المدونة التقنية | Tareq Tuaayman | طارق بن جعبل طعيمان

لماذا Python؟

🐍 Python هي اللغة الأكثر شعبية في الذكاء الاصطناعي لأسباب:

✅ بساطة: Syntax سهل وقريب من الإنجليزية
✅ مكتبات ضخمة: TensorFlow, PyTorch, Scikit-learn
✅ Community كبير: حلول لأي مشكلة
✅ Prototyping سريع: اكتب وجرّب بسرعة

أساسيات Python للـ AI

1. المتغيرات والأنواع

# Python بسيطة - لا تحتاج تحديد نوع المتغير

name = "Tareq"

age = 25

is_learning_ai = True

scores = [95, 87, 92]

2. Lists و Loops

# Lists - الأساس في معالجة البيانات

models = ["GPT", "BERT", "ResNet"]

for model in models:

print(model)

3. Functions

# دالة بسيطة لحساب Accuracy

def calculate_accuracy(correct, total):

return (correct / total) * 100

acc = calculate_accuracy(85, 100)

print(f"Accuracy: {acc}%")

المكتبات الأساسية للـ AI

📊 NumPy - معالجة المصفوفات

أساس أي عمل في AI - معالجة Arrays والعمليات الرياضية

import numpy as np

data = np.array([[1,2,3], [4,5,6]])

print(data.shape) # (2, 3)

🐼 Pandas - معالجة البيانات

تحليل Datasets، قراءة CSV، تنظيف البيانات

import pandas as pd

df = pd.read_csv("data.csv")

print(df.head()) # أول 5 صفوف

📈 Matplotlib - رسم البيانات

رسم Graphs، Charts، Visualizations

import matplotlib.pyplot as plt

plt.plot([1,2,3], [2,4,6])

plt.show()

🤖 Scikit-learn - Machine Learning

ML algorithms جاهزة: Classification, Regression, Clustering

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier()

model.fit(X_train, y_train)

🔥 PyTorch - Deep Learning

بناء Neural Networks - سهل ومرن

import torch

import torch.nn as nn

model = nn.Linear(10, 1)

🧠 TensorFlow / Keras - Deep Learning

من Google - قوي للإنتاج (Production)

from tensorflow import keras

model = keras.Sequential([

keras.layers.Dense(128)

])

مشروع بسيط: التنبؤ بأسعار المنازل

الكود الكامل

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LinearRegression

from sklearn.metrics import mean_absolute_error

# 1. تحميل البيانات

data = pd.read_csv("houses.csv")

# 2. فصل Features و Target

X = data[["size", "bedrooms", "age"]]

y = data["price"]

# 3. تقسيم البيانات

X_train, X_test, y_train, y_test = train_test_split(X, y)

# 4. إنشاء وتدريب النموذج

model = LinearRegression()

model.fit(X_train, y_train)

# 5. التنبؤ والتقييم

predictions = model.predict(X_test)

error = mean_absolute_error(y_test, predictions)

print(f"Average Error: ${error:.2f}")

✨ هذا المشروع يعلمك:

✓ تحميل البيانات بـ Pandas
✓ تقسيم البيانات لـ Train/Test
✓ تدريب نموذج ML
✓ تقييم الأداء

نصائح للمبتدئين

🎯

ابدأ بالأساسيات

تعلم Python أولاً قبل AI - Loops, Functions, Lists

🐍

تدرب يومياً

اكتب كود كل يوم - ولو 15 دقيقة

📚

تعلم مكتبة بمكتبة

NumPy → Pandas → Matplotlib → Scikit-learn

💡

اعمل مشاريع

التطبيق العملي أهم من الشرح النظري

🌐

استخدم Google Colab

مجاني، فيه GPU، جاهز للاستخدام

مصادر تعلم Python للـ AI

📖 Automate the Boring Stuff with Python - كتاب ممتاز للمبتدئين

🎥 Python for Everybody (Coursera) - دورة مجانية من جامعة Michigan

💻 Kaggle Learn - دورات تفاعلية مجانية

🐍 Real Python - مقالات وتطبيقات عملية

🎮 Codewars / LeetCode - تمارين برمجية

طارق بن جعبل طعيمان

Python للذكاء الاصطناعي: من أين تبدأ؟