أدوات علم البيانات والذكاء الاصطناعي في التطبيق: الكود والأوامر التي تهم حقًا
أدوات علم البيانات والذكاء الاصطناعي: الأساسيات في مقال واحد — كود حقيقي، مخططات وخطوات ملموسة، مقتطفات من دورة مكونة من 43 درسًا.
لا نظرية لا تنتهي هنا: نفتح الطرفية ونمارس. إليك الأساسيات من Outils Data Science IA، مستخرجة مباشرة من دورة كاملة تضم 43 درسًا — مع كود حقيقي يمكنك نسخه ولصقه الآن.
- مقدمة وإعداد
- Jupyter Notebook وJupyterLab
- إدارة بيئات Python
- VS Code لعلوم البيانات
- Git وGitHub لعلماء البيانات
إنشاء وتفعيل وتصدير بيئات conda
الأهداف التعليمية
- إنشاء بيئة conda بإصدار Python محدد
- تفعيل وتعطيل بيئة
- تثبيت الحزم من conda-forge
- تصدير بيئة إلى
environment.yml - إعادة إنشاء بيئة من الملف
الفكرة الأساسية: وصفة يمكن إعادة تنفيذها في أي مكان
بيئة conda تشبه وصفة طبخ مكتوبة بالأسود على الأبيض. تسرد المكونات (الحزم) وكمياتها (الإصدارات) في ملف environment.yml. يستطيع أي شخص، على أي جهاز، إعادة إنشاء الطبق نفسه تمامًا باتباع الوصفة. هذا جوهر قابلية التكرار.
الدورة دائمًا واحدة: ننشئ، نفعّل، نثبّت، نصدّر. التصدير ينتج الوصفة؛ والوصفة تتيح إعادة الإنشاء في مكان آخر.
الإنشاء والتفعيل
Export from-history
احتفظ فقط بما طلبته صراحة. أكثر قابلية للنقل بين Windows وmacOS وLinux.
--from-history. لضمان إعادة إنتاج مطابق للحزم على نفس نظام التشغيل (CI، الإنتاج)، استخدم التصدير الكامل.إعادة إنشاء بيئة في مكان آخر
على جهاز آخر، أو بعد استنساخ مشروع، نعيد إنشاء البيئة بأمر واحد من الملف.
تثبيت Anaconda وVS Code وGit
الأهداف التعليمية
- تثبيت Anaconda (أو Miniconda) على نظام التشغيل الخاص بك
- تثبيت Visual Studio Code وإضافاته الأساسية للبيانات
- تثبيت وتهيئة Git مع هويتك
- التحقق من كل تثبيت بأمر تحكم
- الاختيار بين Anaconda الكامل وMiniconda الخفيف
الفكرة الأساسية: وضع الأساسات قبل البناء
قبل كتابة أي سطر كود بيانات، يجب وضع ثلاث أساسات. Anaconda يوفر Python ومدير البيئات (conda). VS Code سيكون محررك الرئيسي. Git سيتولى إصدار عملك. بمجرد وضع هذه اللبنات الثلاث، تملك ما يكفي لبدء أي مشروع في الدورة.
نثبّت مرة واحدة ونتحقق فورًا. التحقق ضروري: 90٪ من مشاكل المبتدئين تأتي من تثبيت ناقص أو PATH غير مهيأ بشكل صحيح ونكتشفه متأخرًا.
Anaconda أم Miniconda؟
كل من Anaconda وMiniconda يوفران conda، مدير البيئات. الفرق يكمن في كمية الحزم المثبتة مسبقًا.
| المعيار | Anaconda | Miniconda |
|---|---|---|
| حجم التنزيل | ~ 1 جيجابايت | ~ 70 ميجابايت |
| الحزم المضمنة | أكثر من 250 (pandas، numpy، scikit، إلخ) | الحد الأدنى (conda + Python) |
| واجهة رسومية | نعم (Anaconda Navigator) | لا، سطر أوامر |
| الجمهور المثالي | مبتدئ كامل | مستخدم يريد التحكم |
conda متطابقة في الحالتين.تثبيت Anaconda حسب نظام التشغيل
Windows
نزّل المثبت .exe من anaconda.com، شغّله، وحدد « Add to PATH » حتى لو كان غير مستحسن، ثم افتح « Anaconda Prompt ».
macOS
نزّل الملف .pkg (Intel أو Apple Silicon حسب معالجك) واتبع المعالج. سيتعرف الطرفية على conda بعد إعادة التشغيل.
Linux
نزّل السكربت .sh، ثم نفّذه واقبل تهيئة الصدفة.
أول مشروع، هيكل المجلدات والبيئة
الأهداف التعليمية
- اعتماد هيكل مجلدات قياسي لمشاريع البيانات
- إنشاء بيئة conda مخصصة لمشروع
- فهم دور كل مجلد (data، notebooks، src)
- كتابة
.gitignoreمناسب لعلوم البيانات - تهيئة مستودع Git وإجراء أول commit
الفكرة الأساسية: مكان لكل شيء
مشروع بيانات بدون هيكل يتحول سريعًا إلى فوضى: دفاتر final_v2_vraiment_final.ipynb، ملفات CSV في كل مكان، سكربتات مختلطة مع البيانات. الحل هو هيكل قياسي حيث يكون لكل نوع ملف مكانه. لن تضيع وقتًا في البحث، وسيفهم أي شخص مشروعك من خلال النظر إلى الشجرة.
القاعدة الذهبية: مشروع = مجلد = بيئة. كل مشروع يعيش في مجلده الخاص مع بيئة conda الخاصة به. لا خلط، لا تعارض.
الهيكل القياسي لمشروع بيانات
تغطي هذه المقالة المقتطفات الأكثر فائدة — الدورة الكاملة Outils Data Science IA (11 فصول، 43 درسًا، تمارين مصححة ومشروع نهائي) تأخذك إلى النهاية.
./acceder-au-cours-complet cours gratuit : Maîtriser Claude Codeالأسئلة الشائعة
كم من الوقت لتعلم Outils Data Science IA؟
هل هناك متطلبات سابقة؟
من أين نبدأ عمليًا؟
📬 هل تريد تلقي هذا النوع من الأدلة كل أسبوع؟ اشترك مجانًا — كود حقيقي، بدون كلام زائد.