جديدرحلة
تعلم الآلة باستخدام Python
دورة مجانية وعملية في تعلم الآلة. اكتب كود scikit-learn حقيقيًا، ودرّب نماذج على بيانات حقيقية، وشاهد رسومك تظهر في تبويب «الرسوم البيانية»، خطوة صغيرة في كل مرة.
1,000+ من الـ codders مسجلون
233 درسًا231 تحديات965 أسئلة الاختبار
- مناسب للمبتدئين
مساعدة برمجية بالذكاء الاصطناعي
دروس تفاعلية عملية
تعليق صوتي في كل درس
اختبارات لقياس معرفتك
شهادة إتمام مجانية
درّب نموذجًا في متصفحك
شيفرة scikit-learn حقيقية مع ناتجها الحقيقي. اسحب شريط التمرير لتغيير سطر واحد وشاهد ما يتعلمه النموذج.
قيمة k الصغيرة تحفظ كل نقطة تدريب وترسم حدًا متعرجًا. وقيمة k الأكبر تجعله أنعم.
main.py
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X, y = make_moons(n_samples=200, noise=0.3, random_state=0)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
k = 5
model = KNeighborsClassifier(n_neighbors=k)
model.fit(X_train, y_train)
print(f"train accuracy: {model.score(X_train, y_train):.2f}")
print(f"test accuracy: {model.score(X_test, y_test):.2f}")
xx, yy = np.meshgrid(np.linspace(-2, 3, 56), np.linspace(-1.5, 2, 40))
proba = model.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]
proba = proba.reshape(xx.shape)
plt.figure(figsize=(5, 4))
plt.pcolormesh(xx, yy, proba, cmap="coolwarm", alpha=0.35)
plt.scatter(X_train[:, 0], X_train[:, 1], c=y_train,
cmap="coolwarm", edgecolors="k")
plt.title(f"k-nearest neighbors, k = {k}")
plt.show()
جارٍ تحميل الرسوم
الناتج
المنهج
قسم 1
البيانات والرسوم البيانيةصفحة مخصصة
ابدأ القسمابدأتوسيعطيمجموعة الأدوات التي يبدأ بها كل مشروع في تعلّم الآلة: مصفوفات NumPy، ومخططات matplotlib، وجداول pandas. حمّل مجموعات بيانات حقيقية، ولخّصها، وارسم ما تكتشفه.مقدمة
4 درسًا320مصفوفات NumPy
5 درسًا520العمليات الحسابية على المصفوفات
6 درسًا625تشكيل البيانات
4 درسًا415المخططات الخطية والمبعثرة
6 درسًا625المخططات للبيانات
5 درسًا520إطارات بيانات pandas
6 درسًا625التصفية والترتيب
5 درسًا520تجميع البيانات وتنظيفها
5 درسًا520رسم بيانات DataFrame
5 درسًا520مجموعات البيانات لتعلم الآلة
5 درسًا520التحديات النهائية
4 درسًا420قسم 2
الإحصاء لتعلّم الآلةصفحة مخصصة
ابدأ القسمابدأتوسيعطيالإحصاء الذي يقوم عليه كل نموذج: النزعة المركزية والتشتت، والتوزيعات، والاحتمالات باستخدام المحاكاة، والعينات، والقيم المتطرفة، والارتباط، وخطوط الاتجاه، واختبارات المجموعات، ثم تحجيم السمات وترميزها. تُحسب كل فكرة باستخدام بيانات حقيقية وتُعرض في رسوم بيانية.المركز والتشتت
6 درسًا625التوزيعات
6 درسًا625الاحتمالات بالمحاكاة
6 درسًا625العينات والمجتمعات الإحصائية
5 درسًا520القيم المتطرفة
5 درسًا520العلاقات
6 درسًا525خطوط الاتجاه
6 درسًا625مقارنة المجموعات
6 درسًا625تحجيم الميزات
5 درسًا520ترميز الفئات
4 درسًا415استكشاف مجموعة بيانات
5 درسًا520التحديات النهائية
4 درسًا420قسم 3
التعلّم الخاضع للإشرافصفحة مخصصة
ابدأ القسمابدأتوسيعطيدرّب نماذج حقيقية باستخدام scikit-learn: قسّم البيانات، ودرّب النماذج، وأنشئ التنبؤات، وقيّم الأداء. تعرّف على k-NN، والانحدار الخطي واللوجستي، وأشجار القرار، والغابات، والتعزيز، والتقييم الموثوق باستخدام التحقق المتقاطع، وخطوط المعالجة، وصولًا إلى مشروع متكامل عن طيور البطريق.نموذجك الأول
5 درسًا520أقرب الجيران
5 درسًا520الانحدار الخطي
5 درسًا520الانحدار اللوجستي
5 درسًا520قياس أداء المصنّفات
6 درسًا625أشجار القرار
5 درسًا520فرط التكيّف
5 درسًا520التحقق المتبادل
4 درسًا415النماذج التجميعية
4 درسًا415مسارات المعالجة
5 درسًا520مشروع: أنواع البطاريق
5 درسًا525التحديات النهائية
4 درسًا420قسم 4
التعلّم غير الخاضع للإشرافصفحة مخصصة
ابدأ القسمابدأتوسيعطياكتشف البنية في البيانات من دون تسميات: خوارزمية k-means، والتجميع الهرمي، والتجميع القائم على الكثافة، وPCA لاستعراض السمات الكثيرة وضغطها، واكتشاف الحالات الشاذة، وصولًا إلى مشروع استكشاف الأرقام المكتوبة بخط اليد.اكتشاف المجموعات
5 درسًا520اختيار k
5 درسًا520قراءة العناقيد
5 درسًا520التجميع الهرمي
4 درسًا415التجميع القائم على الكثافة
4 درسًا415أبعاد أقل
5 درسًا520تحليل PCA عمليًا
5 درسًا520اكتشاف الشذوذ
5 درسًا520العناقيد في العمل
4 درسًا415مشروع: مستكشف الأرقام
5 درسًا525التحديات الختامية
4 درسًا420
ما الذي تحصل عليه
كل ما ستستخدمه لتتعلّم البرمجة
تعلّم بالممارسة
اكتب أكواداً حقيقية، واستعلم من قواعد البيانات، وأنشئ مواقع ويب، وأتقن أوامر الذكاء الاصطناعي. دروسنا التفاعلية تغطي كل المهارات التي يحتاجها المطورون المعاصرون.
playground.js
محرر الأكواد
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3 return greeting + " " + name
4}
5
اختبار #1
اختبار #2
اختبار #3
الإدخال
"Alex"
الإخراج
"Hello, Coddy! Alex"
ابنِ سلسلتك
حافظ على الاستمرارية وشاهد تقدمك ينمو! تابع عادة البرمجة اليومية، واحمِ سلسلتك بأيام التجميد، واكسب مكافآت لحضورك كل يوم.
12 أيام متتالية
عُد غداً للحفاظ على سلسلتك!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
ضعف أو لا شيء
اليوم 5 من 7
تجميد السلسلة
2 left
لست وحدك
تنافس على لوحات المتصدرين العالمية، وادعُ أصدقاءك لكسب المكافآت، واحتفلوا بإنجازات بعضكم. البرمجة أفضل مع الأصدقاء!
دوري المتحدّينأفضل 7 يتقدمون
1
Alex7+ Days
2840
2
Jordan7+ Days
2650
3
Sam7+ Days
2420
4
Casey
2180
5
Morgan7+ Days
1950
منطقة الترقيةكل طريقة للتعلّم
اقرأ، استمع، اختبر نفسك، اسأل الذكاء الاصطناعي، أو ابحث عما درسته من قبل. كل درس يتكيّف معك.
مقدمة للمتغيّرات
صوت
المتغيّر حاوية مسمّاة تخزّن قيمة يمكن الرجوع إليها لاحقًا في برنامجك.
في بايثون، تُنشئ واحدًا بكتابة الاسم ثم علامة يساوي ثم القيمة التي تريد تخزينها.
يمكن أن تتغيّر القيمة بمرور الوقت - إعادة الإسناد ببساطة توجّه الاسم إلى قيمة جديدة.
1xSarah
احصل على شهادتك
احصل على شهادات لكل دورة تكملها. أضفها إلى ملفك على LinkedIn وسيرتك الذاتية لعرض خبرتك البرمجية لأصحاب العمل.
شهادة إتماميُشهد بأنمحمد أحمدقد أتمّ بنجاح
أساسيات Python
أساسيات Python
التاريخيناير 2026
أضف إلى LinkedInلماذا تدرس تعلم الآلة مع Coddy
- ترى قبل أن تقرأ. يبدأ كل درس برسم بياني أو مخطط: انتشار أزهار iris، أو حد القرار، أو مخطط شجري (dendrogram). ثم تكتب الكود فيظهر رسمك في تبويب «الرسوم البيانية» بجانبه.
- Python حقيقية ومكتبات حقيقية. تعمل
numpyوpandasوmatplotlibوscipyوscikit-learnعلى Coddy بالإصدارات نفسها التي يستخدمها علماء البيانات، لذا فإنmodel.fit(X_train, y_train)هنا هو نفسهmodel.fit(X_train, y_train)في العمل. لا شيء لتثبيته، ولا دفتر (notebook) لإعداده. - أربعة أقسام بترتيب العمل الفعلي: البيانات والرسوم، والإحصاء لتعلم الآلة، والتعلم الخاضع للإشراف، ثم التعلم غير الخاضع للإشراف. 233 درسًا قصيرًا، في كل منها فكرة جديدة واحدة ومهمة تطبّقها.
- بيانات حقيقية لها قصة: أزهار iris، وكيمياء النبيذ، والأرقام المكتوبة بخط اليد، وبطاريق Palmer penguins. تُنهي مشروعين، مصنِّفًا لأنواع البطاريق ومستكشفًا للأرقام، ولكل رسم عنوان وتسميات تجعله صالحًا لتقرير.
أسئلة شائعة حول تعلم الآلة
ما هو تعلم الآلة؟
تعلم الآلة هو تعليم الحاسوب بالأمثلة بدلًا من القواعد. تعرض على النموذج صفوفًا كثيرة من البيانات، مثل أزهار مع أحجام بتلاتها وأنواعها، فيتعلم نمطًا يمكنه تطبيقه على صفوف لم يرها من قبل. إذا جاءت الصفوف مع إجاباتها فهذا هو التعلم الخاضع للإشراف، وإذا لم تأتِ ووجد النموذج المجموعات بنفسه فهذا هو التعلم غير الخاضع للإشراف. تُعلّمك هذه الدورة كليهما.
هل أحتاج إلى أن أكون جيدًا في الرياضيات لدراسة تعلم الآلة؟
لا. تحتاج إلى حساب المدرسة وإلى صبر لقراءة رسم بياني. تُدرّس الدورة الإحصاء الذي يستخدمه تعلم الآلة (المتوسطات، والتشتت، والتوزيعات، والارتباط، وقيم p) بالمحاكاة والصور، ويتولى scikit-learn الرياضيات الثقيلة عنك. يفيدك التفاضل والتكامل والجبر الخطي إن أردت لاحقًا بناء خوارزميات جديدة، لكنك لا تحتاجهما لتدريب النماذج واختبارها وفهمها.
هل يجب أن أعرف Python أولًا؟
الأساسيات نعم: المتغيرات و
if والحلقات والدوال والقوائم. هذا هو قسم الأساسيات في دورة Python، بضعة أسابيع بمعدل ساعة يوميًا. كل ما بعد ذلك، import وNumPy وpandas وmatplotlib وscikit-learn، تتعلمه هنا من السطر الأول.ما مكتبات Python التي سأتعلمها؟
الأدوات القياسية لتعلم الآلة: NumPy للمصفوفات، وpandas للجداول، وmatplotlib للرسوم البيانية، وSciPy للإحصاء، وscikit-learn للنماذج (أقرب الجيران k-NN، والانحدار الخطي واللوجستي، وأشجار القرار، والغابات العشوائية، والتعزيز التدرجي، وk-means، وDBSCAN، وPCA وغيرها). تعمل على Coddy بإصداراتها الحالية، فما تكتبه هنا يعمل بالطريقة نفسها على حاسوبك.
هل أحتاج إلى GPU أو حاسوب قوي؟
لا. يعمل كودك على خوادم Coddy وتعود الرسوم إلى متصفحك، فيكفيك حاسوب محمول أو Chromebook أو جهاز لوحي. ثم إن تعلم الآلة الكلاسيكي مع scikit-learn يعمل جيدًا على معالج عادي؛ أما GPU فمهم لتدريب الشبكات العصبية الكبيرة، وهي خارج نطاق هذه الدورة.
ماذا يمكنني أن أبني بعد هذه الدورة؟
نماذج تجيب عن أسئلة حقيقية من جدول بيانات: هل هذه الرسالة مزعجة (spam)، وأي العملاء يُرجَّح أن يغادروا، وما نوع هذا البطريق، وكم دراجة ستُستأجر غدًا، وما مجموعات المتسوقين الموجودة، وأي قراءات الخوادم تبدو خاطئة. وتتعلم أيضًا تقييمها بأمانة باستخدام مجموعات الاختبار، والتحقق المتقاطع، ومصفوفات الالتباس، ومنحنيات ROC، وهذا ما يجعل النموذج جديرًا بالثقة.
كم من الوقت يستغرق إتقان تعلم الآلة؟
تتكون هذه الدورة من 233 درسًا في 4 أقسام، أي نحو 40 ساعة بالسرعة التي تناسبك، أو شهرين إلى ثلاثة أشهر بمعدل نصف ساعة يوميًا. ويضعها مسار علم البيانات بالترتيب بعد Python وSQL. وبعدها، أسرع طريقة للتطور هي أن تختار مجموعة بيانات عامة تهمك وتكرر عليها خطوات مشروع الدورة.
هل دورة تعلم الآلة هذه مجانية؟
نعم. الدروس والرسوم البيانية وتلميحات الذكاء الاصطناعي والشهادات مجانية. يتيح لك الحساب المجاني بضعة دروس يوميًا، ويُلغي Pro الحد اليومي.
