Awesome GitHub RepositoriesMachine Learning Model Development

هذا المشروع عبارة عن مجموعة شاملة من مواد تعليم برمجة Python، بما في ذلك البرامج التعليمية، والتمارين، وعينات الكود المنسقة. يعمل كمنهج تعليمي ومجموعة أدوات هندسة برمجيات، باستخدام Jupyter Notebooks لدمج الكود القابل للتنفيذ مع نص تعليمي وصفي. يوفر المستودع أدلة تنفيذ عملية لبناء تطبيقات نماذج لغوية كبيرة، مثل أنظمة التوليد المعزز بالاسترجاع، ووكلاء الذكاء الاصطناعي ذوي الحالة، وسير عمل التعلم الآلي. يتميز بتقديم نهج منظم لسير عمل الترميز الوكيل، وتغطية تقطير نافذة السياق، وتوجيه النموذج المستقل عن المزود، والمخرجات المهيكلة المفروضة بالمخطط. تغطي المواد مجموعة واسعة من قدرات هندسة البرمجيات، بما في ذلك البرمجة غير المتزامنة مع طوابير المهام الموزعة، وتطوير تطبيقات الويب مع REST APIs، وسير عمل تحليل البيانات. كما يتضمن موارد لإتقان التصميم الموجه للكائنات، وتنفيذ خطوط أنابيب CI/CD، وتطبيق معايير التنسيق والتدقيق المهنية.

This project is a multi-label classification pipeline designed for genre prediction. It implements a machine learning workflow that assigns multiple category labels to a single item by processing both textual and visual input data. The system utilizes multimodal feature extraction to transform images and text descriptions into semantic vectors. This process includes using pre-trained networks for visual feature extraction and semantic word averaging for text analysis, allowing the model to integrate different data types into a unified input. The pipeline covers the full machine learning life

هذا المشروع عبارة عن مورد تعليمي شامل ودليل تدريبي لبناء وتدريب ونشر نماذج تعلم الآلة باستخدام TensorFlow 2. يعمل كدليل تعليمي منظم يغطي مفاهيم التعلم العميق الأساسية، بما في ذلك معماريات الشبكات العصبية، والاشتقاق التلقائي، وعمليات الموترات (Tensors). يوفر الدليل توجيهات تقنية حول تحسين كفاءة التنفيذ من خلال إدارة ذاكرة GPU، والتدريب الموزع، وتكميم النماذج (Model Quantization). كما يتضمن أدلة مفصلة لبناء خطوط معالجة بيانات عالية الأداء وتصدير النماذج لخوادم الإنتاج، والأجهزة المحمولة، ومتصفحات الويب. تغطي المادة مجموعة واسعة من القدرات، بما في ذلك تطوير النماذج باستخدام الشبكات التلافيفية (CNN) والمتكررة (RNN)، وتنفيذ دوال خسارة وطبقات مخصصة، واستخدام النماذج المدربة مسبقاً للتعلم بنقل المعرفة (Transfer Learning). كما يتناول استراتيجيات النشر للأجهزة الطرفية (Edge Devices) واستخدام بيئات التشغيل السحابية لتسريع العتاد. تم تنفيذ المادة كمجموعة من دفاتر Jupyter Notebooks.

This project is a collection of interactive Jupyter notebooks and a structured machine learning tutorial series. It serves as an educational resource for studying predictive modeling and statistical analysis through a curriculum of executable code examples. The notebooks are specifically designed to accompany video tutorials, integrating external video assets with live code to synchronize visual instruction with hands-on experimentation. This approach allows users to follow sequential lessons while executing and modifying machine learning workflows directly in a browser. The content covers t

This project is a collection of interactive Jupyter notebooks designed to teach machine learning and deep learning fundamentals through hands-on coding exercises. It provides a structured curriculum that guides users through the end-to-end data science lifecycle, covering everything from initial data preprocessing to final model evaluation. The repository distinguishes itself by bridging theoretical data science concepts with practical implementation using standard industry libraries. It features a series of tutorials that demonstrate how to build and train predictive models and complex neura

This repository serves as an educational collection of interactive notebooks and code examples designed to demonstrate fundamental machine learning and deep learning concepts. It provides a structured environment for exploring data science workflows, ranging from basic numerical computing and statistical analysis to the construction of complex neural network architectures. The project distinguishes itself through a focus on hands-on experimentation, offering practical implementations for tasks such as computer vision, natural language processing, and statistical simulation. Users can engage w

هذا المشروع عبارة عن مستودع تعليمي يقوده المجتمع يوفر منهجاً مهيكلاً لإتقان التعلم الآلي وعلوم البيانات. يعمل كمورد للمطورين لبناء نماذج عملية من الصفر، مما يعزز المعرفة النظرية من خلال التنفيذ المباشر والتجريب التكراري مع الخوارزميات الشائعة. يتم تنظيم المستودع في أدلة نمطية، مما يسمح للمتعلمين باستكشاف وتجربة تمارين تعلم آلي محددة بشكل مستقل. يتم الحفاظ على المحتوى من خلال سير عمل تعاوني حيث يستخدم المساهمون التحكم في الإصدار ومراجعة الأقران لتحسين البرامج التعليمية التقنية، والتحقق من الدقة، وتحسين جودة المواد التعليمية. تدعم المجموعة تطوير المهارات من خلال تقديم مشاريع برمجية عملية يمكن استخدامها لبناء محفظة علوم بيانات. يتم تقديم المنهج من خلال واجهة قابلة للتنقل تحول الوثائق المهيكلة إلى دليل لممارسة سير عمل التعلم الآلي وتقنيات تحليل البيانات.

يعمل هذا المشروع كمورد تعليمي وعملي لإتقان سير عمل تعلم الآلة باستخدام Python. يوفر مجموعة شاملة من أمثلة الكود والتمارين المصممة لتوجيه المستخدمين خلال تنفيذ الأنظمة التنبؤية، بدءاً من الخوارزميات الأساسية وصولاً إلى بنيات التعلم العميق. يتميز المستودع بتقديم نهج منظم لكل من تعلم الآلة الكلاسيكي وتدريب الشبكات العصبية. يغطي دورة حياة تطوير النموذج بأكملها، بما في ذلك تنسيق خطوط أنابيب تحويل البيانات القابلة لإعادة الاستخدام، واستراتيجيات التجميع المتقدمة مثل التكديس والتدريب المتسلسل، وتقنيات التعامل مع مجموعات البيانات واسعة النطاق من خلال المعالجة التزايدية. تشمل المواد سطح قدرة واسع، بما في ذلك التصنيف، والانحدار، والتجميع، وتقليل الأبعاد. يوفر أدوات لتقييم النموذج الصارم، مثل تحليل الأخطاء ومقاييس الأداء، إلى جانب تقنيات التحسين مثل ضبط المعلمات الفائقة، والتنظيم، وضوابط التدريب المؤتمتة لضمان موثوقية النموذج وتعميمه. تم تنظيم المحتوى كسلسلة من البرامج التعليمية والتمارين العملية، مما يجعله مرجعاً لبناء ونشر الأنظمة الذكية باستخدام أطر عمل الصناعة القياسية.