رحيل رائد التقنية العربية: محمد الشارخ 😥
أول من أدخل اللغة العربية للحواسيب للمرة الأولى في التاريخ.
نال شرف أول من يطور برنامج للقرآن الكريم وكتب الحديث التسعة.
مؤسس ورئيس مجلس إدارة شركة صخر لبرامج الحاسب عام 1982.

إنجازاته:
تطوير برنامج القرآن الكريم وكتب الحديث التسعة باللغة الإنكليزية للكمبيوتر عام 1985.
أرشيف المعلومات الإسلامية والتعرف الضوئي على الحروف العربية عام 1994.
نطق الحروف العربية عام 1998 والترجمة من وإلى العربية عام 2002.
ترجمة التخاطب الآلي عام 2010.
تطوير العديد من البرامج التعليمية والتثقيفية وتعلم البرمجة للناشئة (أكثر من 90 برنامجاً).
نشر كتب تعليم الكمبيوتر وتدريب المدرسين وتأسيس معاهد تعليم برمجة الحاسب.

رحمة الله عليه وألهم أهله وذويه الصبر والسلوان. 🤲

دليلك خطوة بخطوة لجميع خوارزميات التعلم الآلي 🤖

1ـ ابدأ بخوارزميات الانحدار (Regression Algorithms):

الانحدار الخطي (Linear Regression) 📈
الانحدار متعدد الحدود (Polynomial Regression) 曲线
انحدار ريدج و لاسو (Ridge and Lasso Regression) ⚖️
انحدار الشبكة المرنة (Elastic Net Regression) 🕸

2ـ انتقل بعد ذلك إلى خوارزميات التصنيف الخطي (Linear Classification Algorithms):

الانحدار اللوجستي (Logistic Regression) 🧮
تحليل تمييز الخطي (LDA) (Linear Discriminant Analysis) 📊
مصنف الانحدار العشوائي (Stochastic Gradient Descent Classifier) 🎲

3ـ تعلّم خوارزميات نايف بايز (Naïve Bayes Algorithms):

نايف بايز غاوسي (Gaussian Naive Bayes) 🔔
نايف بايز المتعدد (Multinomial Naive Bayes) 🧮
نايف بايز برنولي (Bernoulli Naive Bayes) 🧬

4ـ تعلّم آلات الدعم المتجه (Support Vector Machines) وجيران أقرب K (K Nearest Neighbours)

5ـ تعلّم أشجار القرار (Decision Trees) وطرق المجموعات (Ensemble Methods):

شجرة القرار (Cart) 🌳
ـID3 و C4.5 🌴
الغابات العشوائية (Random Forests) 🌲

6ـ تعلّم خوارزميات التعزيز (Boosting Algorithms):

تعزيز الانحدار (Gradient Boosting) 📈
الـ AdaBoost 💪

7ـ انتقل بعد ذلك لتعلم خوارزميات التجميع (Clustering Algorithms):

ـ K-means Clustering 👥
ـDBSCAN (التجميع الكثيف القائم على المسافة) 🔬
التجميع التراكمي (Agglomerative Clustering) 🧱
تجميع BIRCH Clustering 🪵
تجميع الانزياح المتوسط (Mean Shift Clustering) 🧲

8ـ تعلّم بُنى الشبكات العصبية (Neural Network Architectures):

ـ Perceptron (بيرسيبترون) 🧠
ـ Perceptron متعدد الطبقات (Multilayer Perceptron) 🧠🧠
ـ CNN (الشبكة العصبية الالتفافية) 🖼
ـ RNN (الشبكة العصبية المتكررة) 🔁
ـ LSTM (الذاكرة طويلة المدى قصيرة الأجل) ⏳
ـ GAN (شبكات الخصومة التوليدية) 🎭
ـ Transformer Networks (شبكات المحولات) 🕸

هل أنت مستعد لبدء رحلتك في عالم التعلم الآلي؟ 🚀

#تعلم_الآلة #خوارزميات #ذكاء_اصطناعي #برمجة

الأمر بسيط إن شاء الله :
أولا قم بالتسجيل في الـ API الخاص بهم عبر إيميلك :
https://console.anthropic.com/
ثانيا قم بإدخال رقم هاتفك وتأكيده.
ثالثا قم بعمل Claim لمبلغ 5 دولار الذين يقدمونه مجانا للتجربة.

رابعا: إستمتع باستخدام واختبار أحدث النماذج 👴

لا تقلق 5 دولار مبلغ كافي لتجربة كل شيء هناك بانتظار دعم بلدك

اذا لم تحفز نفسك، فلن تحقق أي شيء مهم في حياتك😔
كيف تجبر دماغك على الرغبة في فعل الأشياء الصعبة؟

هناك نوعان من الدوافع: خارجية وداخلية.
الدافع الخارجي: يأتي من عوامل خارجية مثل المال أو الثناء.
الدافع الداخلي: يأتي من رغبتك في تحقيق شيء ما لنفسك.

الدافع الخارجي:
يخلق دفعة تحفيزية قصيرة المدى.
يعمل في البداية، لكنه يتلاشى بسرعة.

أمثلة:
المال 💰
الثناء 👍
الخوف من الفشل 😨

الدافع الداخلي:
يدوم لفترة أطول.
يقودك إلى تحقيق أهداف أكبر.

أمثلة:
حب التعلم 🧠
الشعور بالإنجاز 💪
الرغبة في المساعدة 🤝

كيف تزيد من دافعك الداخلي؟
حدد أهدافًا مهمة بالنسبة لك.
قسّم أهدافك الكبيرة إلى أهداف أصغر.
احتفِ بإنجازاتك، حتى لو كانت صغيرة.
ابحث عن بيئة تدعمك وتشجعك.
تذكر شعورك بالإنجاز بعد إنجاز مهمة صعبة.

تذكر:
الدافع هو مفتاح النجاح.
يمكنك تنمية دافعك الداخلي من خلال الممارسة.
لا تستسلم!

#تحفيز #دافع #نجاح #أهداف #إنجاز

ما الذي نتوقعه بحلول نهاية عام 2024؟ أين يتجه الذكاء الاصطناعي؟

7-10 نماذج بمستوى GPT-4: 🤯 ستظهر نماذج ذكاء اصطناعي متقدمة تُضاهي GPT-4 في قدراتها.
لا قفزات هائلة: 🤔 لن نشهد ثورة تقنية هائلة مثل ظهور GPT-5، أو قد يكون GPT-5 مخيبًا للآمال.
حروب الأسعار: ⚔️ ستتنافس الشركات على تقديم خدمات الذكاء الاصطناعي بأسعار تنافسية.
فجوة ضيقة: 🤏 لن تتميز أي شركة بميزة تنافسية كبيرة.
لا حلول جذرية: 😕 لن تُحل مشكلة الهلوسة في نماذج الذكاء الاصطناعي بشكل كامل.
تبني متواضع من الشركات: 🏢 ستستخدم بعض الشركات تقنية الذكاء الاصطناعي، لكن بشكل محدود.
أرباح متواضعة: 💰 ستحقق الشركات أرباحًا معقولة من تقنية الذكاء الاصطناعي، لكن ستتوزع هذه الأرباح على عدد كبير من الشركات.

كانت هذه توقعات الخبير العالمي Gary Marcus


#ذكاء_اصطناعي #تنبؤات #GPT4 #برمجة #تكنولوجيا_حديثة

أي شخص أنت من هؤلاء ؟ 😅

هل تبحث عن أفضل أدوات الذكاء الاصطناعي لتعلمها واستخدامها؟ لا تبحث أكثر! هذا الفيديو هو لك!
في هذا الفيديو قمنا بتحليل 90 مكتبة للذكاء اصطناعي واخترنا لك الأفضل، ثم قمنا بترتبها من حيث السهولة والكفاءة ،تطرقنا لإيجابيات وسلبيات واستخدامات كل مكتبة، ورشحنا لك أفضل المصادر .
https://youtu.be/DhR_junruyI

ـGrok أصبح مفتوح المصدر! أول تحليل للكود
نشرنا فيديو قصير عنه: https://youtube.com/shorts/gqwofvkp2sE?feature=share



غوص عميق في بنية جروك (Grok) 🤖
هذا ملخص لمحتويات ملف http://model.py لنموذج Grok الذي يحتوي على 314 مليار معلمة (parameter) مفتوحة المصدر:
https://github.com/xai-org/grok-1

1. المعلومات الأساسية:
ـ حجم النموذج: 314 مليار
ـ مزيج من 8 خبراء (experts)، 2 منهم نشطين
ـ 86 مليار معلمة نشطة
ـ يستخدم Rotary Embeddings بدلاً من Positional Embeddings الثابتة

2. معلومات Tokenizer:
ـ حجم المفردات (vocab size): 131,072 (مشابه لـ GPTـ4)
ـ حجم Embedding: 6,144 (48*128)
ـ عدد طبقات Transformer: 64

3. كتلة الانتباه متعدد الرؤوس (Multihead Attention Block):
ـ 48 رأس (head) للاستعلامات (queries)
ـ 8 رؤوس للمفاتيح والقيم (keys/values)
ـ حجم المفاتيح والقيم: 128

4. كتلة الكثافة (Dense Block):
ـ عامل التوسيع (widening factor): 8
ـ حجم الطبقة المخفية: 32,768
ـ يتم اختيار خبيرين من أصل 8 لكل رمز (token)

5. معلومات أخرى:
ـ حجم Rotary Positional Embeddings: 6144
ـ أقصى طول للسياق (context length): 8192 رمز
ـ دقة الأرقام: bfloat16

🧠 هذه المعلومات توضح الهندسة المعمارية لهذا النموذج الضخم ذو الأداء العالي. استخدام تقنيات مثل Rotary Embeddings وMixture of Experts تساهم في تحسين قدراته.

#Grok

#أسئلة_المبرمجين : أنا أحب علم البيانات، ماذا تنصحني؟

✨التعلم:

- تعلم أساسيات علم البيانات:
- الإحصاء
- البرمجة (Python و R)
- تعلم الآلة
- تحليل البيانات
- تعمق في مجالات محددة:
- تحليل البيانات المالية
- علم البيانات للرعاية الصحية
- تحليل البيانات النصية
- تعلم الآلة العميقة
- ابحث عن دورات وكورسات:
- Hsoub academy
- Coursera
- Udacity
- Udemy
- edX
- Andrew Ng's Machine Learning Course
- Python arabic communty

✨الممارسة:

- شارك في مشاريع البيانات:
- Kaggle
- Hackathons
- مشاريع مفتوحة المصدر

- ابني محفظة أعمال:
- اعرض مشاريعك على GitHub
- اكتب مقالات عن علم البيانات
- شارك في المؤتمرات وورش العمل

✨التواصل:

- تواصل مع مجتمع البيانات:
- انضم إلى مجموعات LinkedIn
- تابع خبراء البيانات على Twitter
- احضر فعاليات علم البيانات
- ابحث عن فرص عمل:
- وظائف علم البيانات
- وظائف تحليل البيانات
- وظائف مهندس تعلم الآلة

✨نصائح إضافية:

- كن فضوليًا:
- ابحث عن أسئلة مثيرة للاهتمام للإجابة عليها باستخدام البيانات
- استكشف تقنيات جديدة
- لا تتوقف عن التعلم
- كن مبدعًا:
- استخدم البيانات لحل المشكلات بطرق جديدة
- طور أفكارًا جديدة
- فكر خارج الصندوق
- كن مثابرًا:
- علم البيانات مجال صعب
- لا تستسلم بسهولة
- استمر في التعلم والممارسة

لديك أي سؤال؟ نحن نجيب عن معظم أسئلة متابعينا🧡

#علم_البيانات #مجال_البيانات #نصائح_مهنية