📄️ جدول المحتويات
دورة استكشافية مجانية في ستّة دروس عن منظومة بايثون للذكاء الاصطناعي: لماذا فرضت بايثون نفسها، وما يقدّمه NumPy وpandas فعلاً، وسير العمل في الدفاتر، وscikit-learn، والفرق بين PyTorch وTensorFlow، وإدارة البيئات.
📄️ 1. لماذا بايثون
الدرس الأول من دورة بايثون المجانية: لماذا صارت لغة بطيئة نسبياً لغة الحساب الثقيل، ما معنى أنّ بايثون تنسّق ولا تحسب، وكيف تراكمت المنظومة التي تجعل تركها مكلفاً.
📄️ 2. NumPy وpandas
الدرس الثاني من دورة بايثون المجانية: ما تقدّمه المصفوفة العددية في NumPy، ولماذا تكون العمليات المتّجهية أسرع بمئة مرّة من الحلقات، وما يضيفه pandas، وأين يذهب معظم وقت أيّ مشروع فعلاً.
📄️ 3. الدفاتر وسير العمل
الدرس الثالث من دورة بايثون المجانية: ما يجعل الدفتر مثالياً لاستكشاف البيانات، والعيوب الثلاثة التي تجعله غير صالح للإنتاج، وسير العمل السليم من الدفتر إلى وحدات الكود.
📄️ 4. scikit-learn
الدرس الرابع من دورة بايثون المجانية: كيف توحّد واجهة fit وpredict كلّ الخوارزميات، ما هو خطّ المعالجة (pipeline) ولماذا يمنع تسريب البيانات، وحدود المكتبة الحقيقية.
📄️ 5. الأُطر والبيئات
الدرس الخامس من دورة بايثون المجانية: الفرق العملي بين PyTorch وTensorFlow، موضع Hugging Face، ولماذا تكون البيئة المعزولة وتثبيت الإصدارات شرطاً لأيّ نتيجة قابلة للتكرار.
📄️ 6. الملخّص والأسئلة
الدرس السادس من دورة بايثون المجانية: خلاصة الدروس الخمسة، معجم أدوات المنظومة، وأجوبة مباشرة عن 12 سؤالاً شائعاً عن المكتبات والبيئات والمعالج الرسومي والانتقال إلى الممارسة.
📄️ 7. الاختبار والشهادة
اختبر فهمك لمنظومة بايثون في الذكاء الاصطناعي باختبار مجاني من 5 أسئلة، مصحّح ومشروح: NumPy وpandas والعمل المتّجهي وscikit-learn وخطوط المعالجة والبيئات.