ML-For-Beginners/translations/ar

🌐 دعم متعدد اللغات

مدعوم عبر GitHub Action (تلقائي ودائم التحديث)

العربية | البنغالية | البلغارية | البورمية (ميانمار) | الصينية (المبسطة) | الصينية (التقليدية، هونغ كونغ) | الصينية (التقليدية، ماكاو) | الصينية (التقليدية، تايوان) | الكرواتية | التشيكية | الدانماركية | الهولندية | الإستونية | الفنلندية | الفرنسية | الألمانية | اليونانية | العبرية | الهندية | الهنغارية | الإندونيسية | الإيطالية | اليابانية | الكورية | الليتوانية | الماليزية | الماراثية | النيبالية | النيجيرية بيدجن | النرويجية | الفارسية (فارسي) | البولندية | البرتغالية (البرازيل) | البرتغالية (البرتغال) | البنجابية (غورموخي) | الرومانية | الروسية | الصربية (السيريلية) | السلوفاكية | السلوفينية | الإسبانية | السواحيلية | السويدية | التاغالوغية (الفلبينية) | التاميلية | التايلاندية | التركية | الأوكرانية | الأردية | الفيتنامية

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 - 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 أن يقدموا 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. قم بدمج 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 لتثبيت المهارات الجديدة.

✍️ شكر جزيل لمؤلفينا جين لوبر، ستيفن هويل، فرانشيسكا لازيري، تومومي إيمورا، كاسي بريفي، ديمتري سوشنيكوف، كريس نورينغ، أنيربان موكيرجي، أورنيلا ألتونيان، روث ياكوبو، وأيمي بويد

🎨 شكر أيضًا لرسامينا تومومي إيمورا، داساني ماديبالي، وجين لوبر

🙏 شكر خاص 🙏 لمؤلفي ومراجعي ومساهمي المحتوى من سفراء الطلاب في Microsoft، لا سيما ريشت داغلي، محمد ساكيب خان إنان، روهان راج، ألكساندرو بيتريسكو، أبيشيك جايسوال، نوارين تاباسم، إيوان سامويلا، وسنيغدا أغاروال

🤩 شكر إضافي لسفراء الطلاب في Microsoft إريك وانجاو، جاسلين سوندي، وفيدوشي غوبتا لدروس R الخاصة بنا!

البدء

اتبع هذه الخطوات:

1. قم بتفرع المستودع: انقر على زر "Fork" في الزاوية العلوية اليمنى من هذه الصفحة.
2. استنساخ المستودع: git clone https://github.com/microsoft/ML-For-Beginners.git

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

🔧 تحتاج إلى مساعدة؟ تحقق من دليل استكشاف الأخطاء وإصلاحها للحصول على حلول للمشاكل الشائعة المتعلقة بالتثبيت والإعداد وتشغيل الدروس.

الطلاب، لاستخدام هذا المنهج، قم بتفرع المستودع بالكامل إلى حساب GitHub الخاص بك وأكمل التمارين بنفسك أو مع مجموعة:

• ابدأ باختبار ما قبل المحاضرة.
• اقرأ المحاضرة وأكمل الأنشطة، توقف وتأمل 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" من خلال ملء نموذج PAT المناسب. PAT هو أداة تقييم تقدم 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.

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 موهيت جايسال

🎥 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 التأكد من أن المحتوى يتماشى مع المشاريع، تصبح العملية أكثر جاذبية للطلاب وسيتم 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 تناوله بالكامل أو جزئيًا. تبدأ المشاريع صغيرة وتصبح أكثر تعقيدًا بحلول نهاية دورة الـ 12 أسبوعًا. يتضمن هذا المنهج أيضًا ملحقًا حول التطبيقات الواقعية لتعلم الآلة، والتي يمكن استخدامها كائتمان إضافي أو كأساس للنقاش.

ابحث عن مدونة قواعد السلوك، المساهمة، الترجمة، وإرشادات استكشاف الأخطاء وإصلاحها. نحن نرحب بملاحظاتك البناءة!

كل درس يتضمن

• رسم تخطيطي اختياري
• فيديو إضافي اختياري
• فيديو توضيحي (بعض الدروس فقط)
• اختبار تمهيدي قبل المحاضرة
• درس مكتوب
• لدروس المشاريع، أدلة 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 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 (من 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 مخرجات مثل PDF أو HTML أو Word.

ملاحظة حول الاختبارات: جميع الاختبارات موجودة في مجلد تطبيق الاختبار، بإجمالي 52 اختبارًا يحتوي كل منها على ثلاثة أسئلة. يتم ربطها من داخل الدروس ولكن يمكن تشغيل تطبيق الاختبار محليًا؛ اتبع التعليمات في مجلد quiz-app لاستضافة محلية أو نشر على Azure.

رقم الدرس	الموضوع	مجموعة الدروس	أهداف التعلم	الدرس المرتبط	المؤلف
01	مقدمة في تعلم الآلة	المقدمة	تعرف على المفاهيم الأساسية وراء تعلم الآلة	الدرس	محمد
02	تاريخ تعلم الآلة	المقدمة	تعرف على التاريخ الذي يشكل أساس هذا المجال	الدرس	جين وأيمي
03	العدالة وتعلم الآلة	المقدمة	ما هي القضايا الفلسفية المهمة حول العدالة التي يجب على الطلاب أخذها بعين الاعتبار عند بناء وتطبيق نماذج تعلم الآلة؟	الدرس	تومومي
04	تقنيات تعلم الآلة	المقدمة	ما هي التقنيات التي يستخدمها الباحثون في تعلم الآلة لبناء النماذج؟	الدرس	كريس وجين
05	مقدمة في الانحدار	الانحدار	ابدأ باستخدام Python وScikit-learn لنماذج الانحدار	Python • R	جين • إريك وانجاو
06	أسعار القرع في أمريكا الشمالية 🎃	الانحدار	تصور ونظف 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 انحدار لوجستي	Python • R	جين • إريك وانجاو
09	تطبيق ويب 🔌	تطبيق ويب	بناء تطبيق ويب لاستخدام النموذج المدرب	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	تعرف على الأساسيات حول معالجة اللغة الطبيعية من خلال بناء روبوت بسيط	Python	ستيفن
17	مهام معالجة اللغة الطبيعية الشائعة ☕️	معالجة اللغة الطبيعية	تعمق في معرفة معالجة اللغة الطبيعية من خلال فهم المهام الشائعة المطلوبة عند التعامل مع هياكل اللغة	Python	ستيفن
18	الترجمة وتحليل المشاعر ♥️	معالجة اللغة الطبيعية	الترجمة وتحليل المشاعر مع جين أوستن	Python	ستيفن
19	الفنادق الرومانسية في أوروبا ♥️	معالجة اللغة الطبيعية	تحليل المشاعر مع مراجعات الفنادق 1	Python	ستيفن
20	الفنادق الرومانسية في أوروبا ♥️	معالجة اللغة الطبيعية	تحليل المشاعر مع مراجعات الفنادق 2	Python	ستيفن
21	مقدمة في التنبؤ بالسلاسل الزمنية	السلاسل الزمنية	مقدمة في التنبؤ بالسلاسل الزمنية	Python	فرانسيسكا
22	⚡️ استخدام الطاقة في العالم ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام ARIMA	السلاسل الزمنية	التنبؤ بالسلاسل الزمنية باستخدام ARIMA	Python	فرانسيسكا
23	⚡️ استخدام الطاقة في العالم ⚡️ - 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	ساعد بيتر في تجنب الذئب! 🐺	التعلم المعزز	التعلم المعزز باستخدام Gym	Python	ديمتري
الختام	سيناريوهات وتطبيقات تعلم الآلة في العالم الحقيقي	تعلم الآلة في الواقع	تطبيقات مثيرة وكاشفة لتعلم الآلة الكلاسيكي	الدرس	الفريق
الختام	تصحيح النماذج في تعلم الآلة باستخدام لوحة معلومات الذكاء الاصطناعي المسؤول	تعلم الآلة في الواقع	تصحيح النماذج في تعلم الآلة باستخدام مكونات لوحة معلومات الذكاء الاصطناعي المسؤول	الدرس	روث ياكوب

اعثر على 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 الجذري لهذا المستودع، اكتب docsify serve. سيتم تشغيل الموقع على المنفذ 3000 على جهازك المحلي: localhost:3000.

ملفات PDF

اعثر على ملف PDF للمناهج مع الروابط هنا.

🎒 دورات أخرى

فريقنا ينتج دورات أخرى! تحقق من:

Azure / Edge / MCP / Agents

---

سلسلة الذكاء الاصطناعي التوليدي

---

التعلم الأساسي

---

سلسلة Copilot

الحصول على المساعدة

إذا واجهت صعوبة أو كانت لديك أسئلة حول بناء تطبيقات الذكاء الاصطناعي، انضم إلى زملائك المتعلمين والمطورين ذوي الخبرة في مناقشات حول MCP. إنها مجتمع داعم حيث يتم الترحيب بالأسئلة ومشاركة المعرفة بحرية.

إذا كان لديك ملاحظات حول المنتج أو واجهت أخطاء أثناء البناء، قم بزيارة:

---

إخلاء المسؤولية:
تمت 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 عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالترجمة البشرية الاحترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.