Mustafa Suleiman

للتوضيح، الـ Series ستجد أنها تستخدم بشكل شائع لتمثيل سلسلة زمنية Time Series أو بيانات متسلسلة مثل درجات الحرارة أو أسعار الأسهم، وذلك لأنها تتميز بسهولة الوصول إلى البيانات باستخدام الفهرس، أيضًا تستطيع استخدامها في العمليات الحسابية والمنطقية. بينما الـ DataFrame تستخدم بشكل واسع في تحليل البيانات، مثل تحليل البيانات المالية، تحليل البيانات العلمية، تحليل البيانات الاجتماعية، وغيرها، بسبب قدرتها على تخزين أنواع بيانات مختلفة في الأعمدة، وبإمكانك إجراء عمليات دمج وفرز وتصفية البيانات بسهولة. وكلاهما يعملان معًا الـ DataFrame و Series بشكل فعال، مثلاً إنشاء DataFrame من مجموعة من Series، أو استخراج Series من DataFrame.

تستطيع السؤال في نهاية كل مسار عن تمرين شامل لتوظيف ما تعلمته به وربط المفاهيم ببعضها البعض، أيضًا ابحث عن Python Quizzes وستجد تمارين لكن بالإنجليزية، وإليك بعض التمارين: بعد الإنتهاء من الأساسيات من الأفضل أن تبحث على يوتيوب عن "مشاريع بايثون للمبتدئين" واختر مشروع للعمل عليه لتثبيت ما تعلمته بالأساسيات، وذلك بالإضافة للمشروع الموجود بالدورة وبخصوص طريقة المذاكرة فأرجو قراءة التالي:

تقصد استخدام إضافات مثل Anima؟ لا أنصحك بذلك فتلك الإضافات الهدف منها توفير نسخة أولية من المشروع للعرض مثلاً أو في حال ضيق الوقت وليس لتطوير مشروع على المدى الطويل. لكن هناك أدوات توفر كود جيد كبداية ثم يجب التعديل عليه ليتناسب مع الجودة المطلوبة في المشروع، فما هي الأداة المستخدمة في توليد الكود؟

هل المقصود مبادرة جوجل لفرص الذكاء الاصطناعي لتمكين الشرق الأوسط وشمال إفريقيا بالذكاء الاصطناعي؟ تلك المبادرة تهدف إلى تزويد نصف مليون شخص بالمهارات الأساسية للذكاء الاصطناعي خلال عامين. وتعتمد على استثمار بقيمة 15 مليون دولار أمريكي من جوجل، وتركز على ثلاثة مجالات رئيسية، أولها منهاجًا جديدًا للتدريب على الذكاء الاصطناعي باللغة العربية من خلال برنامج "مهارات من جوجل" وكورسيرا. وإنشاء صندوق جديد لدعم الباحثين الجامعيين المحليين في المنطقة الذين يركزون على حلول الذكاء الاصطناعي للرعاية الصحية وتغير المناخ والتعليم وغيرها من المجالات. وتوفير خدمات الذكاء الاصطناعي الخاصة بها باللغة العربية أي تدعم العربية. واستمرار استثماراتها في البنية التحتية السحابية في المنطقة، بما في ذلك توسيع مناطق بيانات جوجل كلاود في المملكة العربية السعودية وقطر والكويت.

أتفهم حماسك لنشر لعبة من تطويرك وذلك رائع، حاليًا ذلك خارج نطاق الدورة وربما يتم إضافة ذلك عما قريب فالدورة حديثة النشر، ففي الوقت الحالي الأهم هو توفير شرح وافي لأساسيات محرك الألعاب Godot والتطبيق على ذلك من خلال تطبيقات واقعية وعملية قريبة من الواقع العملي. عملية النشر ليست معقدة، لأنّ محرك Godot يوفر آلية تصدير Export للعبة للمنصات المختلفة، وذلك مُفصل هنا في المستند الرسمي: https://docs.godotengine.org/en/stable/tutorials/export/index.html تستطيع أيضًا مشاهدة شرح عملي على اليوتيوب بخصوص تلك النقطة في حال تريد دراسة الدورة في الوقت الحالي.

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.

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 👋')

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.

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:

ما هي نسخة لينكس التي قمت بتحميلها، هل هي ubuntu أم ماذأ؟

يوجد شرح للأساسيات وهي كافية بنسبة كبيرة، ستجد ذلك هنا:

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.

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.

الأمر يتوقف على البيانات التي لديك، من أين حصلت عليها لتفقد الوحدة التي يتم بها قياس مستوى السكر في الدم؟

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.

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.

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.

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/

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.

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.

بالطبع، المكتبة عبارة عن مجموعة من الوحدات Modules بينما الوحدة Module هي ملف واحد به كود لإعادة استخدامه في مكان آخر.

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

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؟

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.

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: