Jupyter Notebook للمبتدئين

Jupyter Notebook هو البيئة الأكثر استخدامًا في مشاريع الذكاء الاصطناعي وتعلّم الآلة. يجمع بين الكود، الشرح النصي، المعادلات الرياضية، والمخططات البيانية في صفحة واحدة تسمى "دفتر ملاحظات" (Notebook). هذه الصفحة تشرح الأساسيات في 10 دقائق، ثم تربطك بـNumPy وPandas للتطبيق العملي.

ما هو Jupyter Notebook؟

دفتر ملاحظات تفاعلي مقسّم إلى خلايا (cells). كل خلية نوعها إما:

• كود (Code): تكتب فيه Python (أو لغات أخرى) ويظهر الناتج تحته.
• نص (Markdown): تكتب فيه شرحًا، عناوين، قوائم، حتى LaTeX للمعادلات.

┌─────────────────────────────────┐
│  [Markdown] مقدمة عن البيانات   │
└─────────────────────────────────┘
┌─────────────────────────────────┐
│  [Code]    import pandas as pd  │
│            df = pd.read_csv(...) │
│  →  النتيجة: DataFrame summary  │
└─────────────────────────────────┘
┌─────────────────────────────────┐
│  [Markdown] ملاحظة: نلاحظ أن ... │
└─────────────────────────────────┘

هذا التنسيق يجعل Jupyter مثاليًا لتجريب النماذج، توثيق ما تعلّمته، مشاركة النتائج مع فريقك، وتدريس المفاهيم خطوة بخطوة.

التثبيت والتشغيل

بعد أن أعددت بيئة Python للذكاء الاصطناعي، ثبّت Jupyter:

pip install jupyter

شغّله من مجلد المشروع:

jupyter notebook

سيفتح متصفحك على واجهة Jupyter. (إذا فضّلت واجهة أحدث، ثبّت JupyterLab: pip install jupyterlab ثم شغّل jupyter lab.)

أوامر سريعة ستحتاجها

خلية Markdown الأولى

دفتر Jupyter يبدأ عادةً بخلايا Markdown تشرح ما يدور في الدفتر:

# مشروع: التنبؤ بأسعار المنازل

الهدف: استخدام Linear Regression للتنبؤ بسعر المنزل من مساحته وعدد الغرف.

- البيانات: ملف `houses.csv`
- المكتبة: scikit-learn
- تاريخ: 2026-09

خلية كود بسيطة

خلية كود تعمل Python عادي تمامًا:

import numpy as np

# شعاع (1D array)
prices = np.array([120000, 250000, 400000])
print("الأسعار:", prices)
print("المتوسط:", prices.mean())

الناتج المتوقع:

الأسعار: [120000 250000 400000]
المتوسط: 256666.66666666

لماذا Jupyter مفيد لمشاريع AI؟

1. تجريب تفاعلي: شغّل خلية، انظر النتيجة، عدّل، شغّل من جديد — كله في نفس الصفحة.
2. الشرح بجانب الكود: في مشروع حقيقي، تحتاج توثيق ما فعلته ولماذا. Markdown يعطيك ذلك.
3. المخططات داخل الدفتر: استورد matplotlib، ارسم مخططًا، يظهر مباشرة تحت الخلية.
4. مشاركة سهلة: ملف .ipynb يفتح عند أي شخص عنده Jupyter.

متى لا تستخدم Jupyter؟

• تطبيق إنتاج (production): Jupyter ليس مكان تشغيل النظام النهائي. حوّل الكود المهم إلى ملف .py سكربت أو module.
• مشاريع كبيرة جدًا: حين يصبح الدفتر 50 خلية، يصبح صعب التتبّع. قسّمه إلى عدة دفاتر.
• تعاون عبر Git: ملفات .ipynb صعبة المراجعة (Review) بسبب JSON الداخلي. أدوات مثل nbQA أو jupytext تساعد.

تمرين سريع

افتح Jupyter، أنشئ دفترًا جديدًا، ثم:

1. في خلية Markdown: اكتب عنوان # أول دفتر AI.
2. في خلية Code: اكتب import sys; print(sys.version).
3. شغّل الخلية. يجب أن ترى إصدار Python مطبوعًا.

إذا ظهر الناتج — بيئتك جاهزة لمتابعة NumPy للذكاء الاصطناعي.

أخطاء شائعة

• فتح Jupyter بدون تفعيل venv: سترى أخطاء ModuleNotFoundError عند استيراد مكتبات ثبّتها في بيئتك.
• نسيان حفظ الدفتر قبل الإغلاق — Jupyter يحفظ تلقائيًا لكن لا تَعتمد عليه.
• خلط أنواع الخلايا: خلية Markdown فيها كود لن تعمل، والعكس صحيح.
• كتابة كل شيء في خلية واحدة ضخمة: قسّم منطقيًا؛ كل فكرة في خلية.

الخطوات التالية

• NumPy للذكاء الاصطناعي — المصفوفات والحوسبة العددية.
• Pandas لتحضير البيانات — استيراد الجداول وتحضيرها للنماذج.
• تمرين: تحميل CSV في Jupyter — أوّل تطبيق عملي يجمع ما تعلّمته.