مقدمة
مع تزايد شعبية بناء أدوات الذكاء الاصطناعي بين المطورين، برزت لغة بايثون كإحدى أفضل لغات البرمجة في هذا المجال، وذلك بفضل بساطتها وسهولة قراءتها ومكتباتها الشاملة مثل TensorFlow وPyTorch وscikit-learn. توفر هذه المكتبات أدوات قوية للتعلم الآلي وتحليل البيانات والشبكات العصبية، مما يجعل بايثون الخيار الأمثل لمشاريع الذكاء الاصطناعي والتعلم الآلي.
نظراً للدور المحوري الذي تلعبه لغة بايثون في مجال الذكاء الاصطناعي، فمن المهم تعلم كيفية تشغيل برامج بايثون النصية بكفاءة. صُمم هذا الدليل لمساعدتك على بناء أساس متين لبرمجة الذكاء الاصطناعي المتقدمة من خلال تشغيل برامج بايثون نصية بسيطة على جهاز يعمل بنظام أوبونتو.
المتطلبات الأساسية
- خادم يعمل بنظام أوبونتو مع مستخدم غير جذر بصلاحيات sudo وجدار حماية مُفعّل. للحصول على إرشادات حول كيفية إعداد هذا، يُرجى اختيار توزيعتك من هذه القائمة واتباع دليلنا "بدء استخدام الخادم". يُرجى التأكد من تشغيل إصدار مدعوم من أوبونتو.
- مقدمة إلى سطر أوامر لينكس.
- قبل البدء، قم بتشغيل الأمر sudo apt-get update في طرفية أوبونتو للتأكد من أن نظامك يحتوي على أحدث الإصدارات والتحديثات الأمنية للبرامج المتوفرة من المستودعات المُكوّنة على نظامك.
هذه التعليمات صالحة لأحدث إصدارات أوبونتو: أوبونتو 24.04، وأوبونتو 22.04، وأوبونتو 20.04. إذا كنت تستخدم إصدار أوبونتو 18.04 أو أقدم، فننصحك بالترقية إلى أحدث إصدار، حيث لم يعد أوبونتو يدعم هذه الإصدارات. ستساعدك هذه التعليمات على ترقية إصدار أوبونتو لديك.
الخطوة 1 - إعداد بيئة بايثون
يأتي نظام أوبونتو 24.04 مزودًا بـ Python 3 افتراضيًا. افتح نافذة طرفية وقم بتشغيل الأمر التالي للتأكد من تثبيت Python 3:
python3 --version
إذا كان بايثون 3 مثبتًا بالفعل على جهازك، فسيعرض هذا الأمر الإصدار الحالي من بايثون 3. أما إذا لم يكن مثبتًا، فيمكنك تشغيل الأمر التالي للحصول على معلومات تثبيت بايثون 3:
sudo apt install python3
بعد ذلك، ستحتاج إلى تثبيت برنامج التثبيت الخاص بحزمة pip على نظامك:
sudo apt install python3-pip
الخطوة الثانية - إنشاء برنامج بايثون
الخطوة التالية هي كتابة كود بايثون الذي ترغب بتشغيله. لإنشاء برنامج نصي جديد، انتقل إلى المجلد الذي تختاره:
cd ~/path-to-your-script-directory
بعد دخولك إلى المجلد، عليك إنشاء ملف جديد. في سطر الأوامر، نفّذ الأمر التالي:
nano demo_ai.py
سيؤدي هذا إلى فتح محرر نصوص فارغ. اكتب منطقك هنا أو انسخ الكود أدناه:
from sklearn.tree import DecisionTreeClassifier
import numpy as np
import random
# Generate sample data
x = np.array([[i] for i in range(1, 21)]) # Numbers 1 to 20
y = np.array([i % 2 for i in range(1, 21)]) # 0 for even, 1 for odd
# Create and train the model
model = DecisionTreeClassifier()
model.fit(x, y)
# Function to predict if a number is odd or even
def predict_odd_even(number):
prediction = model.predict([[number]])
return "Odd" if prediction[0] == 1 else "Even"
if __name__ == "__main__":
num = random.randint(0, 20)
result = predict_odd_even(num)
print(f"The number {num} is an {result} number.")يُنشئ هذا البرنامج النصي مُصنِّفًا بسيطًا لشجرة القرار باستخدام مكتبة scikit-learn. يُدرِّب النموذج على التمييز بين الأعداد الفردية والزوجية بناءً على بيانات عينة مُولَّدة عشوائيًا. ثم يُقدِّم تنبؤًا للعدد المُعطى بناءً على ما تعلَّمه.
احفظ الملف واخرج من محرر النصوص.
الخطوة 3 - تثبيت الحزم المطلوبة
في هذه الخطوة، تقوم بتثبيت الحزم التي استخدمتها في البرنامج النصي أعلاه.
أول حزمة تحتاج إلى تثبيتها هي NumPy. لقد استخدمت هذه المكتبة لإنشاء مجموعة بيانات لتدريب نموذج التعلم الآلي.
ابتداءً من بايثون 3.11 و Pip 22.3، يوجد اقتراح تحسين بايثون الجديد رقم 668 الذي ينص على تصنيف بيئات بايثون الأساسية على أنها "مدارة خارجيًا". ولهذا السبب، فإن تشغيل أوامر تثبيت numpy مثل pip3 scikit-learn أو ما شابهها سيؤدي إلى ظهور خطأ: بيئة مُدارة خارجيًا.
لتثبيت واستخدام مكتبة NumPy بنجاح، عليك إنشاء بيئة افتراضية تعزل حزم Python عن بيئة النظام. هذا مهم لأنه يحافظ على فصل التبعيات المطلوبة للمشاريع المختلفة ويمنع حدوث تعارضات محتملة بين إصدارات الحزم.
أولاً، قم بإنشاء البيئة الافتراضية عن طريق تشغيل الأمر التالي:
sudo apt install python3-venv
استخدم الآن هذه الأداة لإنشاء بيئة افتراضية في دليل العمل الخاص بك.
python3 -m venv python-envالخطوة التالية هي تفعيل هذه البيئة الافتراضية عن طريق تشغيل برنامج التفعيل.
source python-env/bin/activate
عند التشغيل، ستلاحظ ظهور موجه طرفي يشير إلى أن بادئة اسم بيئتك الافتراضية هي كما يلي:
Output
(python-env) ubuntu@user:الآن قم بتثبيت الحزم المطلوبة عن طريق تشغيل الأمر التالي:
pip install scikit-learn numpy
وحدة random جزء من مكتبة بايثون القياسية، لذا لا تحتاج إلى تثبيتها بشكل منفصل. تأتي مع بايثون ويمكن استخدامها مباشرةً دون أي تثبيت إضافي.
الخطوة 4 - تشغيل برنامج بايثون النصي
الآن بعد أن حصلت على جميع الحزم المطلوبة، يمكنك تشغيل برنامج بايثون الخاص بك عن طريق تشغيل الأمر التالي في دليل العمل الخاص بك:
python3 demo_ai.py
بعد التنفيذ الناجح، سترى الناتج المطلوب.
Output
(python-env) ubuntu@user:~/scripts/python demo_ai.py
The number 5 is an Odd number.
(python-env) ubuntu@user:~/scripts/python demo_ai.py
The number 17 is an Odd number.الخطوة 5 [اختيارية] – اجعل البرنامج النصي قابلاً للتنفيذ
تتيح لك خاصية تنفيذ البرامج النصية تشغيلها مباشرةً دون الحاجة إلى استدعاء بايثون صراحةً بكتابة python3. وهذا يجعل تشغيل البرنامج النصي أسرع وأكثر ملاءمة.
افتح برنامج بايثون الخاص بك باستخدام محرر نصوص.
nano demo_ai.py
أضف سطر shebang في بداية الملف، وهو #!، والذي يُحدد للنظام المُفسِّر الذي سيستخدمه عند تنفيذ البرنامج النصي. أضف السطر التالي قبل الكود الخاص بك:
#!/usr/bin/env python3
احفظ الملف وأغلقه.
الآن، اجعل هذا البرنامج النصي قابلاً للتنفيذ بحيث يمكن تشغيله مثل أي برنامج أو أمر آخر في جهازك الطرفي.
chmod +x demo_ai.py
بعد التنفيذ الناجح، ستظهر لك نافذة التحكم مباشرةً. من الآن فصاعدًا، يمكنك تشغيل البرنامج النصي الخاص بك كما يلي:
./demo_ai.py
نتيجة
يُعدّ تشغيل برامج بايثون النصية على جهاز أوبونتو عمليةً بسيطة. بفهم كيفية تشغيل هذه البرامج، يمكنك البدء باستكشاف الأدوات القوية التي توفرها بايثون، بما في ذلك الأدوات الأساسية لتطوير الذكاء الاصطناعي.
