الفرنسية | الإسبانية | الألمانية | الروسية | العربية | الفارسية | الأردية | الصينية (المبسطة) | الصينية (التقليدية، ماكاو) | الصينية (التقليدية، هونغ كونغ) | الصينية (التقليدية، تايوان) | اليابانية | الكورية | الهندية | البنغالية | الماراثية | النيبالية | البنجابية (غورموخي) | البرتغالية (البرتغال) | البرتغالية (البرازيل) | الإيطالية | البولندية | التركية | اليونانية | التايلاندية | السويدية | الدانماركية | النرويجية | الفنلندية | الهولندية | العبرية | الفيتنامية | الإندونيسية | الماليزية | التاغالوغية (الفلبينية) | السواحيلية | الهنغارية | التشيكية | السلوفاكية | الرومانية | البلغارية | الصربية (السيريلية) | الكرواتية | السلوفينية | الأوكرانية | البورمية (ميانمار)
لدينا سلسلة تعلم مع الذكاء الاصطناعي مستمرة على Discord، تعرف على المزيد وانضم إلينا في سلسلة تعلم مع الذكاء الاصطناعي من 18 إلى 30 سبتمبر، 2025. ستحصل على نصائح وحيل لاستخدام GitHub Copilot في علم البيانات.
🌍 سافر حول العالم بينما نستكشف تعلم الآلة من خلال ثقافات العالم 🌍
يسر دعاة السحابة في Microsoft تقديم منهج دراسي لمدة 12 أسبوعًا و26 درسًا حول 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 منهجنا الذكاء الاصطناعي للمبتدئين. قم بدمج هذه الدروس مع منهجنا 'علم البيانات للمبتدئين' أيضًا!
سافر معنا حول العالم بينما نطبق هذه التقنيات الكلاسيكية على بيانات من مناطق مختلفة من العالم. يتضمن كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، حل، مهمة، والمزيد. تسمح لك طريقة التدريس القائمة على المشاريع بالتعلم أثناء البناء، وهي طريقة مثبتة لتثبيت المهارات الجديدة.
✍️ شكر جزيل لمؤلفينا جين لوبر، ستيفن هويل، فرانشيسكا لازيري، تومومي إيمورا، كاسي بريفي، ديمتري سوشنيكوف، كريس نورينغ، أنيربان موكيرجي، أورنيلا ألتونيان، روث ياكوبو، وآمي بويد
🎨 شكر أيضًا لرسامينا تومومي إيمورا، داساني ماديبالي، وجين لوبر
🙏 شكر خاص 🙏 لمؤلفي ومراجعي ومساهمي المحتوى من سفراء الطلاب في Microsoft، وخاصة ريشت داغلي، محمد ساكيب خان إنان، روهان راج، ألكساندرو بيتريسكو، أبيشيك جايسوال، نوارين تاباسم، إيوان سامويلا، وسنيغدا أغاروال
🤩 شكر إضافي لسفراء الطلاب في Microsoft إريك وانجاو، جاسلين سوندي، وفيدوشي غوبتا لدروس R الخاصة بنا!
اتبع هذه الخطوات:
- قم بتفريع المستودع: انقر على زر "Fork" في الزاوية العلوية اليمنى من هذه الصفحة.
- استنساخ المستودع:
git clone https://github.com/microsoft/ML-For-Beginners.git
ابحث عن جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا
🔧 تحتاج إلى مساعدة؟ تحقق من دليل استكشاف الأخطاء وإصلاحها للحصول على حلول للمشاكل الشائعة المتعلقة بالتثبيت والإعداد وتشغيل الدروس.
الطلاب، لاستخدام هذا المنهج، قم بتفريع المستودع بالكامل إلى حساب GitHub الخاص بك وأكمل التمارين بمفردك أو مع مجموعة:
- ابدأ باختبار ما قبل المحاضرة.
- اقرأ المحاضرة وأكمل الأنشطة، مع التوقف والتفكير عند كل نقطة تحقق من المعرفة.
- حاول إنشاء المشاريع من خلال فهم الدروس بدلاً من تشغيل كود الحل؛ ومع ذلك، يتوفر هذا الكود في مجلدات
/solutionفي كل درس قائم على المشروع. - قم بإجراء اختبار ما بعد المحاضرة.
- أكمل التحدي.
- أكمل المهمة.
- بعد إكمال مجموعة الدروس، قم بزيارة لوحة المناقشة و"تعلم بصوت عالٍ" من خلال ملء نموذج PAT المناسب. PAT هو أداة تقييم تقدمية وهي نموذج تقوم بملئه لتعزيز تعلمك. يمكنك أيضًا التفاعل مع نماذج PAT الأخرى حتى نتعلم معًا.
لمزيد من الدراسة، نوصي باتباع هذه وحدات ومسارات التعلم من Microsoft.
المعلمون، لقد قمنا بتضمين بعض الاقتراحات حول كيفية استخدام هذا المنهج.
بعض الدروس متوفرة كفيديوهات قصيرة. يمكنك العثور على جميع هذه الفيديوهات داخل الدروس، أو على قائمة تشغيل تعلم الآلة للمبتدئين على قناة Microsoft Developer على YouTube بالنقر على الصورة أدناه.
الرسوم المتحركة بواسطة موهيت جايسال
🎥 انقر على الصورة أعلاه لمشاهدة فيديو عن المشروع والأشخاص الذين قاموا بإنشائه!
لقد اخترنا مبدأين تعليميين أثناء بناء هذا المنهج: التأكد من أنه عملي قائم على المشاريع وأنه يتضمن اختبارات متكررة. بالإضافة إلى ذلك، يحتوي هذا المنهج على موضوع مشترك يمنحه التماسك.
من خلال ضمان توافق المحتوى مع المشاريع، تصبح العملية أكثر جاذبية للطلاب ويتم تعزيز الاحتفاظ بالمفاهيم. بالإضافة إلى ذلك، يحدد الاختبار منخفض المخاطر قبل الفصل نية الطالب نحو تعلم موضوع معين، بينما يضمن الاختبار الثاني بعد الفصل تعزيز الاحتفاظ بالمعلومات. تم تصميم هذا المنهج ليكون مرنًا وممتعًا ويمكن تناوله بالكامل أو جزئيًا. تبدأ المشاريع صغيرة وتصبح أكثر تعقيدًا بحلول نهاية دورة الـ 12 أسبوعًا. يتضمن هذا المنهج أيضًا ملحقًا حول التطبيقات الواقعية لتعلم الآلة، والذي يمكن استخدامه كائتمان إضافي أو كأساس للنقاش.
ابحث عن مدونة قواعد السلوك، المساهمة، الترجمة، وإرشادات استكشاف الأخطاء وإصلاحها. نحن نرحب بملاحظاتك البناءة!
- رسم تخطيطي اختياري
- فيديو إضافي اختياري
- فيديو تعليمي (بعض الدروس فقط)
- اختبار تمهيدي قبل المحاضرة
- درس مكتوب
- بالنسبة للدروس القائمة على المشاريع، أدلة خطوة بخطوة حول كيفية بناء المشروع
- نقاط تحقق من المعرفة
- تحدي
- قراءة إضافية
- مهمة
- اختبار بعد المحاضرة
ملاحظة حول اللغات: هذه الدروس مكتوبة بشكل أساسي بلغة Python، ولكن العديد منها متوفر أيضًا بلغة R. لإكمال درس بلغة R، انتقل إلى مجلد
/solutionوابحث عن دروس R. تتضمن هذه الدروس امتداد .rmd الذي يمثل ملف R Markdown والذي يمكن تعريفه ببساطة على أنه تضمين لـكتل الكود(بلغة R أو لغات أخرى) ورأس YAML(الذي يوجه كيفية تنسيق المخرجات مثل PDF) فيوثيقة Markdown. وبالتالي، فإنه يعمل كإطار عمل تأليفي مثالي لعلم البيانات لأنه يسمح لك بدمج الكود الخاص بك، ومخرجاته، وأفكارك من خلال السماح لك بكتابتها في Markdown. علاوة على ذلك، يمكن عرض مستندات R Markdown بتنسيقات مخرجات 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 ولكن يمكن تشغيل تطبيق الاختبارات محليًا؛ اتبع التعليمات في مجلد
quiz-appلاستضافة التطبيق محليًا أو نشره على Azure.
| رقم الدرس | الموضوع | مجموعة الدروس | أهداف التعلم | الدرس المرتبط | المؤلف |
|---|---|---|---|---|---|
| 01 | مقدمة في تعلم الآلة | المقدمة | تعلم المفاهيم الأساسية وراء تعلم الآلة | الدرس | محمد |
| 02 | تاريخ تعلم الآلة | المقدمة | تعرف على التاريخ الذي يشكل أساس هذا المجال | الدرس | جين وأيمي |
| 03 | الإنصاف وتعلم الآلة | المقدمة | ما هي القضايا الفلسفية المهمة حول الإنصاف التي يجب على الطلاب أخذها بعين الاعتبار عند بناء وتطبيق نماذج تعلم الآلة؟ | الدرس | تومومي |
| 04 | تقنيات تعلم الآلة | المقدمة | ما هي التقنيات التي يستخدمها الباحثون في تعلم الآلة لبناء نماذج تعلم الآلة؟ | الدرس | كريس وجين |
| 05 | مقدمة في الانحدار | الانحدار | ابدأ باستخدام Python و Scikit-learn لنماذج الانحدار | Python • R | جين • إريك وانجاو |
| 06 | أسعار القرع في أمريكا الشمالية 🎃 | الانحدار | تصور البيانات وتنظيفها استعدادًا لتعلم الآلة | Python • R | جين • إريك وانجاو |
| 07 | أسعار القرع في أمريكا الشمالية 🎃 | الانحدار | بناء نماذج الانحدار الخطي والانحدار متعدد الحدود | Python • R | جين وديمتري • إريك وانجاو |
| 08 | أسعار القرع في أمريكا الشمالية 🎃 | الانحدار | بناء نموذج الانحدار اللوجستي | Python • R | جين • إريك وانجاو |
| 09 | تطبيق ويب 🔌 | تطبيق ويب | بناء تطبيق ويب لاستخدام النموذج الذي تم تدريبه | Python | جين |
| 10 | مقدمة في التصنيف | التصنيف | تنظيف البيانات وتحضيرها وتصورها؛ مقدمة في التصنيف | Python • R | جين وكاسي • إريك وانجاو |
| 11 | المأكولات الآسيوية والهندية اللذيذة 🍜 | التصنيف | مقدمة في المصنفات | Python • R | جين وكاسي • إريك وانجاو |
| 12 | المأكولات الآسيوية والهندية اللذيذة 🍜 | التصنيف | المزيد من المصنفات | Python • R | جين وكاسي • إريك وانجاو |
| 13 | المأكولات الآسيوية والهندية اللذيذة 🍜 | التصنيف | بناء تطبيق ويب للتوصيات باستخدام النموذج الخاص بك | Python | جين |
| 14 | مقدمة في التجميع | التجميع | تنظيف البيانات وتحضيرها وتصورها؛ مقدمة في التجميع | Python • R | جين • إريك وانجاو |
| 15 | استكشاف الأذواق الموسيقية النيجيرية 🎧 | التجميع | استكشاف طريقة التجميع باستخدام K-Means | Python • R | جين • إريك وانجاو |
| 16 | مقدمة في معالجة اللغة الطبيعية ☕️ | معالجة اللغة الطبيعية | تعلم الأساسيات حول معالجة اللغة الطبيعية من خلال بناء روبوت بسيط | Python | ستيفن |
| 17 | مهام معالجة اللغة الطبيعية الشائعة ☕️ | معالجة اللغة الطبيعية | تعميق معرفتك بمعالجة اللغة الطبيعية 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 العالمية ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام ARIMA | السلاسل الزمنية | التنبؤ بالسلاسل الزمنية باستخدام ARIMA | Python | فرانسيسكا |
| 23 | ⚡️ استخدام الطاقة العالمية ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام SVR | السلاسل الزمنية | التنبؤ بالسلاسل الزمنية باستخدام Support Vector Regressor | Python | أنيربان |
| 24 | مقدمة في التعلم المعزز | التعلم المعزز | مقدمة في التعلم المعزز باستخدام Q-Learning | Python | ديمتري |
| 25 | ساعد بيتر في تجنب الذئب! 🐺 | التعلم المعزز | Gym التعلم المعزز | Python | ديمتري |
| Postscript | سيناريوهات وتطبيقات تعلم الآلة في العالم الحقيقي | تعلم الآلة في العالم الحقيقي | تطبيقات مثيرة وكاشفة لتعلم الآلة الكلاسيكي | الدرس | الفريق |
| Postscript | تصحيح نماذج تعلم الآلة باستخدام لوحة معلومات الذكاء الاصطناعي المسؤول | تعلم الآلة في العالم الحقيقي | تصحيح نماذج تعلم الآلة باستخدام مكونات لوحة معلومات الذكاء الاصطناعي المسؤول | الدرس | روث ياكوبو |
ابحث عن جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا
يمكنك تشغيل هذا التوثيق دون اتصال باستخدام Docsify. قم باستنساخ هذا المستودع، تثبيت Docsify على جهازك المحلي، ثم في المجلد الجذري لهذا المستودع، اكتب docsify serve. سيتم تشغيل الموقع على المنفذ 3000 على جهازك المحلي: localhost:3000.
ابحث عن ملف PDF للمناهج مع الروابط هنا.
فريقنا يقدم دورات أخرى! تحقق من:
- Edge AI للمبتدئين
- وكلاء الذكاء الاصطناعي للمبتدئين
- الذكاء الاصطناعي التوليدي للمبتدئين
- الذكاء الاصطناعي التوليدي للمبتدئين .NET
- الذكاء الاصطناعي التوليدي باستخدام JavaScript
- الذكاء الاصطناعي التوليدي باستخدام Java
- الذكاء الاصطناعي للمبتدئين
- علم البيانات للمبتدئين
- تعلم الآلة للمبتدئين
- الأمن السيبراني للمبتدئين
- تطوير الويب للمبتدئين
- إنترنت الأشياء للمبتدئين
- تطوير الواقع الممتد للمبتدئين
- إتقان GitHub Copilot للبرمجة الزوجية
- إتقان GitHub Copilot لمطوري C#/.NET
- اختر مغامرتك الخاصة مع Copilot
إذا واجهت صعوبة أو كانت لديك أسئلة حول بناء تطبيقات الذكاء الاصطناعي، انضم إلى:
إذا كان لديك ملاحظات حول المنتج أو أخطاء أثناء البناء، قم بزيارة:
إخلاء المسؤولية:
تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي Co-op Translator. بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالترجمة البشرية الاحترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.