Dataset Viewer
text
stringlengths 5
3k
| lang
stringclasses 2
values | score
float64 0.32
1
|
|---|---|---|
الخوارزميات التطورية (evolutionary algorithms) هوما واحد الطريقة باش نحلو مشكيلات معقدة بنفس الطريقة اللي كتخدم بيها الطبيعة في التطور. كيما مثلا، كيفاش الحيوانات والنباتات كيتحسنو مع الوقت باش يبقاو عايشين.
كيفاش كيخدم؟
1. المجموعة:
- كنبداو بمجموعة ديال الحلول عشوائية (Population)
- كل حل عندو ليه سكور على حساب الجودة ديالو
2. الاختيار:
- كنختارو أحسن الحلول من المجموعة
- الحلول الزوينة كنخليوها تتكاثر
- الحلول الخايبة كنخليوها تموت
3. التكاثر:
- الحلول اللي خترناها كتكون "الوالدين"
- كندمجو المميزات المزيانة من كل حل باش نخلقو حلول جديدة أحسن (ولاد)
- هاد الولاد كياخدو صيفات من باباهم و ماماهم
4. التغيير:
- كنديرو تغييرات صغيرة على الحلول الجديدة
- هاد التغييرات كيما اللي كيوقع في الطبيعة
- كتسمح لينا نكتاشفو طرق و حلول جديدة ما كناش متوقعينها
مثال بسيط: طوموبيل كتعلم تسوق بوحدها
تخيل عندنا لعبة فيها طوموبيل خاصها تعلم تسوق بوحدها في طريق فيه تعرجات وعراقل:
1. المجموعة:
- كنبداو ب 100 طوموبيل، كل وحدة فيهم عندها طريقة مختلفة فالسياقة
- كل طوموبيل كنعطيوها سكور على حساب:
* شحال قدرات تمشي بلا ما تصدم (+10 نقط)
* واش قدرات تبقى في وسط الطريق (+5 نقط)
* السرعة ديالها (+3 نقط)
* إلى صدمات شي حاجة (-20 نقط)
2. الاختيار:
- كنختارو 20 طوموبيل اللي جابو أحسن سكور
- هادو هوما اللي غادي يعطيونا الجيل الجديد
3. التكاثر:
- كناخدو جوج طوموبيلات زوينين ونخلقو طوموبيل جديدة
- الطوموبيل الجديدة كتاخد صفات من الجوج:
* كيفاش كتدور في المنعرجات
* السرعة ديال رد الفعل
* كيفاش كتعرف المسافة بينها وبين العراقل
4. التغيير:
- كنديرو تغييرات صغيرة في الطوموبيلات الجديدة
- مثلا:
* نزيدو شوية فالسرعة
* نحسنو كيفاش كتشوف العراقل
* نبدلو طريقة الدوران فالمنعرجات
مع كل جيل جديد، الطوموبيلات كيتحسن الأداء ديالهم حتى كيوصلو يسوقو بطريقة زوينة وآمنة.
تطبيقات فالحياة الحقيقية:
1. السيارات ذاتية القيادة: كتستعمل باش تتعلم كيفاش تسوق وتتجنب العراقل بطريقة آمنة
2. الألعاب الذكية: فلعاب الفيديو، الشخصيات كتتعلم كيفاش تلعب وتتحسن مع الوقت
3. تصميم المنتجات: الشركات كتستعملها باش تحسن شكل وأداء المنتجات ديالها، من السيارات حتى للهواتف
4. إدارة الطاقة: كتساعد في تحسين استهلاك الطاقة فالمباني والمصانع
5. التسويق الرقمي: كتساعد الشركات باش يفهمو أحسن شنو بغاو الزبناء وكيفاش يوصلو ليهم
الخلاصة: الخوارزميات التطورية كتخدم بنفس مبدأ التطور الطبيعي، الحلول الزوينة كتبقى وتتحسن، والحلول الخايبة كتموت. هاد التقنية عندها تطبيقات بزاف في مجالات مختلفة.
إلى بغيتو تزيدو تشوفو كيفاش كيخدمو الخوارزميات التطورية وتطبيقاتهم فالواقع، دخلو لهاد البلايليست: https://lnkd.in/eYC2SxZ2 | ary_Arab | 0.983879 |
في دار الخير، نحن لا نطور مجرد تطبيق، بل نبني جسورًا بين المتطوعين والجمعيات. كل سطر من الكود هو خطوة نحو عالم أفضل، حيث تلتقي قلوب المتبرعين مع احتياجات من يستحقون.
نحن فخورون بأن نكون جزءًا من هذه الرحلة، ونعمل بجد لنحقق تأثيرًا حقيقيًا.
#CINDH
#darlkhir
#morethanjustcharity
#ليكن_للخير_عنوان | arb_Arab | 0.994051 |
شكرا سي Liaichi Mustapha على كل هذه المعلومات، نقدر نزيد ان اغلبية او جميع Training دبا كنديروه ب Transfer Learning، مثال Yolo هو مثال مزيان. فاغلب الاحوال مبقيناش Model Training from scratch. و Transfer Learning هو من الحلول باش منطيحش ف Overtifiting. خلينا نتخيلوا واحد سيناريو عند Dataset قليلة الا ترينيي واحد موديل فنسبة كبيرة غدي طيح ف overtifiting، من بين الحلول لي اقدر ادار من غير تجيب pre-trained model، هو هداك المديل ديالك هو مثلا ترينيه على واحد Task قريبة Task لي بغيتي عاد من بعد دير Transfer Learning. مثلا انا عندي Dataset صغيرة وباغي ندير classification، نقدر ندرب موديل على Task ديال Image completion، و فهاد العملية من خلال Dataset لي عندي وخا صغيرة نقدر نقاد une infinité ديال الصور. من بعد ملي موديل اعطي مزيان ندير Transfer Learning على classification Task. هدي غفكرة لي تقدر تطبق. وشكرا مرة اخرى خاي Liaichi Mustapha. | ary_Arab | 0.963297 |
السلام عليكم، اليوم ان شاء الله غانكمل على البوسط لي شرحت فيه الفرق بين API و REST API و من الأفضل لي مزال ماقراش البوسط يرجع ليه باش يفهم concepts اللي غانشرح دبا.
فهاد البوسط غنتطرقو للطلب (Request) و الإجابة أو الرد (Response).
📌الطلب ـ Request :
الRequest هو اللي كيبعتو التطبيق لServer باش يطلب معلومات ولا يدير شي عملية. فيه بزاف ديال العناصر المهمة:
أولا : طريقة HTTP: هي العملية اللي باغي يديرها العميل. من أشهر الطرق لي شفنا فالبوسط لي فات هي : GET - POST - PUT- DELETE.
ثانيا : URL/URI: هو العنوان اللي كيمشي ليه الطلب. كيعرف شنو هي المعلومة اللي باغي توصل ليها ولا تدير عليها شي عملية.
ثالثا : Headers: هي المعلومات الإضافية اللي كتمشي مع الطلب، بحال صيغة البيانات (JSON ولا XML)، المعلومات ديال الأمان، ولا النوع ديال المحتوى (Content-Type).
رابعا : Body (فالطلبات اللي كيحتاجوها): فيها البيانات اللي كاتبعت لServer ، غالباً فـ POST ولا PUT. مثلاً ملي كاتبغي تضيف مستخدم جديد، المعلومات بحال الاسم، البريد الإلكتروني، .... كاتكون فالBody ديال الطلب.
📌 الرد - Response :
الـ Response هو اللي كيجي من Server بعدما كيخدم الطلب. كيعلم العميل واش العملية دازت بنجاح ولا لا، وفي بعض الحالات كيرجع البيانات المطلوبة. فيه:
أولا : Status Code (كود الحالة): كيبين النتيجة ديال الطلب. من أشهر الأكواد:
200 OK: الطلب تخدم بنجاح.
201 Created: المورد تمت إضافته بنجاح (فـ POST).
400 Bad Request: الطلب فيه خطأ.
401 Unauthorized: العميل ماعندووش صلاحية.
500 Internal Server Error:كاين خطأ فServer
ثانيا : Headers: المعلومات الإضافية حول الرد، بحال نوع المحتوى (مثلاً Content-Type: application/json).
ثالثا : Body: فيه البيانات اللي رجعها Server . فـ GET مثلاً، كيمكن تكون لائحة العناصر المطلوبة، وفـ POST يمكن يكون فيه رسالة تأكيد ولا العنصر اللي تصايب.
فالصور كاينين أمثلة باش تفهمو أكثر هاد العناصر.
الخلاصة
الـ Request و Response هما قلب الخدمة ديال الـ APIs. ملي كتفهم العناصر ديالهم مزيان، كيمكن للمطورين يتعاملو بشكل فعال مع السيرڤرات، سواء لجلب البيانات، ولا إنشاء موارد جديدة، ولا حتى التعامل مع الأخطاء.
اذا استافدتو من هاد المعلومات ماتنساوش repost باش تعم الفائدة و شكرا. | ary_Arab | 0.79163 |
السلام عليكم
يالله نشرحو VPN site-to-site بالدارجة. هادي تقنية مهمة فعالم الشبكات والأمن المعلوماتي.
شنو هو VPN site-to-site؟
VPN site-to-site هو نوع خاص من الشبكات الافتراضية الخاصة (VPN) اللي كيربط بين موقعين أو أكثر ديال نفس الشركة أو المؤسسة، حتى إيلا كانو بعاد على بعضهم جغرافيا.
خلينا نشرحوها بمثال بسيط:
تخيل عندك شركة فيها مكتبين، واحد فالرباط وواحد فالدار البيضاء. بغيتي الموظفين في الجوج ديال المكاتب يقدرو يتواصلو ويتبادلو المعلومات بأمان، كأنهم فنفس المبنى. هنا فين كيجي دور الـ VPN site-to-site.
كيفاش كيخدم؟
1. الربط الآمن:
- كيخلق "نفق" آمن بين المكتبين عبر الإنترنت.
- أي معلومات كتمر عبر هاد النفق كتكون مشفرة، يعني ما يمكنش شي حد من برا يقراها.
2. شبكة موحدة:
- كيخلي الشبكات المحلية فالجوج ديال المكاتب يبانو كأنهم شبكة وحدة.
- الموظفين يقدرو يوصلو للملفات والموارد ديال بعضياتهم بسهولة وأمان.
3. توفير التكاليف:
- ما كتحتاجش تبني شبكة خاصة مادية بين المواقع.
- كتستغل البنية التحتية ديال الإنترنت العام، ولكن بطريقة آمنة.
هاد الرسم كيوضح:
- المكتبين: واحد فالرباط (أزرق) وواحد فالدار البيضاء (أخضر).
- النفق الآمن ديال VPN (الخط البنفسجي) اللي كيربط بيناتهم عبر الإنترنت.
- الأجهزة فكل مكتب اللي كتقدر تتواصل مع بعضها بأمان.
الفوائد ديال VPN site-to-site:
1. الأمان: كل المعلومات كتكون مشفرة، صعيب على شي حد يعترضها.
2. السهولة: الموظفين كيقدرو يخدمو كأنهم فنفس المكتب، حتى إيلا كانو فمدن مختلفة.
3. التوسع: سهل تزيد مواقع جديدة للشبكة ديالك.
4. التوفير: ما كتحتاجش تبني بنية تحتية خاصة بين المواقع.
فالختام، VPN site-to-site هو حل قوي للشركات اللي عندها مواقع متعددة وبغات تربط بيناتهم بطريقة آمنة وفعالة. كيخلي الشبكة ديالك موحدة وآمنة، بغض النظر على المسافة بين المواقع ديالك. | ary_Arab | 0.718824 |
ســـؤال. هل أنت عـــربي؟ 🤔
حسنـــاً. أي من الأسئلة في الصورة تستطع إجابتها؟ 😐
..
شاهدت لقاء من فترة لد. محمد البلتاجي Mohammed El-Beltagy, و اتكلم فيه عن مصطلح, كنت أول مرة أسمع عنه, و هو الـ AI Collapse , انهيار الذكاء الاصطناعي.
خليك معايا شوية. الكلام اللي جاي مهم. ✋
نماذج الفترة الحالية, تعتمد بشكل كبير جداً على ما يطلق عليه الـ Synthetic Data , أو الداتا المصنعة. 🏭
يعني بيانات, تم انشاءها من نماذج ذكاء اصطناعي, و ليس بواسطة البشر 👨🏭
ثورة الـ ChatGPT , نجحت انها تفتح باب كبير أمام الـ Open Source أنه يبدأ يستخدم نماذج OpenAI نفسها و يسألها, و يجمع اجابتها, و بالتالي, يدرب نماذج جديدة على البيانات دي.
بمعني أوسع Machines Teach Machines 🤖 🍃 🤖
بعد فترة, ظهر قصور في الامكانيات, بمعنى كده انت حكمت على نموذجك, انه لا يتعدى قدرات النموذج اللي انت استخرجت منه بيانات التدريب 😥 . و حيظهر ما ندعوه بالـ Systemetic Errors
الأمر يصبح أسوأ, لما النماذج الجديدة دي, هي نفسها تصبح مصدر لبيانات تدريب جديدة لنماذج أخرى. 😓
و هكــذا, حتى يتوقف الـ AI عند عتبه لا يمكنه من تجاوزها. و بالتالي يبدأ في الانهيار, بسبب ضعف المورد (البشري) للبيانات. 🤦♂️
واحدة من أخطر الممارسات في القصة دي, ليس فقط التدريب
و لكن الـ Evaluation 👨💻
نحن نستخدم أيضاً بيانات (تقييم Evaluation) لضبط اداء النماذج أثناء التدريب, و الحكم على كفاءتها.
و لكن ما اذا كان ما تحاول الاعتماد عليه لهذا (الضبط) هو نفسه منحرف؟ بالتأكيد, سينحرف نموذجك في النهاية.
و اللي تحت مثال لواحدة من أشهر نماذج التقييم, الـ MMLU بنسخته الجديدة اللي اصدرتها OpenAI للغات عديدة منها اللغة العربية.
أرجوك, انس نماذج الذكاء الاصطناعي لدقيقة, و ركز معايا في اللي جاي. 🤹♂️
تصور أنك (توظف) انساناً خبير باللغة العربية. هل هذه نوع الأسئلة التي ستختبره بها ؟ هل أنت موافق على أسلوب اللغة المستخدم و الثقافة المستهدف منها اختبار القدرات؟ 👀
ربما جزء من هذه الأسئلة مفيد, لكن أين اختبارات المعرفة بالتاريخ العربي, والثقافة العربية, وقواعد النحو و الاملاء العربيين.
كيف تتأكد ان هذا الانسان يعلم الفرق بين ابن سينا و ابن رشد. بين الألف المقصورة و الممدودة. بين الفول المصري و اليمني. كيف ؟
مشكلة هذا النوع من البيانات المترجمة, هو القصور اللغوي و الثقافي الحاد في نوع الأسئلة, و للأسف مجرد اسم OpenAI او Google كاف للباحثين ان يتوقفوا عن انتقادها. 🤐
لكن قارن هذه البيانات من قبل OpenAI , ببيانات محاولة عربية لم يلتفت اليها الكثير من الباحثين من جامعة (محمد بن زايد) MBZUAI
https://lnkd.in/eHyKK4M9
الأمر مختلف تماماً, و ان كنا نود لو كانت البيانات أكبر, و التنوع أوسع.
الخلاصة, لا بد أن تبدأ الجهات البحثية, أن يكون لها دور في قيادة زمام اللغة العربية و كل أدواتها, و ألا تترك الأمر برمته للجهات الأجنبية أو الجهود الفردية المشكورة أولاً و أخيرا.
و لا بد ان نكون اكثر ثقة في الحكم على أي شئ يقدم باسم العربية 💪 , لأننا اهلها, و أدرى بشعابها.
اذا اعجبك المنشور, برجاء المشاركة, و نشر هذه الرسالة. 🤗
رابط بيانات الـ OpenAI MMLU
https://lnkd.in/eCN5u3Ca
اكتشتف ايضا ان هناك محاضرة بالكامل عن نفس الموضوع تمت خلال الأسبوع, للمهتمين, يمكنكم متابعة المحاضرة من هنـــا
https://lnkd.in/dQmpawDB
#chatgpt #llm #evaluation #benchmark #openai #arabic #dataset
.. | arb_Arab | 0.997403 |
السلام عليكم و جمعة مباركة ،
لكمالة دلبوسط لي كنا لحنا انخليه فالتعاليق و المشكلة لي كنت بغيت ندوي عليها من بعد ماشرحنا الاساس ديالها هي مشكلة "تلاشي التدرجات" أو "Vanishing Gradients Problem" فالشبكات العصبية العميقة (Deep Neural Networks - DNN).
أولا، شنو هي مشكلة تلاشي التدرجات؟
هي مشكلة كتوقع فالشبكات العصبية العميقة فين التدرجات (gradients) كتصغر بزاف أثناء الانتشار العكسي (backpropagation)، حتى كتوصل لقيم قريبة من الصفر فالطبقات الأولى من الشبكة.
علاش هاد المشكلة مهمة؟
1. كتأثر على تعلم الشبكة: الطبقات الأولى ما كتتعلمش مزيان.
2. كتبطئ عملية التدريب: الشبكة كتاخد وقت طويل باش تتحسن.
3. كتحد من عمق الشبكة: كتخلي الشبكات العميقة بزاف صعيبة التدريب.
كيفاش كتوقع هاد المشكلة؟
1. دوال التنشيط (Activation Functions):
- دوال بحال sigmoid و tanh كيكون عندهم مشتقات صغيرة بزاف فبعض المناطق.
- كل ما درنا ضرب لهاد المشتقات الصغيرة، كنحصلو على قيم أصغر وأصغر.
2. عمق الشبكة:
- كل ما زادت الطبقات، كل ما تضاعف تأثير الضرب ديال هاد القيم الصغيرة.
3. أوزان صغيرة:
- إيلا كانت الأوزان الأولية صغيرة بزاف، كتزيد تصغر التدرجات
هاد الرسم لي لتحت كيوضح كيفاش التدرجات كتصغر من طبقة الخرج لطبقة الدخل:
- فطبقة الخرج، التدرجات كتكون كبيرة.
- كل ما مشينا للطبقات الأولى، التدرجات كتصغر.
- فالطبقات الأولى، التدرجات كتكون صغيرة بزاف، مما كيصعب عملية التعلم.
كيفاش نحلو هاد المشكلة؟
1. استخدام دوال تنشيط أخرى:
- ReLU (Rectified Linear Unit) ومشتقاتها كيساعدو بزاف فحل هاد المشكلة.
2. تهيئة الأوزان بذكاء:
- استخدام طرق بحال Xavier أو He initialization.
3. استخدام اتصالات التخطي (Skip Connections):
- بحال اللي كاينين ف Residual Networks (ResNets).
4. تقنيات التعلم المتقدمة:
- Batch Normalization
- Layer Normalization
5. استخدام معماريات خاصة:
- LSTM فالشبكات العصبية التكرارية.
- Transformer فمعالجة اللغات الطبيعية.
مثال عملي:
تخيل عندنا شبكة عصبية عميقة كتحاول تتعرف على الأرقام المكتوبة باليد:
- بدون معالجة مشكلة تلاشي التدرجات: الشبكة غادي تتعلم تمييز الأرقام السهلة بحال 1 و 7، ولكن غادي تعاني مع الأرقام المعقدة بحال 8 و 9.
- مع معالجة المشكلة: الشبكة غادي تقدر تتعلم تمييز جميع الأرقام بدقة عالية.
فالختام، فهم وحل مشكلة تلاشي التدرجات مهم بزاف باش نبنيو ونعلمو الشبكات العصبية العميقة بفعالية. هاد الحلول ساهمو بشكل كبير فالتقدم اللي شفناه فمجالات بحال الرؤية بالحاسوب ومعالجة اللغات الطبيعية.
مصادر للقرائة :
https://lnkd.in/gBaDhv7d
مقال مهم من Bengio et al. يناقش مشكلة تلاشي التدرجات في الشبكات العصبية المتكررة.
فيديو تعليمي يناقش المشكلة وحلولها.
https://lnkd.in/gFSPHYbx | ary_Arab | 0.77906 |
السلام عليكم جميعا ؛
في هذا المنشور سنتحدت عن أداة قوية في مجال التكنولوجيا:
نظريات الألعاب هي فرع من الرياضيات يركز على دراسة القرارات التي تتخذها الأطراف المختلفة في مواقف معينة حيث تكون النتائج متعلقة بتصرفات كل الأطراف.
المفاهيم الأساسية في نظريات الألعاب
اللاعبون (Players):
اللاعبون هم المشاركون في اللعبة أو الوضع. قد يكونون أشخاصًا، شركات، دولًا، أو حتى روبوتات. كل لاعب يتخذ قرارات بهدف تحقيق مصلحته الخاصة.
الاستراتيجيات (Strategies):
الاستراتيجية هي الخطة التي يتبعها كل لاعب. قد تكون الاستراتيجية بسيطة (اتخاذ قرار واحد) أو معقدة (سلسلة من القرارات التي تعتمد على تصرفات الآخرين).
الدفع (Payoff):
الدفع هو المكافأة أو العقوبة التي يحصل عليها اللاعب بناءً على القرارات التي يتخذها هو واللاعبون الآخرون. يمكن أن تكون المكافآت مالية، أو فوائد اجتماعية، أو حتى خسائر.
التفاعل (Interaction):
النتيجة التي يحصل عليها كل لاعب لا تعتمد فقط على قراراته، بل تعتمد على قرارات اللاعبين الآخرين. هذا هو جوهر نظريات الألعاب: كيف تتأثر النتائج بتفاعل الأفراد أو الأطراف.
أنواع الألعاب
الألعاب التنافسية (Zero-Sum Games):
لعبة الشطرنج هي لعبة تنافسية. إذا فاز لاعب، فإن الآخر يخسر. مجموع المكاسب والخسائر هو صفر.
الألعاب التعاونية (Cooperative Games):
تخيل فريقين من الأطباء في مستشفى يحاولون إنقاذ حياة مريض. هنا، لا يتنافسون، بل يتعاونون لتحقيق الهدف المشترك، وهو إنقاذ حياة المريض.
معضلة السجين (Prisoner's Dilemma):
هذه واحدة من أشهر الأمثلة في نظريات الألعاب. تخيل أن هناك سجينين تم القبض عليهما للاشتباه في ارتكاب جريمة. يُعرض على كل منهما الخيار بين أن يعترف بالجريمة أو يلتزم الصمت. إذا اعترف كلاهما، سيتم سجنهما لفترة طويلة. إذا التزم كلاهما الصمت، سيتم الإفراج عنهما بعد فترة قصيرة. ولكن إذا اعترف أحدهما ورفض الآخر، فإن الشخص الذي اعترف يحصل على حكم مخفف، بينما يحصل الآخر على عقوبة مشددة. القرار الذي يتخذه كل سجين يعتمد على ما يتوقعه من تصرف الآخر.
الدروس من معضلة السجين:
- إذا قرر كل لاعب أن يحقق مصلحته الشخصية دون اعتبار للآخر، فقد يؤدي ذلك إلى نتائج سيئة لهما معًا.
- التعاون يمكن أن يكون مفيدًا للطرفين، لكنه ليس مضمونًا.
أمثلةعلى نظريات الألعاب
-المفاوضات بين الدول:
في المفاوضات التجارية بين دولتين، كل دولة تحاول تحقيق أفضل شروط ممكنة لها. لكن إذا كانت الدولة A تتوقع أن الدولة B ستقدم تنازلات، قد تتخذ الدولة A موقفًا أكثر تشددًا. ومع ذلك، إذا كانت الدولة B تتخذ موقفًا مماثلاً، فقد تنهار المفاوضات تمامًا.
النتائج الرئيسية في نظريات الألعاب
توازن ناش (Nash Equilibrium):
هو حالة يكون فيها كل لاعب قد اتخذ أفضل قرار ممكن بناءً على تصرفات الآخرين. لا أحد من اللاعبين يمكنه تحسين موقفه باتخاذ قرار مختلف. بعبارة أخرى، إذا وصل الجميع إلى توازن ناش، فلا أحد لديه حافز لتغيير استراتيجيته لأن أي تغيير لن يؤدي إلى نتائج أفضل.
الألعاب المتكررة (Repeated Games):
في الحياة الواقعية، لا تحدث الألعاب عادة مرة واحدة فقط. غالبًا ما تكون الألعاب مكررة، مما يعني أن نفس الأطراف تتفاعل بشكل متكرر مع بعضها البعض. عندما تتكرر اللعبة، قد يغير اللاعبون استراتيجياتهم بناءً على ما حدث في الجولات السابقة.
نظريات الألعاب كما وضحت سابقًا، هي أداة لتحليل المواقف التي تتنافس فيها أو تتعاون الأطراف المختلفة لتحقيق نتائج أفضل بناءً على قراراتهم وقرارات الآخرين | arb_Arab | 0.999744 |
السلام عليكم، اليوم غادي نتكلم على الفرق بين API و REST API.
و لكن قبل أجي نتعرفو على كل واحد فيهم !!!
-في عالم البرمجة 👩🏻💻، API أو بطريقة مفصلة Application Programming Interface هي مجموعة من protocols لي كاتسمح للتطبيقات أنها تتواصل مع بعضها و يتبادلو البيانات.
فهي كاتلعب دور الوسيط 🌉 بين Client لي كايرسل طلب [Request] (لي ممكن يكون عملية من العمليات، ما يسمى ب: CRUD بقاو عاقلين عليها غانرجعو لها من بعد) و Server لي كايرسل أجوبة [Response].
-دبا REST API :
و كلمة REST هي مختصر ل REPRESENTATIONAL STATE TRANSFER، و هي نوع من APIs اللي كاتعتامد HTTP Protocol باش تخلي التطبيقات تتواصل بطريقة واضحة و سهلة عبر ما يسمى ب HTTP Methods.
📌 العلاقة بين CRUD و HTTP Methods:
- خاصنا نعرفو أن CRUD هي العمليات لي كانحتاجوها فالتعامل مع البيانات ( create, read, update, delete) و HTTP Methods هي الطرق لي كنستعملو باش نديرو هاد العمليات.
- أولا Create : في REST API كانتسعملو POST باش نرسل بيانات جديدة ل Server و نضيفها.
مثلا : تسجل مستخدم جديد فشي موقع🌐.
-ثانيا : Read : و اللي هي GET ف REST API، كانستعملوها باش نقراو البيانات.
مثلا : فاش كاتبغي تشوف المعلومات 🔍 ديال شي منتوج فالموقع.
- ثالثا : Update : و فالمقابل ديالها كانستعملو PUT باش نديرو تعديل أو تحديث.
مثلا : ملي كاتبغي تغير الكمية ديال شي منتوج ف panier 🛒.
- رابعا : Delete و هادي كاتبقا نفسها DELETE و كاتستعمل لتنفيذ عملية الحذف على مستوى قاعدة البيانات (Database).
مثلا : فاش كاتبغي تحيد شي منتوج من 🛒.
كانتمنى تكونوا فهمتو الفرق بين API و REST API. فالمقال الجاي إن شاء الله نشوفو كفاش كايخدم Request و Response. | ary_Arab | 0.954908 |
كنز 👑 | ary_Arab | 0.999867 |
افضل المصادر الجزء الثاني 😁 كنز 👑
السلام عليكم، نتمنى تكونوا فافضل الحوال، اليوم مع post الثاني فافضل المصادر لي بغا اقرا على AI. تذكير ف post لي فات كنا شاركنا المصادر لي كتهتم غ بالجانب النظري، لهوا مهم بزااف مع post داليوم مع الجانب التطبيقي، خاصة Deep Learning.
اي واحد باغي امشي مزيان Deep Learning، ضروري خاصو اتعلم PyTorch و لا TensorFlow هاد جوج هما شادين السوق. اليوما جبت ليكم واحد السيد لي بالنسبة ليا احسن واحد تقرا عندو مشي كيقريك Deep Learning ب PyTorch و TensorFlow بل كوريك حتى Bonne Pratique.
اولا، نتعرفوا شوية على Instructors لي هو Daniel Bourke القناة ديالو هي موسوعة ديال Machine Learning و هو كيركز على الجاب التطبيقي كثر.
المصدر ديال اليوم هو عبارة عن فيديو واحد، لي فيه 25 ساعة على PyTorch، متخلع ما والوا، والله حتى هاد فيديوا تحفة تهنيك من التشتت فالمصادر. على بركة الله نبداو.
عنوان الفيديو:
Learn PyTorch for deep Learning in a day. Literally.
الفديو مقسم على خمسة chapters.
ا1. PyTorch Fundamentals: كتعرف على المفاهيم العامة و تعلم اهم حاجة ف deep learning لي هيا Tensors.
Why use machine learning/ deep learning? What's Why PyTorch? Tensors? Tensors Manipulation? GPU? ....
ا2. PyTorch Workflow: هنا اتشوف و اتعلم la structure générale ديال اي deep learning notebook ب PyTorch.
intro to PyTorch Workflow? creating datasets? creating First PyTorch Model? Linear Regression Model? PyTorch Training Loop? Load/Save Models? ....
ا3. Neural Nets for classification: هنا اتولي تقدر تخدم ب Neural Nets، اتولي تعمق كثر فكاع المفاهيم لغتشوف ف PyTorch Workflow.
Neural Nets? Neural Nets for classification? PyTorch Sequencial? From Model logits to Predictions Probabilities? Discussions to improve model's Performance? ...
ا4. Comuter Vision: هنا اتطبق كاع المفاهيم ديال Computer Vision ب PyTorch.
Convolution Neural Nets - CNN?TorchVision? Mini-bathes? breaking down CNN? Conv2d? Pooling Layers? ....
ا5. Customs Datasets: كفاش تقاد Datasets ديالك باش اكونوا Compatible مع PyTorch هدشي كيخلي models اتعلم efficiently وخا تكون Dataset كبيرة بزاف.
هنا كيسالي الفديو بعد 25 ساعة، الا وصلتي حتى هنا انزيدك معلومة واعرة، انك هاد السيد اي حاجة قالها فيديو ب slides و Code كلشي كاين فواحد website وكثر، زاد عليهم مواضيع اخرى مهم جدا، لي غاتلقاهم غا فالموقع :
ا6. PyTorch Goinng Modular: الا تبعتي الفيديو اتلاحظ بزاف ديال code كيولي كتعادود هنا اوريك كفاش تكتب ها code مرة وتولي تخدموا بزاف د مرات.
ا7. PyTorch Transfer Learning: هاد Transfer Learning هو كفاش واحد model متعلم على واح task و خدموا و Finetunih على task جديدة، مهم بزاف حتى نهضر عليه فشي post ان شاء الله.
ا8.PyTorch Experiment Tracking: كفاش تقدر دير بزاف Experiment و تخلي Trackihom وتقدر ترجع لي اي وحدة فيهم. استعمل بزاف ديال tools بخال TensorBoard و MlFlow ..
ا9. PyTorch Paper Replication: كفاش نقد نقرا paper و نردها Code.
ا10. PyTorch Models Deployment: كفاش نقدر ن deployer model ديالك.
المصادر اتلقاوهم فcomment، حيت وصلت limit ف post منقدش نزيد. بغيت هاد post اوصل اكبر عدد ممكن باش استافد من هاد الكنز. والسلام عليكم.
#AI #PyTorch #OpenAI #MachineLeaning | ary_Arab | 0.751126 |
علينا ابتداء من اليوم التحقق مما نحمله بين أيدينا ونتركه بين أيدي أطفالنا للتسلية والتعليم، كي نتأكد هل يتعلّق الأمر بجهاز هاتف محمول ذكي، أم بقنبلة قابلة للانفجار والفتك بمن حولها في أية لحظة.
فقد وقّعت دولة الاحتلال الإسرائيلي على فصل جديد من فصول الإجرام وتهديد سلامة الإنسان، بعد الهجوم الأول من نوعه الذي استهدفت من خلاله آلاف المواطنين اللبنانيين، مخلفة قرابة عشرة قتلى وآلاف الجرحى، حتى كتابة هذه السطور. كما طرح الهجوم تساؤلات كبيرة حول إمكانية تحويل الهواتف المحمولة إلى قنابل موقوتة.
ويطرح الهجوم أسئلة حول الاختيارات الصناعية للمغرب، في ظل تركيزه على قطاعات مثل صناعة السيارات والطائرات، مع إغفال قطاعات أخرى مثل صناعة الإلكترونيات والهواتف المحمولة، والتي أصبحت جزءًا أساسيًا من البنية التحتية الرقمية.
.
.
رابط قراية المقال في أول تعليق👇 | arb_Arab | 0.999336 |
افضل المصادر 😁
السلام عليكم، غبرت عليكم شوية، نتمنى تكونوا فافضل الاحوال. ان شاء الله اليوم انحاول نبارطاجي معاكم المصادر لي انا كنشوف مزيانين لي بغا اقرا على AI.
المصادر لي غانشوف معاكم مقسمين على جوج، كاين لي كيركز على الجانب النظري و منهم لي كيركز على الجانب التطبيقي و هكا اكونوا عندك بجوج. ان شاء الله فكل post نشوفوا مصدر مختلف.
اولا، اليوم انشوفوا غا الجانب النظري. يلاه نتعرفو على instructor ديالنا فهاد المرحلة.
اAndrew Ng: هو معروف بزاف فالمجال ديال الذكاء الاصطناعي، هو من بين المؤسسين ديال Google Brain، لي غنية عن التعريف لي كدير ابحاث فمجال الذكاء الاصطناعي، و هي لي بدات التطوير ف Tensorflow. هاد السيد كان كيقري فجامعة stanford، و هو من المؤسسين ديال Coursera لي كتقدم دروس بشهادات معتمدة. كاع Tutorials اولا courses ديالو اتلقاهم تما.
هذا باختصار شكون هوا Andrew Ng. باش كيعبجني هاد السيد هو كيقريك الجانب النظري لي مكتقاهش الا مكنتيش كتقرا فشي مدرسة. يلاه نشوفوا courses:
ا1. Machine Learning Specialization: اقريك كاع المفاهيم لي كتلقا فالمجال بصفة عامة، وخاصة machine leaning:
What machine leaning? classification vs regression?loss functions? gradient descent?classical machine leaning models?
link: https://lnkd.in/ePe4Ae7n
ا2. Neural Nets and Deep Learning: اشوفوا كا مفاهيم على neural nets:
Neual nets? forward propagation? backpropogation? activation functions? computational graph? parameters initialization? ...
link: https://lnkd.in/es3_W8K7
ا3. Improving Deep Neural Nets: هنا اتشوفوا المشاكل ديال deep neural nets و كفاش نقدروا نحلوهم:
Bias Variance? Overtifiting? Droupout? Vanishing Gradients? Optimization Algos? Hyperparameter optimization? ...
link: https://lnkd.in/eM3HZDgy
ا4 Sequencial Models: هاد course كيركز على models لي كتخدموا ف sequencial data بحال text، اتعلم بزاف ديال المفاهيم على NLP:
RNNs? LSTMs? GRU? NLP & Word Emdeddings? Seq Models & Attention Mechanism? Transformer Nets?
link: https://lnkd.in/eZpzGQuA
مهم هدشي لي كاين الشباب، كاين واحد course على computer vision ب CNN، مبقاش عندي الا لقيتوا n partagih معاكم.
ملاحظة: هاد courses هما كيركزوا على الجانب النظري اما التطبقي ف posts جايين، انعطيكم احسن مكاين بالنسبة ليا فالجانب التطبيقي.
كما العادة الشباب خلي معك شي react و دير شي repost، باش واحد اخر استافد والا عندك شي سؤال خليه ف comments، والسلام عليكم. | ary_Arab | 0.809028 |
افضل المصادر 😁
السلام عليكم، غبرت عليكم شوية، نتمنى تكونوا فافضل الاحوال. ان شاء الله اليوم انحاول نبارطاجي معاكم المصادر لي انا كنشوف مزيانين لي بغا اقرا على AI.
المصادر لي غانشوف معاكم مقسمين على جوج، كاين لي كيركز على الجانب النظري و منهم لي كيركز على الجانب التطبيقي و هكا اكونوا عندك بجوج. ان شاء الله فكل post نشوفوا مصدر مختلف.
اولا، اليوم انشوفوا غا الجانب النظري. يلاه نتعرفو على instructor ديالنا فهاد المرحلة.
اAndrew Ng: هو معروف بزاف فالمجال ديال الذكاء الاصطناعي، هو من بين المؤسسين ديال Google Brain، لي غنية عن التعريف لي كدير ابحاث فمجال الذكاء الاصطناعي، و هي لي بدات التطوير ف Tensorflow. هاد السيد كان كيقري فجامعة stanford، و هو من المؤسسين ديال Coursera لي كتقدم دروس بشهادات معتمدة. كاع Tutorials اولا courses ديالو اتلقاهم تما.
هذا باختصار شكون هوا Andrew Ng. باش كيعبجني هاد السيد هو كيقريك الجانب النظري لي مكتقاهش الا مكنتيش كتقرا فشي مدرسة. يلاه نشوفوا courses:
ا1. Machine Learning Specialization: اقريك كاع المفاهيم لي كتلقا فالمجال بصفة عامة، وخاصة machine leaning:
What machine leaning? classification vs regression?loss functions? gradient descent?classical machine leaning models?
link: https://lnkd.in/ePe4Ae7n
ا2. Neural Nets and Deep Learning: اشوفوا كا مفاهيم على neural nets:
Neual nets? forward propagation? backpropogation? activation functions? computational graph? parameters initialization? ...
link: https://lnkd.in/es3_W8K7
ا3. Improving Deep Neural Nets: هنا اتشوفوا المشاكل ديال deep neural nets و كفاش نقدروا نحلوهم:
Bias Variance? Overtifiting? Droupout? Vanishing Gradients? Optimization Algos? Hyperparameter optimization? ...
link: https://lnkd.in/eM3HZDgy
ا4 Sequencial Models: هاد course كيركز على models لي كتخدموا ف sequencial data بحال text، اتعلم بزاف ديال المفاهيم على NLP:
RNNs? LSTMs? GRU? NLP & Word Emdeddings? Seq Models & Attention Mechanism? Transformer Nets?
link: https://lnkd.in/eZpzGQuA
مهم هدشي لي كاين الشباب، كاين واحد course على computer vision ب CNN، مبقاش عندي الا لقيتوا n partagih معاكم.
ملاحظة: هاد courses هما كيركزوا على الجانب النظري اما التطبقي ف posts جايين، انعطيكم احسن مكاين بالنسبة ليا فالجانب التطبيقي.
كما العادة الشباب خلي معك شي react و دير شي repost، باش واحد اخر استافد والا عندك شي سؤال خليه ف comments، والسلام عليكم. | ary_Arab | 0.809028 |
السلام عليكم،
أجي معايا نݣولك كفاش تهاكي LLMs (عارفهم ياك ههه شات جي بيتي و كدا ) و أجي ندوي لك على مفهوم "التعلم الآلي العدائي" أو بالإنجليزية "Adversarial Machine Learning".
أولا، خلينا نفهمو شنو هو التعلم الآلي العدائي:
التعلم الآلي العدائي هو تقنية فين كنحاولو نخدعو أو نكسرو نماذج التعلم الآلي عن طريق التلاعب فالمدخلات ديالها (inputs). الهدف هو إما نفهمو نقط الضعف ديال النموذج باش نحسنوه، أو نستغلو هاد الضعف فأغراض غير شريفة 😬.
كيفاش كيخدم هاد الشي؟
1. تحليل النموذج:
- أولا، كندرسو النموذج ديال التعلم الآلي ونحاولو نفهمو كيفاش كيشتغل.
2. إنشاء المدخلات العدائية:
- كنصاوبو مدخلات خاصة مصممة باش تخلي النموذج يغلط. هاد المدخلات كتكون قريبة بزاف من المدخلات الطبيعية، ولكن فيها تغييرات دقيقة.
3. اختبار النموذج:
- كندخلو هاد المدخلات العدائية للنموذج ونشوفو كيفاش غادي يتفاعل معاها.
مثال عملي:
تخيل عندنا نموذج كيتعرف على الصور. يمكن نزيدو شوية ديال الضجيج (noise) على الصورة بطريقة ما كيلاحظهاش البنادم، ولكن كتخلي النموذج يعطي نتيجة غالطة تماما.
شوف الرسم لتحت كيوضح كيفاش التعلم الآلي العدائي كيخدم:
1. عندنا صورة عادية ديال كلب.
2. كنزيدو عليها ضجيج عدائي (تغييرات دقيقة).
3. النتيجة هي صورة جديدة اللي شكلها تقريبا بحال الأصلية، ولكن النموذج كيصنفها غالط على أنها قطة.
أهمية التعلم الآلي العدائي:
1. تحسين الأمان:
- كيساعدنا نلقاو نقط الضعف فالنماذج ديالنا ونحسنوها.
2. فهم أفضل للنماذج:
- كنفهمو أكثر كيفاش النماذج ديالنا كتفكر وكتخد القرارات.
3. تطبيقات فالأمن السيبراني:
- كنقدرو نستعملوه باش نحميو الأنظمة من الهجمات اللي كتستهدف نماذج التعلم الآلي.
4. أخلاقيات الذكاء الاصطناعي:
- كيطرح أسئلة مهمة على الموثوقية ديال أنظمة الذكاء الاصطناعي.
التحديات:
- صعوبة الكشف عن الهجمات العدائية.
- الحاجة لتطوير تقنيات دفاعية قوية.
- التوازن بين الأداء والمقاومة ضد الهجمات العدائية.
فالختام، التعلم الآلي العدائي هو مجال مهم ومتطور فعالم الذكاء الاصطناعي. كيساعدنا نفهمو ونحسنو النماذج ديالنا، ولكن فنفس الوقت كيطرح تحديات جديدة فمجال الأمن والموثوقية.
يلا بغيت تزيدو تعمقو شويا فهاد لبلان :
- كتاب شامل يغطي مختلف جوانب التعلم الآلي العدائي:
"Adversarial Machine Learning" by Anthony D. Joseph, Blaine Nelson, Benjamin I.P. Rubinstein, and J.D. Tygar
- مكتبة Python لاختبار ضعف نماذج التعلم العميق ضد الهجمات العدائية:
https://lnkd.in/gFxg7HgB
-فيديو ف يوتيوب مرتاااح على هاد لبللان هادا :
https://lnkd.in/gFi48zrP
بالصحة هههه | ary_Arab | 0.829607 |
السلام عليكم
أجي نشرح ليك مفهوم "لعنة البعدية" أو "curse of dimensionality" بالدارجة، وغادي نركز على علاقتها بالذكاء الاصطناعي والتعلم الآلي.
واش سمعتي بهاد "لعنة البعدية"(اتكون سمعتي بيها بالانجليزية و لا لفرونسي )؟ حيت هادي مشكلة كبيرة فعالم الذكاء الاصطناعي والتعلم الآلي. اوا خليني نفسرها ليك بطريقة بسيطة:
تخيل بلي عندك صندوق كبير فيه كرات ملونة. إيلا بغيتي تلقى كرة حمرا، راه ساهل فصندوق صغير. ولكن إيلا كان الصندوق كبير بزاف، غادي تصعاب عليك تلقى الكرة الحمرا ، حتى إيلا كان عندك بزاف ديال الكرات الحمر.
هاد الشي هو نفسو اللي كيوقع فالذكاء الاصطناعي. كل ما زدنا معلومات (أو "أبعاد" كيف كنسميوهم)، كل ما ولات المساحة اللي خاصنا نقلبو فيها كبيرة بزاف. وهادشي كيخلي العملية ديال التعلم والتنبؤ صعيبة بزاف.
مثال عملي:
تخيل بلي كنحاولو نديرو نموذج باش نتنبأو واش شي زبون غادي يشري شي منتوج ولا لا. إيلا خدينا غير العمر ديال الزبون، راه ساهل. ولكن دابا تخيل بلي زدنا معلومات أخرى: الدخل، الجنس، المدينة، التعليم، وهكذا... كل معلومة كتزيد بعد جديد، وكتخلي المساحة ديال البحث كبيرة بزاف.
شنو كيوقع منين كتكون عندنا هاد المشكلة؟
كنحتاجو لبزاف ديال البيانات باش نتعلمو: كل ما زادت الأبعاد، كل ما خصنا بزاف ديال الأمثلة باش النموذج ديالنا يتعلم مزيان.
الحسابات كتولي معقدة: كنحتاجو لوقت طويل وقدرة حسابية كبيرة و بالتالي و اهم حاجة ايخصنا الصرف امعلم باش نحلو المشاكل.
و كيصعاب علينا نفهمو النتائج: منين كيكونو بزاف ديال الأبعاد، كيصعاب نتصورو وندويو على النتائج بطريقة مفهومة.
هادي مشكلة كبيرة، لي كتسبب لينا فواحد الحاجة سميتها ال "overfitting"فين النموذج كيتعلم التفاصيل الزايدة فالبيانات ديال التدريب، وكيفشل فالتعميم على حالات جديدة.
شنو كنديرو باش نحلو هاد المشكلة؟
1. كنختارو المعلومات المهمة بزاف: ماشي كل معلومة مهمة، كنحاولو نركزو على اللي عندها تأثير كبير.
كنقللو من عدد الأبعاد: كاينين تقنيات بحال PCA (Principal Component Analysis) اللي كتساعدنا نقللو الأبعاد بلا ما نخسرو بزاف ديال المعلومات.
2.كنستعملو نماذج خاصة: كاينين بعض النماذج اللي مصممة خصيصا للتعامل مع البيانات اللي فيها بزاف ديال الأبعاد.
3.كنزيدو فحجم البيانات: كنحاولو نجمعو أكبر قدر ممكن من البيانات باش نغطيو المساحة الكبيرة.
فالختام، "لعنة البعدية"(الهربة مع هاد المصطلحات د العربية) هي تحدي كبير فمجال الذكاء الاصطناعي والتعلم الآلي، ولكن كاينين بزاف ديال الطرق اللي كنحاولو بيهم نتغلبو على هاد المشكلة. الفهم ديالها مهم بزاف باش نقدرو نطورو نماذج ذكية وفعالة.
شوف هاد المصادر باش تفهم كتر على هاد لبلان :
https://lnkd.in/gVijP-gm : كتاب أكاديمي شامل يغطي العديد من جوانب التعلم الإحصائي، بما في ذلك لعنة البعدية
https://lnkd.in/gYP-ms9u : فيديو على YouTube يقدم شرحًا بصريًا للمفهوم
https://lnkd.in/gXk3wbnQ : مقال شامل يناقش المفهوم وتأثيره على التعلم الآلي
و السلاااام | ary_Arab | 0.995656 |
مرحباً بالجميع ؛
إليكم هذا الموضوع حول التوأم الرقمي أو " Digital twin "هو أحد التطبيقات المتقدمة التي جاءت نتيجة تطور الذكاء الاصطناعي وتقنيات إنترنت الأشياء. هو عبارة عن نسخة رقمية تعكس الواقع المادي لنظام أو آلة أو عملية معينة، يتم من خلالها جمع وتحليل البيانات بهدف محاكاة سلوك هذا النظام أو تلك الآلة في ظروف واقعية مختلفة. بفضل هذه التقنية، أصبح من الممكن تحسين الكفاءة، تقليل الأخطاء، وتوقع الأعطال قبل وقوعها، مما أدى إلى إحداث ثورة في مجال الأنظمة الصناعية.
يتم استخدام التوأم الرقمي في العديد من الصناعات الحيوية، خاصة في المجالات التي تتطلب دقة عالية وموارد كبيرة.
إليك بعض التطبيقات الواقعية التي توضح كيف يُستخدم التوأم الرقمي في الأنظمة الصناعية:
-صناعة السيارات :
في صناعة السيارات، يُستخدم التوأم الرقمي لتحليل أداء مكونات السيارة، مثل المحرك أو نظام الفرامل. من خلال تثبيت مستشعرات داخل السيارة لجمع البيانات حول كيفية استجابة السيارة لمختلف الظروف (مثل التسارع، الحرارة، استهلاك الوقود)، يتمكن التوأم الرقمي من محاكاة أداء السيارة في مواقف واقعية.
على سبيل المثال، يمكن للشركات المصنعة للسيارات اختبار سيناريوهات مختلفة مثل قيادة السيارة في طرق وعرة أو تحت ضغط حرارة عالية، دون الحاجة إلى إجراء اختبارات فعلية على الطرق، مما يوفر الكثير من الوقت والمال.
-الصناعات التحويلية والمصانع:
في مجال التصنيع، يُستخدم التوأم الرقمي لتحسين خطوط الإنتاج وضمان كفاءة العمليات. من خلال نمذجة وتحليل البيانات التي تُجمع من الآلات والمعدات، يمكن للتوأم الرقمي محاكاة تأثير أي تغيير في عملية الإنتاج قبل تنفيذ هذا التغيير فعليًا.
على سبيل المثال، إذا أراد مصنع تغيير تصميم منتج معين أو تحسينه، يمكنهم استخدام التوأم الرقمي لمحاكاة هذه التغييرات ومعرفة كيف ستؤثر على الإنتاج، مثل جودة المنتج النهائي أو سرعة الإنتاج.
-إدارة الطاقة والبنية التحتية :
تُستخدم التوائم الرقمية أيضًا في مجال الطاقة لإدارة البنية التحتية، مثل محطات توليد الكهرباء أو شبكات الطاقة. من خلال مراقبة البيانات الفعلية حول استخدام الطاقة، يمكن للتوأم الرقمي تقديم تنبؤات حول الطلب المستقبلي على الطاقة، وكذلك تحسين توزيعها وتقليل الفاقد.
على سبيل المثال، يمكن للتوأم الرقمي لمحطة طاقة أن يتوقع فترات الذروة في استهلاك الطاقة ويقترح تحسينات في تشغيل المحطة لتلبية الطلب بأفضل كفاءة.
تعتمد الشركات والصناعات على التوأم الرقمي لتحقيق عدة فوائد، منها:
تقليل التكاليف:
من خلال محاكاة التغيرات قبل تطبيقها فعليًا، يمكن للشركات تجنب الاستثمارات الكبيرة في تجارب غير مضمونة.
زيادة الكفاءة:
من خلال تحليل البيانات بشكل مستمر، يمكن للتوأم الرقمي تحسين العمليات وتقديم توصيات لتحسين الأداء.
الصيانة التنبؤية:
يساعد التوأم الرقمي على التنبؤ بالأعطال وإجراء الصيانة اللازمة قبل حدوث المشكلات الكبيرة، مما يقلل من فترات التعطل ويزيد من عمر المعدات.
تحسين اتخاذ القرار:
يتيح التوأم الرقمي للمديرين والمهندسين اتخاذ قرارات تستند إلى بيانات دقيقة، مما يقلل من المخاطر ويسهم في تحسين النتائج.
التوأم الرقمي هو تقنية حديثة تُحدث تحولًا جذريًا في طريقة تشغيل الأنظمة الصناعية. من خلال توفير وسيلة لمحاكاة وتحليل العمليات والآلات في الوقت الفعلي، تتيح هذه التقنية تحسين الكفاءة وتقليل التكاليف وضمان استمرارية العمل. بفضل الذكاء الاصطناعي، يزداد دور التوأم الرقمي أهمية، ومن المتوقع أن يستمر في تطوير مستقبل الصناعات. | arb_Arab | 0.999738 |
"من القرآن الكريم، نجد أسمى القيم التي توجهنا نحو تطوير مهاراتنا وتحسين أنفسنا في الحياة والعمل. من التعاون إلى الإبداع، كل آية تحمل دروسًا مهمة تُلهمنا للسعي نحو الأفضل."
💬 ما هي المهارات الأخرى التي يمكن أن نستلهمها من القرآن الكريم؟ شاركنا أفكارك في التعليقات!
للبقاء على اطلاع دائم 📢 بآخر الوظائف، تابعونا 🔔 على :
· Telegram ✉ : https://lnkd.in/dnXVVe5i
· Facebook 👍 : Facebook.com/MarocAnnonces
· YouTube 🎬 : https://lnkd.in/ey64exjF
· LinkedIn 👨🎓 : https://lnkd.in/enYkZeFG
· Instagram ❤ : https://lnkd.in/eUXCWGkW
· WhatsApp 💭 : https://lnkd.in/ej7Sn4AJ
#MarocAnnonces #مهارات_الحياة #SoftSkills #QuranWisdom | arb_Arab | 0.873875 |
مهم بزاف 😄
السلام عليكم، اليوم باغي نعاود نحط ليكم الرابط groupe ديال بالدارجة IT Concepts، الصراحة لي باقي مدخل راه فاتو بزاف د المعلومات، الشكر موصول لجميع، لي ساهموا باي حاجة. نخليكم مع les posts ديال الشباب لي تبارك الله عليهم واحد بواحد. والسلام عليكم.
https://lnkd.in/e59WwVGJ | ary_Arab | 0.999518 |
أجي نكتاشفو ال Computer vision
السلام عليكم، أول منشور ف أجي تفهم IT concepts بالدارجة، و الموضوع لي حبيت نهدر عليه هو لcomputer vision اولا الرؤيه بالكمبيوتر
الcomputer vision الأصدقاء مجال بحالو بحال NLP لقى رواج مؤخرا و تاهوا فرع من AI و عندو بزاف ديال التطبيقات في الطب،في الأمن، السياقه الذكية، الوجيستيك و مزال العاطي يعطي...
الcomputer vision عندها بزاف ديال المهام ولا tasks لي كل وحده فريده من نوعها منهم
Image Classification, object detection, segmentation (sementic/instance)...
هاد المجال كان بدا يتشهر ف 2010 فاش تجمعو جوج حوايج GPUs و ال computing power ديالهم و لي كانو عاد بانو بالخصوص CUDA لي كاتعاون ف الإستعمال ديال GPUs
و مول شي CNN (convolutional neural network)
لي بانت ف 1980
البنية ديال CNN كان عندها الخصائص ديالها لي كيميزوها على FCNN
(fully connected neural network)
ولي كيخليوها حاكما سوق،
غادي نعتبر عندك معرفة شوية ب neural networks و MLP ( multi layer perceptron)
و
و من أهم هاد الخصائص لي كنلقاو و كيميزوها على MLP:
1. Parameters sharing
اي كنخدمو البارامترات كتر من مرة ادن ماغاديش نخدمو على بارامترات بزاف ف Training
2. Local connectivity
اي اننا كنخليو النمودج يركز على اجزاء صغار ماشي كولشي فدقا،
3. Pooling
لي كتخلينا نلخصو أجزاء من صورة لي ف input ديالنا
و منغير هاد شي مزال خصائص أخرين و تفضيلات أخرين لي كيخلي لكل نمودج ذكاء إصطناعي فلسفة ديالو
و من لوقيتا لي خرجت فيها CNN تدارو بزال ديال التطورات فهاد المجال ديك ساع تدارو قواعد بيانات باش يكون واحد التنافس ف أحسن نمودج من بين اشهر قواعد البيانات كنلقاو CIFAR 10/100, ImageNet
و معا لوقت تزادو datasets اخرين معقدين كتر بحال Cityescape و ADE20K
من أهم النمادج لي كانو ف لوقيته ديال 2014~2016 كنلقاو
VGGnet, Inception, ResNet, DenseNet
و معا لوقت تزادو نمادج كتر، و الأهم هوا هاد النمادج لي قدام مزال كيتستعملو حتال دابا كمستخرج الميزات اولا feature extractor, اولا backbone, اولا encoder و بلا مادوخ هاد المصطلحات كيعنيو نفس الحاجة
و لحد دابا كنلقاو بلي حتى لcomputer vision متعتقاتش من داشي ديال attention is all you need و داكشي ديال transformers ، و كنلقاو نمادج لي لأساس ديالها كيكون transformer لي تكيف بواحد طريقة باش يخدم على الصور و من أشهرهم swin, ViT...
اولا ل backbone ديالها عبارة عن transformer بحال mask2former, DETR, Segformer
بحال مثلا mask2former خدام ب backbone لي هوا swin, ولا ResNet لي دكرنا
و مزال نمادج اخرين...
تقدرو تلقاو كتر على هاد النمادج و الأداء ديالها ف قواعد البيانات لي ذكرنا ف paperswithcode
https://lnkd.in/ehizzVnz
هاد البوسط حاولت نعطي واحد نظره عامه على لcomputer vision وماشي تقني بزاف تقدرو تقلبو عليهم كتر باش تأكدو من كولش | ary_Arab | 0.995859 |
“You can have data without information, but you cannot have information without data.” — Daniel Keys Moran
السلام عليكم، هاد الاقتباس كيختصر بشكل كبير الغاية من البيانات (Data). إذا كنت كتسمع بزاف على Data وأنها أصبحت "التوجه" (trend)، وكتسأل فراسك: "شنو كايديروا الناس ديال Data بالضبط؟" تبع معايا مزيان وغتفهم إن شاء الله. 📊
كلنا تقريباً جربنا هاد الموقف: تكون عندك شي لقاء مع عميل (Client) جديد أولا شي شخص يلاه تلاقيتي معاه وفالغالب كطلب منو شي نصيحة نظرا للقيمة الاجتماعية ديالوا مثلا باش تستافد، وكتسمع منو شي كلام اللي فديك اللحظة ما تتكونش واعي تماماً بمعناه 🤔. فهاد اللحظة نتا غير كتخزن الهدرة لقالك فبالك، كندويو هنا على "جمع البيانات (Data Collection)"🗂️. ولكن، وأنت راجع للدار، كتبدا تفكر في الهدرة لقال وتتبغي تفهم شنو كان كيقصد بالضبط. في هاد اللحظة، كتجمع وتربط بين مختلف الأفكار اللي سمعتها (نقدروا نقولوا هنا كندويو على "التحليل")، وتتحاول تستنتج واحد الخلاصة من هاد البيانات (Data)، اللي فهاد الحالة هي المعلومة (Information) اللي بغا يوصلك داك السيد 🧠.
هاد المثال البسيط كيلخص لنا العملية اللي كتدوز منها البيانات باش تقدر تستخرج المعلومات اللي غتقدر الشركة ديالنا تعتاعمد عليها باش دير des décisions 💼، وشي حاجة ليباينة تربح فلوس منها أولا ضوبل chiffre d'affaires ديالها مثلا 💰. كايبان ليا بلي الواحد قبل مايقلب على المصطلحات التقنية وles détails، أول حاجة هي فهم lprocess عامة، بحال شي drone كتصور من الفوق عرف input و output 📥📤، والتفاصيل غنتطرقوا ليهم إن شاء الله فالبوستات اللي جايين🚀.
حنا كاملين هنا باش نتعلموا وهاد البوسط غير initiation ومزال غانطرقوا لمفاهيم معقدة ونشرحوها بطريقة بسيطة لتعم الفائدة .
See you💯 | ary_Arab | 0.968241 |
اليوم ف رابع post ليا ف آجي تفهم concepts بالدارجة ، غنتكلم على موضوع مهم بزاف، Data و Storytelling وكيفاش هاد الجوج كيتكاملو باش يخلقو تواصل قوي 💪🏻
اليوم غادي نتكلم على كيفاش هاد المفاهيم كيقدرو يحولو شركة عادية لـleader حقيقي فالسوق.
هاد التقنيات ماشي غير أدوات، ولكن هوما السلاح السري اللي كيخلي الشركات تبرز وسط المنافسة القوية فعالم التكنولوجيا. غادي نشوفو كيفاش الـData و الـStorytelling كيتجمعو باش يخلقو استراتيجيات ذكية وفعالة، كتخلي أي شركة تلقى مكانتها فالسوق وتولي رائدة فمجالها.
Let's start with Data:
واش كتعرفو شنو هي Data؟
It's like the gold of our digital age!🌟
هي كنز المعلومات اللي كنجمعو على الزبناء والسوق ديالنا. كتعطينا نظرة شاملة على كلشي
from user behavior to market trends 📈
Now, what about Storytelling?
هو فن الحكي بطريقة كتخلي الناس يتفاعلو مع الرسالة ديالنا. ماشي غير نحكيو أي قصة، ولكن نخلقو رابط قوي مع الجمهور ديالنا.
دابا غنشرحليكم كيفاش هاد الجوج كيتلاقاو أو the magic happens✨️ ،بسم الله نبداو:
1. Data-Driven Characters:
كنخلقو شخصيات حقيقية ،مبنية على معطيات واقعية ، وكنستعملوهم باش نوصلو الرسالة ديالنا بطريقة كتمس الزبناء مباشرة.
هادي هي قوة هاد الطريقة أنها كتخلي الإعلانات والتواصل ديال الشركة أكثر شخصي ومؤثر ،كل زبون كيشوف راسو فالشخصيات اللي كنخلقو، وكيحس باللي الشركة كتفهمو وكتقدم ليه داكشي اللي كيحتاجو بالضبط.
2. Numbers with a Soul:
كنقدرو نحولو الأرقام لقصص مؤثرة ،بدل ما نعطيو غير إحصائيات ، كنحكيو على التأثير الحقيقي لهاد الأرقام .نعطيكم مثال :
"Sales increased by 30%" بدل ما نقولو
We can tell the story of how 30 small businesses in our neighborhood grew thanks to our product.
كلشي كيتركز كيفاش نقدرو نعيطيو الحياة لهاد الأرقام .
3. Personalization at Scale:
الdata كتمكنا نخلقو قصص شخصية لكل فئة من الجمهور ديالنا. كل واحد كيحس بلي حنا كنهضرو معاه هو بالضبط.
4. The Perfect Timing:
بفضل Data analytics، كنعرفو الوقت المناسب باش نشاركو القصص ديالنا.
When our audience most engaged?
Data has the answer ✨️
5. Measuring Impact:
من بعد ما نحكيو القصة ديالنا، Data كتساعدنا نقيسو التأثير ديالها. شكون تفاعل، كيفاش، وشنو النتيجة؟ هاد الشي كيساعدنا نحسنو الاستراتيجية ديالنا.
6. Predictive Storytelling:
منين كنستعملو predictive analytics كنقدرو نتوقعو أنواع القصص اللي غادي تنجح فالمستقبل.
It's like having a crystal ball for our content 🔮
7. Visual Storytelling:
Data visualization is a powerful form of storytelling 🙌🏻
كنحولو الأرقام لرسومات وصور اللي كتحكي قصص بطريقة مرئية ومؤثرة.
⚠️ الهدف هو نلقاو التوازن المثالي بين العقل (Data) والقلب (Storytelling). ملي كنجمعو بيناتهم، كنخلقو سحر حقيقي!
واش فايت جمعتو ما بين Data و Storytelling 🤔 ؟ شاركوني التجارب ديالكم .
غادي يفيدنا بزاف YASSINE OUAHMANE فهاد الجانب ديال Data ، بالإضافة أنه عندو مهارات قوية وتصورات مبتكرة ، يقدر يفيدنا بشي معلومة ولا يعطينا الرأي ديالو على كيفاش كتأثر Data و كتساعدنا نتاخدو قرارات ذكية ونحللو المعلومات بطريقة أحسن😉
إلى عندكم شي أسئلة ولا معلومات إضافية ولا تصحيح لشي معلومة، أنا فانتظار التعاليق ديالكم💬🚀
#DataStorytelling #MarketingMagic #DigitalInnovation #CommunicationPower #Datavisualization | ary_Arab | 0.946708 |
من زاوية مختلفة 😀
السلام عليكم، اليوم ان شاء الله مع post جديد، نحاولو نشوفوا الامور من منظور مختلف.
الموضوع لي بغيت ناقش معاكم هو الاختلاف مبين المشاريع (projects) لكنخدموهم حنا كنقراو و المشاريع الحقيقية لكينين فالخدمة. غنعطي الامثلة فمجال AI وتقدروا تسقطوا على اي مجال بغيتو.
انا مثلا يلاه قريت علا CNN ولا Yolo وفهمت كفاش خدام الخ، من بعد كيخصني نخدم على شي مشروع لي غنطبق فيه المفاهيم لتعلمت، كنختار واش ندير classification ولا object detection مهم ماعلينا من بعد كنمشي ل kaggle او اي موقع جيب dataset ونخدم، من بعد انحسب اسيدي accuracy و F1 score و نقاها 99% صافي هني درت مشروع و نشر داكشي ف linkedin. حتى هنا مزيان مكاين تا مشكل ولكن كاين بعض المشاكيل الا كانو كاع projects لي ختخدموهم اكون بهاد الطريقة، باش تفهم خلي نشوفو real world project كفاش دايرين.
ا1. problematique: اول حاجة كنبداو بيها مشي هيا notebook ولا vscode بل كاين واحد مشكل حقيقي، لي كيعاني منو بزاف ديال الاشخاص. لي حنا كشركة كتحاول identifih و تحاول تلقا الحلول، والحل الا كان خاصو ارجع علينا بفلووس، الا مافي فلووس مكانين والو 😂.
ا2. الحل: بالنسبة للحل ماشي انختار Yolo حيت كلشي خدام بيه لا، كتحاول شوف technology لتخدم ليك مزيان فاطار resources و contraintes لي عندك والحل خص تكون التكلفة اقل الا تقدر تحل ليا مشكل ب if else توكل على الله بلا من هاد AI، لكتحتاج computation resources وتخسر بزاف الفلوس. كما بنادم دبا مع GenAI اي مشكل كلصق ليه LLMs، واقدر اكون حل بسيط و غير مكلف غير الواحد ملي كيكون متعلق ب tools هكاك كتكون النتيجة. والحل ديال المشكل اقدر اكون تخليطة ديال technologies ولا تبتاكر شي طريقة جديدة، هنا فين كيكون الاختلاف مع projects لي حنا كنخدموا كتكون نتا adapter كلشي على حساب داكشي لي كتقرا، ماشي جاية من واحد problématique.
ا3. اغلبية المشاريع لي كنخدموا مكنمشيوش لمرحلة ديال deployment و ما بعدها، و هذا مشكيل كبير. حيث الخدمة الكبيرة والقاسحة كتكون فهاد المرحلة. مثلا عندك موديل واصل 99% هذا لا يعني راه انك ساليتي لا كون جربته ف deployement اقدر اكون 30% حنا فين كيكون التحدي، خصك تعرف المشكل واش موديل ولا data لي ترينتي بها مشي representative الخ من المشاكل، وتقدر دير changement وخرجوا ليك مشاكل من نوع اخر.
باختصار حاولت تخدم على projects لي عندهم واحد problématique réel، و الاختيار ديال tools اولا technologies اكون مبني على حجة، مشي تختار tool و adapter كلشي على قبلو.
هذا مكان، بغيت الراي ديالكم فالتعليقات، كما العادة دير react و repost باش واحد اخر استافد والسلام وعليكم.
#AI #project #buisness #company #IT | ary_Arab | 0.99673 |
من زاوية مختلفة 😀
السلام عليكم، اليوم ان شاء الله مع post جديد، نحاولو نشوفوا الامور من منظور مختلف.
الموضوع لي بغيت ناقش معاكم هو الاختلاف مبين المشاريع (projects) لكنخدموهم حنا كنقراو و المشاريع الحقيقية لكينين فالخدمة. غنعطي الامثلة فمجال AI وتقدروا تسقطوا على اي مجال بغيتو.
انا مثلا يلاه قريت علا CNN ولا Yolo وفهمت كفاش خدام الخ، من بعد كيخصني نخدم على شي مشروع لي غنطبق فيه المفاهيم لتعلمت، كنختار واش ندير classification ولا object detection مهم ماعلينا من بعد كنمشي ل kaggle او اي موقع جيب dataset ونخدم، من بعد انحسب اسيدي accuracy و F1 score و نقاها 99% صافي هني درت مشروع و نشر داكشي ف linkedin. حتى هنا مزيان مكاين تا مشكل ولكن كاين بعض المشاكيل الا كانو كاع projects لي ختخدموهم اكون بهاد الطريقة، باش تفهم خلي نشوفو real world project كفاش دايرين.
ا1. problematique: اول حاجة كنبداو بيها مشي هيا notebook ولا vscode بل كاين واحد مشكل حقيقي، لي كيعاني منو بزاف ديال الاشخاص. لي حنا كشركة كتحاول identifih و تحاول تلقا الحلول، والحل الا كان خاصو ارجع علينا بفلووس، الا مافي فلووس مكانين والو 😂.
ا2. الحل: بالنسبة للحل ماشي انختار Yolo حيت كلشي خدام بيه لا، كتحاول شوف technology لتخدم ليك مزيان فاطار resources و contraintes لي عندك والحل خص تكون التكلفة اقل الا تقدر تحل ليا مشكل ب if else توكل على الله بلا من هاد AI، لكتحتاج computation resources وتخسر بزاف الفلوس. كما بنادم دبا مع GenAI اي مشكل كلصق ليه LLMs، واقدر اكون حل بسيط و غير مكلف غير الواحد ملي كيكون متعلق ب tools هكاك كتكون النتيجة. والحل ديال المشكل اقدر اكون تخليطة ديال technologies ولا تبتاكر شي طريقة جديدة، هنا فين كيكون الاختلاف مع projects لي حنا كنخدموا كتكون نتا adapter كلشي على حساب داكشي لي كتقرا، ماشي جاية من واحد problématique.
ا3. اغلبية المشاريع لي كنخدموا مكنمشيوش لمرحلة ديال deployment و ما بعدها، و هذا مشكيل كبير. حيث الخدمة الكبيرة والقاسحة كتكون فهاد المرحلة. مثلا عندك موديل واصل 99% هذا لا يعني راه انك ساليتي لا كون جربته ف deployement اقدر اكون 30% حنا فين كيكون التحدي، خصك تعرف المشكل واش موديل ولا data لي ترينتي بها مشي representative الخ من المشاكل، وتقدر دير changement وخرجوا ليك مشاكل من نوع اخر.
باختصار حاولت تخدم على projects لي عندهم واحد problématique réel، و الاختيار ديال tools اولا technologies اكون مبني على حجة، مشي تختار tool و adapter كلشي على قبلو.
هذا مكان، بغيت الراي ديالكم فالتعليقات، كما العادة دير react و repost باش واحد اخر استافد والسلام وعليكم.
#AI #project #buisness #company #IT | ary_Arab | 0.99673 |
السلام عليكم 😀.
بفضل الله، ثم جهد ديال الشباب Mouhssine Annouri و Sara ouhaddou قدرنا نبداو concept ف linkedin، لي كل واحد فينا شرح concepts فالمجال لي كيعرف بالدارجة المغربية، حيت شحال من واحد كتكون اللغة عائق بش اتعلم.
اذن قلنا علاش لا مندروش group ف linkedin، لي لقدر اي واحد ادخل ليه، ولا اشرح فيه مفهوم فشي بوصط بالدارجة. هنا فين درنا هاد group تحت الاسم IT concepts بالدارجة.
اي واحد مهتم ادخل استافد و خلي بصمة ديالو حتى هوا فالمجال لي كيعرف فيه بش نستافدوا جميع.
كما العادة دير react و repost بش اوصل اكبر عدد ممكن، والسلام عليكم.
#AI #IT #Morocco #Maroc | ary_Arab | 0.997189 |
أجي تفهم concepts بالدارجة ، مبادرة جيدة🌟 من Moussa Jamor ف دومين ديال #AI و Mouhssine Annouri ف دومين ديال #cybersecurity, لهذا فكرت و قلت نمشي على الخطى ديالهم ، وندير post على cloud computing ، أنا ماشي expert فيه ،ولكن خديت Online course و بحثت فيه باش نطور معارف ديالي ، كيقولو إلى قدرتي تفهم شي concept للآخر بالطريقة الجيدة و قدر يستوعب ، فراك فاهمه مزيان👏🏻
بسم الله ،نبداو:
تخيل معايا عندك واحد المكتبة عامرة بالكتب المهمة ديالك، ولكن هاد المكتبة مايمكنش ديها معاك لأي بلاصة مشيتي ليها،دابا كتقول مع راسك أن محتاج هاذ الكتب كاملين ولكن كيفاش غنقلهم ، مشكل صعيب ،
ولكن كاين حل هو أنك تقدر توصل ليها من أي بلاصة وفي أي وقت غير باستعمال الأنترنت. هاد الشي اللي كنسميوه الحوسبة السحابية أو cloud computing ☁️
كيفاش كيخدم cloud وأشنو هما المميزات ديالو ؟
أولًا، السهولة والمرونة: وقت ما احتاجتي شي معلومة تلقاها واجدة. ما كيبقاش ضروري تكون في نفس البلاصة ولا تستعمل نفس الجهاز. مثلا، تقدر تبدا مشروع فالمكتب وتكملو فالدار.
ثانيًا، الأمان: الشركات اللي كتوفر خدمات cloud كتركز بزاف على حماية البيانات. يعني، حتى إلى تلفتي الجهاز ديالك، غادي تبقى معلوماتك محفوظة وآمنة لأن هاد الشركات كيضمنو ليك حماية عالية للبيانات .
ثالثًا، التكلفة المعقولة: مع cloud، ما غاديش تحتاج تشري أجهزة غالية وتدير ليها صيانة مستمرة. كتخلص على قد ما كتستعمل، وهكذا تقدر توفر بزاف.
رابعًا، التعاون: cloud كيسهل على الفرق باش يخدموا مجموعين من أماكن مختلفة. تخيل فريق خدام على مشروع وكل واحد في مدينة مختلفة، وcloud كيجمعهم بحال أنهم فمكتب واحد.
كيعطينا Cloud computing الحرية باش نخدمو بكل أريحية وفعالية و بدون تعقيدات و تكاليف لا ضرورة لها🤝🏻💡
السؤال اللي كيتبادر للأذهان ديالكم هو كيفاش كيقدر ☁️cloud computing يفيد الأفراد، الفرق، الشركات، وحتى start-up و يطبق على أرض الواقع ؟
كيفاش كيستافد الفرد؟
كيعطيك Cloud القدرة على تخزين تصاورك، فيديوهاتك، وحتى الوثائق ديالك بلا ما تحتاج مساحة كبيرة فالجهاز ديالك. تقدر توصل ليهم من Téléphone، Tablette ، أو Laptop فين ما كنتي.
بالنسبة للفرق:
كيسهل cloud التعاون بين أفراد الفريق. تقدروا تخدموا على نفس المشروع من بلايص مختلفة، وتشاركو التحديثات فالحين. هاد الشي كيعني إنتاجية أعلى وتواصل أفضل بين أفراد الفريق.
بالنسبة للشركات:
كيوفر cloud للشركات مرونة كبيرة. كيخليهم يوصلوا للبيانات ديالهم من أي بلاصة وكيضمن ليهم الأمان. ما كيبقاش ضروري يشريوا سيرفرات غالية ويهتموا بالصيانة ديالها.
: Start-up و بالنسبة ل
كيساعد cloud ل Start-up باش تبدأ بسرعة وبتكلفة منخفضة. ما كيبقاش ضروري الاستثمار فالبنية التحتية الغالية. تقدر تركز على تطوير المنتج ديالك وتوسيع النشاط ديالك بسهولة.
إلى عندكم شي أسئلة ولا معلومات إضافية ولا تصحيح لشي معلومة، أنا فانتظار التعاليق ديالكم 🙌🏻
#Cloudcomputing #Cloud #flexibility #Learning | ary_Arab | 0.945304 |
شكرا سي Mouhssine Annouri تبارك الله عليك، و بغيناك تكمل، cybersecurity concepts بالدارجة.
well done Bro, keep going. | ary_Arab | 0.673088 |
مجرد اقتراح 😁.
السلام عليكم، بلا منطول عليكم الاقتراح بكل اختصار علاش منديروش واحدAI community، صراحة هاد concept ديال community كنشوفها عند الغرب بزااف، حنا فالمغرب قليلة.
نديرو واحد discord server لي فيه اقدر اي واحد ادخل، فهاد community اتلقا اي حاجة، المصادر لي بغا اقرا AI، كتب، احسن tutorials roadmaps ،الا عندك سوال و لا حصلتي فشي حاجة اتلقا لي اعاونك، مهم اي حاجة.
انا معرفتش شنو اكون بضبط انا باغي الاقتراحات ديالكم ف comment. تحياتي والسلام عليكم.
#AI #community #ML #discord | ary_Arab | 0.976456 |
اجي تفهم AI concepts بالدارجة 😀
السلام عليكم، شنو الفرق مبين GPT و ChatGPT؟ و شنو هما المراحل training ديال واحد LLM؟
باختصار كينين جوج ديال المراحل اساسية pre-training و finetuning. نبداو بالمرحلة الاولى:
ا1. pre-training: كنخليو الموديل كيتعلم على large corpus of text باش اولي افهم اللغة، السياق، العلاقة مبين tokens بحال الا قلتي كيكتاشف وكتعرف على هديك اللغة و كيطلق لسانو فيها، هاد مرحلة كتحتاج وقت و computation و data تكون كثيرة بزاف على سبيل مثال الا خدينا Llama راه متريني على 15 trillion tokens و training كيمتد لايام بحال llama3 8B خدا 3 ايام و Llama3 70B لخدا 17 يوم اما ressources اخدموا مئات او الاف ديال GPUs و tasks لكي ترينيو عليها بحال next word prediction، ولا filling mask... الخ. لحسن الحظ ان فهاد المرحلة task لكي trainiw عليها كتكون self supervised learning، يعني label كناخدوه من input و بشكل automatique، هنا كنهظرو على GPT، كيعرف الاستعملات العامة ديال اللغة.
ا2. finetuning: ملي كتسالي من pre-training كيكون عندك model عندرو قدرات عامة فلغة، فهاد مرحلة ديال finetuning فين كناخدوا هاد model و trainiwh على واحد task معينة وكيولي مختص فيها، و data كتكون قليلة بالمقارنة مع المرحلة الاولى و كتكون quality مزيانة مقادة وكتكون labeled من طرف ناس قادوها manually ، مثال ديال chatbot، اتقاد واحد dataset لي فيها user query و response هنا كيكون input و label ديالها. وتاخد GPT و finetunih على عاد dataset باش اولي assistants و تما كنهضرو على chatgpt. فهاد المرحلة مكتحتاجش بزاف ديال الوقت و ressources ولكن challenge كيكون هوا data خصك توجدها manually. واخيرا فهاد مرحلة تخيلوا اي task اخرى من غير chat.
هكا كملنا post ديال اليوم، عندي اقتراح الا كنتوا بغيين مواضيع نهضروا عليهم ف posts جايبن معليكوم غير تخليهم ف comment.
كما العادة الا عجبك post خلي معاك reaction ودير شي repost باش واحد اخر استافد، والا عندك شي question خليها ف comment، والسلام عليكم.
#AI #ML #ChatGPT #DL #OpenAI #GPT #LLMs #Finetuning #Training | ary_Arab | 0.98451 |
اجي تفهم AI concepts بالدارجة 😀
السلام عليكم، كنا هضرنا ف post اللخر عل Embeddings و الاهمية ديالها اليوم ان شاء الله انشوفو واحد concept اخر لي كيجي قبل منها لي هيا Tokenizaton. اجي نشوفو اش كتعني ف context ديال Text و LLMs.
دبا Tokenization بكل اختصار هي طريقة تقسيم Text لقطع صغيرة لكتسما Tokens. هاد Tokens اقدر تكون حرف ولا جزء من كلمة و لا كلمة كاملة ولا حتى كثر هاد التقسيمة كيديرها Tokenizer. اذن LLMs مكتعاملش مع Text ككلمات بل ك Tokens، و كل LLM كيجي مع Tokenizer ديالوا. كما باين ف الصورة ا كل لون كيعبر عن token. مثال ان كلمة 'Tokenization' كيقسمها لجوج ديال tokens الاولى هي 'Token' والثانية هي 'ization'. الا جمعتي كاع tokens لي اقدروا اكونو تما كتهضر vocabulary. هاد vocabulary و لا المعجم كربط كل token مع واحد index. مثال
'Tokenization' =>['Token', 'ization'] =>[30642, 1634]
ملاحظة: ها التقسيمة و indices راه Tokenizer ديال openai هو لي عطاهم، ان خلي ليكم رابط لتحت.
دبا كل index كعطينا البلاصة فين كاين Embeddings vector ديال هاد token، هاد Embeddings Vectors مجموعين فواحد الجدول لي كيتسمى Embedding Table و لا Embedding Matrix.
هاد Tokenizarion مهمة بزاف و نقدر نقول عليها هي مصدر بزاف مشاكيل ديا LLMs كمثال بسيط هاد Tokenizarion لي خلات GPT-3.5 اكون حسن من GPT-2 ف coding خاصة python.
ان شاء الله ف posts جايين انشرحو كثر على الاهمية ديال Tokenizarion و دبا ولينا عارفين كاع concept باش نهضروا على LLMs من prompt ديال user حتى generating output.
هذا هو الرابط ديالOpenAI tokenizer :
https://lnkd.in/e84m9M7i
شكرا بززاف على التفاعل ديالكم، وكما العادة الا عجبك post دير شي react و repost باش اخر استافد، ولا عندك شي question خليها ف comment و السلام عليكم. | ary_Arab | 0.973027 |
اجي تفهم AI concepts بالدارجة 😀
السلام عليكم، على بركة الله نبداو post ديال هاد النهار ب some questions:
كفاش LLMs او ML models كي اقدروا افهموا Text؟ و واش الفهم ديالهم هو بحال ديالنا؟ ولا عندهم فهم ديالهم مختلف على ديالنا؟
قبل من جاوبوا، نبداو بواحد المعلومة ف machine learning كنحاولوا نقادوا algorithms لي كايقدوا احلوا بزاف المشاكيل بنفس architecture و اقدروا اخدموا مع بزاف ديال data type، تقدر تكون text و لا image ... بنفس ال model اقدر اخدم مع اي نوع ديال بيانات، كفاش كيديروا ليها. الجواب باختصار هو Embeddings.
ال Embeddings هو عملية تحويل data ديالك كما بغات تكون ل vectors و كذلك كتسمى numerical representation، لكتحاول تعبر على المعنى ديال هديك الحاجة. هاد Embeddings مشي حنا كنقادهوم كداروا ب Embedding models لحتا هوما ML models كيحاولوا القاو هاد numerical values من data بطريقة ديال التعلم كتسمى unsupervised learning.
باختصار نجاوبوا على الاسئلة لكنا طرحنا: النظرة لكيشوفوا LLMs ل Text هي مغايرة تماما لنا، هما كيشوفوه كارقام وباش افهم المعنى كيطبقوا عمليات رياضية، باش الا اعرف كلمات لي متقاربين ف المعنى نقدروا نطبقوا dot product ولا cosine similarity و غيرها من العمليات الرياضية.
ان شاء الله ف posts اخرين نشوفوا داكشي بالتفصيل.
نخليكم مع واحد فيديو كيشرح بطرية واعرة دكشي كامل visual، هاهوا الرابط د الفيديو
https://lnkd.in/eAgUfV3N
كما العادة الا عجبك post دير react و repost باش واح اخر استافد، ولا عندك any question خليها ف comment و السلام عليكم. | ary_Arab | 0.978603 |
اجي تفهم AI concepts بالدارجة 😀
السلام عليكم، post الفايت لي جاب تفاعل كبير الحمد لله، كنا تكلمنا على LLMs و شرحنا كفاش خدامين بطريقة مبسطة اليوم ان شاء الله غنشوفوا architecture لخدامين بيها، لهيا transformers.
هاد transformers تطرحات اول مرة فورقة بحثية paper من طرف باحثين من Google لسماوها "Attention is All you need". هاد arch جات ف context ديال كفاش نديروا واحد model لي اقدر اترجم لينا من لغة الى لغة اخرى، وفيها جوج ديال components اللولة Encoder لي كانت تاتخد اللغة الاولى لكتحولها لواحد semantic representation لكتعطي المعنى دلجملة فللغة الاصل من بعد كندخلوها ل Decoder لهوا Generative لكحاول اي Generate كلمات فاللغة الثانية وكياخد بعين الاعتبار representation لكنا هدرنا عليها.
الباحثين introduced هاد arch باش احلوا بزاف د المشاكيل لي كانوا ف other architectures فالسياق ديال الترجمة machine translation ومكانوش واعين ب impact لي غيديروه من بعد بهاد arch لتطبقات فبزاف ديال المجالات سواء ف NLP و لا Computer Vision.
هاد LLMs لي كنشوفوا دبا راهوم غير Decoder من transformers واشهر وحدين دبا هوما GPT4 و GPT3.5 ديال OpenAI. وتطبيقات اخرى مشي غير اللغة بحال ViT الاختصار ديال Vision Transformer لي كتخدم ف Vision tasks.
باختصار هاد arch نقدروا نقولوا عليها احسن فكرة تدارت ف AI كما قال Ardrej Karpathy فواحد podcast و قال عليها:
Andrej Karpathy: "Transformers is general purpose, differentiable, trainable computer very efficient to run on the hardware"
الرابط ديال paper :
https://lnkd.in/e5Jd9CWU
رابط ديال podcast:
https://lnkd.in/eb33rZAh
استسمح طولت، ان شاء ف posts جايين انشوفوا حوايج كثر، الا عجبك post ديرreact و repost باش واحد اخر اتستافد الا عندك any question خليها ليا ف comment والسلام عليكم. | ary_Arab | 0.945877 |
اجي تفهم AI بالدارجة 😃
كلنا عارفين ChatGPT وكنخدموه يوميا سوا فكود، سوا اشرح ليك شي حاجة، ولا تكتب posts ف Linkedin 🤫 ... لي هوا فالاصل LLMs لي هو الاختصار ديال Large Language Model، هو فالاساس نمودج ذكاء اصطناعي لي كيكون مختص باللغة، يعني كيعرف المعنى ديال الكلمات، العلاقة بنتاهم و حتي المعنى علا حسب السياق، و Large حيت الحجم ديالوا كبير و كبير بزاف.
كفاش خدامين LLMs هو كتعطيه واحد الجملة مكاملاش واكيحسب ليك Probability باش القا الكلمة لي most probable لي تقدر تجي مورا الجملةلي تعطات ليه علا حسب السياق نعطيك مثال بسيط:
"انا مسافر غدا خصني نمشي نقطع ف .... " نتا ديجا جاتك واحد الكلمة فدماغك ياك لي غالبا هي "المحطة" علاش قلتي المحطة او مشي شي كلمة اخرى.حيت فها السياق "المحطة" لي تقريبا كتكون، نفس الحاجة كيديرها LLMs غي هوا كيحتاج بززززاف يدال Data باش اقدر احسب هديك Probability مزيان.
الا فهمتي هدشي لقلنا قبل اتفهم علاش Generative, ملي Model اختار "المحطة" ازيدها فالجملة اللولة تولي
"انا مسافر غدا خصني نمشي نقطع فالمحطة ... " ويدخلها باش نشوفوا شناهيا الكلمة لي امكن تجي من بعد لي تقدر تكون "اليوم" حيت غدا مسافر، خصني نقطع علا بكري.
واحد ملاحظة هاد الشرح تبسيط فقط الامور، مشي كما كيوق فالواقع بهاد بساطة، مي كنشوف كافي باش واحد مشي متخصص افهم. وشكررررا.
الا عجبك post متنساش دير repost باش واحد اخر استافد، و الا عندك any question خليها ف comment. | ary_Arab | 0.999503 |
يعلن نادينا وضع اللبنة الأولى للقافلة الطبية الاجتماعية في نسختها الثانية عشرة، وكما جرت العادة نستهل هذه الرحلة المفعمة بالعطاء بالتنقيب عن الوجهة الأكثر استحقاقا، فنساهم قدر الإمكان في فك العزلة عن منطقة يعاني أهلها الفقر والحرمان في صمت و خذلان.
ومنه ندعوكم جميعا مشاركتنا رحلة البحث عن المناطق الهشة والفقيرة في ربوع المملكة، ومنه ملء الاستمارة أسفله ⬇️
https://lnkd.in/ez_F55QS
نسأل الله التوفيق والإخلاص والسداد.✨
#cindh
#more_than_just_charity 💙💛
#convoi #convoi_sociomedical #charity #maroc #morocco
#قافلة #قافلة_طبية #قافلة_اجتماعية #المغرب | arb_Arab | 0.983623 |
طالبان وحماس: تعظيم سلام
بقلم . ادهم الشرقاوي | arb_Arab | 0.760847 |
عيدكم مبارك سعيد، وكل عام وانتم بخير ❤ | arb_Arab | 0.83514 |
كتبت موضوع عن النموذج ChatGPT الذي ملأ الدنيا ضجيجاً. لم أكن أنوي ذلك في البداية، ولكن رأيت بأهميته بعد زيادة المتحدثين عن هذه التقنية وافتقار المحتوى العربي لشرح وافٍ عنها. هنا في الجزء الأول شرح موضوعي للتقنية، أتمنى أن يكون مفيداً. | arb_Arab | 0.99984 |
كنز و محدش واخد بالو منو والله !!
الكورس ده والراجل ده عملاق بمعنى الكلمة كل كلمة لازم تركز فيها وتكتبها وراه وتدور عليها
الراجل بيجمع ما بين العلم الأكاديمي وبين الجانب العملي في الشغل فتلاقيه بيقولك احنا بنعمل ايه في الشركات بجانب شرحه العظيم جدا اسمه Hamid Tizhoosh
الكورس كان تابع ل University of Waterloo, Waterloo, Ontario, Canada
لينك الكورس كامل من هنا : https://bit.ly/3IMjEMW
1-To learn the basic concepts behind machine learning/intelligence
2-To learn different meta-heuristics for function approximation
3 - To learn how to choose the right learning technique for a given problem
4-To learn the difference between shallow and deep learning
5-To learn how to verify the learning capabilities of a given technique via proper theoretical and experimental tools
6-To learn how to run experiments and validate/compare algorithms
7- To learn how to write a scientific paper
لينك الكورس كامل من هنا :
https://bit.ly/3IMjEMW
written by : Hesham Haroon | arb_Arab | 0.316488 |
في بُيُوتٍ أَذِنَ اللَّهُ أَن تُرْفَعَ وَيُذْكَرَ فِيهَا اسْمُهُ
من بين أهداف الزيارة التفقدية الأخيرة التي قام بها أعضاء النادي إلى منطقة إديكل-نيكت، تفقد حال المساجد والكتاتيب، إذ فيها يقيم أبناء المنطقة الصلاة، وفيها يذكر اسم الله، وفيها يُصنع أئمة ورجال الغد، فيتم بصناعتهم ازدهار الأمة جمعاء.
فكان لزاما علينا أن نقف على أحوالها وأن ننقل لكم صورها كما رأتها أعيننا، لعل نشرها يكون مفتاح خير على من أراد التصدق لإصلاحها، فوالله قد أفلح من فعل، ومفتاح خير كذلك على ساكنة المنطقة، فبيوت الله أحرى بأن يبذل فيها الإنسان ماله، وحمل هم الاعتناء بها واجب علينا جميعا.
فبادروا، مُريدي الخير، لما فيه خير لبيوت ربكم، وساهموا في تغيير حالها إلى الأفضل، عسانا ننال بذلك رضوانه تعالى ويتقبل منا ومنكم.
من أجل المساهمة أو الاستفسار، المرجو التواصل مع الصفحة أو مع إحدى الأرقام التالية:
رئيس النادي : 0632009834
المسؤولة عن التبرعات : 0682635783
#لنغمرهم_دفئا 🌞
#Lets_Keep_Them_Warm 🌞
#Convoi_2023 ❄
#CINDH
#more_than_just_charity 💛💙 | arb_Arab | 0.990014 |
علاياش بغيتو فيديو جاي ؟
فكرت نعاود ليكم على كيفاش لقيت سطاج PFE
و لكن بطريقتي
و تبارك الله عليا و خلاص 10k في 9 يام
الحمد لله | ary_Arab | 1.000006 |
بلان زوين و فابور من عند IBM
تقدر تعلم شي لعيبات ديال AI مع InstructLab
و تاخد Certif 😉
كاين حتا Hands-on Tutorials
Thanks for sharing Ahmed Azraq 🙏 | ary_Arab | 0.999684 |
اللهم لك الحمد حتى ترضى
و لك الحمد إذا رضيت
و لك الحمد بعد الرضا
و لك الحمد على كل حال | ary_Arab | 0.668307 |
أهم Skill
نصحك تخدم عليها
و هاذي نصيحة من القلب الخالص
هو العقلية ديالك
تكون كيفما كنتي
و كيفما كان ضومين ديالك
العقلية هي la base
تكون طايح فراااش
و مفيكش اللي يهز عظم
مع راسك
دابا كلشي يفوت و نرجع كي العود
و حتا الا ماطرا والو
مهيم آخر أيامك كنتي فرحان
الحياة متستاهلش ضيع جهد في التخمام
صافي حليتي شي كانيط
طار عليك دكشي
عمر ليك حوايجك
هااانية
دابا يتصبنو
فين كاين المشكيل
مدبرها حكيم | ary_Arab | 0.999996 |
صباح الخير
من فتره واحد صاحبي رشحلي موقع outlier اني اشتغل فيه كfreelancer و الشغل علي موقع outlier بيحاسبك بالساعه و الساعه بتكون ف حدود ال 15 دولار و ده بيكون عباره عن ان بيجيلك response و ال ai model رادد عليها انت كل الي عليك انك تراجع هل الmodel رد صح عن الاسئله دي ولا لا ولو رد غلط بتعدل علي الرد بتاعه بحيث انه المره الي جايه يرد صح و يكون في تطور لل model مع كل response(ال model ده بيكون زي chatgpt الناس بتساله وهو بيجاوب), المهم و بعتلي دعوه و سجلت في و الحمدلله اتقبلت , و مكنتش مصدق اني كطالب اقد اشتغل وسط دراستي 3 او 4 ساعات ف اليوم و يدخلي المبلغ ده غير لما حصلت وملحوظه المبلغ ده ف اسبوعين بالظبط من ضمنهم اسبوع ميدترم مكنتش بشتغل فيه يعتبر 😅 و الحقيقه الموقع بيقدم مجالات كتير جدا مختلفه للشغل لاكن في مجالات محدوده تقدر تشتغلها من مصر , .و ملحوظه خد بالك منها الموقع بيسمحلك تقدم ف اي وظيفه لاكن بعد ما تقدم بيقولك انها مش متاحه ف الRegion بتاعك و مش هينفع تعمل اكاونت تاني لانك بتعمل الاكاونت ب البطاقه و بتقدم ال cv فعلشان كده هحطلك لينكات هكون عملك فيها Referral علشان متقعش ف النقطه دي .
و بعد ما تتابع الخطوات لحد ما تتقدم و تتقبل و هي كلها خطوات سهله هينزلك
كورسات عباره عن فيديوهات و تعريف للبروجيكت الي هتشتغل عليه و ازاي تتعامل معاه
و نصيحه مهما جدا هنا ركز مع الفيديوهات دي كويس علشان ال rating بتاعك يكون كويس و ينزلك تاسكات اكتر و ينزلك Reward زي الي ف الاسكرين كده .
خد الخطوه و قدم الموضوع بيسيط و يستاهل فعلا .
و دي كل ال opportunity المتاحه ف مصر تقريبا
Arabic (Egypt) Freelance Writer
https://lnkd.in/dSGXr_i8
Arabic (Saudi) Freelance Writer
https://lnkd.in/dmwr3n56
German Freelance Writer
https://lnkd.in/dHcadF5Y
French Freelance Writer
https://lnkd.in/dgdPQYgi
Italian Freelance Writer
https://lnkd.in/did5XnCC
Turkish Freelance Writer
https://lnkd.in/drasuC79
Canadian English Freelance Writer
https://lnkd.in/dbdbaiyB
Japanese Freelance Writer
https://lnkd.in/dfFWdANB
Korean Freelance Writer
https://lnkd.in/dmkE2_VX
Russian Freelance Writer
https://lnkd.in/dyR2HFdv
Czech Freelance Writer
https://lnkd.in/dmHnMFDy
Remote Coding Expertise for AI Training
https://lnkd.in/dGxbNCyn
Mathematics AI Trainer
https://lnkd.in/dJFPfWjD
Chemistry Expertise Sought for AI Training
https://lnkd.in/dmanJFvJ
Physics Expertise Sought for AI Training
https://lnkd.in/dzYPjjHK
Clinical Medicine Expertise Sought for AI Training
https://lnkd.in/dc57U4ZH
Biology Expertise Sought for AI Training
https://lnkd.in/dAJ6iwJQ
AI Writing Evaluator and Trainer (English C1+)
https://lnkd.in/dzbug64Z
Architecture, Mechanical/ Civil Engineering Expertise Sought for AI Training
https://lnkd.in/d7TYGAzM
ملحوظه لما اعملك Referral باخد بونص بس ده مش الهدف من البوست ده بامانه , بالتوفيق
Share and repost it
علشان يوصل لكل الناس ♥️ | arb_Arab | 0.412696 |
دابا 5 سنين و أنا في ضومين Data
و معنديش مشكيل ندير لايفات
واخا نبان معارفش شي حوايج
ولا ندير بروجيات من زيرو
واخا ميصدقوش
و هانية
لقيت هاد القالب
ديالي بوحدي
نقدر نكلس حتال 4 سوايع
في لايف
حتا نسالي شنو كلت غادي ندير
بوحدي منقدرش حتا ساعة
لي بغيت نوصل ليك
ماشي ديك الهضرة ديال كيلو Motivation
و لكن مثل مغربي قديم
اللي معندو قالبو الزمان غالبو | ary_Arab | 1.000007 |
أعقد بروجيات خدمت فيهم
مع شركاااات كبااار (مع تغليظ الباااء)
احتاجيت SQL و Python
و Python غير فابورر مني باش نقص عليا الخدمة
لينكدين ماشي هو الواقع | ary_Arab | 0.98753 |
أي واحد كيهضر بالنسب المئوية بلا إحصاء
بلا Data
ماهو عالم
ماهو دكتور
ماهو خبير
ماهو إحصائي
يستاهل بلووووك
بالرجولة منين كتجيبو هاد الأرقام ؟ | ary_Arab | 0.547571 |
الا كان الماط و المعادلات
كيحلو des circuits في الدماغ
فالهضرة في الخوا الخاوي
كتسدهم
كنتعحب لإنسان قاري و مهندس
وغير كينتقد
تاحاجة معاجباه
راك تعلمتي دير تحليل و تبني فرضيات على المنطق
و تفكر و تلقا حلول
زعما | ary_Arab | 0.995138 |
وااو
لبارح 100 واحد كان لايف معانا
طلعنا بروجي في 4 سوايع
الحمد لله
كيف شفتو بعينيكم
خدمت غا ب chatgpt
و python
شوية commands و docker
و sql
شكرا اللي كانو حاضرين و خلاو مساجات زوينين ❤❤ | ary_Arab | 0.999676 |
باش نكونو مفاهمين
ايه عندي جهد و فوق الجهد الحمد لله
ولكن باش نفع بنادم
وخا فااااابووووور
و كنلقا الراحة ديالي و خالق عالمي
يوتيب مكيخلصنيش
لينكدين مكيخلصنيش
مكنديرش إشهارات
مكنتخلصش على استشارات
مع الطلبة و الطالبات و اللي مزال باديين
و هانية الوقت
أما باش ندير هاد الجهد
لأي واحد كيفما كان
بدون مقابل
منقدرش
كندير هدشي عن حب
اولا و قبل كل شيء
و كنعطي فيه 101%
كأي حاجة أخرى في حياتي
كل شي باين أو واضح
و حتا دراري و بنات اللي طالعين
عندك شي Skill متخليش شي حد يديرك Golden goose
عندكم بوفوار ديال العمر صغير و طاقة و جهد و راس خاوي
أغلى وقت ديالك هو دابا
و كأي حاجة كدخل عليها
خاصك تسول راسك ? What's in it for me | ary_Arab | 0.999891 |
باغي دير بروجي data engineering
و معارفش كيفاش
غاندير لايف عشية ان شاءالله
دكشي من زيرو
دقة دقة
أنا براسي معارفش باش غادي نخدم
و لكن بإذن الله انبقا معاه حتا يخدم مباشرة
غادي يكون في يوتيب
القناة في الكومنطير | ary_Arab | 0.999962 |
حاليا فهاد الوقت بذات
شي واحد كيخدم على شي solution في AI
المشكيل
معندوش les bases
معندوش data
معندوش budget
معندوش les resources
و باغي يدير بحاااااال...
إذن ؟
النتيجة
الفشل
الا كنتي غادي تصاوب App بحاال شي حاجة في المارشي
شنو القيمة المضافة ديالك
ناس راه صافي عارفا الأصل و كتشري
صافي راه عندنا chatgpt
شنو الجديد ؟
شنو غادي تزيد ؟
قبل من تبلونجاو في الكياااس
نعرفو شنو المشكيل اللي باغين نحلو
أما AI كيبقا غير وسيلة
اللي خاصك توفر ليه الشروط ديالو
كنهضر مع دراري و الله الا كيتقاتلو باش يجيبو data
ها اللي كيجيبها من باكستان من روسيا
ها اللي كي scrapper
ها اللي كي دير training ب PC ديالو
ها اللي مزال خدام ب Colab | ary_Arab | 0.99992 |
واش كريستيانو حسن مني أنا ؟
شنو اللي كيعجبك في الشخصيات المشهورة
كيفما كان نوع ديالها
كتاب
ممثلين
مغنيين
لعابة ديال الكرة
ضروري ماعندنا شي واحد كي أنسبيرينا في الحياة
بنادم حضرنا ليه و شفناه بعينينا
واش حيث أنترنيت و شوية المونطاج
كيلعب دور يرسم لينا صورة اللي كنتمناوها لريوسنا
ولا كيفاش ناس كيهضرو عليها كيعجبنا الحال
أنا متأكد بزاااف الناس و كنعرفوهم
اللي الا حلينا عينينا شوية
غادي نلقاوهم كيديرو العجب
بحال واليدينا مثلا
حيث غير مشداتهمش الكاميرا
ولا حيث accessible لينا
مكنعطوهمش التقدير ديالهم
اللي بغيت نوصل ليك
شنو اللي كيخليك مزعوط فشي شخصية
الا لقيتي الجواب فهداكشي هو تعريف النجاح و السعادة
و كاع دكشي اللي باغي توصل ليه | ary_Arab | 0.999827 |
الضغط الضغط الضغط
اللي كي جي من والديك
ولا العائلة
ولا المحيط
ولا ناس كتظن أن من مسؤليتك تخرجهم من شي وضعية
رخف على راسك
يمشي كلشي
و الصحة لا
عطي الراحة لراسك
نعس مزيان
تعلم تعايش مع راسك
و تسمع لأفكار ديال راسك
بزاف الناس
كيبقاو ديما معمرين وقتهم ببنادم
باش يغطيييو على صداع اللي جاي من لداخل
تعلم تواسي راسك
حيث ماكاينش اللي غادي يواسيك
الا بان ليك اللي دايرين بيك ولا صحابك
كلشي خدام
و نتا مزال
بدل البلاصة
سافر
تحول
نتا راك خدام
و كدير اللي فجهدك
حضي غير طريقك
و ركز
و النتيجة غاديا تجي في وقتها
و غاتنسا شنو دااااز
و هدشي غايولي غير تعاوييد
أنا شخصيا كنعرف ناس واعرين لابااااس عليهم
بداو من 0 و بقاو دقة دقة
و كاين اللي خدات ليه 10 سنين 20 عام
باش وصلو لهاد النيفو
بالنسبة ليهم بحالا غير لبارح
نساو كاع دكشي اللي داز عليهم خايب | ary_Arab | 1.000004 |
أول مرة أنخدم بالكلاود مكنتش عارف شناهو الكلاود
و كانت مع AWS في سطاج ديالي
ثاني مرة أنخدم بكلاود جديد عليا عاوتاني مكنتش عارف
و كانت مع GCP في بروجي كبييييييييير
و ثالث مرة أنخدم بكلاود جدييييد عليا مكنت عارف عليه والو
و درت في entretien AZURE و تفاليديت
تعلمت واحد درس و أنا في لافاك
هو مكيكونش عندي المشكيل مع EXAM
و لكن الوقت اللي كنكون كنتسنا ل EXAM
كنبقا نفكر بزاااف شنو يقدر يتحط
وايلا سولوني علا هاذي
ناري هاذي معقلتش اش درنا فيها
واحد النهار مرضت في صحتي
كلت غايحطو اللي بغا يحطو
اللي عليا درتو و عارف راسي غانلقا طريقة
التخمام بلا قياس مرض
الا درتي اللي عليك
توكل على الله و طحننننن
خايف لا متنجحش
ولا ميهزوكش
و من بعد
اللي جاب هاذي يجيب وحدا أخرى
غاحنا كنبقا نهضرو بزاااف
حيث معرفينش شنو كااااااان يقدر يطرا 😉 | ary_Arab | 0.997382 |
كنظن و الله أعلم باش يتحل ولو شوية من هاد المشكيل
الشركات يبداو يشوفو اللي عاد تخرجو قل من عام
أولا .. عندك الفترة التجريبية تقدر تجرب و و عاد تشوف
ثانيا.. دراري باغين يخدمو و يتعلمو
ثالثا.. غاتستافد من عقلية و أفكار جديدة
رابعا.. في عوض مادخل واحد Senior طالب الملاين
دخل واحد فريش جهدو يطلب ليك مليون و يخدم بجهد
بالنسبة ليا حنا مخدامينش في الطب ولا أمن الدولة
شنو بغا يطرا كاااع ياك غير revert قاضي الغرض 😅
هاذي فكرة | ary_Arab | 0.999169 |
وصلوني بزاف ديال ميساجات
غانطلق لايف من دابا شوية
و نشرح ليكم شي حوايج وشي لعيبات
لايف كيبقا مسجل باش نكونو مفاهمين
الا الا حسيت براسي قفرتها 😅
لايف في يوتيب
القناة DEXPERTZ | ary_Arab | 0.999936 |
ماشي ضروري دير نفس الأغلاط | ary_Arab | 1.00001 |
دراري و بنات اللي باغين يدخلو على المارشي Public
الا باغي تفهم
سوينغا غالبا ايحط شي حاجة زوينة
و نيت تفهمو هاد العالم كيداير | ary_Arab | 1.000006 |
عجبتني واحد العقلية
واحد خونا كتب على فيديو في يوتيب
فيديو زوين و باين مخدوم عليه
و لكن الا نقصتي شوية سرعة من هاد البارتي
و هاد اللعيبة كون شرحتي كثر
و بدا كيعطيه هاد details
حتا مول الفيديو جاوبو
بلي هادشي غادي يعونو
يحسن من الكاليتي
و تانتا فاش يوريك شي واحد شي حاجة
ولا يطلب رأي ديالك
و لا فاش مرتك ختك مك منعرف طيب ليك شي حاجة
متجيش و تكول معجبتنيش
و تسكت
شنو معجبكش ؟
شنو مفهمتيش ؟
ماتحسب راسك عندك رأي
حتى تعرف تعبر عليه
سميتها التعبير عن الرأي
ماشي تكولها و ترجع الكرسي اللور | ary_Arab | 1.000004 |
واش عارف بلي باش تجمع data
كاين بزاف ديال الطرق
من بينهم surveys
ماشي إحصاء
ولكن بحالو
واقيلا إحصاء 🤔
ماعلينا
عندك دابا data ديال اربع سنين
باش تعرف اي حاجة على IT في المغرب
و كاين تا صالير 😈
و tools و زيد و زيد
الا بغيتي تولي خمس سنين ديال data
دخل هنا و شارك
ولا غير ضرب طليلة 😁
شووووكرا 🕺 | ary_Arab | 1.000009 |
حاولت نقرا كتاب عميق على data modeling
منكذبش عليك
مقديتش
درت فوووق الجهد
أو وااالو 🤣
وانا نرجع لحبيبنا Udemy
في 10 دقايق
عاد دكشي اللي قريت
بدا كيوضاح ليا
دابا علاش كنعاود لك فهادشي
كل واحد و كيفاش ربي دار ليه
متبعنيش أخويا
شوف نتا فاش مرتاح
و تعلم بالطريقة اللي بغيتي
الله يجعلك باغي تخدم بالخشيبات
دير فاش كترتاح | ary_Arab | 1.000007 |
في البدية ديالي كنت كنتسنا زيادة
بقيت كنتسنا
كنتسنا
كنتسنا
و les offres كيجوني من كاع القنات
وانا مكنجاوبش
فلخر مطرا والو
بقيت بصالير كيفما هو
و بوسط كيفماهو
و skills ؟
تاهوما مزادوش القدام
مني حسيت بيها بزززز مني
عاد وليت كنقلب
و الحمد لله مشفت غير الخير
الخلاصة ؟
النهار باين من صباحو
متبقاش تسنا و تحلم
راه تاحد ماغادي يحن فيك من غير راسك
اللي باغيك غادي يتهلا فيك
اللي عندو زايد ناقص
راك خدام
مبغيتيش راه كاين اللي كيتسنا
نوض قلب على راسك
و عطي قيمة لراسك
الا كتحس براسك خاوي
راه يوتيب
الا كتحس براسك ضعيف في اللغة
راه يوتيب
الا مكتعرفش دوي
راه يوتيب
مهيم تململ من بلاصتك
مالك شجرة
في الحركة بركة | ary_Arab | 1.000001 |
نتا دابا عندك ماستر ولا كتقرا فشي مدرسة
كتقرا Data
عندك العام اللخر
شنو باغي تعرف ؟
خلي ليا كومنطير ولا مساج بريفي
(باختصار مفيد)
تعديل 1 :
وصلوني بزاف مساجات
كنقرا كومنطيرات
و ان شاء ندير fact check
و نشارك معاكم دكشي اللي قسم الله | ary_Arab | 0.999951 |
باغي تعلم GCP
غادي تمشي ل Doc
غادي تعزل أي Service بغيتي
و غاتلقا 2 بارتيات
اللولة ديال كيفاش تخدم ب service من console
الثانية ديال كيفاش تخدم ب API ديال service
شوية chatgpt
و هانتا ناضي
غاتلقاها حسن من أي كتاب
و حسن مني
و من أي Tutorial
و من أي واحد كيكولك أنا كاين
ماشي كندير فيها coach طايب
أو ....
غايجي شي حد يبسط ليك الشرح على قد عقلك
و يبيعو ليك بالثمن
و المزوق من برا آش خبارك من لداخل
الله يسهل على كل واحد
أنا غير كنوريك
الطريقة الصحيحة باش تشوف الحوايج على حقيقتها
أما أنا مرابح معاك والو | ary_Arab | 1.000004 |
اييه واخا Data Engineer
و نقدر نبارطاجي بزااف معاك في الضومين
ولكن ...
المشكيل معندكش في التيكنيك
تاراه شي دراري كي حيروني
واخا باقي يالا العام الرابع عندو
المشكيل عندك
معارفش اش واقع في المارشي
معارفش كيفاش خاصك تفكر
شنو الحوايج اللي خاصها 100% ديال الجهد
و أهم حاجة
ناقصاك غير المعلومة
من موراها أنا متأكد راك قادر دير العجب
و هذا ماكان 🤟 | ary_Arab | 0.999838 |
الحياة قصيرة
اENJOY
اYOUR
اLIFE
متكولش ليا آخر لحظة في حياتك
غايبقا فيك الحال
حيث متقبلتيش فشي سطاج ولا شي خدمة
ولا ولا ولا 😁
أي حاجة كتوقع بالمكتاب
و أي حاجة غاتوقع بالمكتاب
را باينة
مكلتش شي حاجة جديدة 😁 | ary_Arab | 0.999846 |
الأمثال الشعبية ماشي قانون كوني
المقولات ديال شخصيات كبار
ماشي ديما صحيحة
دابا معرفتش واش ؟
نضرب الحديد محدو سخون
ولا 100 تخميمة و تخميمة ولا ضربة بالمقص
معجباتكش هادي
شوف غير لاو تزو في فن الحرب شنو كال
مقارنة مع نيكولا ميكيافيلي في الأمير
واحد باغي حب الشعب
ولاخر باغي يخلع
ولا غاندي مع ثيودور روزفلت
واحد باغي السلم
ولاخر كالك هز معاك عصا ههه
شنو استفدنا ؟
كل واحد كي عبر على حساب الواقع ديالو
و كيلقا دروس على حساب التجارب ديالو
ماشي في كاع الوضعيات شي حاجة ديما صحيحة
خووود دكشي اللي مسلكك و move on 😁
فهمتي ؟
مفهمتيش. | ary_Arab | 0.999882 |
دراري و بنات
فاش تكونو في transport
مثلا طرام
ولا طوبيس
يا جايين ولا غاديين
للدار للخدمة للمدرسة لافاك
بان ليكم شي راجل كبير ولا مرا كبيرة
مافيها باس تصبر شوية
و تعطيهم بلاصتك
والا قدرتي عاونهم
معرفتي كيفاش ترجع ليك
واش بشي خديمة
ولا شي شر كان جاي و تحبس عليك
نتا و نيتك
و دير فبالك تانتا و لا تا نتي واحد النهار
غاديي تكبرو
و الدنيا غير كل واحد و امتا كياخد صرفو 🤑
هذا ماكان 😁 | ary_Arab | 1.000008 |
لايف دابا
سولني اللي بغيتي
رابط في الكومنطيييير 🦅 | ary_Arab | 0.99984 |
قانون معروف و لكن ...
الحاجة قدما كديرها و تعاودها
كتولي واااااعر فيها
كطبق على كولشي (حتا الخايب)
و دك الهضرة ديال 6 أشهر تولي ناضي
مكايناش
غاتولي مابيكش
و لكن ماشي Top
باش تولي Top
خاص ضحي
بالعائلة
بالصحاب
بالخرجة
بكولشي
ب ب ب 🦃
حاجة أخرى
تكون يالا بادي
متلصقش في details
شي حاجة قويصحة
دووز عليها
و دير عين ميكة
و غادا تولي باينة مع الوقت
كانت فراسك هاذي 😁 | ary_Arab | 0.99992 |
امتا اتجي الوقيتة ديالك
أول مرة أندوز سطاج
هبطت لعبد المومن باش نحط convention والوريقات
جمعت مع directeur ديال هاديك boite
فرونسي عندي تحشم ههه
و هانية
كاليا أنا عارفك واعر techniquement
و لكن راك خدام مع un client français
خاصك اللغة
فاش سالينا
كاليا غادي تخلص 2500 درهم
واخا ماشي شي حاجة ولكن غير تشجيع و صافي
أنا حابس التبسيمة
ولكن في عقلي لداخل
راني داير عرس
واش عرفتي شناهية 2500 درهم
تارا غير قبل بعامين
فاش خديت Licence
كون دخلتني شي شركة من هادوك اللي دفعت ليهم
كون مقاتل تانا مع صحاب 6 ل 2 و 2 ل 10
و pause فيه ثلث ساعة
و مرة مرة ضرب شي 12 ساعة
باش يالا توصلها ل 3000
الحمد لله
اتجي الوقيتة ديالك فاش تكون واجد
إن الله لايكلف نفسا إلا وسعها
عمر ربي ماغادي يكلف عليك كثر من طاقة ديالك
و نهار تولي واجد
غادي يتحلو بيبان السما و متعرف الخير منين يجي
❤ | ary_Arab | 1.000002 |
لايف دابا في يوتيب 😁
الي بغا يسولني شي حاجة مرحبا
الرابط في التعليق | ary_Arab | 0.997484 |
بزاف معارفينش عندي قناة في يوتيب
سميتها DExpertz
الا قدرت ندير لايف ليوما
علاش بغيتوه يكون ؟ | ary_Arab | 0.999886 |
تعلم شي لغة
ماشي ضبطها
غير عرف تكول شي جمل مفيدة
أما الكتبة
كاين chatgpt
غير كون فنان
صحاب الفرونسي لا مالنا
لانجلي اللي حاكمة
لا سباليونية
كتبقا ماشي لغتك أصلا
علاش غادي دافع على لغة وسط بزاااااااف
غير حيث كتجيك ساهلة
ولا عندك منها عقدة
أنا شخصيا مكنهضرش بزاااااف بالفرونسي
و لكن خدام مع أكبر شركة في فرنسا ( الحمدلله)
و مسلك راسي
كيفهموني و كنفهمهم
عايشين في عالم
العربية ماواكلة والو
تخيل دابا كاينين سيتات ديال AI Training
تخدم معاهم remotely للساعة
باغينك غير تصحح ليهم
باغينك ترجم
لغة اتخليك تعلم دغية
تخليك تهضر مع ناس من كاع الثقافات
تخليك تبيع و تشري مع العالم | ary_Arab | 0.999523 |
شي لعيبات في SQL الا درتيهم
ويلي ويلي
العياقة ثاني
اتباني خيييبرة
اللولة فاش تبغي دير شي WHERE
مثلا في شي UNIT TESTING
ديما حط حداه 1 = 1
و بقا تزيد ولا تكومنطي تحت منو
الثانية فاش تبغي دير شي JOIN
و شاك واش كاين شي data بينات tables
دير INNER JOIN
الا ماعطاتك والو راه مابيناتهم حتا حاجة
الثالثة في JOIN نيت
مرة مرة خشي شي RIGHT JOIN
باش تبان عميق و مختلف
لالا بالرجولة 😒
الثالثة فاش دير JOIN
عزل شنو بغيتي قبل
متبقاش دير JOIN مع Table كاملة
راك تقدر دير (SELECT a, b FROM xX) LEFT JON
و الله يجازيك بيخير
راه SQL ماشي Python
الا درتي CTE آااه راه clean code
و لكن مانافع بتاوزة
دير Temp table في بلاصتها | ary_Arab | 0.999968 |
كرسي
ورقة
و ستيلو
متنوض حتا تحط دكشي اللي باغي دير
اللي مبرزطك في راسك
حتا دك الأسئلة العميقة اللي عندك
كتجيني أحسن طريقة
باش تحيد أي شعور خايب
الذنب ولا الندم ولا العكز ولا الفشل
نبقا فشي بلاصة بوحدي
بعيد على الصداع
نسمع غير صداعي أنا
و نحط دك شعور في صفة شيئ
سطر
جملة
غايسهال عليك كيفاش تعامل معاها
أنا مالني هكا ؟
كتب حتا تعيا
غير مترسمش
تاحد ماغيقرا دكشي
تسالي حركها 🔥
#mentalhealth | ary_Arab | 0.999537 |
الا كنتي مافيك مايدير شي بروجي
تفرج فشي واحد خدام على بروجي
كتب في يوتيب أي حاجة و زيد end to end
مع الوقت
غاتحس براسك عندك أفكار معارفهاش مين جاتك
فهمتي!! | ary_Arab | 0.999849 |
بوسط طويل بزااف ⬇️⬇️
باراكا من التفلسيف ديالك
حنا عارفين هاد الهضرة
تا باش غادي تنفعني هاد التنمية البشرية
أييه خدم و دير بالاسباب
كنخدمو و كنعركو و مخلينا مادرنا
أو ماكاينش والو
كنكب الما في الرملة
واش أنا باغي نلقا خدمة
و تابعني مول الكرا
باش غاينفعني هاد التحفيز ولا هاد التخربيق
هادشي عادي
الا كتشوف راسك باغي خديمة مستورة
و دويرة مستورة
و عيشة مستورة
و مقاتل مع الزمان
الله يسر ليك كتبقا حياتك و نتا 100% مسؤول عليها
ولكن بيني و بينك
مباغيش تعرف فين تقدر توصل
شنو تقدر دير
الا زعمتي شي شوية
زعما الا بصح حطيتي شي هدف
واخا يكون مبرهش
بحال باغي نولي أوعر....
واخا غير عناد
ديرها غير بالضحك
الا باغي الطريقة
تاحد ماعارف
نخسر عليك غير بدا باش ماعطا الله و شنو كيبان ليك دابا
و الباقي غادي يتيسر 😉 | ary_Arab | 1.000009 |
هُو الحَبيبُ الذي تُرجَىٰ شفاعَتُهُ
صَلُّوا عَلَيْهِ وَسَلِّمُوا تَسْلِيمًا ♡゙. | arb_Arab | 0.841834 |
ايجيك هاد البوسط في شكل
الاغلبية فاش كيبيغي يطيبو
و خصوصا الرجال
خاص كولا حاجة يدير
يشلل ايديه ولا يمسحها
باش يدير حاجة أخرى
غسل بيضة
مسح يديك
هرسها
مسح يديك
طربها خويها
مسح يدييك
غالبا غتكون من نوع اللي فيه التسهويك
تسهويك مصطلح عبدي كيعني التماطل
لا تانجمع البيت عاد نبدا
بلاتي نقرا هاد اللعيبة فيها Basics
بلاتي نراجع شنو درت آخر مرة
بلاتي
تعلم
تخدم
وسط الفوضى
وسط الصداع و الروينة دايرا بيك
تعلم تقضي الشغل
الدماغ ديالك واحد الباسل
مضسرووش عليك
لا يطلع ليك فوق راسك (pun intended)
مكرهكش مدير والو
باش متبرزطش ليه الروتين | ary_Arab | 0.999435 |
باش تعرف شي env طوكسيك
كتبدا تعبر الهضرة بالمسطرة
و كتفضل تبقا غير ساكت
كيبدا يدار ليك gaslighting
كتبدا تسول
ياكما أنا اللي مني المشكيل
كيدار ليك الابتزاز العاطفي
نهار تبغي تبدل ساعة بأخرى
كيبداو عليك نتا ديالنا وراك عزيز و غالي
واخا مكاين والو
طريقة فعالة
باش تعيش مرتاح
تخدم مرتاح
خاصك ت balancer الضغط اللي الداخل مع اللي برا
شي حاجة ماعجباتكش
تم تم
كولها و قاد المشكيل من الجذر
حسيتي براسك شي حد باغي يدوز عليك الدكاكة
راه 99% باغي يدوز عليك الدكاكة
و فنفس الوقت
خدم على راسك
شنو كتعرف دير
هادشي اللي كيعطيك قيمة
كتبقا حياتك بوحدك
مكاينش اللي غايدير هادشي فبلاصتك | ary_Arab | 1.000005 |
منصحكش تنافس ولا تعاند
غير دير فبالك
هذا أسهل عصر
غير بشوية الجهد
تلقا راسك حسن من 99%
بنادم مشتت
باغي كولشي في دقة
بأقل جهد
باش تكون نتا مريكل
خدم 2 خطوات القدام
كاين اللي من شهر 10 لشهر 1
وهو كيسول على CV باغي review
و كاين اللي كيمشي يقارن
و يشوف اش ناقصو
كاين اللي مزال كيسول على Roadmap
و كاين اللي كيمشي يقلب في YouTube ولا Reddit
ولا Medium
كاين اللي معارفش منين يبدا واخا عارف Théorique
و كاين اللي معارف والو
كيعرف يقلب في Github
و يدير Reverse learning
كاين اللي مزااال حاصل ف
واش ندير سطاج في A ولا B
و أنا بغيت ندير كارييير في A
ولكن B عندهم rémunération كثر
و كاين اللي من السؤال كيفهم اش باغي
كاين اللي مزال باغي يخدم على "قد فلوسهم"
وكاين اللي بداااا كيقلب في بلاصة اللي كتقدر القيمة ديالو
و زييييد و زييد
هادشي غاديرو غير بشوية الجهد
صباح النور ❤ الله يسهل عليك 🤲 | ary_Arab | 0.999989 |
غادي يجي واحد النهار
غادي تبقا ضحك
علاش كان طالع لك الدم و معصب
نتا أصلا صبرتي
و خدمتي
و درتي اللي في جهدك
وعلاش كتفكر بزاف
شوف نتا فين كاين دابا
واش دك التفكير زادك ولا نقصك 😁 | ary_Arab | 1.00001 |
باغي تبدل الخدمة و لكن خايف
أول تجربة ديالي ضربت تقريبا 3 سنين
واخا كان فيا الجهد ديال عشرين
مبدلتش
مكنتش ثايق فراسي غنزطط
خايف الا خدمت مع شي شركة
غادي يعيقو بيا ولا غنحصل معارف والو
كنت كندوز entretien
و كنوجد مزيان
كاين اللي مكندير معاهم والو
و كاين اللي كنوصل حتال لخر
و ديما كنت كنلقا ليهم سبة باش منبدلش
يا صالير
يا البعد
يا يا يا يا
من بعد مابقيتش كاع كنجاوب
من بعد دك 3 سنين
حسيت بلي بزز مني خاص نبدل
حسيت بلي المارشي هاااااااارب عليا
بدلت
الحمد لله طحت في RH و مانجر مزيانين
دازت تجربة واعرة
خدمة مغيزة و feedback زوين
و تعرفت على ناس اللي من بعد ولينا صحاااب
مع العلم عمرني خدمت بهادوك tech
أو دوزت فيهم entretien
أو دار ليا onboarding
ديما فراسي "تارا غا زهر المرة اللولة"
الخدمة الثالثة
لقيت راسي كنبدل من بروجي لبروجي
و عادي الحمد لله
كتفرح الا جاتك شي حاجة صعيبة challenge
ماشي اتفشخر
راه اي تجربة كندوزو منها حنا كاملين
واي واحد عاد بادي
راه كيحس بهاد طريقة
غادي تجي واحد الوقت
اتولي تحس بحال دك الفرخ اللي فاش كيحط فشي عرش
مكيخافش يتهرس بيه
ماشي حيث ثايق في العرش
ولكن ثايق في جناحو غادي يطيرو بيه
صباح النور ❤ جمعة مباركة 🤲 | ary_Arab | 0.999943 |
من هنا لعام ولا عامين
غادي كولشي يوصل لدكشي اللي كيتمنا بإذن الله
دابا
غير تخيل
أعين بوسط كيوصل 300 400 جيم
الا خدينا غير 10%
و درنا شي لايف
على التجارب ديالهم
بروجيات
و شنو دوزو و داز عليهم
و شنو دارو
و الاغلاط ديالهم
واش ماغاديش نستافدو ؟
غير متنساش Documenter
من هنا القدام غاتبقا تسمع غير Data content
ان شاء الله
هادا هو timeless content | ary_Arab | 0.999939 |
ماثيقش بيا
عاقل فاش يالا كنت سطاج
و بغيت نقاد Web scraper
الناس اللي معارفينش
بغينا نجمعو Data من بزااف Sites web
و درنا script كيدير تقريبا "copier coller"
فنفس الوقت قلبت على ناس دارو بحالي
ولا فاتوني
و اي حاجة كنت كنشوفها
كنكول وااو شوف هادو فين وصلو
يمكن دكشي اللي بغيت نوصل ليه و جاني صعيب
هوما كيكولوه عادي و بطريقة ساهلة
و دارت ليام
كنظن شي مرة طحت على article
كيدير review في Reddit
و مكانش دكشي كيفما تخيلتو
يعني هوما باعو الفكرة
خلاوني انا نتخيلها
و الواقع حاجة أخرى
هذا غير مثال بسيط
من بزااف الحوايج كنشوفوها في حياتنا
غير شي صاحبنا كي سافر
و كيبقا يشكر فشي منطقة
ولا لبلاصة في كاري
ولا ريسطو فين كلا
ولا أكتيفيتي دار
و كي نصحك بيها
كتمشي ليها
مكتلقاش كيف نتا تخيلتي
حتا إشهارات
الا حققتي مزيان
مبقاوش كيبيعو Produit
ولاو كيبيعو الشعور
كيخلوك تخيل و تبيع لراسك فبلاصتهم 😈 | ary_Arab | 0.999941 |
ماشي بلاصتها (حيث لينكدن بروفيسيونيل)
فراسكم شنو طاري في الفنيدق
كنعرف ناس بغات ريسكي هادي 20 عام
و مصدقاتش ليها
و ناس ريسكات مع القرش وسط البحر
و صدقات ليهم من وسط بزااف الله يرحمهم
سبحان الله بجوجهم خلقو شي حاجة من ريسوهم
و عايشين حياة كريمة
أولا
حمد الله على نعمة الخدمة
حمد الله لقيتي في فترة في حياتك
شي حد يرد لك البال
يعطيك أمل في الحياة
ثانيا
الناس مكتقلبش على خدمة
كيقلبو على تكافؤ الفرص
كيقلبو على التقدير
كيقلبو على الاستقرار
و رؤية واضحة للمستقبل
كيبقاو خوتنا المغاربة
دراري صغار
الله يسهل عليهم
الله يحفضهم
كاملين عندنا سبب علاش كنديرو شنو كنديرو | ary_Arab | 0.999845 |
كاين des articles زوااان (جمع زوين 😁) | ary_Arab | 0.964839 |
الا تلفتي أخي المهندس أختي المهندسة
هادشي راه غاتلقاه EVERWHERE
Excel
Python
Java
SQL/ PLSQL
GIT
Hadoop
Spark
Kafka
أما Cloud
راه كل واحد و شنو الناس كيديرو بيه
مخدمتش ب Azure
و لكن GCP
غالبا BigQuery أول حاجة خاص طيح لك علبال
زيد Snowflake
أما AWS
غالبا Glue و Instance configs
أما بالنسبة ل Infra
كاين اللي كيخدم ب Terraform
نقدرو نديرو بيه العجب
غير بالكود
ماتبقى يا ممطلوبش في السوق
يا قليل اللي كيخدم بيه | ary_Arab | 0.994875 |
خدم Agile في حياتك
.
باغي توصل لشي هدف
حطو قدامك
و بقا غادي ب Iterations
شوية بشوية 😅
مع الوقت غايبانو bugs
و غايطيحو عليك features
شي لعيبات غادي يت annulaw
مايمكنش من دقة الولة
باغي توصل ل 100
الأرقام راه بادين من زيرو واحد جوج
تانتا بدا من زيرو واحد و بقا غادي
و الحلاوة فين كاينة (pun intended)
حياتك هادي
سير بريتم اللي يعجبك
نتا Lead و Manager و Developper
و client | ary_Arab | 1 |
باغي تعلم Spark
أبسط حاجة دير
سول راسك ديما
أنا مالي و مال هاد Dataframe
و هاد Partitioning
و باش غاينفعني ك Data Engineer
راه مكاينش شي سر
غاتبقا دير حوار مع راسك
هادي لاش لايقة
و أنا فاش أنحتاجها
و علاش دارو ليها هكا
مثلا
عارفين Spark فيه Actions و Transformations
و بسباب Lazy evaluation
كتبقا تجمع و تستف Transformations
كيفما حبات خاطرك
و حتااااا ترشق ليك و تحط action
عاد Spark كيبدا يطبق دكشي على Data
و يعطيك حسابك
دابا حتال هنا مزيان
سؤال اللي ضرني فراسي
علاش أنحتاجو أصلا
هادي Narrow Transformation
و هادي wide Transformation
يعني ياك بجوج Transformations
أوا صافي عادي
لاش كتعقدو الأمور
كالك أسيدي
بلي Narrow مديور باش يعطيك results
خفا زربا
حيث processing تيكون locally
بلاما تقلب عليها في cluster كاملة
بلا shuffling مابين partitions
و كتكون حتا execution plan زوينة
بحال MAP
أما wide
مديور فاش القضية فيها Aggregation
ولا grouping
و سير و جي
و جيب data من هنا و خربقها من لهيه
بحال REDUCE
من بعد خاصك تسول شناهو بعدا
هاد Suffling
و فاش كينفع
واش شي حاجة نقدر ندير ليها optimisation
و غدا هكا | ary_Arab | 0.999869 |
أول حاجة فاش دخل أي بروجي
شوف واش كاين شي Env de dev
يا Local يا في lifecycle
كتعطيك فكرة على Leads
أو حتا الكاليتي ديال Les livrables
أقل حاجة تقدر تكون مثلا شي Dockerfile
فين تقدر تدير build و test دياولك
الا كان ممكن
حتا test في prod مزيان 😁
و نتا او وجهك | ary_Arab | 0.999951 |
أحسن بلية
.
القراية ديال الكومنتيرات
نقدر منتسوقش الفيديو و لا البوسط
كنمشي ديريكت للكومنتير
و نبقا هابط reply مورا reply
يا حيث جاني الفيديو طويل و باغي نعرف
واش فعلا فيه اش باغي
يا حيث عجبني الموضوع و باغي نعرف عليه كثر
يا دكشي دكشي جاني فشكل
زعما كذوب بحال اشهارات ولا Paranormal
و باغي نعرف واش شي حد فكر بحالي
ياغالبا غتلاقا مع شي واحد
باغي لمن يعطي الورث اللي خلاه ليه عمو | ary_Arab | 0.999981 |
شكون نتا
و فاش كتفكر
و كيفاش كظن براسك
و فين باغي توصل
و باش كتحس
تاحاجة ماكتهم فهادشي
الامكنتيش كادير دكشي
بمعنى آخر
دكشي اللي كدير
بالافعال
هو شكون نتا
ماشي شنو كاين لداخل
صباح النور 🌹 | ary_Arab | 1.00001 |
الواقع المغربي
.
البوسطات اللي كنكتب
غاتلقاني غالبا إيجابي
أو في الأسوء Sarcastic
ماشي حيث كنشوف الحياة في الفانيدي
ولا لقيتها ساهلة
ولا كنزوق حيث باغي نبيع راسي
يقدرو هاد البوسطات يلعبو ضدي
كثر من معايا
و لكن
بمشيئة الله
اختاريت
أنا
هاد العبد المذنب
نركز على شنو غايفيديني
و غايعاوني نوصل لشنو باغي
كنختار لشنو و لمن نسمع
كنختار énergie اللي باغي نوصل للناس
كنتفاعل مع الحوايج اللي غايخلوني نآمن
باللي أي حاجة ممكنة
و آخر حاجة
هدشي راه كان فيا
و انا مورايا des obligations
و ضغط و صفارة ديال كوكوط مع 2 نهار
و الحمد لله
باقي
و كدائما خود أي بوسط
بشوية الملحة 😁 🤌 | ary_Arab | 0.999799 |
مابقا غير قدما فات
.
فاش كنت صغير
كنت كنشوف Ingénieur
ولا ناس بكرافاط
كاتجيني فشكل
و كنكول كي دارو ليها
الباك كان خالعني
و الكاطريام و كان خالعني
الواليدة الله يحفضها لينا مسكينة
ديما كتعاود ليا نفس الحاجة
وانا جاي مسخسخ باغي غي نغوت
كتكوليا مابقا غير قدما فات
و قدما كنفوت شي سطاج
كنثيق فهاد اللعيبة
فت الباك مابقا قد مافات
فت العام اللول في لافاك
مابقا قد مافات
و الواليدة و الطريق قهرتني
غير صبر اوليدي مابقا قدما فات
حتا من القناة في يوتيب
كنكوليها راه صعيب نوصل
كتكوليا مابقا قدما فات
ثيق بيا
الوقت هو اللي بينك و بين الحاجة اللي ناوي
غير خدم
الوقت غايجيبها حتال عندك
و الا كانو عندك ناس كيبغوك و يشجعوك
تهلا فيهم و متنساهمش فاش توصل | ary_Arab | 0.999951 |
واش تسمعو لنصيحة واحد
هو مفيهش دكشي
هو كيقنعك بحجة باغي ليك الخير كثر من راسي ؟ 🤔
سؤال موجه غالبا للدراري و بنات اللي عاد باديين | ary_Arab | 0.999941 |
هااا الخبرة !!
البدية من عام ل 3 سنين
عزيز عليك تكودي
مزال كتعلم و تقلب
باقي خاص اللي يشد ليك بيديك
و يشرح ليك بروجي
الخثورية من 5 سنين لل 10
وليتي ناضي في الكود
تعلمتي تهضر و تحاور و توصل الفكرة
تقدر تولي Mentor
تقدر تسمي راسك Senior
تقدر تجي و تبلونجا في شي بروجي بلا Onboarding
بديتي تعرف تمونطي شي بروجيات صغار
السطاج الوحش من 10 سنين لفوق
قليل فين كتكودي
كتمونطي بروجيات كبار من زيرو
أي واحد عندو مشكيل كيعرفك غي نتا
قريب من fonctionnel
عندك مسؤولية كبيرة
قدام client
قدام team
الحاجة اللي غادي تلاحظ
هو الكود غادي و كينقص محدك طالع
مسؤولية تلقا حلول غادا و كطلع
مسؤولية ت Communiquer كطلع
الخدمة في الدار و بروجيات Perso
كيعونوك تولي Sharp
و لكن communication écrite/orale
أتعاونك طلع في paygrade
⚠️ أهم حاجة الا مكنتيش Good team player
صعيب ينجح ليك شي بروجي
البوسط كتبتو من مورا ماخدمت شفت و سولت ناس
خبرة ديالهم مابين 1 و 20 عام في هاد الضومين | ary_Arab | 0.999591 |
شنو تقدر دير بال Big data
..
متلقاش حسن من هاد الكتاب
EVERYBODY LIES
كان كيصحاب ليا غادي نلقا فيه شي لعيبة
نرخي فيها العيا و صافي
حتا السيد ولا كيحلل و يفسر data
اللي أي واحد فينا يقدر يوصل ليها easily
و الصراحة فيه شي أفكار حميمقين
بس : الكتاب مكنقراهش من لول لخر
كنبقا نحنقز
ولكن لاينصح بها 😁
ENJOY ✌🥚 | ary_Arab | 0.99994 |
End of preview. Expand
in Data Studio
README.md exists but content is empty.
- Downloads last month
- 9