Chihab Hedidi

بالنسبة لPython فهو يمنحك القدرة على التحكم في التفاصيل الدقيقة للتصورات ويتيح لك دمج التحليل الإحصائي وتعلم الآلة مع التصورات بسهولة، و هو الخيار الأفضل إذا كنت تخطط لدمج التحليل مع تعلم الآلة، حيث يمكنك استخدام مكتبات مثل Scikit-learn، TensorFlow، وPandas لتحليل البيانات، تدريب النماذج، وتصور النتائج كلها في نفس البيئة، و ليس مصمما لتعلم الآلة، و يمكنك استخدامه لتصور البيانات التي تم تحليلها مسبقا، ولكن لن تتمكن من تدريب أو تنفيذ نماذج تعلم الآلة فيه مباشرة، كما يمكن أن يكون مكلفا، خاصة إذا كنت تحتاج إلى النسخ الاحترافية أو استخدام Tableau Server.

الحزم الأساسية تأتي مدمجة مع بيئة تشغيل Node.js، ولا تحتاج إلى تثبيتها بشكل منفصل، و تشمل هذه الحزم الوظائف الأساسية مثل التعامل مع الملفات، الشبكات، العمليات، وغيرها مثل fs و الذي يعتبر نظام الملفات أو path للتعامل مع المسارات، و هذه الحزم تكون دائما متاحة بمجرد تثبيت Node.js ولا تحتاج إلى إضافتها إلى ملف package.json الخاص بك أو تثبيتها باستخدام npm install. أما الحزم العامة تشمل كل الحزم الأخرى التي تحتاج إلى تثبيتها بشكل منفصل، و يمكنك تثبيتها باستخدام npm لتوسيع إمكانيات مشروعك، أما الحزم التي تحتوي على الحرف g- فعادة هذا الحرف يشير إلى أن الحزمة يجب تثبيتها عالميا أو globally على مستوى النظام باستخدام الخيار -g، عندما تثبت حزمة مع هذا الخيار، فإنها تصبح متاحة للاستخدام في أي مكان على جهازك، وليس فقط داخل المشروع الذي تعمل عليه. و الحزم المثبتة عالميا غالبا ما تكون أدوات سطر الأوامر التي تحتاج لاستخدامها عبر النظام بأكمله مثل nodemon.

من ناحية الأداء والفعالية من الأفضل دائما تطبيق الفلاتر أثناء الاستعلام عن البيانات مباشرة من قاعدة البيانات باستخدام الطريقة الثانية: example = MODEL.objects.filter(الفلاتر هنا) السبب في ذلك هو أن تصفية البيانات في قاعدة البيانات قبل جلبها إلى التطبيق يؤدي إلى جلب عدد أقل من السجلات وبالتالي تقليل الحمل على الذاكرة والشبكة، فقاعدة البيانات تمتلك محركات تصفية واستعلام فعالة جدا تستطيع تحديد البيانات المطلوبة بسرعة كبيرة مقارنة بمحاولة جلب جميع البيانات ثم تصفيتها على مستوى التطبيق. أما إذا قمت بجلب جميع السجلات ثم قمت بتصفية البيانات داخل القالب أو بعد جلبها في الكود، فسيؤدي ذلك إلى تحميل جميع السجلات في الذاكرة، مما قد يؤدي إلى بطء الأداء وزيادة استخدام الموارد، خصوصا إذا كانت قاعدة البيانات تحتوي على عدد كبير من السجلات.

لأنه لا يوجد حاجة لكتابة دالة __init__ لأن هذا السؤال يتطلب تنفيذ دالة معينة داخل الكلاس لحل المشكلة فقط، والفرق هو أن الدالة __init__ تستخدم في الكلاس لتعريف الخصائص الأولية للكائن عند إنشائه فهي تمثل الـ constructor، وتستدعى تلقائيا عند إنشاء كائن جديد من الكلاس، حيث نستخدمها عادة لتعيين القيم الأولية للمتغيرات في الكلاس، أما هنا السؤال بسيط ويتطلب فقط تنفيذ دالة TwoSum التي تقوم بحساب النتيجة المطلوبة، لذا LeetCode يركز على الدالة التي تحل المشكلة، وليس على إنشاء كائنات بخصائص محددة من خلال __init__.

بالنسبة للسؤال الأول الدفع يكون على الدورة فقط و يشمل كل شيء، حيث سيكون هناك متابعة أثناء الدورة وبعدها من قبل فريق مختص، أما إذا كنت تخطط للاستعانة بمصممين أو مبرمجين للعمل على مشاريع خاصة، ستحتاج لدفع أجورهم بشكل طبيعي حسب ما تم الاتفاق عليه. بالنسبة للسؤال الثاني دورة إدارة المنتجات التي تقدمها الأكاديمية تحتوي على مهارات مهمة ومطلوبة في سوق العمل، خاصة في دول الخليج حيث يوجد طلب كبير على مديري المنتجات ذوي الخبرة، ولكن الحصول على وظيفة قد يعتمد أيضا على خبرتك السابقة، وقدرتك على تطبيق المهارات المكتسبة من الدورة عمليا، إضافة إلى السيرة الذاتية التي يجب عليك بناءها، كما توفر الأكاديمية متابعة بعد الإنتهاء من الدورة لمساعدتك في الحصول على وظيفة.

المشكلة لديك في المقارنة حيث أنarr[i+=1] ليست صيغة صحيحة في بايثون و يجب عليك حذف علامة تساوي ليصبح الكود هكذا: if arr[i] == arr[i+1]: و بالنسبة للكود النهائي يمكنك تعديله بهذا الشكل: arr = [1, 2, 4, 4] sm = 8 for i in range(len(arr) - 1): if arr[i] == arr[i + 1]: print("yes") لاحظ أنني قمت بتعديل الحلقة ليكون طولها len(arr) - 1 حتى لا نحاول الوصول إلى عنصر خارج النطاق عند مقارنة arr[i + 1]

بالنسبة لخوارزمية "Divide and Conquer" أو بما تسمى التقسيم والتغلب فهي تقنية تستخدم في تصميم الحلول لمشاكل معينة عن طريق تقسيم المشكلة إلى أجزاء أصغر وأكثر سهولة في الحل، و بعد تقسيم المشكلة الكبيرة إلى أجزاء أصغر، يتم حل كل جزء على حدة، ثم يتم دمج النتائج لحل المشكلة الأساسية بشكل كامل. حيث نقوم أولا بتقسيم المشكلة الكبيرة إلى مشكلات أصغر تكون شبيهة بالمشكلة الأصلية ولكن أصغر في الحجم، و من ثم في مرحلة التغلب نقوم بحل كل مشكلة صغيرة على حدة، إذا كانت المشكلة بسيطة بدرجة كافية، يتم حلها مباشرة، وإلا يتم تكرار العملية على المشكلات الأصغر، و بعد حل المشكلات الأصغر، يتم دمج النتائج لإعطاء الحل النهائي للمشكلة الأصلية، بهذا الشكل:

توفر أكاديمية حسوب ضمان لإسترداد كامل سعر الدورة في حالة أنك أنهيت الدورة ولم تجد أي عمل لمدة ستة أشهر من وقت إتمام الدورة و هذا ما يميز الدورات هنا، حيث هناك فريق مختص سيساعدك على إيجاد عمل في أسرع وقت ممكن و يمكنك الإطلاع على صفحة الأسئلة الشائعة ليكون لديك فكرة أفضل على الدورات.

إذا كانت هذه الدالتين تعملان بشكل صحيح عند استدعائهما خارج الدالة myfunction، فالمشكلة قد تكون في الشروط أو الترتيب داخل الـ if، لذا تأكد من أن المتغيرات x و col تحتوي على قيم صحيحة قبل تنفيذ الشرط، حيث إذا كان الشرط if(x == 1) أو if(col == 1) لا يتحقق، فسيتم تخطي الكود داخل الـ if. و أيضا لاحظت أنك تستخدم col لكن لم يتم تعريفه في الكود الذي يظهر في الصورة، لذا تأكد من تعريف جميع المتغيرات اللازمة بشكل صحيح قبل استخدامها. إذا إستمرت المشكلة أرجوا إرفاق ملفات المشروع كاملة حتى يمكن الإطلاع عليه بشكل أفضل.

نعم يوجد، مسابقة ACPC كان النهائي السنة الماضية للمسابقة الإفريقية و العربية في مصر، و أعتقد أن هذه السنة لم تبدأ بعد يمكنك البحث عليها لمعرفة كيفية التسجيل، و على الأغلب فهي موجهة لطلاب الجامعة.

هي منافسات تنظم بهدف اختبار مهارات المبرمجين في حل مشاكل برمجية محددة خلال فترة زمنية قصيرة، و تعقد هذه المسابقات عادة على مستويات مختلفة، منها المحلية والدولية، وتتناول مسائل تتراوح من بسيطة إلى معقدة تتطلب التفكير النقدي والتحليل المنطقي، يوجد العديد منها مثل مسابقة البرمجة الجماعية الدولية ICPC و التي تبدأ كمسابقة محلية ثم تتأهل الفرق للمشاركة في المسابقة العالمية أو مسابقة جوجل كود جامب و غيرها و هذه المسابقات تتيح للمبرمجين فرصة لتحسين قدراتهم في التفكير المنطقي وحل المشكلات البرمجية بطرق فعالة، و تعتبر الشركات الكبرى هذه المسابقات مؤشرا على مهارة المبرمجين وتستعين بها لاكتشاف المواهب الجديدة، و الفائزون في هذه المسابقات غالبا ما يحصلون على عروض عمل مميزة.

شهادات جوجل هي مجموعة من البرامج التعليمية والدورات التي تقدمها شركة جوجل عبر منصات التعليم الإلكتروني، و تهدف هذه الشهادات إلى تزويد المتعلمين بالمهارات اللازمة في مجالات مختلفة من خلال تعليمات وتوجيهات عملية تساعدهم على بدء أو تعزيز مسيرتهم المهنية. بالنسبة للشهادات الخاصة بمجال تعلم الآلة أو تحليل البيانات يوجد: Google Data Analytics Certificate: حيث أن هذا البرنامج يستهدف الراغبين في العمل كأخصائيين في تحليل البيانات، و يتضمن الدورات حول جمع البيانات وتحليلها باستخدام أدوات مثل Excel وSQL وTableau. Google Machine Learning Crash Course: و هذه تعتبر دورة مكثفة مقدمة من جوجل تتعلق بتعلم الآلة، وتغطي الأساسيات مثل النماذج التنبؤية، والشبكات العصبية، والتعلم العميق. هذه الشهادات و الدورات تعتبر مهمة فهي تمنحك معرفة عملية ومتخصصة في مجالات مطلوبة في سوق العمل، مما يساهم في تعزيز فرصك الوظيفية، كما أن شهادات جوجل معترف بها على نطاق واسع من قبل الشركات الكبرى، مما يزيد من قيمة الشهادة في سوق العمل.

في صفحة كل دورة تجد معلومات عليها من بينها عدد الساعات المتوقعة لإنهاء الدورات، بالنسبة لدورة تطوير واجهات المستخدم فمدتها حوالي 72 ساعة فيديو تدريبية، أما بالنسبة لدورة علوم الحاسوب فمدتها حوالي 62 ساعة فيديو تدريبية. بالتأكيد إنهاء الدورة بشكل كامل يعتمد على عدد الساعات التي توفرها يوميا و أيضا درجة فهمك، و كذا المشاريع التي ستنجزها و التي سأتخذ وقت أيضا.

لا هذا موقع google careers و الذي يحتوي على وظائف و في نفس الوقت يقومون بوضع internships في بعض الأحيان في شركة جوجل، و إذا توفر فيك شروط معينة يمكنك التقديم بالتأكيد، و لكن ليس صيفي و إنما في أي وقت يتم نشر هذه العروض يمكنك التقديم.

إنشاء موقع لتحميل واجهات HTML ليس مجرد سكريبت بسيط، بل هو مشروع يتطلب تصميم وتطوير موقع متكامل، و ستحتاج إلى إعداد قاعدة بيانات لإدارة الملفات والمستخدمين، وإنشاء واجهة مستخدم سهلة الاستخدام، وضمان أن الموقع آمن ومستقر، يمكنك استخدام أنظمة إدارة المحتوى مثل WordPress مع بعض الإضافات لتقريب الأمر، ولكن حتى في هذه الحالة، ستحتاج إلى تخصيصها وتطوير إضافات مخصصة لتناسب احتياجاتك بالضبط، إذا تعذر عليك القيام بهذا الأمر ستحتاج للإستعانة بمبرمج يساعدك في العمل.

بتحليل الـ Confusion Matrix الموضح في الصورة يظهر النتائج التالية: True Positives (TP): 137 False Positives (FP): 20 False Negatives (FN): 31 True Negatives (TN): 110 من خلال تحليل هذه النتائج و مع النتائج التي في الصورة فالدقة هي 0.8167 أو 81.67%، مما يعني أن النموذج صحيح بنسبة كبيرة، و تقييم النموذج يكون بهذا الشكل: ممتاز: إذا كانت الدقة أعلى من 90%، وعادة ما تكون الأخطاء قليلة للغاية. جيد جدا: النموذج الخاص بك يقع في هذه الفئة، حيث إن دقته قريبة من 82%. جيد: إذا كانت الدقة تتراوح بين 70-80% مع الأخطاء الكثيرة نسبيا. لذا فالنموذج الخاص بك يعتبر جيد جدا.

ويب 3 هو نمط جديد مفتوح ولامركزي للإنترنت، يمنح المستخدمين الملكية الكاملة للمحتوى الذي يقدمونه والمنصات التي ينشئونها، حيث ينشئ المستخدمون حسابا في التطبيقات عبر المحافظ الرقمية الحاوية على عملات مشفرة، يعمل ويب 3.0 بتقنية blockchain، ويستخدَم بصورة أساسية في المعاملات المالية. يمكنك الإطلاع على هذه المقالة التي تم الشرح فيها بشكل مفصل و منها يمكنك التعمق أكثر في البحث عن المصطلحات:

أعتذر على سوء الفهم فالسؤال لم يكن واضح، أعتقد أنك تقصدين الإختبار الخاص بالدورة، في الواقع لا يوجد تدريب معين و إنما سيتم منحك مشروع لإنجازه في حوالي 15 يوم و هذا على حسب المسارات التي أنهيتها، وبالتالي يجب أن تتجهزي لهذا الإختبار قبل التقديم له.

الأكاديمية توفر الدورات لمدى الحياة و ليس لفترة محددة من الزمن، إذا كانت لديك الدورة بالفعل من قبل فيمكنك دائما الوصول إليها و التحديثات التي طرأت عليها في أي وقت، أما إذا كنتي تقصدين شراء الدورة لفترة معينة فقط فهذا الأمر غير متوفر حاليا، و يمكنك أن تطلعي على صفحة الأسئلة الشائعة و التي تحتوي على هذه المعلومات.

وظيفة <form> هي تنظيم وتجميع عناصر الإدخال ضمن وحدة واحدة تمكن المستخدم من إرسال البيانات إلى الخادم، ولكن بدون استخدام <form>، يمكنك إنشاء الحقول والعناصر كما فعلت، ولكن لن تتمكن من إرسال هذه البيانات بشكل مباشر عبر الطريقة التقليدية مثل الضغط على زر "إرسال" إلى وجهة معينة مثل خادم ويب، فعناصر الإدخال تعمل بشكل طبيعي خارج <form> من حيث الظهور والوظيفة المحلية ، ولكن وجود <form>`ضروري لتمكين إرسال البيانات إلى مسار باستخدام طرق مثل POST أو GET.

نعم و هي الدالة المسؤولة عن تقريب القيم و صيغتها العامة: numpy.round(a, decimals=0, out=None) حيث أن : a: المصفوفة أو القيمة التي تريد تقريبها. decimals: عدد المنازل العشرية المراد التقريب إليها و القيمة الافتراضية هي 0. out: مصفوفة اختيارية لتخزين النتيجة فيها. و يمكنك إستدعاء مصفوفة داخلها لتقريب القيم على حسب عدد المنازل العشرية التي تريدها.

بالنسبة للدالة predict فتستخدمها عندما ترغب في استخدام الشبكة العصبية المدربة للتنبؤ بالقيم أو النتائج الجديدة بناء على بيانات جديدة لم تشارك في التدريب، حيث يتم استخدامها بعد الانتهاء من تدريب النموذج، عندما يكون لديك بيانات جديدة وتريد أن تعرف ماذا سيتنبأ النموذج. أما الدالة evaluate فتستخدمها لحساب أداء النموذج على مجموعة بيانات معينة مثل بيانات التحقق أو الاختبار، فهي تقيم النموذج المدرب باستخدام البيانات الحقيقية وتقارن مخرجات النموذج مع القيم الفعلية، و الدالة تقوم بحساب المقاييس مثل loss أو الدقة accuracy أو أي مقاييس أخرى قمت بتحديدها أثناء بناء النموذج، و يتم استخدامها عادة بعد التدريب للتحقق من أداء النموذج على بيانات اختبارية، وهي تعطي فكرة عن جودة النموذج. فإذا كان هدفك هو تقييم مدى جودة النموذج في التنبؤ على بيانات جديدة أو اختبارية، فاستخدم evaluate، وإذا كنت تريد فقط استخدام النموذج للتنبؤ، فاستخدم predict.

نعم من الأفضل تحديد العلاقة بين الجداول في Models لتسهيل العمل مع قواعد البيانات باستخدام، لكن تحديد العلاقة في Model ليس شرطا ضروريا لإضافة المفتاح الأجنبي على مستوى الهجرة.

المصطلحان مهمان و يرتبطان بتدريب النموذج، و بالتأكيد لكل منهما معنى مختلف، حيث أن Epoch هو عدد المرات التي يتم فيها تمرير كامل بيانات التدريب عبر الشبكة العصبية، فمثلا إذا كانت لديك مجموعة بيانات تحتوي على 1000 عينة، وعند اكتمال مرور جميع هذه العينات عبر الشبكة مرة واحدة، نقول إننا انتهينا من Epoch واحد، وعادة ما تحتاج الشبكات العصبية إلى العديد من الـ Epochs لتحسين الأداء تدريجيا، حيث يتم تعديل الأوزان بعد كل Epoch بناء على الخطأ. أما Batch Size فهو حجم الدفعة، أي عدد العينات التي يتم تمريرها عبر الشبكة في كل تحديث للأوزان، فبدلا من تمرير جميع العينات مرة واحدة عبر الشبكة والذي قد يكون بطيئا جدا في حالة المجموعات الكبيرة، يتم تقسيم البيانات إلى دفعات صغيرة، و بعد كل دفعة يتم تحديث الأوزان بناءً على نتائج تلك الدفعة فقط، فإذا كانت مجموعة البيانات تحتوي على 1000 عينة وكان حجم الدفعة 100، فهذا يعني أن كل Epoch سيحتوي على 10 دفعات أي 100 عينة لكل دفعة. و العلاقة بينمها هو أن عدد الدفعات في كل Epoch يساوي عدد العينات في مجموعة البيانات ÷ حجم الدفعة، فإذا كانت مجموعة البيانات تحتوي على 1000 عينة وحجم الدفعة هو 100، فستكون هناك 10 دفعات لكل Epoch.

استخدام الخوارزميات لحل المشاكل هو أسلوب شائع في البرمجة وتطوير البرمجيات، فالخوارزميات توفر خطوات واضحة لحل المشكلة وتساعد في تنظيم الأفكار بطريقة منهجية، و الأكاديمية هنا توفر دروس ممتازة فعلا في هذا المجال حيث يوجد العديد من الدروس المكتوبة و الكتب التي تساعدك على تطوير نفسك. و لحل المشاكل باستخدام الخوارزميات يجب عليك أولا التأكد من فهم جميع جوانب المشكلة وما المطلوب بالضبط، ثم تحدد أي خوارزمية أو هيكل بيانات يمكن أن يساعد في حل المشكلة، و بعدها ابدأ في كتابة الشيفرة مع التركيز على تحسين الخوارزمية وتحقيق الكفاءة، و بعد كتابة الشيفرة اختبرها مع مجموعة متنوعة من المدخلات للتأكد من صحتها. و يمكنك قراءة هذه المقالات التي ستساعدك كبداية في تعلم الخوارزميات: