ياسر مسكين

في الحقيقة فاختيار نظام التشغيل يعتمد أساسا على احتياجاتك الحالية والمستقبلية ولتطوير تطبيقات Android يمكنك استخدام أي من Windows أو macOS دون قيود حيث توفر Flutter مثلا الأدوات اللازمة لكلا النظامين أما لتطوير تطبيقات iOS أو رفعها إلى App Store فستحتاج إلى جهاز macOS لأن أدوات مثل Xcode ضرورية لهذه العملية وهي متوفرة فقط على macOS أما إذا كنت تركز في البداية على Android فقط يمكنك استخدام Windows لتوفير التكلفة ثم يمكنك لاحقا وعند الحاجة لدعم iOS يمكنك الانتقال إلى macOS أو الاستعانة بخدمات سحابية مثل MacStadium وأما إذا كان دعم iOS جزءا أساسيا من خطتك منذ البداية فإن macOS سيكون الخيار الأفضل لتجنب أي تعقيدات مستقبلية أي أنك إذا كنت تستهدف Android فقط الآن فإن Windows كاف ولن تواجه أي قيود أما إذا كنت تخطط لدعم iOS أو رفع التطبيقات إلى App Store، فستحتاج إلى macOS لأن تطوير وإدارة تطبيقات iOS يعتمد بشكل أساسي على أدوات متوفرة حصريا على macOS.

ما يحدث هنا أن PyCharm يعمل بشكل افتراضي باستخدام البيئة الافتراضية المحددة في إعدادات المشروع، حتى لو لم تقم بتنشيط البيئة يدويا من الطرفية لكن إذا قمت بتشغيل الكود مباشرة من الطرفية باستخدام الأمر: python test.py فسيحاول بايثون استخدام المفسر الافتراضي للنظام وليس البيئة الافتراضية مما يؤدي إلى ظهور خطأ ModuleNotFoundError إذا كانت المكتبة غير مثبتة في المفسر الافتراضي ويحدث هذا لأنه في: في PyCharm: البيئة الافتراضية مهيأة في إعدادات المشروع لذلك يتم تشغيل الكود باستخدام المفسر المحدد (البيئة الافتراضية)، حتى إذا لم تقم بتفعيلها يدويا. في Terminal: عند تشغيل الكود باستخدام الأمر python يتم استخدام المفسر الافتراضي للنظام إذا لم تكن البيئة الافتراضية مفعّلة. لذا يجب التأكد من تفعيل البيئة الافتراضية عند العمل من الطرفية: .venv\Scripts\activate ثم تشغيل الملف.

التدوين شيئ جميل، لكن ما ندوّنه هو الأهم فإن كنّا نقوم بتدوين كلّ شيء تقريبا فهذا الأمر ليس بالأمر الجيد ولا أنصح به، لأنه سيجعل عملية التعلم طويلة ويجعل المتعلم يتواكل أكثر على ما يكتبه وقد لا يفهمه أساسا، لذا أعتقد أنّ عملية التدوين يجب أن تكون منظمة فلا ندوّن أمورا يمكن أن نجدها في مصادر خارجية أو في التوثيقات الرسمية، مثل الأكواد مثلا أو أسماء الدوال وتعريفاتها وغيرها. يمكنك التركيز أكثر على الأفكار التي يقوم المدرب بتطبيقها في كلّ درس، فكلّ درس يأخذ فكرة جديدة ويطبقّها، ونحن هنا يجب أن ننتبه بأننا لا نقوم بالحفظ ونركز أكثر على الفهم وأخذ الأفكار وتطبيقها ومعاودة تطبيقها بأنفسنا لترسيخ الأفكار التي نكتسبها كما يمكنك مراجعة بضعة نصائح حول أحسن الطرق لمراجعة الدورات ودراستها من هنا:

ذلك يعتمد بشكل كبير على كمية البيانات المتبقية ونمط القيم المفقودة فإذا كانت القيم المفقودة عشوائية وتمثل نسبة صغيرة من الأعمدة أو الصفوف المتبقية، فإن التأثير قد يكون محدودا خاصة إذا تم استخدام تقنيات معالجة مثل إحلال القيم المفقودة (Imputation) باستخدام المتوسط، الوسيط، أو الفئة الأكثر شيوعا. وأما إذا كانت القيم المفقودة تتركز في أعمدة أو صفوف رئيسية ذات تأثير كبير على النموذج فإن ذلك سيؤدي إلى فقدان التمثيل السليم للبيانات مما يقلل من دقة النموذج ويزيد من التحيز فإذا كانت نسبة البيانات المفقودة مرتفعة للغاية، فإن كمية البيانات المستخدمة لتدريب النموذج قد تصبح غير كافية، مما يؤدي إلى ضعف التعميم عند التنبؤ بالبيانات الجديدة. للتخفيف من هذا التأثير، يمكنك حذف الأعمدة أو الصفوف ذات القيم المفقودة بشكل مفرط، أو استخدام تقنيات مثل النماذج التي تتحمل القيم المفقودة (مثل أشجار القرار)، مع التأكد من أن البيانات المتبقية تعكس التوزيع الأصلي لتجنب انحراف النتائج.

في هذه الحالة القيم NaN ظاهرة في الجدول لأن عملية groupby تقوم بإنشاء جدول تقاطعي ما يعرف ب cross-tabulation يحتوي على جميع التركيبات الممكنة بين year_hct و prim_disease_hct وعندما لا يوجد أي حالات لمرض معين في سنة معينة سيتم عرضها ك NaN أي Not a Number لذا إذا كنت تريد إزالة قيم NaN من الجدول يمكنك استخدام fillna(0) لاستبدال NaN بالقيمة 0 كالتالي: disease_year_distribution = data_train.groupby(['year_hct' , 'prim_disease_hct']).size().unstack().fillna(0) print(disease_year_distribution) هذا سيعرض نفس الجدول ولكن مع استبدال جميع قيم NaN بالصفر مما يعني أنه لم تكن هناك حالات لهذا المرض في تلك السنة المحددة.

أرجو طرح سؤالك أسفل الدرس في صندوق التعليقات وليس هنا في قسم الأسئلة العامة وهذا لمساعدتك بالشكل الأفضل,

في حال كان سؤالك متعلقا بإحدى الدورات أو أحد الدروس أرجو وضع سؤالك في أسفل الدرس أين ستجد صندوقا للتعليقات يمكنك وضع سؤالك هناك حيث هذا القسم مخصص فقط لقسم الأسئلة العامة.

نحن هنا في الأكاديمية حريصون على عدم الإجابة على أسئلة الاختبارات والامتحانات، لاتباعها نهجا تعليميا لذا من الأحسن توضيح أيّ جزئية لم تفهميها في البرمجة بلغة C++ لنشرحها لك ثم يمكنك المحاولة بنفسك لحلّ الاختبار وفي حال أخطأت يمكننا توجيهك. إضافة لذلك يمكنني اقتراح عدة مصادر للتعلم من أجلك من هنا: https://academy.hsoub.com/programming/cpp/

أيّ شيء متعلق بشروط دراسة الدورات وكيفية إتمام المسارات والتقدم للامتحان تجدها من هنا: شروط التقدم للامتحان أما الحصول على الشهادة وكيفية ذلك أرجو منك مراجعة الأجوبة السابقة من خلال هذا الرابط: وفي حال كنت تسأل عن الدورة المناسبة لك فأرجو تقديم تفصيلات أكثر لنساعدك في التوجيه أو يمكنك مراجعة الأجوبة السابقة من هنا:

كما تمت الإشارة في التعليقات السابقة. يمكنك مراجعة المزيد من المفاهيم المتعلقة بتجاوبية الصفحات على الويب كي تحقق ما ترغب فيه أقترح عليك بعض المقالات المفيدة في هذا السياق من هنا: https://alistapart.com/article/responsive-web-design/

لديك عدة احتمالات إما استخدام بوت صانع الملصقات المعروف يمكنك البحث عنه وهو بوت صانع الملصقات في تيليجرام يمكنك استخدام بوت مثل @Stickers في خانة البحث ثم ابدأ محادثة مع البوت واضغط على "ابدأ" واتبع التعليمات لإنشاء مجموعة ملصقات جديدة ولكنك ستحتاج إلى رفع الصور التي ترغب في تحويلها إلى ملصقات مباشرة عبر التطبيق. وبعد بدء المحادثة مع البوت، يمكنك استخدام الأمر /newpack لإنشاء حزمة ملصقات جديدة ثم قم بتحميل الصور التي تريدها كملصقات ويجب أن تكون الصور بصيغة PNG مع خلفية شفافة وبعد رفعك للصور، يمكنك إضافة أسماء لكل ملصق ثم إرسال الأمر /publish لنشر الحزمة. يمكنك استخدام نفس البوت لصنع إيموجي مخصص من خلال استخدام الأمر /newemoji واتباع التعليمات ويمكنك بطبيعة الحال رفع الصور وتحويلها إلى إيموجي، ثم استخدام الأوامر المناسبة لنشرها وبعد إنشاء الحزمة الخاصة بك، يمكنك مشاركة رابط الحزمة في قناتك واستخدام الرابط الذي يوفره لك البوت.

السلام عليكم ورحمة الله. التأخر في الرد في ساعات الصباح الباكر قد يكون بسبب توفر عدد قليل من المدربين في تلك الفترة، وهذا راجع لاختلاف المواقيت بين المدربين والطلبة وبين بلدانهم المختلفة وأماكن تواجدهم وهذا بسبب الفوارق الزمنية المعروفة، وهذا لا يعني أنه لا يتم الرد في تلك الفترة، بالعكس، يمكنك ترك تعليقك وسيتم الموافقة عليه في أقرب وقت ممكن، والإجابة قد تتم بسرعة أو تأخذ بعض الوقت على حسب طبيعة السؤال المطروح وهذا كي نجيب الطلبة بأفضل إجابة ممكنة تساعده على فهم الدروس وإتمامها بالشكل المناسب. لذا لا داعي للقلق، يمكنك ترك تعليقك في المكان المخصص له أسفل الدرس في صندوق التعليقات وسيتم الإجابة عنه في أقرب وقت يتوفر فيه المدربون صباحا.

المشكلة في الكود هي أنك تستخدم present++ (Post-Increment) داخل الدوال وهذا يؤدي إلى إرجاع القيمة الحالية ل present قبل عمل أي زيادة، مما يجعل النتائج غير صحيحة لذا استبدل present++ ب ++present (Pre-Increment) حتى تتم الزيادة أولا ثم تعاد القيمة بحيث counter.increment() يعيد القيمة الصحيحة بعد التعديل: var createCounter = function(init) { let present = init; return { increment:()=> ++present, decrement:()=> --present, reset:()=> present = init, } }; present++: يعيد القيمة قبل التعديل. ++present: يعدل القيمة ثم يعيدها.

XGBoost أو (Extreme Gradient Boosting) هو مكتبة مفتوحة المصدر تستخدم لتطبيق أسلوب تعزيز التدرج (Gradient Boosting) ويستخدم بشكل رئيسي في تحليل البيانات الهيكلية والمنافسات في تعلم الآلة أما طريقة عمله فهي كالآتي بالنسبة لمفهوم التعزيز أي أنه يجمع بين عدة متعلمين ضعفاء (عادة أشجار قرار) لتكوين نموذج قوي وأيضا: Gradient Descent يستخدم للتقليل من الخسائر أي التقليل من دالة الخسارة. و Regularization ويتضمن تنظيم L1 وL2 لتجنب الإفراط في التكيف. التعامل مع القيم المفقودة: يمكنه التعامل مع القيم المفقودة بشكل طبيعي. Parallelization أو التوازي بحيث يستفيد من تعدد الأنوية في وحدة المعالجة المركزية لزيادة سرعة التدريب. بالنسبة للتثبيت: pip install xgboost استيراد المكتبات: import xgboost as xgb import pandas as pd from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score تحميل البيانات: data = pd.read_csv('your_dataset.csv') X = data.drop('target', axis=1) y = data['target'] تقسيم البيانات: X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) إنشاء DMatrix: dtrain = xgb.DMatrix(X_train, label=y_train) dtest = xgb.DMatrix(X_test, label=y_test) تحديد المعلمات: params = { 'objective': 'binary:logistic', 'max_depth': 3, 'eta': 0.1, 'eval_metric': 'logloss' } تدريب النموذج: bst = xgb.train(params, dtrain, num_boost_round=100) إجراء التنبؤات: preds = bst.predict(dtest) predictions = [1 if pred > 0.5 else 0 for pred in preds] تقييم النموذج: accuracy = accuracy_score(y_test, predictions) print(f'Accuracy: {accuracy:.2f}')

حماكم الرحمان بحفظه وكرمه، وأعانكم الله. في البرمجة دوما ننصح بالاستمرارية، وفي حالة كان هنالك انقطاع فلا يكون أكثر من أسبوعين وكل ما طالت المدة كلما صعُب على المرء استدراك ما فاته، فالنسيان هو صفة ملازمة لجميع الناس، وفي الحالات الطارئة والقصوى ففترة شهرين هي ليست بالطويلة على الإطلاق، في حال كنت تدرسين بجدّ وفهمت ما كنت تعملينه مع المدربة فلن تواجهي مشكلة كبيرة في الاسترجاع. لذا في الحالات العادية أنصح بعدم تجاوز فترة أسبوعين دون ممارسة للبرمجة كي يكون هناك تقدم جيد في المسار التعلمي، ويمكنك أخذ فترات راحة بين الفينة والأخرى كي تسترجعي قواك ولا تتشتي كثيرا. أما بالنسبة للظروف التي هي خارجة عن نطاقنا، فمحتوى الدورة متاح للطالب مدى الحياة بما فيها التحديثات، لذا لا داعي للقلق وثلّة من المدربين سيكونون دائما معك لمرافقتك.

بالنسبة لمشكلة عدم تجميع البيانات المترابطة يمكنك استخدام Group Expert والتجميع حسب BUYCODE ثم تفعيل "Suppress Blank Section" في Details وأيضا تفعيل "Keep Together" في خصائص المجموعة، كما أنك قد قمت باستخدام نفس DataTable للعمليات المتعددة وحساب TOTAL خاطئ فهو يأخذ الإجمالي الكلي بدل إجمالي السطر وأيضا تكرار Update داخل الحلقة لذا يمكن تعديله ليصبح: // تعريف DataTable جديد لكل عملية DataTable dtDetails = new DataTable(); SqlDataAdapter adp = new SqlDataAdapter("SELECT * FROM BUY_DET", Class1.con); adp.Fill(dtDetails); for(int i=0; i<dataGridView1.Rows.Count; i++) { DataRow dr_ = dtDetails.NewRow(); dr_["BUYCODE"] = BUYCODE.Text; dr_["ITEMCODE"] = dataGridView1.Rows[i].Cells[0].Value; dr_["ITEMNAME"] = dataGridView1.Rows[i].Cells[1].Value; dr_["PRICE"] = dataGridView1.Rows[i].Cells[2].Value; dr_["QTY"] = dataGridView1.Rows[i].Cells[3].Value; // حساب إجمالي السطر dr_["TOTAL"] = Convert.ToDecimal(dataGridView1.Rows[i].Cells[2].Value) * Convert.ToDecimal(dataGridView1.Rows[i].Cells[3].Value); dtDetails.Rows.Add(dr_); } // تحديث مرة واحدة خارج الحلقة SqlCommandBuilder cmd_ = new SqlCommandBuilder(adp); adp.Update(dtDetails);

مكتبة Seaborn في Python هي مكتبة متقدمة لإنشاء الرسوم البيانية وتُستخدم بشكل أساسي لتحليل البيانات وتصوير العلاقات الإحصائية، ;id وهي تحتوي على مجموعة من مجموعات البيانات المدمجة التي يمكن استخدامها كعينات لتجربة الرسوم البيانية والبدء في تحليل البيانات وهذه البيانات مدمجة داخل المكتبة وتستخدم غالبا في الأمثلة التعليمية والتطبيقات التجريبية ولكن البيانات المدمجة في Seaborn صغيرة الحجم وتستخدم أساسا في التعلم وتجربة المكتبة لذا إذا كنت تعمل على مشاريع تحليل بيانات فعلية، ستحتاج عادة إلى استيراد بياناتك من مصادر خارجية كملفات CSV وقواعد بيانات يمكنك إيجاد المزيد من المعلومات من هنا:

الدالة C() في مكتبة statsmodels تستخدم لتصنيف المتغيرات (categorical variables) في النماذج الإحصائية ويتم استخدامها لتحويل المتغيرات النوعية (categorical variables) إلى متغيرات وهمية (dummy variables) تلقائيا، مما يسمح بإدراجها في نماذج الانحدار الخطي أو غيرها من النماذج الإحصائية وعند استخدام الدالة OLS لإجراء تحليل الانحدار، فإن C() تستخدم لتضمين المتغيرات النوعية. بدلا من إدخال المتغير النوعي كرقم (مثل 1، 2، 3) أين يتم تحويله إلى متغيرات وهمية بحيث يمكن للنموذج التعامل معه بشكل صحيح. و C() يقوم بتشفيره إلى متغيرات رقمية متعددة تمثل الفئات، مما يساعد النموذج على التعامل معها بشكل صحيح دون الحاجة لتحويلها يدويا وهذا باستخدام طرق مثل pandas.get_dummies(). ويتم استخدامه عادة عند التعامل مع المتغيرات النوعية في تحليل الانحدار أو في نماذج أكثر تعقيدا مثل النماذج المختلطة (Mixed Models) أو تحليل التباين (ANOVA) كما تتيح خيارات إضافية مثل تحديد ترتيب الفئات أو نوع الترميز المستخدم (مثل التأثيرات بدلا من الترميز الوهمي) إلى جانب OLS ويمكن استخدامها لإنشاء تفاعلات بين المتغيرات أو تخصيص تمثيل المتغيرات النوعية في أي نموذج إحصائي.

المشكلة تكمن في عدم تطابق شهادة SSL مع اسم النطاق الخاص بموقعك لحل هذا يجب عليك الدخول إلى لوحة تحكم الاستضافة الخاصة بك، والتأكد من تثبيت شهادة SSL بشكل صحيح بعد ذلك قم بالدخول إلى لوحة تحكم WordPress، واذهب إلى "الإعدادات" ثم "عام" وقم بتحديث عنوان URL الموقع وعنوان WordPress URL ليتطابقا مع النطاق الصحيح، مع التأكد من استخدام https:// بدلا من http:// وأخيرا قم بمسح كاش المتصفح وأي كاش خاص بإضافات WordPress.

دالة crosstab هي أداة مفيدة جدا لتحليل البيانات وإنشاء جداول تقاطعية (جداول محورية) وتستخدم لحساب تكرار العلاقات بين متغيرين أو أكثر في البيانات والاستخدام الأساسي للدالة كالتالي: pd.crosstab(index, columns) وهذا مثال لنفترض التالي: import pandas as pd data = { 'النوع': ['ذكر', 'أنثى', 'ذكر', 'أنثى', 'ذكر'], 'المدينة': ['القاهرة', 'الإسكندرية', 'القاهرة', 'القاهرة', 'الإسكندرية'] } df = pd.DataFrame(data) result = pd.crosstab(df['النوع'], df['المدينة']) print(result) والناتج سيكون جدول يوضح كم عدد الذكور والإناث في كل مدينة بحيث الصفوف تمثل النوع والأعمدة تمثل المدينة أين يمكنك حساب النسب المئوية: pd.crosstab(df['النوع'], df['المدينة'], normalize='index') إضافة هوامش المجاميع: pd.crosstab(df['النوع'], df['المدينة'], margins=True) تطبيق دوال حسابية مختلفة: pd.crosstab(df['النوع'], df['المدينة'], values=df['العمر'], aggfunc='mean')

الخطأ موجود في تنسيقات CSS وعندما نلقي نظرة على الكود، نجد: .content{ background-image: url(images/camping-on-top-of-the-mountain-during-sunset-free-photo.webp); width: 500px; height: 500px; } المشكلة هنا أن النص والصورة يتنافسان على نفس المساحة، وبما أن الصورة تم تعيينها ك background-image، فهي تظهر خلف كل شيء والحل البسيط هو إضافة padding للعنصر content لإعطاء مساحة للنص: .content{ background-image: url(images/camping-on-top-of-the-mountain-during-sunset-free-photo.webp); width: 500px; height: 500px; padding-top: 30px; } .content p { background-color: rgba(255, 255, 255, 0.7); padding: 5px; text-align: center; }

الانحدار الخطي هو تقنية إحصائية تستخدم لنمذجة العلاقة بين المتغيرات فهناك نوعان رئيسيان من الانحدار الخطي الأول الانحدار الخطي البسيط (باستخدام متغير واحد) والانحدار الخطي المتعدد (باستخدام أكثر من متغير) واختيار أي نوع من الانحدار يعتمد على طبيعة البيانات والعلاقة بين المتغيرات بالنسبة للنوع الأول المشكلة لنقل أننا نريد دراسة العلاقة بين عدد ساعات الدراسة (التي سنرمز لها بـ X) ودرجات الامتحان (التي سنرمز لها بـ Y) كالتالي: ساعات الدراسة (X) درجات الامتحان (Y) 1 50 2 60 3 70 4 80 5 90 يمكننا استخدام المعادلة التالية: Y=β0+β1X وبعد تحليل البيانات، لنفترض أن النتائج هي: Y=50+10X ولنفسر النتيجة فإن: β0=50 وهذا يعني أنه إذا لم يدرس الطالب (0 ساعات)، ستكون درجته 50. β1=10 هذا يعني أن كل ساعة دراسة إضافية تزيد من الدرجة بمقدار 10 درجات. وبالنسبة للاختيار المتعدد دعنا نضيف متغيرا آخر، وهو عدد الساعات التي يقضيها الطالب في النوم لنرمز له بـ Z ونريد دراسة تأثيرها أيضا على درجات الامتحان كالتالي: ساعات الدراسة (X) ساعات النوم (Z) درجات الامتحان (Y) 1 6 50 2 5 60 3 8 70 4 7 80 5 8 90 وهنا يمكننا استخدام المعادلة التالية: Y=β0+β1X+β2Z بعد تحليل البيانات، لنفترض أن النتائج هي: Y=40+8X+5Z أي أنه: β0=40: إذا لم يدرس الطالب (0 ساعات) ولم ينم، ستكون درجته 40. β1=8: كل ساعة دراسة إضافية تزيد من الدرجة بمقدار 8 درجات. β2=5: كل ساعة نوم إضافية تزيد من الدرجة بمقدار 5 درجات. بالنسبة لسؤالك الجديد في الانحدار الخطي المتعدد، يمثل: b1,b2,…,bn تأثيرات المتغيرات المستقلة المختلفة على المتغير التابع Y وكل 𝑏𝑖 (حيث 𝑖 هو رقم المتغير) يعكس مقدار تغير Y عند زيادة xi بوحدة واحدة، مع ثبات بقية المتغيرات رغم وجود عدة معاملات (ميول)، فإن النموذج يمثل علاقة واحدة بين المتغيرات المستقلة وY، ويستخدم لتحديد أفضل خط (أو سطح) ملائم يحقق أفضل تطابق بين القيم المتوقعة والملاحظة.

ال ANCOVA (Analysis of Covariance) هو أسلوب إحصائي يستخدم لتحليل البيانات، ويجمع بين ميزات تحليل التباين (ANOVA) والانحدار والهدف الأساسي من ANCOVA هو تقييم تأثير متغيرات مستقلة (مثل العوامل أو التجارب) على متغير تابع (مثل النتائج) مع التحكم في تأثير متغيرات أخرى تعرف بالمتغيرات المُشوشة أو المتغيرات المرافقة. ومن بين الاستخدامات الرئيسية لل ANCOVA التحكم في المتغيرات فهو يساعد في تقليل تأثير المتغيرات المرافقة التي قد تؤثر على النتائج وأيضا تحليل تأثير العوامل بحيث يمكن من مقارنة المتوسطات بين مجموعات مختلفة مع الأخذ في الاعتبار تأثير المتغيرات الأخرى إضافة إلى تحسين دقة النتائج فهو يزيد من دقة تقديرات تأثير المتغيرات المستقلة على المتغير التابع. وعلى سبيل المثال إذا كنت تجري دراسة على تأثير برنامج تعليمي معين على أداء الطلاب، يمكنك استخدام ANCOVA للتحكم في تأثير المتغيرات مثل العمر أو مستوى الذكاء، مما يساعد في الحصول على نتائج أكثر دقة حول تأثير البرنامج التعليمي على الطلاب. يمكنك مراجعة البعض من المعلومات حول تحليل التباين من هنا:

وعليكم السلام ورحمة الله وبركاته، أهنئك على نجاحك وعقبال الدخول في الحياة المهنية، ولا تخف ففريق الأكاديمية سيرافقك حتى بعد إتمامك للاختبار ونجاحك. بالنسبة للتأخر في الردود فهذا بسبب الضغط على مركز المساعدة، فحتما الأمور تسير بالتدريج ولا داعي للقلق، يمكنك التأكد من قنوات الاتصال لديك كالإيمايل وفي الرسائل المهملة، يمكنك مراجعة هذه الأجوبة لإيجاد ما تحتاجه من استفسارات أيضا من هنا:

أرجو طرح سؤالك في قسم الدورات، في أسفل الدرس ستجد صندوقا للتعليقات مثل الذي هنا، يمكنك طرح أي استفسار أو سؤال متعلق بالدورة، لأنّ هذه المساحة مخصصة فقط لطرح الأسئلة العامة. تحياتي.