query Problem أو مشكلة الاستعلامات المتعددة غير الضروري، يعني أن Django يقوم بإجراء استعلامات إضافية على قاعدة البيانات لكل معاملة لجلب بيانات المنتج المرتبط بها، وذلك يؤدي إلى بطء في الأداء إن كان هناك عدد كبير من المعاملات. Django يوفر أداتين لتحسين الاستعلامات وتقليل عدد الطلبات إلى قاعدة البيانات: select_related مع العلاقات من نوع ForeignKey أو OneToOneField يقوم بجلب البيانات المرتبطة في نفس الاستعلام باستخدام JOIN في SQL، بالتالي مناسب للوصول إلى النموذج المرتبط مباشرة مثل transaction.product. prefetch_related مع العلاقات من نوع ManyToManyField أو العلاقات العكسية مثل product.transactions ويقوم بجلب البيانات المرتبطة في استعلام منفصل، ثم يربطها في الذاكرة، مما يقلل من الاستعلامات المتكررة، بالتالي مناسب للتتعامل مع قائمة من الكائنات المرتبطة. @action(detail=True, methods=['get'], url_path='transactions') def transactions(self, request, pk=None): product = self.get_object() transactions = InventoryTransaction.objects.filter(product=product).select_related('product') serializer = InventoryTransactionListSerializer(transactions, many=True) return Response(serializer.data) وعليك معالجة الصور أيضًا حيث image_url كـ URLField لا يدعم رفع ملفات هل تنوي تخزين روابط فقط به؟ في حال تريد رفع صور استخدم ImageField مع تكوين تخزين مناسب مثل django-storages. ولا يوجد توثيق واضح للـ API، تستطيع فعل ذلك بسهولة من إضافة مكتبة drf-yasg أو drf-spectacular إلى INSTALLED_APPS لتوليد واجهة توثيق تلقائية: INSTALLED_APPS += ['drf_spectacular'] REST_FRAMEWORK['DEFAULT_SCHEMA_CLASS'] = 'drf_spectacular.openapi.AutoSchema' ودائمًا في المشاريع يجب تطبيق unit tests أي إختبارات وأسهل طريقة هي من خلال APITestCase من DRF لاختبار الـ API Endpoints.

المتحكم سيكون كالتالي تبعًا للتسمية التي تريدها: <?php namespace App\Http\Controllers; use App\Models\Department; use Illuminate\Http\Request; class DepartmentController extends Controller { public function index() { $departments = Department::all(); return view('Department.index', compact('departments')); } public function show() {} public function create() { return view('Department.create'); } public function store(Request $request) { $department = new Department(); $department->Name_dept = $request->input('name'); $department->save(); return redirect()->route('Department.index'); } public function edit($id) { return view('Department.edit'); } public function update($id) {} public function destroy($id) {} } ثم قم بتنفيذ أمر: php artisan optimize:clear وتشغيل الخادم بعد ذلك.

تلك ليست مصفوفة ثابتة كما في لغات البرمجة الأخرى، ففي بايثون تسمى قائمة List وهي مصفوفة ديناميكية أي يتغير حجمها. فالمصفوفة الثابتة يكون حجمها ثابتاً ومحدداً منذ تعريفها، ولا يتغير بعد ذلك، أما القائمة في بايثون فهي ديناميكية، أي تستطيع تغيير حجمها بسهولة، وإضافة عناصر جديدة إليها أو حذف عناصر منها، وسيتغير حجمها تلقائياً. ويوجد ما نستطيع اعتباره قريباً من المصفوفة الثابتة، ولكن ليس بنفس الطريقة التي توجد بها في لغات مثل C أو Java، وذلك من خلال استخدام وحدة تسمى array لتكوين مصفوفات من أنواع بيانات محددة وثابتة. أي نستطيع تغيير حجمها ولكن النوع ثابت كأعداد صحيحة فقط، لاحظ i تعني الأعداد الصحيحة ونستطيع الإضافة: import array fixed_array = array.array('i', [1, 2, 3, 4, 5]) fixed_array.append(6) والأقرب للمفهوم هو الصفوف tuples فهي هياكل بيانات غير قابلة للتغيير immutable ولا تستطيع تغيير محتواها أو حجمها بعد الإنشاء. fixed_array = (1, 2, 3, 4, 5) لكن الصف هيكل بيانات ليس مصممًا خصيصًا للكفاءة الرقمية أو العمليات الحسابية المكثفة مثل array.array أو مكتبة NumPy التي توفر نوع ndarray وهو أقرب إلى المصفوفات في لغات مثل Fortran و MATLAB، حيث الصفوف مصممة أكثر لتمثيل مجموعات ثابتة من البيانات، بغض النظر عن نوعها.

تقصد تحميل قاعدة بيانات الخاصة بالمتجر من الاستضافة إلى حاسوبك أي قاعدة بيانات موجودة بالفعل؟ أم تريد إنشاء قاعدة بيانات محلية من الصفر لأنّ الأمر مختلف؟

Face Recognition تعني التعرف على الوجه، أما Face Verification وهي التحقق من الوجه، بمعنى في Face Recognition يتم تحديد هوية الشخص من خلال مقارنة صورة وجهه بقاعدة بيانات تحتوي على صور وجوه متعددة، ثم تحليل ملامح الوجه مالمسافة بين العينين، شكل الأنف، خط الفك، ومقارنتها مع جميع الصور المخزنة لإيجاد تطابق، وذلك للإجابة على سؤال من هذا الشخص؟ وستجد ذلك في الأنظمة الأمنية نظام لتحديد هوية شخص معين من بين آلاف أو ملايين الأشخاص ككاميرات المراقبة في المطارات. في حين Face Verification هي للتحقق من الوجه المقدم هل يتطابق مع هوية محددة مسبقًا وذلك لتأكيد الهوية، من خلال مقارنة صورة الوجه بصورة واحدة فقط أو مجموعة محددة مسبقًا، وذلك يحدث عند فتح قفل الهاتف باستخدام الوجه، حيث يتحقق النظام من أنّ الوجه يتطابق مع مالك الجهاز المسجل أم لا؟ أي هل هذا الشخص هو نفسه الشخص المسجل؟

نعتذر لك عن أي تأخير، سيتم الرد عليك إن شاء الله لا تقلق بخصوص تلك النقطة، برجاء الإنتظار قليلاً فأحيانًا يوجد ضغط على مركز المساعدة.

الأمور المالية والأمور الخاصة بالدورات يتم مناقشتها من خلال مركز المساعدة، أرجو إرسال تفصيل لما تريده والإنتظار لبعض الوقت لحين الرد لا تقلق، شكرًا لتفهمك.

أرفق مجلد المشروع لتفقد ما المشكلة.

ستجد أسفل فيديو الدرس في نهاية الصفحة صندوق تعليقات كما هنا، أرجو طرح الأسئلة أسفل الدرس وليس هنا في قسم أسئلة البرمجة حيث نطرح الأسئلة العامة الغير متعلقة بمحتوى الدورة أو الدرس، وذلك لمساعدتك بشكل أفضل.

ما زلت لم تقم بتغيير المسار في web.php إلى: Route::get('/Department', [DepartmentController::class, 'index'])->name('Department.index');

اسم المسار لديك هو Department لذا نُعدل الكود إلى: return redirect()->route('Department.index'); ثم تعديل اسم المسار إلى Department.index: Route::get('/Department', [DepartmentController::class, 'index'])->name('Department.index');

بسبب استخدامك لـ return redirect(); بدون تحديد مسار، حيث سيحاول لارافيل العودة للصفحة السابقة التي تتطلب إعادة إرسال البيانات POST وذلك يسبب Page Expired. غيّر return redirect(); إلى مسار محدد كالتالي: return redirect()->route('Departments.index'); وعدل المسار حسب ما هو موجو لديك، من المفترض أن يكون: Route::get('/Departments', [DepartmentController::class, 'index'])->name('Departments.index'); أيضًا إضافة CSRF Token في النموذج <form > @csrf </form>

One-hot Encoding مناسب في الحالات البسيطة جدًا كأن يكون القاموس صغيرًا، ونادرًا ما تُستخدم في التطبيقات الحديثة لمعالجة اللغات الطبيعية بسبب قيودها. الاستخدام: تُستخدم Embedding Layer هي المستخدمة حاليًا بشكل واسع في نماذج التعلم العميق، كالشبكات العصبية في معالجة اللغات الطبيعية NLP، لأنها توفر تمثيلًا غنيًا وفعالًا للكلمات، فهي تقنية متقدمة لتمثيل الكلمات في فضاء متعدد الأبعاد، حيث كل كلمة تُمثل بمتجه vector يحتوي على أرقام حقيقية، ويتم تعلم قيم المتجهات تلقائيًا أثناء تدريب النموذج بناءً على السياق الذي تظهر فيه الكلمات. بمعنى أننا نستخدم فضاءً بـ 3 أبعاد فقط للتبسيط، فبعد التدريب، ستُمثل الكلمات كالتالي: "ملك" بـ [0.9, 0.8, 0.2] "ملكة" بـ [-0.9, 0.7, 0.1] "شعب" بـ [0.1, -0.5, -0.9] الكلمات ذات المعاني المشابهة مثل "ملك" و"ملكة" ستكون قريبة من بعضها في الفضاء، بينما الكلمات المختلفة "شعب" ستكون بعيدة. كل بعد في الفضاء يمثل ميزة أو خاصية معينة كالجنس، العمر، المكانة المجتمعية، لكن تلك الأبعاد ليست محددة مسبقًا يدويًا، بل يتم تعلمها تلقائيًا من البيانات، وذلك يسمح بفهم العلاقات بين الكلمات، بمعنى لو البعد الأول يمثل الجنس تقريبًا، فستكون القيمة الموجبة تشير إلى ذكر والسالبة إلى أنثى. وحجم المتجه ثابت 50، 100، أو 300 بعد بغض النظر عن حجم القاموس، لذا هي تقنية أكثر كفاءة من One-hot Encoding عند التعامل مع قواميس كبيرة.

ما تتساءل عنه ليس ببحث بل توثيق للمشروع الذي قمت به في تعلم الآلة، عامًة الأمر يتم على مستودع المشروع في github من خلال ملف README.md وستقوم بتقسيمه إلى أقسام حسب ما قمت به بالمشروع، ستجد تفصيل هنا: والأقسام ستكون: Project Goal/Problem Statement Key Objectives & Success Metrics Brief Summary of Approach Dependencies & Prerequisites Setup Instructions Usage Instructions/Quick Start Project Structure Project Report/Technical Documentation وهنا سيتم الشرح بشكل مُفصل وتوضيح ما قمت به بالترتيب وفي النهاية تذكر Evaluation Metrics Results

هل المقصود العمل كباحث أم عمل بحث في مجال الذكاء الاصطناعي؟

تتوفر المنصات التالية Vimeo, Wistia, BunnyCDN Stream, Mux, Cloudflare Stream. BunnyCDN Stream هي المنصة الأرخص للاستخدام المتوسط وأعلى، وسهلة الاستخدام، لكن لو أردت خفض التكلفة أكثر، فاستخدم AWS S3 أو Backblaze B2 مع CloudFront فهي الأرخص للاستخدام الصغير والمحدود، لكن تحتاج إلى خبرة برمجية أكثر وستحتاج بعض الوقت للإعتياد على التطوير من خلال تلك التقنيات. حيث ستقوم بإنشاء دلو Bucket في S3 مع إعدادات Private لحماية الملفات، واستخدام CloudFront لتوزيع المحتوى CDN مع Signed URLs أو Cookies الموقوتة للتحكم في الوصول. التكلفة تقريبًا 0.023 دولار لكل جيجابايت تخزين، و0.085 دولار لكل جيجابايت نقل بيانات. في حين Backblaze B2 أرخص بنسبة 75% من S3، حيث تكلفة التخزين 0.005 دولار/جيجابايت، ثم دمجها مع Cloudflare لمزامنة البيانات مجانًا لنقل بيانات مجاني عبر Cloudflare أي توزيع محتواك عبر CDN مجانًا.