IT Engineer
#Python #Trick كتير منلاحظ هالسينتاكس ببايثون والغالب بكون صعب عليه فهمو و ليش هو افضل بغالب الاحيان من حلقة for و شو اسمو وكيف بيشتغل؟ غدا انشالله منشور عن الفكرة بالتفصيل
المصطلح يلي شفناه بالصورة اسمو List comprehensions و هو انشاء list بطريقة مختصرة واسرع
List comprehensions
هي إحدى ميزات Python المثيرة للاهتمام والمفيدة للغاية والتي تتيح لنا إنشاء القوائم ومعالجتها باستخدام بناء جملة أقصر بكثير.
Syntax
يتكون بناء الجملة الأساسي من قوسين مربعين [] يتضمنان تعبيرًا متبوعًا بجملة for. ويمكن تضمين شرط باستخدام if لفلترة البيانات
Expression
يحدد التعبير ما يجب تضمينه في القائمة الجديدة لكل عنصر في العنصر القابل للتكرار. يمكن أن يكون تحويلاً بسيطًا أو حتى عملية حسابية
على سبيل المثال، لنفترض أن لدينا قائمة بخمسة أرقام مخزنة في numbers
نريد إنشاء قائمة أخرى منها وتخزين مربعات هذه الأرقام فيها.
يمكننا القيام بذالك عن طريق تعريف List comprehensions تسمى squares الذي تقوم بعمل مربعات الاعداد لكل عدد عن طريق التعبير الآتي:
هي تعبير نفس هي التعبير :
output
نلاحظ نفس الجواب للجهتين طيب شو الفرق ؟
اولا: مصطلح قابل للقراءة اكثر ومختصر ونحن منحاول دائما نكتب كمية اقل من الكود و تعتبر هذه الكتابة بايثونية (شخص بيشرب بايثون بالعامية🌚)
ثانيا: اسرع نوعا بشكل بسيط من استخدام ال for loop التقليدية حسب تجربة الخبراء
هاد شرح فكرة بشكل مختصر و انشالله قريبا رح نزل notebook كامل وفيه امثلة وشرح شامل و مصادر ممتازة بعتذر عن التأخير لضيق الوقت
وكل الأسئلة يلي عم تجي ما عم يتم تجاهلها ولكن رح يتم الإجابة عنها اما بشرح عالقناة او رد قريبا💯
📛تذكر انا ما زلت بتعلم متلي متلك وماني متأكد من معلومتي وما عندي الخبرة الكافية والمؤهلات لأشرح فكرة بشكل عميق انو كيف هاد الامر من ناحية الذاكرة والاستخدام لهيك اغلب شروحاتي من مواقع موثوقة وناس خبراء مجرد مشاركة معلومة حسب الأسئلة يلي عم تجيني📛
#python #list
#A_person_who_learns_and_shares_what_he_learns_I_am_not_a_very_experienced_person_but_I_use_the_sources_I_learn_from_and_share_them.
#Anyone_can_make_mistakes
List comprehensions
هي إحدى ميزات Python المثيرة للاهتمام والمفيدة للغاية والتي تتيح لنا إنشاء القوائم ومعالجتها باستخدام بناء جملة أقصر بكثير.
Syntax
يتكون بناء الجملة الأساسي من قوسين مربعين [] يتضمنان تعبيرًا متبوعًا بجملة for. ويمكن تضمين شرط باستخدام if لفلترة البيانات
list_comp = [expression for item in iterable if condition]
Expression
يحدد التعبير ما يجب تضمينه في القائمة الجديدة لكل عنصر في العنصر القابل للتكرار. يمكن أن يكون تحويلاً بسيطًا أو حتى عملية حسابية
على سبيل المثال، لنفترض أن لدينا قائمة بخمسة أرقام مخزنة في numbers
نريد إنشاء قائمة أخرى منها وتخزين مربعات هذه الأرقام فيها.
يمكننا القيام بذالك عن طريق تعريف List comprehensions تسمى squares الذي تقوم بعمل مربعات الاعداد لكل عدد عن طريق التعبير الآتي:
numbers = [1, 2, 3, 4, 5]
squares = [num ** 2 for num in numbers]
print(squares)
هي تعبير نفس هي التعبير :
numbers=[1,2,3,4,5]
squares =[]
for num in numbers:
squares.append(num**2)
print(squares)
output
[1, 4, 9, 16, 25]
نلاحظ نفس الجواب للجهتين طيب شو الفرق ؟
اولا: مصطلح قابل للقراءة اكثر ومختصر ونحن منحاول دائما نكتب كمية اقل من الكود و تعتبر هذه الكتابة بايثونية (شخص بيشرب بايثون بالعامية🌚)
ثانيا: اسرع نوعا بشكل بسيط من استخدام ال for loop التقليدية حسب تجربة الخبراء
هاد شرح فكرة بشكل مختصر و انشالله قريبا رح نزل notebook كامل وفيه امثلة وشرح شامل و مصادر ممتازة بعتذر عن التأخير لضيق الوقت
وكل الأسئلة يلي عم تجي ما عم يتم تجاهلها ولكن رح يتم الإجابة عنها اما بشرح عالقناة او رد قريبا💯
📛تذكر انا ما زلت بتعلم متلي متلك وماني متأكد من معلومتي وما عندي الخبرة الكافية والمؤهلات لأشرح فكرة بشكل عميق انو كيف هاد الامر من ناحية الذاكرة والاستخدام لهيك اغلب شروحاتي من مواقع موثوقة وناس خبراء مجرد مشاركة معلومة حسب الأسئلة يلي عم تجيني📛
#python #list
#A_person_who_learns_and_shares_what_he_learns_I_am_not_a_very_experienced_person_but_I_use_the_sources_I_learn_from_and_share_them.
#Anyone_can_make_mistakes
بالمناسبة الناس يلي ما بتعرف شو هو ال notebook الخاص ببيئة jupyter
شرح بسيط من ابداع الذكاء الأصطناعي ما من ابداعي😁
ما هو Jupyter Notebook؟
Jupyter Notebook هو بيئة تفاعلية مفتوحة المصدر تُستخدم بشكل واسع في علوم البيانات، التعلم الآلي، والبرمجة. يتيح للمستخدمين كتابة وتنفيذ الشيفرات البرمجية، وعرض النتائج، وكتابة الملاحظات، كل ذلك في واجهة واحدة سهلة الاستخدام.
المميزات الرئيسية:
تفاعلية: يمكنك كتابة الشيفرة البرمجية وتنفيذها في خلايا (cells) منفصلة، مما يتيح لك رؤية النتائج بشكل فوري.
دعم لغات متعددة: يدعم Jupyter العديد من لغات البرمجة مثل Python، R، Julia، وغيرها.
التوثيق: يمكنك إضافة نصوص، معادلات رياضية، صور، وروابط، مما يجعل من السهل توثيق الأفكار والمشاريع.
مشاركة سهلة: يمكنك تصدير الـ Notebooks إلى صيغ متعددة مثل HTML، PDF، أو حتى مشاركة الروابط مباشرة.
مكتبات قوية: يدعم Jupyter العديد من المكتبات الشهيرة مثل NumPy، Pandas، Matplotlib، مما يجعله مناسبًا لتحليل البيانات والتصور.
رح نزل شرح عنو بالتفصيل من واقع تجربتي وكيف منشغلو وشوية اوامر سحرية فيه
#jupyter #notebook #python #NumPy #Pandas
شرح بسيط من ابداع الذكاء الأصطناعي ما من ابداعي😁
ما هو Jupyter Notebook؟
Jupyter Notebook هو بيئة تفاعلية مفتوحة المصدر تُستخدم بشكل واسع في علوم البيانات، التعلم الآلي، والبرمجة. يتيح للمستخدمين كتابة وتنفيذ الشيفرات البرمجية، وعرض النتائج، وكتابة الملاحظات، كل ذلك في واجهة واحدة سهلة الاستخدام.
المميزات الرئيسية:
تفاعلية: يمكنك كتابة الشيفرة البرمجية وتنفيذها في خلايا (cells) منفصلة، مما يتيح لك رؤية النتائج بشكل فوري.
دعم لغات متعددة: يدعم Jupyter العديد من لغات البرمجة مثل Python، R، Julia، وغيرها.
التوثيق: يمكنك إضافة نصوص، معادلات رياضية، صور، وروابط، مما يجعل من السهل توثيق الأفكار والمشاريع.
مشاركة سهلة: يمكنك تصدير الـ Notebooks إلى صيغ متعددة مثل HTML، PDF، أو حتى مشاركة الروابط مباشرة.
مكتبات قوية: يدعم Jupyter العديد من المكتبات الشهيرة مثل NumPy، Pandas، Matplotlib، مما يجعله مناسبًا لتحليل البيانات والتصور.
رح نزل شرح عنو بالتفصيل من واقع تجربتي وكيف منشغلو وشوية اوامر سحرية فيه
#jupyter #notebook #python #NumPy #Pandas
https://github.com/fadel-hasan/linear_regression_multi_varible
مثال بسيط عن الانحدار الخطي لمتغيرين
يمكنك فتح المشروع على موقع GoogleColab وتنفيذ كل خلية على حدة
يمكنك متابعة الدورة التعليمية على قناة الدكتور هشام_عاصم
#github #ml #ai #machine_learning
مثال بسيط عن الانحدار الخطي لمتغيرين
يمكنك فتح المشروع على موقع GoogleColab وتنفيذ كل خلية على حدة
يمكنك متابعة الدورة التعليمية على قناة الدكتور هشام_عاصم
#github #ml #ai #machine_learning
GitHub
GitHub - fadel-hasan/linear_regression_multi_varible: simple linear regression multi variable by using python with 3D graph
simple linear regression multi variable by using python with 3D graph - fadel-hasan/linear_regression_multi_varible
🛠 نصيحة للمطورين: استكشفوا موقع QuickRef.me 🌐
موقع اكتشفتوا مؤخرا وصراحة رهيب جدا اذا حابب توصل لمرجع سريع للغة معينة او framework او مكتبة او اداة برمجية او حتى امر بال linux او اختصارات لوحة المفاتيح لعدد من البرامج و مراجع اخرى غير كل هالأصناف اتصفحوا ما رح تندم ابدا
AI Assistant says🤖:😊(Enjoy)
إذا كنت تعمل في مجال البرمجة أو تطوير الويب، فإنني أوصي بشدة بزيارة QuickRef.me. هذا الموقع يعد مرجعًا سريعًا ممتازًا للعديد من اللغات البرمجية والأدوات.
لماذا هو مهم؟
المحتوى المنظم: يوفر الموقع معلومات مرتبة بطريقة سهلة الفهم، مما يجعل من السهل العثور على ما تحتاجه بسرعة.
تنوع اللغات: سواء كنت تستخدم Python، JavaScript، أو أي لغة أخرى، ستجد مراجع شاملة تغطي معظم الجوانب.
أقسام المراجع:
لغات البرمجة: مثل Python، Java، JavaScript، Ruby، وغيرها.
تطوير الويب: HTML، CSS، وأطر العمل المختلفة.
قواعد البيانات: MySQL، PostgreSQL، MongoDB.
أدوات التطوير: Git، Docker، وغيرها.
مكتبات وأطر العمل: React، Angular، Vue.js.
موارد إضافية: يربطك بمصادر تعليمية أخرى، مما يساعدك على تطوير مهاراتك بشكل مستمر.
تحديثات منتظمة: المعلومات تُحدث باستمرار، مما يضمن لك الوصول إلى أحدث الممارسات.
استخدام هذا الموقع سيساعدك على تحسين إنتاجيتك وتوفير الوقت في البحث عن المعلومات. أنصح الجميع بإضافته إلى قائمة المراجع الخاصة بهم.
للمزيد تابعني على linkedIn و Twitter
#QuikRef
#Programming #Toolkit #Linux_Command #Python #Database #Keyboard_Shortcuts
موقع اكتشفتوا مؤخرا وصراحة رهيب جدا اذا حابب توصل لمرجع سريع للغة معينة او framework او مكتبة او اداة برمجية او حتى امر بال linux او اختصارات لوحة المفاتيح لعدد من البرامج و مراجع اخرى غير كل هالأصناف اتصفحوا ما رح تندم ابدا
AI Assistant says🤖:😊(Enjoy)
إذا كنت تعمل في مجال البرمجة أو تطوير الويب، فإنني أوصي بشدة بزيارة QuickRef.me. هذا الموقع يعد مرجعًا سريعًا ممتازًا للعديد من اللغات البرمجية والأدوات.
لماذا هو مهم؟
المحتوى المنظم: يوفر الموقع معلومات مرتبة بطريقة سهلة الفهم، مما يجعل من السهل العثور على ما تحتاجه بسرعة.
تنوع اللغات: سواء كنت تستخدم Python، JavaScript، أو أي لغة أخرى، ستجد مراجع شاملة تغطي معظم الجوانب.
أقسام المراجع:
لغات البرمجة: مثل Python، Java، JavaScript، Ruby، وغيرها.
تطوير الويب: HTML، CSS، وأطر العمل المختلفة.
قواعد البيانات: MySQL، PostgreSQL، MongoDB.
أدوات التطوير: Git، Docker، وغيرها.
مكتبات وأطر العمل: React، Angular، Vue.js.
موارد إضافية: يربطك بمصادر تعليمية أخرى، مما يساعدك على تطوير مهاراتك بشكل مستمر.
تحديثات منتظمة: المعلومات تُحدث باستمرار، مما يضمن لك الوصول إلى أحدث الممارسات.
استخدام هذا الموقع سيساعدك على تحسين إنتاجيتك وتوفير الوقت في البحث عن المعلومات. أنصح الجميع بإضافته إلى قائمة المراجع الخاصة بهم.
للمزيد تابعني على linkedIn و Twitter
#QuikRef
#Programming #Toolkit #Linux_Command #Python #Database #Keyboard_Shortcuts
QuickRef.ME
QuickRef.ME - Quick Reference Cheat Sheet
Share quick reference and cheat sheet for developers
إزاي ادخل مجال الـ AI واتخصص فيه؟ 👉
كثير بيسألوني إزاي ممكن يدخلو مجال الـ AI وايه تخصصاته، وازاي ابدأ فيه، ومتطلباته ايه وهكذا من الأسئلة المهمة، خلينا نبسط الموضوع واحدة واحدة، واحاول اجاوب على السؤال بطريقة مبسطة للجميع.
أول حاجة لازم أوضحها إن مجال الـ AI مليان فرص، لكن كمان بيحتاج أساسيات تكنولوجية قوية، يعني لازم يكون عند حضرتك خلفية تكنلوجية، واي حد يقول غير الكلام دة فـ على طول اعتبر كلامه بطيخ.
ليه؟ لأن الذكاء الاصطناعي مش مجرد شوية أدوات جاهزة تقدر تشغلها بضغطة زرار وخلاص او هتتعلمه من خلال النظام التقليدي، لا دة علم هندسي قائم على مفاهيم رياضية، إحصاء، برمجة، وطرق تحليل البيانات بشكل متقدم، وعشان كدة لازم تكون مجهز نفسك انك تكون عارف الأساسيات دي عشان تقدر تفهم الـ Machine Learning والـ Deep Learning وتعرف تبني وتطور النماذج بنفسك، الموضوع مش مجرد استخدام مكتبات أو أدوات جاهزة، لازم تبقى فاهم إيه اللي بيحصل ورا الكواليس والـ Lib دي بتعمل ايه وبتشتغل ازاي مع غيرها، وهكذا من الأمور المهمة، فـ لو هتبدأ صح، يبقى لازم تتعلم برمجة، زي Python مثلًا لأنها اللغة الأشهر في الـ AI، وتفهم ازاي تكتب Algorithms مظبوطة، وتتعلم تسأل نفسك "Why" قبل ما تسأل "How" لإن في فرق شاسع ما بين السؤالين دول، لو اتعلمت تسأل نفسك "ليه؟" قبل ما تسأل نفسك "اعمله ازاي؟" يبقى انت عالطريق الصح من ناحية التفكير المنطقي، اما لو انت ضد الكلام دة، يبقى وفر وقتك ومتكملش قراية احسن!
وقبل ما تفكر تدخل مجال الـ AI بشكل عام وأنا بنصح جدآ انك تدخله، اتأكد إنك مستعد تستثمر وقتك في تعلم الأساسيات دي، لو فضلت تقول لنفسك فاتني العمر، هو انا لسة هتعلم؟ هو انا لسة هصبر؟ يبقى صدقني الكار دة مش كارك! مش هتقدر تبني حاجة قوية أو تساهم بشكل فعال إلا لما تكون عندك القاعدة اللي هتشتغل عليها.
إزاي تبدأ في مجال الذكاء الاصطناعي؟
يبقى احنا كدة متفقين ان اول حاجة تعملها هو ان يكون عندك خلفية مش بطالة بلغة زي بايثون، تفكير منطقي، وازاي تكتب خوارزمياتك، ضيف على الكلام دة انك تتعلم ايه هو الـ Modeling من الأساس، وايه هي مودلات الـ AI بأنواع استخداماتها، وتربط دة بالسؤال الي سألته لنفسك "Why" فاكر؟ لان لو قدرت تسأل نفسك السؤال دة قبل بداية اي مشروع، هتعرف توجدله المودل المناسب!
لما تسأل نفسك "ليه أنا بعمل المشروع ده؟"
بذلك بتحدد الهدف الرئيسي: هل هدفك تصنيف صور؟ تحليل بيانات؟ توليد نصوص؟ بمجرد ما تحدد الهدف، هتقدر تختار النوع المناسب من المودل الي يقدر يوفي احتياجاتك!
يعني مثلا: لو شغلك مثلا على النصوص زي الترجمة أو تلخيص النصوص، يبقى الموديلات المبنية على التعلم العميق للتسلسل زي RNNs أو Transformer models زي GPT هي الأنسب.
ولو بتتعامل مع بيانات رقمية وتحليلية،
فيبقى الأنسب ليك هو الموديلات التقليدية زي Random Forest أو XGBoost.
بعد كدة، ركز على تعميق معرفتك في مجال الـ DeepLearning باستخدام مكتبات مشهورة زي TensorFlow وPyTorch او CoreML لو بيئة عمل Apple، وعلى فكرة بيئة عمل أبل من ابسط بيئات العمل الي ممكن تسهل عليك الموضوع دة لو في اوله بناء على ادوات زي CreateML، طبعا مهم إنك تبدأ تشتغل على مشاريع أكبر وأكثر تعقيدًا زي تحليل الصور أو النصوص، لأن التطبيق العملي هو اللي هيزود خبرتك ويقوي مهاراتك. بجانب كده، تابع آخر الأبحاث والتطورات في المجال لأن الذكاء الاصطناعي بيتطور بسرعة.
ما تنساش كمان أهمية التعامل مع البيانات وتنظيفها وتحليلها بشكل فعال، لأن ده جزء أساسي في أي مشروع AI ناجح، فلازم تكون فاهم اصلا ازاي تتعامل مع الداتا بشكل رئيسي.
يبقى كدة نقدر نلخص الموضوع في انه عشان تبدأ في الـ AI، لازم أول، وبكرر لازم ثم لازم تتعلم Python لأنها اللغة اللي كل الناس بتستخدمها في المجال، وكمان لازم يكون عندك تفكير رياضي هندسي عشان تفهم ازاي تتعامل مع الموديلز، تدربها وما الى ذلك.
بعد كده، اتعلم الأساسيات الـ ML زي التصنيف، طرق اتخاذ القرار، الفروقات ما بين الـ Supervised والـ Unsupervised، بعدين ابدأ اتعمق في التعلم العميق واتعلم عن الشبكات العصبية والـ CNN للصور والـ RNN للنصوص. لازم كمان تعرف تتعامل مع البيانات وتنضفها قبل ما تستخدمها في التدريب، حاول دايمًا تطبق اللي اتعلمته في مشاريع عملية زي تصنيف الصور، وتابع أحدث الأبحاث والتطورات عشان المجال بيتغير بسرعة ومش هتتعلم طول ما انت معتمد على التعلم النظري، لذلك لازم تطبق عملي على كل حاجة بتتعلمها.
الفرص في مجال الـ AI دلوقتي كبيرة جدًا، وداخلة في مختلف الصناعات، فلازم يكون عندك رؤية على المدى البعيد، وتبدأ تنفذها بنفسك حتى لو عن طريق Prototype بسيط لفكرتك، أكيد مش هتنجح من اول مرة، لكن دايما اعرف ان كل محاولة فاشلة تساوي تعلم من الخطأ، والي عليه بيترتب انك تعمل شئ ناجح في النهاية، وهكذا..
كثير بيسألوني إزاي ممكن يدخلو مجال الـ AI وايه تخصصاته، وازاي ابدأ فيه، ومتطلباته ايه وهكذا من الأسئلة المهمة، خلينا نبسط الموضوع واحدة واحدة، واحاول اجاوب على السؤال بطريقة مبسطة للجميع.
أول حاجة لازم أوضحها إن مجال الـ AI مليان فرص، لكن كمان بيحتاج أساسيات تكنولوجية قوية، يعني لازم يكون عند حضرتك خلفية تكنلوجية، واي حد يقول غير الكلام دة فـ على طول اعتبر كلامه بطيخ.
ليه؟ لأن الذكاء الاصطناعي مش مجرد شوية أدوات جاهزة تقدر تشغلها بضغطة زرار وخلاص او هتتعلمه من خلال النظام التقليدي، لا دة علم هندسي قائم على مفاهيم رياضية، إحصاء، برمجة، وطرق تحليل البيانات بشكل متقدم، وعشان كدة لازم تكون مجهز نفسك انك تكون عارف الأساسيات دي عشان تقدر تفهم الـ Machine Learning والـ Deep Learning وتعرف تبني وتطور النماذج بنفسك، الموضوع مش مجرد استخدام مكتبات أو أدوات جاهزة، لازم تبقى فاهم إيه اللي بيحصل ورا الكواليس والـ Lib دي بتعمل ايه وبتشتغل ازاي مع غيرها، وهكذا من الأمور المهمة، فـ لو هتبدأ صح، يبقى لازم تتعلم برمجة، زي Python مثلًا لأنها اللغة الأشهر في الـ AI، وتفهم ازاي تكتب Algorithms مظبوطة، وتتعلم تسأل نفسك "Why" قبل ما تسأل "How" لإن في فرق شاسع ما بين السؤالين دول، لو اتعلمت تسأل نفسك "ليه؟" قبل ما تسأل نفسك "اعمله ازاي؟" يبقى انت عالطريق الصح من ناحية التفكير المنطقي، اما لو انت ضد الكلام دة، يبقى وفر وقتك ومتكملش قراية احسن!
وقبل ما تفكر تدخل مجال الـ AI بشكل عام وأنا بنصح جدآ انك تدخله، اتأكد إنك مستعد تستثمر وقتك في تعلم الأساسيات دي، لو فضلت تقول لنفسك فاتني العمر، هو انا لسة هتعلم؟ هو انا لسة هصبر؟ يبقى صدقني الكار دة مش كارك! مش هتقدر تبني حاجة قوية أو تساهم بشكل فعال إلا لما تكون عندك القاعدة اللي هتشتغل عليها.
إزاي تبدأ في مجال الذكاء الاصطناعي؟
يبقى احنا كدة متفقين ان اول حاجة تعملها هو ان يكون عندك خلفية مش بطالة بلغة زي بايثون، تفكير منطقي، وازاي تكتب خوارزمياتك، ضيف على الكلام دة انك تتعلم ايه هو الـ Modeling من الأساس، وايه هي مودلات الـ AI بأنواع استخداماتها، وتربط دة بالسؤال الي سألته لنفسك "Why" فاكر؟ لان لو قدرت تسأل نفسك السؤال دة قبل بداية اي مشروع، هتعرف توجدله المودل المناسب!
لما تسأل نفسك "ليه أنا بعمل المشروع ده؟"
بذلك بتحدد الهدف الرئيسي: هل هدفك تصنيف صور؟ تحليل بيانات؟ توليد نصوص؟ بمجرد ما تحدد الهدف، هتقدر تختار النوع المناسب من المودل الي يقدر يوفي احتياجاتك!
يعني مثلا: لو شغلك مثلا على النصوص زي الترجمة أو تلخيص النصوص، يبقى الموديلات المبنية على التعلم العميق للتسلسل زي RNNs أو Transformer models زي GPT هي الأنسب.
ولو بتتعامل مع بيانات رقمية وتحليلية،
فيبقى الأنسب ليك هو الموديلات التقليدية زي Random Forest أو XGBoost.
بعد كدة، ركز على تعميق معرفتك في مجال الـ DeepLearning باستخدام مكتبات مشهورة زي TensorFlow وPyTorch او CoreML لو بيئة عمل Apple، وعلى فكرة بيئة عمل أبل من ابسط بيئات العمل الي ممكن تسهل عليك الموضوع دة لو في اوله بناء على ادوات زي CreateML، طبعا مهم إنك تبدأ تشتغل على مشاريع أكبر وأكثر تعقيدًا زي تحليل الصور أو النصوص، لأن التطبيق العملي هو اللي هيزود خبرتك ويقوي مهاراتك. بجانب كده، تابع آخر الأبحاث والتطورات في المجال لأن الذكاء الاصطناعي بيتطور بسرعة.
ما تنساش كمان أهمية التعامل مع البيانات وتنظيفها وتحليلها بشكل فعال، لأن ده جزء أساسي في أي مشروع AI ناجح، فلازم تكون فاهم اصلا ازاي تتعامل مع الداتا بشكل رئيسي.
يبقى كدة نقدر نلخص الموضوع في انه عشان تبدأ في الـ AI، لازم أول، وبكرر لازم ثم لازم تتعلم Python لأنها اللغة اللي كل الناس بتستخدمها في المجال، وكمان لازم يكون عندك تفكير رياضي هندسي عشان تفهم ازاي تتعامل مع الموديلز، تدربها وما الى ذلك.
بعد كده، اتعلم الأساسيات الـ ML زي التصنيف، طرق اتخاذ القرار، الفروقات ما بين الـ Supervised والـ Unsupervised، بعدين ابدأ اتعمق في التعلم العميق واتعلم عن الشبكات العصبية والـ CNN للصور والـ RNN للنصوص. لازم كمان تعرف تتعامل مع البيانات وتنضفها قبل ما تستخدمها في التدريب، حاول دايمًا تطبق اللي اتعلمته في مشاريع عملية زي تصنيف الصور، وتابع أحدث الأبحاث والتطورات عشان المجال بيتغير بسرعة ومش هتتعلم طول ما انت معتمد على التعلم النظري، لذلك لازم تطبق عملي على كل حاجة بتتعلمها.
الفرص في مجال الـ AI دلوقتي كبيرة جدًا، وداخلة في مختلف الصناعات، فلازم يكون عندك رؤية على المدى البعيد، وتبدأ تنفذها بنفسك حتى لو عن طريق Prototype بسيط لفكرتك، أكيد مش هتنجح من اول مرة، لكن دايما اعرف ان كل محاولة فاشلة تساوي تعلم من الخطأ، والي عليه بيترتب انك تعمل شئ ناجح في النهاية، وهكذا..
انا هسيب البوست دة بحيث يكون مرجع ليك، وهتكلم عن الموضوع دة بشكل تفصيلي في مؤتمر الشارقة للذكاء الاصطناعي يوم 17 اكتوبر الجاي بإذن الله.
#Ai
#Ai
⬆️⬆️⬆️
كلام الباش مهندس حازم علي عن تخصص ال Ai كلام مهم جدا لشخص ذو خبرة في المجال قد يساعد الناس يلي بتفكر تدخل المجال
كلام الباش مهندس حازم علي عن تخصص ال Ai كلام مهم جدا لشخص ذو خبرة في المجال قد يساعد الناس يلي بتفكر تدخل المجال
www.linkedin.com/in/fadlhasn
مرحبا اصدقائي هذا رابط حسابي اللينكدان الجديد بعد عدة محاولات مع الحساب القديم بعد حظره لأسباب غير معروفة
لنتواصل اصدقائي لنتشارك المعلومات والخبرات والمعارف شكرا لكم❤️
مرحبا اصدقائي هذا رابط حسابي اللينكدان الجديد بعد عدة محاولات مع الحساب القديم بعد حظره لأسباب غير معروفة
لنتواصل اصدقائي لنتشارك المعلومات والخبرات والمعارف شكرا لكم❤️
مؤخرا اكتشفت قناة جديدة لجماعة ال math الشي يلي لف نظري هو طريقة تقديم المعلومة الرياضية بهي القناة على تعتمد القناة على التصوير المرئي لتوضيح تغيرات الدوال والنقاط بشكل مباشر ومفهوم.
احيانا منكون فهمانين رياضيات وعمليات جبرية وهندسية وكيف ممكن انو نطبق function معينة على القيم لدينا بس احيانا منفتقد المغزى والهدف من الرياضيات المستخدمة او ما يسمى التصور الحقيقي يلي بيحصل عنا لهيك دائما كنت ابحث عن فهم عميق لأي فكرة رياضية وتصورها عأرض الواقع وتأثيرها عالقيم ان كان بشكل مستمر او متقطع
لهيك برشح هي القناة
Physics Videos by Eugene Khutoryansky
فيك تفهم شو مقصدي بحضور فيديو الاشتقاق الجزئي يلي يعتبر مهم في مجال الذكاء الاصطناعي في الشبكات العصبونية وخاصة وقت نحكي عن تقليل قيمة الخطأ.
اظن لا احد سيحب هذا المحتوى غير الذين مهتمين بال math وال ai يا ترى بدك انشر اكتر عن هيك معلومات تفاعل ب 👍
لا تنسا متابعتي على linkedIn و Twitter .😁
#AI #Math #DL #ML #Machine_learning #Deep_learning #MachineLearning #DeepLearning
احيانا منكون فهمانين رياضيات وعمليات جبرية وهندسية وكيف ممكن انو نطبق function معينة على القيم لدينا بس احيانا منفتقد المغزى والهدف من الرياضيات المستخدمة او ما يسمى التصور الحقيقي يلي بيحصل عنا لهيك دائما كنت ابحث عن فهم عميق لأي فكرة رياضية وتصورها عأرض الواقع وتأثيرها عالقيم ان كان بشكل مستمر او متقطع
لهيك برشح هي القناة
Physics Videos by Eugene Khutoryansky
فيك تفهم شو مقصدي بحضور فيديو الاشتقاق الجزئي يلي يعتبر مهم في مجال الذكاء الاصطناعي في الشبكات العصبونية وخاصة وقت نحكي عن تقليل قيمة الخطأ.
اظن لا احد سيحب هذا المحتوى غير الذين مهتمين بال math وال ai يا ترى بدك انشر اكتر عن هيك معلومات تفاعل ب 👍
لا تنسا متابعتي على linkedIn و Twitter .😁
#AI #Math #DL #ML #Machine_learning #Deep_learning #MachineLearning #DeepLearning
YouTube
Physics Videos by Eugene Khutoryansky
Physics YouTube channel made and run by Eugene Khutoryansky.
All my videos are narrated by Kira Vincent.
I make all the animations for my videos myself. In many cases, it takes me several months of work to create the animations for a single video, so…
All my videos are narrated by Kira Vincent.
I make all the animations for my videos myself. In many cases, it takes me several months of work to create the animations for a single video, so…
دائما ما كنت من مؤيدين فكرة الشرح المرئية بعد فهم الأساس النظري والعلمي للمعلومة وليس مجرد كدس معلوماتنا النظرية حول معادلات وخطوات ليست واضحة نسبيا حتى بعد تطبيقها على ارض الواقع.
فاكتشفت مؤخرا طريقة تدريس لعلم الشبكات العصبية وخوارزمياته او ما يعرف بال deep learning للمحاضر Tom Yeh احد دكاترة المعهد الامريكي MIT.
طبعا لديه شروحات عديدة في المجال ومن اهمها احد اعمدة الذكاء الإصطناعي والتي احدثت ثورة كبيرة في تدريب الشبكات العصبية وتطورها وما وصلنا اليه اليوم وهي خوارزمية ال Backpropagation وقام بشرحها بطريقة مبسطة و مرئية عن طريق التغيرات التي تحدث في الاوزران في تمثيل مرئي للمصفوفات.
وطبعا لا ننسى ان خوارزمية Backpropagation
كانت احد الاسباب التي ادت الى فوز العبقري جيوفري هينتون(Geoffrey Hinton) بجائزة نوبل للفيزياء.
طبعا طريقة شرح المحاضر مختصرة ومبسطة وايضا لديه طريقة تعليم عن طريق تمثيل الشبكة العصبية في ملف اكسيل ليبين التغيرات التي تطرأ على الشبكة عند تدريبها سأقوم بنشر ملفه عند توافره بالإضافة الى الورقة البحثية الخاصة بخوارزمية Backpropagation.
نقطة اخيرة لمن يحب ان يرى الشرح هناك باحثة تقوم بشرح خوارزميات من المحاضر في القناة AI by Hand .
#AI #DL #NN #Backpropagation #DeepLearning #Deep_learning
فاكتشفت مؤخرا طريقة تدريس لعلم الشبكات العصبية وخوارزمياته او ما يعرف بال deep learning للمحاضر Tom Yeh احد دكاترة المعهد الامريكي MIT.
طبعا لديه شروحات عديدة في المجال ومن اهمها احد اعمدة الذكاء الإصطناعي والتي احدثت ثورة كبيرة في تدريب الشبكات العصبية وتطورها وما وصلنا اليه اليوم وهي خوارزمية ال Backpropagation وقام بشرحها بطريقة مبسطة و مرئية عن طريق التغيرات التي تحدث في الاوزران في تمثيل مرئي للمصفوفات.
وطبعا لا ننسى ان خوارزمية Backpropagation
كانت احد الاسباب التي ادت الى فوز العبقري جيوفري هينتون(Geoffrey Hinton) بجائزة نوبل للفيزياء.
طبعا طريقة شرح المحاضر مختصرة ومبسطة وايضا لديه طريقة تعليم عن طريق تمثيل الشبكة العصبية في ملف اكسيل ليبين التغيرات التي تطرأ على الشبكة عند تدريبها سأقوم بنشر ملفه عند توافره بالإضافة الى الورقة البحثية الخاصة بخوارزمية Backpropagation.
نقطة اخيرة لمن يحب ان يرى الشرح هناك باحثة تقوم بشرح خوارزميات من المحاضر في القناة AI by Hand .
#AI #DL #NN #Backpropagation #DeepLearning #Deep_learning
YouTube
AI by Hand
Share your videos with friends, family, and the world
تلبية لطلب احد اعضاء القناة عن مصدر عملي و مفيد لفهم الخوارزميات وهياكل البيانات في لغة Javascript
هذا ترشيحي اذا كنت لديك تعامل سابق مع اللغة ام اذا لم تتعامل مع اللغة او جديد في البرمجة بشكل عام انصح بمتابعة دورة لاخذ المفاهيم الاساسية بشكل تسلسلي يمكن اخذها عند Elzero او freecodecamp
ثم يمكنك الاطلاع على ال repo ⬇️
javascript-algorithms مجموعة من ال algorithms و data structures بلغة JavaScript. هيساعدك تفهم الخوارزميات وتطبقها بشكل فعال. 🔥
⭐ GitHub stars: 185K+
🔗https://github.com/trekhleb/javascript-algorithms
#github #javascript #algorithms #data_structure
هذا ترشيحي اذا كنت لديك تعامل سابق مع اللغة ام اذا لم تتعامل مع اللغة او جديد في البرمجة بشكل عام انصح بمتابعة دورة لاخذ المفاهيم الاساسية بشكل تسلسلي يمكن اخذها عند Elzero او freecodecamp
ثم يمكنك الاطلاع على ال repo ⬇️
javascript-algorithms مجموعة من ال algorithms و data structures بلغة JavaScript. هيساعدك تفهم الخوارزميات وتطبقها بشكل فعال. 🔥
⭐ GitHub stars: 185K+
🔗https://github.com/trekhleb/javascript-algorithms
#github #javascript #algorithms #data_structure
GitHub
GitHub - trekhleb/javascript-algorithms: 📝 Algorithms and data structures implemented in JavaScript with explanations and links…
📝 Algorithms and data structures implemented in JavaScript with explanations and links to further readings - trekhleb/javascript-algorithms
The Python Path Environment Variable
تؤثر متغيرات البيئة على سلوك Python
PYTHONPATH هو أحد هذه المتغيرات البيئية؛ أي أنه زوج من المفتاح (key-value pair)والقيمة يتم تخزينه في ذاكرة الكمبيوتر. وهو متاح لجميع البرامج التي تعمل في نفس البيئة.
ما هو متغير PYTHONPATH؟
PYTHONPATH هو متغير بيئة خاص يوفر إرشادات لمترجم بايثون حول أماكن العثور على المكتبات والتطبيقات المختلفة. يشبه متغير PATH في لغات أخرى مثل C وJava، ولكنه يحتوي على أدلة إضافية لوحدات بايثون.
يسمح لك PYTHONPATH بإضافة مسارات إلى ملفات بايثون الأخرى في سكربتاتك، مما يساعد بايثون في تحديد أماكن البحث عن الوحدات والملفات. هذا مفيد إذا كنت ترغب في الوصول إلى وظائف مختلفة دون الحاجة إلى كتابة المسار الكامل في كل مرة.
يمكن أن يكون PYTHONPATH إما دليلًا واحدًا أو قائمة من الأدلة مفصولة بواسطة النقطتين (:).
إذا تم تعيين PYTHONPATH إلى دليل واحد، سيبحث بايثون عن الوحدات والملفات في ذلك الدليل فقط.
إذا تم تعيين PYTHONPATH إلى قائمة من الأدلة، سيبحث بايثون عن الوحدات والملفات في كل من تلك الأدلة.
كيفية إعداد PYTHONPATH:
على نظامLinux
1-افتح Terminal.
2-افتح ملف ~/.bashrc في محرر النصوص.
3-أضف السطر التالي:
export PYTHONPATH="/home/my_user/code"
4-احفظ الملف وأعد تشغيل Terminal.
5-تحقق من الإعداد بكتابة: echo $PYTHONPATH.
على نظام Windows:
1-انقر بزر الماوس الأيمن على "This PC" واختر "properties".
2-انتقل إلى "Advance System Settings.".
3-انقر على "environment variable".
4-أضف متغيرًا جديدًا باسم PYTHONPATH وأدخل المسار المطلوب.
5-افتح موجه الأوامر واستخدم الأمر: python my_script.py.
بغض النظر عن الهري يلي فوق بالمختصر اذا كان عندك برنامج معين بيستخدم سكربتات او مكاتب خاصة فيه مضمنة فيه و احتجت انك توصل لهل المكاتب و السكربتات من خارج البرنامج رح تواجه مشكلة ان python ما رح يتعرف عهي المكاتب لانه بالاصل ما مضمنة ضمن بيئة بايثون الافتراضية لهيك اضافة متغير البيئة هاد بساعدنا نصل لأي مكتبة خارجية على الحاسوب وتضمينها و جعل المحرر ايضا يتعرف عليها ومن احد الأمثلة اي مكتبة قمت بتنزيلها مثلا وفك ضغط في مجلد معين بالنظام
مثلا برنامج webots يلي بيجي معه controller module الخاص فيه ومنحتاج نستخدم editor غير يلي داخل التطبيق لسهولة التكويد
بكل بساطة منروح منفتح متغيرات البيئة عنا بالنظام ومنضيف المفتاح PYTHONPATH والقيمة هو المسار الخاص بالسكريبت او المكتبة وبمثالنا غالبا بتكون بهاد المسار C:\Program Files\Webots\lib\controller\python
وبس و اذا كانت فاتح ال editor بتسكرو وبترجع تفتحو و رح تلاقي انو الكود انقرأ واذا مظبط امور ال editor بيعطيك اقتراحات من داخل السكريبتات وبدلعك بتمنى تكون وصلت الفكرة.
لا تنسا متابعتي على linkedIn و Twitter
#python #webots #PYTHONPATH
تؤثر متغيرات البيئة على سلوك Python
PYTHONPATH هو أحد هذه المتغيرات البيئية؛ أي أنه زوج من المفتاح (key-value pair)والقيمة يتم تخزينه في ذاكرة الكمبيوتر. وهو متاح لجميع البرامج التي تعمل في نفس البيئة.
ما هو متغير PYTHONPATH؟
PYTHONPATH هو متغير بيئة خاص يوفر إرشادات لمترجم بايثون حول أماكن العثور على المكتبات والتطبيقات المختلفة. يشبه متغير PATH في لغات أخرى مثل C وJava، ولكنه يحتوي على أدلة إضافية لوحدات بايثون.
يسمح لك PYTHONPATH بإضافة مسارات إلى ملفات بايثون الأخرى في سكربتاتك، مما يساعد بايثون في تحديد أماكن البحث عن الوحدات والملفات. هذا مفيد إذا كنت ترغب في الوصول إلى وظائف مختلفة دون الحاجة إلى كتابة المسار الكامل في كل مرة.
يمكن أن يكون PYTHONPATH إما دليلًا واحدًا أو قائمة من الأدلة مفصولة بواسطة النقطتين (:).
إذا تم تعيين PYTHONPATH إلى دليل واحد، سيبحث بايثون عن الوحدات والملفات في ذلك الدليل فقط.
إذا تم تعيين PYTHONPATH إلى قائمة من الأدلة، سيبحث بايثون عن الوحدات والملفات في كل من تلك الأدلة.
كيفية إعداد PYTHONPATH:
على نظامLinux
1-افتح Terminal.
2-افتح ملف ~/.bashrc في محرر النصوص.
3-أضف السطر التالي:
export PYTHONPATH="/home/my_user/code"
4-احفظ الملف وأعد تشغيل Terminal.
5-تحقق من الإعداد بكتابة: echo $PYTHONPATH.
على نظام Windows:
1-انقر بزر الماوس الأيمن على "This PC" واختر "properties".
2-انتقل إلى "Advance System Settings.".
3-انقر على "environment variable".
4-أضف متغيرًا جديدًا باسم PYTHONPATH وأدخل المسار المطلوب.
5-افتح موجه الأوامر واستخدم الأمر: python my_script.py.
بغض النظر عن الهري يلي فوق بالمختصر اذا كان عندك برنامج معين بيستخدم سكربتات او مكاتب خاصة فيه مضمنة فيه و احتجت انك توصل لهل المكاتب و السكربتات من خارج البرنامج رح تواجه مشكلة ان python ما رح يتعرف عهي المكاتب لانه بالاصل ما مضمنة ضمن بيئة بايثون الافتراضية لهيك اضافة متغير البيئة هاد بساعدنا نصل لأي مكتبة خارجية على الحاسوب وتضمينها و جعل المحرر ايضا يتعرف عليها ومن احد الأمثلة اي مكتبة قمت بتنزيلها مثلا وفك ضغط في مجلد معين بالنظام
مثلا برنامج webots يلي بيجي معه controller module الخاص فيه ومنحتاج نستخدم editor غير يلي داخل التطبيق لسهولة التكويد
بكل بساطة منروح منفتح متغيرات البيئة عنا بالنظام ومنضيف المفتاح PYTHONPATH والقيمة هو المسار الخاص بالسكريبت او المكتبة وبمثالنا غالبا بتكون بهاد المسار C:\Program Files\Webots\lib\controller\python
وبس و اذا كانت فاتح ال editor بتسكرو وبترجع تفتحو و رح تلاقي انو الكود انقرأ واذا مظبط امور ال editor بيعطيك اقتراحات من داخل السكريبتات وبدلعك بتمنى تكون وصلت الفكرة.
لا تنسا متابعتي على linkedIn و Twitter
#python #webots #PYTHONPATH