KhaledDSML — علم البيانات وتعلّم الآلة وتحليل البيانات الضخمة

الإعداد والتطوير: الأستاذ الدكتور خالد علي (Khaled Ali)
الجامعة: جامعة الشهيد حمه لخضر – الوادي، الجزائر (University of El Oued, Algeria)
الكلية: كلية العلوم الاقتصادية والتجارية وعلوم التسيير (Faculty of Economic, Commercial and Management Sciences)
البريد الإلكتروني المهني: ali-khaled@univ-eloued.dz
الإصدار التجريبي: 0.1.0 — أكتوبر 2026

حزمة Python تعليمية للمقاييس التالية:

• علم البيانات وتعلّم الآلة — السنة الثالثة ليسانس اقتصاد وتسيير المؤسسات.
• تحليل البيانات الضخمة — السنة الثانية ماستر اقتصاد كمي.

تنبيه: تم تصميم المشروع وفق البرامج البيداغوجية التي أعدّها المؤلف؛ لا يُدَّعى تطابقه مع بطاقة وزارية رسمية دون مراجعتها. البيانات الاصطناعية للأغراض التعليمية فقط. الإحصاء الوصفي لا يثبت السببية، وعدم رفض الفرضية الصفرية لا يثبت صحتها.

لماذا هذه المكتبة؟

• اختبارات فرضيات شائعة مع statistic، وp_value، وفرضية صفرية، وتفسير عربي.
• فحص جودة البيانات واكتشاف القيم الشاذة وتحسين الذاكرة.
• أنابيب تدريب آمنة من تسرب البيانات، وتقييم الانحدار والتصنيف والتجميع.
• معالجة CSV بالأجزاء، وتجميع شهري وجغرافي، وتوليد مليون معاملة اصطناعية إذا طُلب ذلك.
• 24 سؤال اختيار متعدد للتقويم التكويني مع التصحيح والتفسير.
• دعم Windows وJupyterLab وGoogle Colab بعد تثبيت الاعتمادات.

التثبيت من المجلد المصدر — Windows PowerShell

افتح PowerShell من داخل المجلد الذي يحتوي pyproject.toml:

py -3.13 -m venv .venv
.\.venv\Scripts\python.exe -m pip install --upgrade pip
.\.venv\Scripts\python.exe -m pip install -e ".[all,dev]"
.\.venv\Scripts\python.exe -m pytest
.\.venv\Scripts\khaled-dsml.exe demo --rows 1000
.\.venv\Scripts\khaled-dsml.exe quiz --course big_data --count 5

بعض بيئات Windows تستعمل py بدل py -3.13 عند عدم توفر الفرع 3.13.

لاحقًا وبعد النشر الفعلي على PyPI فقط:

py -m pip install khaled-dsml

أمثلة عملية

اختبار اعتدالية

from khaled_dsml import normality_test
result = normality_test([12, 13, 15, 17, 16, 14, 13, 18])
print(result.interpretation_ar)
print(result.p_value)

كشف مشاكل البيانات

from khaled_dsml import generate_transactions, quality_report, missingness_report
transactions = generate_transactions(100_000)
print(quality_report(transactions))
print(missingness_report(transactions))

تعلم الآلة (منع تسرب البيانات)

from sklearn.datasets import make_regression
from khaled_dsml import split_data, make_regressor, regression_metrics
X, y = make_regression(n_samples=200, n_features=3, noise=3, random_state=42)
X_train, X_test, y_train, y_test = split_data(X, y)
model = make_regressor(X_train, "ridge", alpha=1.0)
model.fit(X_train, y_train)
print(regression_metrics(y_test, model.predict(X_test)))

مليون معاملة والتجميع بالأجزاء

from khaled_dsml import generate_transactions, csv_chunk_summary, csv_chunk_monthly
transactions = generate_transactions(1_000_000)
transactions.to_csv("transactions.csv", index=False)
print(csv_chunk_summary("transactions.csv", group_by="wilaya"))
print(csv_chunk_monthly("transactions.csv"))

read_csv(chunksize=...) لا يحتاج تحميل الملف بكامله. لكن توليد مليون صف في generate_transactions يحتفظ بها في الذاكرة قبل الحفظ؛ اختر عدد صفوف أصغر لجهاز بذاكرة محدودة.

أسئلة تصحيح آلي

from khaled_dsml import get_questions, grade_quiz
questions = get_questions("machine_learning", limit=3, seed=3)
for question in questions:
    print(question.id, question.question)
answers = {q.id: "A" for q in questions}  # إجابات افتراضية
print(grade_quiz(questions, answers))

واجهات المكتبة

لخريطة المقياسين والتغطية التفصيلية، راجع docs/COURSE_MAPPING_AR.md. للحصول على أمثلة مكتملة راجع examples/.

لإنشاء المستودع ونشر الحزمة بأمان عبر GitHub Actions وTrusted Publishing (بدون حفظ مفتاح API)، راجع دليل النشر العربي.

نشر الحزمة على TestPyPI وPyPI باستخدام GitHub Actions

هذه المكتبة غير منشورة بعد على PyPI أو TestPyPI؛ لا تستخدم أمر pip install khaled-dsml من PyPI إلى حين نشرها.

1. تابع نتائج الاختبارات والبناء في GitHub Actions.
2. أنشئ حسابًا منفصلًا على TestPyPI وبيئة testpypi في Settings → Environments بمستودع GitHub.
3. أضف في TestPyPI Trusted Publishing ناشرًا معلقًا للاسم khaled-dsml ومعلومات المستودع noble2013/KhaledDSML، وملف testpypi.yml، والبيئة testpypi.
4. بعد نجاح البناء، نفذ Actions → Publish to TestPyPI (manual) → Run workflow.
5. بعد نجاح التجربة، أنشئ البيئة pypi وناشرًا موثوقًا للاسم نفسه على PyPI باستخدام release.yml والبيئة pypi، ثم انشر GitHub Release يحمل الوسم v0.1.0.

يوصى بحماية بيئة pypi بمراجعة يدوية. لا تضع كلمات مرور أو رموز API داخل GitHub. اقرأ دليل النشر العربي للمزيد.

Notes (English)

KhaledDSML is an educational Python toolkit; it wraps proven NumPy, pandas, SciPy and scikit-learn primitives rather than reinventing statistical algorithms. Optional statistics are backed by statsmodels. It is not a distributed processing engine: the MapReduce example runs locally; Optional Dask and Spark adapters are included, but need real engines and are not validated on a Spark cluster in version 0.1.0. Do not fit preprocessing on test data. Hypothesis-test interpretations should be checked against sampling design and assumptions. An MIT license covers this original wrapper code, not a claim of authorship over third-party algorithms.

حقوق الاستخدام

الترخيص MIT. الاسم المقترح للنشر هو khaled-dsml (يلزم التحقق من توفره عند رفع الحزمة). كل الإضافات يمكن مراجعتها عبر اختبارات pytest قبل النشر. حقوق المنهجيات والخوارزميات الأساسية محفوظة لمؤلفيها ومشروعاتها الأصلية.