ML-For-Beginners/translations/ar

🌐 دعم متعدد اللغات

مدعوم عبر GitHub Action (تلقائي ودائم التحديث)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

انضم إلى مجتمعنا

لدينا سلسلة تعلم مع الذكاء الاصطناعي مستمرة على Discord، تعرف على المزيد وانضم إلينا في سلسلة تعلم مع الذكاء الاصطناعي من 18 إلى 30 سبتمبر، 2025. ستحصل على نصائح وحيل لاستخدام GitHub Copilot في علم البيانات.

تعلم الآلة للمبتدئين - منهج دراسي

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

يسر دعاة السحابة في Microsoft تقديم منهج دراسي 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 منهجنا الذكاء الاصطناعي للمبتدئين. قم بمزج هذه الدروس مع منهجنا 'علم البيانات للمبتدئين' 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، حل، مهمة، والمزيد. تسمح لك طريقة التدريس 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

ابحث عن جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا

الطلاب، لاستخدام هذا المنهج، قم بعمل Fork للمستودع بالكامل إلى حساب GitHub الخاص بك وأكمل التمارين بنفسك أو مع مجموعة:

• ابدأ باختبار ما 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 ما بعد المحاضرة.
• أكمل التحدي.
• أكمل المهمة.
• بعد إكمال مجموعة الدروس، قم بزيارة لوحة المناقشة و"تعلم بصوت عالٍ" عن طريق ملء أداة تقييم التقدم المناسبة (PAT). PAT هي أداة تقييم تقدم عبارة عن نموذج تقوم بملئه لتعزيز تعلمك. يمكنك أيضًا التفاعل مع PATs الآخرين حتى نتعلم معًا.

لمزيد من الدراسة، نوصي باتباع هذه وحدات ومسارات التعلم من Microsoft.

المعلمون، لقد قمنا بتضمين بعض الاقتراحات 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 بالنقر على الصورة أدناه.

---

تعرف على الفريق

Gif بواسطة Mohit Jaisal

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

---

طريقة التدريس

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 مزيدًا من الاحتفاظ. تم تصميم هذا المنهج ليكون مرنًا وممتعًا ويمكن أخذه بالكامل أو جزئيًا. تبدأ المشاريع صغيرة وتصبح أكثر تعقيدًا بحلول نهاية الدورة التي تستغرق 12 أسبوعًا. يتضمن هذا المنهج أيضًا ملحقًا حول التطبيقات الواقعية لتعلم الآلة، والذي يمكن استخدامه كائتمان إضافي أو كأساس للنقاش.

ابحث عن مدونة قواعد السلوك، المساهمة، وإرشادات الترجمة. نرحب بملاحظاتك البناءة!

كل درس يتضمن

• رسم تخطيطي اختياري
• فيديو إضافي اختياري
• فيديو توضيحي (بعض الدروس فقط)
• اختبار تمهيدي قبل المحاضرة
• 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

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 هذه الدروس امتداد .rmd الذي يمثل ملف R Markdown والذي يمكن تعريفه ببساطة على أنه تضمين لـ كتل الكود (بلغة R أو لغات أخرى) ورأس 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، 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	تعلم المفاهيم الأساسية وراء تعلم الآلة	الدرس	محمد
02	تاريخ تعلم الآلة	المقدمة	تعلم التاريخ الذي يقوم عليه هذا المجال	الدرس	جين وأيمي
03	الإنصاف وتعلم الآلة	المقدمة	ما هي القضايا الفلسفية المهمة حول الإنصاف التي يجب على الطلاب أخذها في الاعتبار عند بناء وتطبيق نماذج تعلم الآلة؟	الدرس	تومومي
04	تقنيات تعلم الآلة	المقدمة	ما هي التقنيات التي يستخدمها الباحثون في تعلم الآلة لبناء نماذج تعلم الآلة؟	الدرس	كريس وجين
05	مقدمة في الانحدار	الانحدار	البدء باستخدام Python و Scikit-learn لنماذج الانحدار	Python • R	جين • إريك وانجاو
06	أسعار القرع في أمريكا الشمالية 🎃	الانحدار	تصور وتنظيف البيانات استعدادًا لتعلم الآلة	Python • R	جين • إريك وانجاو
07	أسعار القرع في أمريكا الشمالية 🎃	الانحدار	بناء نماذج الانحدار الخطي والانحدار متعدد الحدود	Python • R	جين وديمتري • إريك وانجاو
08	أسعار القرع في أمريكا الشمالية 🎃	الانحدار	بناء نموذج الانحدار اللوجستي	Python • R	جين • إريك وانجاو
09	تطبيق ويب 🔌	تطبيق ويب	بناء تطبيق ويب لاستخدام النموذج الذي تم تدريبه	Python	جين
10	مقدمة في التصنيف	التصنيف	تنظيف البيانات وتحضيرها وتصورها؛ مقدمة في التصنيف	Python • R	جين وكاسي • إريك وانجاو
11	المأكولات الآسيوية والهندية اللذيذة 🍜	التصنيف	مقدمة في المصنفات	Python • R	جين وكاسي • إريك وانجاو
12	المأكولات الآسيوية والهندية اللذيذة 🍜	التصنيف	المزيد من المصنفات	Python • R	جين وكاسي • إريك وانجاو
13	المأكولات الآسيوية والهندية اللذيذة 🍜	التصنيف	بناء تطبيق ويب للتوصيات باستخدام النموذج الخاص بك	Python	جين
14	مقدمة في التجميع	التجميع	تنظيف البيانات وتحضيرها وتصورها؛ مقدمة في التجميع	Python • R	جين • إريك وانجاو
15	استكشاف الأذواق الموسيقية النيجيرية 🎧	التجميع	استكشاف طريقة التجميع باستخدام K-Means	Python • R	جين • إريك وانجاو
16	مقدمة في معالجة اللغة الطبيعية ☕️	معالجة اللغة الطبيعية	تعلم الأساسيات حول معالجة اللغة الطبيعية من خلال بناء روبوت بسيط	Python	ستيفن
17	مهام معالجة اللغة الطبيعية الشائعة ☕️	معالجة اللغة الطبيعية	تعميق المعرفة بمعالجة اللغة الطبيعية من خلال فهم المهام الشائعة المطلوبة عند التعامل مع الهياكل اللغوية	Python	ستيفن
18	الترجمة وتحليل المشاعر ♥️	معالجة اللغة الطبيعية	الترجمة وتحليل المشاعر باستخدام أعمال جين أوستن	Python	ستيفن
19	الفنادق الرومانسية في أوروبا ♥️	معالجة اللغة الطبيعية	تحليل المشاعر باستخدام مراجعات الفنادق 1	Python	ستيفن
20	الفنادق الرومانسية في أوروبا ♥️	معالجة اللغة الطبيعية	تحليل المشاعر باستخدام مراجعات الفنادق 2	Python	ستيفن
21	مقدمة في التنبؤ بالسلاسل الزمنية	السلاسل الزمنية	مقدمة في التنبؤ بالسلاسل الزمنية	Python	فرانسيسكا
22	⚡️ استخدام الطاقة العالمية ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام ARIMA	السلاسل الزمنية	التنبؤ بالسلاسل الزمنية باستخدام ARIMA	Python	فرانسيسكا
23	⚡️ استخدام الطاقة العالمية ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام SVR	السلاسل الزمنية	التنبؤ بالسلاسل الزمنية باستخدام Support Vector Regressor	Python	أنيربان
24	مقدمة في التعلم المعزز	التعلم المعزز	مقدمة في التعلم المعزز باستخدام Q-Learning	Python	ديمتري
25	مساعدة بيتر لتجنب الذئب! 🐺	التعلم المعزز	Gym التعلم المعزز	Python	ديمتري
Postscript	سيناريوهات وتطبيقات تعلم الآلة في العالم الحقيقي	تعلم الآلة في العالم الحقيقي	تطبيقات مثيرة وكاشفة لتعلم الآلة الكلاسيكي	الدرس	الفريق
Postscript	تصحيح نماذج تعلم الآلة باستخدام لوحة تحكم الذكاء الاصطناعي المسؤول	تعلم الآلة في العالم الحقيقي	تصحيح نماذج تعلم الآلة باستخدام مكونات لوحة تحكم الذكاء الاصطناعي المسؤول	الدرس	روث ياكوبو

ابحث عن جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا

الوصول دون اتصال

يمكنك تشغيل هذا التوثيق دون اتصال باستخدام Docsify. قم باستنساخ هذا المستودع، تثبيت Docsify على جهازك المحلي، ثم في المجلد الجذر لهذا المستودع، اكتب docsify serve. سيتم تشغيل الموقع على المنفذ 3000 على localhost الخاص بك: localhost:3000.

ملفات PDF

يمكنك العثور على ملف PDF للمناهج مع الروابط هنا.

🎒 دورات أخرى

فريقنا يقدم دورات أخرى! تحقق من:

• Edge AI للمبتدئين
• وكلاء الذكاء الاصطناعي للمبتدئين
• الذكاء الاصطناعي التوليدي للمبتدئين
• الذكاء الاصطناعي التوليدي للمبتدئين .NET
• الذكاء الاصطناعي التوليدي باستخدام JavaScript
• الذكاء الاصطناعي التوليدي باستخدام Java
• الذكاء الاصطناعي للمبتدئين
• علم البيانات للمبتدئين
• تعلم الآلة للمبتدئين
• الأمن السيبراني للمبتدئين
• تطوير الويب للمبتدئين
• إنترنت الأشياء للمبتدئين
• تطوير الواقع الممتد للمبتدئين
• إتقان GitHub Copilot للبرمجة الزوجية
• إتقان GitHub Copilot لمطوري C#/.NET
• اختر مغامرتك الخاصة مع Copilot

---

إخلاء المسؤولية:
تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي 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 المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.