ML-For-Beginners/translations/ar

🌐 دعم متعدد اللغات

مدعوم عبر إجراء GitHub (مؤتمت ومحدّث دائمًا)

العربية | البنغالية | البلغارية | البرمية (ميانمار) | الصينية (مبسطة) | الصينية (تقليدية، هونغ كونغ) | الصينية (تقليدية، ماكاو) | الصينية (تقليدية، تايوان) | الكرواتية | التشيكية | الدنماركية | الهولندية | الإستونية | الفنلندية | الفرنسية | الألمانية | اليونانية | العبرية | الهندية | الهنغارية | الإندونيسية | الإيطالية | اليابانية | الكانادية | الكورية | اللتوانية | الماليزية | المالايالامية | الماراثية | النيبالية | البيجن النيجيري | النرويجية | الفارسية (الفارسي) | البولندية | البرتغالية (البرازيل) | البرتغالية (البرتغال) | البنجابية (Gurmukhi) | الرومانية | الروسية | الصربية (السيريلية) | السلوفاكية | السلوفينية | الإسبانية | السواحيلية | السويدية | التاغالوغية (الفلبينية) | التاميلية | التيلوغو | التايلاندية | التركية | الأوكرانية | الأردية | الفيتنامية

انضم إلى مجتمعنا

نقوم بتشغيل سلسلة Learn with AI على Discord، تعرف على المزيد وانضم إلينا في Learn with AI Series 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 🌍

يسعد فريق Cloud Advocates في Microsoft أن يقدم منهجًا دراسيًا مدته 12 أسبوعًا يتضمن 26 درسًا حول موضوع 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". يمكنك إقران هذه الدروس مع منهج "علم البيانات للمبتدئين" أيضًا!

سافر معنا حول العالم بينما نطبق هذه التقنيات الكلاسيكية على بيانات من مناطق متعددة في العالم. يتضمن كل درس اختبارات قبل وبعد الدرس، وإرشادات مكتوبة لإكمال الدرس، وحلًا، ومهمة، والمزيد. تتيح لنا منهجية التعلم القائمة على المشاريع أن تتعلم أثناء البناء، وهي طريقة مثبتة لجعل المهارات الجديدة "تثبت".

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

🎨 شكر أيضًا لرسامينا Tomomi Imura, Dasani Madipalli, and Jen Looper

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

🤩 امتنان إضافي إلى سفراء طلاب Microsoft Eric Wanjau, Jasleen Sondhi, و Vidushi Gupta لدروس R الخاصة بنا!

البدء

اتبع هذه الخطوات:

1. استنسخ المستودع (Fork the Repository): Click on the "Fork" button at the top-right corner of this page.
2. استنساخ المستودع (Clone the Repository): git clone https://github.com/microsoft/ML-For-Beginners.git

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

🔧 هل تحتاج مساعدة؟ اطلع على دليل استكشاف الأخطاء وإصلاحها للحصول على حلول للمشكلات الشائعة المتعلقة بالتثبيت والإعداد وتشغيل الدروس.

الطلاب، لاستخدام هذا المنهج، انسخ المستودع بأكمله إلى حساب GitHub الخاص بك وأكمل التمارين بنفسك أو مع مجموعة:

• ابدأ باختبار تمهيدي قبل المحاضرة.
• اقرأ المحاضرة وأكمل الأنشطة، وتوقف وفكر عند كل نقطة تحقق معرفي.
• حاول إنشاء المشاريع من خلال فهم الدروس بدلًا من تشغيل كود الحل مباشرة؛ ومع ذلك يتوفر هذا الكود في مجلدات /solution في كل درس موجه بالمشروع.
• أكمل اختبار ما بعد المحاضرة.
• أكمل التحدي.
• أكمل الواجب.
• بعد إكمال مجموعة دروس، قم بزيارة لوحة النقاش و"تعلّم بصوت عالٍ" بملء نموذج التقييم PAT المناسب. الـ 'PAT' هي أداة تقييم التقدم وهي مقياس تملأه لتعزيز تعلمك. يمكنك أيضًا التفاعل مع PATs الأخرى حتى نتعلم سويًا.

لمزيد من الدراسة، نوصي بمتابعة هذه الوحدات ومسارات التعلم في Microsoft Learn.

المعلمون, لقد قمنا بتضمين بعض الاقتراحات حول كيفية استخدام هذا المنهج.

---

شروحات الفيديو

بعض الدروس متاحة كفيديو قصير. يمكنك العثور على كل هذه الفيديوهات مضمّنة داخل الدروس، أو على قائمة تشغيل ML للمبتدئين على قناة Microsoft Developer على YouTube بالنقر على الصورة أدناه.

---

تعرّف على الفريق

GIF بواسطة Mohit Jaisal

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

---

المنهجية التربوية

اخترنا مبدأين بيداغوجيين أثناء بناء هذا المنهج: التأكد من أنه عملي قائم على المشاريع وأنه يتضمن اختبارات متكررة. بالإضافة إلى ذلك، يحتوي هذا المنهج على موضوع مشترك لمنحه تماسكًا.

من خلال التأكد من توافق المحتوى مع المشاريع، يصبح المسار أكثر جاذبية للطلاب ويزداد احتفاظهم بالمفاهيم. بالإضافة إلى ذلك، يضع اختبار منخفض المخاطر قبل الحصة نية الطالب نحو تعلم موضوع ما، في حين يضمن اختبار ثانٍ بعد الحصة مزيدًا من الاحتفاظ. صُمم هذا المنهج ليكون مرنًا وممتعًا ويمكن اتباعه ككل أو جزئيًا. تبدأ المشاريع صغيرة وتصبح أكثر تعقيدًا تدريجيًا بنهاية دورة الـ 12 أسبوعًا. كما يتضمن هذا المنهج خاتمة حول تطبيقات تعلم الآلة في العالم الحقيقي، والتي يمكن استخدامها كدرجة إضافية أو كقاعدة للنقاش.

اطلع على مدونة قواعد السلوك، وإرشادات المساهمة، والترجمة، ودليل استكشاف الأخطاء وإصلاحها. نرحب بتغذيتكم الراجعة البنّاءة!

كل درس يتضمن

• مذكرة رسومية اختيارية
• فيديو تكميلي اختياري
• عرض فيديو توضيحي (بعض الدروس فقط)
• اختبار إحماء قبل المحاضرة
• درس مكتوب
• للدروس القائمة على المشاريع، أدلة خطوة بخطوة حول كيفية بناء المشروع
• اختبارات للتحقق من الفهم
• تحدٍ
• قراءة تكملية
• واجب
• اختبار ما بعد المحاضرة

ملاحظة حول اللغات: تم كتابة هذه الدروس في المقام الأول بلغة Python، لكن العديد منها متاح 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 code chunks (بلغة R أو لغات أخرى) و YAML header (الذي يوجّه كيفية تنسيق المخرجات مثل PDF) في Markdown document. لذلك، يعمل كإطار تأليف نموذجي لعلم البيانات لأنه يسمح لك بدمج كودك ومخرجاته وأفكارك عن طريق كتابتها في Markdown. علاوة على ذلك، يمكن عرض مستندات R Markdown إلى صيغ إخراج مثل PDF أو HTML أو Word.

ملاحظة حول الاختبارات: جميع الاختبارات موجودة في مجلد تطبيق الاختبار، لعدد إجمالي 52 اختبارًا، كل منها يحتوي على ثلاثة أسئلة. يتم ربطها من داخل الدروس لكن يمكن تشغيل تطبيق الاختبار محليًا؛ اتبع التعليمات في مجلد quiz-app لاستضافته محليًا أو نشره على Azure.

رقم الدرس	الموضوع	مجموعة الدروس	أهداف التعلم	الدرس المرتبط	المؤلف
01	مقدمة في تعلم الآلة	مقدمة	تعلّم المفاهيم الأساسية وراء تعلم الآلة	الدرس	Muhammad
02	تاريخ تعلم الآلة	مقدمة	تعرّف على التاريخ الكامن وراء هذا المجال	الدرس	Jen و Amy
03	العدالة وتعلم الآلة	مقدمة	ما هي القضايا الفلسفية الهامة حول العدالة التي يجب أن يأخذها الطلاب بعين الاعتبار عند بناء وتطبيق نماذج تعلم الآلة؟	الدرس	Tomomi
04	تقنيات تعلم الآلة	مقدمة	ما هي التقنيات التي يستخدمها باحثو تعلم الآلة لبناء النماذج؟	الدرس	Chris و Jen
05	مقدمة في الانحدار	الانحدار	ابدأ مع Python و Scikit-learn لنماذج الانحدار	Python • R	Jen • Eric Wanjau
06	أسعار اليقطين في أمريكا الشمالية 🎃	الانحدار	تصور ونظّف البيانات كتحضير لتعلم الآلة	Python • R	Jen • Eric Wanjau
07	أسعار اليقطين في أمريكا الشمالية 🎃	الانحدار	بناء نماذج الانحدار الخطي والمتعدد الحدود	Python • R	Jen و Dmitry • Eric Wanjau
08	أسعار اليقطين في أمريكا الشمالية 🎃	الانحدار	بناء نموذج الانحدار اللوجستي	Python • R	Jen • Eric Wanjau
09	تطبيق ويب 🔌	تطبيق ويب	بناء تطبيق ويب لاستخدام نموذجك المدرب	Python	Jen
10	مقدمة في التصنيف	التصنيف	نظّف، حضّر، وصوّر بياناتك؛ مقدمة في التصنيف	Python • R	Jen و Cassie • Eric Wanjau
11	مأكولات آسيوية وهندية لذيذة 🍜	التصنيف	مقدمة للمصنّفات	Python • R	Jen و Cassie • Eric Wanjau
12	مأكولات آسيوية وهندية لذيذة 🍜	التصنيف	المزيد من المصنّفات	Python • R	Jen و Cassie • Eric Wanjau
13	مأكولات آسيوية وهندية لذيذة 🍜	التصنيف	بناء تطبيق ويب موصيّ باستخدام نموذجك	Python	Jen
14	مقدمة في التجميع	التجميع	نظّف، حضّر، وصوّر بياناتك؛ مقدمة في التجميع	Python • R	Jen • Eric Wanjau
15	استكشاف الأذواق الموسيقية النيجيرية 🎧	التجميع	استكشاف طريقة التجميع K-Means	Python • R	Jen • Eric Wanjau
16	مقدمة في معالجة اللغة الطبيعية ☕️	معالجة اللغة الطبيعية	تعلّم أساسيات معالجة اللغة الطبيعية ببناء روبوت بسيط	Python	Stephen
17	مهام معالجة اللغة الشائعة ☕️	معالجة اللغة الطبيعية	تعمّق في معرفتك بمعالجة اللغة من خلال فهم المهام الشائعة المطلوبة عند التعامل مع هياكل اللغة	Python	Stephen
18	الترجمة وتحليل المشاعر ♥️	معالجة اللغة الطبيعية	الترجمة وتحليل المشاعر مع Jane Austen	Python	Stephen
19	فنادق رومانسية في أوروبا ♥️	معالجة اللغة الطبيعية	تحليل المشاعر مع مراجعات فنادق 1	Python	Stephen
20	فنادق رومانسية في أوروبا ♥️	معالجة اللغة الطبيعية	تحليل المشاعر مع مراجعات فنادق 2	Python	Stephen
21	مقدمة في التنبؤ بالسلاسل الزمنية	السلاسل الزمنية	مقدمة في التنبؤ بالسلاسل الزمنية	Python	Francesca
22	⚡️ استهلاك الطاقة العالمي ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام ARIMA	السلاسل الزمنية	التنبؤ بالسلاسل الزمنية باستخدام ARIMA	Python	Francesca
23	⚡️ استهلاك الطاقة العالمي ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام SVR	السلاسل الزمنية	التنبؤ بالسلاسل الزمنية باستخدام Support Vector Regressor	Python	Anirban
24	مقدمة في التعلم التعزيزي	التعلم التعزيزي	مقدمة في التعلم التعزيزي باستخدام Q-Learning	Python	Dmitry
25	ساعد بيتر على تجنب الذئب! 🐺	التعلم التعزيزي	بيئة Gym للتعلم التعزيزي	Python	Dmitry
ملحق	سيناريوهات وتطبيقات تعلم الآلة في العالم الحقيقي	ML in the Wild	تطبيقات مثيرة وكاشفة في العالم الحقيقي لتعلم الآلة الكلاسيكي	الدرس	الفريق
ملحق	تصحيح النماذج في تعلم الآلة باستخدام لوحة RAI	ML in the Wild	تصحيح نماذج تعلم الآلة باستخدام مكونات لوحة معلومات Responsible AI	الدرس	Ruth Yakubu

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

الوصول دون اتصال

يمكنك تشغيل هذه الوثائق دون اتصال باستخدام Docsify. قم بفورك لهذا المستودع، قم بتثبيت Docsify على جهازك المحلي، ثم في المجلد الجذر لهذا المستودع اكتب docsify serve. سيتم تقديم الموقع على المنفذ 3000 على مضيفك المحلي: localhost:3000.

ملفات PDF

اعثر على ملف PDF للمنهج مع روابط هنا.

🎒 دورات أخرى

فريقنا يقدم دورات أخرى! اطلع على:

LangChain

---

Azure / Edge / MCP / Agents

---

سلسلة الذكاء التوليدي

---

التعلم الأساسي

---

سلسلة Copilot

الحصول على المساعدة

إذا علقت أو كانت لديك أي أسئلة حول بناء تطبيقات الذكاء الاصطناعي، انضم إلى المتعلمين الآخرين والمطورين ذوي الخبرة في مناقشات MCP. إنه مجتمع داعم حيث تُرحب بالأسئلة وتُشارك المعرفة بحرية.

إذا كان لديك ملاحظات حول المنتج أو أخطاء أثناء البناء فقم بزيارة:

---

إخلاء المسؤولية: تمت ترجمة هذه الوثيقة باستخدام خدمة الترجمة الآلية [Co-op Translator] (https://github.com/Azure/co-op-translator). بينما نسعى إلى الدقة، يُرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار الوثيقة الأصلية بلغتها الأصلية المصدر الموثوق به. للمعلومات الحرجة، يوصى بالاستعانة بترجمة بشرية مهنية. نحن غير مسؤولين عن أي سوء فهم أو تفسير ينشأ عن استخدام هذه الترجمة.