ما هو استخدام بايثون؟ أكثر من 10 استخدامات في الترميز للغة برمجة بايثون.

? مرحبًا

مرحبا! من فضلك خذ لحظة للتفكير في هذا السؤال:

كيف يتم تطبيق بايثون في سيناريوهات العالم الحقيقي؟

إذا كنت تتعلم لغة Python وتريد معرفة الإجابة ، فهذه المقالة مناسبة لك.

إن امتلاك فكرة واضحة عن التطبيقات والإمكانيات الهائلة لهذه اللغة البرمجية سوف يمنحك الدافع الذي ستحتاجه طوال رحلتك.

هيا نبدأ! ✨

? بايثون في سيناريوهات العالم الحقيقي

تُستخدم لغة Python تقريبًا في كل صناعة ومجال علمي يمكنك تخيله ، بما في ذلك:

  • علم البيانات.
  • التعلم الالي.
  • تطوير الشبكة.
  • تعليم علوم الكمبيوتر.
  • رؤية الكمبيوتر ومعالجة الصور.
  • تطوير اللعبة.
  • الطب وعلم العقاقير.
  • علم الأحياء والمعلوماتية الحيوية.
  • علم الأعصاب وعلم النفس.
  • الفلك.
  • مجالات أخرى مثل الروبوتات ، والمركبات المستقلة ، والأعمال التجارية ، والأرصاد الجوية ، وتطوير واجهة المستخدم الرسومية (GUI).

تغطي هذه المقالة مجموعة واسعة من تطبيقات لغة البرمجة هذه في هذه الصناعات مع أمثلة وحالات استخدام ومكتبات بايثون. لنبدأ بتطبيقات بايثون في علم البيانات.

علم البيانات: التحليل والتصور

ربما يكون أحد أشهر تطبيقات بايثون هو علم البيانات. إن قوة مكتبات Python التي تم تطويرها لتحليل البيانات والتصور مذهلة. دعنا نرى لماذا.

تطبيقات علوم البيانات

باستخدام مكتبة تصور بيانات Python ، يمكنك إنشاء مجموعة متنوعة من المؤامرات والتمثيلات المرئية ، مثل:

  • الخطوط والأشرطة والعلامات.
  • الصور والخطوط والحقول.
  • المؤامرات الفرعية والمحاور والأشكال.
  • الإحصائيات (مخططات مربعة ومخططات شريطية ومدرجات تكرارية).
  • المخططات الدائرية والقطبية.
  • مؤامرات ثلاثية الأبعاد.
  • و اكثر!

يمكنك إضافة نص ، وملصقات ، وتعليقات توضيحية ، ولون ، وأشكال ، ومجموعات ، ورسوم متحركة ، وتفاعل إلى مخططاتك بناءً على الحزمة أو المكتبة التي تختار العمل بها.

? نصيحة: يمكنك رؤية بعض الأمثلة على تصورات البيانات التي تم إنشاؤها باستخدام Python في الصورة أعلاه.

المكتبات والحزم

دعنا نرى بعض الحزم والمكتبات الأكثر شيوعًا للعمل مع Python في علم البيانات:

بايثون لتحليل البيانات

  • NumPy: توصف هذه الحزمة بأنها "الحزمة الأساسية للحوسبة العلمية باستخدام Python". وفقًا للموقع الرسمي لهذه الحزمة ، "يعتمد كل عالم تقريبًا يعمل في Python على قوة NumPy."
  • Pandas: هي "أداة تحليل ومعالجة بيانات مفتوحة المصدر سريعة وقوية ومرنة وسهلة الاستخدام."

بايثون لتصور البيانات

  • Matplotlib: هي "مكتبة شاملة لإنشاء تصورات ثابتة ومتحركة وتفاعلية في بايثون." إذا كنت مهتمًا بما يمكنك القيام به بهذه المكتبة ، فراجع معرض الأمثلة.
  • Seaborn: هي "مكتبة تصور بيانات Python تعتمد على matplotlib." إذا كنت مهتمًا بما يمكنك فعله بهذه المكتبة ، فراجع معرض الأمثلة.
  • ggplot2: هو "نظام لإنشاء الرسومات بشكل إعلاني ، استنادًا إلى القواعد النحوية للرسومات". وفقًا لموقعه الرسمي على الويب: "أنت تقدم البيانات ، أخبر ggplot2 بكيفية تعيين المتغيرات إلى الجماليات ، وما هي العناصر الأساسية الرسومية التي يجب استخدامها ، وتهتم بالتفاصيل."
  • بوكيه: هي "مكتبة تصور تفاعلية لمتصفحات الويب الحديثة".
  • الباندا:تحتوي هذه المكتبة على العديد من الأدوات لتصور البيانات.

مصادر التعلم

إذا كنت ترغب في تعلم تحليل البيانات والتصور باستخدام Python و Jupyter Notebooks و Numpy و Pandas وملفات CSV وإطارات البيانات والمزيد ، يمكنك بدء رحلتك باستخدام تحليل البيانات المجاني من freeCodeCamp مع شهادة Python :

أثناء الحصول على الشهادة ، تعمل على هذه المشاريع وتكملها:

  • متوسط ​​التباين - حاسبة الانحراف المعياري.
  • محلل البيانات الديموغرافية.
  • مصور البيانات الطبية.
  • متخيل السلسلة الزمنية لعرض الصفحة.
  • توقع مستوى البحر.

تحتوي قناة freeCodeCamp على YouTube أيضًا على هذه البرامج التعليمية المجانية الرائعة لتبدأ:

  • تحليل البيانات باستخدام Python - دورة كاملة للمبتدئين (Numpy و Pandas و Matplotlib و Seaborn) بواسطة سانتياغو باسولتو.
  • Python لعلوم البيانات - تعلم Pandas و Matplotlib و Numpy والمزيد عن طريق DataPublishing
  • دورة تحطم ماتبلوتليب بواسطة كيث جالي
  • برنامج Python NumPy التعليمي للمبتدئين بقلم كيث جالي

بالإضافة إلى ذلك ، فهذه موارد مفيدة إذا كنت تريد معرفة كيفية العمل مع هذه المكتبات:

  • دروس Matplolib التعليمية: دروس تمهيدية ومتوسطة ومتقدمة مجانية لتعليمك كيفية إنشاء تصورات رائعة.
  • قسم Pandas "Getting Started": دروس تمهيدية مجانية.
  • قسم NumPy Learn: مجموعة منظمة من الموارد الخارجية لمساعدتك على البدء.

? تعلم الآلة

تعد Python أداة أساسية لكل مطور يريد الدخول إلى مجال رائع من التعلم الآلي. دعنا نرى مقدمة موجزة عن التعلم الآلي.

ما هو التعلم الآلي؟

التعلم الآلي هو أحد مجالات علوم الكمبيوتر التي تنشئ أنظمة قادرة على التعلم بمفردها.

يستخدم هذا النوع من الأنظمة خوارزميات يتم تحسينها باستمرار بناءً على بيانات الإدخال التي تساعد النظام على "التعلم". يتعلم كيفية الاستجابة بشكل مستقل للسيناريوهات الجديدة من خلال إنشاء مخرجات مناسبة في سيناريوهات جديدة بناءً على المعرفة السابقة.

من أكثر الأشياء المدهشة في هذه الأنظمة أنها يتم تحسينها باستمرار.

إنها ليست مثل البرامج التي نكتبها عادةً في نصوص Python حيث نحدد كل إجراء ممكن يمكن أن يتخذه البرنامج. في التعلم الآلي ، يتم تدريب النظام على "التفكير" واتخاذ القرارات بناءً على المعرفة السابقة.

هذا هو السبب في أننا نقول إن الآلات "تتعلم" من البيانات.

? نصيحة: هذا حديث ممتع من Google: التعلم الآلي من الصفر إلى البطل (Google I / O'19).

الشبكات العصبية: اللبنات الأساسية لتعلم الآلة

الشبكات العصبية هي وحدات معالجة النظام. يحاولون محاكاة شبكة حقيقية من الخلايا العصبية في الدماغ. يتلقون "الخلايا العصبية" الافتراضية المدخلات ، ويتعلمون كيفية معالجة تلك المدخلات ، وتوليد مخرجات بناءً على معرفتهم السابقة.

هذا مشابه جدًا لما يفعله الدماغ في كل لحظة من كل يوم.

بفضل الشبكات العصبية ، يمكن لخوارزمية التعلم الآلي أن تتعلم كيفية التنبؤ بالإخراج المتوقع من إدخال معين بناءً على المعرفة السابقة.

على سبيل المثال ، عندما ترى مقاطع فيديو موصى بها على YouTube ، تم إنشاء هذه التوصيات بواسطة الشبكات العصبية التي تتنبأ بمقاطع الفيديو التي قد ترغب في مشاهدتها بناءً على أنماطك السابقة. مدهش ، صحيح؟

? نصيحة: هذا مقال مثير للاهتمام من Google إذا كنت ترغب في قراءة المزيد حول مثال YouTube هذا.

بايثون وتعلم الآلة

أنا متأكد من أنك يجب أن تسأل: ما هو دور بايثون في هذا المجال؟ إنها واحدة من أكثر الأدوات شيوعًا وقوة المستخدمة لبرمجة هذا النوع من الأنظمة.

تعد TensorFlow واحدة من المكتبات الأكثر شيوعًا التي يستخدمها المطورون حول العالم للعمل مع Python المطبقة على التعلم الآلي . إنها مكتبة مجانية مفتوحة المصدر طورها فريق Google Brain. تستخدم هذه المكتبة للبحث والإنتاج في Google.

وفقًا لجيف دين ، رئيس قسم الذكاء الاصطناعي في Google:

يتم استخدامه اليوم بكثافة في أنظمة التعرف على الكلام لدينا ، في منتج جديد من صور Google و Gmail وبحث Google. (مصدر)

أفضل جزء هو أن المطورين في جميع أنحاء العالم يمكنهم استخدام هذه المكتبة لمعالجة مشاكل العالم الحقيقي.

? نصيحة: هذا مقطع فيديو رائع عن TensorFlow تم إنشاؤه بواسطة Google.

هاتان مكتبتا Python المشهورتان الأخريان تستخدمان في التعلم الآلي:

  • Keras - مكتبة شبكة عصبية مفتوحة المصدر مكتوبة بلغة بايثون.
  • PyTorch - مكتبة تعلم الآلة مفتوحة المصدر تُستخدم لتطوير الشبكات العصبية وتدريبها.

مشاريع التعلم الآلي في بايثون

إمكانات التعلم الآلي لا حصر لها حقًا. يمكن تطبيقه فعليًا على أي منطقة وسياق يمكنك التفكير فيهما. إذا كانت المهمة تتطلب التعلم من الأنماط والتنبؤ بالإخراج ، فيمكن أن يساعد نموذج التعلم الآلي بالتأكيد.

على سبيل المثال ، لإعطائك فكرة عن نوع المشاريع التي يمكنك إنشاؤها ، يتضمن منهج freeCodeCamp تعلمًا آليًا مجانيًا مع شهادة Python :

أثناء الحصول على الشهادة ، تعمل على هذه المشاريع وتكملها:

  • قرعة.
  • مصنف صور القط والكلب.
  • محرك توصية الكتاب باستخدام K-Nearest Neighbours.
  • حاسبة التكاليف الصحية للانحدار الخطي.
  • مصنف الرسائل القصيرة للشبكة العصبية.

المزيد من الأمثلة على تطبيقات العالم الحقيقي

يمكنك العثور على مزيد من الأمثلة لتطبيقات التعلم الآلي في Kaggle ، "مجتمع عبر الإنترنت لعلماء البيانات وممارسي التعلم الآلي" المملوك لشركة Google.

في هذا النظام الأساسي ، يمكنك ممارسة مهاراتك في Python و Machine Learning من خلال العمل في المشاريع والمشاركة في المسابقات.

لإعطائك فكرة عن نوع المشاريع التي يمكنك معالجتها باستخدام التعلم الآلي ، تشمل المسابقات السابقة في Kaggle ما يلي:

  • توقع تدهور وظائف الرئة.
  • توقع البقاء على قيد الحياة على تيتانيك.
  • أدوات البناء لرصد الطيور.
  • وسم المعالم الشهيرة.
  • توقع انتشار كوفيد -19.
  • تقدير مبيعات الوحدة لبضائع وول مارت بالتجزئة.
  • تحديد مقاطع الفيديو ذات التلاعب بالوجه أو الصوت.
  • توقع أوقات الانتظار عند التقاطعات الرئيسية بالمدينة.
  • كشف الاحتيال من معاملات العملاء.
  • توقع إيرادات شباك التذاكر العالمية لفيلم.
  • توقع تبني الحيوانات الأليفة.
  • تحديد المخاطر عندما يكون الطيار مشتت الذهن أو نعسان أو في حالات معرفية خطيرة أخرى.

كما ترون ، في هذه القائمة القصيرة من المشاريع ، تتراوح التطبيقات من الطب إلى الأعمال التجارية ، ومن علم الأحياء إلى اكتشاف المخاطر ، ومن اكتشاف الاحتيال إلى معالجة الصور. الاحتمالات لا حصر لها حقًا عند معالجة مشاكل العالم الحقيقي باستخدام التعلم الآلي.

مصادر التعلم

تحتوي قناة freeCodeCamp على YouTube على هذه البرامج التعليمية المفيدة لتبدأ في تعلم الآلة في Python:

  • دورة TensorFlow 2.0 الكاملة - دروس بايثون للشبكات العصبية للمبتدئين
  • قم بتطوير ذكاء اصطناعي للعب Connect Four - Python Tutorial
  • دورة Scikit-Learn - تعلم الآلة في دروس بايثون
  • PyTorch للتعلم العميق - دورة كاملة / تعليمي

? تطوير الويب

يتم استخدام Python في مجال تطوير الويب لبناء النهاية الخلفية لتطبيقات الويب. لنبدأ هذا القسم بالحديث قليلاً عن ماهية الخلفية وكيف تساعدنا في إنشاء تطبيقات الويب.

Python لتطوير الويب الخلفي

في تطبيق الويب ، يُطلق على جميع التعليمات البرمجية المستخدمة للتفاعل مع المستخدم وإنشاء ما يراه المستخدم الجزء الأمامي من التطبيق.

يتم استخدام Python لتشفير وظائف التطبيق خلف الكواليس ، وهو الجزء الذي يشغل جميع وظائف التطبيق ولكن لا تراه مباشرة على الشاشة.

يتعامل مع جانب الخادم للتطبيق ، ويتفاعل مع جميع قواعد البيانات الضرورية عندما يطلب المستخدم البيانات. تقوم بإرجاع البيانات المطلوبة إلى المستخدم لتشغيل التطبيق بالشكل المتوقع.

? نصيحة: يتضمن تطوير الويب Full-Stack Web كل من الواجهة الأمامية والخلفية لتطبيق الويب لجعله قابلاً للتقديم للمستخدم أثناء العمل مع قواعد البيانات.

أطر الويب

هذه بعض أطر عمل ويب Python الشائعة:

  • Django: "إطار عمل ويب Python عالي المستوى يشجع التطوير السريع والتصميم النظيف والبراغماتي."
  • Flask: إطار مصغر شائع جدًا يستخدم لتطوير تطبيقات الويب في Python.
  • Pyramid: "إطار ويب Python صغير وسريع وعملي."
  • Web2Py: "إطار عمل مكدس مجاني ومفتوح المصدر للتطوير السريع للتطبيقات المستندة إلى الويب والتي تعتمد على قاعدة بيانات سريعة وقابلة للتطوير وآمنة ومحمولة.
  • زجاجة: "إطار ويب صغير WSGI سريع وبسيط وخفيف الوزن لـ Python."

مصادر التعلم

تحتوي قناة freeCodeCamp على YouTube على دروس مجانية رائعة لتعلم تطوير الويب في Python:

  • إطار عمل ويب Python Django - دورة كاملة للمبتدئين
  • Learn Flask for Python - تعليمي كامل
  • برمجة الويب باستخدام Flask - مقدمة في علوم الكمبيوتر - CS50 بجامعة هارفارد (2018)
  • Full Stack Python Flask تعليمي - بناء شبكة اجتماعية

هذه أيضًا موارد مجانية رائعة لتعلم كيفية العمل مع هذه الأطر:

  • قسم "الخطوات الأولى" في Django
  • دروس الهرم
  • البرنامج التعليمي السريع للهرم

? تعليم علوم الحاسب

تلعب Python حاليًا دورًا رئيسيًا في تعليم علوم الكمبيوتر حول العالم. دعنا نرى لماذا.

لماذا بايثون؟

تُستخدم بايثون على نطاق واسع كأداة تعليمية للأسباب التالية:

  • من السهل التعلم: تركيبها بسيط ويمكن تعلمها بسرعة. يبدأ الطلاب في الغوص في جوانب أكثر تقدمًا في علوم الكمبيوتر بسرعة أكبر بكثير من لغات البرمجة الأخرى.
  • إنه قوي: يتم استخدامه في تطبيقات العالم الحقيقي ، لذلك يبدأ الطلاب على الفور في اكتساب مهارات قيمة لحياتهم المهنية.
  • إنه متعدد الاستخدامات: فهو يدعم نماذج البرمجة المختلفة بما في ذلك البرمجة الإلزامية والبرمجة الوظيفية والبرمجة الإجرائية والبرمجة الموجهة للكائنات.

صرح مبتكر لغة بايثون ، جيدو فان روسوم ، أن:

الآن ، أعتقد أن Python أسهل كثيرًا من تعليم الطلاب البرمجة وتعليمهم C أو C ++ أو Java في نفس الوقت لأن كل تفاصيل اللغات أصعب بكثير.

يعتبر بناء جملة بايثون بسيطًا ومباشرًا ، بحيث يمكن للطلاب البدء في تعلم التفكير الحسابي ومهارات حل المشكلات بسرعة أكبر ، وهو عادةً الهدف الرئيسي لدورات علوم الكمبيوتر التمهيدية.

بايثون في الفصل والتعلم عبر الإنترنت

قررت العديد من الجامعات والمدارس حول العالم تدريس البرمجة التمهيدية ودورات علوم الكمبيوتر باستخدام لغة بايثون.

على سبيل المثال ، تقوم MIT ، وهي إحدى الجامعات الرائدة في العالم في مجال التكنولوجيا ، بتدريس علوم الكمبيوتر التمهيدية والبرمجة باستخدام Python (سواء في الإصدارات داخل الحرم الجامعي أو عبر الإنترنت من الدورة التدريبية على edX).

وفقًا لمقال نشرته أخبار معهد ماساتشوستس للتكنولوجيا نُشر عندما وصلت النسخة الإلكترونية من الدورة التدريبية إلى 1.2 مليون مُسجَّل ، فإن الدورة "أصبحت أشهر مساقات MOOC في تاريخ MIT".

يوضح هذا بوضوح أن شعبية بايثون مستمرة في الارتفاع. يمكنك العثور في المقالة على شهادات الطلاب الذين تعلموا بايثون وكيف أدت هذه المعرفة الجديدة إلى تحسين حياتهم.

في المقال ، ذكرت البروفيسور آنا بيل ، المحاضرة في قسم EECS في MIT ، أن

"تعلم سلسلة 6.00 في جوهرها التفكير الحسابي ... وهي تفعل ذلك باستخدام لغة برمجة Python ، ولكن الدورة تعلم أيضًا مفاهيم البرمجة التي يمكن تطبيقها في أي لغة برمجة أخرى."

يوضح هذا بوضوح إمكانات Python كأداة تعليمية. يمكن استخدامه لتدريس مفاهيم المستوى الأعلى التي يمكن تطبيقها على لغات البرمجة الأخرى.

ويفعل ذلك بدون طبقة التعقيد الإضافية التي قد يضيفها بناء جملة لغات البرمجة الأخرى مثل Java أو C إلى عملية التعلم.

خلال السنوات القليلة الماضية ، أصبحت الدورات التدريبية عبر الإنترنت جزءًا مهمًا من الحياة اليومية للمتعلمين من جميع الأعمار في جميع أنحاء العالم. توسعت مجموعة الدورات التدريبية والموارد المجانية عبر الإنترنت بشكل كبير في السنوات القليلة الماضية.  

على سبيل المثال ، يتضمن منهج freeCodeCamp ثلاث شهادات مجانية مع مشاريع لمساعدتك على توسيع مهاراتك في Python في المجالات الرئيسية ذات الطلب المرتفع في جميع أنحاء العالم:

  • الحوسبة العلمية ببايثون.
  • تحليل البيانات باستخدام بايثون.
  • تعلم الآلة باستخدام بايثون.

تقدم جامعة هارفارد أيضًا هذه الدورات التدريبية عبر الإنترنت التي يمكن تدقيقها مجانًا:

  • مقدمة CS50 لعلوم الكمبيوتر.
  • برمجة الويب CS50 مع Python و JavaScript.
  • مقدمة CS50 للذكاء الاصطناعي مع بايثون.

أصبحت Python بالتأكيد أداة رئيسية حسنت تعليم علوم الكمبيوتر في جميع أنحاء العالم. وستواصل القيام بذلك في المستقبل.

إذا كنت تفكر في تدريس دورة باستخدام بايثون أو تعلم بايثون ، فأنا أضمن لك أن وقتك وجهدك يستحقان ذلك تمامًا.

رؤية الكمبيوتر ومعالجة الصور

تُستخدم لغة Python في رؤية الكمبيوتر ومعالجة الصور ، وهي مجالات تتوسع بسرعة.

الهدف من معالجة الصورة هو معالجة الصورة وتطبيق التحولات عليها وإرجاع نسخة جديدة من الصورة الأصلية.  

في المقابل ، فإن هدف رؤية الكمبيوتر أكثر تعقيدًا لأنه يحاول جعل الكمبيوتر يفهم ويفسر الصورة ومحتواها.

معالجة الصورة

لنبدأ بمعالجة الصور. باستخدام مكتبة Python ، يمكنك إجراء عمليات مثل:

  • الاقتصاص والتقليب والتدوير.
  • معالجة قنوات التعرض واللون.
  • كشف الحواف والخطوط.
  • إضافة المرشحات واستعادة الصور.

الرؤية الحاسوبية

الآن دعنا نتعمق في رؤية الكمبيوتر. إذا بدأت في البحث عن هذا الموضوع ، فقد تفاجأ بتطبيقاته الحالية. ومنهم:

  • التنقل.
  • كشف الأشياء والأحداث.
  • التعرف على الوجه.
  • تصنيف الصورة.

هذا المجال العلمي مهم جدًا لدرجة أن Google طورت أداة تسمى Cloud Vision ، والتي تحتوي على إصدار Python للمطورين لدمج هذه الوظيفة في برامجهم.

وفقًا للبرنامج التعليمي "استخدام Vision API مع Python" في Google Codelabs ، فإن واجهة برمجة تطبيقات Google Cloud Vision:

يسمح للمطورين بدمج ميزات اكتشاف الرؤية بسهولة داخل التطبيقات ، بما في ذلك تسمية الصور واكتشاف الوجه والمعالم والتعرف البصري على الأحرف (OCR) ووضع علامات على المحتوى الصريح.

توفر مجموعة الأدوات هذه وظائف لاكتشاف الوجه ، واكتشاف المعالم ، واكتشاف الشعار ، واكتشاف الملصقات ، واكتشاف النص ، والمزيد.

? نصيحة: أحد أكثر التطبيقات المدهشة للرؤية الحاسوبية هو تطوير برنامج للتحكم في السيارات ذاتية القيادة. تحتاج هذه المركبات إلى "رؤية" مكان قيادتها ، وأين يقع المسار ، والأشياء المحيطة بها (بما في ذلك المركبات الأخرى). تلعب رؤية الكمبيوتر دورًا رئيسيًا في هذه الوظيفة.

مكتبات بايثون

هذه بعض المكتبات الرائعة لرؤية الكمبيوتر ومعالجة الصور:

  • OpenCV: "مكتبة برمجيات الرؤية الحاسوبية والتعلم الآلي مفتوحة المصدر". تسمى نسخة بايثون الخاصة بها OpenCV-Python.
  • scikit-image: "مجموعة من الخوارزميات المستخدمة في معالجة الصور".
  • NumPy: يمكن استخدامه لمعالجة وحدات البكسل في الصورة كمصفوفة ثنائية الأبعاد.
  • SciPy: حزمة scipy.ndimage "تحتوي على وظائف مختلفة لمعالجة الصور متعددة الأبعاد."

? تطوير اللعبة

الألعاب تشكل بالتأكيد الحياة وتخلق ذكريات خالدة. سوف يستمرون في أن يكونوا جزءًا من مجتمعنا في السنوات القادمة. بايثون موجودة بالفعل ، تضيء شرارة إنشاء اللعبة.

أطر تطوير لعبة بايثون

وفقًا لتوثيق Python الرسمي ، هناك نوعان من أطر عمل Python الرئيسية المستخدمة لتطوير الألعاب:

  • pygame: "الحزمة الأصلية والتي لا تزال نشطة جدًا لتطوير الألعاب باستخدام Python. وهي تسمح ل Python بالتحدث إلى SDL ، وهي مكتبة وسائط متعددة ومتعددة الأنظمة. ولأنها تحتاج إلى تجميع لكل نظام أساسي وكل إصدار من إصدارات Python تأخرًا عند ظهور إصدار جديد من Python ".
  • pyglet: هذا هو "الوافد الجديد ، استنادًا إلى OpenGL. نظرًا لأنه حزمة Python خالصة ، يمكن استخدامه كما هو حتى عند إصدار إصدار جديد من Python (باستثناء انتقال Python 2 إلى Python 3)."

يمكنك أيضًا استخدام وحدة السلحفاة لإنشاء ألعاب بسيطة. Turtle هي وحدة Python مضمنة يتم تثبيتها تلقائيًا عند تثبيت Python على جهاز الكمبيوتر الخاص بك. يساعدك على إنشاء ألعاب برسومات بسيطة وواجهة مستخدم بسيطة.

مصادر التعلم

إذا كنت تريد تعلم تطوير الألعاب في Python ، فإن قناة freeCodeCamp على YouTube تحتوي على هذه البرامج التعليمية المجانية الرائعة:

  • تعلم Python عن طريق بناء خمس ألعاب - دورة كاملة
  • دروس Python و Pygame - قم ببناء لعبة Tetris! دورة GameDev كاملة
  • ثعبان لعبة بيثون تعليمي

? الطب وعلم العقاقير

لدى Python أيضًا تطبيقات مذهلة في المجال الطبي. ستندهش من كيفية دمج التكنولوجيا بالمعرفة الطبية لتقديم تشخيصات وعلاجات دقيقة وفعالة للمرضى.

التطبيقات

بعض الأمثلة على استخدام بايثون في الطب والصيدلة تشمل:

  • إجراء التشخيصات السريرية بناءً على السجلات والأعراض الطبية للمرضى.
  • تحليل البيانات الطبية.
  • عمل نماذج حسابية لتسريع عملية تطوير الأدوية الجديدة.

تشمل هذه التطبيقات الواسعة الآلاف والآلاف من الأمثلة حول العالم. لقد اخترت عددًا قليلاً منهم لتوضيح كيفية قيام بايثون بتشكيل هذا المجال. دعونا نلقي نظرة عليهم.

قصة نجاح صيدلانية: AstraZeneca

وفقًا لتوثيق Python الرسمي ، استخدمت إحدى شركات الأدوية الرائدة في العالم ، AstraZeneca ، لغة Python لتحسين نماذجها الحسابية الحالية لجعلها "أكثر قوة وقابلية للتوسع وقابلة للصيانة".

استخدم الباحثون هذه النماذج لمحاكاة التركيب الكيميائي للجزيئات وتأثيرها في الجسم. ساعد هذا العلماء على تحديد الجزيئات المحتملة للأدوية الجديدة والبدء في اختبارها بسرعة أكبر في المختبر.

عندما انضم إلى الفريق ، أقنع أندرو دالك ، كونه "مدافعًا معروفًا عن بايثون في الكيمياء الحاسوبية وعلم الأحياء" الفريق أن بايثون هي بالضبط ما يحتاجون إليه.

تم اختيار Python لهذا العمل لأنها واحدة من أفضل اللغات المتاحة لعلماء الفيزياء ، أي للأشخاص الذين ليس لديهم خلفية في علوم الكمبيوتر.

ذكر ذلك:

تم تصميم Python لحل مشاكل العالم الحقيقي التي يواجهها مبرمج خبير. والنتيجة هي لغة تتدرج بشكل جيد من نصوص صغيرة كتبها كيميائي إلى حزم كبيرة كتبها مطور برمجيات.

مدهش ، صحيح؟ تستطيع بايثون تشغيل النماذج الحسابية التي تستخدمها المختبرات الصيدلانية لتطوير عقاقير جديدة.

تحديد خلايا الدم الحمراء (RBC)

تطبيق طبي آخر مثير للاهتمام للبايثون يتعلق بأمراض الدم. عادةً ما يحلل المتخصصون المتخصصون اختبارات الدم عن طريق عد الخلايا وتحديدها يدويًا ، ولكن يمكن تحسين ذلك بمساعدة الأتمتة.

وجد الباحثون أن بايثون يمكن أن تكون الأداة المناسبة للوظيفة. دعونا نرى مشروع مثير للاهتمام.

هوية

الهدف من هذا المشروع هو تحديد وتصنيف أشكال خلايا الدم الحمراء بناءً على الصور المأخوذة من المجاهر الضوئية. وفقًا لهذه المقالة ، "شكل كرات الدم الحمراء يمكن أن يساعد في تشخيص الأمراض والاضطرابات مثل اللوكيميا وفقر الدم المنجلي والملاريا"

تم تطوير المشروع من قبل باحثين من معهد Bioresource Processing Institute Australia. تمت برمجتها في Python واستخدمت حزم ومكتبات Python لمعالجة الصور مثل numpy و scipy و opencv-python و scikit-Learn و matplotlib.

حزم بايثون الطبية

  • pyGeno: حزمة Python مفتوحة المصدر طورها طارق داودة في معهد الأبحاث في علم المناعة والسرطان (IRIC). إنه مخصص لـ "تطبيقات الطب الدقيق التي تدور حول علم الجينوم والبروتيوميات". إنه يعمل مع الجينوم المرجعي والشخصي.
  • MedPy: مكتبة Python مفتوحة المصدر "لمعالجة الصور الطبية في Python ، وتوفر الوظائف الأساسية لقراءة وكتابة ومعالجة الصور الكبيرة ذات الأبعاد التعسفية."

التطبيقات الطبية في العالم الحقيقي (أمثلة)

  • قدم Gusztav Belteki مثالًا آخر خلال حديثه في PyData Berlin 2018 "Python in Medicine: تحليل البيانات من أجهزة التنفس الصناعي". كان الهدف من بحثه هو "تفسير مجموعات البيانات الكبيرة المسترجعة من المعدات الحديثة المستخدمة في العناية المركزة لحديثي الولادة ، وأجهزة التنفس الصناعي وأجهزة مراقبة المرضى".
  • في PyCon 2019 ، قدمت Jill Cates هذا العرض التقديمي بعنوان "كيفية بناء نموذج تشخيص سريري في Python."

? علم الأحياء والمعلوماتية الحيوية

لدى Python أيضًا تطبيقات مذهلة في عالم علم الأحياء والمعلوماتية الحيوية. وتشمل معالجة تسلسل الحمض النووي ، ومحاكاة ديناميكيات السكان وعلم الوراثة ، ونمذجة الهياكل الكيميائية الحيوية.

بيوبيثون

Biopython هو إطار عمل Python مع "أدوات متاحة مجانًا للحساب البيولوجي". هدفها هو "تلبية احتياجات العمل الحالي والمستقبلي في مجال المعلوماتية الحيوية".

وفقًا لوثائقه ، يتضمن هذا الإطار وظائف مثل القدرة على:

  • اعمل مع التسلسلات وقم بإجراء العمليات المشتركة عليها مثل النسخ والترجمة وحسابات الوزن.
  • تواصل مع قواعد البيانات البيولوجية.
  • قم بتصنيف البيانات باستخدام K-Nearest Neighbours و Naive Bayes و Support Vector Machines.
  • العمل مع أشجار النشوء والتطور وعلم الوراثة السكانية.

تنص الوثائق على أن "الهدف من Biopython هو تسهيل استخدام Python للمعلوماتية الحيوية قدر الإمكان من خلال إنشاء وحدات وفئات عالية الجودة وقابلة لإعادة الاستخدام."

روزاليند: مارس بايثون من خلال حل تحديات المعلوماتية الحيوية

Rosalind هي "منصة لتعلم المعلوماتية الحيوية من خلال حل المشكلات." إنه "مجاني ومفتوح للجمهور" (تشير صفحة الأسئلة الشائعة إلى أنه في الوضع التجريبي).

يمكن استخدام Python لحل التحديات على النظام الأساسي. نظرًا لأن هذه لغة برمجة شائعة جدًا في النظام الأساسي ، يوجد قسم "Python Village" حيث يمكنك تعلم أساسيات Python قبل معالجة خوارزميات المعلوماتية الحيوية.

يقوم المستخدمون بحل المشكلات عن طريق تشغيل حلولهم على أجهزة الكمبيوتر الخاصة بهم ، ومعالجة مجموعة البيانات المقدمة ، ونسخ / لصق المخرجات للتحقق من الإجابة.

? نصيحة: اسم المشروع يحي ذكرى روزاليند فرانكلين ، "التي سهلت دراسة البلورات بالأشعة السينية مع ريموند جوسلينج اكتشاف الحلزون المزدوج للحمض النووي بواسطة واطسون وكريك".

الحزم والأطر

  • ProDy: حزمة مجانية ومفتوحة المصدر "لتحليل ديناميات بنية البروتين" تم تطويرها بواسطة Bahar Lab في جامعة بيتسبرغ.
  • PySB : "إطار عمل لبناء نماذج رياضية للأنظمة البيوكيميائية مثل برامج بايثون" تم تطويره بواسطة أعضاء مختبر لوبيز بجامعة فاندربيلت ومختبر سورجر في كلية الطب بجامعة هارفارد.
  • The Community Simulator: هذه "حزمة Python متاحة مجانًا لمحاكاة ديناميكيات التجمعات الميكروبية بطريقة قابلة للتكرار وشفافة وقابلة للتطوير" طورها باحثون في جامعة بوسطن.

? نصيحة: إذا كنت ترغب في معرفة المزيد حول تطبيقات Python في المعلوماتية الحيوية ، فإليك حديث مارتن شفايتزر في PyCon Australia: "Python for Bioinformatics لتعلم Python".

? علم الأعصاب وعلم النفس

لبايثون أيضًا تطبيقات في علم الأعصاب وعلم النفس التجريبي.

بايثون في علم الأعصاب

وفقًا لمقال Python في علم الأعصاب الذي كتبه باحثون من مركز محاكاة الدماغ ، Ecole Polytechnique Fédérale de Lausanne ، جنيف ، سويسرا:

أصبح الحساب ضروريًا في جميع العلوم ، لاكتساب البيانات وتحليلها ، والأتمتة ، واختبار الفرضيات من خلال النمذجة والمحاكاة.

فيما يتعلق ببايثون ، يذكرون ما يلي:

أصبح من الواضح لنا في عام 2007 أننا كنا على أعتاب بيثون ناشئة في النظام البيئي لعلم الأعصاب ، لا سيما في علم الأعصاب الحاسوبي والتصوير العصبي ، ولكن أيضًا في تحليل البيانات الكهربية والفيزياء النفسية.

كما ترى ، فإن لغة Python والحساب قد توسعوا في جميع العلوم.

نفسيا

PsychoPy هي "حزمة مفتوحة المصدر لإجراء التجارب في بايثون" بدعم من جامعة نوتنغهام. بحسب التوثيق الرسمي لهذه الحزمة:

يتم استخدامه من قبل العديد من المعامل في جميع أنحاء العالم لعلم النفس والفيزياء وعلم الأعصاب الإدراكي وعلم النفس التجريبي.

ينص الموقع الرسمي لهذه الحزمة على أنها:

  • سهل التعلم.
  • دقيق بما يكفي لعلم النفس الفيزيائي.
  • مرنة.
  • عبر الإنترنت أو بناءً على المختبر بناءً على اختيار المستخدم.

? علم الفلك

لدى بايثون أيضًا تطبيقات في علم الفلك والفيزياء الفلكية. دعونا نرى ثلاثة من حزم بايثون الرئيسية المستخدمة في هذا المجال العلمي:

أستروبي

تحتوي حزمة Astropy "على فئات وأدوات مساعدة وإطار عمل تغليف يهدف إلى توفير أدوات علم الفلك شائعة الاستخدام."

Astropy هو جزء من مشروع أكبر يسمى The Astropy Project ، وهو "جهد مجتمعي لتطوير حزمة أساسية مشتركة لعلم الفلك في Python وتعزيز نظام بيئي لحزم علم الفلك القابلة للتشغيل المتبادل."

وفقًا لصفحة "حول" الخاصة به ، يتمثل أحد أهدافه في "تحسين قابلية الاستخدام وقابلية التشغيل البيني والتعاون بين حزم علم الفلك بايثون".

? نصيحة: يمكنك مشاهدة أمثلة على المشروعات التي تم إنشاؤها باستخدام Astropy في معرض النماذج.

صنبي

توصف حزمة SunPy بأنها "بيئة تحليل بيانات الطاقة الشمسية التي طورها المجتمع ومجانية ومفتوحة المصدر لبيثون." يعتمد على إمكانيات حزم Python مثل NumPy و SciPy و Matplotlib و Pandas.

سبيسبي

حزمة SpacePy هي "حزمة لبيثون تستهدف علوم الفضاء وتهدف إلى تسهيل تحليل البيانات الأساسية والنمذجة والتصور."

وبحسب وثائقها الرسمية:

يسعى مشروع SpacePy إلى تعزيز معايير البحث الدقيقة والمفتوحة من خلال توفير بيئة مفتوحة لتطوير الكود.

وفقًا لوصف مستودع GitHub الخاص به ، فإنه يحتوي على فئات حقبة متراكبة ، وتتبع قذيفة الانجراف ، والوصول إلى نماذج المجال المغناطيسي ، وتبسيط التتبع ، وحدود ثقة التمهيد ، والوقت وتنسيق التحويلات ، والمزيد.

? تطبيقات أخرى

يمكن أيضًا تطبيق Python في العديد من المجالات الأخرى ، بما في ذلك:

  • الروبوتات: يمكن استخدام بايثون لبرمجة الروبوتات. المكتبة المكتوبة لهذا الغرض هي pybotics ، "مجموعة أدوات Python مفتوحة المصدر لحركية الروبوت والمعايرة".
  • المركبات ذاتية القيادة : يمكن استخدام Python لبرمجة البرنامج الذي يتحكم في السيارات ذاتية القيادة. تحتاج هذه السيارات إلى رؤية كمبيوتر "لمعرفة" أين يقودون ، وأين يقع المسار ، وما الأشياء التي تحيط بهم.
  • الأرصاد الجوية : حزمة مؤشرات المناخ "تحتوي على تطبيقات Python لمختلف خوارزميات مؤشر المناخ التي توفر صورة جغرافية وزمنية لشدة هطول الأمطار والشذوذ في درجات الحرارة المفيدة لمراقبة المناخ والبحوث."
  • الأعمال: يمكن أن تكون Python أداة قوية لتحليل البيانات التي تم إنشاؤها بواسطة الشركات والتنبؤ بالاتجاهات المستقبلية.
  • تطوير واجهة المستخدم الرسومية (GUI) : يمكن استخدام Python لإنشاء واجهات مستخدم رسومية باستخدام أدوات مثل tkinter.
  • إذا كنت مهتمًا بمعرفة المزيد حول هذا الموضوع ، فإن freeCodeCamp لديه برنامج تعليمي رائع على YouTube: Tkinter Course - إنشاء واجهات مستخدم رسومية في Python Tutorial.

? في الملخص

هناك العديد من تطبيقات Python في كل منطقة يمكنك تخيلها. آمل أن يكون هذا المقال قد أعطاك فكرة عن مجموعة واسعة من التطبيقات الواقعية للغة البرمجة هذه في الصناعات التي تشكل عالمنا حاليًا.  

تذكر أنه بغض النظر عن المجال الذي تعمل فيه أو المجال الذي تريد أن تكون فيه ، فإن تعلم بايثون سيفتح لك بالتأكيد العديد من الأبواب. انها وجدت لتبقى. وقد غيّر عالمنا الحالي وحسّنه وسيواصل القيام بذلك لسنوات عديدة.

آمل حقًا أن تكون مقالتي قد أعجبتك ووجدتها مفيدة. تحقق من دوراتي عبر الإنترنت. تابعني على تويتر. ⭐️