ما هي لغة YAML؟ ولماذا أصبحت المعيار الأساسي لتمثيل البيانات في عالم البرمجة؟ إذا كنت تعمل في مجال تطوير البرمجيات أو إدارة الأنظمة، فمن المحتمل أن تكون صادفت ملفات ‎.yaml لكن ما هي هذه اللغة؟ وكيف تعمل؟ وما قواعدها الأساسية التي يجب أن يعرفها كل مطوّر؟ كلمة YAML هي اختصار لـ (YAML Ain't Markup Language). صُممت لتكون لغة لتمثيل البيانات، سهلة القراءة ومباشرة بالنسبة للإنسان (Human-Friendly). مقارنة بتقنيات مثل XML أو JSON، تتخلص YAML من الأقواس والرموز البصرية الزائدة مثل "{}" و"[]"، وتعتمد بشكل أساسي على المسافات لتحديد هيكل البيانات وتسلسلها الهرمي. القواعد الأساسية لكتابة ملف YAML: 1️⃣

لماذا Conda بدلا من venv؟ قبل أن نقارن بينهما، يجب أن نفهم لماذا نحتاج إلى البيئات الافتراضية (Virtual Environments). عندما تعمل على عدة مشاريع Python في جهازك، فإن كل مشروع يحتاج إلى مكتبات بنسخ معينة. لو قمت بتثبيت كل شيء على مستخدم النظام مباشرة (System-wide)، فإن مشروعا جديدا يتطلب نسخة حديثة من مكتبة معينة قد يفسد مشروعك القديم الذي يعمل بنسخة قديمة! وهنا يأتي دور البيئة المعزولة التي تعطيك صندوقا مستقلا لكل مشروع لتفادي مثل هذا التضارب. لماذا نختار Conda وليس venv؟ - الـ venv مع pip: يعزلان مكتبات Python فقط. لكنهما يفترضان أن مكتبات C++ المجمعة، وتعريفات الـ GPU (CUDA Toolkits)، وSy

في المرة السابقة تحدثنا عن مفهوم الـ Tensor، ونعلم جميعا أن تدريب أي نموذج من نماذج الذكاء الاصطناعي يعتمد أساسا على الـ Forward Pass والـ Backpropagation. لكن السؤال المهم: كيف يساهم الـ Tensor بالضبط في هذه العملية؟ السر يكمن في ميزة مدمجة داخل الـ Tensor، تمر عبر 3 خطوات بسيطة ومنطقية: 1️⃣ الـ Tensor يسجّل العمليات الحسابية ("requires_grad=True") الـ Tensor العادي يخزن الأرقام فقط. لكن عند تفعيل الخيار "requires_grad=True"، يصبح قادرا على تتبع العمليات الحسابية التي تُجرى عليه: - أثناء الـ Forward Pass، أي عند حساب النتيجة، يسجل الـ Tensor تلقائيا العمليات الرياضية التي تمر عليه، مثل ا