كيف تبدأ مع Python للتعلم العميق وعلوم البيانات

دليل خطوة بخطوة لإعداد Python للمبتدئين بالكامل

يمكنك ترميز مشروع علوم البيانات أو التعلم العميق الخاص بك في بضعة أسطر من التعليمات البرمجية هذه الأيام. هذه ليست مبالغة؛ لقد قام العديد من المبرمجين بالعمل الشاق لكتابة الكثير من الأكواد لنا لاستخدامها ، لذلك كل ما نحتاجه هو التوصيل والتشغيل بدلاً من كتابة التعليمات البرمجية من البداية.

ربما تكون قد شاهدت بعضًا من هذا الرمز في منشورات مدونة Data Science / Deep Learning. ربما فكرت: "حسنًا ، إذا كان الأمر بهذه السهولة حقًا ، فلماذا لا أجربه بنفسي؟"

إذا كنت مبتدئًا في Python وترغب في الشروع في هذه الرحلة ، فإن هذا المنشور سيرشدك خلال خطواتك الأولى. الشكوى الشائعة التي أسمعها من المبتدئين تمامًا هي أنه من الصعب جدًا إعداد بايثون. كيف نبدأ كل شيء في المقام الأول حتى نتمكن من توصيل وتشغيل علوم البيانات أو كود التعلم العميق؟

سيرشدك هذا المنشور خطوة بخطوة إلى كيفية إعداد Python لمشاريعك في علوم البيانات والتعلم العميق. سنقوم:

  • قم بإعداد Anaconda و Jupyter Notebook
  • قم بإنشاء بيئات Anaconda وقم بتثبيت الحزم (رمز كتبه الآخرون لجعل حياتنا سهلة للغاية) مثل Tensorflow و keras و pandas و scikit-Learn و matplotlib.

بمجرد إعداد ما سبق ، يمكنك بناء أول شبكة عصبية لتوقع أسعار المنازل في هذا البرنامج التعليمي هنا:

قم ببناء شبكتك العصبية الأولى للتنبؤ بأسعار المنازل باستخدام Keras

إعداد Anaconda و Jupyter Notebook

لغة البرمجة الرئيسية التي سنستخدمها تسمى Python ، وهي لغة البرمجة الأكثر شيوعًا التي يستخدمها ممارسو التعلم العميق.

تتمثل الخطوة الأولى في تنزيل Anaconda ، والذي يمكنك التفكير فيه كمنصة لاستخدام Python "خارج الصندوق".

قم بزيارة هذه الصفحة: //www.anaconda.com/distribution/ وقم بالتمرير لأسفل لرؤية هذا:

تمت كتابة هذا البرنامج التعليمي خصيصًا لمستخدمي Windows ، لكن التعليمات لمستخدمي أنظمة التشغيل الأخرى ليست مختلفة تمامًا. تأكد من النقر فوق "Windows" باعتباره نظام التشغيل الخاص بك (أو أي نظام تشغيل تستخدمه) للتأكد من أنك تقوم بتنزيل الإصدار الصحيح.

سيستخدم هذا البرنامج التعليمي Python 3 ، لذا انقر فوق الزر "تنزيل" الأخضر ضمن "إصدار Python 3.7". يجب أن تظهر لك نافذة منبثقة لتنقر على "حفظ" في أي دليل تريده.

بمجرد الانتهاء من التنزيل ، ما عليك سوى متابعة خطوات الإعداد خطوة بخطوة على النحو التالي:

بمجرد الانتهاء من التثبيت ، انتقل إلى قائمة ابدأ وسترى بعض البرامج المثبتة حديثًا:

انقر فوق Anaconda Navigator ، وهو مركز شامل للتنقل بين التطبيقات التي نحتاجها. يجب أن ترى الصفحة الأولى مثل هذا:

انقر فوق "تشغيل" ضمن Jupyter Notebook ، وهي اللوحة الثانية على شاشتي أعلاه. يسمح لنا Jupyter Notebook بتشغيل كود Python بشكل تفاعلي على متصفح الويب ، وهو المكان الذي سنكتب فيه معظم التعليمات البرمجية الخاصة بنا.

يجب أن تفتح نافذة متصفح مع قائمة الدليل الخاص بك. سأقوم بإنشاء مجلد على سطح المكتب يسمى "Intuitive Deep Learning Tutorial". إذا انتقلت إلى المجلد ، فيجب أن يبدو متصفحك على النحو التالي:

في الجزء العلوي الأيمن ، انقر فوق جديد وحدد "Python 3":

يجب أن تظهر نافذة متصفح جديدة مثل هذه.

تهانينا - لقد أنشأت أول دفتر ملاحظات من Jupyter! حان الوقت الآن لكتابة بعض التعليمات البرمجية. تسمح لنا دفاتر Jupyter بكتابة مقتطفات من التعليمات البرمجية ثم تشغيل تلك المقتطفات دون تشغيل البرنامج الكامل. ربما يساعدنا هذا في النظر إلى أي ناتج متوسط ​​من برنامجنا.

للبدء ، دعنا نكتب رمزًا يعرض بعض الكلمات عند تشغيله. هذه الوظيفة تسمى طباعة . انسخ الرمز أدناه والصقه في المربع الرمادي في دفتر Jupyter الخاص بك:

print("Hello World!")

يجب أن يبدو دفتر ملاحظاتك كما يلي:

الآن ، اضغط على Alt-Enter على لوحة المفاتيح لتشغيل مقتطف الشفرة هذا:

يمكنك أن ترى أن دفتر Jupyter يعرض الكلمات "Hello World!" على لوحة العرض أسفل مقتطف الشفرة! تم ملء الرقم 1 أيضًا بين الأقواس المربعة ، مما يعني أن هذا هو أول مقتطف رمز نقوم بتشغيله حتى الآن. سيساعدنا هذا في تتبع الترتيب الذي قمنا به بتشغيل مقتطفات الشفرة الخاصة بنا.

بدلاً من Alt-Enter ، لاحظ أنه يمكنك أيضًا النقر فوق تشغيل عندما يتم تمييز مقتطف الرمز:

إذا كنت ترغب في إنشاء كتل رمادية جديدة لكتابة المزيد من مقتطفات التعليمات البرمجية ، يمكنك القيام بذلك ضمن إدراج.

يسمح لك Jupyter Notebook أيضًا بكتابة نص عادي بدلاً من التعليمات البرمجية. انقر فوق القائمة المنسدلة التي تشير حاليًا إلى "الرمز" وحدد "Markdown":

الآن ، لن يحتوي المربع الرمادي الذي تم وضع علامة عليه على أنه علامة التخفيضات على أقواس مربعة بجانبه. إذا كتبت بعض النص في هذا المربع الرمادي الآن وضغطت على Alt-Enter ، فسيعرضه النص كنص عادي مثل هذا:

هناك بعض الميزات الأخرى التي يمكنك استكشافها. ولكن الآن لدينا دفتر Jupyter الذي تم إعداده لنا لبدء كتابة بعض التعليمات البرمجية!

إعداد بيئة الأناكوندا وتركيب الحزم

الآن لدينا منصة الترميز الخاصة بنا. لكن هل سنكتب كود التعلم العميق من البداية؟ يبدو أن هذا أمر صعب للغاية!

والخبر السار هو أن كثيرين آخرين قد كتبوا كودًا وجعلوه متاحًا لنا! من خلال مساهمة كود الآخرين ، يمكننا اللعب بنماذج التعلم العميق بمستوى عالٍ جدًا دون الحاجة إلى القلق بشأن تنفيذ كل ذلك من البداية. هذا يجعل الأمر سهلاً للغاية بالنسبة لنا للبدء في ترميز نماذج التعلم العميق.

في هذا البرنامج التعليمي ، سنقوم بتنزيل خمس حزم يستخدمها ممارسو التعلم العميق بشكل شائع:

  • Tensorflow
  • كيراس
  • الباندا
  • سكيكيت ليرن
  • ماتبلوتليب

أول شيء سنفعله هو إنشاء بيئة بايثون. تشبه البيئة نسخة عمل معزولة من Python ، لذا فإن أي شيء تفعله في بيئتك (مثل تثبيت حزم جديدة) لن يؤثر على البيئات الأخرى. إنها ممارسة جيدة لخلق بيئة لمشاريعك.

انقر فوق البيئات في اللوحة اليسرى وسترى شاشة مثل هذه:

انقر فوق الزر "إنشاء" في أسفل القائمة. يجب أن تظهر نافذة منبثقة مثل هذه:

قم بتسمية بيئتك وحدد Python 3.7 ثم انقر فوق إنشاء. هذا قد يستغرق بضع لحظات.

بمجرد الانتهاء من ذلك ، يجب أن تبدو شاشتك كما يلي:

لاحظ أننا أنشأنا بيئة "تعلم عميق بديهي". يمكننا معرفة الحزم التي قمنا بتثبيتها في هذه البيئة والإصدارات الخاصة بها.

لنقم الآن بتثبيت بعض الحزم التي نحتاجها في بيئتنا!

أول حزمتين سنثبتهما تسمى Tensorflow و Keras ، والتي تساعدنا على توصيل وتشغيل كود التعلم العميق.

في Anaconda Navigator ، انقر على القائمة المنسدلة حيث تقول حاليًا "مثبت" وحدد "غير مثبت":

ستظهر قائمة كاملة بالحزم التي لم تقم بتثبيتها على النحو التالي:

ابحث عن "tensorflow" ، وانقر على مربع الاختيار لكل من "keras" و "tensorflow". بعد ذلك ، انقر فوق "تطبيق" في الجزء السفلي الأيمن من الشاشة:

يجب أن تظهر نافذة منبثقة مثل هذا:

انقر فوق تطبيق وانتظر بضع لحظات. بمجرد الانتهاء من ذلك ، سيكون لدينا Keras و Tensorflow مثبتين في بيئتنا!

باستخدام نفس الطريقة ، دعنا نثبت حزم "pandas" و "scikit-learn" و "matplotlib". هذه حزم شائعة يستخدمها علماء البيانات لمعالجة البيانات وكذلك لتصور الرسوم البيانية الجميلة في دفتر Jupyter.

هذا ما يجب أن تراه على Anaconda Navigator لكل حزمة.

الباندا:

سكيكيت ليرن:

ماتبلوتليب:

بمجرد الانتهاء من ذلك ، ارجع إلى "الصفحة الرئيسية" على اللوحة اليسرى من Anaconda Navigator. يجب أن ترى شاشة مثل هذه ، حيث تقول "تطبيقات على التعلم العميق الحدسي" في الأعلى:

الآن ، علينا تثبيت دفتر Jupyter في هذه البيئة. لذا انقر فوق الزر الأخضر "تثبيت" أسفل شعار دفتر ملاحظات Jupyter. سيستغرق بضع لحظات (مرة أخرى). بمجرد الانتهاء من التثبيت ، يجب أن تبدو لوحة دفتر Jupyter كما يلي:

انقر فوق "تشغيل" ، وسيتم فتح تطبيق دفتر Jupyter.

قم بإنشاء دفتر ملاحظات واكتب هذه المقتطفات الخمسة من التعليمات البرمجية وانقر فوق Alt-Enter. يخبر هذا الرمز الكمبيوتر الدفتري أننا سنستخدم الحزم الخمس التي قمت بتثبيتها مع Anaconda Navigator مسبقًا في البرنامج التعليمي.

import tensorflow as tf
import keras
import pandas
import sklearn
import matplotlib

إذا لم تكن هناك أخطاء ، فتهانينا - لقد قمت بتثبيت كل شيء بشكل صحيح:

الآن بعد أن تم إعداد كل شيء ، سنبدأ في بناء شبكتنا العصبية الأولى هنا:

قم ببناء شبكتك العصبية الأولى للتنبؤ بأسعار المنازل باستخدام Keras

دليل مبتدئ كامل خطوة بخطوة لبناء أول شبكتك العصبية في سطرين من التعليمات البرمجية مثل Deep… medium.com

إذا واجهت أي مشكلة في أي من الخطوات المذكورة أعلاه ، فلا تتردد في التعليق أدناه وسأساعدك!

عن المؤلف:

مرحبًا ، أنا جوزيف! لقد تخرجت مؤخرًا من جامعة ستانفورد ، حيث عملت مع أندرو نج في مجموعة ستانفورد للتعلم الآلي. أريد أن أجعل مفاهيم التعلم العميق بديهية وسهلة الفهم قدر الإمكان من قبل الجميع ، الأمر الذي حفز منشوري: التعلم العميق الحدسي.