Python
-
دليل مبتدئين على تداخل السلاسل في لغة البايثون
افترض أنك تريد إخراج اسم شخص ومهنته. يمكنك كتابة برنامج بسيط كما يلي. # تعريف المتغيرات name = ‘Mark’ profession = ‘Astronaut’ age = 7 # إخراج المعلومات output_string = (‘My name is ‘ + name + ‘, I am ‘ + str(age) + ‘ years old ‘ + ‘and my profession is ‘ + profession + ‘.’) print(output_string) My name is Mark, I am 7 years old and my profession is Astronaut. تفتقر هذه الطريقة إلى الاختصار والوضوح. لحسن…
-
المحولات البصرية (ViTs): رؤية الحاسوب باستخدام نماذج المحولات
خلال السنوات القليلة الماضية، قامت التحويلات بتحويل مجال NLP في تعلم الآلة. نماذج مثل GPT و BERT قد حددت مقاييس جديدة في فهم وتوليد اللغة البشرية. الآن نفس المبدأ يُطبق على مجال رؤية الحاسوب. آخر تطور في مجال رؤية الحاسوب هي المحولات البصرية أو ViTs. كما هو مفصل في الورقة “صورة تستحق 16×16 كلمة: المحولات لتمييز الصور بمقياس واسع”، تم تصميم ViTs والنماذج القائمة على المحولات لاستبدال الشبكات العصبية التكرارية التجريبية (CNNs). المحولات البصرية هي نهج جديد لحل المشاكل في…
-
قم بتكوين YOLOv8 لوحدة المعالجة الرسومية: تسريع كشف الأجسام
مقدمة YOLOv8، الذي تم تطويره بواسطة Ultralytics في عام 2023، أصبح واحدًا من الخوارزميات الفريدة لكشف الكائنات في سلسلة YOLO ويأتي مع تحسينات كبيرة في الهيكل والأداء مقارنة بسابقيه، مثل YOLOv5. تشمل هذه التحسينات هيكل CSPNet لاستخراج الميزات بشكل أفضل، ورقبة FPN+PAN لتحسين كشف الكائنات متعدد المقاييس، والانتقال إلى نهج خالٍ من المراسي. هذه التغييرات تحسن بشكل كبير دقة النموذج وكفاءته وقابليته للاستخدام في الكشف عن الكائنات في الوقت الفعلي. استخدام وحدة معالجة الرسوميات (GPU) مع YOLOv8 يمكن أن يعزز…
-
الانحدار الخطي المتعدد في لغة البرمجة بايثون: دليل شامل
مقدمة الانحدار الخطي المتعدد هو تقنية إحصائية أساسية تُستخدم لنمذجة العلاقة بين متغير تابع وعدة متغيرات مستقلة. في Python ، توفر أدوات مثل scikit-learn و statsmodels تنفيذات قوية لتحليل الانحدار. ستقوم هذه الدورة التعليمية بإرشادك خلال تنفيذ وتفسير وتقييم نماذج الانحدار الخطي المتعدد باستخدام Python. المتطلبات المسبقة قبل الانغماس في التنفيذ ، تأكد من أن لديك ما يلي: فهم أساسي للغة Python. يمكنك الرجوع إلى دورة Python للمبتدئين. الإلمام بـ scikit-learn لمهام تعلم الآلة. يمكنك الرجوع إلى دورة Python scikit-learn.…
-
تنفيذ خوارزمية تسلق التل للذكاء الاصطناعي باستخدام لغة البايثون
خوارزمية تسلق الجبل هي واحدة من أقدم وأبسط خوارزميات التحسين في مجال الذكاء الاصطناعي وعلوم الكمبيوتر. تنتمي إلى فئة تسمى خوارزميات البحث المحلي، التي تجد الحلول من خلال تحسينات تدريجية. يأتي اسم الخوارزمية من تشبيه مفيد: تخيل متسلق جبال معصوب العينين يحاول الوصول إلى قمة الجبل. نظرًا لعدم قدرتهم على رؤية المناظر الطبيعية بأكملها، يمكنهم فقط الشعور بالأرض المحيطة بهم مباشرة. في كل خطوة، يتحركون في أي اتجاه يؤدي إلى الأعلى. هذا يعكس كيفية عمل الخوارزمية – حيث يقوم بتقييم…
-
الخطوة بالخطوة: استكشاف نموذج المشي العشوائي
في دورتي الأولى التي تتضمن البرمجة في مجال الإحصاءات في الجامعة، قدم معلمي سؤالًا: كيف يمكننا نمذجة حركة براونية لجسيم حبيبات واحد في صحن ماء؟ بعد عدة محاولات خاطئة، تعثرت أنا وزملائي في النهاية على الإجابة الصحيحة: مسار عشوائي. فيما بعد تعلمت أن هذا النموذج البسيط يُستخدم لنمذجة أنواع مختلفة من الأشياء، بدءًا من حركة الحيوانات إلى تقلبات أسعار الأسهم. في هذا المقال، سنستكشف الأسس الرياضية للمسارات العشوائية، وندرس أنواعًا مختلفة، ونناقش تطبيقاتها. جزء مما يجعل المسار العشوائي مثيرًا للاهتمام…
-
شريط البحر Seaborn: دليل كامل
تحويل البيانات إلى تصورات يسهل الفهم يساعد في تقديم رؤى واضحة وقابلة للتنفيذ. تبرز مخططات الأعمدة في مكتبة Seaborn في تقديم البيانات الفئوية من خلال رسومات إحصائية أنيقة. تجمع المكتبة بين مرونة Matplotlib وقوة pandas، مما يجعلها مثالية لكل من التحليلات السريعة والتصورات الجاهزة للنشر. توفر مخططات الأعمدة في Seaborn ميزات أساسية لتحليل البيانات – من المقارنات الأساسية إلى التمثيلات الإحصائية المتقدمة. تتعامل مع المهام الشائعة مثل مقارنة مقاييس المبيعات عبر المناطق، وتحليل ردود الاستطلاعات، وتصوير نتائج التجارب. إن بناء…
-
استخراج الميزات في تعلم الآلة: دليل شامل
يقوم استخراج الميزات في تعلم الآلة بتحويل البيانات الخام إلى مجموعة من الخصائص المعنوية، التي تلتقط المعلومات الأساسية مع تقليل التكرار. يمكن أن ينطوي على تقنيات تقليل الأبعاد وطرق إنشاء ميزات جديدة من البيانات الحالية. تخيل أنك تحاول تحديد الفواكه في سوق. بينما يمكنك أن تنظر إلى عدد لا يحصى من السمات (الوزن، اللون، القوام، الشكل، الرائحة، إلخ)، قد تدرك أن بضع ميزات رئيسية مثل اللون والحجم كافية للتمييز بين التفاح والبرتقال. هذا بالضبط ما يفعله استخراج الميزات. إنه يساعدك…
-
تم شرح مبرهنة التدرج السياسي: مقدمة تطبيقية
سياسات التدرجات في التعلم التعزيزي (RL) هي فئة من الخوارزميات التي تحسن مباشرة سياسة العامل عن طريق تقدير التدرج المتوقع للمكافأة بالنسبة لمعلمات السياسة. في هذا البرنامج التعليمي، نشرح مبرهنة تدرج السياسة ومشتقاتها ونوضح كيفية تنفيذ خوارزمية تدرج السياسة باستخدام PyTorch. ما هي مبرهنة تدرج السياسة؟ في التعلم التعزيزي، تشير سياسة العامل إلى الخوارزمية التي يستخدمها لاتخاذ إجراءه بناءً على ملاحظاته للبيئة. الهدف في مشاكل RL هو تحقيق أقصى قدر من المكافآت التي يكسبها العامل من التفاعل مع البيئة. السياسة…