ML-For-Beginners
منهج مفتوح المصدر لمدة 12 أسبوعاً و26 درساً يغطي التعلم الآلي الكلاسيكي باستخدام Scikit-learn وJupyter Notebooks.
قم بتدريس أو تعلم التعلم الآلي الكلاسيكي من خلال 26 درساً عملياً، و52 اختباراً، وبيانات حقيقية، وأكثر من 50 ترجمة.
ML-For-Beginners هو منهج شامل مدته 12 أسبوعاً أنشأه Microsoft Cloud Advocates لتدريس أساسيات التعلم الآلي. وهو يوفر للمعللمين والذين يتعلمون ذاتياً 26 درساً منظماً، ودفاتر Jupyter، واختبارات ما قبل وبعد المحاضرة، وواجبات عمليّة. يمكن للمدربين الساعين إلى دمج علم البيانات التطبيقي في المقررات الدراسية تبني هذا المستودع مباشرة.
ما هو
يركز المنهج على خوارزميات التعلم الآلي الكلاسيكية باستخدام Python وScikit-learn وR، مع استبعاد التعلم العميق عمداً. يتضمن كل درس أدلة مكتوبة، وتوضيحية مرئية، ودفاتر حلول، وواجبات منزلية، ومعايير تقييم التقدم. تحافظ إجراءات GitHub Actions المؤتمتة على ترجمات الدورات عبر أكثر من 50 لغة.
لمن هو
تناسب هذه الأداة معلمي علوم الكمبيوتر، ومصممي التعليم، والطلاب الذين يتعلمون ذاتياً ويبحثون عن مسار منظم نحو الخوارزميات الأساسية. وهي تعمل بشكل جيد للمدربين الذين يحتاجون إلى اختبارات جاهزة وأنشطة دفاتر ملاحظات عملية. وهي لا تناسب الباحثين المتقدمين أو المهندسين الباحثين عن أطر التعلم العميق وخطوط إنتاج النشر.
أهم الميزات
تخطيط دورة منظم لمدة 12 أسبوعاً
ينظم التعلم في 26 درساً قائماً على المشاريع كاملة مع 52 اختباراً قبل وبعد المحاضرة ومفاتيح الواجبات.
التركيز على خوارزميات التعلم الآلي الكلاسيكي
يعتمد تدريس مفاهيم التصنيف والانحدار والتجميع الأساسية لـ Scikit-learn دون الحاجة إلى عتاد وحدة معالجة رسومية GPU.
ترجمات متعددة اللغات مؤتمتة
يحافظ على نص الدورة المحلية عبر أكثر من 50 لغة يتم تحديثها تلقائياً من خلال GitHub Actions.
إرشادات مرئية وفيديو
يربط نص المستودع المكتوب برسومات توضيحية مرسومة مخصصة وإرشادات فيديو مخصصة على YouTube.
جاهز للعمل في 3 خطوات
حكمنا الصادق
ما يميّزه
- يتضمن 52 اختباراً منظماً قبل وبعد الدرس إلى جانب معايير تقييم التقدم للدرجات.
- يركز حصرياً على الخوارزميات الكلاسيكية الصديقة لـ CPU، مما يجعل تنفيذ الكود متاحاً على الأجهزة القياسية.
- يوفر دفاتر حلول كاملة في Python إلى جانب مساهمات دروس R البديلة.
- يوفر إمكانية الوصول الدولية مع ترجمات مؤتمتة لأكثر من 50 لغة عالمية.
أين يقصّر
- تتطلب عملية استنساخ المستودع بالكامل أوامر git sparse-checkout لتجنب تنزيل جيجابايت من أصول الترجمة.
- يستبعد التعلم العميق الحديث والشبكات العصبية ومواضيع الذكاء الاصطناعي التوليدي بالتصميم.
- يتطلب تكوين بيئة Python محليّة أو إعداد دفتر ملاحظات سحابي لتغيل الكود التفاعلي.
- يفتقر إلى نظام درجات مؤتمت، مما يتطلب تقييماً يدويّاً لواجبات مشاريع الطلاب.
التسعير والرخصة
ML-For-Beginners مجاني تماماً للنسخ والتكيف والاستخدام بموجب ترخيص MIT. التكلفة التشغيلية الوحيدة تتعلق بأي خدمات استضافة سحابية اختيارية تختار تشغيل دفاتر Jupyter عليها.
وظائف للناطقين بالعربية
879 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
البدائل
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
استخدمه، أو دعنا نُعِدّه لك
الأسئلة الشائعة
هل يغطي هذا الكورس الشبكات العصبية أو التعلم العميق؟
لا، يغطي المنهج حصرياً التعلم الآلي الكلاسيكي باستخدام Scikit-learn؛ ويتم تغطية التعلم العميق في منهج AI المنفصل لـ Microsoft.
هل يمكن للمعلمين تكيف هذه المواد للدورات التجارية أو الأكاديمية؟
نعم، تم إصدار المستودع بموجب ترخيص MIT المتساهل، مما يتيح التكيف الكامل وإعادة الاستخدام التعليمي.
كيف يمكنني نسخ المستودع دون تنزيل جميع ترجمات أكثر من 50 لغة؟
استخدم أوامر git sparse-checkout المتوفرة في وثائق المستودع لاستبعاد أدلة الترجمة.
