Mustafa Suleiman

أتفهم ما تقصده، في دروس كثير يتم ذكر المصطلح بالعربية والإنجليزية، تستطيع السؤال عن المصطلحات التي تريدها أسفل فيديو الدرس في التعليقات وسيتم إيضاحها لك حسب المقصود بها في الشرح. أيضًا موسوعة حسوب بها المصطلحات بالعربية والإنجليزية معًا. وستجد هنا قائمة بمصطلحات شائعة.

CNNs حققت أداء متطور في مهام تصنيف الصور والتعرف على الوجه، لكن هناك سيناريوهات تصبح فيها الخوارزميات البديلة أكثر ملاءمة ففي حال كمية بيانات التدريب محدودة، تصبح أكثر فعالية من نماذج التعلم العميق، التي تتطلب كميات كبيرة من البيانات للتدريب. أيضًا في حال توافر موارد الحوسبة محدودة، فهي أكثر كفاءة من حيث الحوسبة من نماذج التعلم العميق، التي تتطلب موارد حوسبة كبيرة للتدريب. وتلك الخوارزميات هي آلات الدعم المتجه SVMs لتصنيف الصور من خلال استخراج الميزات من الصور باستخدام تقنيات مثل SIFT أو SURF أو ORB، ثم تدريب نموذج SVM على هذه الميزات. والـ Random Forests لتصنيف الصور من خلال استخراج الميزات من الصور باستخدام تقنيات مثل تحليل الملمس أو هيستوجرامات الألوان أو تحليل الشكل، ثم تدريب نموذج الغابة العشوائية على هذه الميزات. يوجد أيضًا K-Nearest Neighbors (KNN) و Decision Trees. بالنسبة للوجوده فيوجد Eigenfaces وFisherfaces وLocal Binary Patterns (LBP) وGabor Wavelets.

الدورة مهمة بالطبع، ومن الأمور التي يتم طلبها بكثرة بالفعل وقد يتم توفيرها، في الوقت الحالي الدورة المفيدة في مسار الأمن السيبراني هي دورة علوم الحاسوب هنا بالأكاديمية. لكن توافر بالأكاديمية يعتمد على نقاط عوامل غير واضحة لك، منها مدى الإحتياج ليها والطلب عليها، وهل محتوى الدورة مناسب لسوق العمل أم الطلب عليه ضعيف وهكذا، لذا الأمر راجع لإدارةالأكاديمية في تلك النقطة. ستجد هنا مصادر جيدة.

من الأفضل توفير صورة لما يظهر لك لمساعدتك بشكل أفضل فالسؤال حاليًا غير واضح، فالمطلوب هو استخدام بطاقة إئتمانية credit أو بطاقة خصم مباشر Debit لتفعيل الحساب والحصول على حساب مجاني بقيمة 300 دولار للتجربة.

يتوفر على منصة Kaggle قم بالبحث عن Arabic ثم تحديد Datasets وإليك النتائج: https://www.kaggle.com/search?q=arabic+in%3Adatasets وللعلم يوجد محرك بحث خاص بشركة جوجل يوفر لك إمكانية البحث عن الـ Datasets وهو التالي: https://datasetsearch.research.google.com/ ابحث عن Arabic به وسيتم البحث على مختلف المنصات وتوفير الـ Datasets المتاحة.

بالطبع لا، حيث pipe في R عبارة عن دالة تستخدم لتمرير قيمة من خلال سلسلة من الدوال. تُستخدم %>% لتمثيل pipe في R، لتسهيل قراءة وكتابة الكود، خاصة عند التعامل مع سلسلة من العمليات على البيانات، كالتالي: data %>% mutate(new_column = old_column * 2) %>% filter(new_column > 10) لاحظ %>% هي لتمرير البيانات من خلال mutate ثم filter. بينما def في Python هي كلمة رئيسية محجوزة لتعريف دالة جديدة، كالتالي: def add_numbers(x, y): return x + y result = add_numbers(5, 3) print(result) تم تعريف دالة add_numbers التي تُستخدم لاحقًا لحساب مجموع 5 و 3.

كنموذج سريع لا مشكلة في ذلك، لكن لتطوير المشروع فذلك لا يصلح، حيث يجب تعديل الكود ليتوافق مع الجودة المطلوبة.

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/