#IS4
الخوارزميات الشائعة المستخدمة في البحث في الرسوم البيانية:

Dijkstra, DFS, BFS, A*:

هذه الخوارزميات تستخدم لحل مجموعة متنوعة من المشاكل المتعلقة بالبحث عن المسارات في الرسوم البيانية،
مثل:

عثور أقصر مسار:

تحديد أقصر مسار بين نقطتين في رسم بياني مرجح.


استكشاف الرسم البياني:

زيارة جميع العقد في الرسم البياني.

حل المسائل المتعلقة باللعب:

مثل لعبة الشطرنج أو المتاهات.
نحو الهدف.

BFS و DFS:

تستخدم لاستكشاف الرسم البياني، ولا تضمن العثور على أقصر مسار في الرسوم البيانية المرجحة.

Dijkstra:

تضمن العثور على أقصر مسار في الرسوم البيانية المرجحة ذات الأوزان الموجبة.
A*:

تحسن على Dijkstra باستخدام دالة تكلفة تقديرية لتوجيه البحث، مما يجعلها أكثر كفاءة في العديد من الحالات.


مثال:

إذا كنت تريد العثور على أقصر مسار بين مدينتين في خريطة، فإن خوارزمية Dijkstra أو *A ستكون مناسبة.

أما إذا كنت تريد التحقق من وجود دورة في رسم بياني، فإن DFS ستكون أكثر ملاءمة.

#ذكاء_إصطناعي_عملي

#IS4
#ذكاء_إصطناعي_عملي

#IS4
خوارزميات البحث Search Algorithms:

المستنيرة وغير المستنيرة
(Informed vs. Uninformed Search Algorithms).



الخوارزميات غير المستنيرة (Uninformed Search Algorithms)

تعريف:

هي خوارزميات لا تمتلك أي معلومات مسبقة عن الهدف أو الحل الأمثل.

تعتمد بشكل أساسي على استكشاف كل الاحتمالات الممكنة بشكل منهجي حتى الوصول إلى الهدف.

أمثلة:

البحث العرضي (Breadth-First Search):

يبدأ من العقدة الجذرية ويستكشف جميع العقد على نفس المستوى قبل الانتقال إلى المستوى التالي.



البحث العميق (Depth-First Search):

يتقدم بعمق في كل فرع من الشجرة حتى يصل إلى ورقة أو عقدة هدف، ثم يعود للبحث في فروع أخرى.

البحث التوحيدي (Uniform Cost Search):

يختار دائماً العقدة التي لها أقل تكلفة تراكمية من البداية.



الخوارزميات المستنيرة (Informed Search Algorithms)

تعريف:

هي خوارزميات تستخدم معلومات إضافية عن الهدف أو الحل الأمثل لتوجيه عملية البحث. هذه المعلومات تساعد في تقليل عدد العقد التي يتم فحصها وتحسين كفاءة البحث.

أمثلة:

البحث الأكثر تكلفة (Greedy Best-First Search):

يختار دائماً العقدة التي تبدو أقرب إلى الهدف بناءً على تكلفة مسار معين.

البحث *A:

يعتبر أحد أشهر الخوارزميات المستنيرة، حيث يجمع بين تكلفة المسار الحالي وتقدير التكلفة المتبقية للوصول إلى الهدف.



متى تستخدم كل نوع؟


الخوارزميات غير المستنيرة:

تستخدم عندما لا تتوفر أي معلومات مسبقة عن الهدف، أو عندما تكون تكلفة الحصول على هذه المعلومات عالية.

الخوارزميات المستنيرة:

تستخدم عندما تتوفر معلومات عن الهدف ويمكن استخدامها لتوجيه البحث. تكون مفيدة بشكل خاص في مشاكل البحث المعقدة حيث يكون عدد الاحتمالات كبيرًا.

#ذكاء_إصطناعي_عملي

الخوارزميات الجينية GENETIC ALGORITHMS:

الخوارزميات الجينية هي مجموعة من التقنيات المستوحاة من عملية التطور البيولوجي، حيث يتم تطبيق مبادئ الوراثة والانتقاء الطبيعي لحل مشكلات معقدة.

تخيل أننا نريد تصميم طائرة ورقية تطير لأبعد مسافة ممكنة.
بدلاً من تجربة كل التصاميم الممكنة واحدة تلو الأخرى، يمكننا استخدام الخوارزميات الجينية لإنشاء مجموعة من التصاميم الأولية، ثم تطويرها وتنقيحها تدريجياً للحصول على التصميم الأمثل.

كيف تعمل الخوارزميات الجينية؟

التكوين الأولي (Initialization):

يتم إنشاء مجموعة عشوائية من الحلول المحتملة للمشكلة. تسمى هذه الحلول بالكروموسومات، وهي تمثل مجموعة من الجينات التي تحدد خصائص الحل.

التقييم (Evaluation):

يتم تقييم كل كروموسوم بناءً على مدى اقترابه من الحل الأمثل. يتم حساب قيمة لياقة لكل كروموسوم، حيث تعبر قيمة اللياقة عن جودة الحل.

الانتقاء (Selection):

يتم اختيار الكروموسومات ذات اللياقة العالية لتنتقل إلى الجيل التالي. هذا يعكس مبدأ البقاء للأصلح في التطور البيولوجي.

التزاوج (Crossover):

يتم تبادل أجزاء من الكروموسومات المختارة لإنتاج أجيال جديدة. هذا يعادل التزاوج في الكائنات الحية.

الطفرات (Mutation):

يتم إدخال تغييرات عشوائية على بعض الجينات في الكروموسومات الجديدة. هذا يحاكي الطفرات الجينية التي تحدث بشكل طبيعي.

التكرار:

تتكرر الخطوات من 2 إلى 5 لعدد معين من الأجيال، أو حتى الوصول إلى حل مرضٍ.




أين تستخدم الخوارزميات الجينية؟

تستخدم الخوارزميات الجينية في مجموعة واسعة من التطبيقات، بما في ذلك:

التحسين:

مثل تحسين تصميم الدوائر الإلكترونية، وتخطيط المدن، وتصميم الجداول الزمنية.

النمذجة:

محاكاة أنظمة معقدة مثل النظم البيئية والاقتصادية.

التعلم الآلي:

اكتشاف الأنماط في البيانات الضخمة.

الذكاء الاصطناعي:

حل مشكلات التحسين في الألعاب والروبوتات.

مزايا الخوارزميات الجينية:

مرونة:

يمكن تطبيقها على مجموعة واسعة من المشكلات.

قدرة على التعامل مع المشكلات غير الخطية:

حيث لا توجد علاقة مباشرة بين مدخلات المشكلة ومخرجاتها.

قدرة على التعامل مع قيود متعددة:

يمكن تضمين قيود مختلفة في عملية البحث عن الحل.

إيجاد حلول تقريبية جيدة:

في كثير من الحالات، يمكن للخوارزميات الجينية إيجاد حلول جيدة جدًا في وقت قصير.

عيوب الخوارزميات الجينية:

وقت الحساب:

قد تحتاج إلى وقت طويل لحل بعض المشكلات المعقدة.

اعتماد على المعلمات:

أداء الخوارزمية يعتمد بشكل كبير على اختيار المعلمات المناسبة.

عدم ضمان إيجاد الحل الأمثل:

قد تصل الخوارزمية إلى حل محلي بدلاً من الحل الأمثل العالمي.

NLP (معالجة اللغة الطبيعية)

الـ NLP هو فرع من فروع الذكاء الاصطناعي يهدف إلى تمكين الآلات من فهم اللغة البشرية وتفسيرها وتوليدها بطريقة مشابهة للبشر. بمعنى آخر، هي مجموعة من التقنيات التي تسمح لأجهزة الكمبيوتر بـ "قراءة" النصوص، "فهم" معناها، وحتى "الرد" عليها بلغة طبيعية.

لماذا الـ NLP مهمة؟

التفاعل مع الأجهزة:
تجعل الـ NLP التفاعل مع الأجهزة أكثر طبيعية وسهولة، مثل التحدث مع المساعدين الصوتيين أو البحث عن المعلومات عبر اللغة الطبيعية.

تحليل البيانات النصية:
تستخدم الشركات الـ NLP لتحليل كميات هائلة من البيانات النصية، مثل التعليقات على وسائل التواصل الاجتماعي أو مراسلات العملاء، لفهم آراء العملاء وتحسين المنتجات والخدمات.

ترجمة اللغات:
تستخدم الـ NLP في تطوير أدوات الترجمة الآلية، مما يسهل التواصل بين الأشخاص الذين يتحدثون لغات مختلفة.

توليد النصوص:
يمكن للـ NLP توليد نصوص إبداعية، مثل كتابة القصص أو الأكواد البرمجية، أو نصوص أكثر روتينية، مثل تقارير الأخبار أو رسائل البريد الإلكتروني.

كيف تعمل الـ NLP؟

تعتمد الـ NLP على مجموعة من التقنيات المعقدة، منها:

تحليل المفردات:
تقسيم النص إلى كلمات وجمل وفهم معنى كل كلمة.

تحليل النحو:
فهم العلاقة بين الكلمات في الجملة.

النمذجة اللغوية:
بناء نماذج رياضية تمثل اللغة البشرية.

التعلم الآلي:
تعليم الآلات فهم اللغة من خلال تدريبها على كميات كبيرة من البيانات النصية.

أمثلة على تطبيقات الـ NLP:

محركات البحث:
تستخدم محركات البحث مثل Google و Bing تقنيات الـ NLP لتحسين نتائج البحث.

المساعدون الصوتيون:
مثل Siri و Alexa.

ترجمة Google:
أحد أشهر أدوات الترجمة الآلية.

تحليل المشاعر:
تحديد المشاعر الإيجابية أو السلبية في النصوص.

توليد النصوص:
مثل كتابة الشعر أو القصص.

رؤية الحاسوب COMPUTER VISION

رؤية الحاسوب هي تقنية ذكية تمكن الأجهزة من "رؤية" العالم من حولها وفهم ما تراه، تمامًا كما يفعل البشر.

تخيل أنك تعطِ جهازًا كاميرا، فبدلًا من مجرد التقاط صورة، يستطيع هذا الجهاز تحليل الصورة وفهم ما يوجد فيها. مثلاً، يمكنه تمييز وجه شخص ما عن كلب، أو قراءة لافتة على الطريق.

كيف تعمل؟

التقاط الصورة:

تبدأ العملية بتقاط صورة باستخدام كاميرا.

معالجة الصورة:

يتم تحويل الصورة إلى مجموعة من الأرقام (بيانات رقمية) يفهمها الحاسوب.

تحليل البيانات:

باستخدام خوارزميات معقدة، يحلل الحاسوب هذه البيانات للبحث عن أنماط وأشكال محددة.

اتخاذ قرار:

بناءً على التحليل، يستطيع الحاسوب اتخاذ قرارات مثل:

التعرف على الأجسام: هل هذا الجسم سيارة أم شجرة؟

تتبع الحركة: أين يتحرك هذا الشخص؟

قراءة النص: ما الكلمات المكتوبة على هذه اللافتة؟

أمثلة على استخدامات رؤية الحاسوب

السيارات ذاتية القيادة:
تستخدم رؤية الحاسوب لرؤية الطريق، السيارات الأخرى، المشاة، وإشارات المرور.

التعرف على الوجوه:
تستخدم في الهواتف الذكية، أنظمة الأمان، وتطبيقات التواصل الاجتماعي.

التفتيش الصناعي:
تستخدم لفحص المنتجات بحثًا عن العيوب.
الرعاية الصحية:
تستخدم في تحليل الصور الطبية.

التجارة الإلكترونية:
تستخدم في محركات البحث عن الصور.

لماذا هي مهمة؟

تسهيل الحياة اليومية:
من خلال تطبيقات مثل المساعدات الصوتية والترجمة الفورية.

زيادة الإنتاجية:
في الصناعة والزراعة.

تحسين السلامة:
في النقل والمراقبة.

OpenCV (مكتبة الرؤية الحاسوبية مفتوحة المصدر)

هي أداة أساسية وشهيرة في مجال معالجة الصور والرؤية الحاسوبية. تم تصميمها لتوفير مجموعة واسعة من الخوارزميات والأدوات التي تساعد المبرمجين على تطوير تطبيقات تتفاعل مع العالم المرئي.


ما الذي تفعله OpenCV؟

معالجة الصور:

يمكن لـ OpenCV إجراء عمليات متنوعة على الصور مثل:

تحويل الصور إلى رمادية أو تغيير ألوانها.

الكشف عن الحواف والزوايا في الصورة.

تصفية الضوضاء وتحسين جودة الصورة.

اكتشاف الأوجه والتعرف عليها.

تحليل الفيديو:

يستخدم OpenCV لتحليل مقاطع الفيديو وإجراء عمليات مثل:

تتبع الأجسام المتحركة.

التعرف على الإيماءات وحركات الجسم.

تحليل حركة المرور.

الرؤية ثلاثية الأبعاد:

يمكن لـ OpenCV التعامل مع الصور ثلاثية الأبعاد وإجراء عمليات مثل:

إنشاء نماذج ثلاثية الأبعاد من الصور.

حساب المسافات بين الأجسام.

لماذا تستخدم OpenCV؟

مفتوحة المصدر:

يمكن لأي شخص استخدامها وتعديلها مجانًا.

شعبية:

تستخدم على نطاق واسع في العديد من التطبيقات والصناعات.

وثائق شاملة:

تتوفر الكثير من الدروس والأمثلة لمساعدتك على البدء.

دعم متعدد اللغات:

تدعم لغات برمجة متعددة مثل C++, Python, Java.

أمثلة على استخدامات OpenCV

تطبيقات الواقع المعزز:

إضافة عناصر ثلاثية الأبعاد إلى الصور الحية.

الروبوتات:

تمكين الروبوتات من رؤية بيئتها والتفاعل معها.

أنظمة المراقبة:

الكشف عن الأحداث غير العادية وتتبع الأشخاص.

التعرف على اللوحات المرورية:

مساعدة السيارات ذاتية القيادة في اتخاذ القرارات.

التفتيش الصناعي:

فحص المنتجات بحثًا عن العيوب.

Voice Recognition
التعرف على الصوت

هي تقنية تسمح للأجهزة بفهم الكلام المنطوق وتحويله إلى نص مكتوب.

تخيل أنك تتحدث إلى هاتفك، فيقوم بفهم كلماتك ويقوم بتنفيذ ما تطلبه.

كيف تعمل؟

التسجيل:
يقوم الجهاز بتسجيل صوتك وتحويله إلى إشارة رقمية.

التحليل:
يتم تحليل الإشارة الرقمية للكشف عن النغمات والترددات المختلفة في صوتك.

المقارنة:
تقارن الخوارزميات النغمات والترددات المسجلة بقاعدة بيانات كبيرة من الأصوات والكلمات المعروفة.

التحويل:
يتم تحويل النمط الصوتي الأقرب إلى الكلمات المكتوبة وعرضها على الشاشة.

الخوارزميات المستخدمة:-

هناك العديد من الخوارزميات المعقدة المستخدمة في التعرف على الصوت، ولكن بشكل عام تعتمد على:

نماذج صوتية:
تمثل هذه النماذج الكلمات والأصوات المختلفة بلغة رياضية.

شبكات عصبية اصطناعية:
تتعلم هذه الشبكات من كميات هائلة من البيانات الصوتية لتحسين دقة التعرف.

خوارزميات البحث:
تساعد في العثور على أفضل تطابق بين الصوت المسجل وقاعدة البيانات.

أمثلة على استخدامات التعرف على الصوت:

مساعدات صوتية:
مثل سيري وجوجل أسسستنت.

الترجمة الفورية:
تحويل الكلام المنطوق إلى لغة أخرى.

أوامر صوتية:
التحكم في الأجهزة المنزلية الذكية.

إملاء النصوص:
كتابة الرسائل والبريد الإلكتروني بصوتك.

لماذا التعرف على الصوت مهم؟

سهولة الاستخدام:
يجعل التفاعل مع الأجهزة أكثر طبيعية وسهولة.

إمكانية الوصول:
يوفر طريقة بديلة للأشخاص ذوي الإعاقات البصرية.

كفاءة:
يوفر الوقت والجهد مقارنة بالكتابة.

تحديات التعرف على الصوت:

الضوضاء:
قد تؤثر الضوضاء الخلفية على دقة التعرف.

اللكنة:
قد تختلف اللهجات واللهجات مما يجعل التعرف أكثر صعوبة.

سرعة الكلام:
قد يؤثر التحدث بسرعة كبيرة على دقة التعرف.

مستقبل التعرف على الصوت:
مع التطور التكنولوجي المتسارع، من المتوقع أن يصبح التعرف على الصوت أكثر دقة وفعالية.

ستشمل التطورات المستقبلية:

تحسين دقة التعرف في بيئات صاخبة.

فهم اللغات المتعددة واللهجات المختلفة.

التعرف على العواطف والمشاعر من خلال الصوت.

تعلم الآلة (Machine Learning):

هو فرع من فروع الذكاء الاصطناعي يركز على تطوير أنظمة قادرة على التعلم من البيانات وتحسين أدائها بمرور الوقت دون الحاجة إلى برمجة صريحة لكل مهمة. تخيل أنك تعلم طفلًا جديدًا شيئًا ما، فبدلاً من إعطائه مجموعة قواعد صارمة، تسمح له بتجربة الأشياء بنفسه والتعلم من أخطائه ونجاحاته.
هذا هو بالضبط ما يفعله تعلم الآلة مع الأجهزة.

الأقسام الثلاثة الرئيسية لتعلم الآلة:

التعلم تحت الإشراف (Supervised Learning):

المبدأ:

يتم تدريب النظام على مجموعة بيانات تحتوي على المدخلات والمخرجات الصحيحة.

الهدف:

يتعلم النظام كيفية ربط المدخلات بالمخرجات الصحيحة، وبالتالي يمكنه التنبؤ بالمخرجات لمجموعة جديدة من البيانات.

أمثلة:

تصنيف البريد الإلكتروني إلى حمولة أو سبام.

التنبؤ بأسعار المنازل بناءً على مساحتها وموقعها.

التعرف على الأرقام المكتوبة بخط اليد.


التعلم غير المشرف (Unsupervised Learning):

المبدأ:

يتم تدريب النظام على مجموعة بيانات لا تحتوي على مخرجات صحيحة.

الهدف:

يكتشف النظام بنفسه الأنماط والعلاقات الخفية في البيانات.

أمثلة:

تجميع العملاء إلى مجموعات بناءً على سلوكهم الشرائي.

اكتشاف الاحتيال في بطاقات الائتمان.

تقليل الأبعاد في البيانات المعقدة.


التعلم المعزز (Reinforcement Learning):


المبدأ:

يتعلم النظام من خلال التفاعل مع بيئة.


الهدف:

يتعلم النظام اتخاذ أفضل سلسلة من الإجراءات لتحقيق مكافأة قصوى.


أمثلة:

تدريب روبوت للعب الشطرنج.

تطوير سيارات ذاتية القيادة.

تحسين استراتيجيات التسويق.

ليش أتعلم عن معاملات ACID؟ 🤔

يا صديقي، كلام مثل ACID مو مجرد مفاهيم نظرية نتعلمها وننساها. بالعكس، هو أساس في تطوير الأنظمة الآمنة والمستقرة، خاصة لما تكون البيانات حساسة والعمليات معقدة. خليني أوضحلك إيش بتستفيد:



1️⃣ ضمان أمان البيانات

ACID يعطيك إطار عمل يضمن أن البيانات ما تضيع ولا تتعرض لمشاكل مثل الانقطاع المفاجئ أو التداخل بين العمليات.
مثال: تخيّل لو كنت مطوّر نظام بنكي، لو العمليات ما كانت آمنة ومستقرة، ممكن تفقد أموال العملاء أو تصير أخطاء فادحة.


2️⃣ إدارة العمليات المتزامنة

لو عندك آلاف المستخدمين يتعاملون مع النظام في نفس اللحظة، ACID يساعدك تتأكد أن كل عملية تتم بشكل مستقل وما تتداخل مع غيرها.
مثال: في مواقع الحجوزات، كل عميل يحجز مقعده بدون تضارب مع حجز الآخرين.



3️⃣ التوافق مع القوانين والأنظمة

في مجالات مثل البنوك أو التجارة الإلكترونية، الالتزام بمعايير أمان البيانات شيء ضروري لتجنّب الغرامات والمشاكل القانونية.
مثال: أنظمة الحماية تتطلب ضمان التناسق والعزل لأي عملية، وACID يساعدك تحقق هذا.



4️⃣ تجنّب الكوارث التقنية

تطبيق ACID يقلل احتمال حدوث أخطاء مثل:

اختفاء البيانات.

تعطل النظام بسبب كثرة العمليات.

ظهور أخطاء بسبب تحديث نصف مكتمل.


مثال: إذا النظام انهار فجأة، تضمن خاصية Durability أن البيانات تظل محفوظة وآمنة.



خلاصة الفائدة 🎯

ACID ما هو مجرد نظرية، هو درعك كمهندس برمجيات لتبني أنظمة قوية، آمنة، ومستدامة.
بدونه، أنظمتك ممكن تنهار أمام أول ضغط أو خطأ.

💡 نصيحة شخصية:
لما تكون فاهم هذي المفاهيم، تقدر تناقش أي نظام أو مشروع بثقة. العملاء وأصحاب العمل دايم يحبون المطور اللي يركز على الجودة والأمان.
وشكرا!

حرب البيانات والذكاء الاصطناعي: رؤية منظمة

البيانات هي السلاح الأقوى

في عصر تطور الذكاء الاصطناعي بشكل كبير، كل شيء يتمحور حول البيانات. الذكاء الاصطناعي يعتمد على كميات هائلة من البيانات لتدريب خوارزمياته، مما يجعل البيانات المورد الأهم. إذا فكرت في بناء نظام منافس مثل OpenAI، فالأمر لا يتوقف فقط على الحصول على الخوارزميات بل على امتلاك مخزن بيانات ضخم ومدرب على مدى سنوات طويلة.


---

الصراع بين القوى العظمى

الصين: تعيش في عالم رقمي معزول عن بقية العالم، وتهدف إلى حماية شعبها وخصوصياته من الهيمنة الغربية. إطلاق أدوات مثل DeepSeek ليس حباً في الخدمة المجانية، بل لضمان السيطرة المحلية على البيانات ومنع تدفقها إلى الخارج.

الغرب: يعتمد على شركات مثل OpenAI التي تمتلك مخزوناً ضخماً من البيانات يجمع معلومات مفيدة وضارة عبر السنين.



---

التكنولوجيا والحروب الحديثة

السيطرة الرقمية: امتلاك البيانات أصبح أشبه بامتلاك السلاح النووي في العصر الحديث، ولكن بكلفة أقل وخطورة أعلى. الدول التي تستثمر في جمع وتحليل البيانات يمكنها فرض هيمنتها دون الحاجة إلى تدمير المدن كما حدث في هيروشيما.

الاختراق المستمر: كل فرد الآن مخترق بطريقة ما عبر الهواتف الذكية. الجوال الذي تملكه وتدفع ثمنه بنفسك قد يكون بوابة لعدوك لجمع بياناتك أو التأثير عليك.



---

التوازن بين الفائدة والتكلفة

في إدارة المشاريع الكبرى، يتم دراسة التوازن بين التكلفة والفائدة. استخدام البيانات والذكاء الاصطناعي يتبع نفس المبدأ:

هل الاستثمار في التكنولوجيا يحقق أرباحاً أكبر من التكاليف؟

إذا كانت البيانات قادرة على تحقيق السيطرة أو الهيمنة، فهي تستحق الاستثمار.



---

الأزمات التقنية: المستقبل القادم

مثلما واجه العالم أزمات في النفط والغاز، سيأتي وقت لأزمة تقنية كبيرة. هذه الأزمة قد تكون نتيجة الاعتماد المتزايد على الذكاء الاصطناعي، مما يؤدي إلى تضاعف أرباح الشركات التي تتبناه.


---

التهديدات المستقبلية

الذكاء الاصطناعي كأداة هيمنة: الشركات التي تعتمد على الذكاء الاصطناعي بشكل كلي أو جزئي ستكتسب قوة اقتصادية وسياسية ضخمة.

الهجمات الرقمية: بدلاً من الحروب التقليدية، يمكن استخدام الذكاء الاصطناعي والبيانات كقنابل رقمية لضرب الخصوم بفعالية.



---

الخلاصة

الذكاء الاصطناعي ليس مجرد أداة تطوير، بل أصبح قوة تسيطر على العالم. البيانات هي العامل الأساسي في هذه المعادلة، ومن يسيطر عليها يمتلك مفاتيح المستقبل.

Gpt

حرب البيانات
كيف شف وأنت بتشوف تطور الذكاء الاصطناعي هذا بشكل كبير الموضوع كله يدور حول البيانات لو قلت لي اريد ابني مثلهم حتى ادخل السوق وانافسهم اقلك لا تتعب سأذهب إلى شركة openAI واقلهم اعطوني الخوارزميات هذه بكل بساطة طيب الان امتلكتها عم الحج هل معك مخزن بيانات تدرب عليها له مئات السنين يجمع معلومات عنك منها مفيد وضار وغيرها عنده بنوك بيانات تقلي نعم الان الصينيون يتنافسون وأطلق الان ال deepseek هو مش حب فيك أو خدمه هو صاحبنا خائف على شعبه وخصوصياته يعني تجمع بيانات عن شعبي الصين هي في عالم تماما معزول في النت لها عالمها الان الحرب هي بيانات لو قلت لك ان امتلاكك لنووي هو عبارة عن مشروع ضخم جدا لكن صعب أليس في أدارت المشاريع الان بتدرسها لو التكلفة اكثر من الفائدة الي ستحققها بلاش المشروع ليس هذا فقط الخطورة انه عدوك انت خلقت لك عدو في البيت الغربيون تعلمون من خطأهم عندما رما القنبلة الذرية تقريبا على مدينه هيروشيما أنت دمرت مدينه عن بكرت أبيها ماعد فائده انك تفرض سيطرتك في طرق أخرى تخضع بها أي عدو لو قلت لك ان أي دولة الآن مخترق من أصغر طفل إلى أكبر سن عن طريق الجوال اقدر اصنع قنبلة مؤقته مثلا لو دخلنا أنا وأنت في حرب وصراع على المدى البعيد اقرحك بأقل الخسائر من جيبك أنت من دفع قيمة الجوال أنت مخترق منذ زمن طويل في أزمات صح مثل ازمة غاز أزمة نفط لأبد من أزمة تكنلوجيه تعيد العالم شوي لو قلت لك ان الآن اه ذكاء اصطناعي ومدري ايش يعني أصبح يتحكم بكل العالم بيده في شركات سيتضاعف اربحها بسبب اعتمادة عليه سواء جزء أو كلي فبعد فترة من الزمن أنا عملت لك ضربه بين عيونك لو اريد اقرحك جو لا اقرحك وتفرح الشركة جو
.اعيد كتابتها بشكل منظم ومتسق

تشتغل backend ؟
تستخدم framework مثل لارافل ؟
في تعديل على database ؟

لا تعدل على ملفات المجريشن القديمه... افعل ميجريشن جديد عشان لا تضيع وقت على زميلك.
مثلا في حاله تعديل اسم عمود status الى is_active في جدول اليوزر:

php artisan make:migration rename_status_to_is_active_in_users_table

وتكتب الكود الي بيكون:

Schema::table('users', function (Blueprint $table) {
    $table->renameColumn('status', 'is_active
});

وال down يكون:

Schema::table('users', function (Blueprint $table) {      
    $table->renameColumn('is_active', 'status
});

عشان ال tree حق migrations ما تخرب عليكم + اي تعديل جديد في db ما يضطر فريق العمل يحذف الـ db ويفعل لها migration + seeder من جديد.

#مساعد

+ طبعا للتوضيح

ال migrations هو فقط زي tree للفريمورك عشان تعرف ايش الي تم انشاءة في db وايش الي تعدل

فيعني مش عيب او انها بلاده لو في مشروع وفيبه ملفات migrations كثير


هو اصلا دليل التقدم والتحسن... لانه انت لما تبرمج المشروع وتكتشف مشكله او نقص في db تضيفه
وهكذا...

وهذه الصورة تصف عدد ملفات الـ migrations في مشروع خاص بشركه... تقريبا 317 ملف
يعني لا تفكرو فيها كأسلوب عدد وانه لازم قليل مره (او كثير مره)

كله على حسب المشروع والتعديلات الي حصلت في DB