ML-For-Beginners/translations/ar

🌐 دعم متعدد اللغات

مدعوم عبر إجراء GitHub (مؤتمت ودائمًا محدث)

العربية | البنغالية | البلغارية | البورمية (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 | الكانّادا | الكورية | الليتوانية | الماليزية | المالايالامية | الماراثية | النيبالية | البيجن النيجيري | النرويجية | الفارسية (الفارسي) | البولندية | البرتغالية (البرازيل) | البرتغالية (البرتغال) | البنجابية (غورموخي) | الرومانية | الروسية | الصربية (السيريلية) | السلوفاكية | السلوفينية | الإسبانية | السواحيلية | السويدية | التاغالوغية (الفلبين) | التاميلية | التيلجو | التايلاندية | التركية | الأوكرانية | الأردية | الفيتنامية

انضم إلى مجتمعنا

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

تعلم الآلة للمبتدئين - منهج دراسي

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

يسعد دعاة السحابة في Microsoft أن يقدموا منهجًا مدته 12 أسبوعًا مكوّنًا من 26 درسًا حول موضوع تعلّم الآلة. في هذا المنهج، ستتعلم ما يُطلق عليه أحيانًا "تعلّم الآلة الكلاسيكي"، باستخدام مكتبة Scikit-learn في المقام الأول وتجنّب التعلم العميق، الذي يُغطى في منهج AI for Beginners. قم بمزاوجة هذه الدروس مع منهج Data Science for Beginners أيضًا!

سافر معنا حول العالم بينما نطبّق هذه التقنيات الكلاسيكية على بيانات من مناطق متعددة حول العالم. يتضمن كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، الحل، مهمة، والمزيد. تتيح لك منهجية التعليم القائمة على المشاريع أن تتعلم أثناء البناء، وهي طريقة مثبتة لتثبيت المهارات الجديدة.

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

🎨 شكرًا أيضًا لرسّامينا Tomomi Imura, Dasani Madipalli, and Jen Looper

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

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

ابدأ الآن

اتبع الخطوات التالية:

1. استنسخ المستودع (Fork the Repository): انقر على زر "Fork" في أعلى يمين هذه الصفحة.
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

🔧 تحتاج مساعدة؟ اطلع على دليل استكشاف الأخطاء وإصلاحها لدينا لحلول المشكلات الشائعة المتعلقة بالتثبيت والإعداد وتشغيل الدروس.

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

• ابدأ باختبار تمهيدي قبل المحاضرة.
• اقرأ المحاضرة وأكمل الأنشطة، توقف وتأمل عند كل فحص معرفي.
• حاول إنشاء المشاريع من خلال فهم الدروس بدلًا من تشغيل كود الحل؛ مع ذلك يتوفر هذا الكود في مجلدات /solution في كل درس موجه بالمشاريع.
• أجرِ اختبار ما بعد المحاضرة.
• أكمل التحدي.
• أكمل الواجب.
• بعد إكمال مجموعة دروس، قم بزيارة لوحة المناقشة و"تعلّم بصوت عالٍ" من خلال ملء مقياس PAT المناسب. الـ 'PAT' هو أداة تقييم التقدّم (Progress Assessment Tool) وهي مقياس تقوم بملئه لتعزيز تعلمك. يمكنك أيضًا التفاعل مع PATs الآخرين حتى نتعلم معًا.

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

للمعلمين, لقد قمنا بإدراج بعض الاقتراحات حول كيفية استخدام هذا المنهج.

---

شروحات فيديو

بعض الدروس متوفرة كفيديوهات قصيرة. يمكنك العثور على جميع هذه الفيديوهات داخل الدروس، أو على قائمة تشغيل ML for Beginners على قناة Microsoft Developer على YouTube بالنقر على الصورة أدناه.

---

تعرف على الفريق

الصورة المتحركة بواسطة Mohit Jaisal

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

---

المنهجية التربوية

اخترنا مبدأين تربويين أثناء بناء هذا المنهج: التأكد من أنه عملي ومبني على المشاريع (project-based) وأنه يتضمن اختبارات متكررة. بالإضافة إلى ذلك، يحتوي هذا المنهج على سمة مشتركة تمنحه تماسكًا.

من خلال ضمان توافق المحتوى مع المشاريع، يصبح المسار أكثر جاذبية للطلاب وسيزيد احتفاظهم بالمفاهيم. بالإضافة إلى ذلك، يحدد اختبار منخفض المخاطر قبل الحصة نية الطالب نحو تعلم موضوع ما، بينما يضمن اختبار ثانٍ بعد الحصة مزيدًا من الاحتفاظ بالمعلومات. صُمم هذا المنهج ليكون مرنًا وممتعًا ويمكن أخذه ككل أو جزئيًا. تبدأ المشاريع صغيرة وتزداد تعقيدًا تدريجيًا بنهاية دورة الـ 12 أسبوعًا. يتضمن هذا المنهج أيضًا خاتمة حول التطبيقات الواقعية لتعلّم الآلة، والتي يمكن استخدامها كائتمان إضافي أو كأساس للمناقشة.

اطلع على قواعد السلوك، المساهمة، الترجمة، واستكشاف الأخطاء وإصلاحها. نرحب بتعليقاتك البناءة!

كل درس يتضمن

• ملاحظة تخطيطية اختيارية (sketchnote)
• فيديو تكميلي اختياري
• شروح فيديو (بعض الدروس فقط)
• اختبار تمهيدي قبل المحاضرة
• درس مكتوب
• بالنسبة للدروس المبنية على المشاريع، أدلة خطوة بخطوة حول كيفية بناء المشروع
• فحوصات معرفية
• تحدٍ
• قراءات تكملية
• واجب
• اختبار ما بعد المحاضرة

ملاحظة حول اللغات: تُكتب هذه الدروس أساسًا بلغة Python، لكن العديد منها متاح أيضًا بلغة R. لإكمال درس R، انتقل إلى مجلد /solution وابحث عن دروس R. تتضمن هذه الملفات امتداد .rmd الذي يمثل ملف R Markdown والذي يمكن تعريفه ببساطة على أنه تضمين لـ code chunks (بلغة R أو لغات أخرى) وYAML header (الذي يوجه كيفية تنسيق المخرجات مثل PDF) في Markdown document. وبذلك، فهو إطار تأليف مثالي لعلوم البيانات لأنه يسمح لك بدمج الكود الخاص بك ومخرجاته وأفكارك عن طريق كتابة كل ذلك في Markdown. علاوة على ذلك، يمكن عرض مستندات R Markdown إلى صيغ مخرجات مثل PDF أو HTML أو Word.

ملاحظة حول الاختبارات: تحتوي جميع الاختبارات على مجلد Quiz App، بمجموع 52 اختبارًا، كل واحد يتكون من ثلاث أسئلة. يتم ربطها داخل الدروس ولكن يمكن تشغيل تطبيق الاختبار محليًا؛ اتبع التعليمات في مجلد quiz-app لاستضافته محليًا أو نشره إلى Azure.

رقم الدرس	الموضوع	تجميع الدروس	الأهداف التعليمية	الدرس المرتبط	المؤلف
01	مقدمة في تعلم الآلة	مقدمة	تعلم المفاهيم الأساسية وراء تعلم الآلة	الدرس	Muhammad
02	تاريخ تعلم الآلة	مقدمة	تعرف على التاريخ الكامن وراء هذا المجال	الدرس	Jen and Amy
03	العدالة وتعلم الآلة	مقدمة	ما القضايا الفلسفية المهمة المتعلقة بالعدالة التي يجب أن يأخذها الطلاب في الحسبان عند بناء وتطبيق نماذج تعلم الآلة؟	الدرس	Tomomi
04	تقنيات تعلم الآلة	مقدمة	ما التقنيات التي يستخدمها باحثو تعلم الآلة لبناء نماذج ML؟	الدرس	Chris and Jen
05	مقدمة في الانحدار	الانحدار	ابدأ مع Python وScikit-learn لنماذج الانحدار	Python • R	Jen • Eric Wanjau
06	أسعار اليقطين في أمريكا الشمالية 🎃	الانحدار	تصوير وتنظيف البيانات للتحضير لتعلم الآلة	Python • R	Jen • Eric Wanjau
07	أسعار اليقطين في أمريكا الشمالية 🎃	الانحدار	بناء نماذج الانحدار الخطي والمتعدد الحدود	Python • R	Jen and 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 النموذج الذي دربته	Python	Jen
10	مقدمة في التصنيف	التصنيف	تنظيف البيانات وتجهيزها وتصويرها؛ مقدمة في التصنيف	Python • R	Jen and Cassie • Eric Wanjau
11	مأكولات آسيوية وهندية لذيذة 🍜	التصنيف	مقدمة في المصنّفات	Python • R	Jen and Cassie • Eric Wanjau
12	مأكولات آسيوية وهندية لذيذة 🍜	التصنيف	المزيد من المصنّفات	Python • R	Jen and Cassie • Eric Wanjau
13	مأكولات آسيوية وهندية لذيذة 🍜	التصنيف	بناء تطبيق ويب للتوصية باستخدام نموذجك	Python	Jen
14	مقدمة في التجميع	التجميع	تنظيف البيانات وتجهيزها وتصويرها؛ 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	تعلم أساسيات معالجة اللغة الطبيعية عن طريق بناء بوت بسيط	Python	Stephen
17	مهام معالجة اللغة الشائعة ☕️	معالجة اللغة الطبيعية	تعمق في معرفتك بمعالجة اللغة الطبيعية من خلال فهم المهام الشائعة المطلوبة عند التعامل مع بنى اللغة	Python	Stephen
18	الترجمة وتحليل المشاعر ♥️	معالجة اللغة الطبيعية	الترجمة وتحليل المشاعر باستخدام جين أوستن	Python	Stephen
19	فنادق رومانسية في أوروبا ♥️	معالجة اللغة الطبيعية	تحليل المشاعر مع مراجعات الفنادق 1	Python	Stephen
20	فنادق رومانسية في أوروبا ♥️	معالجة اللغة الطبيعية	تحليل المشاعر مع مراجعات الفنادق 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 المعزز	التعلم المعزز	مقدمة في التعلم المعزز باستخدام Q-Learning	Python	Dmitry
25	ساعد بيتر على تجنب الذئب! 🐺	التعلم المعزز	بيئة Gym للتعلم المعزز	Python	Dmitry
ملحق	حالات وتطبيقات تعلم الآلة في العالم الحقيقي	تعلم الآلة في العالم الحقيقي	تطبيقات واقعية مثيرة ومكشوفة للتعلم الآلي الكلاسيكي	الدرس	الفريق
ملحق	تصحيح نماذج التعلم الآلي باستخدام لوحة تحكم RAI	تعلم الآلة في العالم الحقيقي	تصحيح النماذج في التعلم الآلي باستخدام مكونات لوحة تحكم Responsible AI	الدرس	Ruth Yakubu

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

الوصول دون اتصال

يمكنك تشغيل هذه الوثائق دون اتصال باستخدام Docsify. قم بعمل fork لهذا المستودع، ثبّت 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

ابحث عن ملف PDF للمناهج مع روابط هنا.

🎒 دورات أخرى

فريقنا ينتج دورات أخرى! اطلع على:

LangChain

---

Azure / Edge / MCP / Agents

---

سلسلة الذكاء التوليدي

---

التعلم الأساسي

---

سلسلة Copilot

الحصول على مساعدة

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

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

---

إخلاء المسؤولية: تمت ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي Co-op Translator. على الرغم من أننا نسعى جاهدين للدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. ينبغي اعتبار المستند الأصلي بلغته الأصلية المصدر المرجعي المعتمد. للمعلومات الحرِجة، يُنصح بالاستعانة بترجمة بشرية محترفة. لا نتحمل أي مسؤولية عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.