🎥فيديو 30 min2 / 8

المتغيرات وأنواع البيانات

المتغيرات هي الطريقة التي يخزّن بها برنامجك المعلومات. فهمها جيداً أساسٌ لكل ما سيأتي في AI.

ما هو المتغير؟

في Python لا تحتاج لتحديد النوع مسبقاً — يكتشفه تلقائياً.

name = "Ahmed"        # نص (str)
age = 25              # عدد صحيح (int)
score = 98.5          # عدد عشري (float)
is_student = True     # قيمة منطقية (bool)

أنواع البيانات الأساسية

| النوع | الاسم | مثال | الاستخدام في AI | |------|------|------|----------------| | int | عدد صحيح | 42 | عدد epochs، حجم batch | | float | عدد عشري | 0.001 | learning rate، accuracy | | str | نص | "GPT" | أسماء النماذج، النصوص | | bool | منطقي | True | flags، شروط التدريب |

القائمة (List)

scores = [95, 87, 92, 88, 91]
models = ["GPT-4", "Claude", "Gemini"]
print(scores[0])    # 95
print(models[-1])   # Gemini
print(scores[1:3])  # [87, 92]
models.append("Llama")

القاموس (Dict)

model_info = {
    "name": "Claude",
    "company": "Anthropic",
    "context": 200000,
}
print(model_info["name"])    # Claude
model_info["version"] = "claude-opus-4-5"

Tuple والـ Set

dimensions = (224, 224, 3)       # حجم صورة CNN — لا يتغير
unique_labels = {0, 1, 2, 1, 0}
print(unique_labels)  # {0, 1, 2}

f-Strings

model = "Claude"
accuracy = 94.7
result = f"النموذج {model} وصل لـ {accuracy}%"
print(result)

خلاصة الدرس

المتغيرات: اسم يشير إلى قيمة في الذاكرة
الأنواع الأساسية: int · float · str · bool
القوائم: مرتّبة وقابلة للتعديل
القواميس: مفتاح-قيمة، سريعة البحث
f-strings: أفضل طريقة لبناء النصوص في Python الحديثة

python

# ─── متغيرات وأنواع البيانات في سياق AI ───

model_name = "claude-opus-4-5"
accuracy = 0.947
training_epochs = 50
is_deployed = True

print(f"النموذج: {model_name}")
print(f"الدقة: {accuracy * 100:.1f}%")

epoch_losses = [2.5, 1.8, 1.2, 0.9, 0.7, 0.6, 0.55, 0.52]
print(f"
الـ loss الأول: {epoch_losses[0]}")
print(f"الـ loss الأخير: {epoch_losses[-1]}")
print(f"عدد epochs: {len(epoch_losses)}")

models = {
    "GPT-4":  {"company": "OpenAI",    "context": 128_000},
    "Claude": {"company": "Anthropic", "context": 200_000},
    "Gemini": {"company": "Google",    "context": 1_000_000},
}

print("
--- مقارنة النماذج ---")
for name, info in models.items():
    print(f"{name}: {info['company']} | {info['context']:,} token")

raw_score = "87.5"
score_float = float(raw_score)
score_int = int(score_float)
print(f"
الدرجة: {raw_score!r} → {score_float} → {score_int}")
print(f"نوع accuracy: {type(accuracy).__name__}")

السابقالتالي

المتغيرات وأنواع البيانات

المتغيرات هي الطريقة التي يخزّن بها برنامجك المعلومات. فهمها جيداً أساسٌ لكل ما سيأتي في AI.

ما هو المتغير؟

في Python لا تحتاج لتحديد النوع مسبقاً — يكتشفه تلقائياً.

name = "Ahmed" # نص (str) age = 25 # عدد صحيح (int) score = 98.5 # عدد عشري (float) is_student = True # قيمة منطقية (bool)

أنواع البيانات الأساسية

القائمة (List)

scores = [95, 87, 92, 88, 91] models = ["GPT-4", "Claude", "Gemini"] print(scores[0]) # 95 print(models[-1]) # Gemini print(scores[1:3]) # [87, 92] models.append("Llama")

القاموس (Dict)

model_info = { "name": "Claude", "company": "Anthropic", "context": 200000, } print(model_info["name"]) # Claude model_info["version"] = "claude-opus-4-5"

Tuple والـ Set

dimensions = (224, 224, 3) # حجم صورة CNN — لا يتغير unique_labels = {0, 1, 2, 1, 0} print(unique_labels) # {0, 1, 2}

f-Strings

model = "Claude" accuracy = 94.7 result = f"النموذج {model} وصل لـ {accuracy}%" print(result)

خلاصة الدرس

المتغيرات: اسم يشير إلى قيمة في الذاكرة

الأنواع الأساسية: int · float · str · bool

القوائم: مرتّبة وقابلة للتعديل

القواميس: مفتاح-قيمة، سريعة البحث

f-strings: أفضل طريقة لبناء النصوص في Python الحديثة

# ─── متغيرات وأنواع البيانات في سياق AI ─── model_name = "claude-opus-4-5" accuracy = 0.947 training_epochs = 50 is_deployed = True print(f"النموذج: {model_name}") print(f"الدقة: {accuracy * 100:.1f}%") epoch_losses = [2.5, 1.8, 1.2, 0.9, 0.7, 0.6, 0.55, 0.52] print(f" الـ loss الأول: {epoch_losses[0]}") print(f"الـ loss الأخير: {epoch_losses[-1]}") print(f"عدد epochs: {len(epoch_losses)}") models = { "GPT-4": {"company": "OpenAI", "context": 128_000}, "Claude": {"company": "Anthropic", "context": 200_000}, "Gemini": {"company": "Google", "context": 1_000_000}, } print(" --- مقارنة النماذج ---") for name, info in models.items(): print(f"{name}: {info['company']} | {info['context']:,} token") raw_score = "87.5" score_float = float(raw_score) score_int = int(score_float) print(f" الدرجة: {raw_score!r} → {score_float} → {score_int}") print(f"نوع accuracy: {type(accuracy).__name__}")