مجموعة من المقالات و المقابلات التقنية المتنوعة من freeCodeCamp من اختيارات @Daniel__Rosa إذا كنت تبحث عن محتوى تقني يساعدك على تطوير مهاراتك خطوة بخطوة، فإن أرشيف freeCodeCamp يضم مجموعة واسعة من المقالات التعليمية التي تغطي البرمجة، أنظمة التشغيل، تطوير الويب، الذكاء الاصطناعي، الأمن السيبراني، وجودة البرمجيات وغيرها من المجالات. ومن بين الموضوعات التي تظهر في هذه المجموعة: تطوير الويب والبرمجة كيفية إنشاء واستخدام Promise انطلاقًا من دوال callback في JavaScript. فهم props في Vue.js وكيفية استخدامها. مقالات عملية حول CSS وطرق التعامل مع نقاط التوقف. شرح React من خلال أمثلة واقعية. أنظمة التشغيل وعلوم الحاسوب ما هو نظام الملفات وكيف تعمل أنظمة الملفات في أجهزة الكمبيوتر؟ كيفية تثبيت Ubuntu باستخدام VirtualBox. موضوعات متعلقة بـ Linux وإدارة الأنظمة. الذكاء الاصطناعي والبيانات الابتكار والتعلم باستخدام الذكاء الاصطناعي. التطبيقات الذكية التي تجمع بين No-Code والذكاء الاصطناعي. علوم البيانات وتطبيقاتها العملية. الأمن السيبراني وجودة البرمجيات الأمن السيبراني من الجانب العملي. مفهوم ضمان الجودة وكيفية تطبيقه في تطوير البرمجيات. المسار المهني والتعلم بناء المسيرة المهنية في مجال التقنية. تجارب التدريب وبداية العمل في قطاع التكنولوجيا. العمل عن بُعد والثقافة المهنية الحديثة. كما تتضمن المجموعة حلقات بودكاست تناقش موضوعات مثل بناء شركات FinTech، Ruby on Rails، التطبيقات الذكية، علوم البيانات، العمل عن بُعد، والابتكار باستخدام الذكاء الاصطناعي. القيمة الحقيقية لهذه المقالات ليست في تعلم أداة أو لغة برمجة واحدة فقط، بل في رؤية الصورة الأكبر: كيف تعمل البرمجيات والأنظمة، وكيف ينتقل المطور من فهم المفاهيم الأساسية إلى بناء حلول حقيقية. إذا كنت في بداية رحلتك البرمجية، يمكنك اختيار موضوع واحد والبدء منه. وإذا كنت مطورًا أكثر خبرة، فهذه المجموعة توفر لك فرصة لاستكشاف مجالات جديدة وتوسيع معرفتك التقنية. التعلم المستمر هو أحد أهم الاستثمارات التي يمكن للمطور أن يقوم بها في مسيرته المهنية. #freeCodeCamp #البرمجة #تعلم_البرمجة #تطوير_الويب #JavaScript #Python #Linux #React #VueJS #الذكاء_الاصطناعي #علوم_الحاسوب #الأمن_السيبراني #هندسة_البرمجيات freecodecamp.org/portuguese/…

كيف تطورت أفكار التعلم العميق من نماذج بحثية مبكرة إلى الأساليب التي تقف خلف جزء كبير من الذكاء الاصطناعي الحديث؟ هذا هو محور دورة Hands-On Evolution of Deep Learning – Geoffrey Hinton’s AI Legacy، وهي دورة عملية تمتد لنحو 27 ساعة، تستعرض تطور أبحاث Geoffrey Hinton عبر عقود من العمل في الشبكات العصبية والتعلم العميق. بدل دراسة الأوراق البحثية كمواضيع منفصلة، تربط الدورة بين الأفكار وتوضح لكل عمل المشكلة التي حاول حلها، والفكرة الأساسية التي قدمها، وكيف يمكن تحويل النظرية إلى تطبيق عملي باستخدام PyTorch. تبدأ الرحلة مع Boltzmann Machines والتعلم باستخدام نماذج الطاقة، ثم تنتقل إلى Backpropagation وفكرة تعلم التمثيلات، وDistributed Representations وAdaptive Mixtures of Local Experts. بعد ذلك تتناول Helmholtz Machine وWake-Sleep Algorithm، ثم Stochastic Neighbor Embedding والأسس التي قادت إلى t-SNE. وتتقدم الدورة إلى Deep Belief Networks والتدريب الطبقي التدريجي، ثم Deep Boltzmann Machines، وRestricted Boltzmann Machines مع دور Rectified Linear Units في تحسينها. كما تغطي مجموعة من الأفكار التي أصبحت مؤثرة في التعلم العميق الحديث، منها AlexNet وتصنيف الصور باستخدام الشبكات الالتفافية العميقة، وDropout للحد من فرط التخصيص، وKnowledge Distillation لنقل المعرفة بين الشبكات العصبية، وLayer Normalization، وCapsule Networks وDynamic Routing Between Capsules، وContrastive Learning of Visual Representations، وصولًا إلى Forward-Forward Algorithm. ولا تقتصر الدورة على الجانب النظري؛ فهي تربط المفاهيم بتطبيقات عملية في PyTorch، إلى جانب التصورات البصرية والتجارب التي تساعد على فهم الخوارزميات، ثم توضح كيف ترتبط هذه الأفكار التاريخية ببنية أنظمة الذكاء الاصطناعي الحديثة. بهذا تصبح رحلة Hinton أكثر من مجرد مجموعة من الأوراق البحثية؛ إنها رحلة مترابطة عبر تطور أفكار التعلم العميق، من نماذج الطاقة والتمثيلات إلى الشبكات العميقة والتعلم التبايني والأساليب الحديثة لتدريب النماذج. #برمجة #تقنية #التعلم_العميق youtu.be/BMYvfVk8Ar0?si=LkcO…

كيف تتعامل مع ملايين أو مليارات السجلات التي تتزايد باستمرار مع مرور الوقت، دون أن تتحول الاستعلامات وقواعد البيانات إلى عنق زجاجة؟ دورة جديدة على قناة freeCodeCap org في YouTube تركز على TimescaleDB، وتوضح كيف يمكن استخدامه لتطوير PostgreSQL وتحسينه للتعامل مع بيانات Time-Series واسعة النطاق. هذا النوع من البيانات يظهر في تطبيقات كثيرة، مثل سجلات طلبات API، وبيانات أجهزة IoT، ومراقبة الأنظمة، ولوحات المعلومات الخاصة بتطبيقات الذكاء الاصطناعي. خلال الدورة ستتعلم كيفية استخدام Hypertables وChunk Management، حيث يتم تنظيم البيانات تلقائيًا وفقًا للوقت بهدف تحسين أداء الاستعلامات وتسهيل عمليات الاحتفاظ بالبيانات. كما تتناول الدورة Columnar Storage وCompression، وتحويل البيانات القديمة إلى دفعات منظمة عموديًا لتقليل مساحة التخزين وتحسين أداء الاستعلامات التحليلية. ومن المفاهيم المهمة أيضًا Continuous Aggregates، التي تسمح ببناء Materialized Views يتم تحديثها تدريجيًا بدل إعادة حساب البيانات نفسها في كل استعلام، مما يساعد على إبقاء لوحات المعلومات سريعة. وستتعلم استخدام Hyperfunctions وGap Filling لإجراء حسابات متخصصة على البيانات الزمنية، مثل Percentiles وDistinct Counts، والتعامل مع Counter Resets والفجوات في البيانات بهدف إنتاج بيانات مناسبة للرسوم البيانية. كما تستكشف الدورة Data Tiering لنقل البيانات القديمة إلى تخزين أرخص مثل S3، بالإضافة إلى دمج استعلامات Time-Series مع Vector Search. والجانب العملي كبير؛ إذ تبني الدورة مشروعين كاملين: AI Agent Flight Recorder لتتبع ملايين عمليات الاستدلال واستدعاءات الأدوات والتكلفة وLatency، ونظام EV Charger Fleet Telemetry لمراقبة 2,000 جهاز يرسل بيانات كل 10 ثوانٍ. مدة الدورة حوالي 4 ساعات، وهي مناسبة للمطورين الذين يريدون التعامل مع Time-Series Data على نطاق واسع باستخدام PostgreSQL وTimescaleDB. #برمجة #تقنية #قواعد_البيانات freecodecamp.org/news/timesc…

كيف تطورت أفكار التعلم العميق من نماذج بحثية مبكرة إلى الأساليب التي تقف خلف جزء كبير من الذكاء الاصطناعي الحديث؟ هذا هو محور دورة Hands-On Evolution of Deep Learning – Geoffrey Hinton’s AI Legacy، وهي دورة عملية تمتد لنحو 27 ساعة، وتستعرض تطور أبحاث Geoffrey Hinton عبر عقود من العمل في الشبكات العصبية والتعلم العميق. بدل دراسة الأوراق البحثية كمواضيع منفصلة، تربط الدورة بين الأفكار وتوضح لكل عمل: ما المشكلة التي حاول حلها؟ وما الفكرة الأساسية التي قدمها؟ وكيف يمكن تحويل النظرية إلى تطبيق عملي باستخدام PyTorch؟ تبدأ الرحلة مع Boltzmann Machines والتعلم باستخدام نماذج الطاقة، ثم تنتقل إلى Backpropagation وفكرة تعلم التمثيلات، وDistributed Representations وAdaptive Mixtures of Local Experts. بعد ذلك تتناول Helmholtz Machine وWake-Sleep Algorithm، ثم Stochastic Neighbor Embedding والأسس التي قادت إلى t-SNE. وتتقدم الدورة إلى Deep Belief Networks والتدريب الطبقي التدريجي، ثم Deep Boltzmann Machines، وRestricted Boltzmann Machines مع دور Rectified Linear Units في تحسينها. كما تغطي مجموعة من الأفكار التي أصبحت مؤثرة في التعلم العميق الحديث، منها: AlexNet وتصنيف الصور باستخدام الشبكات الالتفافية العميقة. Dropout للحد من مشكلة فرط التخصيص. Knowledge Distillation لنقل المعرفة بين الشبكات العصبية. Layer Normalization. Capsule Networks وDynamic Routing Between Capsules. Contrastive Learning of Visual Representations. وForward-Forward Algorithm. ولا تقتصر الدورة على الجانب النظري؛ فهي تربط المفاهيم بتطبيقات عملية في PyTorch، إلى جانب التصورات البصرية والتجارب التي تساعد على فهم الخوارزميات، ثم توضح كيف ترتبط هذه الأفكار التاريخية ببنية أنظمة الذكاء الاصطناعي الحديثة. بهذا تصبح رحلة Hinton أكثر من مجموعة أوراق بحثية؛ إنها قصة تطور للأفكار التي ساهمت في تشكيل التعلم العميق الحديث، من نماذج الطاقة والتمثيلات إلى الشبكات العميقة والتعلم التبايني والأساليب الحديثة لتدريب النماذج. #برمجة #تقنية #التعلم_العميق #الذكاء_الاصطناعي freecodecamp.org/news/hands-…

كيف تطورت أفكار التعلم العميق عبر العقود؟ وكيف تحولت أبحاث Geoffrey Hinton إلى أفكار أصبحت جزءًا من أساسيات الذكاء الاصطناعي الحديث؟ يقدم freeCodeCamp دورة عملية بعنوان Hands-On Evolution of Deep Learning – Geoffrey Hinton’s AI Legacy تمتد لأكثر من 27 ساعة، وتركز على إعادة تنفيذ مجموعة من أهم أعمال Geoffrey Hinton لفهم تطور أفكاره خطوة بخطوة. بدل دراسة الأوراق البحثية بصورة منفصلة، تتتبع الدورة المسار التاريخي للأفكار، وتشرح في كل عمل الدافع وراء البحث، والمشكلة التي حاول حلها، والفكرة الأساسية التي قدمها، ثم تربط النظرية بتطبيق تعليمي باستخدام PyTorch. تبدأ الرحلة من Boltzmann Machines والتعلم باستخدام نماذج الطاقة، ثم تنتقل إلى Backpropagation والتعلم التمثيلي، وDistributed Representations وAdaptive Mixtures of Local Experts. بعد ذلك تتناول Helmholtz Machine وWake-Sleep Algorithm، ثم Stochastic Neighbor Embedding والأسس التي قادت إلى t-SNE، وDeep Belief Networks والتدريب الطبقي التدريجي، وDeep Boltzmann Machines. وتصل الدورة إلى أعمال مؤثرة أخرى مثل ReLU وAlexNet في تصنيف الصور، وDropout لتقليل فرط التخصيص، وKnowledge Distillation، وLayer Normalization، وCapsule Networks وDynamic Routing، إضافة إلى Contrastive Learning وForward-Forward Algorithm. ولا تقتصر الدورة على الجانب النظري؛ إذ تتضمن تطبيقات عملية في PyTorch، وتجارب، وتصويرًا بصريًا للخوارزميات بهدف جعل الأفكار الأساسية أكثر وضوحًا، مع توضيح الروابط بين هذه الأبحاث التاريخية وبعض الأساليب المستخدمة في الذكاء الاصطناعي الحديث. هذه الدورة مناسبة لمن يريد دراسة التعلم العميق من خلال تطور الأفكار البحثية نفسها، وفهم لماذا ظهرت كل تقنية، وما المشكلة التي حاولت حلها، وكيف يمكن تحويل المفاهيم الموجودة في الأوراق العلمية إلى تطبيقات عملية. إنها رحلة تبدأ من نماذج الطاقة وتمتد عبر عقود من البحث لتوضح كيف تراكمت الأفكار التي ساهمت في تشكيل التعلم العميق الحديث. #برمجة #تقنية #التعلم_العميق freecodecamp.org/news/hands-…

وصلت قناة freeCodeCamp على YouTube أخيرًا إلى مليار مشاهدة! 🎉 لا فيديوهات فيروسية، ولا ضربة حظ… بل 12 عامًا من العمل الشاق، والاستمرارية، والعطاء المتواصل. مليار مشاهدة هي ثمرة سنوات من التعليم المفتوح، والمحتوى المجاني، وآلاف الساعات التي قُدّمت لخدمة المتعلمين حول العالم. كل التهاني لـ Quincy, Beau وAnia وEstefania وGavin وKylie وMike Dane، ولكل شخص ساهم بعلمه وخبرته وحكمته في هذه الرحلة. والأجمل من ذلك؟ نحن ما زلنا في البداية. 🚀 هذه الدورات التعليمية المجانية ستصل إلى ملايين المتعلمين حول العالم، وستستمر رحلة بناء مستقبل أفضل للتعليم البرمجي. مليار مشاهدة اليوم… والقادم أعظم. #freeCodeCamp #1000000000Views #Programming #Coding #LearnToCode #OpenSource #FreeEducation #WebDevelopment #AI #MachineLearning #ComputerScience