تجهيز بيئة بايثون للذكاء الاصطناعي: Python وVS Code وvenv خطوة بخطوة

لتجهيز بيئة بايثون للذكاء الاصطناعي بطريقة صحيحة، تحتاج إلى بايثون، محرر مثل VS Code، بيئة افتراضية venv، وأداة pip لتثبيت المكتبات. بعد ذلك يمكنك تثبيت NumPy وPandas وMatplotlib وscikit-learn والبدء بالتطبيق.

في هذا الدليل ستنفذ الإعداد خطوة بخطوة على Windows وmacOS وLinux، وتتأكد أن VS Code يستخدم مفسر بايثون الصحيح، ثم تشغّل ملف اختبار يمنع أكثر مشاكل البداية شيوعًا مثل ModuleNotFoundError وتثبيت المكتبات في البيئة الخطأ.

{alertInfo} الإجابة المختصرة: ثبّت بايثون وVS Code، أنشئ مجلد مشروع، أنشئ داخله .venv، فعّلها، استخدم python -m pip لتثبيت المكتبات، ثم اختر مفسر .venv داخل VS Code وشغّل ملف اختبار.

ملفات الدرس على GitHub

افتح مجلد الدرس في مستودع بايثون العرب لمراجعة ملفات المشروع وكود التحقق والمواد المرتبطة بتجهيز البيئة.

فتح ملفات الدرس على GitHub

{getToc} $title={محتوى المقال}

تجهيز بيئة بايثون للذكاء الاصطناعي باختصار

الخطوة	ماذا تفعل؟	النتيجة المطلوبة
1	تثبيت بايثون	يعمل python --version أو py --version.
2	تثبيت VS Code وإضافة بايثون	يمكنك فتح مشروع واختيار المفسر.
3	إنشاء .venv	لكل مشروع بيئته المعزولة.
4	تفعيل البيئة	يظهر غالبًا (.venv) في الطرفية.
5	تثبيت المكتبات	NumPy وPandas وMatplotlib وscikit-learn تعمل داخل المشروع.
6	اختيار Interpreter	VS Code يستخدم مفسر .venv.
7	تشغيل ملف اختبار	تظهر إصدارات المكتبات بلا أخطاء.

ما الأدوات التي تحتاجها لتعلم الذكاء الاصطناعي ببايثون؟

لن تحتاج إلى أدوات كثيرة. هذه هي الأدوات الأساسية:

الأداة	وظيفتها	هل تحتاجها الآن؟
Python	لغة البرمجة التي ستكتب بها مشاريع الذكاء الاصطناعي	نعم
VS Code	محرر لكتابة الكود وتشغيله وإدارة الملفات	نعم، وممكن استخدام محرر آخر
Python Extension	إضافة VS Code لتشغيل Python واختيار البيئة وتصحيح الأخطاء	نعم عند استخدام VS Code
venv	عزل مكتبات كل مشروع عن المشاريع الأخرى	نعم، يفضل من أول مشروع
pip	تثبيت مكتبات بايثون مثل Pandas وscikit-learn	نعم
JupyterLab	تجارب تفاعلية ودفاتر تعليمية للبيانات	اختياري الآن

نصيحة البداية: استخدم Python + VS Code + venv + pip أولًا. بعد أن تشعر بالراحة، أضف JupyterLab لتجارب البيانات والرسوم التفاعلية.

الخطوة 1: تثبيت بايثون على جهازك

نزّل Python من الموقع الرسمي ثم ثبته على جهازك. أثناء التثبيت في Windows، انتبه لخيار إضافة Python إلى متغير PATH إذا ظهر لك؛ هذا يساعدك على تشغيل أوامر بايثون من الطرفية.

عند تنزيل بايثون، استخدم إصدارًا حديثًا تدعمه المكتبات التي تخطط لتثبيتها. لا تفترض أن أحدث إصدار من بايثون مدعوم فورًا من كل مكتبات تعلم الآلة؛ تحقق من متطلبات المكتبة إذا ظهر تعارض أثناء التثبيت.

بعد انتهاء التثبيت، افتح الطرفية أو موجه الأوامر واكتب أحد الأوامر التالية:

# Windows غالبًا
py --version

# Windows أو macOS أو Linux حسب إعداد جهازك
python --version

# في بعض أنظمة Linux وmacOS
python3 --version

يجب أن يظهر رقم إصدار بايثون. لا يهم أن تحفظ الرقم، المهم أن تعرف أن الطرفية تتعرف على Python بنجاح.

ماذا لو ظهر أن python غير معروف؟

هذا يعني غالبًا أن Python لم يثبت بشكل صحيح أو أن مساره غير مضاف إلى PATH. أعد تشغيل الطرفية أولًا، ثم راجع إعدادات التثبيت. في Windows قد يعمل الأمر py --version حتى لو لم يعمل python --version.

الخطوة 2: تثبيت VS Code وإضافة بايثون

يمكنك كتابة Python في أي محرر نصوص، لكن VS Code مناسب للمبتدئ لأنه يساعدك على ترتيب الملفات، تشغيل الكود، اختيار مفسر بايثون، وإظهار بعض الأخطاء مبكرًا.

بعد تثبيت VS Code:

1. افتح البرنامج.
2. اذهب إلى قسم الإضافات Extensions من الشريط الجانبي.
3. ابحث عن Python.
4. ثبت الإضافة الرسمية الخاصة بـ Microsoft.

تساعدك إضافة Python في VS Code على اختيار البيئة الافتراضية وتشغيل الملفات والتعامل مع أدوات التصحيح. توثيق VS Code الرسمي يشرح أيضًا إدارة بيئات Python من داخل المحرر.

أنشئ مجلدًا لمشروعك

أنشئ مجلدًا مثل my-ai-project في مكان واضح على جهازك، ثم افتحه في VS Code عبر File → Open Folder. لا تبدأ كل ملف في مكان مختلف؛ اجعل لكل مشروع مجلدًا مستقلًا.

الخطوة 3: افتح الطرفية داخل المشروع

داخل VS Code، افتح الطرفية من القائمة:

Terminal → New Terminal

تأكد أن الطرفية موجودة داخل مجلد المشروع. يمكنك رؤية المسار في بداية السطر، أو كتابة الأمر التالي:

# Windows
dir

# macOS / Linux
ls

سترى ملفات المجلد أو أنه ما زال فارغًا. الآن أصبح لديك مكان منظم لإنشاء البيئة الافتراضية وملفات المشروع.

الخطوة 4: إنشاء بيئة افتراضية venv للمشروع

البيئة الافتراضية هي بيئة معزولة داخل مشروعك لها مفسرها ومسارات الحزم الخاصة بها. فائدتها أنك تستطيع تثبيت مكتبات المشروع دون خلطها بمكتبات مشاريع أخرى أو بالبيئة العامة على الجهاز.

بمعنى بسيط: مشروع تحليل بيانات قد يحتاج إصدارًا مختلفًا من مكتبة ما عن مشروع آخر. استخدام venv يجعل كل مشروع يحتفظ بمكتباته الخاصة.

# Windows
py -m venv .venv

# إذا كان أمر python يعمل عندك
python -m venv .venv

# macOS أو Linux غالبًا
python3 -m venv .venv

بعد تنفيذ الأمر سيظهر مجلد جديد اسمه .venv داخل مشروعك. لا تحتاج إلى فتحه أو تعديل ملفاته يدويًا.

تشغيل البيئة الافتراضية

بعد إنشائها، يجب تفعيلها قبل تثبيت المكتبات أو تشغيل المشروع.

# Windows PowerShell
.venv\Scripts\Activate.ps1

# Windows Command Prompt
.venv\Scripts\activate

# macOS أو Linux
source .venv/bin/activate

بعد التفعيل، يظهر غالبًا اسم البيئة في بداية الطرفية مثل (.venv). هذا يعني أن الأوامر التالية ستعمل داخل بيئة المشروع.

{alertWarning} ملاحظة Windows: إذا منع PowerShell تشغيل ملف التفعيل، لا تغيّر إعدادات النظام عشوائيًا. جرب فتح Command Prompt داخل VS Code واستخدم أمر .venv\Scripts\activate، أو راجع سياسة التنفيذ المناسبة في جهازك أو بيئة العمل.

الخطوة 5: التأكد من pip ومفسر بايثون

من الأفضل تشغيل pip من خلال بايثون نفسه باستخدام python -m pip. بهذه الطريقة تقل احتمالية تثبيت الحزم في مفسر مختلف عن الذي يستخدمه مشروعك. ولشرح الأوامر بالتفصيل راجع شرح pip في بايثون وتثبيت المكتبات.

# التحقق من pip داخل البيئة
python -m pip --version

# تحديث pip عند الحاجة
python -m pip install --upgrade pip

# عرض مكان مفسر بايثون المستخدم
python -c "import sys; print(sys.executable)"

يفترض أن ينتهي المسار بمجلد .venv. هذا دليل جيد أنك تعمل داخل بيئة المشروع التي أنشأتها.

الخطوة 6: تثبيت مكتبات بايثون الأساسية للذكاء الاصطناعي

لا تثبت كل مكتبات الذكاء الاصطناعي دفعة واحدة. ابدأ بالحزمة الأساسية للمبتدئ، ويمكنك مراجعة أفضل مكتبات بايثون للذكاء الاصطناعي للمبتدئين لمعرفة دور كل مكتبة ومتى تحتاجها.

• numpy للأرقام والمصفوفات.
• pandas لملفات CSV والجداول.
• matplotlib للرسوم البيانية.
• scikit-learn لتعلم الآلة الأساسي.

# تأكد أن (.venv) ظاهر في الطرفية أولًا
python -m pip install numpy pandas matplotlib scikit-learn

قد يستغرق التثبيت بعض الوقت حسب سرعة الإنترنت والجهاز. بعد الانتهاء، يمكنك عرض المكتبات المثبتة:

python -m pip list

ستجد أسماء المكتبات وإصداراتها ضمن القائمة.

{alertInfo} لا تثبّت TensorFlow أو PyTorch الآن لمجرد أنهما مشهوران. أضف أحدهما عندما تبدأ فعلًا بالتعلم العميق، لأن متطلبات التثبيت قد تختلف حسب نظام التشغيل ونسخة بايثون ونوع العتاد.

الخطوة 7: اختبار بيئة بايثون ومكتبات الذكاء الاصطناعي

داخل مجلد مشروعك، أنشئ ملفًا باسم:

check_environment.py

ثم ضع فيه هذا الكود:

import sys
import numpy as np
import pandas as pd
import matplotlib
import sklearn

numbers = np.array([10, 20, 30])

print("Python executable:", sys.executable)
print("NumPy يعمل:", np.mean(numbers))
print("Pandas version:", pd.__version__)
print("Matplotlib version:", matplotlib.__version__)
print("scikit-learn version:", sklearn.__version__)
print("بيئة الذكاء الاصطناعي جاهزة.")

شغّل الملف:

python check_environment.py

إذا ظهرت الإصدارات ورسالة أن البيئة جاهزة، فقد انتهيت من الإعداد الأساسي بنجاح.

الخطوة 8: اختيار مفسر بايثون الصحيح في VS Code

حتى لو فعّلت .venv في الطرفية، يجب أن تتأكد أن VS Code يستخدم نفس البيئة عند تشغيل الملفات من زر التشغيل.

1. اضغط على اسم مفسر بايثون الظاهر في أسفل VS Code، أو افتح Command Palette عبر Ctrl + Shift + P.
2. اكتب Python: Select Interpreter.
3. اختر المفسر الذي يحتوي على .venv في مساره.

هذه الخطوة مهمة؛ لأن السبب الشائع لظهور ModuleNotFoundError هو أن VS Code يشغّل نسخة Python مختلفة عن النسخة التي ثبّت فيها المستخدم المكتبات.

هل أحتاج JupyterLab أو Google Colab؟

ليس شرطًا في البداية، لكنهما مفيدان عند التعامل مع البيانات والرسوم وتجربة أجزاء صغيرة من الكود.

JupyterLab محليًا

يمكنك تثبيته داخل نفس البيئة الافتراضية:

python -m pip install jupyterlab

ثم تشغيله:

jupyter lab

إذا واجهت مشكلة في تشغيل الأمر، جرب:

python -m jupyterlab

Google Colab

Google Colab مناسب للتجارب والدفاتر من المتصفح ولا يحتاج إلى إعداد بيئة محلية على جهازك. لكنه لا يعلّمك إدارة مجلدات المشروع وvenv والمفسرات المحلية، لذلك من المفيد تعلم الطريقتين حسب نوع العمل.

الخيار	مناسب لـ	ملاحظات
VS Code + venv	بناء مشاريع منظمة وحفظ الملفات محليًا	الخيار الأفضل لتعلم بيئة التطوير الحقيقية
JupyterLab	تحليل البيانات والتجارب وشرح النتائج	يعمل محليًا ويحتاج تثبيتًا داخل البيئة
Google Colab	تجربة الدفاتر بسرعة من المتصفح	مفيد للتعلم السريع، لكن لا يغني عن فهم البيئة المحلية

أنشئ ملف requirements.txt لمشروعك

عندما تنجح في تثبيت المكتبات، احفظ قائمة المتطلبات داخل ملف اسمه requirements.txt. هذا يساعدك أو أي شخص آخر على إعادة تجهيز المشروع لاحقًا.

python -m pip freeze > requirements.txt

ولإعادة تثبيت نفس المكتبات في بيئة جديدة:

python -m pip install -r requirements.txt

الأمر pip freeze يسجل الحزم الموجودة في البيئة الحالية وإصداراتها. لذلك نفّذه داخل بيئة افتراضية مخصصة للمشروع حتى لا يحتوي الملف على حزم لا يحتاجها مشروعك.

كيف تخرج من البيئة الافتراضية؟

عند الانتهاء من العمل، يمكنك إلغاء تفعيل البيئة الافتراضية بالأمر:

deactivate

لا يؤدي ذلك إلى حذف البيئة أو المكتبات؛ هو فقط يعيد الطرفية إلى بيئة النظام الحالية.

أشهر مشاكل تجهيز بيئة بايثون للذكاء الاصطناعي

المشكلة	السبب المحتمل	الحل الأول
python is not recognized	Python غير مثبت أو غير مضاف إلى PATH	أعد تثبيت بايثون وتأكد من الإعدادات، أو جرب py --version في Windows
ModuleNotFoundError	المكتبة مثبتة في بيئة مختلفة	فعّل .venv ثم استخدم python -m pip install اسم_المكتبة
VS Code لا يجد المكتبة	اختيار مفسر بايثون خاطئ	اختر Interpreter الذي يشير إلى .venv
فشل تفعيل البيئة في PowerShell	سياسة تنفيذ النظام تمنع السكربت	جرب Command Prompt أو راجع سياسة التنفيذ في جهازك
أمر pip لا يعمل	تشغيل pip من مسار مختلف	استخدم دائمًا python -m pip
فشل تثبيت مكتبة بسبب إصدار بايثون	الإصدار غير مدعوم بعد من المكتبة أو الحزمة المطلوبة	راجع متطلبات المكتبة واستخدم إصدار بايثون مدعومًا داخل بيئة جديدة

دروس مفيدة قبل وبعد تجهيز البيئة

• كورس أساسيات بايثون للمبتدئين
• خريطة طريق تعلم الذكاء الاصطناعي ببايثون
• تحليل البيانات ببايثون
• تعلم الآلة ببايثون للمبتدئين
• حل أخطاء بايثون الشائعة

قائمة فحص: هل بيئتك جاهزة؟

• يعمل لديك أمر python --version أو py --version.
• فتحت مجلد مشروعك في VS Code.
• أنشأت مجلد .venv وفعّلته.
• ثبتت NumPy وPandas وMatplotlib وscikit-learn.
• اخترت Interpreter الخاص بـ .venv داخل VS Code.
• شغّلت ملف الاختبار دون أخطاء.

ماذا بعد تجهيز البيئة؟

بعد أن تصبح البيئة جاهزة، لا تقف عند مرحلة التثبيت. ابدأ مباشرة بمشروع صغير يقرأ ملف CSV ثم يحلل بياناته. بعد ذلك انتقل إلى الرسم البياني، ثم إلى أول نموذج تعلم آلة باستخدام scikit-learn.

الهدف من تجهيز البيئة ليس جمع البرامج، بل بناء مساحة عمل منظمة تستطيع فيها التعلم والتجربة وحل الأخطاء وتطوير مشاريعك خطوة بخطوة.

مصادر ومراجع رسمية

• venv — التوثيق الرسمي لإنشاء البيئات الافتراضية في بايثون
• دليل تثبيت الحزم باستخدام pip وvenv
• pip User Guide
• Python Environments in VS Code
• Getting Started with Python in VS Code
• Installing Jupyter
• Jupyter Install and Use Documentation

الخلاصة

تجهيز بيئة بايثون للذكاء الاصطناعي لا يحتاج تعقيدًا: ثبّت Python، استخدم VS Code، أنشئ بيئة venv داخل كل مشروع، ثبت المكتبات الأساسية عبر python -m pip، ثم اختبر كل شيء بملف صغير.

هذه الخطوات البسيطة ستوفر عليك كثيرًا من مشاكل التثبيت لاحقًا، وتجعل انتقالك إلى تحليل البيانات وتعلم الآلة أكثر تنظيمًا وثقة.

{alertSuccess} بيئة مرتبة تعني تعلمًا أسهل: مشروع مستقل، بيئة افتراضية مستقلة، مكتبات واضحة، وملف اختبار بسيط قبل بدء أي مشروع ذكاء اصطناعي.

أسئلة شائعة

هل أحتاج venv لكل مشروع بايثون؟

يفضل ذلك. البيئة الافتراضية تعزل مكتبات كل مشروع وتقلل تعارض الإصدارات والمشاكل عند تثبيت مكتبات جديدة.

هل VS Code ضروري لتعلم الذكاء الاصطناعي؟

ليس ضروريًا، لكنه خيار ممتاز للمبتدئ لأنه يساعد على إدارة الملفات واختيار بيئة بايثون وتشغيل الكود. يمكنك استخدام محرر آخر إذا كنت مرتاحًا معه.

هل أبدأ بـ JupyterLab أم VS Code؟

ابدأ بـ VS Code مع مشروع وبيئة افتراضية لتفهم أساس بيئة التطوير. استخدم JupyterLab لاحقًا أو بالتوازي عند تحليل البيانات وتجربة الأكواد خطوة بخطوة.

لماذا أستخدم python -m pip بدل pip فقط؟

لأنه يربط أمر pip مباشرة بمفسر بايثون الذي شغّلته، وهذا يقلل احتمال تثبيت المكتبات في نسخة أو بيئة مختلفة.

ما أول مكتبات بايثون التي أثبتها للذكاء الاصطناعي؟

ابدأ بـ NumPy وPandas وMatplotlib وscikit-learn. هذه تغطي أساس التعامل مع الأرقام والجداول والرسوم وأول نماذج تعلم الآلة.

أي إصدار من بايثون أختار للذكاء الاصطناعي؟

اختر إصدارًا حديثًا تدعمه المكتبات التي ستستخدمها. إذا فشل تثبيت مكتبة على أحدث إصدار، راجع صفحة التثبيت الرسمية للمكتبة ثم أنشئ بيئة جديدة بإصدار مدعوم بدل محاولة إجبار التثبيت.

هل يمكنني البدء بدون تثبيت بيئة محلية؟

نعم، يمكنك استخدام Google Colab للتجارب من المتصفح. لكن تعلم البيئة المحلية مع venv وVS Code مهم أيضًا عندما تبدأ ببناء مشاريع منظمة على جهازك.