تجهيز بيئة Python للذكاء الاصطناعي خطوة بخطوة للمبتدئين

قبل أن تبدأ تحليل البيانات أو تثبيت مكتبات تعلم الآلة، تحتاج إلى إعداد بيئة Python بطريقة صحيحة. هذه الخطوة تبدو بسيطة، لكنها تمنع كثيرًا من المشاكل لاحقًا مثل تثبيت المكتبة في مكان خاطئ، ظهور خطأ ModuleNotFoundError، أو تشغيل المشروع بإصدار Python مختلف.

في هذا الدرس من بايثون العرب ستجهز بيئة عملية لتعلم الذكاء الاصطناعي: تثبيت Python، إعداد محرر VS Code، إنشاء بيئة افتراضية venv، تثبيت المكتبات الأساسية، وتشغيل أول ملف للتأكد أن كل شيء يعمل.

ملفات الدرس وكتيب الشرح

بعد تجهيز الحزمة، ستجد هنا ملفات مشروع جاهزة تحتوي على بيئة افتراضية مقترحة، ملف متطلبات، كود اختبار، وتمرين يساعدك على التأكد من أن إعدادك صحيح.

قم بتحميل ملفات الدرس وكتيب الشرح من GitHub

{getToc} $title={محتوى المقال}

ما الذي ستثبته في هذا الدرس؟

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 Python 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 Python

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 Python من الطرفية.

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 Python. 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 Python

يمكنك كتابة Python في أي محرر نصوص، لكن VS Code مناسب للمبتدئ لأنه يساعدك على ترتيب الملفات، تشغيل الكود، اختيار مفسر Python، 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: أنشئ بيئة افتراضية venv

البيئة الافتراضية هي مجلد خاص داخل مشروعك يحتوي على نسخة معزولة من أدوات Python ومكتباته. فائدتها أنك تستطيع تثبيت مكتبات مشروع الذكاء الاصطناعي دون التأثير على مشروع آخر في جهازك.

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: حدّث pip وتأكد من البيئة

من الأفضل تشغيل pip من خلال Python نفسه. بهذه الطريقة تتأكد أنك تثبت الحزم داخل مفسر Python الحالي، وليس داخل نسخة أخرى موجودة في جهازك.

# داخل البيئة الافتراضية
python -m pip install --upgrade pip

# عرض مكان مفسر Python 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: ثبت مكتبات الذكاء الاصطناعي الأساسية

لا تثبت كل مكتبات الذكاء الاصطناعي في العالم. ابدأ بالحزمة الأساسية للمبتدئ:

• 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.

الخطوة 7: أنشئ ملف اختبار

داخل مجلد مشروعك، أنشئ ملفًا باسم:

check_environment.py

ثم ضع فيه هذا الكود:

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

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

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: اختر مفسر Python 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 Python 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 السريعة داخل المتصفح، خصوصًا عندما لا تريد تثبيت شيء في البداية. لكن من المفيد أيضًا أن تتعلم البيئة المحلية، لأنها ستجعلك تفهم المشاريع والملفات والمكتبات بصورة أفضل.

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

لا تحتاج إلى فهم كل سطر داخل الملف الآن. يكفي أن تعرف أن الملف يسجل المكتبات وإصداراتها اللازمة للمشروع.

أخطاء شائعة عند تجهيز البيئة وحلولها

المشكلة	السبب المحتمل	الحل الأول
python is not recognized	Python غير مثبت أو غير مضاف إلى PATH	أعد تثبيت Python 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 Python 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

دروس مفيدة قبل وبعد تجهيز البيئة

• كورس أساسيات Python للمبتدئين
• خريطة طريق تعلم الذكاء الاصطناعي ببايثون
• تحليل البيانات ببايثون
• تعلم الآلة ببايثون للمبتدئين
• حل أخطاء Python 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 Python
• 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 Python 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 AI.

أسئلة شائعة

هل أحتاج venv لكل مشروع Python؟

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 Python 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 Python الذي شغّلته، وهذا يقلل احتمال تثبيت المكتبات في نسخة أو بيئة مختلفة.

ما أول مكتبات AI التي أثبتها؟

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