مساكم الله بالنور والسرور، في هذي الحلقة تكلّمنا عى فكرة ال API وكيف تتعامل معه

هذه الحلقة كانت بناء على طلب أحد المشتركين في مجموعتي على دسكورد.. انضم خلال هذا الرابط:

https://discord.gg/jbwnf2eep7

شرح الbig O notation
تستخدم فكرة الbig O notation لتحديد الموارد التي تحتاجها الخارزميّات لإتمام عملها. ولهذه الصيغة عدّة أشكال وهي
المدّة الخطّيّة O(n) كلّما زادت المعطيات زادت المدّة المطلوبة لتنفيذ العمليّة

مثالها قراءة معجم من أوّله لآخره، كلّما زادت صفحات الكتاب (المعطيات) زادت المدّة المطلوبة للقراءة.

المدّة الثابته O(1) مهما تغيّرت المعطيات كانت سرعة تنفيذ العمليّة ثابته

مثالها: الذهاب لأوّل صفحة في معجم، مهما زادت صفحاته (المعطيات) لن يؤثّل ذلك على المدّة المطلوبة للتنفيذ

المدّة المتسارعة السلبيّة O(n^2) تتضاعف مدّة التنفيذ كلّما زادت المعطيات بشكل خطّي

مثال: لو أردتّ أن تجد مصطلحات متكرّرة في معجم تستطيع مقارنة كل مصطلح بكل مصطلح آخر في المعجم، فلو كان عندك 10 مصطلحات لقمت ب 100 مقارنة ولو كان عندك 100 مصطلح لقمت بعشرة آلاف مقارنة

المدّة المتسارعة الإيجابيّة O(log n) تزيد مدّة التنفيذ بشكل خطّي كلما تضاعفت المعطيات

مثال: لو طلبت منك البحث عن مصطلح في معجم مرتّب ابجديا تبدأ من نصف المعجم وتنظر إن كان المصطلح المطلوب قبل أو بعد المكان الذي أنت فيه وتترك الجنب الآخر، هذا يقسم مساحة البحث نصف، اعد وكرر على النصف الباقي، ثم الربع الباثي، ثم الثمن الباقي حتّى تصل إلى مكان المصطلح الذي تبحث عنه. كلّما تضاعفت المعطيات (حجم الكتاب) في هذا المثال زادت مدّة البحث بشكل قليل.

مثال على استخدام sed لتعديل عدّة ملفّات مرّة واحدة

https://stackoverflow.com/questions/905144/changing-all-occurrences-in-a-folder

موضوع اليوم كان عن طرق البحث الذكي أي: البحث الذي يأتي بنتائج صحيحة دون أن تشمل المصطلح الذي استخدمه الباحث.

مقال يعطي تفاصيل عامّة عن فكرة word2vec: https://www.coveo.com/blog/word2vec-explained/

مقال يشرح كيفيّة بناء نظام مثل هذا بستخدام بايثون و numpy: https://towardsdatascience.com/a-word2vec-implementation-using-numpy-and-python-d256cf0e5f28

أستخدام لفكرة word embeddings لصنع LLM يقرأ مؤلّف من مؤلّفات أفلاطون وكيفيّة صنعه باستخدام Python: https://machinelearningmastery.com/how-to-develop-a-word-level-neural-language-model-in-keras/

حلقة اليوم تتكلّم عن الذكاء الاصطناعي. سنمر على مشروع بشكل متكامل م الألف إلى الياء. بعد هذه الحلقة ستحصل على معرفة عامّة بطريقة عمل هذه الأنظمة بإذن الله

المصادر

كتاب "Hands on machine learning with scikit-learn, keras, and tensorflow"

هذا أفضل كتب علم الحاسب التي قرأتها وهو الذي اعتمدته لصنع هذه الحلقة.

قناة StatQuest على اليوتيوب تشرح كثير من الأفكار التي تكلّمنا عنها في هذه الحلقة.

قاعدة البيانات المستعملة: https://raw.githubusercontent.com/ageron/handson-ml2/master/datasets/housing/housing.tgz


رابط موقع درب: https://daarb.dev/

للتّواصل
حسابي على تويتر: https://twitter.com/a_a_alhusaini

موضوعنا اليوم هو Serverless Computing

رابط موقع درب: https://daarb.dev/

للتّواصل
حسابي على تويتر: https://twitter.com/a_a_alhusaini

مقالي عن صنع الصور عن طريق HTML و CSS

https://daarb.dev/%d8%a8%d8%b1%d9%85%d8%ac%d8%a9-%d8%ad%d9%84%d9%88%d9%84-%d8%a8%d8%b3%d9%8a%d8%b7%d8%a9-%d9%84%d9%85%d8%b4%d8%a7%d9%83%d9%84-%d9%85%d8%b3%d8%aa%d8%ad%d9%8a%d9%84%d8%a9/

المحاضرة التي ضكرتها عن Haxe

https://www.youtube.com/watch?v=TbhkHrcslrE

حسابي على تويتر

https://twitter.com/a_a_alhusaini

المقال سيتوفّر قريبا!