🛑 اهم 7 تخصصات في المستقبل ولها أكثر من مصدر دخل 👇🏻
-الأمن السيبراني
-التسويق الرقمي
-صناعة محتوى
-الترجمه
-جمع وتحليل البيانات
- التصميم والمونتاج
-البرمجة

هذي الصورة توضح أهم المجالات البرمجية واللغات المستهدمة لكل مجال👍.

اختصار بيفيدك عند استهدامك لاكواد visual studio code .

اضغط الثلاثه الازرار الموجوده على لوحة المفاتيح راح تظهر لك نافذة تخليك تلتقط صوره لأي جزء من الشاشه

اذا كنت من حبي قوقل كروم وتستخدمه بكثرة إليك 10 اختصارات مهمه يجب عليك معرفتها👏

📌8 أمور لتعيش حياة أفضل
🔹 ابدأ الآن
🔹خليك ايجابي
🔹اؤمن بنفسك
🔹واجه مخاوفك
🔹وقف تقديم أعذار
🔹عش اللحظة
🔹توقف عم مقارنة نفسك بالآخرين
🔹اختلط بالأشخاص الإيجابيين

❗️موضوع مهم لطلبة تقنية المعلومات وعلوم الحاسب موضوع اليوم❗️:
Big-O notation
ما هي؟ وكيف يتم حسابها؟

إذا كنت قد درست بعض المواضيع التدريبية المتعلقة بالخوارزمية، فربما تكون قد سمعت بمصطلح تدوين Big O إذا لم تقم بذلك، فسنراجعها هنا ، ومن ثم نحصل على فهم أعمق .
🔹 في البداية علينا تعريف فكرة big-O notation: تدوين Big O هو تدوين رياضي يصف السلوك المحدود لدالة ما عندما تميل الحجة نحو قيمة معينة أو ما لا نهاية بكلمات واضحة، يصف تدوين Big O تعقيد الكود الخاص بك باستخدام مصطلحات جبرية.

لفهم ماهية تدوين Big O، يمكننا إلقاء نظرة على مثال نموذجي ، O (n²) ، والذي يُنطق عادةً "Big O squared"، يمثل الحرف "n" هنا حجم الإدخال - هناك دالّتان: f (n) و g (n) و f (n) هي f (g (n))
مثال لحساب وقت خوازمية: ستكون الخوارزمية النموذجية التي تحتوي على تعقيد O (n²) هي خوارزمية فرز التحديد selection sort فرز التحديد هو خوارزمية فرز تتكرر عبر القائمة للتأكد من أن كل عنصر في الفهرس i هو أصغر / أكبر عنصر في القائمة

يمكن وصف الخوارزمية من خلال الكود في الصورة للتأكد من أن العنصر i هو أصغر عنصر في القائمة، تتكرر هذه الخوارزمية أولاً عبر القائمة باستخدام حلقة for ثم يستخدم كل عنصر حلقة for أخرى للعثور على أصغر عنصر في الجزء المتبقي من القائمة
في هذا السيناريو، نعتبر القائمة المتغيرة هي المدخلات، وبالتالي فإن حجم الإدخال n هو عدد العناصر داخل القائمة افترض أن عبارة if وتعيين القيمة المقيدة بعبارة if تستغرق وقتًا ثابتًا ثم يمكننا العثور على رمز O الكبير للدالة من خلال تحليل عدد المرات التي يتم فيها تنفيذ التعليمات

أولاً تقوم حلقة for الداخلية بتشغيل العبارات داخل n من المرات وبعد زيادة i، يتم تشغيل حلقة for الداخلية لـ n-1 مرة حتى يتم تشغيلها مرة واحدة ، ثم تصل كلتا الحلقتين for إلى شروط الإنهاء الخاصة بهما
ينتهي هذا الأمر في الواقع بإعطائنا مجموعًا هندسيًا ، ومع بعض الرياضيات سنجد أن الحلقة الداخلية ستتكرر لمدة 1 + 2 ... + n مرة ، والتي تساوي n (n-1) / 2 مرة إذا ضربنا هذا ، فسنحصل في النهاية على (n² / 2) - (n / 2)

عندما نحسب تدوين O، فإننا نهتم فقط بالمصطلحات السائدة، ولا نهتم بالمعاملات وهكذا نأخذ n² على أنها O الأخيرة الكبيرة لدينا، نكتبها كـ O (n²) ، والتي تُنطق مرة أخرى "Big O تربيع".

🔹سبعة انواع يمكن ان تكون نتيجة لO:
1- Constant = 1
2- Logarithmic = log n
3- Linear = n
4- N-log-n = n log n
5- Quadratic = n^2
6- Cubic = n^3
7- Exponential = 2^n

🔹مثال لكيفية حساب الوقت المعقد لحلقة for: تأخذ هذه الحلقة K * n حيث K هي المدة التي تستغرقها حلقة واحدة و n هي عدد المرات خلال الحلقة إذن إجمالي الوقت هو K * n وهو خطي: O (n)

O (1)
لديه أقل تعقيد:
غالبًا ما يُطلق عليه "الوقت الثابت" ، إذا كان بإمكانك إنشاء خوارزمية لحل المشكلة في O (1)، فأنت على الأرجح في أفضل حالاتك

خطوات حساب big O : لحساب Big O ،
هناك خمس خطوات يجب عليك اتباعها:
1- قسّم الخوارزمية / الدالّة إلى عمليات فردية
2- احسب O الكبير لكل عملية 3- أضف Big O لكل عملية معًا 4- احذف الثوابت
5- ابحث عن المصطلح الأعلى رتبة، سيكون هذا ما نعتبره Big O لخوارزمية .

ان شاءالله عجبكم الموضوع واخذتو الفائدة 🌟.

شرح بسيط عن الفرق بين http و https