36 KiB

Raw Blame History Unescape Escape

🌐 دعم متعدد اللغات

مدعوم عبر GitHub Action (آلي ودائم التحديث)

انضم إلى مجتمعنا

لدينا سلسلة تعلم عبر ديسكورد مع الذكاء الاصطناعي مستمرة، تعرّف أكثر وانضم إلينا في سلسلة التعلم مع الذكاء الاصطناعي من 18 إلى 30 سبتمبر 2025. ستحصل على نصائح وحيل لاستخدام GitHub Copilot في علوم البيانات.

تعلم الآلة للمبتدئين - منهج دراسي

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

يسعد دعاة السحابة في مايكروسوفت أن يقدموا منهجًا دراسيًا مكونًا من 12 أسبوعًا و26 درسًا حول تعلم الآلة. في هذا المنهج، ستتعلم ما يُسمى أحيانًا تعلم الآلة الكلاسيكي، باستخدام مكتبة Scikit-learn بشكل أساسي وتجنب التعلم العميق، الذي يتم تغطيته في منهجنا الذكاء الاصطناعي للمبتدئين. يمكنك أيضًا دمج هذه الدروس مع منهجنا 'علوم البيانات للمبتدئين'.

سافر معنا حول العالم بينما نطبق هذه التقنيات الكلاسيكية على بيانات من مناطق مختلفة من العالم. كل درس يتضمن اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، حل، مهمة، وأكثر. تسمح لك منهجيتنا القائمة على المشاريع بالتعلم أثناء البناء، وهي طريقة مثبتة لترسيخ المهارات الجديدة.

✍️ شكر خاص لمؤلفينا جين لوبر، ستيفن هاول، فرانسيسكا لازيري، تومومي إيمورا، كاسي بريفيو، ديمتري سوشنيكوف، كريس نورينغ، أنيربان موخرجي، أورنيلا ألتونيان، روث ياكوبو وآمي بويد

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

🙏 شكر خاص 🙏 لسفراء طلاب مايكروسوفت المؤلفين والمراجعين والمساهمين في المحتوى، لا سيما ريشيت داجلي، محمد سكيب خان إينان، روهان راج، ألكسندرو بيتريسكو، أبيشيك جايسوال، ناورين تاباسوم، إيوان سامويلا، وسنيغدا أغاروال

🤩 امتنان إضافي لسفراء طلاب مايكروسوفت إريك وانجاو، جاسلين سوندي، وفيدوشي جوبتا لدروس R الخاصة بنا!

البدء

اتبع هذه الخطوات:

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

اعثر على جميع الموارد الإضافية لهذا الدورة في مجموعة Microsoft Learn الخاصة بنا

🔧 هل تحتاج مساعدة؟ تحقق من دليل استكشاف الأخطاء وإصلاحها لحلول المشكلات الشائعة في التثبيت والإعداد وتشغيل الدروس.

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

ابدأ باختبار تمهيدي قبل المحاضرة.
اقرأ المحاضرة وأكمل الأنشطة، توقف وتأمل عند كل اختبار معرفة.
حاول إنشاء المشاريع بفهم الدروس بدلاً من تشغيل كود الحل؛ مع ذلك، الكود متاح في مجلدات /solution في كل درس موجه نحو المشروع.
خذ اختبار ما بعد المحاضرة.
أكمل التحدي.
أكمل المهمة.
بعد إكمال مجموعة دروس، قم بزيارة لوحة النقاش و"تعلم بصوت عالٍ" بملء نموذج تقييم التقدم المناسب (PAT). الـ 'PAT' هو أداة تقييم تقدم تملأها لتعزيز تعلمك. يمكنك أيضًا التفاعل مع PATs الآخرين لنتعلم معًا.

للدراسة المتقدمة، نوصي بمتابعة هذه الوحدات ومسارات التعلم على Microsoft Learn.

المعلمون، لقد أدرجنا بعض الاقتراحات حول كيفية استخدام هذا المنهج.

فيديوهات إرشادية

بعض الدروس متاحة على شكل فيديوهات قصيرة. يمكنك العثور على جميع هذه الفيديوهات مدمجة داخل الدروس، أو على قائمة تشغيل ML للمبتدئين على قناة Microsoft Developer على يوتيوب بالنقر على الصورة أدناه.

تعرف على الفريق

صورة متحركة بواسطة Mohit Jaisal

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

المنهجية التعليمية

اخترنا مبدأين تربويين أثناء بناء هذا المنهج: التأكد من أنه مبني على المشاريع العملية وأنه يتضمن اختبارات متكررة. بالإضافة إلى ذلك، يحتوي هذا المنهج على موضوع مشترك ليمنحه تماسكًا.

بضمان توافق المحتوى مع المشاريع، يصبح التعلم أكثر جاذبية للطلاب ويزداد ترسيخ المفاهيم. بالإضافة إلى ذلك، يحدد اختبار منخفض المخاطر قبل الدرس نية الطالب نحو تعلم موضوع ما، بينما يضمن اختبار ثانٍ بعد الدرس مزيدًا من التثبيت. تم تصميم هذا المنهج ليكون مرنًا وممتعًا ويمكن أخذه كاملاً أو جزئيًا. تبدأ المشاريع صغيرة وتزداد تعقيدًا بنهاية دورة الـ 12 أسبوعًا. يتضمن هذا المنهج أيضًا خاتمة حول تطبيقات تعلم الآلة في العالم الحقيقي، والتي يمكن استخدامها كرصيد إضافي أو كأساس للنقاش.

اطلع على مدونة السلوك، المساهمة، الترجمة، واستكشاف الأخطاء وإصلاحها. نرحب بملاحظاتك البناءة!

كل درس يتضمن

ملاحظات تخطيطية اختيارية
فيديو تكميلي اختياري
فيديو إرشادي (بعض الدروس فقط)
اختبار تمهيدي قبل المحاضرة
درس مكتوب
للدروس القائمة على المشاريع، إرشادات خطوة بخطوة لبناء المشروع
اختبارات معرفة
تحدي
قراءة إضافية
مهمة
اختبار بعد المحاضرة

ملاحظة حول اللغات: هذه الدروس مكتوبة بشكل أساسي بلغة بايثون، لكن العديد منها متاح أيضًا بلغة R. لإكمال درس R، انتقل إلى مجلد /solution وابحث عن دروس R. تحتوي على 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، فهو إطار عمل مثالي للتأليف في علوم البيانات لأنه يسمح لك بدمج الكود الخاص بك، ومخرجاته، وأفكارك عن طريق كتابتها في Markdown. علاوة على ذلك، يمكن تحويل مستندات R Markdown إلى صيغ 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، لكن يمكن تشغيل تطبيق الاختبارات محليًا؛ اتبع التعليمات في مجلد quiz-app لاستضافة محلية أو النشر على Azure.

رقم الدرس	الموضوع	تجميع الدروس	أهداف التعلم	الدرس المرتبط	المؤلف
01	مقدمة في تعلم الآلة	Introduction	تعلّم المفاهيم الأساسية وراء تعلم الآلة	Lesson	محمد
02	تاريخ تعلم الآلة	Introduction	تعلّم التاريخ الكامن وراء هذا المجال	Lesson	جين وآمي
03	العدالة وتعلم الآلة	Introduction	ما هي القضايا الفلسفية المهمة حول العدالة التي يجب على الطلاب مراعاتها عند بناء وتطبيق نماذج تعلم الآلة؟	Lesson	تومومي
04	تقنيات تعلم الآلة	Introduction	ما هي التقنيات التي يستخدمها باحثو تعلم الآلة لبناء نماذج تعلم الآلة؟	Lesson	كريس وجين
05	مقدمة في الانحدار	Regression	ابدأ مع بايثون وScikit-learn لنماذج الانحدار	Python • R	جين • إريك وانجاو
06	أسعار اليقطين في أمريكا الشمالية 🎃	Regression	تصور ونظف البيانات تحضيرًا لتعلم الآلة	Python • R	جين • إريك وانجاو
07	أسعار اليقطين في أمريكا الشمالية 🎃	Regression	بناء نماذج الانحدار الخطي والمتعدد الحدود	Python • R	جين ودميتري • إريك وانجاو
08	أسعار اليقطين في أمريكا الشمالية 🎃	Regression	بناء نموذج انحدار لوجستي	Python • R	جين • إريك وانجاو
09	تطبيق ويب 🔌	Web App	بناء تطبيق ويب لاستخدام نموذجك المدرب	Python	جين
10	مقدمة في التصنيف	Classification	تنظيف، تحضير، وتصوير بياناتك؛ مقدمة في التصنيف	Python • R	جين وكاسي • إريك وانجاو
11	المأكولات الآسيوية والهندية اللذيذة 🍜	Classification	مقدمة إلى المصنفات	Python • R	جين وكاسي • إريك وانجاو
12	المأكولات الآسيوية والهندية اللذيذة 🍜	Classification	المزيد من المصنفات	Python • R	جين وكاسي • إريك وانجاو
13	المأكولات الآسيوية والهندية اللذيذة 🍜	Classification	بناء تطبيق ويب للتوصية باستخدام نموذجك	Python	جين
14	مقدمة في التجميع	Clustering	تنظيف، تحضير، وتصوير بياناتك؛ مقدمة في التجميع	Python • R	جين • إريك وانجاو
15	استكشاف الأذواق الموسيقية النيجيرية 🎧	Clustering	استكشاف طريقة التجميع K-Means	Python • R	جين • إريك وانجاو
16	مقدمة في معالجة اللغة الطبيعية ☕️	Natural language processing	تعلّم الأساسيات حول معالجة اللغة الطبيعية ببناء بوت بسيط	Python	ستيفن
17	مهام معالجة اللغة الطبيعية الشائعة ☕️	Natural language processing	تعميق معرفتك في معالجة اللغة الطبيعية بفهم المهام الشائعة المطلوبة عند التعامل مع هياكل اللغة	Python	ستيفن
18	الترجمة وتحليل المشاعر ♥️	Natural language processing	الترجمة وتحليل المشاعر مع جين أوستن	Python	ستيفن
19	الفنادق الرومانسية في أوروبا ♥️	Natural language processing	تحليل المشاعر مع مراجعات الفنادق 1	Python	ستيفن
20	الفنادق الرومانسية في أوروبا ♥️	Natural language processing	تحليل المشاعر مع مراجعات الفنادق 2	Python	ستيفن
21	مقدمة في التنبؤ بالسلاسل الزمنية	Time series	مقدمة في التنبؤ بالسلاسل الزمنية	Python	فرانسيسكا
22	⚡️ استخدام الطاقة العالمي ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام ARIMA	Time series	التنبؤ بالسلاسل الزمنية باستخدام ARIMA	Python	فرانسيسكا
23	⚡️ استخدام الطاقة العالمي ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام SVR	Time series	التنبؤ بالسلاسل الزمنية باستخدام الانحدار بدعم المتجهات	Python	أنيربان
24	مقدمة في التعلم المعزز	Reinforcement learning	مقدمة في التعلم المعزز باستخدام Q-Learning	Python	دمитري
25	ساعد بيتر على تجنب الذئب! 🐺	Reinforcement learning	التعلم المعزز باستخدام Gym	Python	دمитري
خاتمة	سيناريوهات وتطبيقات تعلم الآلة في العالم الحقيقي	ML in the Wild	تطبيقات مثيرة ومكشوفة لتعلم الآلة الكلاسيكي في العالم الحقيقي	Lesson	الفريق
خاتمة	تصحيح نماذج تعلم الآلة باستخدام لوحة تحكم RAI	ML in the Wild	تصحيح نماذج تعلم الآلة باستخدام مكونات لوحة تحكم الذكاء المسؤول	Lesson	روث ياكوبو

اعثر على جميع الموارد الإضافية لهذا المقرر في مجموعة Microsoft Learn الخاصة بنا

الوصول دون اتصال

يمكنك تشغيل هذا التوثيق دون اتصال باستخدام Docsify. قم بعمل فورك لهذا المستودع، ثبت Docsify على جهازك المحلي، ثم في المجلد الجذري لهذا المستودع، اكتب docsify serve. سيتم تقديم 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:

LangChain

Azure / Edge / MCP / Agents

سلسلة الذكاء الاصطناعي التوليدي

التعلم الأساسي

سلسلة كوبايلوت

الحصول على المساعدة

إذا واجهت صعوبة أو كان لديك أي أسئلة حول بناء تطبيقات الذكاء الاصطناعي. انضم إلى المتعلمين الآخرين والمطورين ذوي الخبرة في مناقشات حول MCP. إنها مجتمع داعم حيث تُرحب بالأسئلة ويُشارك المعرفة بحرية.

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

إخلاء المسؤولية:
تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية 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 به. للمعلومات الهامة، يُنصح بالاستعانة بترجمة بشرية محترفة. نحن غير مسؤولين عن أي سوء فهم أو تفسير ناتج عن استخدام هذه الترجمة.

36 KiB Raw Blame History Unescape Escape