<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "612aef7a03204260e940131b09691977",
  "translation_date": "2025-09-04T20:36:54+00:00",
  "source_file": "README.md",
  "language_code": "ar"
}
-->
[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)  
[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)  
[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/)  
[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)  
[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)  

[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)  
[![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/)  
[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)  

### 🌐 دعم متعدد اللغات  

#### مدعوم عبر GitHub Action (تلقائي ودائم التحديث)  

[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](./README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md)  

#### انضم إلى المجتمع  

[![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://discord.gg/kzRShWzttr)  

# تعلم الآلة للمبتدئين - منهج دراسي  

> 🌍 سافر حول العالم بينما نستكشف تعلم الآلة من خلال ثقافات العالم 🌍  

يسر فريق Cloud Advocates في Microsoft أن يقدم منهجًا دراسيًا لمدة 12 أسبوعًا و26 درسًا حول **تعلم الآلة**. في هذا المنهج، ستتعلم ما يُطلق عليه أحيانًا **تعلم الآلة الكلاسيكي**، باستخدام مكتبة Scikit-learn بشكل أساسي وتجنب التعلم العميق، الذي يتم تغطيته في [منهج الذكاء الاصطناعي للمبتدئين](https://aka.ms/ai4beginners). قم بدمج هذه الدروس مع [منهج علم البيانات للمبتدئين](https://aka.ms/ds4beginners) أيضًا!  

سافر معنا حول العالم بينما نطبق هذه التقنيات الكلاسيكية على بيانات من مناطق مختلفة من العالم. يتضمن كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، حلول، مهام، والمزيد. تسمح لك طريقة التعلم القائمة على المشاريع بالتعلم أثناء البناء، وهي طريقة مثبتة لجعل المهارات الجديدة "تلتصق".  

**✍️ شكر جزيل لمؤلفينا** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu و Amy Boyd  

**🎨 شكر أيضًا لرسامينا** Tomomi Imura, Dasani Madipalli و Jen Looper  

**🙏 شكر خاص 🙏 لمؤلفي ومراجعي ومساهمي المحتوى من سفراء الطلاب في Microsoft**، وخاصة Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila و Snigdha Agarwal  

**🤩 شكر إضافي لسفراء الطلاب في Microsoft Eric Wanjau, Jasleen Sondhi و Vidushi Gupta لدروس R الخاصة بنا!**  

# البدء  

اتبع هذه الخطوات:  
1. **قم بعمل Fork للمستودع**: انقر على زر "Fork" في الزاوية العلوية اليمنى من هذه الصفحة.  
2. **قم باستنساخ المستودع**: `git clone https://github.com/microsoft/ML-For-Beginners.git`  

> [اعثر على جميع الموارد الإضافية لهذا الدورة في مجموعة Microsoft Learn الخاصة بنا](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)  

**[الطلاب](https://aka.ms/student-page)**، لاستخدام هذا المنهج، قم بعمل Fork للمستودع بالكامل إلى حساب GitHub الخاص بك وأكمل التمارين بمفردك أو مع مجموعة:  

- ابدأ باختبار قبل المحاضرة.  
- اقرأ المحاضرة وأكمل الأنشطة، مع التوقف والتفكير عند كل نقطة تحقق من المعرفة.  
- حاول إنشاء المشاريع من خلال فهم الدروس بدلاً من تشغيل كود الحل؛ ومع ذلك، يتوفر هذا الكود في مجلدات `/solution` في كل درس قائم على المشروع.  
- قم بإجراء اختبار بعد المحاضرة.  
- أكمل التحدي.  
- أكمل المهمة.  
- بعد إكمال مجموعة الدروس، قم بزيارة [لوحة المناقشة](https://github.com/microsoft/ML-For-Beginners/discussions) و"تعلم بصوت عالٍ" من خلال ملء نموذج PAT المناسب. PAT هو أداة تقييم تقدمية وهي نموذج تقوم بملئه لتعزيز تعلمك. يمكنك أيضًا التفاعل مع نماذج PAT الأخرى حتى نتعلم معًا.  

> لمزيد من الدراسة، نوصي بمتابعة هذه [وحدات ومسارات التعلم من Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).  

**المعلمون**، لقد قمنا [بتضمين بعض الاقتراحات](for-teachers.md) حول كيفية استخدام هذا المنهج.  

---

## فيديوهات توضيحية  

بعض الدروس متوفرة كفيديوهات قصيرة. يمكنك العثور على جميع هذه الفيديوهات داخل الدروس، أو على [قائمة تشغيل تعلم الآلة للمبتدئين على قناة Microsoft Developer على YouTube](https://aka.ms/ml-beginners-videos) بالنقر على الصورة أدناه.  

[![ML for beginners banner](../../images/ml-for-beginners-video-banner.png)](https://aka.ms/ml-beginners-videos)  

---

## تعرف على الفريق  

[![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)  

**Gif بواسطة** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)  

> 🎥 انقر على الصورة أعلاه لمشاهدة فيديو عن المشروع والأشخاص الذين أنشأوه!  

---

## النهج التربوي  

لقد اخترنا مبدأين تربويين أثناء بناء هذا المنهج: التأكد من أنه عملي **قائم على المشاريع** وأنه يتضمن **اختبارات متكررة**. بالإضافة إلى ذلك، يحتوي هذا المنهج على **موضوع مشترك** يمنحه التماسك.  

من خلال ضمان توافق المحتوى مع المشاريع، تصبح العملية أكثر جاذبية للطلاب ويتم تعزيز الاحتفاظ بالمفاهيم. بالإضافة إلى ذلك، يحدد الاختبار منخفض المخاطر قبل الفصل نية الطالب نحو تعلم موضوع معين، بينما يضمن الاختبار الثاني بعد الفصل تعزيز الاحتفاظ. تم تصميم هذا المنهج ليكون مرنًا وممتعًا ويمكن أخذه بالكامل أو جزئيًا. تبدأ المشاريع صغيرة وتصبح أكثر تعقيدًا بحلول نهاية الدورة التي تستمر 12 أسبوعًا. يتضمن هذا المنهج أيضًا ملحقًا حول التطبيقات الواقعية لتعلم الآلة، والذي يمكن استخدامه كائتمان إضافي أو كأساس للنقاش.  

> اعثر على [مدونة قواعد السلوك](CODE_OF_CONDUCT.md)، [المساهمة](CONTRIBUTING.md)، و[إرشادات الترجمة](TRANSLATIONS.md). نرحب بملاحظاتك البناءة!  

## كل درس يتضمن  

- رسم تخطيطي اختياري  
- فيديو إضافي اختياري  
- فيديو توضيحي (بعض الدروس فقط)  
- [اختبار تمهيدي قبل المحاضرة](https://ff-quizzes.netlify.app/en/ml/)  
- درس مكتوب  
- بالنسبة للدروس القائمة على المشاريع، إرشادات خطوة بخطوة حول كيفية بناء المشروع  
- نقاط تحقق من المعرفة  
- تحدي  
- قراءة إضافية  
- مهمة  
- [اختبار بعد المحاضرة](https://ff-quizzes.netlify.app/en/ml/)  

> **ملاحظة حول اللغات**: هذه الدروس مكتوبة بشكل أساسي بلغة Python، ولكن العديد منها متوفر أيضًا بلغة R. لإكمال درس بلغة R، انتقل إلى مجلد `/solution` وابحث عن دروس R. تتضمن امتداد .rmd الذي يمثل ملف **R Markdown** والذي يمكن تعريفه ببساطة على أنه تضمين لـ `كتل الكود` (بلغة R أو لغات أخرى) و`رأس YAML` (الذي يوجه كيفية تنسيق المخرجات مثل PDF) في `وثيقة Markdown`. وبالتالي، فإنه يعمل كإطار عمل تأليفي مثالي لعلم البيانات لأنه يسمح لك بدمج الكود الخاص بك، ومخرجاته، وأفكارك من خلال السماح لك بكتابتها في Markdown. علاوة على ذلك، يمكن عرض مستندات R Markdown بتنسيقات إخراج مثل PDF أو HTML أو Word.  

> **ملاحظة حول الاختبارات**: جميع الاختبارات موجودة في [مجلد تطبيق الاختبارات](../../quiz-app)، بإجمالي 52 اختبارًا يحتوي كل منها على ثلاثة أسئلة. يتم ربطها من داخل الدروس ولكن يمكن تشغيل تطبيق الاختبارات محليًا؛ اتبع التعليمات في مجلد `quiz-app` لاستضافة التطبيق محليًا أو نشره على Azure.  

| رقم الدرس |                             الموضوع                              |                   مجموعة الدروس                   | أهداف التعلم                                                                                                             |                                                              الدرس المرتبط                                                               |                        المؤلف                        |  
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |  
|      01       |                مقدمة في تعلم الآلة                |      [المقدمة](1-Introduction/README.md)       | تعلم المفاهيم الأساسية وراء تعلم الآلة                                                                                |                                             [الدرس](1-Introduction/1-intro-to-ML/README.md)                                             |                       محمد                       |  
|      02       |                تاريخ تعلم الآلة                 |      [المقدمة](1-Introduction/README.md)       | تعلم التاريخ الذي يقوم عليه هذا المجال                                                                                         |                                            [الدرس](1-Introduction/2-history-of-ML/README.md)                                            |                     جين وأيمي                      |  
|      03       |                 الإنصاف وتعلم الآلة                  |      [المقدمة](1-Introduction/README.md)       | ما هي القضايا الفلسفية المهمة حول الإنصاف التي يجب أن يأخذها الطلاب في الاعتبار عند بناء وتطبيق نماذج تعلم الآلة؟ |                                              [الدرس](1-Introduction/3-fairness/README.md)                                               |                        تومومي                        |  
|      04       |                تقنيات تعلم الآلة                 |      [Introduction](1-Introduction/README.md)       | ما هي التقنيات التي يستخدمها الباحثون في تعلم الآلة لبناء نماذج تعلم الآلة؟                                                                       |                                          [Lesson](1-Introduction/4-techniques-of-ML/README.md)                                           |                    كريس وجين                     |
|      05       |                   مقدمة في الانحدار                   |        [Regression](2-Regression/README.md)         | البدء باستخدام Python و Scikit-learn لنماذج الانحدار                                                                  |         
<ul><li>[Python](2-Regression/1-Tools/README.md)</li><li>[R](../../2-Regression/1-Tools/solution/R/lesson_1.html)</li></ul>         |      <ul><li>جين</li><li>إريك وانجاو</li></ul>       |
|      06       |                أسعار القرع في أمريكا الشمالية 🎃                |        [Regression](2-Regression/README.md)         | تصور وتنظيف البيانات استعدادًا لتعلم الآلة                                                                                  |          <ul><li>[Python](2-Regression/2-Data/README.md)</li><li>[R](../../2-Regression/2-Data/solution/R/lesson_2.html)</li></ul>          |      <ul><li>جين</li><li>إريك وانجاو</li></ul>       |
|      07       |                أسعار القرع في أمريكا الشمالية 🎃                |        [Regression](2-Regression/README.md)         | بناء نماذج الانحدار الخطي والمتعدد                                                                                   |        <ul><li>[Python](2-Regression/3-Linear/README.md)</li><li>[R](../../2-Regression/3-Linear/solution/R/lesson_3.html)</li></ul>        |      <ul><li>جين وديمتري</li><li>إريك وانجاو</li></ul>       |
|      08       |                أسعار القرع في أمريكا الشمالية 🎃                |        [Regression](2-Regression/README.md)         | بناء نموذج انحدار لوجستي                                                                                               |     <ul><li>[Python](2-Regression/4-Logistic/README.md) </li><li>[R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)</li></ul>      |      <ul><li>جين</li><li>إريك وانجاو</li></ul>       |
|      09       |                          تطبيق ويب 🔌                          |           [Web App](3-Web-App/README.md)            | بناء تطبيق ويب لاستخدام النموذج المدرب                                                                                       |                                                 [Python](3-Web-App/1-Web-App/README.md)                                                  |                         جين                          |
|      10       |                 مقدمة في التصنيف                 |    [Classification](4-Classification/README.md)     | تنظيف البيانات وتحضيرها وتصورها؛ مقدمة في التصنيف                                                            | <ul><li> [Python](4-Classification/1-Introduction/README.md) </li><li>[R](../../4-Classification/1-Introduction/solution/R/lesson_10.html)  | <ul><li>جين وكاسي</li><li>إريك وانجاو</li></ul> |
|      11       |             المأكولات الآسيوية والهندية اللذيذة 🍜             |    [Classification](4-Classification/README.md)     | مقدمة في المصنفات                                                                                                     | <ul><li> [Python](4-Classification/2-Classifiers-1/README.md)</li><li>[R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | <ul><li>جين وكاسي</li><li>إريك وانجاو</li></ul> |
|      12       |             المأكولات الآسيوية والهندية اللذيذة 🍜             |    [Classification](4-Classification/README.md)     | المزيد من المصنفات                                                                                                                | <ul><li> [Python](4-Classification/3-Classifiers-2/README.md)</li><li>[R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | <ul><li>جين وكاسي</li><li>إريك وانجاو</li></ul> |
|      13       |             المأكولات الآسيوية والهندية اللذيذة 🍜             |    [Classification](4-Classification/README.md)     | بناء تطبيق ويب للتوصيات باستخدام النموذج الخاص بك                                                                                    |                                              [Python](4-Classification/4-Applied/README.md)                                              |                         جين                          |
|      14       |                   مقدمة في التجميع                   |        [Clustering](5-Clustering/README.md)         | تنظيف البيانات وتحضيرها وتصورها؛ مقدمة في التجميع                                                                |         <ul><li> [Python](5-Clustering/1-Visualize/README.md)</li><li>[R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html)         |      <ul><li>جين</li><li>إريك وانجاو</li></ul>       |
|      15       |              استكشاف الأذواق الموسيقية النيجيرية 🎧              |        [Clustering](5-Clustering/README.md)         | استكشاف طريقة التجميع باستخدام K-Means                                                                                           |           <ul><li> [Python](5-Clustering/2-K-Means/README.md)</li><li>[R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html)           |      <ul><li>جين</li><li>إريك وانجاو</li></ul>       |
|      16       |        مقدمة في معالجة اللغة الطبيعية ☕️         |   [Natural language processing](6-NLP/README.md)    | تعلم الأساسيات حول معالجة اللغة الطبيعية من خلال بناء روبوت بسيط                                                                             |                                             [Python](6-NLP/1-Introduction-to-NLP/README.md)                                              |                       ستيفن                        |
|      17       |                      مهام معالجة اللغة الطبيعية الشائعة ☕️                      |   [Natural language processing](6-NLP/README.md)    | تعميق المعرفة بمعالجة اللغة الطبيعية من خلال فهم المهام الشائعة المطلوبة عند التعامل مع الهياكل اللغوية                          |                                                    [Python](6-NLP/2-Tasks/README.md)                                                     |                       ستيفن                        |
|      18       |             الترجمة وتحليل المشاعر ♥️              |   [Natural language processing](6-NLP/README.md)    | الترجمة وتحليل المشاعر باستخدام أعمال جين أوستن                                                                             |                                            [Python](6-NLP/3-Translation-Sentiment/README.md)                                             |                       ستيفن                        |
|      19       |                  الفنادق الرومانسية في أوروبا ♥️                  |   [Natural language processing](6-NLP/README.md)    | تحليل المشاعر باستخدام مراجعات الفنادق 1                                                                                         |                                               [Python](6-NLP/4-Hotel-Reviews-1/README.md)                                                |                       ستيفن                        |
|      20       |                  الفنادق الرومانسية في أوروبا ♥️                  |   [Natural language processing](6-NLP/README.md)    | تحليل المشاعر باستخدام مراجعات الفنادق 2                                                                                         |                                               [Python](6-NLP/5-Hotel-Reviews-2/README.md)                                                |                       ستيفن                        |
|      21       |            مقدمة في التنبؤ بالسلاسل الزمنية             |        [Time series](7-TimeSeries/README.md)        | مقدمة في التنبؤ بالسلاسل الزمنية                                                                                         |                                             [Python](7-TimeSeries/1-Introduction/README.md)                                              |                      فرانسيسكا                       |
|      22       | ⚡️ استخدام الطاقة العالمية ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام ARIMA |        [Time series](7-TimeSeries/README.md)        | التنبؤ بالسلاسل الزمنية باستخدام ARIMA                                                                                              |                                                 [Python](7-TimeSeries/2-ARIMA/README.md)                                                 |                      فرانسيسكا                       |
|      23       |  ⚡️ استخدام الطاقة العالمية ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام SVR  |        [Time series](7-TimeSeries/README.md)        | التنبؤ بالسلاسل الزمنية باستخدام Support Vector Regressor                                                                           |                                                  [Python](7-TimeSeries/3-SVR/README.md)                                                  |                       أنيربان                        |
|      24       |             مقدمة في التعلم المعزز             | [Reinforcement learning](8-Reinforcement/README.md) | مقدمة في التعلم المعزز باستخدام Q-Learning                                                                          |                                             [Python](8-Reinforcement/1-QLearning/README.md)                                              |                        ديمتري                        |
|      25       |                 مساعدة بيتر لتجنب الذئب! 🐺                  | [Reinforcement learning](8-Reinforcement/README.md) | التعلم المعزز باستخدام Gym                                                                                                      |                                                [Python](8-Reinforcement/2-Gym/README.md)                                                 |                        ديمتري                        |
|  Postscript   |            سيناريوهات وتطبيقات تعلم الآلة في العالم الحقيقي            |      [ML in the Wild](9-Real-World/README.md)       | تطبيقات مثيرة وكاشفة لتعلم الآلة الكلاسيكي                                                               |                                             [Lesson](9-Real-World/1-Applications/README.md)                                              |                         الفريق                         |
|  Postscript   |            تصحيح النماذج في تعلم الآلة باستخدام لوحة تحكم RAI          |      [ML in the Wild](9-Real-World/README.md)       | تصحيح النماذج في تعلم الآلة باستخدام مكونات لوحة تحكم الذكاء الاصطناعي المسؤول                                                              |                                             [Lesson](9-Real-World/2-Debugging-ML-Models/README.md)                                              |                         روث ياكوب                       |

> [ابحث عن جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)

## الوصول دون اتصال

يمكنك تشغيل هذا التوثيق دون اتصال باستخدام [Docsify](https://docsify.js.org/#/). قم باستنساخ هذا المستودع، [تثبيت Docsify](https://docsify.js.org/#/quickstart) على جهازك المحلي، ثم في المجلد الجذر لهذا المستودع، اكتب `docsify serve`. سيتم تشغيل الموقع على المنفذ 3000 على جهازك المحلي: `localhost:3000`.

## ملفات PDF

ابحث عن ملف PDF للمناهج مع الروابط [هنا](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).

## 🎒 دورات أخرى 

فريقنا ينتج دورات أخرى! تحقق من:

- [الذكاء الاصطناعي التوليدي للمبتدئين](https://aka.ms/genai-beginners)
- [الذكاء الاصطناعي التوليدي للمبتدئين .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [الذكاء الاصطناعي التوليدي باستخدام JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
- [الذكاء الاصطناعي التوليدي باستخدام Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
- [الذكاء الاصطناعي للمبتدئين](https://aka.ms/ai-beginners)
- [علم البيانات للمبتدئين](https://aka.ms/datascience-beginners)
- [تعلم الآلة للمبتدئين](https://aka.ms/ml-beginners)
- [الأمن السيبراني للمبتدئين](https://github.com/microsoft/Security-101) 
- [تطوير الويب للمبتدئين](https://aka.ms/webdev-beginners)
- [إنترنت الأشياء للمبتدئين](https://aka.ms/iot-beginners)
- [تطوير الواقع الممتد للمبتدئين](https://github.com/microsoft/xr-development-for-beginners)
- [إتقان GitHub Copilot للبرمجة الزوجية](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
- [إتقان GitHub Copilot لمطوري C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
- [اختر مغامرتك الخاصة مع Copilot](https://github.com/microsoft/CopilotAdventures)

---

**إخلاء المسؤولية**:  
تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.