ML-For-Beginners/translations/ar

🌐 دعم متعدد اللغات

مدعوم عبر إجراء GitHub (آلي ودائم التحديث)

العربية | البنغالية | البلغارية | البورمية (ميانمار) | الصينية (المبسطة) | الصينية (التقليدية، هونغ كونغ) | الصينية (التقليدية، ماكاو) | الصينية (التقليدية، تايوان) | الكرواتية | التشيكية | الدنماركية | الهولندية | الإستونية | الفنلندية | الفرنسية | الألمانية | اليونانية | العبرية | الهندية | الهنغارية | الإندونيسية | الإيطالية | اليابانية | الكانادية | الكورية | الليتوانية | الماليزية | المالايالامية | المراثية | النيبالية | اللهجة النيجرية | النرويجية | الفارسية (فارسي) | البولندية | البرتغالية (البرازيل) | البرتغالية (البرتغال) | البنجابية (جرمخي) | الرومانية | الروسية | الصربية (السيريلية) | السلوفاكية | السلوفينية | الإسبانية | السواحلية | السويدية | التاغالوغية (الفلبينية) | التاميلية | التيلجو | التايلاندية | التركية | الأوكرانية | الأردية | الفيتنامية

هل تفضل النسخ محليًا؟

يتضمن هذا المستودع أكثر من 50 ترجمة للغات مختلفة مما يزيد كثيرًا من حجم التنزيل. للنسخ دون الترجمات، استخدم الفحص الجزئي:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

يمنحك هذا كل ما تحتاجه لإكمال الدورة مع تنزيل أسرع بكثير.

انضم إلى مجتمعنا

لدينا سلسلة تعلم عبر Discord مع الذكاء الاصطناعي مستمرة، تعرف أكثر وانضم إلينا في سلسلة التعلم مع الذكاء الاصطناعي من 18 إلى 30 سبتمبر 2025. ستحصل على نصائح وتقنيات لاستخدام GitHub Copilot لعلوم البيانات.

تعلم الآلة للمبتدئين - منهج دراسي

🌍 سافر حول العالم أثناء استكشافنا لتعلم الآلة عبر ثقافات العالم 🌍

يسر فريق مروجي السحابة في مايكروسوفت أن يقدم منهجًا لمدة 12 أسبوعًا يتضمن 26 درسًا حول تعلم الآلة. في هذا المنهج، ستتعلم ما يسمى أحيانًا بـ التعلم الآلي الكلاسيكي، باستخدام مكتبة Scikit-learn بشكل أساسي وتجنب التعلم العميق، الذي يتم تغطيته في منهج الذكاء الاصطناعي للمبتدئين. يمكنك كذلك دمج هذه الدروس مع منهج 'علوم البيانات للمبتدئين'!

سافر معنا حول العالم لتطبيق هذه التقنيات الكلاسيكية على بيانات من مناطق عديدة في العالم. تتضمن كل درس اختبارات قبليّة وبعديّة، تعليمات مكتوبة لإكمال الدرس، حلاً، واجبًا، وأكثر. تسمح منهجيتنا المعتمدة على المشاريع لك بالتعلم أثناء البناء، وهي طريقة مثبتة لترسيخ المهارات الجديدة.

✍️ شكر جزيل لكل من شارك في الكتابة: جين لوبر، ستيفن هاول، فرانسيسكا لازيري، تومومي إيمورا، كاسي بريفيو، دميتري سوشنيكوف، كريس نورينغ، أنيربان موخرجي، أورنيلا ألتونيان، روث ياكوبو آمي بويد

🎨 شكر خاص أيضًا للرسامين: تومومي إيمورا، داساني ماديبالي، وجين لوبر

🙏 شكر خاص 🙏 لسفراء الطلاب في مايكروسوفت من المؤلفين والمراجعين ومساهمي المحتوى، وبالأخص: ريشيت داجلي، محمد سكيب خان إينان، روهان راج، ألكساندرو بيتريسكو، أبهيشيك جايسوال، نوبرين تاباسوم، إيوان سامويلا، وسنيغدا أغاروال

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

البدء

اتبع هذه الخطوات:

1. استنسخ المستودع: انقر على زر "Fork" في أعلى يمين هذه الصفحة.
2. انسخ المستودع: git clone https://github.com/microsoft/ML-For-Beginners.git

اعثر على جميع الموارد الإضافية لهذه الدورة في مجموعة مايكروسوفت ليرن

🔧 بحاجة للمساعدة؟ تفقد دليل استكشاف المشكلات لحلول المشاكل الشائعة في التثبيت، الإعداد، وتشغيل الدروس.

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

• ابدأ بالاختبار القبلي للمحاضرة.
• اقرأ المحاضرة وأكمل الأنشطة، مع التوقف والتفكير عند كل اختبار معرفة.
• حاول إنشاء المشاريع من خلال فهم الدروس بدلاً من تشغيل كود الحل؛ مع ذلك، يتوفر كود الحل في مجلد /solution في كل درس معتمد على المشروع.
• خذ الاختبار البعدي للمحاضرة.
• أتمم التحدي.
• أتمم الواجب.
• بعد إكمال مجموعة الدروس، زر لوحة النقاش و"تعلم بصوت عالٍ" عبر ملء تقييم PAT المناسب. تقييم 'PAT' هو أداة تقييم تقدم تملأها لتطوير تعلمك. يمكنك أيضًا التفاعل مع تقييمات PAT الأخرى لنتعلم معًا.

للدراسة المتقدمة، ننصح بمتابعة هذه وحدات ومسارات التعلم على Microsoft Learn.

المعلمون، لقد أدرجنا بعض الاقتراحات في ملف للاستخدام التعليمي حول كيفية استخدام هذا المنهج.

---

جولات فيديو توضيحية

بعض الدروس متوفرة على شكل فيديوهات قصيرة. يمكنك العثور على جميع هذه الفيديوهات ضمن الدروس، أو على قائمة تشغيل ML for Beginners على قناة مايكروسوفت ديفلوبر على يوتيوب بالنقر على الصورة أدناه.

---

فريق العمل

GIF بواسطة موهيت جيسال

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

---

المنهجية التعليمية

اخترنا مبدأين تربويين أثناء بناء هذا المنهج: ضمان كونه مبنيًا على المشاريع عمليًا، وأن يتضمن اختبارات متكررة. بالإضافة إلى ذلك، يحتوي هذا المنهج على موضوع مشترك ليمنحه التماسك.

بضمان توافق المحتوى مع المشاريع، تصبح العملية أكثر إثارة للطلاب ويزداد تثبيت المفاهيم. بالإضافة إلى ذلك، يحدد اختبار منخفض المخاطر قبل الدرس نية الطالب نحو تعلم موضوع ما، بينما يضمن اختبار آخر بعد الدرس تثبيتًا أكبر. صُمم هذا المنهج ليكون مرنًا وممتعًا ويمكن أخذه ككل أو جزئيًا. تبدأ المشاريع صغيرة وتزداد تعقيدًا بنهاية دورة 12 أسبوعًا. كما يحتوي المنهج على خاتمة حول تطبيقات تعلم الآلة في العالم الحقيقي، يمكن استخدامها كنشاط إضافي أو كأساس للنقاش.

تجدون إرشاداتنا الخاصة بمدونة السلوك، والمساهمة، والترجمة، واستكشاف المشكلات. نحن نرحب بملاحظاتكم البناءة!

كل درس يتضمن

• رسم تخطيطي اختياري
• فيديو تكميلي اختياري
• جولة فيديو توضيحية (بعض الدروس فقط)
• اختبار تسخين قبلي للمحاضرة
• درس مكتوب
• للدروس المبنية على المشاريع، دلائل خطوة بخطوة لبناء المشروع
• اختبارات معرفة
• تحدي
• قراءة إضافية
• واجب
• اختبار بعد المحاضرة

ملاحظة حول اللغات: هذه الدروس مكتوبة أساسًا بلغة Python، لكن كثيرًا منها متاح أيضًا بلغة R. لإكمال درس R، اذهب إلى مجلد /solution وابحث عن دروس R. تحتوي على امتداد .rmd الذي يمثل ملف R Markdown، يمكن تعريفه ببساطة على أنه تضمين لـكتل كود (بـ R أو لغات أخرى) ورأس YAML (يوجه كيفية تنسيق المخرجات مثل PDF) في مستند Markdown. وبالتالي، فهو إطار تأليف نموذجي لعلوم البيانات لأنه يسمح لك بدمج كودك، مخرجاته، وأفكارك عبر تدوينها في Markdown. علاوة على ذلك، يمكن تحويل مستندات R Markdown إلى صيغ مخرجات مثل PDF، HTML، أو Word. ملاحظة حول الاختبارات: جميع الاختبارات موجودة في مجلد تطبيق الاختبار، حيث يوجد 52 اختبارًا مكونًا من ثلاثة أسئلة لكل منها. يتم ربطها من داخل الدروس ولكن يمكن تشغيل تطبيق الاختبار محليًا؛ اتبع التعليمات في مجلد quiz-app لاستضافة التطبيق محليًا أو نشره على Azure.

رقم الدرس	الموضوع	تجميع الدرس	الأهداف التعليمية	الدرس المرتبط	المؤلف
01	مقدمة في تعلم الآلة	مقدمة	تعلم المفاهيم الأساسية وراء تعلم الآلة	درس	محمد
02	تاريخ تعلم الآلة	مقدمة	تعلم التاريخ الكامن وراء هذا المجال	درس	جين وآمي
03	العدالة وتعلم الآلة	مقدمة	ما هي القضايا الفلسفية المهمة المتعلقة بالعدالة التي يجب على الطلاب مراعاتها عند بناء وتطبيق نماذج تعلم الآلة؟	درس	تومومي
04	تقنيات تعلم الآلة	مقدمة	ما هي التقنيات التي يستخدمها الباحثون في تعلم الآلة لبناء النماذج؟	درس	كريس وجين
05	مقدمة في الانحدار	الانحدار	ابدأ مع Python و Scikit-learn لنماذج الانحدار	Python • R	جين • إريك وانجاو
06	أسعار قرع أمريكا الشمالية 🎃	الانحدار	تصور وتنظيف البيانات للتحضير لتعلم الآلة	Python • R	جين • إريك وانجاو
07	أسعار قرع أمريكا الشمالية 🎃	الانحدار	بناء نماذج انحدار خطي ومتعدد الحدود	Python • R	جين ودميتري • إريك وانجاو
08	أسعار قرع أمريكا الشمالية 🎃	الانحدار	بناء نموذج انحدار لوجستي	Python • R	جين • إريك وانجاو
09	تطبيق ويب 🔌	تطبيق ويب	بناء تطبيق ويب لاستخدام نموذجك المدرب	Python	جين
10	مقدمة في التصنيف	تصنيف	تنظيف، تحضير، وتصور بياناتك؛ مقدمة في التصنيف	Python • R	جين وكاسي • إريك وانجاو
11	المأكولات الآسيوية والهندية اللذيذة 🍜	تصنيف	مقدمة في المصنفات	Python • R	جين وكاسي • إريك وانجاو
12	المأكولات الآسيوية والهندية اللذيذة 🍜	تصنيف	المزيد من المصنفات	Python • R	جين وكاسي • إريك وانجاو
13	المأكولات الآسيوية والهندية اللذيذة 🍜	تصنيف	بناء تطبيق ويب للتوصية باستخدام نموذجك	Python	جين
14	مقدمة في التجميع	تجميع	تنظيف، تحضير، وتصور بياناتك؛ مقدمة في التجميع	Python • R	جين • إريك وانجاو
15	استكشاف الأذواق الموسيقية النيجيرية 🎧	تجميع	استكشاف طريقة K-Means للتجميع	Python • R	جين • إريك وانجاو
16	مقدمة في معالجة اللغة الطبيعية ☕️	معالجة اللغة الطبيعية	تعلّم الأساسيات عن NLP من خلال بناء بوت بسيط	Python	ستيفن
17	المهام الشائعة في NLP ☕️	معالجة اللغة الطبيعية	تعميق معرفتك في NLP 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 العالمي ⚡️ - التنبؤ بالسلاسل الزمنية مع ARIMA	السلاسل الزمنية	التنبؤ بالسلاسل الزمنية مع ARIMA	Python	فرانسيسكا
23	⚡️ استخدام الطاقة العالمي ⚡️ - التنبؤ بالسلاسل الزمنية مع SVR	السلاسل الزمنية	التنبؤ بالسلاسل الزمنية باستخدام مؤشر الدعم الانحداري	Python	أنيربان
24	مقدمة في التعلم المعزز	التعلم المعزز	مقدمة في التعلم المعزز باستخدام Q-Learning	Python	دمیتری
25	ساعد بيتر على تجنب الذئب! 🐺	التعلم المعزز	التعلم المعزز باستخدام Gym	Python	دمیتری
خاتمة	سيناريوهات وتطبيقات تعلم الآلة في العالم الحقيقي	تعلم الآلة في العالم الحقيقي	تطبيقات حقيقية مثيرة للكشف من تعلم الآلة الكلاسيكي	درس	الفريق
خاتمة	تصحيح نموذج التعلم الآلي باستخدام لوحة تحكم RAI	تعلم الآلة في العالم الحقيقي	تصحيح نموذج تعلم الآلة باستخدام مكونات لوحة تحكم الذكاء المسؤول	درس	راث ياكوبو

ابحث عن جميع الموارد الإضافية لهذا المساق في مجموعة Microsoft Learn الخاصة بنا

الوصول دون اتصال

يمكنك تشغيل هذه الوثائق دون اتصال باستخدام Docsify. قم بعمل نسخة من هذا المستودع، ثبت Docsify على جهازك المحلي، ثم في المجلد الجذر لهذا المستودع، اكتب docsify serve. سيتم تقديم الموقع على المنفذ 3000 على جهازك المحلي: localhost:3000.

ملفات PDF

اعثر على ملف PDF للمناهج الدراسية مع الروابط هنا.

🎒 دورات أخرى

ينتج فريقنا دورات أخرى! تحقق من:

LangChain

---

Azure / Edge / MCP / الوكلاء

---

سلسلة الذكاء الاصطناعي التوليدي

---

التعلم الأساسي

---

سلسلة المساعد

الحصول على المساعدة

إذا توقفت أو كانت 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 إذا ظهرت أخطاء أثناء البناء، قم بزيارة:

---

تنبيه: تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية Co-op Translator. بالرغم من سعينا لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي والمعتمد. للمعلومات الهامة، يُنصح بالترجمة البشرية المهنية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.