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 | الكانادا | الخميرية | الكورية | الليتوانية | الماليزية | المالايالامية | الماراثية | النيبالية | بيجين نيجيري | النرويجية | الفارسية | البولندية | البرتغالية (البرازيل) | البرتغالية (البرتغال) | البنجابية (غورموخي) | الرومانية | الروسية | الصربية (السيريلية) | السلوفاكية | السلوفينية | الإسبانية | السواحيلية | السويدية | التاغالوغ (الفلبينية) | التاميل | التيلجو | التايلاندية | التركية | الأوكرانية | الأردية | الفيتنامية
تفضل الاستنساخ محليًا؟
يتضمن هذا المستودع أكثر من 50 ترجمة للغات مختلفة مما يزيد بشكل كبير من حجم التنزيل. للاستنساخ بدون الترجمات، استخدم سبارس شوت آوت:
باش / ماك / لينكس:
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'CMD (ويندوز):
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"هذا يتيح لك كل ما تحتاجه لإكمال الدورة مع تنزيل أسرع بكثير.
لدينا سلسلة تعلم على Discord مع الذكاء الاصطناعي مستمرة، تعرف أكثر وانضم إلينا على سلسلة التعلم مع الذكاء الاصطناعي من 18 - 30 سبتمبر 2025. ستحصل على نصائح وحيل لاستخدام GitHub Copilot لعلوم البيانات.
🌍 جولة حول العالم ونحن نستكشف تعلم الآلة من خلال ثقافات العالم 🌍
يسعد دعاة السحابة في مايكروسوفت أن يقدموا منهجًا مكونًا من 12 أسبوعًا و26 درسًا يتحدث بالكامل عن تعلم الآلة. في هذا المنهج، ستتعلم ما يسمى أحيانًا تعلم الآلة الكلاسيكي، باستخدام مكتبة Scikit-learn بشكل أساسي وتجنب التعلم العميق، الذي يُغطي في منهج الذكاء الاصطناعي للمبتدئين. يمكنك أيضًا دمج هذه الدروس مع منهج 'علوم البيانات للمبتدئين'.
سافر معنا حول العالم أثناء تطبيق هذه التقنيات الكلاسيكية على بيانات من مناطق متعددة. يتضمن كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، حلاً، مهمة، وأكثر. تتيح لك طريقتنا التعليمية القائمة على المشاريع التعلم أثناء البناء، وهو أسلوب مثبت لترسيخ المهارات الجديدة.
✍️ شكر جزيل لمؤلفينا جين لوبر، ستيفن هاول، فرانسيسكا لازيري، تومومي إيمورا، كاسي بريفيو، دميتري سوشنيكوف، كريس نورينغ، أنيربان موخرجي، أورنيلا ألتونيان، روث ياكوبو وأمي بويد
🎨 شكر أيضًا لرسامينا تومومي إيمورا، داساني ماديبالي، وجين لوبر
🙏 شكر خاص 🙏 لسفراء طلاب مايكروسوفت من المؤلفين، المراجعين، ومساهمي المحتوى، وعلى وجه الخصوص ريشيت داجلي، محمد سكيب خان إينان، روهان راج، ألكسندرو بيتريسكو، أبهيشيك جايسوال، ناورين تاباسم، إيوان سامويلا، وسنيغدا أغاروال
🤩 شكر إضافي لسفراء طلاب مايكروسوفت إريك ونجاو، جاسلين سوندي، وفيدوشي جوبتا على دروس R الخاصة بنا!
اتبع هذه الخطوات:
- افتح نسخة من المستودع: اضغط على زر "Fork" في أعلى يمين هذه الصفحة.
- انسخ المستودع:
git clone https://github.com/microsoft/ML-For-Beginners.git
اعثر على جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn
🔧 هل تحتاج مساعدة؟ تحقق من دليل استكشاف الأخطاء لحلول للمشكلات الشائعة في التثبيت، الإعداد، وتشغيل الدروس.
الطلاب، لاستخدام هذا المنهج، افتح نسخة كاملة للمستودع إلى حساب GitHub الخاص بك وأكمل التمارين بمفردك أو ضمن مجموعة:
- ابدأ باختبار تمهيدي قبل المحاضرة.
- اقرأ المحاضرة وأكمل الأنشطة، توقف وتأمل عند كل اختبار معرفة.
- حاول إنشاء المشاريع بفهم الدروس بدلاً من تشغيل كود الحل؛ مع ذلك الكود متوفر في مجلدات
/solutionفي كل درس موجه بالمشاريع. - خذ اختبارًا بعد المحاضرة.
- أكمل التحدي.
- أكمل المهمة.
- بعد إكمال مجموعة دروس، قم بزيارة لوحة النقاش و"تعلم بصوت عال" عبر ملء معيار PAT المناسب. الـ 'PAT' هو أداة تقييم التقدم التي تعبئها لتعزيز تعلمك. يمكنك أيضًا التفاعل مع PATs الأخرى لنتعلم معًا.
للدراسة المتعمقة، نوصي بمتابعة هذه الوحدات والمسارات التعليمية على Microsoft Learn.
المعلمون، لقد قمنا بتضمين بعض الاقتراحات حول كيفية استخدام هذا المنهج في [for-teachers.md].
بعض الدروس متاحة كمقاطع فيديو قصيرة. يمكنك العثور عليها ضمن الدروس نفسها، أو على قائمة تشغيل ML for Beginners على قناة Microsoft Developer على YouTube بالنقر على الصورة أدناه.
صور متحركة من Mohit Jaisal
🎥 انقر على الصورة أعلاه لمشاهدة فيديو عن المشروع والأشخاص الذين أنشأوه!
اخترنا مبدأين تعليميين عند بناء هذا المنهج: ضمان أن يكون عمليًا قائمًا على المشاريع وأن يتضمن اختبارات متكررة. بالإضافة إلى ذلك، يحتوي هذا المنهج على موضوع مشترك ليمنحه تماسكًا.
بضمان توافق المحتوى مع المشاريع، تصبح العملية أكثر جذبًا للطلاب وسيزداد احتفاظهم بالمفاهيم. بالإضافة إلى ذلك، يحدد اختبار منخفض المخاطر قبل الصف نية الطالب نحو تعلم موضوع، في حين يضمن اختبار ثانٍ بعد الصف المزيد من الاحتفاظ. صُمم هذا المنهج ليكون مرنًا وممتعًا ويمكن اخذه كاملاً أو جزئيًا. تبدأ المشاريع صغيرة وتزداد تعقيدًا مع نهاية دورة الـ 12 أسبوعًا. يتضمن هذا المنهج أيضًا ملحقًا حول تطبيقات تعلم الآلة في العالم الحقيقي، يمكن استخدامه كاعتماد إضافي أو كأساس للنقاش.
تجدون إرشادات قواعد السلوك، المساهمة، الترجمات، واستكشاف الأخطاء. نحن نرحب بملاحظاتكم البناءة!
- ملاحظات رسومية اختيارية
- فيديو تكميلي اختياري
- جولة فيديو (لبعض الدروس فقط)
- اختبار تمهيدي قبل المحاضرة
- الدرس المكتوب
- في الدروس القائمة على المشاريع، دليل خطوة بخطوة لبناء المشروع
- اختبارات معرفة
- تحدي
- قراءات تكملية
- مهمة
- اختبار بعد المحاضرة
ملاحظة حول اللغات: تم كتابة هذه الدروس بشكل رئيسي بلغة بايثون، ولكن العديد منها متاح أيضًا بلغة R. لإكمال درس بلغة R، اذهب إلى مجلد
/solutionوابحث عن دروس R. تحتوي على امتداد .rmd الذي يمثل ملف R Markdown والذي يمكن تعريفه ببساطة على أنه تضمين لـكتل التعليمات البرمجية(بلغة R أو لغات أخرى) ورأس YAML(يرشد كيفية تنسيق الإخراجات مثل PDF) فيوثيقة Markdown. وبالتالي، فإنه يعمل كإطار مؤلف مثالي لعلوم البيانات لأنه يسمح لك بدمج رمزك، ومخرجاته، وأفكارك من خلال السماح لك بكتابتها في Markdown. علاوة على ذلك، يمكن تحويل مستندات R Markdown إلى صيغ إخراجية مثل PDF أو HTML أو Word.
ملاحظة حول الاختبارات القصيرة: يحتوي مجلد تطبيق الاختبارات القصيرة على جميع الاختبارات القصيرة، وهو يحتوي على 52 اختبارًا كل منها 3 أسئلة. يتم الربط بينها داخل الدروس ولكن يمكن تشغيل تطبيق الاختبار محليًا؛ اتبع التعليمات في مجلد
quiz-appلاستضافته محليًا أو نشره على Azure.
| رقم الدرس | الموضوع | تصنيف الدرس | أهداف التعلم | الدرس المرتبط | المؤلف |
|---|---|---|---|---|---|
| 01 | مقدمة في تعلم الآلة | المقدمة | تعرّف على المفاهيم الأساسية وراء تعلم الآلة | درس | محمد |
| 02 | تاريخ تعلم الآلة | المقدمة | تعلّم تاريخ هذا المجال | درس | جين و إيمي |
| 03 | العدالة وتعلم الآلة | المقدمة | ما هي القضايا الفلسفية الهامة حول العدالة التي يجب أن يأخذها الطلاب في الاعتبار عند بناء وتطبيق نماذج التعلم الآلي؟ | درس | تومومي |
| 04 | تقنيات تعلم الآلة | المقدمة | ما هي التقنيات التي يستخدمها باحثو تعلم الآلة لبناء النماذج؟ | درس | كريس و جين |
| 05 | مقدمة في الانحدار | الانحدار | ابدأ مع بايثون و Scikit-learn لنماذج الانحدار | بايثون • R | جين • إريك وانجاو |
| 06 | أسعار قرع شمال أمريكا 🎃 | الانحدار | تصور وتنظيف البيانات للتحضير لـ ML | بايثون • R | جين • إريك وانجاو |
| 07 | أسعار قرع شمال أمريكا 🎃 | الانحدار | بناء نماذج انحدار خطي ومتعدد الحدود | بايثون • R | جين و ديمتري • إريك وانجاو |
| 08 | أسعار قرع شمال أمريكا 🎃 | الانحدار | بناء نموذج انحدار لوجستي | بايثون • R | جين • إريك وانجاو |
| 09 | تطبيق ويب 🔌 | تطبيق ويب | بناء تطبيق ويب لاستخدام نموذجك المدرب | بايثون | جين |
| 10 | مقدمة في التصنيف | التصنيف | تنظيف، تحضير، وتصوير بياناتك؛ مقدمة في التصنيف | بايثون • R | جين وكاسي • إريك وانجاو |
| 11 | المأكولات الآسيوية والهندية اللذيذة 🍜 | التصنيف | مقدمة إلى المصنفات | بايثون • R | جين وكاسي • إريك وانجاو |
| 12 | المأكولات الآسيوية والهندية اللذيذة 🍜 | التصنيف | المزيد من المصنفات | بايثون • R | جين وكاسي • إريك وانجاو |
| 13 | المأكولات الآسيوية والهندية اللذيذة 🍜 | التصنيف | بناء تطبيق توصية ويب باستخدام نموذجك | بايثون | جين |
| 14 | مقدمة في التجميع | التجميع | تنظيف، تحضير، وتصوير بياناتك؛ مقدمة في التجميع | بايثون • R | جين • إريك وانجاو |
| 15 | استكشاف الأذواق الموسيقية النيجيرية 🎧 | التجميع | استكشاف طريقة تجميع K-Means | بايثون • R | جين • إريك وانجاو |
| 16 | مقدمة في معالجة اللغة الطبيعية ☕️ | معالجة اللغة الطبيعية | تعلم أساسيات معالجة اللغة الطبيعية من خلال بناء بوت بسيط | بايثون | ستيفن |
| 17 | مهام شائعة في معالجة اللغة الطبيعية ☕️ | معالجة اللغة الطبيعية | تعميق معرفتك في معالجة اللغة الطبيعية بفهم المهام الشائعة المطلوبة عند التعامل مع تراكيب اللغة | بايثون | ستيفن |
| 18 | الترجمة وتحليل المشاعر |
معالجة اللغة الطبيعية | الترجمة وتحليل المشاعر مع جين أوستن | بايثون | ستيفن |
| 19 | الفنادق الرومانسية في أوروبا |
معالجة اللغة الطبيعية | تحليل المشاعر مع تقييمات الفنادق 1 | بايثون | ستيفن |
| 20 | الفنادق الرومانسية في أوروبا |
معالجة اللغة الطبيعية | تحليل المشاعر مع تقييمات الفنادق 2 | بايثون | ستيفن |
| 21 | مقدمة في التنبؤ بالسلاسل الزمنية | السلاسل الزمنية | مقدمة في التنبؤ بالسلاسل الزمنية | بايثون | فرانسيسكا |
| 22 | ⚡️ استخدام الطاقة في العالم ⚡️ - التنبؤ بالسلاسل الزمنية مع ARIMA | السلاسل الزمنية | التنبؤ بالسلاسل الزمنية باستخدام ARIMA | بايثون | فرانسيسكا |
| 23 | ⚡️ استخدام الطاقة في العالم ⚡️ - التنبؤ بالسلاسل الزمنية مع SVR | السلاسل الزمنية | التنبؤ بالسلاسل الزمنية باستخدام الدعم ناقل الانحدار | بايثون | أنيربان |
| 24 | مقدمة في التعلم المعزز | التعلم المعزز | مقدمة في التعلم المعزز مع Q-Learning | بايثون | ديمتري |
| 25 | ساعد بيتر على تجنب الذئب! 🐺 | التعلم المعزز | صالة تدريب التعلم المعزز | بايثون | ديمتري |
| خاتمة | سيناريوهات وتطبيقات تعلم الآلة في العالم الواقعي | تعلم الآلة في العالم الواقعي | تطبيقات حقيقية مثيرة للكشف عن تعلم الآلة الكلاسيكي | درس | الفريق |
| خاتمة | تصحيح أخطاء النماذج في تعلم الآلة باستخدام لوحة RAI | تعلم الآلة في العالم الواقعي | تصحيح أخطاء نموذج تعلم الآلة باستخدام مكونات لوحة مسؤول AI | درس | روث ياقوبو |
جد جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا
يمكنك تشغيل هذا التوثيق دون اتصال باستخدام Docsify. استنسخ هذا المستودع، ثبّت Docsify على جهازك المحلي، ثم في المجلد الجذر لهذا المستودع، اكتب docsify serve. سيتم تقديم الموقع على المنفذ 3000 على المضيف المحلي لديك: localhost:3000.
اعثر على نسخة pdf من المنهج مع روابط هنا.
فريقنا ينتج دورات أخرى! تفقد ما يلي:
إذا واجهت صعوبة أو كان لديك أسئلة أثناء تعلم تعلم الآلة أو بناء تطبيقات الذكاء الاصطناعي، لا تقلق — المساعدة متاحة.
يمكنك الانضمام إلى المناقشات مع متعلمين ومطورين آخرين، طرح الأسئلة، ومشاركة أفكارك مع المجتمع.
- انضم إلى المجتمع لطرح الأسئلة والتعلم مع الآخرين
- ناقش مفاهيم تعلم الآلة وأفكار المشاريع
- احصل على إرشاد من مطورين ذوي خبرة
المجتمع الداعم هو طريقة رائعة لتطوير مهاراتك وحل المشكلات بشكل أسرع.
مجتمع Microsoft Foundry على Discord
إذا صادفت أخطاء أو مشاكل، أو لديك اقتراحات للتحسين، يمكنك أيضًا فتح مشكلة في هذا المستودع للإبلاغ عن المشكلة.
للتعليق على المنتج أو للبحث في منشورات المجتمع الحالية، زر منتدى المطورين:
- راجع دفاتر الملاحظات بعد كل درس لفهم أفضل.
- مارس تطبيق الخوارزميات بنفسك.
- استكشف مجموعات بيانات من العالم الواقعي باستخدام المفاهيم التي تعلمتها.
إخلاء المسؤولية:
تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية Co-op Translator. بينما نسعى لتحقيق الدقة، يُرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للمعلومات الحساسة، يُنصح بالترجمة المهنية البشرية. نحن غير مسؤولين عن أي سوء فهم أو تفسير ناتج عن استخدام هذه الترجمة.


