مكتبات Python للذكاء الاصطناعي

تضم Python منظومة غنية من المكتبات التي تجعل تطوير الذكاء الاصطناعي أسهل وأكثر كفاءة. في هذا الدرس، سنقدّم ثلاث مكتبات أساسية: NumPy وPandas وScikit-learn.

مقدمة إلى NumPy

NumPy (Numerical Python) هي مكتبة للعمل مع المصفوفات وإجراء العمليات الرياضية. تتميز بالسرعة والكفاءة، مما يجعلها مثالية للتعامل مع مجموعات البيانات الكبيرة في مشروعات الذكاء الاصطناعي.

import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr)

مقدمة إلى Pandas

Pandas هي مكتبة لمعالجة البيانات وتحليلها. توفر أدوات للعمل مع البيانات المنظّمة مثل الجداول وجداول البيانات، مما يجعلها مفضلة لدى علماء البيانات.

import pandas as pd
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)
print(df)

مقدمة إلى Scikit-learn

إن Scikit-learn مكتبة للتعلم الآلي. وتوفر أدوات لمهام مثل التصنيف والانحدار والتجميع. ستستخدمون Scikit-learn لإنشاء نماذج الذكاء الاصطناعي وتقييمها.

from sklearn.linear_model import LinearRegression
model = LinearRegression()
print(model)

تثبيت مكتبات Python

يمكنك تثبيت هذه المكتبات باستخدام pip، وهو مدير الحزم الخاص بـ Python. شغّل الأوامر التالية في الطرفية:

• pip install numpy
• pip install pandas
• pip install scikit-learn

استخدام NumPy للمصفوفات

تسهّل NumPy إجراء العمليات على المصفوفات. فعلى سبيل المثال، يمكنكم حساب مجموع جميع العناصر أو تغيير شكل المصفوفة.

import numpy as np
arr = np.array([[1, 2], [3, 4]])
print('Sum:', np.sum(arr))
print('Reshaped:', arr.reshape(4))

استخدام Pandas لإطارات البيانات

إن DataFrame في Pandas أداة قوية لإدارة البيانات الجدولية. يمكنكم تصفية الصفوف، وحساب الإحصاءات، وغير ذلك.

import pandas as pd
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)
print(df.describe())

مراجعة

تعرّفتم إلى ثلاث مكتبات أساسية في Python للذكاء الاصطناعي:

• NumPy: للعمل مع المصفوفات وإجراء العمليات الرياضية.
• Pandas: لإدارة البيانات المنظّمة وتحليلها.
• Scikit-learn: لإنشاء نماذج التعلم الآلي وتقييمها.

تهانينا!

أكملتم درس مكتبات Python للذكاء الاصطناعي. واصلوا التعلّم للتعرّف إلى أنواع البيانات وبُناها في Python في الدرس التالي.