22 أفكار ومواضيع مثيرة للاهتمام لمشروع Python مفتوح المصدر للمبتدئين [2022]

تعد Python من أكثر لغات البرمجة شيوعًا على هذا الكوكب ، وهناك العديد من الأسباب وراء هذه الشهرة. أحد هذه الأسباب هو وجود عدد كبير من المشاريع والمكتبات مفتوحة المصدر المتاحة لهذه اللغة. من التعلم الآلي إلى الرسوم المتحركة ، هناك مشروع Python لكل شيء تقريبًا. إذا كنت تريد أن تصبح مطور Python بارعًا ، فيجب أن تكون على دراية ببعض هذه المشاريع (إن لم يكن كلها).

لهذا السبب في هذه المقالة ، سنناقش مشاريع Python المختلفة باستخدام كود المصدر Github. نظرًا لأن Python بها تطبيقات في صناعات مختلفة ، فقد تجد العديد من المشاريع لمساعدتك في إكمال مهامك. عليك أن تختار المشاريع حسب اهتماماتك وخبراتك. إذا كنت مبتدئًا في Python وترغب في اكتساب الخبرة ، فراجع شهادات علوم البيانات الخاصة بنا. يمكنك وضع إشارة مرجعية على هذه المقالة للرجوع إليها في المستقبل. هيا بنا نبدأ.

فيما يلي بعض أفكار مشروع Python مفتوح المصدر -

أفكار مشروع بايثون مفتوح المصدر

1. OpenCV

الرؤية الحاسوبية هي من بين أكثر تطبيقات الذكاء الاصطناعي طلبًا. تركز رؤية الكمبيوتر على نماذج الذكاء الاصطناعي التي يمكنها تحليل الصور ومقاطع الفيديو لتطبيقات محددة مثل تحديد الكائن والتعرف على الوجوه وما إلى ذلك.

إذا كنت ترغب في العمل على مشاريع رؤية الكمبيوتر ، فيجب أن تتعرف على OpenCV. OpenCV هي مكتبة Python لحل مشاكل رؤية الكمبيوتر. بدأ Gary Brodsky OpenCV في عام 1999 ، ومنذ ذلك الحين ، أصبح أحد أكثر مشاريع Python شيوعًا برمز المصدر Github.

يتيح لك OpenCV إجراء تحليل للصور ويشكل الأساس للعديد من خوارزميات رؤية الكمبيوتر المعقدة. لاستخدام OpenCV ، يجب أن تكون على دراية بـ Numpy ، وهي مكتبة شهيرة لإجراء العمليات العددية من خلال كود Python. سيتعين عليك دمج OpenCV مع مكتبات أخرى للعمل على مشاريع رؤية الكمبيوتر ، ولهذا السبب احتفظنا بها على رأس قائمتنا. اكتشف المزيد عن OpenCV هنا .

2. كراس

ربما تكون Keras هي الأداة الأكثر شيوعًا للتعلم العميق في Python. إنها مكتبة تبسط التعلم العميق لمطوري بايثون ، مما جعلها تحظى بشعبية كبيرة بين محترفي الذكاء الاصطناعي. تقدم لك Keras واجهات برمجة تطبيقات متسقة ومباشرة تقلل من إجمالي الإجراءات التي يتعين عليك تنفيذها.

يقوم بأتمتة العديد من حالات الاستخدام الضرورية ، لذلك عليك فقط التركيز على الأقسام المتقدمة لشبكتك العصبية. تشتهر Keras أيضًا برسائل الخطأ الدقيقة والسريعة التي تنبهك عند ارتكاب أي أخطاء.

إذا كنت تريد أن تصبح محترفًا في التعلم العميق ، فيجب أن تكون على دراية بـ Keras وتطبيقاته. كان Keras من بين أفضل 5 فرق فائزة في Kaggle وحصل على المرتبة الأولى. 1 من بين أكثر أطر التعلم العميق استخداما.

نظرًا لأن Keras تستخدم TensorFlow ، يمكن الوصول إليها من أي مكان وتوفر مجموعة واسعة من المزايا الإضافية. تستخدم NASA و LHC و CERN والعديد من المنظمات الكبرى الأخرى Keras للبحث. لذا فمن المؤكد أنه يستحق النظر فيه. يمكنك معرفة المزيد عن Keras هنا .

2. قارورة

Flask هو إطار عمل صغير لأنه لا يحتوي على أي مكتبات أو أدوات محددة. بالإضافة إلى ذلك ، لا يحتوي على أي شكل من أشكال التحقق من الصحة أو طبقة تجريد قاعدة البيانات بحيث يمكن للمطور اختيارهم وفقًا لمتطلباتهم. بدأ Flask كملف حول Jinja و Wekrzeug ولكنه أصبح أحد أشهر مشاريع Python مع كود المصدر Github.

بصرف النظر عن كونها مشهورة ، تمتلك Flask أيضًا واحدة من أكثر مجتمعات المطورين نشاطًا. لذلك إذا واجهت أي مشاكل ، يمكنك طرح الأسئلة في المجتمع والحصول بسرعة على إجابات مفيدة. أضاف مجتمع Flask العديد من الامتدادات إليه ، مما يعزز وظائفه بشكل كبير. لهذه الأسباب ، يعد Flask إطار عمل أساسي لأي مطور ويب Python. اكتشف المزيد عن Flask هنا.

3. سباسي

تمتلك Python العديد من التطبيقات في مجال الذكاء الاصطناعي ، ولهذا السبب لديها العديد من المكتبات والأطر للاحتياجات الخاصة بالذكاء الاصطناعي. إذا كنت تخطط لأن تصبح محترفًا في مجال الذكاء الاصطناعي ، فإن هذا المشروع بلا شك هو الأفضل بالنسبة لك. spaCy هي مكتبة مفتوحة المصدر لمعالجة اللغة الطبيعية عالية المستوى في بايثون. البرمجة اللغوية العصبية هي التقنية الأساسية وراء العديد من تطبيقات الذكاء الاصطناعي المتقدمة ، مثل تحليل النص وتحليل المشاعر وغيرها.

يتمثل الاستخدام الأساسي لـ spaCy في إنشاء تطبيقات على مستوى الإنتاج يمكنها معالجة كميات كبيرة من النصوص. يمكنك استخدام spaCy لإنشاء حلول فهم اللغة الطبيعية أو أنظمة استخراج المعلومات أو المعالجة المسبقة لنموذج التعلم العميق المحسن. أحد الأسباب العديدة وراء شعبيته العالية هو قائمة الميزات الطويلة.

يمكنك تعيين أنواع الكلمات إلى الرموز المميزة (مثل تقسيم أشكال الكلام أو الصوت) ، وتحويل النص (تحويل الكلمات إلى أشكالها الأساسية) ، والعثور على الجمل الفردية وتصنيفها ، وتنفيذ العديد من المهام الأخرى بسهولة. spaCy هو مشروع بايثون لا بد منه في جيثب. يجب أن تكون على دراية به إذا كنت تريد أن تصبح محترفًا في الذكاء الاصطناعي أو إذا كنت ترغب في العمل في مشاريع البرمجة اللغوية العصبية. يمكنك معرفة المزيد عن spaCy هنا .

4. نيليرن

هذا مشروع رائع لأي متخصص في التعلم العميق. Nilearn هي وحدة Python التي تركز على أداء التعلم الإحصائي على بيانات NeuroImaging. لاستخدام Nilearn ، يجب أن تكون على دراية بـ scikit-Learn ، وهي أداة Python بارزة للتطبيقات العلمية. يمكنك إجراء العديد من المهام على بيانات NeuroImaging باستخدام nilearn. على سبيل المثال ، يمكنك إجراء فك التشفير والتصنيف وتحليل الاتصال والنمذجة التنبؤية والعديد من الوظائف الأخرى.

التصوير العصبي هو مجال طبي بارز ، وقدرات نيليرن تحل العديد من المشاكل الموجودة في هذا القطاع. باستخدام Nilearn ، يمكنك جعل تحليل Neuroimages سهلًا وفعالًا نسبيًا. يجد الذكاء الاصطناعي العديد من التطبيقات في قطاع الرعاية الصحية ، وإذا كنت مهتمًا باستخدام مهارات الذكاء الاصطناعي لديك للعمل في هذه الصناعة ، فيجب أن تتعرف على Nilearn. اكتشف المزيد على نيليرن هنا .

5. PyTorch

PyTorch أمر لا بد منه لأي متخصص في التعلم الآلي. إذا كنت تطمح إلى دخول صناعة التعلم الآلي ، فيجب أن تبحث في PyTorch لأنها واحدة من أكثر الأطر شيوعًا لتطبيقات تعلم الآلة. يسهل العديد من تطبيقات ML من نشر الإنتاج إلى النماذج الأولية البحثية.

PyTorch مفتوح المصدر ، مما يعني أنه مجاني للاستخدام. كما أن لديها العديد من الميزات التي يمكنك من خلالها العمل بسرعة على مشاريع ML وتجنب الكثير من المتاعب. تمتلئ بيئة PyTorch بالعديد من المكتبات والأدوات الخاصة بأقسام التعلم الآلي المختلفة ، بما في ذلك التعلم المعزز ورؤية الكمبيوتر.

وبالمثل ، فإنه يحتوي على دعم ONNX الأصلي (تبادل الشبكة العصبية المفتوحة). هناك قائمة طويلة من الميزات التي تعتبر PyTorch ضرورية لأي محترف في Python. ساعدت شعبيتها على نطاق واسع في إنشاء مجتمع رائع من المطورين والباحثين المفيدين والمبتكرين. يمكنك معرفة المزيد عن PyTorch هنا .

6. Scikit-Learn

تعد Scikit-Learn من بين مكتبات Python الأكثر شيوعًا لمحترفي التعلم الآلي. يوفر لك أدوات متعددة لتحليل البيانات التنبؤية. إنه قابل للاستخدام تجاريًا ومفتوح المصدر. استنادًا إلى SciPy و matplotlib و NumPy ، يعد scikit-Learn أمرًا ضروريًا لأي شخص يريد العمل في مشاريع التعلم الآلي. يمكّنك Scikit-Learn من تنفيذ العديد من تطبيقات التعلم الآلي.

باستخدام الخوارزميات والأدوات الخاصة به ، يمكنك إجراء الانحدار والتصنيف واختيار النموذج وتقليل الأبعاد والمعالجة المسبقة للبيانات والعديد من مهام ML الأخرى. أدوات Scikit-Learn سهلة التعلم. إنه أيضًا مشروع Python الشهير Github لتطبيقات التعلم الآلي الأساسية ، لذا فإن التعرف عليه سيساعدك بالتأكيد على أن تصبح محترفًا في هذا القطاع.

7- جنسيم

Gensim هو مشروع آخر منتشر بين مطوري Python. إنها مكتبة مجانية يمكنك استخدامها لتحليل المستندات النصية للبنية الدلالية. تشتهر Gensim بنمذجة الموضوعات. إذا كنت ترغب في العمل على مشاريع تحليل نصي ، فيجب أن تتعرف على المكتبة. سوف يساعدك في استكمال مشاريع البرمجة اللغوية العصبية المختلفة. نموذج الموضوع هو نموذج إحصائي يكتشف موضوعات مجردة في مجموعة من المستندات النصية.

سيتعين عليك إجراء نمذجة موضوعية لاستخراج النص لأنها تساعدك في العثور على الهياكل الدلالية المخفية بسهولة. من المحتمل أن يكون Gensim هو أفضل حل Python لنمذجة النص ، لأنه قادر على التعامل مع الأحجام الصغيرة والكبيرة من النص دون صعوبة. اكتشف المزيد عن جينسيم هنا .

8. ليبروسا

يعد تحليل الكلام والصوت أحد المجالات الشائعة لتطبيقات الذكاء الاصطناعي. إذا كنت مهتمًا بأداء هذه المهام ، فعليك تجربة Librosa. إنها حزمة بايثون تركز على تحليل الصوت والموسيقى. باستخدام Librosa ، يمكنك بسهولة إنشاء نظام استرجاع لمعلومات الموسيقى. أصبح التحليل الصوتي شائعًا للغاية بفضل مساعدي الذكاء الاصطناعي والأجهزة المنزلية الذكية ومنصات بث الموسيقى. يوفر لك Librosa الأساسيات الضرورية التي تحتاجها لبناء حل لتحليل الموسيقى. اكتشف المزيد عن Librosa هنا .

9. التعرف على الوجوه

كما يوحي الاسم ، فإن Face Recognition هي مكتبة Python لأداء التعرف على الوجوه. يبسط التعرف على الوجوه في الصور ومقاطع الفيديو من خلال توفير أوامر محددة. باستخدام هذه المكتبة ، يمكنك إجراء التعرف على الوجوه على الصور التي تحتوي على سطر أو سطرين فقط من التعليمات البرمجية. يعتمد التعرف على الوجوه على نموذج التعلم العميق. سجل نموذجها 99.38٪ من حيث الدقة على معيار LFW (وجوه مُصنَّفة في البرية).

يحتوي على أداة سطر أوامر <face_recognition> بسيطة يمكنك استخدامها لأداء التعرف على الوجوه بكفاءة. ميزة أخرى ممتازة لهذه المكتبة هي أنه يمكنك دمجها مع مكتبات Python الشائعة الأخرى لإنشاء حلول متقدمة للتعرف على الوجوه. إنها بلا شك أداة ممتازة لأي محترف ذكاء اصطناعي. اكتشف المزيد عن التعرف على الوجوه هنا .

10 جانغو

يتيح لك Django ، أحد أكثر أطر عمل Python شيوعًا ، إنشاء تطبيقات ويب تحتوي على عدد أقل من خطوط التعليمات البرمجية وفي وقت أقل. إنه يبسط بناء تطبيق الويب إلى حد كبير لأنه يعتني بأساسيات تطوير الويب ، وعليك فقط التركيز على الجوانب الفنية لتطبيق الويب الخاص بك. يأتي Django مزودًا بالعديد من الأدوات والمرافق المضمنة التي يمكنها تسريع تطوير تطبيق الويب الخاص بك.

على سبيل المثال ، يحتوي على موجز ويب لـ RSS وخرائط الموقع ومصادقة المستخدم وأدوات إدارة المحتوى. يمكنك إضافتها بسرعة إلى تطبيق الويب الخاص بك باستخدام Django وتوفير الكثير من الوقت والجهد. باستخدام Django ، يمكنك أن تصبح مطور تطبيقات ويب يستند إلى Python بسرعة. تمتلك Django مجتمعًا ضخمًا من المطورين والمستخدمين حيث يمكنك العثور على إجابات لاستفساراتك وشكوكك بسرعة. اكتشف المزيد Django هنا .

11. SimpleCoin

SimpleCoin هو مشروع رائع لعشاق العملات المشفرة. إنه تطبيق بسيط وغير مكتمل وغير آمن لـ blockchain للعملات المشفرة في Python. يركز المشروع على بناء عملة blockchain كاملة الوظائف مع ضمان أن تظل بسيطة قدر الإمكان.

هذا المشروع مخصص للأغراض التعليمية ، لذا سواء كنت محترفًا في Python أو من عشاق blockchain ، فسيكون البحث فيه مفيدًا. ستساعدك SimpleCoin على التعرف على أساسيات blockchain والعملات المشفرة. يمكنك استكشاف كيفية تفاعل العقد في blockchain وكيفية قيام المستخدمين بتنفيذ المعاملات في واحدة. تعد SimpleCoin من بين أكثر مشاريع Python شيوعًا برمز مصدر Github مع أكثر من 1500 نجمة عند كتابة هذا المقال. يمكنك معرفة المزيد عن SimpleCoin هنا .

12. الباندا

Pandas هي مكتبة بايثون لا غنى عنها لعلماء البيانات والمتحمسين لعلوم البيانات. دخلت Pandas الصناعة في عام 2008 ، ومنذ ذلك الحين ، أصبحت أداة فعالة لأي متخصص بيانات. يوفر لك هياكل البيانات والأدوات التي يمكنك استخدامها لمعالجة البيانات. تمتلك Pandas وسائل لقراءة البيانات وكتابتها بين تنسيقات مختلفة. كما أنه يوفر فهرسة رائعة وتقسيمًا وتقسيمًا لمجموعات البيانات الضخمة. فيما يلي بعض المهام الإضافية التي يمكنك القيام بها مع Pandas:

• دمج مجموعات البيانات والانضمام إليها بأداء عالٍ
• قم بإجراء فهرسة المحور الهرمي للعمل بكفاءة مع البيانات عالية الأبعاد.
• أنشئ نطاقًا زمنيًا وقم بتحويل الترددات لتحسين وظائف السلاسل الزمنية

هناك العديد من الميزات الأخرى الموجودة في Pandas ، وهذا هو السبب في أنها ضرورية لأي متخصص في علوم البيانات. إنه مفتوح المصدر بحيث يمكنك استخدامه مجانًا. إذا كنت طالبًا في علوم البيانات ، فيجب أن تكون على دراية بـ Pandas. تعرف على المزيد حول الباندا هنا .

13. بيبينف

Pipenv هي أداة يجب أن يمتلكها كل مطور Python في ترسانته. سيجعل عملك كمطور أبسط بكثير. Pipenv هي أداة تركز على تزويدك بمزايا قطاعات التعبئة المختلفة في Python. إنه مخصص لسير عمل التطوير ويسمح للمستخدمين بإعداد بيئات العمل في Python بسهولة.

يمكن لـ Pipenv إنشاء والتعامل مع Virtualenv لمهمتك. يمكنه إضافة الحزم أو إزالتها من ملف Pipfile عند تثبيتها أو إلغاء تثبيتها. ينتج Pipenv pipfile.lock لإنشاء بنى حتمية. مع Pipenv ، لن تضطر إلى استخدام virtualenv و pip بشكل منفصل. يساعدك pipfile.lock في تجنب أخطاء التبعية بين الحزم المختلفة. اكتشف المزيد حول Pipenv هنا .

14. MicroPython

يسمح لك MicroPython بتشغيل Python على ميكروكنترولر. كما أن لديها لوحة MicroPython pyboard ، وهي لوحة دوائر صغيرة يمكنها تشغيل MicroPython وتمنحك نظام تشغيل منخفض المستوى يعتمد على Python. يأتي MicroPython مزودًا بميزات مثل المولدات وإدارة الاستثناءات والمطالبات التفاعلية وغيرها.

يمكنك تشغيل 256 كيلو بايت فقط من مساحة التعليمات البرمجية. إذا كنت مهتمًا بالرقائق الدقيقة والميكروكونترولر ، فيجب عليك بالتأكيد التعرف على مشروع Python هذا ، Github. يمكنك معرفة المزيد عن MicroPython هنا .

15. بايراي

إذا كنت تبحث عن مشروع فريد ومبدع ، فإن Pyray هو المشروع المناسب لك. Pyray هو مشروع مفتوح المصدر يسمح للمستخدمين بإجراء عرض ثلاثي الأبعاد من خلال كود Python البسيط. لذلك ، إذا كنت مهتمًا بتطبيقات Python في الفنون والمجالات ذات الصلة ، فيجب أن تبحث في Pyray. يمكنك إنشاء رسوم متحركة ثلاثية الأبعاد ورسوم متحركة ثنائية الأبعاد وكائنات ثلاثية الأبعاد وأشياء أخرى كثيرة باستخدام Pyray. لقد دخلت السوق فقط في عام 2018 ، وفي غضون عامين فقط ، أصبحت واحدة من أشهر مشاريع Python على Github. يمكنك معرفة المزيد عن Pyray هنا .

16. اندفاعة

هذا مشروع ممتاز لمحترفي علوم البيانات. إذا كنت تدرس علم البيانات لبعض الوقت ، فربما تكون قد سمعت اسمه بالفعل. Dash هو منتج من Plotly وهو إطار لتطوير علوم البيانات وتطبيقات الويب ML. بصرف النظر عن Python ، يمكنك استخدام Julia و R مع Dash. تسهل Dash تطوير تطبيقات الويب لعلماء البيانات عن طريق إزالة الحاجة إلى تطوير الواجهة الخلفية والواجهة الأمامية المخصصة.

تعتمد Dash على Flask ، وهو إطار عمل Python شائع على نطاق واسع والذي ناقشناه سابقًا في هذه المقالة. يمكنك استخدامه مجانًا من خلال نسخته مفتوحة المصدر. من ناحية أخرى ، يمكنك أيضًا استخدام نسخته المدفوعة إذا كان لديك المزيد من المتطلبات. تمتلك Dash أكثر من 12000 نجمة على Github ، لذا فهي بالتأكيد مشروع كبير يجب أن تكون على دراية به. اكتشف المزيد عن داش هنا .

17. كيفي

Kivy هي مكتبة للتطوير السريع لتطبيقات الهاتف المحمول ذات واجهة المستخدم المعقدة. إنها مفتوحة المصدر ومتوافقة مع الأنظمة الأساسية ، مما يجعلها سهلة الوصول لمطوري Python. يعد تطوير واجهة المستخدم أحد أهم جوانب أي تطبيق ، ويساعدك Kivy بشكل كبير في معالجة أي مشكلات موجودة في هذه العملية.

يمكنك تشغيله على أنظمة تشغيل Windows و Android و OS X و Linux و Raspberry Pi و iOS. تحتوي مجموعة أدواتها على أكثر من 20 عنصر واجهة مستخدم ، لذلك لديك مجموعة واسعة من الخيارات للاختيار من بينها. Kivy هي بلا شك أداة رائعة تضيفها إلى ترسانتك من حيث الفعالية والأداء الوظيفي. يمكنك استخدام Kivy لتطوير تطبيقات ذات وظائف اللمس المتعدد أيضًا. اكتشف المزيد حول Kivy هنا .

18. نماذج TensorFlow

من المحتمل أن تكون نماذج TensorFlow أحد مشاريع Python الأساسية ذات الكود المصدري Github ، وهي مستودع به العديد من نماذج SOTA (أحدث ما توصلت إليه التكنولوجيا) لـ TensorFlow. يعد TensorFlow من بين الأدوات الأكثر شيوعًا لمحترفي التعلم الآلي. إنه منتج من Google يحتوي على مجموعة كبيرة من المكتبات والأدوات.

تسهل TensorFlow بناء النماذج في التعلم الآلي من خلال واجهات برمجة التطبيقات عالية المستوى. علاوة على ذلك ، يمكنك الوصول إلى TensorFlow من أي مكان حيث يظل متاحًا على السحابة. يمكنك نشر ML في مكان العمل أو في متصفحك أو على جهازك باستخدام TensorFlow.

سيساعدك مشروع نماذج TensorFlow في فهم قدرات هذه التكنولوجيا القوية. يمكنك العمل بكفاءة في العديد من مشروعات TensorFlow بمجرد أن تتعرف على الأنواع المختلفة من الأشياء التي يمكنك القيام بها باستخدام TensorFlow. تساعدك نماذج TensorFlow على معرفة أفضل الممارسات لهذه التقنية ، لذا ستقلل من ارتكاب الأخطاء وتعمل بدقة أفضل. اكتشف المزيد عن نماذج TensorFlow هنا .

19. أرجواني

هذا أحد أفضل مشاريع Python برمز مصدر Github لعشاق الذكاء الاصطناعي. يركز Magenta على استكشاف تطبيقات الذكاء الاصطناعي والتعلم الآلي في الموسيقى وتوليد الفن. يسمح لك بتطوير التعلم المعزز وخوارزميات التعلم العميق لإنتاج الأغاني والرسومات والمنتجات الفنية الأخرى.

إنه نتاج لمهندسين وباحثين من فريق Google Brain جنبًا إلى جنب مع العديد من الخبراء الآخرين. الغرض من Magenta هو مساعدة الفنانين والموسيقيين من خلال تزويدهم بأدوات محسنة. بعد الانتهاء من هذا المشروع ، يمكنك التعرف على الطرق المختلفة التي يمكن أن تساعد بها الذكاء الاصطناعي في المجالات الإبداعية.

أطلقوا نماذج Magenta من خلال TensorFlow. إذا كنت ترغب في استخدام مهاراتك في Python في AI و ML ، فيجب عليك التركيز على هذا المشروع. سيساعدك ذلك على التعرف على خوارزميات التعلم المعزز والشبكات العصبية ، وهما من أبرز أقسام الذكاء الاصطناعي. يتوفر Magenta كمكتبة Python مفتوحة المصدر على TensorFlow. يمكنك زيارة مدونتهم لمعرفة المزيد عن Magenta.

20. سناليغاستر

إذا كنت تخطط لدخول الأمن السيبراني ، فهذا هو المشروع المثالي لك. Snallygaster هو حل لتحديد مشكلات الأمان على خوادم HTTP ، مثل البحث عن تسريبات الملفات. تتيح لك هذه الأداة العثور على الملفات على خوادم الويب التي يمكن للأطراف غير المرغوب فيها الوصول إليها ، مما يتسبب في مخاطر أمنية كبيرة. بعض الأمثلة على هذه الملفات هي ملفات النسخ الاحتياطي (التي قد تحتوي على كلمات مرور) ومستودعات git وغيرها. يمكنك تثبيت snallygaster من خلال PyPI.

في وقت كتابة هذا المقال ، كان لدى snallygaster أكثر من 1700 نجمة على Github.

21. قناع R-CNN

وفقًا لمنشئيها ، يعد Mask R-CNN إطارًا مرنًا وبسيطًا وعامًا يمكنك استخدامه لتقسيم مثيلات الكائن. إنه يعزز Faster R-CNN ، وهي تقنية رؤية حاسوبية بارزة للتعرف على الصور وتحديد الأشياء. يمكن لـ Mask R-CNN اكتشاف كائن في صورة وإنشاء قناع تجزئة للحدث على الفور. التدريب وإضافة Mask R-CNN إلى التعليمات البرمجية الخاصة بك أمر سهل. إنه يضيف القليل جدًا من النفقات العامة إلى Faster R-CNN مع تقديم العديد من المزايا.

على الرغم من أن Mask R-CNN بسيط للغاية ، إلا أنه تفوق على العديد من النماذج المماثلة في تجزئة مثيل الكائن ، وهو ما يجعله مشروعًا مشهورًا مفتوح المصدر. إذا كنت ترغب في العمل في مشاريع رؤية الكمبيوتر في المستقبل ، فيجب أن تتعرف على Mask R-CNN. انتقل إلى هذا الرابط لمعرفة المزيد عن Mask R-CNN .

22. ستاتسمودلز

للعمل على النماذج الإحصائية ، يجب أن تتعرف على statsmodels ، وحدة Python الشائعة. يسمح لك باستكشاف البيانات الإحصائية وتقدير النماذج الإحصائية المختلفة وإجراء الاختبارات الإحصائية. ستنتج Statsmodels قائمة مفصلة بالنتائج لكل مقدر ، والتي يمكنك اختبارها مقابل الحزم الموجودة للتحقق من دقتها.

يجب أن تكون على دراية بحزم Python والتحليل الإحصائي والباندا قبل العمل مع هذا الحل. Statsmodels هي من بين أكثر مشاريع Python شيوعًا مع الكود المصدري Github نظرًا لوظائفها وبساطتها. تشمل ميزاته الأساسية استخدام النماذج المنفصلة (الانحدار السلبي ذي الحدين ، MNLogit ، وما إلى ذلك) ، ونماذج الانحدار الخطي ، وتحليل السلاسل الزمنية ، وما إلى ذلك. لمعرفة المزيد عن هذا المشروع ، يمكنك زيارة موقع الويب الخاص بهم أو الارتباط بمشروع Python هذا Github. هناك ، ستجد الوثائق الخاصة بهذا المشروع مع كود المصدر الخاص به.

تعرف على المزيد حول Python ومشاريعها

هذا هو. لقد وصلنا الآن إلى نهاية قائمتنا لمشاريع Python مفتوحة المصدر. نأمل أن تكون قد وجدت هذه القائمة من المشاريع مفيدة. إذا كان لديك أي أسئلة أو أفكار لمشاركتها ، فيمكنك إخبارنا من خلال قسم التعليقات أدناه.

يمكنك التوجه إلى مدونتنا ومعرفة المزيد حول Python والحصول على المزيد من أفكار المشاريع. فيما يلي بعض الموارد لقراءة إضافية:

• 42 أفكار وموضوعات مشروع بايثون
• كيف تدير مشروع بايثون؟
• مشروع بايثون المصرفي (مع كود المصدر)
• مشاريع بايثون للمبتدئين

سيساعدك التعرف على هذه المشاريع في أن تصبح مطور Python أفضل. بعد كل شيء ، بدون هذه الأدوات والمكتبات ، يعد القيام بمهام محددة باستخدام Python مهمة شاقة.

خاتمة

إذا كنت مهتمًا بالتعرف على Python ، فراجع برنامج IIIT-B & upGrad التنفيذي PG في علوم البيانات الذي تم إنشاؤه للمهنيين العاملين ويقدم أكثر من 10 دراسات حالة ومشاريع ، وورش عمل عملية عملية ، وإرشاد مع خبراء الصناعة ، 1- على - 1 مع موجهين في الصناعة ، وأكثر من 400 ساعة من التعلم والمساعدة في العمل مع الشركات الكبرى.

من ناحية أخرى ، يمكنك أيضًا الحصول على تجربة تعليمية مخصصة وشاملة من خلال الحصول على دورة بايثون. ستسمح لك الدورة بالتعلم من خبراء الصناعة من خلال مقاطع الفيديو. ما هو مشروع Python الذي أعجبك Github أكثر؟ دعنا نعرف!