🐍 تحسين أداء Python باستخدام List Comprehensions ✨

هل تريد كتابة كود Python أكثر إيجازًا وكفاءة؟ تعلم كيف تستخدم List Comprehensions لتبسيط حلقات التكرار وإنشاء القوائم.

numbers = [1, 2, 3, 4, 5]
squares = [n**2 for n in numbers]
print(squares)

بدلاً من كتابة حلقة for تقليدية لإنشاء قائمة مربعات الأرقام، استخدمنا List Comprehension في سطر واحد. إنها طريقة موجزة وفعالة لقراءة وكتابة الكود.

['#Python', '#برمجة', '#ListComprehensions', '#كود', '#تطوير']

شاشة جوالي انكسرت ايش تنصحوني؟

✨ نصيحة بايثون سريعة: استخدام underscore (_) في بايثون 🐍

هل تساءلت يومًا عن معنى الـ underscore (_) في أكواد بايثون؟ إليك شرح موجز لاستخداماته المتعددة والمفيدة!

print(1000000)
print(1_000_000)

x, _ = (1, 2)
print(x)

# في حلقة تكرارية، لتجاهل قيمة
for _ in range(3):
    print("مرحباً!")

# في بعض المكتبات، للإشارة إلى متغير خاص أو غير مستخدم
class MyClass:
    def __init__(self):
        self._private_var = 10
        self.__mangled_var = 20

    def _protected_method(self):
        print("هذه دالة محمية")

    def __private_method(self):
        print("هذه دالة خاصة")

obj = MyClass()
print(obj._private_var)
obj._protected_method()

الـ underscore (_) له استخدامات متنوعة في بايثون:
1. **فواصل للأرقام:** لتسهيل قراءة الأرقام الكبيرة (مثل 1_000_000).
2. **تجاهل القيم:** عند فك حزم (unpacking) القيم وتريد تجاهل بعضها (مثل x, _ = (1, 2)).
3. **حلقات التكرار:** لتجاهل قيمة المتغير في كل دورة من حلقة تكرارية (مثل for _ in range(3)).
4. **اصطلاح للتسمية:** يستخدم المبرمجون الـ underscore كاصطلاح للإشارة إلى متغيرات أو دوال خاصة (private) أو محمية (protected) لا يُفترض الوصول إليها مباشرة من خارج الكلاس، على الرغم من أن بايثون لا تفرض ذلك بقوة.

['#بايثون', '#برمجة', '#نصائح_برمجية', '#PythonTips', '#Coding']

ننتظار ⁦Mythos⁩ مفتوح المصدر ⁦Anthropic⁩ اتهمت ⁦Alibaba⁩ بتقطير ⁦Claude⁩ 😅
بحسب الشركة جهات مرتبطة بمختبر ⁦Qwen⁩ أنشأت قرابة ⁦25⁩ ألف حساب وهمي وسوت أكثر من ⁦28⁩ مليون تفاعل مع ⁦Claude⁩. الهدف على ما يُزعم كان تقطير عدائي. واللي يهمهم بالذات البرمجة والوكلاء وتنفيذ المهام الطويلة متعددة الخطوات.
⁦Anthropic⁩ تقول إن هذي أكبر حملة معروفة لاستخلاص قدرات ⁦Claude⁩.
مش قادر أصبر أشوف ايش طلع معهم 🔥

✨ التلاعب بالبيانات باستخدام Pandas: دليلك السريع! 🐼

هل تتعامل مع جداول البيانات في بايثون؟ Pandas هي أداتك السحرية! تعلم كيف تبدأ بسرعة.

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}

df = pd.DataFrame(data)

print('DataFrame الأصلي:')
print(df)

print('\nالأسماء فقط:')
print(df['Name'])

print('\nالأشخاص الذين تزيد أعمارهم عن 30:')
print(df[df['Age'] > 30])

في هذا المثال، نقوم بإنشاء DataFrame بسيط باستخدام Pandas. ثم نعرض DataFrame بأكمله، ونختار عمود 'Name' فقط، ونقوم بتصفية الصفوف لعرض الأشخاص الذين تزيد أعمارهم عن 30 عامًا. Pandas تجعل معالجة البيانات سهلة وفعالة.

['#Python', '#Pandas', '#DataAnalysis', '#DataScience', '#Programming', '#Tutorial', '#تعلم_بايثون', '#علم_البيانات']

السوق السوداء للتوكنز في الصين
باحثة من مختبر أكسفورد للسياسة الصينية كتبت مقال عن كيف مزوّدين صينيين يبيعون توكنز بأسعار أقل من الرسمية. أحيانًا سعر الوصول للموديل يكون ⁦10%⁩ بس من سعر الـ⁦API⁩ الرسمي. والسؤال: كيف؟
طلع إن فيه ثلاث احتمالات. اختاروا اللي يعجبكم :
جمع البيانات بالجملة. المزوّدين يجمعون كل الطلبات والردود وسلاسل التفكير ويبيعونها من جديد. ومن هنا يكسبون.

تبديل الموديلات. يبيعونك ⁦Opus 4.7⁩ وبالواقع يمررون لك ⁦Qwen⁩ محلي. وكذا الخصم على موديل قوي يتحول لربح من موديل رخيص.

تقسيم الاشتراكات. مثلًا ياخذون ⁦Claude Max⁩ بـ⁦200⁩ دولار ويقسمونه على عشرات العملاء عبر حدود توكنز بالساعة. ربح من جديد. ويدخل هنا كمان توليد مجموعة حسابات ⁦API⁩ وهمية للحصول على رصيد مجاني للبداية وحسابات طلاب مزيفة وإعادة بيع حصص غيرهم غير المستخدمة.
كل أنواع الحجب الجغرافي والتحقق بالهاتف وطلب البطاقات الأجنبية وغيرها البروكسيات تتجاوزها بسهولة. السوق كبر والشركات الرسمية ما تقدر تسوي شي.
الصينيون يستخدمون هذا بكثرة لأن الوصول المباشر بدون ⁦VPN⁩ وبطاقات أجنبية مقفل عليهم. والكل مبسوط.

فورد رجعت توظف مهندسين كانت سرّحتهم. السبب إن أتمتة الذكاء الاصطناعي عندهم ما مشت زي ما خططوا 🤭
اعترفت إنها اعتمدت على الذكاء الاصطناعي أكثر من اللازم وقللت من قيمة خبرة المهندسين الكبار. الشركة كانت متوقعة إنها بس تدخل الذكاء الاصطناعي والجودة بترتفع لحالها بطريقة سحرية. بس ما ارتفعت.
"غلطنا لما فكّرنا إن مجرد ما ندخل الذكاء الاصطناعي ونعدل متطلبات التصميم اللي عندنا بنطلّع منتج عالي الجودة". هذا كلامهم.
والنتيجة إن فورد اضطرت ترجع توظف أكثر من ⁦350⁩ مهندس خبير عشان يصلّحون أخطاء الـ⁦AI slop⁩ ويدربون الموظفين الجدد وكمان يحسنون ويجمعون بيانات للذكاء الاصطناعي.

✨ تحسين أداء Python: استخدام `enumerate` بشكل فعال ✨

هل سئمت من كتابة عدادات يدوية عند المرور على عناصر قائمة في Python؟ دعنا نكتشف كيف يجعل `enumerate` حياتك أسهل وأكوادك أنظف!

my_list = ['تفاحة', 'موز', 'كرز']
for index, value in enumerate(my_list):
    print(f'الفهرس: {index}, القيمة: {value}')

# بدون enumerate (أقل كفاءة):
# for i in range(len(my_list)):
#     print(f'الفهرس: {i}, القيمة: {my_list[i]}')

الدالة `enumerate()` في Python تضيف عدادًا إلى قابل للتكرار (iterable) وتعيده ككائن `enumerate`. عند استخدامها في حلقة `for`، يمكنك الوصول إلى كل من الفهرس والقيمة لكل عنصر بسهولة، مما يجعل الكود أكثر قابلية للقراءة ويقلل من الحاجة إلى متغيرات عداد يدوية.

['#Python', '#برمجة', '#تعلم_بايثون', '#enumerate', '#كود_نظيف', '#نصائح_بايثون']

احس chatGPT و claude جالسين يشترون إعلانات من الحكومة الأمريكية علشان ترتفع مبيعاتهم وقيمتهم بس

✨ تخصيص معالجة الأخطاء في بايثون 🐍

تعلم كيف تجعل برنامجك أكثر قوة ومرونة عن طريق التعامل مع الأخطاء بطرق مبتكرة باستخدام كتل `try`, `except`, `else`, و `finally`.

def divide_numbers(a, b):
    try:
        result = a / b
    except ZeroDivisionError:
        print("خطأ: لا يمكن القسمة على صفر!")
        result = None
    except TypeError:
        print("خطأ: يجب أن تكون المدخلات أرقامًا!")
        result = None
    else:
        print(f"النتيجة هي: {result}")
    finally:
        print("تم الانتهاء من محاولة القسمة.")

divide_numbers(10, 2)
divide_numbers(10, 0)
divide_numbers(10, 'a')

كتلة `try` تحتوي على الكود الذي قد يسبب خطأ. `except` تلتقط أنواعًا محددة من الأخطاء وتعالجها. `else` تُنفذ إذا لم يحدث أي خطأ في `try`. `finally` تُنفذ دائمًا، سواء حدث خطأ أم لا، وهي مفيدة لتنظيف الموارد.

['#بايثون', '#برمجة', '#دروس_بايثون', '#معالجة_الأخطاء', '#Python', '#Programming', '#ErrorHandling']

لقيت لكم وظيفة حلوة : Bill Gates قال إن الذكاء الاصطناعي ما بيستبدلكم لو كنتم رياضيين

بحسب مؤسس Microsoft الذكاء الاصطناعي ممكن يفقد كثير من العمال وظائفهم. لكن الناس بكل بساطة ما بيهمهم يتفرجون على كمبيوترات تلعب كرة قدم أو بيسبول أو باسكت. عشان كذا الرياضة بتظل من المجالات القليلة اللي الناس بيختارون فيها البشر عن وعي.

انتم عارفين انه جهازي الماك اللي اشتريته قبل شهر اجيت أشوف سعره بعد الزياده ارتفعت قيمته 1000 يورو يعني تقريبا 4000 ريال سعودي الحمدلله انه اخذته قبل مايرتفع

🚀 تحسين أداء Python: استخدام List Comprehensions

هل تريد كتابة كود Python أكثر إيجازًا وكفاءة؟ تعلم كيف تجعل قوائمك تنشأ بلمح البصر باستخدام List Comprehensions!

numbers = [1, 2, 3, 4, 5]
squares = [x**2 for x in numbers]
print(squares)

# مقارنة مع الطريقة التقليدية:
# squares_traditional = []
# for x in numbers:
#     squares_traditional.append(x**2)
# print(squares_traditional)

List Comprehensions توفر طريقة مختصرة لإنشاء القوائم. بدلاً من استخدام حلقة for تقليدية، يمكنك تعريف القائمة الجديدة وتحديد كيفية إنشائها في سطر واحد. هذا يجعل الكود أقصر وأسهل للقراءة، وغالبًا ما يكون أسرع أيضًا.

['#Python', '#برمجة', '#ListComprehensions', '#كود', '#تطوير', '#تعلم_البرمجة']

المشاريع بزمن ال ai 😅

أمريكا حاولت تقفل Mythos عن الصين بس الصين بكل بساطة سوّت Mythos خاص فيها

الـWSJ تقول إن الموديل الجديد مفتوح المصدر من Zhipu AI واسمه GLM-5.2 صار يضاهي Anthropic Mythos في مهام الأمن السيبراني والبحث عن الثغرات. وأكثر من كذا في الأختبارات طلع الموديل أحسن من Opus 4.8 في البرمجه. وفي Design Arena يتجاوز Fable 5 الأسطورية.

في أمريكا ماهم راضين عن هذا ويشوفون إن الحكومة لما تقيّد Mythos وGPT-5.6 بإيدها هي تعطي بكين أفضلية في سباق الذكاء الاصطناعي.

🚀 تبسيط التعامل مع التواريخ في بايثون!

هل سئمت من تعقيدات التعامل مع التواريخ؟ إليك طريقة سهلة باستخدام وحدة `datetime` في بايثون.

from datetime import datetime, timedelta

# الحصول على التاريخ والوقت الحالي
now = datetime.now()
print(f"الوقت الحالي: {now}")

# إنشاء تاريخ محدد
date1 = datetime(2023, 10, 26, 10, 30, 0)
print(f"تاريخ محدد: {date1}")

# إضافة أيام إلى تاريخ
future_date = now + timedelta(days=7)
print(f"بعد 7 أيام: {future_date}")

# حساب الفرق بين تاريخين
diff = date1 - now
print(f"الفرق بين التاريخين: {diff.days} يوم")

تسمح لك وحدة `datetime` بإنشاء كائنات تمثل التواريخ والأوقات، وإجراء عمليات حسابية بسيطة عليها مثل إضافة أو طرح فترات زمنية (باستخدام `timedelta`)، وحساب الفروقات بين التواريخ.

['#بايثون', '#برمجة', '#تعلم_بايثون', '#تطوير', '#datetime', '#تاريخ']

الذكاء الاصطناعي بيستبدل الكل الا المبرمجين

تقرير جديد من SignalFire يبيّن إن الذكاء الاصطناعي فعلًا سوّى تنظيف في قطاع التقنية وطبعا كلهم تضرروا ما عدا المبرمجين.

سوق العمل في 2026 أعاد ترتيب نفسه بطريقته:

• التوظيف في الشركات الكبيرة نزل 25% مقارنة بمستوى ما قبل الجائحة بس المهندسين ما تأثروا تقريبًا. الحين يشكّلون لين 55% من كل الموظفين الجدد. الذكاء الاصطناعي خلّى السينيورز فعّالين لدرجة إن ما حد ناوي يستغني عنهم.

• أكثر فئة تضررت المصممين (التوظيف في الشركات الكبيرة طاح 48%) والمسوّقين (نزلوا 36%).

• طبعاً السينيورز صاروا مستقلين لدرجة إن مدراء الإدارات الوسطى صاروا بدون فايدة.

• والجونيورز اللي يبون يدخلون المجال نعزيهم توظيفهم نزل 65%.

تخيلوا Dario Amodei ضد النماذج مفتوحة المصدر

الرئيس التنفيذي لـAnthropic من فترة يخوّف المشرّعين من مخاطر النماذج المفتوحة وإنها ما تنضبط وصعب تتقيّد. والحين قال إن الأوبن سورس في الذكاء الاصطناعي مجرد مناورة لصرف الانتباه. حجته إن النماذج ما تقدر تكون مفتوحة المصدر فعلًا ولتشغيلها برضو تحتاج سحابة وبنية تحتية قوية بس التحكم فيها أصعب.

هذي شوية أرقام وحقائق:

80% من المشاريع الناشئة الأمريكية في الذكاء الاصطناعي مبنية على نماذج صينية.

في OpenRouter خلال سنة نزل بشكل حاد عدد التوكنز المصروفة على النماذج الأمريكية وصار الصرف على النماذج الصينية أكثر بالضعف.

وكمان شركات أمريكية كبيرة تنتقل بالجملة للنماذج الصينية المفتوحة. مثلًا Coinbase الحين تستخدم GLM-5.2 وKimi 2.7 وغيرها من النماذج الرخيصة عشان تكسب أكثر بسعر أقل.

يبدو إن Amodei فاهم إن الأوبن سورس يدمّر شغله والصينيون بدأوا يكسبون في سباق الذكاء الاصطناعي