تخطي إلى المحتوى الرئيسي
عاجل
مصر تجذب استثماراً ضخماً بـ 750 مليون دولار لبناء مركز بيانات عملاق في نوفمبر 2026 منذ 21 ساعة مبادئ SOLID الخمسة لكتابة كود نظيف قابل للصيانة والتوسع منذ 30 دقيقة الحوسبة الطرفية (Edge Computing): لماذا تهرب التطبيقات الحديثة من السحابة المركزية؟ منذ 35 دقيقة كيف تبني أول نموذج تعلم آلة ببايثون باستخدام Scikit-Learn خطوة بخطوة منذ ساعة المعايير الجديدة لصناعة المحتوى التقني على يوتيوب والشورتس: كيف تتصدر التريند؟ منذ ساعة انقطاعات Microsoft 365 والخدمات السحابية الكبرى: كيف تبني خطة طوارئ لشركتك؟ منذ ساعتين الاستدعاء الذاتي Recursion مقابل التكرار Iteration: أيهما أسرع وأكثر أماناً للذاكرة؟ منذ ساعتين دليل المطور العربي لبناء بورتفوليو تقني يجذب شركات الريموت العالمية في 2026 منذ 3 ساعات Wi-Fi 7 مقابل 5G المنزلي: أيهما أسرع وأكثر استقراراً للألعاب والبث في 2026؟ منذ 3 ساعات البرمجة الديناميكية Dynamic Programming: كيف تحل أصعب مسائل المقابلات بذكاء؟ منذ 3 ساعات
الذكاء الاصطناعي دقيقتان قراءة 2 مشاهدة

كيف تبني أول نموذج تعلم آلة ببايثون باستخدام Scikit-Learn خطوة بخطوة

دليل تطبيقي متكامل من تجهيز البيانات وبناء Pipeline حتى تقييم النموذج وحفظه

كيف تبني أول نموذج تعلم آلة ببايثون باستخدام Scikit-Learn خطوة بخطوة
مشاركة المقال: واتساب تيليجرام إكس فيسبوك لينكد إن
إعلان ممول Google AdSense

توفر مكتبة Scikit-Learn واجهة موحدة وبسيطة لبناء نماذج تعلم الآلة الكلاسيكية عبر ثلاث خطوات قياسية: التهيئة، ثم التدريب عبر fit()، ثم التنبؤ عبر predict()، مع الاعتماد على Pipeline لضمان عدم تسرب بيانات الاختبار إلى التدريب.

لماذا تبقى Scikit-Learn أساس التعلم الآلي في الشركات؟

على الرغم من صعود الشبكات العصبية العميقة، فإن معظم بيانات الأعمال في البنوك والتجارة الإلكترونية والرعاية الصحية هي بيانات جدولية (Tabular Data)، حيث تتفوق خوارزميات Scikit-Learn في السرعة، وقابلية التفسير، والتكلفة المنخفضة مقارنة بالنماذج الضخمة.

  • فصل البيانات: نقسم البيانات إلى مجموعة تدريب ومجموعة اختبار عبر train_test_split لقياس الأداء الحقيقي على بيانات لم يرها النموذج.
  • توحيد المعالجة عبر Pipeline: دمج التحجيم (Scaling) مع النموذج يمنع تسرب المعلومات الإحصائية لمجموعة الاختبار (Data Leakage).
  • تقييم النموذج: اختيار المقياس المناسب مثل الدقة (Accuracy) أو F1 للتصنيف، ومتوسط مربع الخطأ (RMSE) للانحدار.

أهم وحدات Scikit-Learn ووظائفها

الوحدةالمسار البرمجيالدور في خط الإنتاجتقسيم البياناتsklearn.model_selectionالتقسيم والتحقق المتقاطع (Cross-Validation)المعالجة المسبقةsklearn.preprocessingتحجيم الأرقام وترميز النصوص الفئويةالنماذجsklearn.ensemble / linear_modelتدريب أشجار القرار، الغابات العشوائية، والانحدارالأنابيبsklearn.pipelineربط المعالجة والتدريب في كائن واحد آمن

كود كامل لبناء وتقييم نموذج تصنيف

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.pipeline import make_pipeline
from sklearn.metrics import accuracy_score

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = make_pipeline(StandardScaler(), RandomForestClassifier(n_estimators=100, random_state=42))
model.fit(X_train, y_train)

preds = model.predict(X_test)
print(f"دقة النموذج: {accuracy_score(y_test, preds):.2%}")

النموذج الذي يحقق دقة 99% على بيانات التدريب و60% على الاختبار يعاني من فرط التخصيص (Overfitting)؛ التحقق المتقاطع (Cross-Validation) هو خط الدفاع الأول ضد هذا الخلل.

أسئلة شائعة

  • السؤال: كيف أحفظ النموذج المدرب لاستخدامه لاحقاً في الإنتاج؟ الإجابة: استخدم مكتبة joblib.dump(model, "model.joblib") لحفظ الـ Pipeline كاملاً مع خطوات المعالجة.
  • السؤال: متى أترك Scikit-Learn وأنتقل إلى PyTorch؟ الإجابة: عند التعامل مع الصور، الصوت، الفيديو، أو النصوص الحرة الطويلة التي تتطلب تعلماً عميقاً.
  • السؤال: ما فائدة التحقق المتقاطع (K-Fold Cross-Validation)؟ الإجابة: يقسم البيانات إلى عدة أجزاء ويدرب النموذج على تركيبات مختلفة لضمان استقرار التقييم.
إعلان ممول Google AdSense
عبدالرحمن شوقي

عبدالرحمن شوقي

كاتب في ايجي مونيتور

المدير العام لمنصة ايجي مونيتور.

ما رأيك بهذا المقال؟ سجل الدخول للتفاعل

التعليقات (0)

أضف تعليقك

كن أول من يعلق على هذا المقال!
دقيقة قراءة

الذكاء الاصطناعي في البحث العلمي: اكتشافات دوائية ومواد جديدة في نصف الزمن التقليدي

تعرف على دور الذكاء الاصطناعي في تسريع الأبحاث العلمية واكتشاف الأدوية والمواد الجديدة خلال عام 2026.

دقيقة قراءة

من يتحمل خسائر قرارات الذكاء الاصطناعي؟ نقاش قانوني متصاعد في الخليج والعالم العربي

قراءة في النقاش القانوني المتصاعد بالخليج والعالم العربي في نوفمبر 2026 حول المسؤولية القانونية عن أخطاء قرارات الذكاء الاصطناعي.

دقيقة قراءة

لماذا انسحبت xAI من سباق فيديو Grok؟ قراءة في إعادة ترتيب أولويات إيلون ماسك

تحليل لقرار xAI تقليص فريق توليد الفيديو في Grok خلال نوفمبر 2026 وأسبابه الاقتصادية والتقنية في ظل منافسة شرسة.

دقيقة قراءة

أخلاقيات الذكاء الاصطناعي والعلامات المائية الرقمية: كيف تميز الصور والمقاطع المزيفة؟

تعرف على معيار C2PA والعلامات المائية الرقمية في 2026 وكيف تساعد في كشف الصور والفيديوهات المولدة بالذكاء الاصطناعي.

دقيقة قراءة

وكلاء خدمة العملاء الصامتون: كيف تدير شركات التكنولوجيا ملايين التذاكر بدقة 94%؟

كيف تبني الشركات أنظمة دعم فني آلية تحل مشكلات العملاء وتنفذ الاسترداد المالي بدقة وأمان في 2026؟

دقيقة قراءة

دليل المبتدئين الشامل لاستخدام APIs الذكاء الاصطناعي في مشاريع PHP وLaravel 11

دليل عملي لمطوري PHP وLaravel لدمج واجهات برمجة الذكاء الاصطناعي في مواقعهم بأمان مع ضبط التكلفة والأداء.