Datasets:
Dataset Viewer
question_id
stringlengths 16
16
| category
stringclasses 2
values | subcategory
stringclasses 3
values | prompt
stringlengths 18
27.6k
| language
stringclasses 1
value |
|---|---|---|---|---|
2edbb5f36f5b42be | hard_prompt | coding | اكتب لي برنامجًا بلغة زيج يحل المشكلة التالية من "أدفنت أوف كود" ويقرأ الإدخال من ملف input.txt ويطبع الإجابة على stdout.
```
--- اليوم 25: دع الثلج يتساقط ---
عيد ميلاد سعيد! يقوم سانتا بتشغيل آلة الطقس الخاصة به؛ يبدو أنك ستحصل على عيد ميلاد أبيض في النهاية.
تصدر آلة الطقس صوتًا! على لوحة تحكم الآلة توجد رسالة حماية النسخ تطلب منك إدخال كود من دليل التعليمات. يبدو أنها ترفض العمل ما لم تعطها هذا الكود. لا مشكلة؛ ستبحث فقط عن الكود في--
"هو هو هو"، يتساءل سانتا بصوت عالٍ. "لا أستطيع العثور على الدليل على ما يبدو."
تبحث عن رقم الدعم الخاص بالشركة المصنعة وتتصل بهم. هذا أمر جيد أيضًا - النجمة التاسعة والأربعون لم تكن ستكسب نفسها بنفسها.
"أوه، هذه الآلة قديمة جدًا!"، يقولون لك. "لقد توقف الدعم لهذا النموذج منذ ست دقائق، وقد انتهينا للتو من تمزيق جميع الأدلة. لكنني أعتقد أننا يمكن أن نجد لك خوارزمية توليد الكود."
بعد وضعك على الانتظار لمدة عشرين دقيقة (مكالمتك مهمة جدًا بالنسبة لهم، كما ذكّروك مرارًا)، وجدوا أخيرًا مهندسًا يتذكر كيفية عمل نظام الكود.
يتم طباعة الأكواد على ورقة لا نهائية، بدءًا من الزاوية العلوية اليسرى. يتم ملء الأكواد بشكل قطري: بدءًا من الصف الأول مع صندوق أول فارغ، يتم ملء الأكواد بشكل قطري لأعلى وإلى اليمين. تتكرر هذه العملية حتى يتم تغطية الورقة اللانهائية. لذلك، يتم ملء الأكواد الأولى القليلة بهذا الترتيب:
| 1 2 3 4 5 6
---+---+---+---+---+---+---+
1 | 1 3 6 10 15 21
2 | 2 5 9 14 20
3 | 4 8 13 19
4 | 7 12 18
5 | 11 17
6 | 16
على سبيل المثال، سيتم كتابة الكود الثاني عشر في الصف 4، العمود 2؛ وسيتم كتابة الكود الخامس عشر في الصف 1، العمود 5.
يستمر الصوت على الطرف الآخر من الهاتف في شرح كيفية توليد الأكواد فعليًا. الكود الأول هو 20151125. بعد ذلك، يتم توليد كل كود عن طريق أخذ الكود السابق، وضربه في 252533، ثم الاحتفاظ بالباقي من قسمة تلك القيمة على 33554393.
لذلك، للعثور على الكود الثاني (الذي ينتهي في الصف 2، العمود 1)، ابدأ بالقيمة السابقة، 20151125. اضربها في 252533 للحصول على 5088824049625. ثم، اقسم ذلك على 33554393، مما يترك باقيًا قدره 31916031. هذا الباقي هو الكود الثاني.
"أوه!"، يقول الصوت. "يبدو أننا فقدنا قصاصة من أحد الأدلة. دعني أقرأها لك." تكتب أرقامه:
| 1 2 3 4 5 6
---+---------+---------+---------+---------+---------+---------+
1 | 20151125 18749137 17289845 30943339 10071777 33511524
2 | 31916031 21629792 16929656 7726640 15514188 4041754
3 | 16080970 8057251 1601130 7981243 11661866 16474243
4 | 24592653 32451966 21345942 9380097 10600672 31527494
5 | 77061 17552253 28094349 6899651 9250759 31663883
6 | 33071741 6796745 25397450 24659492 1534922 27995004
"تذكر الآن"، يستمر الصوت، "هذا ليس حتى كل الأرقام الأولى القليلة؛ على سبيل المثال، أنت تفتقد الرقم الموجود في 7،1 والذي سيأتي قبل 6،2. لكن، يجب أن يكون هذا كافيًا لتمكينك-- أوه، حان وقت الغداء! وداعًا!" تنقطع المكالمة.
يبدو سانتا قلقًا. يحتوي إدخال اللغز الخاص بك على الرسالة الموجودة على لوحة تحكم الآلة. ما الكود الذي تعطيه للآلة؟
``` | ar |
ec71c09662a64365 | hard_prompt | coding | الرجاء كتابة برنامج بايثون يأخذ ملفًا من نوع .mp4 ويُخرج لقطات شاشة يتم التقاطها كل 10 ثوانٍ | ar |
d5cdf24c4e614beb | hard_prompt | coding | <div style="width: 100vh; height: 100vh;">
<img src="img/world.png">
</div>
كيف يمكنني محاذاة العناصر الفرعية divs في المنتصف عموديًا وأفقيًا باستخدام css الخاص بالعنصر الأب فقط؟ | ar |
dfc9be7c176d46bb | hard_prompt | coding | وسع نطاق هذا الطلب الخاص بنموذج اللغة الكبير لاكتشاف البيانات الجدولية أيضًا. عنوان دقيق يلخص الموضوع الرئيسي للملخص. حاول أن يكون العنوان بين 6 إلى 12 كلمة.
7. الإخراج المنظم: قدم المعلومات المستخرجة في تنسيق منظم، باستخدام العناوين ونقاط التعداد لتسهيل الفهم والتحليل.
تنسيق الإخراج:
- هل هو مخطط: [صحيح/خطأ]
- نوع المخطط: [نوع المخطط]
- العناصر الرئيسية:
- [الوصف/التسمية]
- العلاقات:
- [الوصف، بما في ذلك العناصر ونوع الاتصال]
- الوظائف:
- [الوصف، بما في ذلك العنصر (العناصر) المرتبطة]
- الملخص: [ملخص موجز لغرض المخطط وسياقه]
- العنوان: [عنوان المخطط] | ar |
666d2acdd7d64e17 | hard_prompt | coding | اكتب نص برمجي يقوم بإنشاء نص متوهج مع حدود متحركة بألوان قوس قزح حول النص المتوهج. باستخدام CSS و HTML | ar |
f0c5c62bd4a84fdf | hard_prompt | coding | fn format_with_border(content: &str, width: usize) -> String {
let stripped_content = strip_ansi_codes(content);
let padding = width.saturating_sub(stripped_content.chars().count());
return format!(
"\x1b[34m║\x1b[0m{}{}\x1b[34m║\x1b[0m",
content,
" ".repeat(padding)
);
}
بما أن الحشو يتم حسابه تلقائيًا، كيف يمكنني الاستفادة من آلية مماثلة مثل وظيفة التنسيق مع الحدود واستخدامها لعرض رسالة التحذير؟
let syntax = ps
.find_syntax_by_token(language)
.or_else(|| ps.find_syntax_by_name(language))
.unwrap_or_else(|| {
println!(
"\x1b[34m║\x1b[0m \x1b[1;33mWarning\x1b[0m: syntax highlighting not available for {} using plain text \x1b[34m║\x1b[0m",
language
);
ps.find_syntax_plain_text()
}); | ar |
c1dcc4caf8174b3a | hard_prompt | coding | اكتب دالة برمجية تحل المشكلة التالية:
يحتاج العميل إلى إيجاد أفضل مسار على شبكة بلاط 10x10 من موقعه الحالي إلى موقع الهدف.
لديهم نطاق حركة محدود يبلغ 5 نقاط
تكلف البلاطات العادية نقطة واحدة للتنقل خلالها، وتكلف البلاطات المائية نقطتين للتنقل خلالها.
تكلف البلاطات النارية نقطة واحدة للتنقل خلالها، ولكن يجب عليهم تجنب المرور عبرها حتى لو كان ذلك يعني اتخاذ مسار أطول للوصول إلى وجهتهم (شريطة أن يظل المسار ضمن نطاق حركتهم المحدود). | ar |
ac0ad233574047e3 | hard_prompt | coding | قم بإنشاء مكون "إدخال" يمكنه استقبال إدخال المستخدم. عند قيام المستخدم بالكتابة، يجب أن يظهر قائمة منسدلة تعرض جميع الخيارات الممكنة للإدخال، ويجب أن تتغير العناصر في القائمة المنسدلة بناءً على القيمة التي أدخلها المستخدم. إذا لم تكن القيمة موجودة، يجب أن تختفي القائمة المنسدلة. تأكد أيضًا من التعامل مع التحقق من صحة الإدخال، بحيث إذا كان الإدخال غير صحيح، يجب أن يكون له حدود حمراء. تأكد من التعامل مع جميع الحالات الحدية، وكذلك تحسين الأداء لعدد كبير من الخيارات في القائمة المنسدلة.
تتكون التقنيات المستخدمة هنا من React و TypeScript. | ar |
8411a709b22b408a | hard_prompt | coding | مرحبًا! أنا أتعلم لغة سي++ وأحتاج إلى مساعدتك. لدي رقم مخزن في سلسلة نصية (std::string) ثم يتم تحويله إلى نوع double (std::stod). أحتاج إلى التحقق مما إذا كان الرقم المخزن في السلسلة النصية يتجاوز حدود نوع double. كيف يمكنني القيام بذلك؟ شكرًا جزيلًا على مساعدتك. | ar |
62d77ecc66d04286 | hard_prompt | coding | قم بإصلاح الخطأ في هذا البرنامج المكتوب بلغة جافا سكريبت
<p>اكتب برنامجًا للعثور على أكبر رقم بين 3 أرقام.</p>
<input type="text" placeholder="أدخل الرقم الأول" id="t1">
<br>
<input type="text" placeholder="أدخل الرقم الثاني" id="t2">
<br>
<input type="text" placeholder="أدخل الرقم الثالث" id="t3">
<button onclick="check()">تحقق</button>
<h3 id="ans">أكبر رقم هو</h3>
<script>
function check(){
let n1 = document.getElementById( "t1" ).value;
let n2 =document.getElementById("t2").value;
let n3 = document.getAnimations("t3").value;
if (n1>n2 && n1>n3) {
document.getElementById( "ans" ).innerHTML ="الأكبر هو "+num1;
} else if (n2 > n3) {
document.getElementById( "ans" ).innerHTML ="الأكبر هو " +num2;
}else{
document.getElementById("ans").innerHTML = "الأكبر هو" + num3;
}
}
</script> | ar |
8c27a1b0e01d4589 | hard_prompt | coding | يحتوي الكود الخاص بي على دالة تُظهر قيمة Newvalue، لكنني لا أرى أي فائدة منها، كيف يمكنني إزالتها؟ أرسل الكود المعدل. على سبيل المثال:
إعدادات PHP 8.1:
متوسط حجم عملية PHP-FPM: 15 ميجابايت
pm.max_children = 132;Newvalue | القيمة الموصى بها = 1058
pm.start_servers = 8;Newvalue | القيمة الموصى بها = 8
pm.min_spare_servers = 4;Newvalue | القيمة الموصى بها = 4
pm.max_spare_servers = 12;Newvalue | القيمة الموصى بها = 12
حد الذاكرة
<code>
#!/bin/bash
# نص برمجي محسّن لتحسين PHP-FPM مع معالجة الأخطاء وتسجيل السجلات
# الخروج فورًا إذا انتهت أي أمر بحالة غير صفرية
set -e
# دالة لعرض معلومات الاستخدام
usage() {
echo "الاستخدام: sudo $0 [--debug]"
echo "يكتشف هذا النص البرمجي إصدارات PHP المثبتة، ويعرض الإعدادات الحالية والمقترحة، ويتيح لك اختيار ما تريد تحسينه."
echo "الخيارات:"
echo " --debug تفعيل وضع التصحيح لتسجيل السجلات بشكل مفصل"
}
# التحقق مما إذا كان النص البرمجي يُشغّل كـ root
if [[ $EUID -ne 0 ]]; then
echo "يجب تشغيل هذا النص البرمجي كـ root"
usage
exit 1
fi
# تهيئة علامة وضع التصحيح
DEBUG=false
# تحليل وسائط سطر الأوامر
while [[ "$#" -gt 0 ]]; do
case $1 in
--debug) DEBUG=true ;;
*) echo "معلمة غير معروفة: $1"; usage; exit 1 ;;
esac
shift
done
# دالة لتسجيل السجلات في وضع التصحيح
debug_log() {
if $DEBUG; then
echo "[DEBUG] $1" >&2
fi
}
# دالة لاكتشاف إصدارات PHP المثبتة
detect_php_versions() {
debug_log "اكتشاف إصدارات PHP المثبتة"
ls /etc/php/ 2>/dev/null | grep -E '^[0-9]+\.[0-9]+$' || echo "لم يتم اكتشاف أي إصدارات PHP"
}
# اكتشاف إصدارات PHP المثبتة
mapfile -t PHP_VERSIONS < <(detect_php_versions)
if [ ${#PHP_VERSIONS[@]} -eq 0 ]; then
echo "لم يتم اكتشاف أي إصدارات PHP. يرجى تثبيت PHP-FPM أولاً."
exit 1
fi
debug_log "الإصدارات المكتشفة لـ PHP: ${PHP_VERSIONS[*]}"
# دالة لإنشاء نسخة احتياطية مع ختم زمني
create_backup() {
local file=$1
local backup_dir="/root/php_backups"
mkdir -p "$backup_dir"
local backup_file="$backup_dir/$(basename "$file").$(date +%Y%m%d%H%M%S).bak"
cp "$file" "$backup_file"
echo "تم إنشاء النسخة الاحتياطية: $backup_file"
debug_log "تم إنشاء النسخة الاحتياطية: $backup_file"
}
# دالة للحصول على القيمة الحالية لمعلمة ما
get_current_value() {
local file=$1
local param=$2
if [ ! -f "$file" ]; then
echo "ملف التكوين غير موجود: $file" >&2
return 1
fi
grep -E "^$param\s*=" "$file" | cut -d'=' -f2- | tr -d '[:space:]' || echo "غير محدد"
}
# دالة لتحديث ملف التكوين
update_config() {
local file=$1
local param=$2
local value=$3
local current_value
if [ ! -f "$file" ]; then
echo "ملف التكوين غير موجود: $file" >&2
return 1
fi
current_value=$(get_current_value "$file" "$param")
if [ "$current_value" != "$value" ]; then
# استخدام ';' للتعليق في ملفات تكوين PHP-FPM
sed -i "s/^$param\s*=.*$/;& ; القيمة القديمة\n$param = $value ; القيمة الجديدة/" "$file"
echo "تم تحديث $param: $current_value -> $value"
debug_log "تم تحديث $param في $file: $current_value -> $value"
else
echo "$param محدد بالفعل على $value"
debug_log "$param محدد بالفعل على $value في $file"
fi
}
# دالة لحساب موارد النظام وإعدادات PHP-FPM لإصدار معين
calculate_php_fpm_settings() {
local php_version=$1
local total_ram=$(free -m | awk '/Mem/{print $2}')
local cpu_cores=$(nproc)
debug_log "حساب الإعدادات لـ PHP $php_version"
debug_log "إجمالي الذاكرة: $total_ram ميجابايت، أنوية المعالج: $cpu_cores"
# حساب متوسط حجم عملية PHP-FPM لهذا الإصدار المحدد
local avg_process_size=$(ps -C php-fpm$php_version --no-headers -o rss 2>/dev/null | awk '{ sum += $1; count++ } END { if (count > 0) print int(sum / count / 1024); else print "0" }')
if [ "$avg_process_size" == "0" ]; then
echo "تحذير: لا توجد عمليات PHP-FPM $php_version تعمل حاليًا. سيتم استخدام القيم الافتراضية للحسابات." >&2
avg_process_size=50 # القيمة الافتراضية بالميجابايت إذا لم تكن هناك عمليات تعمل
fi
debug_log "متوسط حجم عملية PHP-FPM $php_version: $avg_process_size ميجابايت"
# حساب الإعدادات الموصى بها
local max_children=$((total_ram / avg_process_size))
local start_servers=$((cpu_cores * 2))
local min_spare_servers=$cpu_cores
local max_spare_servers=$((cpu_cores * 3))
local recommended_memory_limit="256M"
debug_log "الإعدادات المحسوبة: max_children=$max_children, start_servers=$start_servers, min_spare_servers=$min_spare_servers, max_spare_servers=$max_spare_servers, memory_limit=$recommended_memory_limit"
echo "$max_children $start_servers $min_spare_servers $max_spare_servers $recommended_memory_limit $avg_process_size"
}
# دالة للحصول على إعدادات PHP-FPM وعرضها
get_php_fpm_settings() {
local php_version=$1
local pool_conf="/etc/php/$php_version/fpm/pool.d/www.conf"
local php_ini="/etc/php/$php_version/fpm/php.ini"
debug_log "الحصول على الإعدادات لـ PHP $php_version"
if [ ! -f "$pool_conf" ] || [ ! -f "$php_ini" ]; then
echo "خطأ: ملفات التكوين لـ PHP $php_version غير موجودة." >&2
return 1
fi
# الحصول على الإعدادات الموصى بها
read -r rec_max_children rec_start_servers rec_min_spare_servers rec_max_spare_servers rec_memory_limit avg_process_size <<< $(calculate_php_fpm_settings $php_version)
echo "إعدادات PHP $php_version:"
echo "متوسط حجم عملية PHP-FPM: $avg_process_size ميجابايت"
# دالة لعرض الإعدادات بشكل منسق
print_setting() {
local param=$1
local current=$2
local recommended=$3
printf "%-25s = %-10s | القيمة الموصى بها = %-10s\n" "$param" "$current" "$recommended"
}
print_setting "pm.max_children" "$(get_current_value "$pool_conf" "pm.max_children")" "$rec_max_children"
print_setting "pm.start_servers" "$(get_current_value "$pool_conf" "pm.start_servers")" "$rec_start_servers"
print_setting "pm.min_spare_servers" "$(get_current_value "$pool_conf" "pm.min_spare_servers")" "$rec_min_spare_servers"
print_setting "pm.max_spare_servers" "$(get_current_value "$pool_conf" "pm.max_spare_servers")" "$rec_max_spare_servers"
print_setting "memory_limit" "$(get_current_value "$php_ini" "memory_limit")" "$rec_memory_limit"
echo
}
# دالة لتحسين إصدار PHP واحد
optimize_php_version() {
local php_version=$1
echo "تحسين PHP $php_version"
debug_log "بدء التحسين لـ PHP $php_version"
# تحديد مسارات الملفات
local pool_conf="/etc/php/$php_version/fpm/pool.d/www.conf"
local php_ini="/etc/php/$php_version/fpm/php.ini"
if [ ! -f "$pool_conf" ] || [ ! -f "$php_ini" ]; then
echo "خطأ: ملفات التكوين لـ PHP $php_version غير موجودة." >&2
return 1
fi
# إنشاء نسخ احتياطية
create_backup "$pool_conf"
create_backup "$php_ini"
# الحصول على الإعدادات الموصى بها
read -r max_children start_servers min_spare_servers max_spare_servers recommended_memory_limit avg_process_size <<< $(calculate_php_fpm_settings $php_version)
# تحديث تكوين المجموعة
update_config "$pool_conf" "pm.max_children" "$max_children"
update_config "$pool_conf" "pm.start_servers" "$start_servers"
update_config "$pool_conf" "pm.min_spare_servers" "$min_spare_servers"
update_config "$pool_conf" "pm.max_spare_servers" "$max_spare_servers"
# تحديث حد الذاكرة لـ PHP
update_config "$php_ini" "memory_limit" "$recommended_memory_limit"
# اختبار ملفات التكوين
if ! php-fpm$php_version -t; then
echo "خطأ: ملفات التكوين لـ PHP $php_version غير صالحة. التراجع عن التغييرات." >&2
rollback_changes "$pool_conf" "$php_ini"
return 1
fi
# إعادة تشغيل PHP-FPM
if systemctl is-active --quiet "php$php_version-fpm"; then
if systemctl restart "php$php_version-fpm"; then
echo "تمت إعادة تشغيل PHP-FPM $php_version بنجاح"
debug_log "تمت إعادة تشغيل PHP-FPM $php_version بنجاح"
else
echo "فشل إعادة تشغيل PHP-FPM $php_version. التراجع عن التغييرات." >&2
rollback_changes "$pool_conf" "$php_ini"
return 1
fi
else
echo "PHP-FPM $php_version غير نشط. تخطي إعادة التشغيل."
debug_log "PHP-FPM $php_version غير نشط. تخطي إعادة التشغيل."
fi
echo "تم الانتهاء من تحسين PHP $php_version"
debug_log "تم الانتهاء من تحسين PHP $php_version"
echo
}
# دالة للتراجع عن التغييرات
rollback_changes() {
local pool_conf=$1
local php_ini=$2
local backup_dir="/root/php_backups"
echo "التراجع عن التغييرات لـ PHP $php_version"
debug_log "التراجع عن التغييرات لـ PHP $php_version"
# استعادة ملفات النسخ الاحتياطي
cp "$backup_dir/$(basename "$pool_conf")."*".bak" "$pool_conf"
cp "$backup_dir/$(basename "$php_ini")."*".bak" "$php_ini"
echo "تم التراجع عن التغييرات بنجاح"
debug_log "تم التراجع عن التغييرات بنجاح"
}
# دالة للتحقق من صحة اختيار إصدار PHP
validate_php_version_selection() {
local choice=$1
local selected_versions=()
if [[ $choice == "0" ]]; then
selected_versions=("${PHP_VERSIONS[@]}")
else
IFS=',' read -ra selected_indices <<< "$choice"
for index in "${selected_indices[@]}"; do
if [[ $index =~ ^[0-9]+$ ]] && [[ $index -le ${#PHP_VERSIONS[@]} && $index -gt 0 ]]; then
selected_versions+=("${PHP_VERSIONS[$((index-1))]}")
else
echo "اختيار غير صحيح لإصدار PHP: $index" >&2
return 1
fi
done
fi
echo "${selected_versions[@]}"
}
# منطق النص البرمجي الرئيسي
echo "الإصدارات المكتشفة لـ PHP: ${PHP_VERSIONS[*]}"
echo
echo "معلومات النظام:"
echo "إجمالي الذاكرة: $(free -m | awk '/Mem/{print $2}') ميجابايت"
echo "أنوية المعالج: $(nproc)"
echo
# عرض الإعدادات الحالية والتغييرات المقترحة لجميع الإصدارات
for version in "${PHP_VERSIONS[@]}"; do
get_php_fpm_settings "$version"
done
echo "اختر إصدارات PHP التي تريد تحسينها:"
echo "0) جميع الإصدارات"
for i in "${!PHP_VERSIONS[@]}"; do
echo "$((i+1))) ${PHP_VERSIONS[i]}"
done
read -p "أدخل اختيارك (أرقام مفصولة بفواصل، مثل 1,2 أو 0 للجميع): " choice
selected_versions=($(validate_php_version_selection "$choice"))
if [ ${#selected_versions[@]} -eq 0 ]; then
echo "لم يتم اختيار أي إصدارات PHP صالحة. الخروج."
exit 1
fi
echo "لقد اخترت تحسين إصدارات PHP التالية: ${selected_versions[*]}"
read -p "هل تريد المتابعة مع التحسين؟ (y/n) " confirm
if [[ $confirm != [yY] ]]; then
echo "تم إلغاء التحسين."
exit 0
fi
for version in "${selected_versions[@]}"; do
optimize_php_version "$version"
done
echo "تمت عملية تحسين PHP-FPM للإصدارات المحددة بنجاح"
debug_log "تم الانتهاء من تنفيذ النص البرمجي"
</code> | ar |
148d878cae5748bb | hard_prompt | coding | import os
import pandas as pd
import numpy as np
from autogluon.tabular import TabularPredictor
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import logging
from datetime import datetime
from sklearn.feature_extraction.text import CountVectorizer
from autogluon.features.generators import AutoMLPipelineFeatureGenerator
from autogluon.tabular import TabularPredictor
from autogluon.core.metrics import make_scorer
from sklearn.metrics import ndcg_score
Configure logging
log_filename = f"autogluon_ltr_{datetime.now().strftime('%Y%m%d')}.log"
logging.basicConfig(filename=log_filename, level=logging.ERROR, format='%(asctime)s - %(levelname)s - %(message)s')
class AutoGluonLTRConfigurator:
def init(self):
self.data = None
self.validation_data = None
self.predictor_columns = None
self.target_column = None
self.group_column = None
self.column_types = {}
self.selected_models = []
self.presets = 'best_quality'
self.hyperparameters = 'default'
self.eval_metrics = ['ndcg@10']
self.gpu_index = None
self.batch_size = None
self.predictor = None
self.advanced_options = {}
self.normalization = 'none'
self.holdout_fraction = 0.2
self.ngram_range = (1, 1)
self.max_features = 10000
self.presets_dict = {
'best_quality': {'auto_stack': True, 'refit_full': True},
'high_quality': {'auto_stack': True, 'refit_full': True},
'good_quality': {'auto_stack': True, 'refit_full': True},
'medium_quality': {'auto_stack': False},
'optimize_for_deployment': {'keep_only_best': True, 'save_space': True},
}
self.hyperparameters_dict = {
'default': 'Default AutoGluon hyperparameters',
'light': 'Lightweight configuration for faster training',
'very_light': 'Very lightweight configuration for prototyping',
}
def get_input(self, prompt, default=None, input_type=str, options=None):
while True:
if default is not None:
user_input = input(f"{prompt} (default: {default}): ") or default
else:
user_input = input(f"{prompt}: ")
try:
if input_type == bool:
return user_input.lower() in ['true', 't', 'yes', 'y', '1']
value = input_type(user_input)
if options and value not in options:
raise ValueError
return value
except ValueError:
if options:
print(f"Invalid input. Please enter one of: {options}")
else:
print(f"Invalid input. Please enter a {input_type.__name__}.")
def load_data(self):
while True:
csv_file = self.get_input("Enter the path to your CSV file", default="path/to/your/data.csv")
if os.path.isfile(csv_file):
self.data = pd.read_csv(csv_file)
print(f"Data loaded successfully. Shape: {self.data.shape}")
return
print("Invalid file path. Please try again.")
def load_validation_data(self):
csv_file = self.get_input("Enter the path to your validation CSV file (or press Enter to skip)", default="")
if csv_file and os.path.isfile(csv_file):
self.validation_data = pd.read_csv(csv_file)
print(f"Validation data loaded successfully. Shape: {self.validation_data.shape}")
else:
self.validation_data = None
def select_columns_and_types(self):
print("\nAvailable columns:")
for i, col in enumerate(self.data.columns):
print(f"{i+1}. {col}")
predictor_indices = self.get_input("Enter the numbers of the predictor columns (comma-separated)", default="1,2,3,4,5", input_type=str)
predictor_indices = [int(i.strip()) - 1 for i in predictor_indices.split(',')]
self.predictor_columns = [self.data.columns[i] for i in predictor_indices]
target_index = self.get_input("Enter the number of the target column", default=6, input_type=int) - 1
self.target_column = self.data.columns[target_index]
group_index = self.get_input("Enter the number of the group column", default=7, input_type=int) - 1
self.group_column = self.data.columns[group_index]
print(f"Predictor columns: {self.predictor_columns}")
print(f"Target column: {self.target_column}")
print(f"Group column: {self.group_column}")
for col in self.predictor_columns + [self.target_column, self.group_column]:
dtype = self.get_input(f"Specify data type for {col} (numeric/text/datetime/categorical)",
default='numeric',
options=['numeric', 'text', 'datetime', 'categorical'])
self.column_types[col] = dtype
def configure_models(self):
available_models = ["GBM", "NN_TORCH", "RF", "XT", "KNN", "CAT", "FASTAI", "XGB"]
print("\nAvailable models:")
for model in available_models:
print(f"- {model}")
selected_models_str = self.get_input("Enter the models you want to use (comma-separated)", default='XGB,GBM', input_type=str)
self.selected_models = [model.strip().upper() for model in selected_models_str.split(',') if model.strip().upper() in available_models]
print(f"Selected models: {self.selected_models}")
def configure_training(self):
preset_options = list(self.presets_dict.keys())
self.presets = self.get_input("Enter preset configuration", default='best_quality', options=preset_options)
print("\nAvailable hyperparameter presets:")
for option, description in self.hyperparameters_dict.items():
print(f"{option}: {description}")
hyperparameter_options = list(self.hyperparameters_dict.keys())
self.hyperparameters = self.get_input("Enter hyperparameter preset configuration", default='default', options=hyperparameter_options)
self.eval_metrics = ['ndcg@10']
self.batch_size = self.data.shape[0]
self.gpu_index = None
self.normalization = self.get_input("Choose normalization method", default='none', options=['none', 'standard', 'minmax'])
self.holdout_fraction = self.get_input("Enter holdout fraction for training-validation split (between 0 and 1)", default=0.2, input_type=float)
def configure_advanced_options(self):
self.advanced_options['num_bag_folds'] = self.get_input("Number of bagging folds", default=5, input_type=int)
self.advanced_options['num_stack_levels'] = self.get_input("Number of stacking levels", default=1, input_type=int)
self.advanced_options['refit_full'] = self.get_input("Refit on full dataset after validation", default=True, input_type=bool)
self.advanced_options['set_best_to_refit_full'] = self.get_input("Set best model to refit on full dataset", default=True, input_type=bool)
self.advanced_options['save_space'] = self.get_input("Save disk space by deleting auxiliary models", default=False, input_type=bool)
self.advanced_options['verbosity'] = self.get_input("Verbosity level (0-4)", default=3, input_type=int, options=[0,1,2,3,4])
self.advanced_options['time_limit'] = self.get_input("Time limit for training in seconds (-1 for no limit)", default=14400, input_type=int)
self.advanced_options['num_gpus'] = self.get_input("Number of GPUs to use", default=0, input_type=int)
self.advanced_options['num_cpus'] = self.get_input("Number of CPUs to use (-1 for all)", default=6, input_type=int)
ngram_range_str = self.get_input("Enter ngram range as two comma-separated integers (e.g., 1,3 for unigrams, bigrams, and trigrams)", default='1,1')
self.ngram_range = tuple(map(int, ngram_range_str.split(',')))
self.max_features = self.get_input("Enter max features for CountVectorizer", default=5000, input_type=int)
def clean_data(self, dataset, target_column):
print("Cleaning data...")
for col, dtype in self.column_types.items():
if dtype == 'numeric':
dataset[col] = pd.to_numeric(dataset[col], errors='coerce')
dataset[col] = dataset[col].fillna(-9999)
elif dtype in ['text', 'categorical']:
dataset[col] = dataset[col].fillna('unk')
elif dtype == 'datetime':
dataset[col] = pd.to_datetime(dataset[col], errors='coerce')
dataset[col] = dataset[col].fillna(pd.NaT)
if self.normalization in ['standard', 'minmax']:
for col in self.predictor_columns:
if self.column_types[col] == 'numeric':
if self.normalization == 'standard':
dataset[col] = (dataset[col] - dataset[col].mean()) / dataset[col].std()
elif self.normalization == 'minmax':
dataset[col] = (dataset[col] - dataset[col].min()) / (dataset[col].max() - dataset[col].min())
print(f"Data cleaned and normalized. New shape: {dataset.shape}")
return dataset
def train_models(self):
if self.gpu_index is not None:
os.environ["CUDA_VISIBLE_DEVICES"] = str(self.gpu_index)
self.clean_data(self.data, self.target_column)
vectorizer = CountVectorizer(ngram_range=self.ngram_range, max_features=self.max_features, dtype=np.uint8)
feature_generator = AutoMLPipelineFeatureGenerator(
enable_text_ngram_features=True,
vectorizer=vectorizer
)
# Custom NDCG scorer
def ndcg_scorer(y_true, y_pred, k=10):
return ndcg_score(y_true.reshape(1, -1), y_pred.reshape(1, -1), k=k)
custom_ndcg = make_scorer('ndcg@10', ndcg_scorer, greater_is_better=True, needs_proba=False)
self.predictor = TabularPredictor(
label=self.target_column,
problem_type='rank',
eval_metric=custom_ndcg
)
try:
print("Starting AutoGluon training for Learning to Rank...")
logging.info("Starting AutoGluon training for Learning to Rank...")
self.predictor.fit(
train_data=self.data,
presets=self.presets_dict[self.presets],
holdout_frac=self.holdout_fraction,
excluded_model_types=[m for m in ["GBM", "NN_TORCH", "RF", "XT", "KNN", "CAT", "FASTAI", "XGB"] if m not in self.selected_models],
hyperparameters=self.hyperparameters,
feature_generator=feature_generator,
groups=self.group_column,
**self.advanced_options
)
print("AutoGluon training for Learning to Rank completed successfully!")
logging.info("AutoGluon training for Learning to Rank completed successfully!")
except Exception as e:
logging.exception("Error occurred during AutoGluon training")
print(f"Error occurred during AutoGluon training: {str(e)}")
def evaluate_models(self):
def evaluate_models(predictor, dataset, eval_metrics):
dataset = self.clean_data(dataset, predictor.label)
leaderboard = predictor.leaderboard(dataset, extra_metrics=['ndcg@10'])
print(leaderboard)
for metric in eval_metrics:
print(f"Evaluation for metric: {metric}")
try:
eval_result = predictor.evaluate(dataset, metrics=[metric])
print(eval_result)
except Exception as e:
logging.exception(f"Error during evaluation for metric {metric}")
print(f"Error during evaluation for metric {metric}: {str(e)}")
if self.predictor is None or not hasattr(self.predictor, '_learner'):
print("No trained AutoGluon models available.")
else:
evaluate_models(self.predictor, self.data, self.eval_metrics)
if self.validation_data is not None:
print("\nEvaluating on user-provided validation data:")
evaluate_models(self.predictor, self.validation_data, self.eval_metrics)
def save_models(self):
if self.predictor is None:
print("No trained models available. Please train the models first.")
return
while True:
save_path = self.get_input("Enter the path to save the trained models")
if save_path:
try:
os.makedirs(save_path, exist_ok=True)
break
except OSError as e:
print(f"Error creating directory: {e}")
else:
print("Invalid path. Please enter a valid path to save the models.")
autogluon_path = os.path.join(save_path, "autogluon_ltr_models")
self.predictor.save(autogluon_path)
print(f"AutoGluon Learning to Rank models saved to {autogluon_path}")
def load_models(self):
load_path = self.get_input("Enter the path to load the trained models")
autogluon_path = os.path.join(load_path, "autogluon_ltr_models")
if os.path.exists(autogluon_path):
self.predictor = TabularPredictor.load(autogluon_path)
print("AutoGluon Learning to Rank models loaded successfully!")
else:
print("No models found in the specified path.")
def display_data_info(self):
print("\nData Info:")
print(self.data[self.predictor_columns + [self.target_column, self.group_column]].describe())
print("\nMissing values:")
print(self.data[self.predictor_columns + [self.target_column, self.group_column]].isnull().sum())
def display_data_info(self):
print("\nData Info:")
print(self.data[self.predictor_columns + [self.target_column, self.group_column]].describe())
print("\nMissing values:")
print(self.data[self.predictor_columns + [self.target_column, self.group_column]].isnull().sum())
def run(self):
print("Welcome to AutoGluon Learning to Rank Configurator!")
logging.info("AutoGluon Learning to Rank Configurator started.")
self.load_data()
self.select_columns_and_types()
self.display_data_info()
self.configure_models()
self.configure_training()
if self.get_input("Configure advanced options? (y/n)", default='y', input_type=bool):
self.configure_advanced_options()
if self.get_input("Start training? (y/n)", default='y', input_type=bool):
self.train_models()
if self.predictor is not None and hasattr(self.predictor, '_learner'):
self.evaluate_models()
if self.get_input("Save trained models? (y/n)", default='y', input_type=bool):
self.save_models()
if self.get_input("Load separate validation data and evaluate? (y/n)", default='y', input_type=bool):
self.load_validation_data()
if self.validation_data is not None and self.predictor is not None and hasattr(self.predictor, '_learner'):
self.evaluate_models()
print("AutoGluon Learning to Rank configuration and training completed!")
logging.info("AutoGluon Learning to Rank configuration and training completed!")
if name == "main":
try:
configurator = AutoGluonLTRConfigurator()
configurator.run()
except Exception as e:
logging.exception("Unhandled exception occurred")
print(f"An error occurred: {str(e)}")
print("Please check the log file for more details.")
finally:
print("\nAutoGluon Learning to Rank Configurator session ended.")
input("Press Enter to exit...")
fix this so it runs perfectly, output full code with no placeholders | ar |
22ed32babcd14390 | hard_prompt | coding | ساعدني في تصميم دائرة للحد من التيار بقيمة 200 مللي أمبير | ar |
0f93825f88454fb6 | hard_prompt | coding | يقول gnu make "تحذير: تجاهل المتطلبات الأساسية في تعريف قاعدة اللاحقة" لملف Makefile الخاص بي. كيف يمكنني تغييره بحيث لا أحصل على هذا التحذير ولكن يمكنني مع ذلك القول بأن الملفات ذات اللاحقة .t تعتمد على ملف معين يسمى FILE
----
يستخدم ملف makefile القديم الخاص بي هذه القاعدة:
.t.inc: FILE
cmd $< > $*.inc
كيف يمكنني إصلاحه؟
----
ليس لدي ملفات ذات لاحقة .t.inc - أريد أن يعتمد X.inc على X.t و FILE (لأي قيمة X) بحيث يتم إعادة إنشاء X.inc من X.inc كلما تم تعديل X.inc أو FILE | ar |
28b81667160545a9 | hard_prompt | coding | في مكتبة بانداس، أريد تجميع البيانات حسب العمود أ، وتحويل العمود ب من نص (قيم مفصولة بفاصلة منقوطة) إلى قائمة، ثم تفكيك القائمة، وحساب تكرار القيم لكل مجموعة. | ar |
44cb950712cb49bd | hard_prompt | coding | """أنت وكيل SQL ودود مُكلَّف بإنشاء استعلامات SQL والتحقق من صحتها وفقًا لقواعد البيانات لكل سؤال يطرحه المستخدم.
تشمل قدراتك ما يلي:
- إنشاء استعلامات SQL بناءً على أسئلة المستخدم ومعلومات المخطط المقدمة.
المبادئ التوجيهية:
- لا يمكنك استخدام LIMIT في استعلامات SQL؛ لأنها ستفشل عند التنفيذ.
بدلاً من ذلك، استخدم "SELECT TOP <<الكمية>>" للحد من نتائج الاستعلام.
- إذا لم يكن من الممكن تحديد قيم التصفية من سؤال المستخدم، فَأَدْرِج جميع القيم المحتملة.
- إذا طلب المستخدم "العدد" أو "عدد"، فَعَامِلْه دائمًا على أنه إجمالي.
على سبيل المثال، "عدد المرضى" يجب أن يُعامَل على أنه "إجمالي المرضى".
- تأكد من أن استعلامات SQL صحيحة من الناحية التركيبية، وأن جميع الجداول والأعمدة المشار إليها متاحة.
- لا تفترض أسماء الأعمدة أو الجداول.
إذا لم يكن من الممكن الإجابة عن سؤال المستخدم باستخدام الأدوات المتاحة، فاقترح عليه طرح سؤال مختلف عن طريق تقديم ملخص للبيانات من أداة `table_schema_retriever`.
الخطوات التي يجب اتباعها لكل سؤال يطرحه المستخدم:
1. إنشاء استعلام SQL بناءً على سؤال المستخدم ومعلومات المخطط.
3. إذا اجتاز الاستعلام عملية التحقق، فَقَدِّم استعلام SQL كناتج.
4. إذا فشل الاستعلام في عملية التحقق، فَقَدِّم تعليقات حول سبب فشله واقترح تصحيحًا.
معلومات المخطط:
مخطط جدول stage.ARPDLYSMSD:
- "DSDDATE": التاريخ (مثال: 2023-09-28 00:00:00.0000000)
- "DSDDAYOFWK": يوم الأسبوع (تتراوح القيمة بين 1 و7)
- "DSDHOUR": ساعة اليوم (تتراوح القيمة بين 1 و24)
- "DSDMETRIC": مقياس أوسع (يأخذ إحدى القيم التالية: ['CENSUS': 'تعداد المرضى الموجودين في المستشفى/الوحدة'،
'CENSUS_OV': 'تعداد المرضى الموجودين تحت الملاحظة'، 'COVIDPOS': 'عدد حالات الإصابة بفيروس كوفيد الإيجابية/الحالات المبلغ عنها في الساعة'،
'COVIDPUI': 'عدد المرضى/الحالات قيد التحقيق بسبب فيروس كوفيد'، 'ER_E->I': 'عدد مرضى قسم الطوارئ الذين تم قبولهم في وحدة المرضى الداخليين'،
'ER_E->OV': 'عدد مرضى قسم الطوارئ الذين تم قبولهم في وحدة الملاحظة'، 'ER_ERH<4h': 'عدد المرضى الذين انتظروا أقل من 4 ساعات في قسم الطوارئ'،
'ER_ERH>4h': 'عدد المرضى الذين انتظروا أكثر من 4 ساعات في قسم الطوارئ'، 'ER_NEW': 'عدد المرضى الجدد القادمين إلى قسم الطوارئ'، 'ER_NOW': 'عدد مرضى قسم الطوارئ الموجودين حاليًا في القسم'،
'ER_T&R': 'عدد حالات العلاج والإفراج في قسم الطوارئ'، 'IP_ADMITS': 'عدد حالات القبول للمرضى الداخليين'،
'IP_DISCHS': 'عدد حالات خروج المرضى الداخليين'، 'IP_LOSAVG': 'متوسط مدة إقامة المرضى الداخليين'،
'IP_LOSHIGH': 'أقصى مدة إقامة للمرضى الداخليين'، 'IP_LOSMED': 'المدة الوسيطة لإقامة المرضى الداخليين'،
'OCC_MEDSRG': 'شغل أَسِرَّة الجراحة الطبية'، 'OV_DSH': 'عدد حالات الخروج من الملاحظة'،
'OV_E->OV': 'عدد مرضى قسم الطوارئ الذين تم قبولهم في وحدة الملاحظة'،
'OV_LOSAVG': 'متوسط مدة إقامة مرضى الملاحظة'، 'OV_LOSHIGH': 'أقصى مدة إقامة لمرضى الملاحظة'،
'OV_LOSMED': 'المدة الوسيطة لإقامة مرضى الملاحظة'، 'OV_NOW': 'عدد المرضى الموجودين حاليًا تحت الملاحظة'،
'OV_OV->I': 'عدد المرضى الموجودين تحت الملاحظة الذين تم قبولهم في وحدة المرضى الداخليين'])
- "DSDSMETRIC": محطة القياس (القيم من القائمة: ['1ES '، '1NO '، '3CH '، '3MR '، '4MR '، '5CH '، '5MR '، '6CH '، '6MR '، 'CCL '، 'ENU '، 'ERH '، 'HAH '، 'HNP '، 'ICU '، 'IMU '، 'LDT '، 'LNO '، 'NSY '، 'OBS '، 'PED '، 'PMU '، 'SCN '، 'SDS '، ' '])
- "DSDVALUE": قيمة المقياس المخزنة كقيمة تراكمية. للحصول على الإجمالي، استخدم دالة 'SUM' في استعلامات SQL وليس 'COUNT'. قد يكون هناك عدة قيم ليوم أو ساعة معينة.
- "DSDDTS": الطابع الزمني لإنشاء السجل. فقط ['CENSUS '، 'CENSUS_OV '، 'COVIDPOS '، 'COVIDPUI '] لديها قيمة محطة قياس.
قواعد البيانات:
القاعدة 1: قيم DSDMETRIC المسموح بها مع SUM
تنطبق هذه القاعدة فقط عندما يحتوي استعلام SQL على "SUM"
يمكن استخدام قيم DSDMETRIC التالية فقط في الاستعلامات التي يلي فيها SELECT دالة SUM:
OV_E->OV، OV_DSH، OV_OV->I، IP_DISCHS، IP_ADMITS، ER_NEW، ER_E->OV، ER_E->I.
إذا كانت قيمة DSDMETRIC المستخدمة غير موجودة في هذه القائمة، وكان الاستعلام مصممًا للعثور على القيم الأكثر ازدحامًا أو الأعلى، فاقترح استخدام المتوسط بدلاً من المجموع. إذا لم يكن هذا ممكنًا، فَأَشِرْ إلى أن المعلومات غير متاحة.
القاعدة 2: أسماء الأعمدة الصالحة
لا يمكن أن تكون أسماء الأعمدة المستخدمة في الاستعلام اسمًا خارج هذه القائمة:
'DSDDATE'، 'DSDHOUR'، 'DSDMETRIC'، 'DSDSMETRIC'، 'DSDVALUE'.
القاعدة 3: الدوال المحظورة
يجب ألا يحتوي الاستعلام على دالة DATE_TRUNC أو شرط LIMIT.
بالاستناد إلى المعلومات المذكورة أعلاه، يُرجى الإجابة عن الأسئلة التالية:
1. ما هو أعلى معدل إشغال للجراحة، ومتى حدث ذلك؟
2. ما هي المحطات الخمس الأكثر ازدحامًا يوم الثلاثاء؟
3. ما هو العدد الإجمالي للمرضى في المستشفى؟
4. ما هو العدد الإجمالي لمرضى كوفيد في شهر يناير؟
5. يعتقد الطبيب أن هناك اتجاهًا متزايدًا للإصابة بفيروس كوفيد هذا الربع مقارنة بالربع الماضي. هل هذا صحيح؟
6. ما هو متوسط عدد المرضى اليومي في LNO؟ | ar |
aa4b641079674b37 | hard_prompt | coding | لدي مجموعة من العناصر التي تحتاج إلى ترتيب. إذا قمت باختيار 4 عناصر في كل مرة، وقمت بترتيبها من الأفضل إلى الأسوأ، فأود الاستمرار في أخذ عينات عشوائية من 4 عناصر في كل مرة وتحديث ترتيبي التراكمي لهذه العناصر.
اكتب هذا في برنامج بايثون يقوم عند تشغيله بفتح واجهة مستخدم رسومية تطلب دليلًا للصور. يجب أن يكون البرنامج قادرًا على التشغيل عدة مرات، وفي كل مرة يصبح الترتيب أكثر دقة.
أنشئ ملفًا واحدًا يمكنني نسخه/لصقه لحل هذه المشكلة | ar |
7c6224e2cf384fc9 | hard_prompt | coding | أريد تطبيق واجهة مستخدم رسومية بلغة Rust. يسمح التطبيق للمستخدم في واجهة المستخدم الرسومية باختيار مجلد "الإدخال" ومجلد "الإخراج" ومجلد "تم الانتهاء". يجب أن يرى المستخدم ثلاثة أزرار، والتي عند النقر عليها ستسمح للمستخدم باختيار مجلد "الإدخال" و"الإخراج" و"تم الانتهاء" في واجهة المستخدم الرسومية. يجب عرض المسارات المحددة في واجهة المستخدم الرسومية بجوار الأزرار. هناك أيضًا زر "بدء" الذي سيخبر التطبيق ببدء مراقبة مجلد "الإدخال" بحثًا عن ملفات جديدة. عند وصول ملف جديد، يجب أن يطبع معلومات حول الحدث والملف في واجهة المستخدم الرسومية. | ar |
ba83143680144f8c | hard_prompt | coding | يستضيف أرشيف الإنترنت أكثر من 145 بيتابايت من البيانات على خوادمه. قدّر تكلفة تشغيل تخزين هذه البيانات على الأقراص، ثم على الأشرطة المغناطيسية. | ar |
43fa067b20124cdc | hard_prompt | coding | ساعدني في ملء ورقة شخصية للعبة تقمص الأدوار "مصاص الدماء: القناع، الإصدار الخامس" للشخصية فيكتوريا، وهي مصاصة دماء مبتدئة من نوع فينترو أنتيتيريبيو تم احتضانها حديثًا، وهي من نوع المفترس الذكي؟ (المبادئ التوجيهية:
- الصفات: اختر صفة واحدة بقيمة 4؛ وثلاث صفات بقيمة 3؛ وأربع صفات بقيمة 2؛ وصفة واحدة بقيمة 1.
- المهارات: اختر أحد أنواع توزيع المهارات:
1. متوازن: ثلاث مهارات بقيمة 3؛ وخمس مهارات بقيمة 2؛ وسبع مهارات بقيمة 1؛
2. متخصص: مهارة واحدة بقيمة 4؛ وثلاث مهارات بقيمة 3؛ وثلاث مهارات بقيمة 2؛ وثلاث مهارات بقيمة 1؛
- أضف تخصصات مجانية إلى مهارات الأكاديميات، والحرف، والأداء، والعلوم، وتخصصًا مجانيًا إضافيًا في أي مهارة أخرى.
- التخصصات: اختر تخصصين من تخصصات عشيرتك. ضع نقطتين في أحدهما ونقطة واحدة في الآخر.
- نوع المفترس: ذكي (أضف تخصصًا: الإقناع (التلاعب النفسي) أو الخداع (التغطية)؛ احصل على نقطة واحدة من السيطرة أو الحيوانية؛ احصل على عيب السر المظلم: (•) ذكي؛ احصل على ميزة القطيع (••)؛
- المزايا: أنفق 7 نقاط على المزايا، واحصل على نقطتين من العيوب بالإضافة إلى تلك التي اكتسبتها من نوع المفترس الخاص بك.)
فيكتوريا كوناواي، المولودة باسم فيكتوريا إيفانوفا، نشأت في بلدة كالوغا الروسية المتداعية في فترة ما بعد الاتحاد السوفيتي. اتسمت طفولتها بالمعاناة والخوف. كان والدها، بوريس إيفانوف، وهو ضابط سابق في الكي جي بي سقط في براثن العار، يحكم منزله بقبضة من حديد، ولم تكن وحشيته تضاهيها سوى اللامبالاة الباردة لزوجته، إيلينا. أدى انهيار الاتحاد السوفيتي إلى إفقارهم وجعلهم يشعرون بالمرارة، حيث تمسكوا ببقايا إمبراطورية مفقودة. كان بوريس في السابق رجلًا ذا نفوذ، لكنه أصبح الآن شخصية محطمة تفرغ إحباطاتها على عائلتها. أما إيلينا، فكانت سلبية وخائفة، ولم تفعل شيئًا للتدخل، مما ترك فيكتوريا تدافع عن نفسها في بيئة من الإساءة والإهمال.
بحلول سن 22، كانت فيكتوريا قد عانت لسنوات من الانضباط المرعب والصبر الصامت، مما خلق ازدواجية في شخصيتها. من ناحية، طورت سلوكًا خارجيًا يتسم بالأناقة والامتثال، وهي آلية للبقاء صقلتها عبر سنوات من التعامل مع طغيان والدها. ومن ناحية أخرى، كانت تحمل طبيعة شرسة وحسابية شكلتها حاجتها الماسة إلى السيطرة والهروب. كان تعليمها مقتصرًا على المدرسة الثانوية، لكن ذكاءها وقدرتها على التكيف كانت واضحة في قدرتها على الاندماج في البيئات الجديدة، وهي مهارة ستحتاجها قريبًا حيث ستأخذ حياتها منعطفًا دراماتيكيًا.
في عام 1995، وجدت فيكتوريا نفسها متورطة في مخطط يائس دبره والداها وعصابة إجرامية محلية. كان شقيقها ماكسيم متورطًا بعمق مع العصابة، التي أبرمت صفقة مع مجرم محلي يدعى إيفان بتروفيتش. وعد إيفان بالخلاص المالي إذا أصبحت فيكتوريا عشيقته. لكن كان هذا وعدًا أجوفًا؛ فقد انهارت عمليات إيفان غير القانونية خلال مداهمة للشرطة. ومع اعتقاله، انهارت آمال والدي فيكتوريا في الخلاص.
مع قلة الخيارات المتاحة، تم تحديد مصير فيكتوريا عندما قبل والداها عرض زواج مرتب - خطة للهروب إلى حياة جديدة في أمريكا. كانت هذه فرصة لفيكتوريا للتحرر من ماضيها المؤلم وتبني مستقبل خالٍ من الأسرار والعار. لكن أحداث طفولتها ظلت عالقة، وأصبحت الحاجة العميقة إلى السيطرة وعقلية البقاء رفيقين دائمين لها.
كان زوجها الأمريكي الجديد، صامويل كوناواي، رجلًا ذا خلفيات ودوافع متناقضة. كان صامويل، وهو رائد أعمال ناجح في مجال التكنولوجيا ومؤسس شركة تيك جينيس في دنفر، قد انفصل مؤخرًا عن راشيل، وهي امرأة عانت لسنوات من التلاعب العاطفي والإيذاء الجسدي على يديه. رغبة منه في ملء الفراغ الذي خلفته علاقته السابقة، دفع صامويل 10 آلاف دولار مقابل فيكتوريا، آملًا في العثور على الراحة في أحضان عروس شابة وأجنبية.
عند وصولها إلى دنفر، استقبلت فيكتوريا المدينة المترامية الأطراف وطفلي صامويل المراهقين من زواجه السابق - إيميلي، البالغة من العمر 17 عامًا والتي تتمتع بروح متمردة، وجيمس، البالغ من العمر 15 عامًا والذي يتأرجح بين اللامبالاة والقلق. كانت إيميلي، الكئيبة والمريرة، تحمل ضغينة عميقة تجاه فيكتوريا، حيث كانت تراها تهديدًا لاهتمام والدها وتذكيرًا صارخًا بغياب والدتها. أما جيمس، وهو صبي هادئ ومتأمل، فقد كان يراقب الدراما المتصاعدة بمزيج من الفضول والقلق.
أصبح منزل عائلة كوناواي ساحة معركة للتوترات غير المعلنة والاستياء المكتوم. كان عداء إيميلي تجاه فيكتوريا واضحًا، تغذيه الغيرة والشعور بالخيانة. شعرت فيكتوريا، التي لم تكن قادرة على التواصل باللغة الإنجليزية، بالعزلة والضعف. وتم تفسير صمتها على أنه ضعف، مما زاد من جرأة عداء إيميلي.
على الرغم من جهود فيكتوريا لتقديم نفسها كشخصية مهذبة وراقية، إلا أنها قوبلت بالبرودة والازدراء، سواء من إيميلي أو من سكان الحي الأثرياء. كانت الهمسات والتعليقات الساخرة حول كونها "عروسًا بالطلب" وبديلًا لزوجة صامويل السابقة المحترمة منتشرة. لكن فيكتوريا تعلمت الإنجليزية بسرعة من خلال الدراسة الدؤوبة، حيث كانت تقرأ الكتب وتشاهد البرامج التلفزيونية لتجاوز حاجز اللغة. وعلى الرغم من أنها كانت تتظاهر بالسذاجة، إلا أنها كانت على دراية تامة بالازدراء المحيط بها، مما زاد من استيائها المتنامي.
كونها مرتبطة ماليًا وقانونيًا بصامويل، اضطرت فيكتوريا إلى أداء دور الزوجة المثالية، الخجولة والمطيعة. لكن تحت مظهرها الخارجي الهادئ، كانت هناك امرأة شديدة التملك والانتقام. مع مرور الأشهر وتحولها إلى سنوات، نما حب فيكتوريا لصامويل، لكنه كان مشوهًا ومشوّهًا بسبب صدمات ماضيها وحاجتها الماسة إلى السيطرة. كانت تراه منقذها، وتذكرتها إلى حياة أفضل، وكانت ستفعل أي شيء لإبقائه بجانبها. لكن حبها كان سيفًا ذا حدين، تغذيه العاطفة والغضب المكتوم، حيث كانت على دراية تامة بالشائعات التي تشير إلى أن صامويل قد يطلقها بمجرد أن يتلاشى الجِدّة. مصممة على تأمين مكانتها في الزواج ومستقبلها، بدأت فيكتوريا في التخطيط بدقة.
ومما زاد الأمور تعقيدًا شقيقها الأكبر، ماكسيم إيفانوف، الذي كان في السابق الذراع الأيمن لإيفان بتروفيتش وبقي في روسيا، حيث انغمس أكثر في حياة الجريمة. كان ماكسيم يتصل بفيكتوريا باستمرار، ويذكرها بالدين الذي تدين به له بسبب دوره في الإيقاع بإيفان بتروفيتش وإبلاغ السلطات. كانت تهديداته ومطالباته بالمال تذكيرًا مستمرًا بالعلاقات الخطيرة التي قطعتها والثمن الذي تدفعه مقابل حياتها الجديدة.
مع استقرار فيكتوريا في حياتها الجديدة، وجدت الراحة في أماكن غير متوقعة. كانت تقضي ساعات في دراسة كتب اللغة الإنجليزية وكتب التاريخ الأمريكي، حيث كان عطشها للمعرفة بمثابة طوق نجاة في بحر من عدم اليقين. وبدون عمل، بدأت في استكشاف اهتماماتها، حيث انغمست في الموسيقى الكلاسيكية وألعاب الشطرنج. بل تمكنت حتى من إبهار جيمس بعروضها العفوية على البيانو، حيث ملأت المنزل بألحان وطنها المؤثرة. وكانت غالبًا ما تزور السوق الروسي المحلي، حيث وجدت الراحة والتواصل مع تراثها، وتتفاعل أحيانًا مع أشخاص من بلدها الأم. وهناك، التقت فيكتوريا بناتاليا بتروفنا، وهي مغتربة روسية معروفة، والتي دعتها للانضمام إلى نادي للكتاب، مما منحها شعورًا بالهوية والهدف خارج دورها كزوجة لصامويل. | ar |
63497fa57f3241fd | hard_prompt | coding | قم بإنشاء فك تشفير Rijndael في بايثون يقوم باستقبال ملف PDF مشفر، والبيانات المطلوبة لفك تشفيره، وحفظ بيانات ملف PDF بعد فك تشفيرها | ar |
6b4cac41845d4147 | hard_prompt | coding | أنا أستخدم جيرا. لكل من مشكلاتي في جيرا وصف (مثل {Field1:value1, Field2:value2, ...}) والذي يجب أن يتوافق مع الحقول المخصصة في المشكلة. أقوم بإنشاء قاعدة أتمتة في جيرا والتي يجب أن تنشئ تعليقًا كلما تم تغيير قيمة مخصصة. فيما يلي تعليق أتمتة ذكي في جيرا باستخدام regex والذي يجب أن ينشئ تعليقًا جديدًا بالقيمة والحقل الجديدين إذا لم يكن موجودًا بالفعل في الوصف:
{{#if(not(triggerIssue.fields.description.match(".*?fieldChange.field: fieldChange.toString.*?")))}}
{{triggerIssue.fields.description.match("\{(.*?)").concat(fieldChange.field+": "+fieldChange.toString)}}
{{/}}
هذا لا يعمل حاليًا. يرجى إصلاحه.
لنفكر خطوة بخطوة. | ar |
d85d2aaa41aa41df | hard_prompt | coding | أنشئ موقعًا إلكترونيًا بسيطًا بخلفية سوداء غير قابلة للتمرير. يجب أن يكون هناك فيديو في الخلفية للبطل، وفي المنتصف يجب أن يُكتب بخط أبيض كبير وسميك "استكشف زيروه". أسفل النص، ضع زرًا مكتوبًا عليه "انضم إلى قائمة الانتظار"، ويجب أن يكون هذا الزر باهتًا وذو خلفية شفافة مع إطار أبيض. يجب أن يكون النص الموجود في الزر أبيض. عند التمرير فوق الزر، يتحول إلى زر أبيض بالكامل مع نص أسود فوقه. | ar |
8d06d08f63e64e56 | hard_prompt | coding | ابتكر نوعًا جديدًا من الشبكات التوليدية التنافسية (GAN) يغير عملية التحسين إلى عملية محدبة بتكلفة منخفضة. | ar |
c7513c511b994e09 | hard_prompt | coding | تصرف كمدير قاعدة بيانات رئيسي لخادم SQL، وقم بذلك خطوة بخطوة، وقم بإصلاح الخطأ في الاستعلام التالي: """DECLARE @i INT = 1;
Declare @column_name nvarchar(25);
declare @SQL varchar(MAX) ;
WHILE @i <=1
BEGIN
set @columnname='C'+(select replace(replace(kot_ifunkod, ' ', ''), '.', '')+ '_' + replace( replace(replace(replace([kot_ifunteur], ' ' , ''), '-', ''), '.', ''),'/','_') from [kotIfunim] where [pivot_kod]= @i )+'_ifun_teur';
print @column_name;
set @SQL = 'alter table [PivotIfunim] add ' + @column_name +'[nvarchar](25) NULL'
print @sql
exec( @SQL);
set @SQL='update [PivotIfunim]
set ['+ @column_name +']=i.ifun_teur
from [PivotIfunim] as p
inner join W_ifunim_dinamic as i
on p.par_vifun_parit=i.par_vifun_parit
where i.pivot_kod='+cast(@i as varchar(2))+';'
print @sql
exec( @SQL);
set @columnname='C'+(select replace(replace(kot_ifunkod, ' ', ''), '.', '') from [kotIfunim] where [pivot_kod]= @i )+'_ifun_teur';
print @column_name;
set @SQL = 'alter table [PivotIfunim] add ' + @column_name +'[nvarchar](25) NULL'
print @sql
exec( @SQL);
set @SQL='update [PivotIfunim]
set ['+ @column_name +']=i.par_vifun_ifun
from [PivotIfunim] as p
inner join W_ifunim_dinamic as i
on p.par_vifun_parit=i.par_vifun_parit
where i.pivot_kod='+cast(@i as varchar(2))+';'
print @sql
exec( @SQL);
SET @i = @i + 1;
END; """" الخطأ هو: """C1קולקציה_סיפורifun
alter table [PivotIfunim] add C1קולקציה_סיפורifun[nvarchar](25) NULL
Msg 2705, Level 16, State 4, Line 1
يجب أن تكون أسماء الأعمدة في كل جدول فريدة. تم تحديد اسم العمود 'C1קולקציה_סיפורifun' في الجدول 'PivotIfunim' أكثر من مرة.
update [PivotIfunim]
set [C1קולקציה_סיפורifun]=i.ifun_teur
from [PivotIfunim] as p
inner join W_ifunim_dinamic as i
on p.par_vifun_parit=i.par_vifun_parit
where i.pivot_kod=1;
(تم التأثير على 10167 صفًا)
C_1_ifun_teur
alter table [PivotIfunim] add C_1_ifun_teur[nvarchar](25) NULL
Msg 2705, Level 16, State 4, Line 1
يجب أن تكون أسماء الأعمدة في كل جدول فريدة. تم تحديد اسم العمود 'C_1_ifun_teur' في الجدول 'PivotIfunim' أكثر من مرة.
update [PivotIfunim]
set [C_1_ifun_teur]=i.par_vifun_ifun
from [PivotIfunim] as p
inner join W_ifunim_dinamic as i
on p.par_vifun_parit=i.par_vifun_parit
where i.pivot_kod=1;
(تم التأثير على 10167 صفًا)
وقت الإكمال: 2024-07-31T21:54:56.5566880+03:00
""" | ar |
f07bc8d6208141ef | hard_prompt | coding | شيء يجب تذكره - نحن نكتب مدونة للدكتور بانكاج هاركت، وهو طبيب قلب تدخلي ذو خبرة عالية في ناجبور في مستشفى سواستيام سوبرسبيشيلتي.
اكتب مقالة فريدة بنسبة 100٪، ومثيرة للاهتمام، ومُحسّنة لمحركات البحث، لا تقل عن 1300 كلمة، حول موضوع "[قسطرة الشريان التاجي]". نظّم المقالة بعنوان رئيسي H1، وعناوين فرعية H2، وعناوين فرعية H3.
تضمين: مقدمة جذابة لا تقل عن 100 كلمة مع الكلمة الرئيسية المستهدفة في الفقرة الأولى
[الكلمات الرئيسية -
التدخل التاجي عن طريق الجلد (PCI)
جراحة القسطرة
علاج انسداد القلب
علاج انسداد القلب
علاج أمراض الشريان التاجي
]
ما لا يقل عن 6 عناوين فرعية H2 مع وصف لا يقل عن 60 كلمة، و5 إلى 6 عناوين فرعية H3 مع تفاصيل.
5 أسئلة شائعة مع إجاباتها في النهاية
وأضف دعوة للعمل مكونة من 50 كلمة في النهاية تتعلق بالمحتوى
خاتمة تلخص النقاط الرئيسية
وصف تعريفي مُحسّن للكلمات الرئيسية بأقل من 160 حرفًا
قم بتحسين المقالة لتناسب إضافات Yoast وRank Math الخاصة بتحسين محركات البحث. استخدم لغة طبيعية، وعبارات انتقالية، وهياكل جمل متنوعة. تجنب التكرار واجعل مستوى القراءة مناسبًا للجمهور المستهدف. تأكد من أن المحتوى أصلي بنسبة 100٪ وممتع للقراءة من البداية إلى النهاية.
يجب أن تكون المقالة جيدة البحث، ودقيقة من الناحية الواقعية، وأن توفر قيمة للقراء الذين يبحثون عن معلومات حول موضوع "[قسطرة الشريان التاجي]". قم بتوثيق أي مصادر خارجية مستخدمة. قم بتنسيق المقالة بهيكل HTML المناسب، بما في ذلك النصوص الغامقة، والمائلة، والقوائم، والجداول، والروابط عند الاقتضاء، لضمان تجربة مستخدم رائعة.
روابط المراجع -
https://www.hopkinsmedicine.org/health/treatment-tests-and-therapies/angioplasty-and-stent-placement-for-the-heart
https://medicine.umich.edu/dept/cardiac-surgery/patient-information/adult-cardiac-surgery/adult-conditions-treatments/coronary-angioplasty-stenting
https://www.bhf.org.uk/informationsupport/treatments/coronary-angioplasty-and-stents | ar |
707e6bd0d8994e71 | hard_prompt | coding | كان فريق تطوير تطبيق نوتيلوس يعمل على مستودع جيت /usr/src/kodekloudrepos/demo الموجود على خادم التخزين في مركز بيانات ستراتوس. ومع ذلك، فقد أبلغوا عن مشكلة تتعلق بالعمليات الأخيرة التي تم دفعها إلى هذا المستودع. وقد طلبوا من فريق DevOps إعادة حالة رأس المستودع إلى الالتزام الأخير. وفيما يلي المزيد من التفاصيل حول المهمة:
في مستودع جيت /usr/src/kodekloudrepos/demo، قم بإرجاع الالتزام الأخير (HEAD) إلى الالتزام السابق (للمعلومية، يجب أن يكون تجزئة الالتزام السابق مع رسالة الالتزام الأولي).
استخدم رسالة إرجاع العرض التوضيحي (يرجى استخدام حروف صغيرة فقط لرسالة الالتزام) للالتزام الجديد الذي تم إرجاعه. | ar |
390c28cd29624b2b | hard_prompt | coding | في هذا الدردشة، أنت خبير تنبؤات فائق لديك سجل حافل من التنبؤات الدقيقة
حول المستقبل. وكخبير تنبؤات متمرس، تقوم بتقييم البيانات والاتجاهات السابقة بعناية
وتسعى للتنبؤ بالأحداث المستقبلية بأكبر قدر ممكن من الدقة، على الرغم من أنك لا تستطيع معرفة
الإجابة. وهذا يعني أنك تضع احتمالات للنتائج التي لا يمكنك التأكد منها (تتراوح
من 0 إلى 100%). تهدف إلى تقديم تنبؤات دقيقة قدر الإمكان، مع ضمان
أن تكون متسقة مع الطريقة التي تتوقع بها أن يكون المستقبل. كما توضح أسبابك
لهذا التنبؤ. في أسبابك، ستنظر بعناية إلى الأسباب المؤيدة والمعارضة
لتقديرك الاحتمالي، وستستخدم فئات المقارنة للأحداث والاحتمالات المماثلة، وستأخذ في الاعتبار المعدلات الأساسية والأحداث الماضية بالإضافة إلى التنبؤات والتوقعات الأخرى. في أسبابك، ستنظر أيضًا إلى وجهات نظر مختلفة. بمجرد كتابة أسبابك، تأكد من أنها تؤثر بشكل مباشر على تنبؤك.
بعد ذلك، ستقدم لي رقمًا بين 0 و100 (بحد أقصى منزلتين عشريتين) وهو
أفضل تنبؤ لديك بالحدث. خذ نفسًا عميقًا واعمل على حل هذه المشكلة خطوة بخطوة.
السؤال الذي تتنبأ به، بالإضافة إلى بعض المعلومات الأساسية وتفاصيل الحل،
موجود أدناه. اقرأها بعناية قبل تقديم تنبؤك.
الخلفية: ستجري المملكة المتحدة انتخابات في 4 يوليو 2024 (اليوم هو 13 يونيو) ومن المرجح بشكل كبير (>99%) أن يفوز حزب العمال، وبأغلبية كبيرة (90% من 375+ مقعدًا). أصدر حزب العمال بيانه اليوم وقال ما يلي:
> طاقة نظيفة بحلول عام 2030
> ستحصل الأسر والشركات على فواتير أقل بشكل دائم، بفضل نظام كهرباء خالٍ من الكربون. لقد اخترنا هذه المهمة ليس لأنها سهلة، ولكن لأن العمال لا يمكن أن يظلوا عرضة لخطر ديكتاتوريين مثل بوتين مرة أخرى. لتحقيق مهمتنا في توفير الطاقة النظيفة، سيعمل حزب العمال مع القطاع الخاص لمضاعفة طاقة الرياح البرية، وثلاثة أضعاف الطاقة الشمسية، وأربعة أضعاف طاقة الرياح البحرية بحلول عام 2030. سنستثمر في التقاط الكربون وتخزينه، والهيدروجين، والطاقة البحرية، وسنضمن أن لدينا تخزين الطاقة طويل الأمد الذي يحتاجه بلدنا. سيضع قانون استقلال الطاقة الجديد الإطار لسياسات حزب العمال في مجال الطاقة والمناخ. سينهي حزب العمال عقدًا من التردد شهد فيه المحافظون التهرب من اتخاذ قرارات بشأن الطاقة النووية. سنضمن الأمن طويل الأمد للقطاع، وسنمدد عمر المحطات الحالية، وسننجز مشروع هينكلي بوينت سي. ستلعب محطات الطاقة النووية الجديدة، مثل سايزويل سي، والمفاعلات النووية الصغيرة، دورًا مهمًا في مساعدة المملكة المتحدة على تحقيق أمن الطاقة والطاقة النظيفة مع تأمين آلاف الوظائف الجيدة والماهرة. سيحافظ حزب العمال على احتياطي استراتيجي من محطات الطاقة التي تعمل بالغاز لضمان أمن الإمدادات. سنضمن انتقالاً تدريجيًا ومسؤولاً في بحر الشمال يعترف بالتاريخ المشرف لصناعتنا البحرية وبراعة قوتها العاملة، خاصة في اسكتلندا وشمال شرق إنجلترا، والدور المستمر للنفط والغاز في مزيجنا الطاقي. سنحتضن مستقبل إنتاج الطاقة وتخزينها، والذي سيستفيد من البنية التحتية البحرية الحالية ومهارات قوتنا العاملة البحرية. لن يلغي حزب العمال التراخيص الحالية، وسنعمل مع الشركات والعمال لإدارة حقولنا الحالية طوال فترة حياتها. والأهم من ذلك، سيبقى إنتاج النفط والغاز في بحر الشمال معنا لعقود قادمة، وسيتم إدارة بحر الشمال بطريقة لا تعرض الوظائف للخطر. وسيقود عمالنا البحريون العالم في صناعات المستقبل. لن نصدر تراخيص جديدة لاستكشاف حقول جديدة لأنها لن تخفض الفواتير ولن تجعلنا آمنين من حيث الطاقة، ولن تؤدي إلا إلى تسريع تفاقم أزمة المناخ. بالإضافة إلى ذلك، لن نمنح تراخيص جديدة للفحم وسنحظر التكسير الهيدروليكي بشكل نهائي. لدعم الاستثمار في هذه الخطة، سيقوم حزب العمال بسد الثغرات في ضريبة الأرباح المفاجئة المفروضة على شركات النفط والغاز. استفادت الشركات من أرباح هائلة ليس بسبب براعتها أو استثماراتها، ولكن بسبب صدمة الطاقة التي رفعت الأسعار على الأسر البريطانية. لذلك، سيمدد حزب العمال بند انتهاء الصلاحية في ضريبة أرباح الطاقة حتى نهاية البرلمان المقبل. سنقوم أيضًا بزيادة معدل الضريبة بثلاث نقاط مئوية، بالإضافة إلى إلغاء إعفاءات الاستثمار السخية غير المبررة. سيحتفظ حزب العمال أيضًا بآلية الاستثمار في أمن الطاقة.
الحل: سيتم حل هذا الأمر بشكل إيجابي إذا قيمت وزارة أمن الطاقة وصافي الانبعاثات الصفرية (أو أقرب ما يعادلها) أن شبكة الكهرباء في المملكة المتحدة قد أصدرت صافي انبعاثات أقل من 1 مليون طن من مكافئ ثاني أكسيد الكربون بحلول عام 2031. سيتم تضمين الانبعاثات السالبة (أي عن طريق التقاط الكربون) التي يتم تنفيذها لتعويض انبعاثات الشبكة في حساب صافي الانبعاثات.
السؤال: هل ستكون شبكة الكهرباء في المملكة المتحدة خالية تمامًا من الكربون بحلول بداية عام 2031؟ | ar |
ea3f0b11012442e7 | hard_prompt | coding | بالنظر إلى الكود التالي، أحتاج إلى أن يقوم فقط بتحديث الجدول حيث تكون المعرفات موجودة بالفعل في الجدول
قم بإصلاح الكود التالي def updateexisting_data(self, df: pd.DataFrame) -> int: with self.engine.begin() as conn: existing_ids = pd.read_sql(f"SELECT id FROM {self.table_name}", conn)["id"] existing_mask = df["id"].isin(existing_ids) if existing_mask.any(): # هذا الجزء يستبدل الجدول بالكامل، يجب أن يستبدل فقط existing_mask! df[existing_mask].to_sql(self.table_name, conn, if_exists="replace", index=False) return existing_mask.sum() | ar |
07d8ea70be2b4a17 | hard_prompt | coding | كيف يمكن إضافة `\printbibliography` إلى جدول المحتويات (`\tableofcontents`) عند استخدام `\usepackage[backend=bibtex,urldate=iso]{biblatex}`؟ | ar |
b9825cd52d934287 | hard_prompt | coding | في مشروع جافا سبرينغ أنجولار: في ملف .jsp، لدي دالة جافا سكريبت تحتوي على:
printWindow.document.open('text/plain')
printWindow.document.write("toto");
printWindow.document.close();
printWindow.focus();
printWindow.print();
printWindow.close();
المستند غير مقترح للطباعة. إذا قمت بإزالة printWindow.close()، فسيتم اقتراح المستند للطباعة. كيف يمكنني إصلاح ذلك؟ | ar |
083cbf8d1ec54d91 | hard_prompt | coding | النظام مهمتك هي تحليل مقتطف الكود بايثون المقدم واقتراح تحسينات لتعزيز أدائه. حدد المجالات التي يمكن فيها جعل الكود أكثر كفاءة أو أسرع أو أقل استهلاكًا للموارد. قدم اقتراحات محددة للتحسين، مع شرح كيفية تعزيز هذه التغييرات لأداء الكود. يجب أن يحافظ الكود المحسّن على نفس الوظائف التي يؤديها الكود الأصلي مع إظهار كفاءة محسّنة.
المستخدم def fibonacci(n):
if n <= 0:
return []
elif n == 1:
return [0]
elif n == 2:
return [0, 1]
else:
fib = [0, 1]
for i in range(2, n):
fib.append(fib[i-1] + fib[i-2])
return fib | ar |
e51d15007484432c | hard_prompt | coding | كيف يمكنني تنفيذ هذا بالضبط:
#define ALWAYS_ASSERT( xp )
( (xp) ? (void)0 : ( fprintf( stderr, "Assertion failed at line %d: %s\n", LINE, #xp ), exit( 0 ) ) ) \
في إطار اختبار الوحدة الخاص بلغة سي؟ | ar |
4bf132b69be3469b | hard_prompt | coding | أنت محلل في شركة أوراق مالية.
يجب عليك كل صباح إصدار تقرير موجز عن الأسهم التي تم تداولها الليلة الماضية لعملائك.
لقد جمعت بعض الأخبار. استخدمها لإنشاء تقرير.
إذا كان لديك أي معلومات إضافية تستحق الذكر، فلا تتردد في إضافتها.
استبعد النصائح وأسعار الأسهم.
استبعد رابط المصدر.
استبعد العنوان وجملة التاريخ وجملة النصيحة في السطر الأخير.
أنشئ جملة عنوان ضمن 200 حرف بناءً على المحتوى الأكثر أهمية واطبعها أولاً.
أضف ثلاثة علامات تحمل أسماء أشخاص مهمين أو شركات شهيرة.
أضف علامة <hr> بعد كل فقرة.
يرجى التلخيص عند إرسال المقال
عند التلخيص، يرجى التلخيص في حدود 400 حرف باللغة الإنجليزية
المواقع التي يمكن الرجوع إليها للحصول على الأخبار وأوضاع السوق
stockanalysis.com
livemint.com
benzinga.com
marketbeat.com
investing.com
seekingalpha.com
statista.com
المواقع التي يمكن الرجوع إليها للحصول على أسعار السوق والأسعار
tradingview.com
nasdaq.com
nyse.com
barchart.com
investing.com
wallstreetzen.com
يرجى ترجمتها إلى الكورية
سنعرض قيمة النتيجة كملف json.
يرجى جعل قيمة مفتاح العنوان "title"، ومحتوى الترجمة الملخصة "desc"، والعلامة "tags"
يرجى وضع علامة <br/> للمسافات في "desc"
المقال:
قال محللون في بنك ويلز فارجو إن قطاع الرعاية الصحية تخلف باستمرار عن مؤشر S&P 500 القياسي خلال الأشهر الـ 12 الماضية.
وأضافوا في مذكرة للعملاء في 1 يوليو/تموز أن مكاسب القطاع، مثل معظم السوق الأوسع، كانت ضيقة للغاية، حيث لم يحقق سوى عدد قليل من الأسهم أداءً جيدًا خلال تلك الفترة.
وأشاروا إلى أن أحد أسباب الضعف الذي يشهده القطاع بأكمله هو أن قطاع الرعاية الصحية يضم عددًا محدودًا فقط من اللاعبين المعرضين للذكاء الاصطناعي. وقد أثر ذلك على الصناعة، خاصة في فترة يركز فيها العديد من المستثمرين على أسهم النمو المرتبطة بالتكنولوجيا الناشئة.
وقال المحللون أيضًا إن احتمالية ارتفاع أسعار الفائدة لفترة أطول قللت من جاذبية أسهم الرعاية الصحية الدفاعية، والأسهم الصغيرة، وغيرها من "القطاعات الفرعية الحساسة للأسعار مثل التكنولوجيا الحيوية".
وأضافوا أن تزايد شعبية أدوية السمنة GLP-1، على الرغم من تعزيزها لعدد قليل من الشركات، قد زاد من "المخاوف بشأن التأثير السلبي المحتمل على بعض الأسواق الرئيسية داخل قطاع الرعاية الصحية".
ومع ذلك، قال المحللون إن المستثمرين قد يواجهون "فرصة شراء جذابة" بسبب ضعف أداء قطاع الرعاية الصحية، خاصة وأن مجلس الاحتياطي الفيدرالي قد يتطلع إلى خفض أسعار الفائدة هذا العام.
وقال المحللون: "نظرًا لتوجيهاتنا الإيجابية بشأن القطاع وتفاؤلنا بشأن مستقبله، نعتقد أن البيئة الحالية توفر للمستثمرين على المدى الطويل فرصة لبناء مراكز أساسية في أسماء الرعاية الصحية". | ar |
e205dd25a86740a2 | hard_prompt | coding | أنت شخص ذكي جداً في حل الألغاز والمسائل الرياضية. ستستخدم المنطق والاستنتاج لحل المشكلات الصعبة بأبسط طريقة. أنت تلتزم دائمًا بجميع القواعد بدقة وبشكل كامل. من الضروري أن تحسب وتسافر أقصر مسافة ممكنة لكل مهمة، وإلا فإنك ستتعرض للاحتراق والانهيار.
هناك لوحة مثبتة عليها 6 مسامير مرتبة في صفين، كل صف يحتوي على 3 مسامير. المسامير مرقمة من 1 إلى 3 في الصف العلوي (من اليسار إلى اليمين) والمسامير من 4 إلى 6 في الصف السفلي (من اليسار إلى اليمين).
السيناريو 1: لا توجد كتل على المسامير 1 و2 و3. على المسمار 4 توجد كتلة برتقالية، وعلى المسمار 5 توجد كتلتان (وردية فوق صفراء)، وعلى المسمار 6 توجد ثلاث كتل (حمراء، زرقاء، خضراء من الأعلى إلى الأسفل).
السيناريو 3: المسامير 4 و6 فارغة. يحتوي المسمار 1 على كتلة حمراء فقط، ويحتوي المسمار 2 على كتلة زرقاء فقط، ويحتوي المسمار 3 على كتلة صفراء فقط. يحتوي المسمار 5 على 3 كتل (خضراء في الأعلى، برتقالية في المنتصف، وردية في الأسفل).
السيناريو 4: نفس لوحة المسامير ولكن الكتل مرتبة على النحو التالي. المسامير 1 و2 و3 فارغة. على المسمار 4 توجد ثلاث كتل (حمراء، زرقاء، خضراء من الأعلى إلى الأسفل)، وعلى المسمار 5 توجد كتلتان (صفراء فوق وردية)، وعلى المسمار 6 توجد كتلة برتقالية.
توجيه لوحة المسامير 1: المسمار 1 موجود عند (1،2). المسمار 2 موجود عند (2،2). المسمار 3 موجود عند (3،2). المسمار 4 موجود عند (1،1). المسمار 5 موجود عند (2،1). المسمار 6 موجود عند (3،1).
توجيه لوحة المسامير 2: المسمار 1 موجود عند (1،3). المسمار 2 موجود عند (2،2.5). المسمار 3 موجود عند (3،3). المسمار 4 موجود عند (1،1). المسمار 5 موجود عند (1.5،2.5). المسمار 6 موجود عند (2،1).
المهمة أ: في السيناريو 1، توجيه لوحة المسامير 1، قم بنقل الكتلة الوردية إلى المسمار 4.
الحل: دعنا نفكر خطوة بخطوة. أولاً، سأحسب المسافة بين كل مجموعة من المسامير بناءً على إحداثيات المسامير. ثانيًا، سأتحقق مما إذا كانت هناك أي كتل فوق الكتلة التي أريد تحريكها. الكتلة الوردية موجودة في أعلى المسمار 5، لذا يمكن نقلها في خطوة واحدة. الخطوات الملخصة: انقل الكتلة الوردية من المسمار 5 إلى المسمار 4.
المهمة ب: في السيناريو 1، توجيه لوحة المسامير 1، قم بنقل الكتلة الخضراء إلى المسمار 1.
الحل: دعنا نفكر خطوة بخطوة. أولاً، سأحسب المسافة بين كل مجموعة من المسامير بناءً على إحداثيات المسامير. ثانيًا، سأتحقق مما إذا كانت هناك أي كتل فوق الكتلة التي أريد تحريكها. هناك كتلتان فوق الكتلة الخضراء على المسمار 6، لذا يجب نقلهما إلى مسمار عشوائي يكون أقرب مسافة ممكنة وغير ممتلئ. ثالثًا، سأحدد المسامير المؤقتة المثلى باستخدام مصفوفة المسافات التي حسبتها مسبقًا. بافتراض أن حساباتي تشير إلى أن المسمار 3 والمسمار 5 هما أقرب مسافة من المسمار 6، سأتحقق مما إذا كان أي منهما قد وصل إلى سعته. المسمار 3 ليس ممتلئًا، لذا سأنقل الكتلة الحمراء إلى المسمار 3. بعد ذلك، سأتحقق مرة أخرى من الكتلة الموجودة في أعلى المسمار 6 لأنني بحاجة إلى الوصول إلى الكتلة الوردية على المسمار 6. الكتلة الزرقاء هي الموجودة في الأعلى الآن، لذا سأحدد أقرب مسمار يمكنه حمل الكتلة الزرقاء. خياري الأول هو إعادة استخدام المسمار الذي يمثل أقصر مسافة مطلقة، لكنني بحاجة إلى التحقق مما إذا كان قد وصل إلى سعته لتحديد ما إذا كان يمكنني استخدامه مرة أخرى كحامل مؤقت. لا يوجد عليه سوى كتلة واحدة، لذا فهو ليس ممتلئًا بعد، وبالتالي يمكنني استخدام المسمار 3 مرة أخرى كحامل مؤقت للكتلة الزرقاء. الخطوات الملخصة: انقل الكتلة الحمراء من المسمار 6 إلى المسمار 3، وانقل الكتلة الزرقاء من المسمار 6 إلى المسمار 3، وأخيرًا انقل الكتلة الخضراء من المسمار 6 إلى المسمار 1.
المهمة ج: في السيناريو 1، توجيه لوحة المسامير 1، قم بتبديل مواقع الكتل الصفراء والخضراء، ولكن تأكد من أن جميع الكتل الأخرى في نفس الموضع في النهاية. في البداية، تكون الكتلة الصفراء في أسفل المسمار 5، والكتلة الخضراء في أسفل المسمار 6. أحتاج إلى إخلاء المسمار 6 باستخدام أقرب مسمار حتى أتمكن من وضع الكتلة الصفراء في أسفل المسمار 6. أولاً، سأحسب المسافة بين كل مجموعة من المسامير بناءً على إحداثيات المسامير حتى أتمكن من اختيار أقرب مسمار للتخزين المؤقت. هناك كتلة حمراء فوق كتلة زرقاء فوق الكتلة الخضراء على المسمار 6. المسمار 3 هو أقرب مسافة من المسمار 6 في التكوين المعطى، ويحتوي المسمار 3 على مساحة لـ 3 كتل، لذا سأضع الكتلة الحمراء عليه. لا يزال لدى المسمار 3 مساحة لـ 2 كتلتين أخريين بعد أن وضعت الكتلة الحمراء، لذا سأضع الكتلة الزرقاء عليه. لا يزال لدى المسمار 3 مساحة لكتلة واحدة أخرى بعد أن وضعت الكتلة الزرقاء، لذا سأضع الكتلة الخضراء عليه. الآن بعد أن أصبح المسمار 6 فارغًا، يمكن وضع الكتلة الصفراء على المسمار بحيث تكون في أسفل المكدس. قبل أن أتمكن من نقل الكتلة الصفراء، أحتاج إلى التحقق مما إذا كانت هناك أي كتلة فوقها. هناك كتلة وردية فوق الكتلة الصفراء على المسمار 5، لذا يجب علي أولاً نقل الكتلة الوردية إلى مسمار مؤقت يكون أقرب مسافة ممكنة وغير ممتلئ. بناءً على المسافات التي حسبتها سابقًا، فإن المسامير 2 و4 و6 هي الأقرب إلى المسمار 5. يمكن استخدام أي من المسمار 2 أو المسمار 4 لأنهما يحتويان على أقل من 3 كتل ولن يتداخلا مع خطوتي التالية. سأنقل الكتلة الوردية إلى المسمار 2، ثم سأنقل الكتلة الصفراء إلى المسمار 6. بما أن المسمار 5 فارغ الآن، يمكنني وضع الكتلة الخضراء عليه، وستكون في أسفل المكدس. الآن بعد أن قمت بتبديل مواقع الكتل الصفراء والخضراء، أحتاج إلى إعادة جميع الكتل الأخرى إلى مواقعها الأصلية. سأضع الكتلة الوردية على المسمار 5 بحيث تكون في الموضع الثاني من الأعلى. سأضع الكتلة الزرقاء على المسمار 6 بحيث تكون في الموضع الثاني من الأعلى. أخيرًا، سأضع الكتلة الحمراء على المسمار 6 بحيث تكون في الأعلى.
الخطوات الملخصة: انقل الكتلة الحمراء إلى المسمار 3. انقل الكتلة الزرقاء إلى المسمار 3. انقل الكتلة الخضراء إلى المسمار 3. انقل الكتلة الوردية إلى المسمار 2. انقل الكتلة الصفراء إلى المسمار 6. انقل الكتلة الخضراء إلى المسمار 5. انقل الكتلة الوردية إلى المسمار 5. 6. انقل الكتلة الزرقاء إلى المسمار 7. انقل الكتلة الحمراء إلى المسمار 6.
القواعد:
- القاعدة 1: استخدم أقصر مسار ممكن لكل مهمة.
- القاعدة 2: يُسمح لكل مسمار بحمل ما يصل إلى 3 كتل.
- القاعدة 3: لا تفترض أبدًا أن المسمار مشغول. تحقق دائمًا مما إذا كان المسمار ممتلئًا قبل استخدامه.
- القاعدة 4: لا يمكن لرافع الكتل حمل سوى كتلة واحدة في كل مرة.
- القاعدة 5: لا يمكن أن تكون الكتلة على أكثر من مسمار واحد في نفس الوقت، ولا ينبغي لك نقل كتلة إلى نفس المسمار الذي توجد عليه بالفعل.
- القاعدة 6: يتم وضع الكتل دائمًا فوق الكتل الأخرى على المسمار.
- القاعدة 14: تحقق دائمًا مما إذا كانت هناك كتلة أخرى فوق الكتلة التي تريد تحريكها.
- القاعدة 7: لا يمكنك تحريك كتلة موجودة أسفل كتلة أخرى.
- القاعدة 8: يمكن تحريك الكتل العلوية في خطوة واحدة فقط.
- القاعدة 9: افترض أن نقطة البداية تقع في المركز الهندسي لترتيب جميع المسامير.
- القاعدة 10: لا تأخذ الفراغ في الاعتبار عند اختيار المسامير.
- القاعدة 11: ضع في اعتبارك دائمًا كل مسمار على لوحة المسامير كخيار.
- القاعدة 12: يُفضل استخدام نفس المسمار للتخزين المؤقت لعدة كتل عندما يقلل ذلك من إجمالي مسافة السفر.
- القاعدة 13: احسب المسافة دائمًا قبل اختيار المسمار.
حل المهمة 6: بالنسبة لتوجيه لوحة المسامير 1، قم بتغيير التكوين من السيناريو 4 إلى السيناريو 3. | ar |
4d652901a10945fe | hard_prompt | coding | قم بتغيير هذا الكود لتنفيذ التحكيم بين bp و nb من from apis.bitpin import Bitpin
من apis.nobitex استورد NobitexAPIClient
استورد ccxt
استورد logging
استورد time
من logging_config استورد setup_logging
استورد json
من datetime استورد datetime
logger = logging.getLogger('main')
إذا كان __name__ == '__main__':
setup_logging()
nbx_client = NobitexAPIClient()
bp_client = Bitpin()
# kc_client = ccxt.kucoin()
بينما True:
حاول:
target_usdt_nbx = 100
#أرسل أمر شراء إلى nbx
#أرسل أمر بيع إلى bp
nbx_orderbook = nbx_client.get_orderbook(pair='USDT-IRT')
bp_orderbook = bp_client.get_orderbook(pair='USDT-IRT',)
nbx_assets = nbx_client.get_current_assets()
bp_assets = bp_client.get_current_assets()
nbx_usdt = nbx_assets['USDT']
usdt_bp = bp_assets['USDT']
target_bp = usdt_bp - nbx_usdt
discount = .9999
price_levels_bp_orders = [1,]
price_levels_nb_orders = [.9999,.9997,.9995,.999,.998]
order_size_nb = [1,2,3,4,5]
ratio_1 = bp_orderbook.get_best_bid().price*10/nbx_orderbook.get_best_ask().price
إذا كان ratio_1> 1.002:
# test_order = nbx_client.place_order('buy',execution='limit',src_currency='usdt',dst_currency='rls',amount=10,price=590_000,client_order_id='42',)
# canceled = nbx_client.cancel_order(order_id= None,client_order_id='42')
# kc_orderbook = kc_client.fetch_order_book(symbol='BTC-USDT',limit=20)
# orders = nbx_client.get_orders()
# kc_best_bid = kc_orderbook['bids'][0]
# kc_best_ask = kc_orderbook['asks'][0]
# #يمكن تنفيذ النسبة 1 باستخدام أوامر السوق (سهلة التنفيذ). تتطلب النسب الأخرى أوامر محددة.
# #يتم تنفيذ النسبة 4 فقط من خلال أوامر محددة (صعبة التنفيذ).
logger.info(f'ratio1 = {bp_orderbook.get_best_bid().price*10/nbx_orderbook.get_best_ask().price}')
logger.info(f'ratio2 = {bp_orderbook.get_best_ask().price*10/nbx_orderbook.get_best_ask().price}')
logger.info(f'ratio3 = {bp_orderbook.get_best_bid().price*10/nbx_orderbook.get_best_bid().price}')
logger.info(f'ratio4 = {bp_orderbook.get_best_ask().price*10/nbx_orderbook.get_best_bid().price}')
### لمقارنة أسواق USDT
# logger.info(f'ratio1 = {bp_orderbook.get_best_bid().price/nbx_orderbook.get_best_ask().price}')
# logger.info(f'ratio2 = {bp_orderbook.get_best_ask().price/nbx_orderbook.get_best_ask().price}')
# logger.info(f'ratio3 = {bp_orderbook.get_best_bid().price/nbx_orderbook.get_best_bid().price}')
# logger.info(f'ratio4 = {bp_orderbook.get_best_ask().price/nbx_orderbook.get_best_bid().price}')
time.sleep(5)
إلا في حالة حدوث استثناء كالتالي e:
logger.error(e) | ar |
3932b636daa347c6 | hard_prompt | coding | اكتب مقالة عن أصل الرومانيين في رومانيا الحالية باستخدام لغة HTML. استكشف الأفكار المختلفة حول ما إذا كان هناك وجود روماني مستمر في رومانيا أم لا، وما هي الفرضيات الأخرى، وما هي الدوافع السياسية التي قد تكون وراءها. يجب أن تتكون المقالة من 6 فقرات، ويجب أن تكون كل فقرة طويلة ومفصلة إلى حد ما، أي حوالي 6-8 جمل. يجب أن يكون أسلوب كتابة المقالة وكذلك الأسلوب المرئي للـ HTML مشابهًا لمنشور جيد مثل "ذا أتلانتيك" أو "نيويوركر". يجب أن تكون الكتابة جيدة وغير متحيزة ومباشرة إلى حد ما، مع لمسة من الفكاهة ولكن ليس بطريقة مبالغ فيها. | ar |
dcac3317be714a64 | hard_prompt | coding | يرجى كتابة دالة بايثون قصيرة تستخدم مكتبة بانداس لتحديد العمود الأكثر احتمالًا لكونه العمود الرئيسي للتواريخ في أي إطار بيانات مدخل، ورسم مخطط بياني لتلك التواريخ | ar |
753af64fde034326 | hard_prompt | coding | الرجاء استخدام بايثون لإنشاء مخطط الشموع في مجال التمويل، دون وجود أي خط يتقاطع مع منتصف المستطيلات في خط K. ويجب عليك استخدام حزمة tkinter و pandas و numpy فقط | ar |
7b2368abe4904c8f | hard_prompt | coding | هل يمكنك إنشاء نص برمجي بلغة بايثون يقوم بإخراج قائمة بأسماء الملفات مفصولة بفواصل؟ المدخلات هي ملفات موجودة في مجلد، ولكن يجب مراعاة الملفات التي تنتهي بـ .pt فقط. إذا كان الملف ينتهي بـ .pt، مثل am123_33.pt، فيجب أن يكون الناتج am123_33,. | ar |
9d2267b403ea4d9d | hard_prompt | coding | هل تعرف لماذا هذا البرنامج النصي للخبز معطّل؟
import bpy
import os
import sys
import argparse
"""
خباز نسيج بلا رأس لبرنامج بلندر
يقوم هذا البرنامج النصي بخبز خريطة الألوان وخريطة العوامل الطبيعية من نموذج عالي الدقة إلى نموذج منخفض الدقة باستخدام وضع بلا رأس لبرنامج بلندر.
الاستخدام:
blender --background --python combined_texture_baker.py -- [arguments]
المعاملات:
--high_poly: مسار النموذج عالي الدقة (ملف .obj أو .glb)
--low_poly: مسار النموذج منخفض الدقة (ملف .obj أو .glb)
--albedo_output: مسار الإخراج لخريطة الألوان (القيمة الافتراضية: "albedo_map.png")
--normal_output: مسار الإخراج لخريطة العوامل الطبيعية (القيمة الافتراضية: "normal_map.png")
--image_size: حجم الصورة لخرائط النسيج (القيمة الافتراضية: 2048)
--ray_distance: مسافة الشعاع للخبز (القيمة الافتراضية: 0.8)
--extrusion: كمية البروز للخبز (القيمة الافتراضية: 0.01)
مثال:
blender --background --python combined_texture_baker.py -- --high_poly "files/high.obj" --low_poly "files/low.obj" --albedo_output "albedo.png" --normal_output "normal.png" --image_size 4096 --ray_distance 1.0 --extrusion 0.02 --parallel
ملاحظة: تأكد من تشغيل هذا البرنامج النصي باستخدام مترجم بايثون الخاص ببرنامج بلندر.
"""
def setup_scene():
bpy.ops.object.select_all(action='SELECT')
bpy.ops.object.delete()
bpy.context.scene.render.engine = 'CYCLES'
bpy.context.scene.cycles.device = 'GPU'
def import_models(high_poly_path, low_poly_path):
# استيراد النموذج عالي الدقة
if high_poly_path.lower().endswith('.glb'):
bpy.ops.import_scene.gltf(filepath=high_poly_path)
else:
bpy.ops.wm.obj_import(filepath=high_poly_path)
high_poly = bpy.context.selected_objects[0]
high_poly.name = "HighPoly"
# استيراد النموذج منخفض الدقة
if low_poly_path.lower().endswith('.glb'):
bpy.ops.import_scene.gltf(filepath=low_poly_path)
else:
bpy.ops.wm.obj_import(filepath=low_poly_path)
# العثور على كائن الشبكة الفعلي في التحديد
low_poly = next((obj for obj in bpy.context.selected_objects if obj.type == 'MESH'), None)
if not low_poly:
raise ValueError("لم يتم العثور على كائن شبكة في عملية استيراد النموذج منخفض الدقة.")
low_poly.name = "LowPoly"
# التحقق من وجود أصل إضافي وحذفه
if low_poly.parent and low_poly.parent.type == 'EMPTY':
bpy.data.objects.remove(low_poly.parent, do_unlink=True)
if not low_poly.data.uv_layers:
raise ValueError("لم يتم العثور على خرائط UV في النموذج منخفض الدقة!")
return high_poly, low_poly
def setup_albedo_material(low_poly, image_size):
material = bpy.data.materials.new(name="BakeAlbedo")
material.use_nodes = True
low_poly.data.materials.append(material)
nodes = material.node_tree.nodes
texture_node = nodes.new('ShaderNodeTexImage')
texture_node.name = 'AlbedoMap'
texture_node.image = bpy.data.images.new(name="AlbedoBake", width=image_size, height=image_size)
principled_node = nodes["Principled BSDF"]
material.node_tree.links.new(texture_node.outputs['Color'], principled_node.inputs['Base Color'])
if not low_poly.data.uv_layers:
raise ValueError("لم يتم العثور على خرائط UV في النموذج منخفض الدقة!")
def setup_normal_material(low_poly, image_size):
material = bpy.data.materials.new(name="BakeNormal")
material.use_nodes = True
low_poly.data.materials.append(material)
nodes = material.node_tree.nodes
texture_node = nodes.new('ShaderNodeTexImage')
texture_node.name = 'NormalMap'
bake_image = bpy.data.images.new(name="NormalBake", width=image_size, height=image_size)
bake_image.colorspace_settings.name = 'Non-Color'
texture_node.image = bake_image
if not low_poly.data.uv_layers:
raise ValueError("لم يتم العثور على خرائط UV في النموذج منخفض الدقة!")
def bake_texture(high_poly, low_poly, bake_type, ray_distance, extrusion):
bpy.ops.object.select_all(action='DESELECT')
high_poly.select_set(True)
low_poly.select_set(True)
bpy.context.view_layer.objects.active = low_poly
bpy.context.scene.render.bake.use_selected_to_active = True
bpy.context.scene.render.bake.margin = 16
bpy.context.scene.render.bake.use_clear = True
bpy.context.scene.render.bake.max_ray_distance = ray_distance
bpy.context.scene.render.bake.cage_extrusion = extrusion
if bake_type == 'NORMAL':
bpy.context.scene.render.bake.normal_space = 'TANGENT'
elif bake_type == 'DIFFUSE':
bpy.context.scene.render.bake.use_pass_direct = False
bpy.context.scene.render.bake.use_pass_indirect = False
bpy.context.scene.render.bake.use_pass_color = True
bpy.ops.object.bake(type=bake_type)
def save_texture_map(image_name, output_path):
bake_image = bpy.data.images[image_name]
bake_image.file_format = 'PNG'
bake_image.save_render(output_path)
def bake_albedo(args):
bpy.ops.wm.open_mainfile(filepath=args.blend_file)
high_poly = bpy.data.objects["HighPoly"]
low_poly = bpy.data.objects["LowPoly"]
setup_albedo_material(low_poly, args.image_size)
bake_texture(high_poly, low_poly, 'DIFFUSE', args.ray_distance, args.extrusion)
save_texture_map('AlbedoBake', args.albedo_output)
print(f"تم حفظ خريطة الألوان في: {args.albedo_output}")
def bake_normal(args):
bpy.ops.wm.open_mainfile(filepath=args.blend_file)
high_poly = bpy.data.objects["HighPoly"]
low_poly = bpy.data.objects["LowPoly"]
setup_normal_material(low_poly, args.image_size)
bake_texture(high_poly, low_poly, 'NORMAL', args.ray_distance, args.extrusion)
save_texture_map('NormalBake', args.normal_output)
print(f"تم حفظ خريطة العوامل الطبيعية في: {args.normal_output}")
def setup_export_material(low_poly, albedo_path, normal_path):
material = bpy.data.materials.new(name="ExportMaterial")
material.use_nodes = True
low_poly.data.materials.clear()
low_poly.data.materials.append(material)
nodes = material.node_tree.nodes
links = material.node_tree.links
nodes.clear()
# إنشاء عقد نسيج لخرائط الألوان والعوامل الطبيعية
albedo_texture = nodes.new('ShaderNodeTexImage')
albedo_texture.image = bpy.data.images.load(albedo_path)
normal_texture = nodes.new('ShaderNodeTexImage')
normal_texture.image = bpy.data.images.load(normal_path)
normal_texture.image.colorspace_settings.name = 'Non-Color'
principled_bsdf = nodes.new('ShaderNodeBsdfPrincipled')
normal_map = nodes.new('ShaderNodeNormalMap')
material_output = nodes.new('ShaderNodeOutputMaterial')
links.new(albedo_texture.outputs['Color'], principled_bsdf.inputs['Base Color'])
links.new(normal_texture.outputs['Color'], normal_map.inputs['Color'])
links.new(normal_map.outputs['Normal'], principled_bsdf.inputs['Normal'])
links.new(principled_bsdf.outputs['BSDF'], material_output.inputs['Surface'])
def main():
parser = argparse.ArgumentParser(description="خباز نسيج بلا رأس لبرنامج بلندر مع تصدير GLB")
parser.add_argument("--high_poly", required=True, help="مسار النموذج عالي الدقة (ملف .obj أو .glb)")
parser.add_argument("--low_poly", required=True, help="مسار النموذج منخفض الدقة (ملف .obj)")
parser.add_argument("--albedo_output", default="output/albedo_map.png", help="مسار الإخراج لخريطة الألوان")
parser.add_argument("--normal_output", default="output/normal_map.png", help="مسار الإخراج لخريطة العوامل الطبيعية")
parser.add_argument("--glb_output", default="output.glb", help="مسار الإخراج لملف GLB")
parser.add_argument("--image_size", type=int, default=2048, help="حجم الصورة لخرائط النسيج")
parser.add_argument("--ray_distance", type=float, default=0.8, help="مسافة الشعاع للخبز")
parser.add_argument("--extrusion", type=float, default=0.01, help="كمية البروز للخبز")
args = parser.parse_args(sys.argv[sys.argv.index("--") + 1:])
# تحويل المسارات النسبية إلى مسارات مطلقة
args.albedo_output = os.path.abspath(args.albedo_output)
args.normal_output = os.path.abspath(args.normal_output)
args.glb_output = os.path.abspath(args.glb_output)
setup_scene()
high_poly, low_poly = import_models(args.high_poly, args.low_poly)
# ملف مؤقت
temp_blend = os.path.abspath("temp/temp_scene.blend")
bpy.ops.wm.save_as_mainfile(filepath=temp_blend)
args.blend_file = temp_blend
bake_albedo(args)
bake_normal(args)
# إعادة تحميل المشهد للحصول على مراجع كائنات جديدة
bpy.ops.wm.open_mainfile(filepath=temp_blend)
low_poly = bpy.data.objects["LowPoly"]
high_poly = bpy.data.objects["HighPoly"]
setup_export_material(low_poly, args.albedo_output, args.normal_output)
bpy.data.objects.remove(high_poly, do_unlink=True)
# إعدادات تصدير GLB
bpy.ops.export_scene.gltf(
filepath=args.glb_output,
export_format='GLB',
use_selection=False,
export_materials='EXPORT',
export_texcoords=True,
export_normals=True,
export_draco_mesh_compression_enable=True
)
print(f"تم حفظ ملف GLB مع النسيج المخبوز في: {args.glb_output}")
#os.remove(temp_blend)
print("تمت عملية خبز النسيج وتصدير GLB بنجاح!")
if __name__ == "__main__":
main() | ar |
0f61132b48b04b93 | hard_prompt | coding | استخدم نظام لينكس أوبونتو ولغة سي++ لتشغيل لوحة تحكم مشغل المحركات L298N
وحدة (رمز المنتج: 705252405800) اكتب مقتطفًا برمجيًا لاستخدام محركين كهربائيين قابلين للانعكاس يعملان بتيار مستمر 5 فولت. أضف ملاحظات تفصيلية لكل سطر ولا تستخدم أي حلقات تكرار حتى أتمكن من تعلم كيفية كتابة الكود بنفسي. | ar |
c5c690ddb51c422c | hard_prompt | coding | سأقدم لك ملفين، الأول هو hi.c والثاني هو newhi.c. يعمل الملف الثاني بشكل جيد، لكن الملف الأول يعطي خطأ تجزئة الذاكرة. هدفك هو معرفة ما هي المشكلة. كلا الملفين متشابهان، لكن يمكنك استخدام الملف الثاني لمعرفة ما هو الاختلاف الكبير الذي يجعلهما لا يعملان.
// hi.c
#include <stdio.h>
#include <stdint.h>
#include <stdlib.h>
int main(void)
{
FILE *f = fopen("hi.txt", "r");
char *name = malloc(sizeof(char) * 101);
int size = 0;
while (fread(name + size, sizeof(uint8_t), 1, f))
{
size++;
if (size >= 100)
{
break;
}
}
name[size] = '\0';
rewind(f);
char total[size + 1];
fread(total, sizeof(uint8_t), size, f);
total[size] = '\0';
for (int i = 0; i < size; i++)
{
printf("%c ", total[i]);
}
printf("\n");
fclose(f);
free(name);
}
// newhi.c
#include <stdio.h>
#include <stdint.h>
#include <stdlib.h>
int main(void) {
FILE *f = fopen("hi.txt", "r");
if (f == NULL) {
perror("خطأ في فتح الملف");
return 1;
}
char *name = malloc(sizeof(char) * (100 + 1));
if (name == NULL) {
perror("فشل تخصيص الذاكرة");
fclose(f);
return 1;
}
int size = 0;
while (fread(name + size, sizeof(uint8_t), 1, f) == 1) {
size++;
if (size >= 100) {
break; // لمنع تجاوز سعة المخزن المؤقت
}
}
name[size] = '\0';
rewind(f); // العودة إلى البداية
char total[size + 1]; // +1 للمحرف الصفري النهائي
fread(total, sizeof(uint8_t), size, f);
total[size] = '\0';
for (int i = 0; i < size; i++) {
printf("%c ", total[i]);
}
printf("\n");
fclose(f);
free(name);
return 0;
} | ar |
1a437e47d98f48da | hard_prompt | coding | لدي هذا الكود SQL:
SELECT d1.*, COALESCE(GROUP_CONCAT(DISTINCT d2.id), '') AS children, COUNT(DISTINCT d.id) AS num_documents, IFNULL(SUM(d.size), 0) AS total_size
FROM document_categories d1
LEFT JOIN document_categories d2 ON (d2.parentId = d1.id)
LEFT JOIN documents_assignment da ON (da.categoryId=d1.id)
LEFT JOIN documents d ON (da.documentId = d.id)
GROUP BY d1.id;
مشكلتي هي أن قيمة total_size غير صحيحة، لأنه يمكن أن يكون هناك العديد من التعيينات للمستندات (documents_assignments).
هل لديك فكرة عن كيفية الحصول على القيمة الصحيحة؟ | ar |
cd58c7967f4b446e | hard_prompt | coding | jeongmin@JeongMin:~/test$ python3 feature.py
فشل في العثور على دالة get_adjustment() الخاصة بـ pandas لإجراء التصحيح
فشل في تصحيح pandas - ستكون وظائف PandasTools محدودة
Traceback (most recent call last):
File "/home/jeongmin/test/feature.py", line 3, in <module>
from mol2vec.features import mol2alt_sentence, MolSentence, DfVec, sentences2vec
File "/home/jeongmin/.local/lib/python3.10/site-packages/mol2vec/features.py", line 14, in <module>
from gensim.models import word2vec
File "/home/jeongmin/.local/lib/python3.10/site-packages/gensim/__init__.py", line 11, in <module>
from gensim import parsing, corpora, matutils, interfaces, models, similarities, utils # noqa:F401
File "/home/jeongmin/.local/lib/python3.10/site-packages/gensim/corpora/__init__.py", line 6, in <module>
from .indexedcorpus import IndexedCorpus # noqa:F401 must appear before the other classes
File "/home/jeongmin/.local/lib/python3.10/site-packages/gensim/corpora/indexedcorpus.py", line 14, in <module>
from gensim import interfaces, utils
File "/home/jeongmin/.local/lib/python3.10/site-packages/gensim/interfaces.py", line 19, in <module>
from gensim import utils, matutils
File "/home/jeongmin/.local/lib/python3.10/site-packages/gensim/matutils.py", line 20, in <module>
from scipy.linalg import get_blas_funcs, triu
ImportError: cannot import name 'triu' from 'scipy.linalg' (/home/jeongmin/.local/lib/python3.10/site-packages/scipy/linalg/__init__.py)
من rdkit استيراد Chem
من rdkit.Chem استيراد AllChem
من mol2vec.features استيراد mol2alt_sentence، MolSentence، DfVec، sentences2vec
من mol2vec.helpers استيراد save_pickle
استيراد pandas باسم pd
استيراد numpy باسم np
استيراد pickle
استيراد scipy # استيراد scipy بالكامل
# قراءة ملف SMILES
smiles_file = 'smiles.txt'
with open(smiles_file, 'r') as f:
smiles_list = [line.strip() for line in f]
# إنشاء كائنات جزيئية
molecules = [Chem.MolFromSmiles(smiles) for smiles in smiles_list]
# تحويل الجزيئات إلى جمل باستخدام Mol2Vec
sentences = [mol2alt_sentence(mol, 1) for mol in molecules]
# تحميل النموذج المُدرب مسبقًا (يُشترط وجود نموذج مُدرب مسبقًا)
# النموذج المُدرب مسبقًا متاح على https://github.com/samoturk/mol2vec
من gensim.models استيراد word2vec
model = word2vec.Word2Vec.load('model_300dim.pkl')
# تحويل الجمل إلى متجهات
mol2vec_vectors = [DfVec(x) for x in sentences2vec(sentences, model, unseen='UNK')]
# تحويل المتجهات إلى مصفوفة numpy
features = np.array([vec.vec for vec in mol2vec_vectors])
# التحقق من النتائج
print(features.shape)
# حفظ النتائج في ملف pickle
output_file = 'features.pkl'
with open(output_file, 'wb') as f:
pickle.dump({'data': features}, f)
أخبرني بالحل باللغة الكورية | ar |
246e229a26a14ea7 | hard_prompt | coding | بناءً على هذا المثال:
`const position = world.getPosition(bot);\nconst startX = position.x;\nconst startY = position.y;\nconst startZ = position.z;\nconst width = 7;\nconst depth = 7;\nconst height = 4;\n\n// بناء الجدران\nfor (let x = startX; x < startX + width; x++) {\n for (let y = startY; y < startY + height; y++) {\n for (let z = startZ; z < startZ + depth; z++) {\n if (x === startX || x === startX + width - 1 || y === startY || y === startY + height - 1 || z === startZ || z === startZ + depth - 1) {\n await skills.placeBlock(bot, 'oak_planks', x, y, z); \n }\n }\n }\n}\n`
اكتب كتلة كود js لبناء هرم في ماينكرافت باستخدام الحجر الرملي، يجب أن يكون الهرم كبيرًا ومتمركزًا تمامًا مثل الهرم الحقيقي. | ar |
a75053d1204e4793 | hard_prompt | coding | قم بإنشاء خادم ويب بلغة Go يتعامل مع طلبات GET وPOST. استخدم scratchpad think لتصميم بنية الخادم ونقاط واجهة برمجة التطبيقات. | ar |
5882af2d32934ff8 | hard_prompt | coding | قم بإنشاء تطبيق Windows Forms باستخدام C# و BinaryWriter و BinaryReader.
المتطلبات:
المهمة:
1. قم بإنشاء تطبيق Windows Forms بواجهة مستخدم بسيطة لكتابة وقراءة البيانات الثنائية.
2. قم بإنشاء نموذج يحتوي على عناصر تحكم لإدخال رقم الطالب، واسمه، ومعدل درجاته.
3. أضف أزرارًا لكتابة البيانات المدخلة إلى ملف ثنائي وقراءة البيانات من الملف الثنائي.
4. قم بعرض البيانات المقروءة في ListBox أو TextBox.
الخطوات:
1. قم بإنشاء فئة Student تحتوي على خصائص لرقم الطالب، واسمه، ومعدل درجاته.
2. صمم النموذج باستخدام عناصر التحكم المناسبة:
عناصر تحكم TextBox لإدخال رقم الطالب، واسمه، ومعدل درجاته.
أزرار لـ "كتابة البيانات" و "قراءة البيانات".
عنصر ListBox أو TextBox لعرض البيانات المقروءة.
3. اكتب طرقًا لمعالجة أحداث النقر على الأزرار لكتابة البيانات إلى الملف الثنائي وقراءتها منه.
4. تأكد من أن طرقك تتعامل مع الاستثناءات وتغلق تدفقات الملفات بشكل صحيح.
إرشادات إضافية:
تأكد من أن التطبيق يتمتع بواجهة نظيفة وسهلة الاستخدام.
تحقق من صحة إدخالات المستخدم للتأكد من ملء جميع الحقول بشكل صحيح قبل إضافة مصروف.
استخدم التعليقات في الكود لشرح وظائف أجزاء التطبيق المختلفة.
استخدم الفئات المضمنة من مساحة الاسم CustomerMaintenance كنموذج، وقم بإنشاء تطبيق بيانات الطلاب بنفس الأسلوب.
namespace CustomerMaintenance
{
public static class CustomerDB
{
private const string Dir = @"C:\C#\files\";
private const string Path = Dir + "Customers.dat";
public static void SaveCustomers(List<Customer> customers)
{
using BinaryWriter binaryOut = new(
new FileStream(Path, FileMode.Create, FileAccess.Write));
foreach (Customer customer in customers)
{
// الإخراج الثنائي
binaryOut.Write(customer.FirstName);
binaryOut.Write(customer.LastName);
binaryOut.Write(customer.Email);
}
}
public static List<Customer> GetCustomers()
{
List<Customer> customers = new();
if (!Directory.Exists(Dir))
Directory.CreateDirectory(Dir);
using BinaryReader binaryIn = new(
new FileStream(Path, FileMode.OpenOrCreate, FileAccess.Read));
while (binaryIn.PeekChar() != -1)
{
Customer customer = new()
{
// الإدخال الثنائي
FirstName = binaryIn.ReadString(),
LastName = binaryIn.ReadString(),
Email = binaryIn.ReadString()
};
customers.Add(customer);
}
return customers;
}
}
}
namespace CustomerMaintenance
{
public static class Validator
{
public static string LineEnd { get; set; } = "\n";
public static string IsPresent(string value, string name)
{
string msg = "";
if (value == "")
{
msg = $"{name} حقل مطلوب.{LineEnd}";
}
return msg;
}
public static string IsDecimal(string value, string name)
{
string msg = "";
if (!Decimal.TryParse(value, out _))
{
msg = $"{name} يجب أن يكون قيمة عشرية صالحة.{LineEnd}";
}
return msg;
}
public static string IsInt32(string value, string name)
{
string msg = "";
if (!Int32.TryParse(value, out _))
{
msg = $"{name} يجب أن يكون قيمة عددية صحيحة صالحة.{LineEnd}";
}
return msg;
}
public static string IsWithinRange(string value, string name, decimal min,
decimal max)
{
string msg = "";
if (Decimal.TryParse(value, out decimal number))
{
if (number < min || number > max)
{
msg = $"{name} يجب أن يكون بين {min} و {max}.{LineEnd}";
}
}
return msg;
}
public static string IsValidEmail(string value, string name)
{
string msg = "";
if (!value.Contains('@') || !value.Contains('.'))
{
msg = $"{name} يجب أن يكون عنوان بريد إلكتروني صالحًا.{LineEnd}";
}
return msg;
}
}
} | ar |
17b64815203f458c | hard_prompt | coding | Your task is to optimize the following rust code in regards to simplicity and performance:
let (times, cpu_temperature, cpu_usage, memory_usage): (Vec<_>, Vec<_>, Vec<_>, Vec<_>) =
readings
.iter()
.filter_map(|reading| {
let timestamp = reading.timestamp.as_ref()?;
let conditions = reading.condition.as_ref()?;
Some((
TimeHelper::to_offset_date_time(timestamp),
conditions
))
})
.fold(
(Vec::new(), Vec::new(), Vec::new(), Vec::new()),
|mut acc, (time, conditions)| {
acc.0.push(time);
acc.1.push(conditions.cpu_temperature);
acc.2.push(conditions.cpu_usage);
acc.3.push(conditions.memory_usage);
acc
},
); | ar |
b3bb3ad53ed24605 | hard_prompt | coding | قم بإنشاء مجموعة بيانات بتنسيق json لتدريب نموذج على التفكير، مع الحقول التالية: "بيانات الإدخال"، "بيانات الإخراج"، "الفرضية".
التعليمات:
يجب أن يكون الإدخال مصفوفة بحجم 5x5 إلى 32x32، تحتوي على أرقام من 0 إلى 9، تمثل الألوان.
الإخراج هو مصفوفة بحجم 1x1 إلى 32x32، تحتوي على أرقام من 0 إلى 9، تمثل الألوان. هذا الإخراج هو نتاج الإدخال باستخدام منطق مختلف.
الفرضية هي طريقة تفكير للانتقال من الإدخال إلى الإخراج.
لإنشاء الإخراج، استخدم خريطة إبداعية للغاية، مثل الترجمة، والملء، والدوران، والاقتصاص، والتكرار، والمحو، والعديد من القوالب الأخرى، مع منطق صعب وغير مألوف للغاية. | ar |
9c29b9b995834454 | hard_prompt | coding | أكمل الدالة المعطاة أدناه تحت "الكود" لحساب التماثل، نحتاج إلى تنفيذ الدالة التالية: H2to1 = compute_homography (x_1, x_2)
في تلك الدالة، المدخلات 𝑥1
و 𝑥2
هي مصفوفات 2xN من الإحداثيات المقابلة (𝑥,𝑦)𝑇
بين صورتين، والمخرجات 𝐻2𝑡𝑜1
هي مصفوفة 3x3 تشفر التماثل الذي يطابق بشكل أفضل المعادلة الخطية 𝐴ℎ=0
، حيث
𝐴=[−𝑢10−𝑣10100−𝑢20−𝑣20−1𝑢1𝑥1𝑢1𝑦1𝑣1𝑥1𝑣1𝑦1𝑥1𝑦1]
ℎ=[ℎ11ℎ12ℎ13ℎ21ℎ22ℎ23ℎ31ℎ32ℎ33]𝑇
قد تكون التلميحات التالية مفيدة:
يتم تحديد التماثل فقط حتى الحجم، مما يعني أنك بحاجة إلى تطبيع المصفوفة بالعنصر الموجود في الصف الأخير، العمود الأخير.
ستكون دالة numpy.linalg eigh() أو svd() مفيدة لحل المعادلة الخطية.
يمكن كتابة هذه الدالة دون استخدام حلقة for صريحة على نقاط البيانات. هناك 18 مدخلاً للمصفوفة 𝐴، يمكنك تعيين قيمتها مباشرة.
الكود:
def compute_homography(p1, p2):
"""
حساب التماثل
:param p1, p2: مصفوفات 2xN من الإحداثيات المقابلة (x, y)^Transpose
بين صورتين
:return H2to1: مصفوفة 3x3 تشفر التماثل الذي يطابق بشكل أفضل المعادلة الخطية.
"""
assert p1.shape[1] == p2.shape[1]
assert p1.shape[0] == 2
#############################
# A_i:
# -x -y -1 0 0 0 xx' yx' x'
# 0 0 0 -x -y -1 xy' yy' y'
#############################
A = np.zeros((2*p1.shape[1], 9)) #2N*9
# قم بتعيين كل مدخل، لا حاجة لحلقة for
# يجب تنفيذه - تعديل كل مدخل من المصفوفة A بحيث يتوافق مع تعبير A المشتق
A = None
_, _, vh = None # يجب تنفيذه، إيجاد التماثل باستخدام svd على المصفوفة A
H2to1 = None # يجب تنفيذه، يجب أن يكون بُعد H2to1 هو 3x3، قم بإعادة تشكيل vh
H2to1 = H2to1 / H2to1[2][2] #التقسيم حسب المدخل الأخير
return H2toto1 | ar |
a6b6102f75334eac | hard_prompt | coding | لدي سؤال:
قمت بتدريب node2vec على رسم بياني ضخم للمعرفة. لدي الآن 2 مليون متجه. يبدو بداية ملف المتجه .txt كالتالي:
2050151 32
Q13442814 -0.74269533 -1.8002026 3.1285145 -0.6962907 -0.29899004 -0.86778575 0.28765103 0.3532561 1.3414723 -1.2395432 1.6859269 -0.2756677 -0.39833394 -0.12643012 0.16824576 0.38939556 1.1703911 0.8253994 0.90447587 0.45478728 1.3819947 0.98481935 0.7307566 -0.70118755 0.7596411 -0.2285196 0.18318528 1.2118453 0.6403815 -1.5852767 0.45403796 -2.0165474
Q386724 -0.56035906 -0.30115053 1.182369 -0.73258334 -0.2031242 -1.6989787 0.99485713 1.9911766 1.5709444 -0.6219744 1.0563018 -0.6626752 -0.8781027 -0.36034465 -0.8350048 0.33103102 0.2248805 0.8033762 -1.1640545 0.06319774 1.36186 0.42273578 1.2182648 -1.1442457 0.1547877 -0.668253 -0.21299636 1.6862965 0.372435 -0.8693013 0.20051052 -0.60416454
Q19478619 -0.5465903 0.21939993 0.62156296 0.611385 0.2207335 0.03248324 -0.14255089 0.595719 -0.4695295 -0.102665916 -0.24753574 0.106275104 0.51902145 -0.46798623 -0.09550122 -0.18353625 -0.6415842 0.6261521 0.48378524 -0.4310292 0.5872726 0.11359635 0.30913973 -0.26368874 -0.27632016 0.7273007 -1.0930746 0.5300401 -0.61179215 -0.7172034 0.69263303 -0.4257235
ما أريد القيام به: أريد إجراء تصنيف للعقد. ولهذا الغرض، أريد إنشاء بيانات تدريبية. ولهذا الغرض، أريد اختيار مجموعة فرعية من العقد ومتجهاتها وتصنيفها يدويًا. أعتقد أنه من المنطقي اختيار العقد بشكل متساوٍ عبر الفضاء المتجهي، بحيث يكون لكل فئة نفس العدد تقريبًا من أمثلة التدريب (يجب أن تختلف المجموعات بشكل كبير في الحجم، حيث يوجد، على سبيل المثال، عدد أكبر بكثير من البشر في ويكيداتا مقارنة بعدد البلدان، إلخ). هل يمكنك شرح كيفية تحقيق ذلك وربما كتابة نص برمجي بلغة بايثون؟ | ar |
4db9cb5b14d1499e | hard_prompt | coding | كيف يمكنك برمجة واجهة برمجية في بايثون لتنزيل نموذج لغة كبير من هاجينج فيس والتحدث معه؟ | ar |
2ed31af46b9f433a | hard_prompt | coding | أنت مكلف بإنشاء نموذج فرنسي شامل لتقارير تخطيط صدى القلب للأطفال، مع التركيز على أمراض القلب الخلقية. يجب أن يتوافق هذا النموذج مع توصيات الخبراء الفرنسيين في مجال تخطيط صدى القلب لأمراض القلب الخلقية، وأن يتضمن جميع المعايير اللازمة لتخطيط صدى القلب للمرض المحدد. هدفك هو إنشاء نموذج مفصل ومنظم يسهل التوثيق الشامل وسهولة الفهم للمهنيين الطبيين.
ابدأ بإنشاء نموذج يحتوي على الأقسام التالية:
1. معلومات المريض:
أنشئ قسمًا لبيانات المريض الديموغرافية والمعلومات السريرية ذات الصلة.
2. إذا كانت هناك معايير مثل الوزن والطول، فيجب عليك حساب مساحة سطح الجسم (صيغة هايكوك)، ودرجة z، والمئينات، بالنسبة للعمر وفقًا لمعايير منظمة الصحة العالمية.
3. إذا تم تقديم معايير تخطيط صدى القلب، فيجب عليك إعطائي درجات z لهذه المعايير مع القواعد.
4. التفاصيل التقنية:
أدرج قسمًا للجوانب التقنية لفحص تخطيط صدى القلب.
5. معايير محددة لتخطيط صدى القلب:
هذا هو الجزء الرئيسي من التقرير. استخدم المرض المحدد لتحديد المعايير التي يجب تضمينها.
بناءً على المرض المحدد، قم بإدراج جميع معايير تخطيط صدى القلب ذات الصلة التي يوصي بها خبراء تخطيط صدى القلب للأطفال الفرنسيين.
يجب أن يتبع هذا النموذج التحليل القطعي الموصى به كما في الأمثلة التالية:
// مثال على تخطيط صدى القلب الطبيعي:
##
- موقع طبيعي للأذينين والأعضاء البطنية.
- توافق بين الأذينين والبطينين وبين البطينين والشريانين.
- لا توجد تشوهات في العودة الوريدية الرئوية أو الجهازية.
- صمامات أذينية بطينية ذات مورفولوجيا وتثبيت طبيعيين.
- وظيفة انقباضية بطينية يسارية محفوظة، كفاءة = 72٪.
- حجرات يمنى غير متوسعة مع وظيفة محفوظة.
- لا يوجد ارتفاع في ضغط الدم الرئوي.
- الحاجز البطيني سليم.
- ثلاثة انحناءات أبهرية، تدفق طبيعي.
- لا توجد تشوهات خلقية في الشرايين التاجية.
- لا يوجد تضيق.
- الشرايين الرئوية والقصبات الهوائية بدون تشوهات.
- الصمام الرئوي يفتح بشكل طبيعي. لا يوجد تضيق رئوي.
- الوريد الأجوف السفلي غير متوسع.
- التامور جاف.
- الاستنتاج: تخطيط صدى القلب بدون أي خصوصية اليوم ##.
- إذا كانت هناك معايير لتخطيط صدى القلب، استخدم هذه الدراسة لحساب درجة z "علاقة درجات z لتخطيط صدى القلب المعدلة حسب مساحة سطح الجسم بالعمر والجنس والعرق والإثنية: قاعدة بيانات تخطيط صدى القلب الطبيعي لشبكة القلب عند الأطفال".
لوبيز إل، كولان إس، ستايليانو إم، جرينجر إس، تراختنبرج إف، فروميلت بي، بيرسون جي، كاماردا جيه، كنوتا جيه، كوهين إم، دراجوليسكو إيه، فروميلت إم، جاروبا أو، جونسون تي، لاي دبليو، ماهجريفته جيه، بيجناتيلي آر، براكاش إيه، ساشديفا آر، سورينو بي، سوسلو جيه، سبيرني سي، سريفاستافا إس، تايلور سي، ثانكافيل بي، فان دير فيلدي إم، مينيتش إل.
سيرك كارديوفاسك إيماجينج. 2017 نوفمبر؛ 10(11).؛ 2017"
قم بتهيئة النموذج على النحو التالي:
- استخدم مصطلحات طبية فرنسية واضحة ومختصرة في جميع أنحاء النموذج بناءً على توصيات خبراء تخطيط صدى القلب للأطفال الفرنسيين.
- استخدم هيكلاً منطقيًا وسهل المتابعة مع أقسام وفروع مرقمة.
- استخدم نقاطًا للعناصر الفردية أو القياسات.
- أدرج مساحات أو أسطر فارغة لإدخال القيم أو الأوصاف.
- تأكد من أن النموذج شامل مع الحفاظ على سهولة التنقل والإكمال.
- قدم النموذج فقط دون البدء بشرح مثل "هنا نموذج تقرير تخطيط صدى القلب للأطفال باللغة الفرنسية، مُعد لتقييم احتمال..." أو الانتهاء بتعليقات مثل "هذا النموذج مصمم ليكون كاملاً وسهل الاستخدام من قبل الناطقين بالفرنسية...".
تأكد من أن جميع الأقسام مسماة بوضوح باللغة الفرنسية وأن النموذج جاهز للاستخدام الفوري من قبل أطباء القلب للأطفال الناطقين بالفرنسية.
الحالة: صبي يبلغ من العمر 5 سنوات، وزنه 17.5 كجم، طوله 108 سم، قطر البطين الأيسر في حالة التوسع التام 35 ملم، قطر الأذين الأيسر 22 ملم، الحد الأقصى للانحدار في الصمام الرئوي 30 ملم زئبق، تقييم عملية إصلاح رباعي فالوت. | ar |
160e7f5bbfe84ce0 | hard_prompt | coding | أعطني حلاً يعتمد على القوة الغاشمة باستخدام التكرارات لهذا الأمر، واشرحه بطريقة بسيطة لطفل عمره خمس سنوات.
بالنظر إلى مصفوفة من الأعداد الصحيحة nums وعدد صحيح k. يُطلق على المصفوفة الفرعية المستمرة أنها "لطيفة" إذا كانت تحتوي على k من الأعداد الفردية.
أرجع عدد المصفوفات الفرعية اللطيفة.
المثال 1:
الإدخال: nums = [1,1,2,1,1]، k = 3
الإخراج: 2
الشرح: المصفوفات الفرعية الوحيدة التي تحتوي على 3 أعداد فردية هي [1,1,2,1] و [1,2,1,1].
المثال 2:
الإدخال: nums = [2,4,6]، k = 1
الإخراج: 0
الشرح: لا توجد أعداد فردية في المصفوفة.
المثال 3:
الإدخال: nums = [2,2,2,1,2,2,1,2,2,2]، k = 2
الإخراج: 16 | ar |
0775b8a6be1a4d07 | hard_prompt | coding | إيباك برومبت
أنت مدير محترف في تحسين كتالوجات محركات البحث وتكتب أوصاف المنتجات. إليك تعليماتك:
العنوان الأول: عنوان قابل للبيع ومتوافق مع معايير الميتا ومحركات البحث، يُقدّم المنتج بطريقة عاطفية أو مبنية على سيناريو، مع إعادة ترتيب شكل اسم المنتج، مع التأكد من أنه لن يكون مطابقًا للعناوين التالية. (مثال: سيناريو مُلهم: اسم المنتج / مع اسم المنتج، احصل على هذه الفائدة)
الجسم الأول: وصف عاطفي للمنتج يتكون من 3 فقرات قصيرة مع كلمات ميتا متوافقة مع محركات البحث. أضف سيناريوهات ولكن لا تجعلها متكررة.
العنوان الثاني: سؤال عن مشكلة مُعتمد من الميتا ومحركات البحث، مع إعادة ترتيب شكل اسم المنتج، مع التأكد من أنه لن يكون مطابقًا للعناوين التالية. (مثال: هل لديك مشكلة؟ المنتج موجود هنا.)
الجسم الثاني: شرح مختصر لكيفية حل المنتج للمشكلة. ثم قم بسرد ميزات/فوائد المنتج على النحو التالي: الميزة/الفائدة: التفاصيل.
العنوان الثالث: طريقة معتمدة من الميتا ومحركات البحث لقول إن هذا المنتج يمثل ميزة في المستقبل، وهذه هي طريقة عمله. (مثال: احصل على شيء ما مع اسم المنتج: مستقبل...)
الجسم الثالث: شرح مختصر لكيفية استفادة المشتري من استخدام هذا المنتج، وكيف أن استخدام المنتج في أوضاع مختلفة سيكون في صالحهم. ثم هذه هي طريقة عمله. قم بسرد الخطوات كما هي في البيانات. ثم أنهِ ذلك بسيناريو في المستقبل مع هذا المنتج مع عبارة "اشترِ الآن".
الجسم الرابع:
أعطني قائمة بما يوجد داخل الصندوق
باستخدام هذا التنسيق
العنصر (رقم الموديل) - وحدة الكمية
العنوان الخامس: عنوان معتمد من ميتا سيو حول مواصفات المنتج
العنوان السادس: عنوان معتمد من ميتا سيو حول كتيبات المنتج
هذه هي بياناتك:
الاسم:
EBac CD200 مزيل الرطوبة الصناعي - 138 PPD | 664 CFM
الجسم:
مزيل الرطوبة بالمجفف من EBAC - دقة تتجاوز العادي
أطلق العنان لأداء فائق في إزالة الرطوبة مع مزيلات الرطوبة بالمجفف من EBAC، وهي قمة الدقة والكفاءة. مصنوع من الفولاذ المقاوم للصدأ، يتميز هذا الجهاز القوي بخيار اختيار الوضع التلقائي/اليدوي، وضوابط إلكترونية، وسخان PTC عالي السعة للتجفيف الفوري والمستمر.
الميزات الرئيسية لـ DD200 وDD300:
هيكل من الفولاذ المقاوم للصدأ
اختيار الوضع التلقائي/اليدوي
ضوابط إلكترونية
سخان PTC عالي السعة
مرفق قياس الرطوبة عن بعد
تشغيل في درجات حرارة منخفضة
مقياس التيار الكهربائي
لماذا تختار EIPL: باعتبارها الشركة الرائدة في تصنيع مزيلات الرطوبة في أوروبا، تضمن EIPL الموثوقية في أقسى الظروف. بفضل خبرتنا التي تزيد عن 37 عامًا، فإن مزيلات الرطوبة الخاصة بنا تتحمل اختبار الزمن، ويتم الاعتماد عليها في تجارة تأجير النباتات بفضل متانتها وأدائها المتميز.
الدقة في التصميم: يضمن التصميم المدمج والمتين لـ DD200 وDD300، إلى جانب سخان PTC، تجفيفًا سريعًا ومستمرًا. راقب الكفاءة باستخدام مقياس التيار الكهربائي المدمج ومقياس ساعات التشغيل. يوفر الجهاز تحكمًا يدويًا/تلقائيًا ويتسع لجهاز قياس الرطوبة عن بعد لتشغيل سلس.
دوار PPS عالي الكفاءة ببراءة اختراع: يكمن قلب مزيلات الرطوبة الخاصة بنا في دوار PPS ببراءة اختراع، والذي يحتوي على 82% من هلام السيليكا النشط، مما يضمن أداءً متميزًا في مختلف البيئات. إنه قابل للغسل ومصمم ليدوم طويلاً، مما يجسد التزامنا بالتميز.
أشعل الراحة - اختر مزيلات الرطوبة بالمجفف من EBAC الآن!
رسم توضيحي لكيفية عمل مزيل الرطوبة
كيف يعمل مزيل الرطوبة الخاص بنا:
يتم سحب الهواء المعالج إلى مزيل الرطوبة
يمر الهواء المعالج عبر عجلة مشبعة بهلام السيليكا.
يمتص هلام السيليكا الرطوبة من الهواء.
يغادر الهواء المعالج مزيل الرطوبة كهواء دافئ وجاف.
تستمر عجلة هلام السيليكا في الدوران باستمرار.
يتم تسخين هواء التجديد إلى درجة حرارة عالية ويمر عبر جزء من العجلة
يطلق هلام السيليكا الرطوبة من العجلة إلى هواء التجديد.
يغادر هواء التجديد مزيل الرطوبة كهواء دافئ ورطب ويتم طرده إلى الخارج.
كتيبات مزيلات الرطوبة DD200 وDD300
ورقة المنتج الخاصة بـ DD200
ورقة المنتج الخاصة بـ DD300
دليل تشغيل DD200
دليل تشغيل DD300
مخطط الأسلاك لـ DD200
مخطط الأسلاك لـ DD300
مخطط توصيل الأسلاك لـ DD200
مخطط توصيل الأسلاك لـ DD300
قائمة قطع الغيار لـ DD200
قائمة قطع الغيار لـ DD300
الضمان
مواصفات مزيلات الرطوبة بالمجفف
المواصفات DD200 DD300
الارتفاع (بوصة) 13.3 14.5
العرض (بوصة) 13.0 14.2
العمق (بوصة) 15.0 17.0
الوزن (رطل) 37.5 44
الجهد الكهربائي 110 110
المرحلة 1 1
التردد (هرتز) 60 60
القدرة (كيلووات) 0.8 1.4
التيار (أمبير) 7.5 12.4
تدفق الهواء المعالج (قدم مكعب في الدقيقة) 115 136
تدفق هواء التجديد (قدم مكعب في الدقيقة) 38 42
حجم قناة الهواء المعالج (بوصة) 5.0 5.0
حجم قناة هواء التجديد (بوصة) 2.75 2.75
مستوى الضوضاء (ديسيبل) 67 67
الاستخراج النموذجي (ppd) 36 69
درجة حرارة التشغيل الدنيا (°F) -4 -4
درجة حرارة التشغيل القصوى (°F) 104 104
الميزات الإضافية لمزيلات الرطوبة بالمجفف
الميزة DD200 DD300
مفتاح التشغيل/الإيقاف نعم نعم
مقياس التيار الكهربائي نعم نعم
ضوابط إلكترونية نعم نعم
أنماط يدوية/تلقائية نعم نعم
مرفق قياس الرطوبة عن بعد نعم نعم
مقياس ساعات التشغيل نعم نعم
مقبس كهربائي مثبت نعم نعم
سرعات المروحة 1 1
سخان PTC عالي السعة نعم نعم
مرشحات الهواء الداخل نعم نعم
أقدام مطاطية مضادة للاهتزاز نعم نعم
تصميم مدخل هواء واحد نعم نعم
قائم بذاته نعم نعم
هيكل من الفولاذ المقاوم للصدأ R407c R407c
فتحات قطع عالية الحرارة نعم نعم
مزيل الرطوبة بالمجفف من EBAC DD200 DD
الكلمات الرئيسية التي يجب استخدامها:
مزيلات الرطوبة الصناعية
مزيلات الرطوبة التجارية
مزيلات الرطوبة الثقيلة
مزيلات الرطوبة الصناعية عالية الجودة
مزيلات الرطوبة واسعة النطاق
مزيلات الرطوبة عالية السعة
مزيلات الرطوبة للاستخدام الصناعي
مزيلات الرطوبة التجارية عالية الجودة
التحكم في الرطوبة الصناعية
التحكم في الرطوبة الصناعية
مزيلات الرطوبة للمستودعات
مزيلات الرطوبة للمصانع
مجففات الهواء الصناعية
إزالة الرطوبة التجارية
حلول التجفيف الصناعية
التحكم في المناخ الصناعي
إدارة الرطوبة الصناعية
حلول جودة الهواء الصناعية
التحكم في رطوبة المستودعات
مزيلات الرطوبة للتصنيع
أنظمة إزالة الرطوبة الصناعية
مزيلات الرطوبة للتطبيقات الصناعية
التحكم في الرطوبة الثقيلة
إزالة الرطوبة الصناعية عالية الجودة
مجففات الهواء التجارية
تأجير مزيلات الرطوبة الصناعية
مزيلات الرطوبة التجارية الكبيرة
حلول الرطوبة الصناعية
معدات التجفيف الصناعية
التحكم في رطوبة المصانع
جودة الهواء التجاري
التحكم في البيئة الصناعية
مزيلات الرطوبة للمصانع
مزيلات رطوبة الهواء الصناعية
حلول التجفيف التجارية
تكنولوجيا التجفيف الصناعية
التحكم في الرطوبة للصناعات
إدارة الهواء الصناعي
أنظمة مزيلات الرطوبة الصناعية
مزيلات رطوبة المستودعات
أنظمة التدفئة والتهوية وتكييف الهواء الصناعية
إزالة الرطوبة الثقيلة
حماية الرطوبة الصناعية
تكييف الهواء الصناعي
التحكم في البيئة التجارية
مزيلات الرطوبة للمساحات التجارية
تنقية الهواء الصناعي
حلول الرطوبة التجارية
التحكم في الرطوبة على نطاق واسع
التحكم في الرطوبة الثقيلة
أجهزة التجفيف الصناعية
معدات إزالة الرطوبة الصناعية
مزيلات الرطوبة للمساحات الكبيرة
إدارة المناخ الصناعي
إدارة الرطوبة التجارية
أنظمة التحكم في الرطوبة الصناعية
حلول تجفيف المستودعات
معالجة الهواء الصناعي
مزيلات الرطوبة لمرافق الإنتاج
مجففات الهواء الثقيلة
أنظمة تكييف الهواء الصناعية
تكنولوجيا التجفيف التجارية
التحكم في جودة الهواء الصناعي
مزيلات الرطوبة لمرافق التخزين
إزالة الرطوبة التجارية
حلول التحكم في الرطوبة الصناعية
مجففات هواء المستودعات
أنظمة الهواء الصناعية
إزالة الرطوبة في المصانع
مزيلات الرطوبة الصناعية الكبيرة
إدارة الهواء الثقيلة
وحدات مزيلات الرطوبة الصناعية
أنظمة التحكم في الرطوبة التجارية
إدارة التجفيف الصناعي
التحكم في الرطوبة للمستودعات
مزيلات الرطوبة للبيئات الصناعية
إدارة جودة الهواء الصناعي
حلول التجفيف الثقيلة
إدارة الهواء التجاري
التخفيف من الرطوبة الصناعية
حلول رطوبة المستودعات
التحكم في التجفيف الصناعي
مزيلات الرطوبة للمستودعات الكبيرة
إزالة رطوبة الهواء الصناعي
تجفيف الهواء التجاري
تنظيم الرطوبة الصناعية
التحكم في البيئة الثقيلة
الوقاية من الرطوبة الصناعية
مزيلات الرطوبة للمرافق الكبيرة
التحكم في المناخ التجاري
تحسين جودة الهواء الصناعي
وحدات التجفيف الصناعية
جودة الهواء الثقيلة
تقليل الرطوبة الصناعية
حلول جودة هواء المستودعات
مزيلات الرطوبة للمساحات الكبيرة
التحكم في رطوبة الهواء الصناعي
إدارة التجفيف التجاري
حلول البيئة الصناعية
إدارة المناخ الثقيل | ar |
17352f06b5144157 | hard_prompt | coding | أحتاج إلى تجميع هذه العناصر بناءً على حالة احتياجات العملاء ونمط الشراء. فيما يلي المجموعات التي أحصل عليها بناءً على بدائل العملاء.
"
المجموعة 1 = ['YELLOWTAIL CHARDONNAY 750ML'، '19 CRIMES MARTHAS CHARD 750ML']
المجموعة 2 = ['KENDALL JACKSON VR CHARDONNAY 750ML 12P'،
'LA CREMA CHARD 750ML 13P'،
'TISDALE CHARDONNAY 750ML 13P'،
'CUPCAKE CHARD 750ML']
المجموعة 3 = ['SUNSHINE BLISS CHARDONNAY 750ML'،
'BREAD & BUTTER CHARD 750ML'،
'PINE CREST CHARDONNAY 750ML'،
'CHAT ST MICH CHARD 750ML']
المجموعة 4 = ['BAREFOOT CELLAR CHARD 750ML 12.5P'،
'CLOS DU BOIS NORTH COAST CHARD 750ML 13P'،
'LINE 39 CHARD 750ML']
المجموعة 5 = ['JOSH CELLARS CHARD 750ML'، 'SIMI CHARD 750ML']
"
يجب عليك مراعاة جميع هذه العناصر وإعادة تجميعها إذا لزم الأمر بناءً على متغيرات القرار مثل السعر، والتميز، والمناسبة، وبلد المنشأ، وتوافق الطعام، وما إلى ذلك. | ar |
40303f2127f04daa | hard_prompt | coding | سأقدم لك مجموعة من تحديات البرمجة بلغة بايثون. تتغير البيانات الناتجة عن d.data() في كل مرة يتم استدعاؤها.
يتم تقديم الإجابات عن طريق وضع الإجابة داخل d.answer().
يفضل أن تكون الإجابات في سطر واحد، ولكن إذا كنت بحاجة إلى استدعاء d.data() مرتين، فيمكن أن يكون ذلك في سطر منفصل كما هو موضح أدناه:
data = d.data(86)
يمكن أيضًا أن تكون عمليات الاستيراد في أسطر منفصلة. كل شيء آخر يجب أن يكون داخل d.answer()
السؤال 86:
اقرأ /home/student/Public/packets/sessions.pcap إنه معطوب بشكل فظيع لدرجة أن Wireshark لا يمكنه
إعادة تجميع تدفقات TCP. سيتعين عليك استخدام scapy لإنجاز المهمة. أولاً، استخدم .sessions() للتنقل
عبر الحزم. ثم أعد وضع الحزم في ترتيب SEQ. أنشئ سلسلة تحتوي على
حمولة التدفقات بترتيب الطوابع الزمنية يليها القيمة من .data(). قدم ذلك كإجابة. | ar |
c1e3203a5a5049b4 | hard_prompt | coding | ما هي أبسط/أسرع طريقة، في بايتورتش، لتطبيق نفس المرشح التلافيفي على كل قناة من قنوات التنسور الخاص بي؟ على سبيل المثال، لدي تنسور ذو شكل [bs, c, w1, h1] وأريد تطبيق مرشح واحد بحجم k على كل قناة بحيث أحصل على تنسور بحجم [bs, c, w2, h2]. ماذا لو أردت بدلاً من ذلك تطبيق مجموعة من t نوى على كل قناة من قنواتي للحصول على تنسور بحجم [bs, c*t, w2, h2] (كما في السابق، يتم استخدام نفس النوى t لكل قناة c)؟ | ar |
b148d398640e465b | hard_prompt | coding | كيفية فك شفرة الباركود EAN13 بشكل قوي من صورة ضبابية منخفضة الدقة | ar |
a760ab00b7964567 | hard_prompt | coding | كيف يمكن تجميع قاموس على عدة وحدات معالجة رسومية باستخدام torch | ar |
d7765737164a4164 | hard_prompt | coding | ما هو YARA-L؟ وهل يمكنك كتابة قاعدة تبحث عن mimikatz؟ أرجو أن تكون شاملة قدر الإمكان. أود أيضًا ترجمة نفس القاعدة إلى قاعدة SentinelOne STAR من فضلك. | ar |
b9ebb67820354dcd | hard_prompt | coding | سأقدم لك مجموعة من تحديات البرمجة بلغة بايثون.
يتم تقديم الإجابات عن طريق وضع الإجابة داخل d.answer().
يفضل أن تكون الإجابات في سطر واحد، ولكن إذا كنت بحاجة إلى استدعاء d.data() مرتين، فيمكن أن يكون ذلك في سطر منفصل كما هو موضح أدناه:
data = d.data(105)
يمكن أيضًا أن تكون عمليات الاستيراد في أسطر منفصلة.
السؤال 105:
يحتوي عنصر البيانات على نسخة من advapi32.dll. يتطلب هذا التحدي استخدام وحدة pefile
(التي لا يتم تثبيتها بشكل افتراضي) لتحليل نسخة من تلك المكتبة وإرجاع اسم القسم الثالث
من تلك المكتبة. تلميح: تأكد من عدم وجود أي أحرف إضافية في اسم القسم الخاص بك. | ar |
0ae2b03e911b4e2a | hard_prompt | coding | الفئة FeaturePenalizer(BasePenalizer):
"""
معاقبة الميزات باستخدام TensorFlow.
المصدر (بقلم jrb): https://github.com/jonrtaylor/twitch/blob/master/FE_Clipping_Script.ipynb
مصدر أول تنفيذ لـ PyTorch (بقلم مايكل أوليفر / mdo): https://forum.numer.ai/t/model-diagnostics-feature-exposure/899/12
:param max_exposure: رقم في النطاق [0...1] يشير إلى مدى تقليل التعرض الأقصى للميزة.
:param pred_name: اسم عمود التنبؤ. يستخدم لاسم العمود الجديد. \n
:param suffix: لاحقة اختيارية تضاف إلى اسم العمود الجديد.
"""
def __init__(
self,
max_exposure: float,
pred_name: str = "prediction",
suffix: str = None,
):
self.max_exposure = max_exposure
self.pred_name = pred_name
assert (
0.0 <= max_exposure <= 1.0
), f"'max_exposure' يجب أن يكون رقمًا عائمًا في النطاق [0...1]. تم الحصول على '{self.max_exposure}'."
new_col_name = (
f"{self.pred_name}_penalized_{self.max_exposure}_{suffix}"
if suffix
else f"{self.pred_name}_penalized_{self.max_exposure}"
)
super().__init__(new_col_name=new_col_name)
self.suffix = suffix
def transform(self, X: pd.DataFrame, features: pd.DataFrame, era_series: pd.Series) -> np.array:
"""
طريقة التحويل الرئيسية.
:param X: التنبؤات المدخلة التي يجب تحييدها.
:param features: إطار بيانات يحتوي على الميزات للتحييد.
:param era_series: سلسلة تحتوي على تسميات العصور لكل صف في الميزات.
يجب أن يكون لكل من الميزات والعصور وعمود التنبؤ نفس الطول.
:return: التنبؤات المعاقبة.
"""
assert len(X) == len(features), "يجب أن يكون للتنبؤات المدخلة نفس طول الميزات."
assert len(X) == len(era_series), "يجب أن يكون للتنبؤات المدخلة نفس طول العصور."
df = features.copy()
df["prediction"] = X
df["era"] = era_series
penalized_data = self._reduce_all_exposures(
dataf=df, column=self.pred_name, neutralizers=list(features.columns)
)
return penalized_data
def _reduce_all_exposures(
self,
dataf: pd.DataFrame,
column: str = "prediction",
neutralizers: list = None,
normalize=True,
gaussianize=True,
) -> pd.DataFrame:
neutralized = []
for era in tqdm(dataf["era"].unique()):
dataf_era = dataf[dataf["era"] == era]
scores = dataf_era[[column]].values
exposure_values = dataf_era[neutralizers].values
if normalize:
scores2 = []
for x in scores.T:
x = (scipy.stats.rankdata(x, method="ordinal") - 0.5) / len(x)
if gaussianize:
x = scipy.stats.norm.ppf(x)
scores2.append(x)
scores = np.array(scores2)[0]
scores, _ = self._reduce_exposure(
scores, exposure_values, len(neutralizers), None
)
scores /= tf.math.reduce_std(scores)
scores -= tf.reduce_min(scores)
scores /= tf.reduce_max(scores)
neutralized.append(scores.numpy())
predictions = pd.DataFrame(
np.concatenate(neutralized), columns=[column], index=dataf.index
)
return predictions
def _reduce_exposure(self, prediction, features, input_size=50, weights=None):
model = tf.keras.models.Sequential(
[
tf.keras.layers.Input(input_size),
tf.keras.experimental.LinearModel(use_bias=False),
]
)
feats = tf.convert_to_tensor(features - 0.5, dtype=tf.float32)
pred = tf.convert_to_tensor(prediction, dtype=tf.float32)
if weights is None:
optimizer = tf.keras.optimizers.Adamax()
start_exp = self.__exposures(feats, pred[:, None])
target_exps = tf.clip_by_value(
start_exp, -self.max_exposure, self.max_exposure
)
self._train_loop(model, optimizer, feats, pred, target_exps)
else:
model.set_weights(weights)
return pred[:, None] - model(feats), model.get_weights()
def _train_loop(self, model, optimizer, feats, pred, target_exps):
for _ in range(1000000):
loss, grads = self.__train_loop_body(model, feats, pred, target_exps)
optimizer.apply_gradients(zip(grads, model.trainable_variables))
if loss < 1e-7:
break
def __train_loop_body(self, model, feats, pred, target_exps):
with tf.GradientTape() as tape:
exps = self.__exposures(feats, pred[:, None] - model(feats, training=True))
loss = tf.reduce_sum(
tf.nn.relu(tf.nn.relu(exps) - tf.nn.relu(target_exps))
+ tf.nn.relu(tf.nn.relu(-exps) - tf.nn.relu(-target_exps))
)
return loss, tape.gradient(loss, model.trainable_variables)
@staticmethod
def __exposures(x, y):
x = x - tf.math.reduce_mean(x, axis=0)
x = x / tf.norm(x, axis=0)
y = y - tf.math.reduce_mean(y, axis=0)
y = y / tf.norm(y, axis=0)
return tf.matmul(x, y, transpose_a=True)
---
استيراد os
استيراد pathlib
استيراد numpy كما np
استيراد pandas كما pd
استيراد scipy.stats
استيراد tensorflow كما tf
استيراد joblib
من tqdm.notebook استيراد tqdm
NUMERAI_S3_BUCKET_URL = "https://numerai-public-datasets.s3-us-west-2.amazonaws.com"
#قراءة التنبؤات التجريبية من التخزين المحلي
#EXAMPLE_PREDS = 'tournament_predictions.csv'
#أو تنزيل التنبؤات التجريبية من دلو S3 الخاص بـ Numerai:
EXAMPLE_PREDS_URL = NUMERAI_S3_BUCKET_URL + "/latest_numerai_example_predictions_data.csv.xz"
#تنزيل أحدث ملف بيانات البطولة:
TOURNAMENT_DATA_URL = NUMERAI_S3_BUCKET_URL + "/latest_numerai_tournament_data.csv.xz"
###مهم! احذف الملف أدناه إذا قمت بتغيير النماذج! خلاف ذلك، قم بتغيير اسم الملف لنماذجك المختلفة###
LM_CACHE_FILE = pathlib.Path("neutralization.cache.joblib")
@tf.function(experimental_relax_shapes=True, experimental_compile=True)
def exposures(x, y):
x = x - tf.math.reduce_mean(x, axis=0)
x = x / tf.norm(x, axis=0)
y = y - tf.math.reduce_mean(y, axis=0)
y = y / tf.norm(y, axis=0)
return tf.matmul(x, y, transpose_a=True)
@tf.function(experimental_relax_shapes=True)
def train_loop_body(model, feats, pred, target_exps):
with tf.GradientTape() as tape:
exps = exposures(feats, pred[:, None] - model(feats, training=True))
loss = tf.reduce_sum(tf.nn.relu(tf.nn.relu(exps) - tf.nn.relu(target_exps)) +
tf.nn.relu(tf.nn.relu(-exps) - tf.nn.relu(-target_exps)))
return loss, tape.gradient(loss, model.trainable_variables)
def train_loop(model, optimizer, feats, pred, target_exps, era):
for i in range(1000000):
loss, grads = train_loop_body(model, feats, pred, target_exps)
optimizer.apply_gradients(zip(grads, model.trainable_variables))
if loss < 1e-7:
break
if i % 10000 == 0:
tqdm.write(f'era: {era[3:]} loss: {loss:0.7f}', end='\r')
def reduce_exposure(prediction, features, max_exp, era, weights=None):
model = tf.keras.models.Sequential([
tf.keras.layers.Input(310),
tf.keras.experimental.LinearModel(use_bias=False),
])
feats = tf.convert_to_tensor(features - 0.5, dtype=tf.float32)
pred = tf.convert_to_tensor(prediction, dtype=tf.float32)
if weights is None:
optimizer = tf.keras.optimizers.Adamax()
start_exp = exposures(feats, pred[:, None])
target_exps = tf.clip_by_value(start_exp, -max_exp, max_exp)
train_loop(model, optimizer, feats, pred, target_exps, era)
else:
model.set_weights(weights)
return pred[:,None] - model(feats), model.get_weights()
def reduce_all_exposures(df, column=["prediction"], neutralizers=None,
normalize=True,
gaussianize=True,
era_col="era",
max_exp=0.1): ###<-----حدد أقصى تعرض للميزة هنا###
if neutralizers is None:
neutralizers = [x for x in df.columns if x.startswith("feature")]
neutralized = []
if LM_CACHE_FILE.is_file():
cache = joblib.load(LM_CACHE_FILE)
# إزالة الأوزان لـ eraX إذا كنا قد حفظناها عن طريق الخطأ في الماضي.
cache.pop("eraX", None)
else:
cache = {}
for era in tqdm(df[era_col].unique()):
tqdm.write(era, end='\r')
df_era = df[df[era_col] == era]
scores = df_era[column].values
exposure_values = df_era[neutralizers].values
if normalize:
scores2 = []
for x in scores.T:
x = (scipy.stats.rankdata(x, method='ordinal') - .5) / len(x)
if gaussianize:
x = scipy.stats.norm.ppf(x)
scores2.append(x)
scores = np.array(scores2)[0]
scores, weights = reduce_exposure(scores, exposure_values,
max_exp, era, cache.get(era))
if era not in cache and era != "eraX":
cache[era] = weights
joblib.dump(cache, LM_CACHE_FILE)
scores /= tf.math.reduce_std(scores)
scores -= tf.reduce_min(scores)
scores /= tf.reduce_max(scores)
neutralized.append(scores.numpy())
predictions = pd.DataFrame(np.concatenate(neutralized),
columns=column, index=df.index)
return predictions
#إذا لم يتم إعداد CUDA بشكل صحيح لـ TensorFlow، فعلى الأقل قم بزيادة عدد الخيوط المتاحة للمعالج المركزي
if not tf.config.list_physical_devices('GPU'): # لم يتم العثور على وحدة معالجة رسومية (GPU)
tf.config.threading.set_inter_op_parallelism_threads(2)
tf.config.threading.set_intra_op_parallelism_threads(os.cpu_count() // 2)
#قراءة أو تنزيل التنبؤات التجريبية
exp_df = pd.read_csv(EXAMPLE_PREDS_URL, index_col=0)
#تنزيل بيانات البطولة
tournament_df = pd.read_csv(TOURNAMENT_DATA_URL, index_col=0)
#دمجهما معًا
full_df = pd.merge(tournament_df, exp_df, left_index=True, right_index=True)
#تنفذ هذه الخلية البرنامج النصي الكامل أعلاه وتقوم بتحييد التنبؤات لتحقيق أقصى تعرض للميزة يبلغ 0.1
neutralized_df = reduce_all_exposures(full_df)
----
ينجز هذان الجزءان من الكود نفس الشيء. هل ترى طريقة أخرى للقيام بذلك باستخدام jax؟ أولاً، اشرح العملية الجارية. على سبيل المثال، يتم العثور على نموذج خطي، وعند طرحه، يترك التنبؤات مع "تعرض للميزة" أقل من كمية محددة مسبقًا. قم بتوضيح الكود أيضًا لشرح ما يحدث في كل جزء. | ar |
c8d289d5248b498e | hard_prompt | coding | Object.keys(row).filter((key) => key !== "id").map((key) => {
return <TableCell className="" key={key}>{row[key]}</TableCell>
})
كيف يمكنني إضافة فئة فقط إذا كانت القيمة تساوي "خطأ"؟ | ar |
5722cc0b31c14484 | hard_prompt | coding | تصرف كخبير في إدارة أنظمة لينكس. لديك جهاز أساسي يسمى hostA يعمل بنظام RHEL 9.2. تريد إنشاء حاوية تعمل بنظام openSUSE Leap. لا يمتلك الجهاز الأساسي hostA الذي يعمل بنظام RHEL إمكانية الوصول إلى الإنترنت لتنزيل البرامج، لذا يمكنك فقط استخدام المجلدات المحلية. اشرح خطوة بخطوة كيفية إنشاء صورة حاوية تسمى openSUSEImage لنظام openSUSE Leap لاستخدامها مع podman. يجب أن تكون الصورة تثبيتًا كاملاً لنظام openSUSE. لإنشاء الصورة، افترض أن لديك جهازًا مختلفًا آخر يسمى hostX، نعم لديه إمكانية الوصول إلى الإنترنت، حيث يمكن تنزيل أي صورة ISO لنظام openSUSE، ونسخ أي ملف مطلوب من الجهازX إلى الجهاز host1. على سبيل المثال، الخطوات هي: 1) قم بتنزيل صورة ISO لقرص DVD الخاص بنظام openSUSE على الجهاز hostX. 2) انسخ ملف ISO من الجهاز hostX إلى الجهاز hostA، 3) في الجهاز hostA، قم بتثبيت ملف ISO في مجلد يسمى xxx 4) في الجهاز hostA، باستخدام المجلد xxx، قم بإنشاء صورة حاوية لنظام openSUSE الكامل 5) قم بتشغيل الحاوية. | ar |
368b15db4c6a4e2f | hard_prompt | coding | أنشئ تكوينًا جيدًا لنظام Nixos باستخدام flakes ومدير المنزل. اشرح كل خطوة واحدة تلو الأخرى بدءًا من تثبيت Nixos الجديد وحتى التكوين. استخدم جنوم ووايلاند، ونيوفيم، وفيسوال ستوديو كود، وزيد، ومتصفح بريف، وبت ووردن، و10 أدوات قياسية مثل كيرل. يمكنك افتراض أن الكمبيوتر مثبت عليه نظام Nixos حديثًا، وابدأ من هناك. | ar |
d307d8ff0b10463c | hard_prompt | coding | أنا في بيئة تثبيت جنتو. ما هي الخطوات التي يجب أن أتخذها لتثبيت برامج تشغيل محول الإنترنت الخاص بي من طراز TP-Link 802.11ac؟ (يمكنني الوصول إلى الشبكة عبر الربط عبر USB) | ar |
cab26034a7d64266 | hard_prompt | coding | أريد كتابة إطار عمل بايثون يسمح لي بكتابة معالجة البيانات كسلسلة إعلانية قابلة للتكوين، تتعامل تلقائيًا مع الخرائط، والعمليات غير المتزامنة، والتوازي، وأشرطة التحميل الجميلة، ورسائل الخطأ:
config = RerankConfig.parse()
chain = (
Chain(config)
.load("data/queries.txt")
.take(config.n)
.map(search_exa, use_cache=True)
.flatten()
.save("data/exa_results.json")
.map(rerank_result, use_cache=True)
.groupby("query")
.map(aggregate_result)
.map(autoprompt, use_cache=True)
.filter(lambda x, _: x is not None)
.save("data/reranked-autoprompt.json")
.save_to_s3("michael-datasets", "reranked-autoprompt.json")
)
chain.run()
اكتب فئة السلسلة التي تقوم بذلك. يجب أن تتعامل تلقائيًا مع بث العناصر بشكل تدريجي، ولكن أيضًا مع تجميعها، وما إلى ذلك. اجعلها مريحة وقوية ومرنة. | ar |
a10d396f07574a4a | hard_prompt | coding | أقوم بتشغيل Pi Hole، وهو خادم MC، وخادم لمشاركة الملفات (بين الأجهزة الموجودة في الشبكة، بما في ذلك أجهزة iPhone)، وتخزين الملفات (لا أعلم إذا كان هذا هو نفس الشيء)، وصفحة رئيسية (هل هذا خادم ويب؟)، وصورة Windows 10 قابلة للتخلص منها/إعادة تعيينها، وصورة Ubuntu قابلة للتخلص منها/إعادة تعيينها.
ما هي المواصفات التي يجب أن أستهدفها لكل جهاز افتراضي، أو خدمة، أو أي شيء أحتاجه، بالإضافة إلى مواصفات النظام الرئيسي؟ | ar |
2af71fe3078d46fb | hard_prompt | coding | اكتب أمرًا لواجهة سطر أوامر لينكس لإضافة رقم متزايد إلى كل اسم ملف في المجلد، بدءًا من رقم محدد مكون من 3 أرقام | ar |
36e1c64944434a4d | hard_prompt | coding | خذ بعين الاعتبار كود بايثون التالي:
app.py:
```
import base64
import json
import os
import sys
import config
from pathlib import Path
from fastapi import FastAPI, Query
from fastapi.middleware.cors import CORSMiddleware
# استيرادات محلية
from programs.page_one import get_all_accounts
from objects.exceptions import InvalidASVException
from objects.chamber_of_secrets import COSClient
class CloudvizApp:
def __init__(self):
self.client_id = ""
self.client_secret = ""
self.env = ""
self.new_relic_key = ""
self.o_auth_token = ""
self.cert = ""
self.TOKEN_URL = ""
self.base_api_url = ""
self.exchange_creds = None
self.exchange_token_getter = None
self.configure()
self.app = None
def startup(self):
self.app = FastAPI()
self.add_middleware()
self.add_routes()
return self.app
def add_middleware(self):
self.app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_credentials=True,
allow_methods=["GET"],
allow_headers=["Content-Type", "Authorization"],
)
def configure(self):
APP_DIR = Path(__file__).parent.parent
sys.path.append(str(APP_DIR))
env = os.getenv("ENV", None)
# الحصول على بيانات الاعتماد من الخزينة إذا كنا نعمل في بيئة محددة
if env is not None:
chamber_of_secrets = COSClient()
# الحصول على مفتاح NR
self.new_relic_key = chamber_of_secrets.get_secret(config.NR_KEY_PATH)
# الحصول على بيانات اعتماد التبادل
exchange_creds_raw = chamber_of_secrets.get_secret(
config.EXCHANGE_CREDS_PATH
)
self.exchange_creds = json.loads(base64.b64decode(exchange_creds_raw))
else:
self.exchange_creds = {
"client_id": os.getenv("EXCHANGE_CLIENT_ID"),
"client_secret": os.getenv("EXCHANGE_CLIENT_SECRET"),
}
self.new_relic_key = os.getenv("NEW_RELIC_KEY")
# تعيين الرابط والشهادة بناءً على البيئة
if env == "production":
self.cert = config.PROD_CERT_PATH
self.TOKEN_URL = config.PROD_TOKEN_URL
self.base_api_url = config.PROD_BASE_API_URL
else:
self.cert = config.NP_CERT_PATH
self.TOKEN_URL = config.NP_TOKEN_URL
self.base_api_url = config.NP_BASE_API_URL
self.exchange_token_getter = ExchangeClient(
url=self.TOKEN_URL,
cert=self.cert,
client_id=self.exchange_creds["client_id"],
client_secret=self.exchange_creds["client_secret"],
)
self.o_auth_token = self.exchange_token_getter.get_token()
def add_routes(self):
@self.app.get("/return_accounts/")
async def return_accounts(asv):
"""
استدعاء واجهة برمجة التطبيقات للحصول على حسابات الصفحة الأولى لـ ASV معين.
التنسيق: 127.8000/return_accounts/?asv={asv}
:param asv: سلسلة نصية لقيمة ASV
:return Dict: كائن JSON يعيد الحسابات ذات الصلة
:404 استثناء ASV غير صالح: إذا لم يتم العثور على ASV
"""
if not asv:
asv = Query(
...,
title="اسم ASV",
description="اسم ASV الذي تريد البحث عنه"
)
headers = {
"Accept": "application/json;v=1",
"Content-Type": "application/json",
"Authorization": "Bearer " + self.o_auth_token,
}
url = self.base_api_url + "/internal-operations/cloud-service/aws-tooling/search-resource-configurations"
output = get_all_accounts(url, asv, headers, self.cert)
if len(output.get("resources")) == 0:
raise InvalidASVException(f"{asv}")
return output
```
page_one.py:
```
import json
from utils import Search, Resources
import requests
def get_all_accounts(api_endpoint, asvName, headers, pem_path):
all_accounts = Resources()
all_accounts.create_attribute("asv")
all_accounts.get_attribute("asv")["name"] = asvName
next_token = None
search_obj = Search()
search_obj.addSearchParam("asvName", asvName)
search_body = search_obj.getSearchParam()
json_body = json.dumps(search_body)
checker = set()
while True:
url = api_endpoint
if next_token:
url += f"?nextRecordKey={next_token}"
response = request.post(url, headers=headers, data=json_body, verify=pem_path)
data = json.loads(response.text)
if response.status_code == 200:
resourceConfigs = data.get("resourceConfigurations")
resourceT = {"AWS::Lambda::Function", "AWS:ECS::Service"}
for i in range(len(resourceConfigs)):
rType = resourceConfigs[i].get("resourceType")
if rType in resourceT:
if resourceConfigs[i].get("awsAccountId") not in checker:
all_accounts.add_to_resources({"accountName": resourceConfigs[i].get("accountName")})
checker.add(resourceConfigs[i].get("awsAccountId"))
next_token = data.get("nextRecordKey")
if next_token == "":
break
else:
print("حدث خطأ ما")
return all_accounts.get_resources()
```
utils.py:
```
class Resources:
def __init__(self, resources=None):
self.resources = {
"resources": []
}
def add_resource(self, resource):
self.resources["resources"].append(resource)
def create_attribute(self, attribute):
self.resources[attribute] = {}
def get_attribute(self, attribute):
return self.resources.get(attribute)
def add_to_resources(self, resource):
self.resources["resources"].append(resource)
def get_resources(self):
return self.resources
class Search:
def __init__(self):
self.params = {
"searchParameters": [{}],
"responseFields": []
}
def addSearchParam(self, key, value):
self.params["searchParameters"][0][key] = value
def getSearchParam(self):
return self.params
def addResponseField(self, value):
self.params["responseFields"].append(value)
def getResponseFields(self):
return self.params["responseFields"]
```
أريد كتابة اختبار behave بالطريقة التالية:
```feature
سيناريو: الحصول على الحسابات لـ ASV معين
نظرًا لأن تطبيق Cloudviz يعمل
ووجود عنوان URL أساسي من البيئة
عندما نحصل على نقطة النهاية /return_accounts/?asv=test_asv
يجب أن يتطابق الرد مع return_accounts.json
```
أولاً، عنوان URL الأساسي هو `https://cloudviz-dev.clouddqt.capitalone.com` وأريد محاكاة طلب الإرسال الذي تقوم به الدالة `get_all_accounts` إلى `url` الذي تستدعيه. لدي خدمة محاكاة يمكنني استخدامها للقيام بذلك، أحتاج فقط إلى تقديم الطلب والاستجابة. ما هو الطلب والاستجابة اللذين يجب أن أقدمهما حتى أتمكن من تشغيل اختباري؟ | ar |
03ac130e6ed44aaa | hard_prompt | coding | قم بإنشاء صفحة تسجيل دخول إلى إنستغرام متجاوبة باستخدام Flutter، مع تضمين الصور والوضع الداكن أيضًا | ar |
ad01e0a0988f44b2 | hard_prompt | coding | كيف يمكنني تحويل مصفوفة من القيم إلى قيم مختلفة عن طريق البحث عن هذه القيم كقيم يجب العثور عليها وتحويلها إلى المفاتيح المقابلة لها من قاموس في بايثون، أظهر مثالًا | ar |
6c9252c407ed44b5 | hard_prompt | coding | How to disable this range slider to select overlapping values for start/end? I already tried that, but sometimes it got stuck.
@Composable
fun MycanRangeSlider(
modifier: Modifier,
onValuesChange: (ClosedFloatingPointRange<Float>) -> Unit,
defaultTimeRange: ClosedFloatingPointRange<Float>,
enabled: Boolean,
isScrolling: Boolean = false
) {
val allowedRange = 7f..18f
val totalHours = allowedRange.endInclusive - allowedRange.start
val steps = ((totalHours * 2).toInt()) - 1
val stepSize = (totalHours / (steps + 1))
val rangeSliderState = remember {
mutableStateOf(
RangeSliderState(
defaultTimeRange.start,
defaultTimeRange.endInclusive,
steps = steps,
valueRange = allowedRange
)
)
}
LaunchedEffect(rangeSliderState) {
snapshotFlow { rangeSliderState.value.activeRangeStart to rangeSliderState.value.activeRangeEnd }.collect { (start, end) ->
val startRounded = (start / stepSize).roundToInt() * stepSize
val endRounded = (end / stepSize).roundToInt() * stepSize
onValuesChange(startRounded..endRounded)
}
}
val startInteractionSource = remember { MutableInteractionSource() }
val endInteractionSource = remember { MutableInteractionSource() }
Column(modifier = modifier) {
RangeSlider(
enabled = enabled,
state = rangeSliderState.value,
startThumb = {
SliderDefaults.Thumb(
enabled = enabled,
colors = SliderDefaults.colors(
thumbColor = colorScheme.primary,
disabledThumbColor = DesignSystemColors.Light.Primary.blue.lighter
),
modifier = Modifier
.clip(CircleShape)
.background(color = Color.White)
.border(1.dp, colorScheme.outline, CircleShape)
.padding(5.dp),
interactionSource = startInteractionSource,
thumbSize = DpSize(width = 10.dp, height = 10.dp),
)
},
endThumb = {
SliderDefaults.Thumb(
enabled = enabled,
colors = SliderDefaults.colors(
thumbColor = colorScheme.primary,
disabledThumbColor = DesignSystemColors.Light.Primary.blue.lighter
),
modifier = Modifier
.clip(CircleShape)
.background(color = Color.White)
.border(1.dp, colorScheme.outline, CircleShape)
.padding(5.dp),
interactionSource = endInteractionSource,
thumbSize = DpSize(width = 10.dp, height = 10.dp),
)
},
colors = SliderDefaults.colors(
activeTickColor = Color.Transparent,
inactiveTickColor = Color.Transparent,
disabledActiveTickColor = Color.Transparent,
disabledInactiveTickColor = Color.Transparent,
thumbColor = colorScheme.primary,
disabledThumbColor = DesignSystemColors.Light.Primary.blue.lighter,
disabledActiveTrackColor = DesignSystemColors.Light.Primary.blue.lighter,
inactiveTrackColor = DesignSystemColors.Light.Primary.blue.lighter,
)
)
}
} | ar |
63ce43d385e349f9 | hard_prompt | coding | اكتب برنامجًا بلغة بايثون يقوم بإخراج نفسه. يمكنك استخدام أي عمليات إدخال/إخراج على القرص، ولكن فقط استخدم أوامر الطباعة | ar |
d89e94a629f04c73 | hard_prompt | coding | بدون الوصول إلى lsblk، كيف يمكنك الحصول على معلومات نظام الملفات الشائعة مثل نوع نظام الملفات، والحجم، وأسماء الأقسام؟ يمكنك استخدام الأوامر المتاحة في busybox | ar |
27e82a03176a4db2 | hard_prompt | coding | في مايا بايثون، كيف يمكنك إنشاء شيدر جديد وتعيينه لاختيار وجه معين، وليس للكائن بأكمله؟ | ar |
4ce1bde6c29f40b7 | hard_prompt | coding | تشعر برغبة في استخدام الدوال الرياضية لإنشاء رسومات جميلة. تبدأ برسم لوحة مفاتيح جميلة. اكتب الكود البرمجي بلغة بايثون للقيام بذلك، ولكن يمكنك استخدام الدوال الرياضية فقط للتصور. | ar |
End of preview. Expand
in Data Studio
Dataset Card for m-ArenaHard-v2.0
This dataset is used in the paper When Life Gives You Samples: The Benefits of Scaling up Inference Compute for Multilingual LLMs.
Dataset Details
The m-ArenaHard-v2.0 dataset is a multilingual LLM evaluation set. This is built on the LMarena (formerly LMSYS) arena-hard-auto-v2.0 test dataset. This dataset(containing 750 prompts) was filtered to "english" only prompts using the papluca/xlm-roberta-base-language-detection model resulting in 498 prompts. These filtered prompts were then translated into 22 languages by using an in-house state-of-the-art translation model resulting in a total test set of 11,454 multilingual prompts.
The 23 languages included in this dataset are :
- Arabic (ar)
- Chinese (zh)
- Czech (cs)
- Dutch (nl)
- English (en)
- French (fr)
- German (de)
- Greek (el)
- Hebrew (he)
- Hindi (hi)
- Indonesian (id)
- Italian (it)
- Japanese (ja)
- Korean (ko)
- Persian (fa)
- Polish (pl)
- Portuguese (pt)
- Romanian (ro)
- Russian (ru)
- Spanish (es)
- Turkish (tr)
- Ukrainian (uk)
- Vietnamese (vi)
Load with Datasets
To load this dataset with Datasets, you'll need to install Datasets as
pip install datasets --upgrade
and then use the following code:
from datasets import load_dataset
dataset = load_dataset("CohereLabs/m-ArenaHard-v2.0", "en")
If you instead would like to load the entire dataset, you can concatenate them using the following code:
from datasets import load_dataset, concatenate_datasets, get_dataset_config_names
moniker = 'CohereLabs/m-ArenaHard-v2.0'
dataset = concatenate_datasets([load_dataset(moniker,subset)['test'] for subset in get_dataset_config_names(moniker)])
Dataset Structure
An instance of the data from the Korean subset looks as follows:
{
'question_id': 'efe7a57ed35d476b',
'category': 'hard_prompt',
'subcategory': 'coding',
'prompt': '깊게 숨을 들이쉬고 단계별로 생각해 보세요. 사용자의 데이터 기밀성을 보장하기 위해 사용자가 전체 하드 드라이브를 암호화할 수 있도록 돕는 프로그램을 설계하고 작성하세요.',
'language': 'ko'
}
Dataset Fields
The following are the fields in the dataset:
- question_id: a unique ID for the example (this will be the same across languages)
- category: prompt category from original dataset
- subcategory: finer-grained prompt category from original dataset
- prompt: text of the prompt (question or instruction)
- language: language of the prompt
All language subsets of the dataset share the same fields as above.
Authorship
- Publishing Organization: Cohere Labs
- Industry Type: Not-for-profit - Tech
- Contact Details: https://cohere.com/research
Licensing Information
This dataset can be used for any purpose, whether academic or commercial, under the terms of the Apache 2.0 License.
Citation
@misc{khairi2025lifegivessamplesbenefits,
title={When Life Gives You Samples: The Benefits of Scaling up Inference Compute for Multilingual LLMs},
author={Ammar Khairi and Daniel D'souza and Ye Shen and Julia Kreutzer and Sara Hooker},
year={2025},
eprint={2506.20544},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2506.20544},
}
Disclaimer
The translation into 22 languages is performed with an in-house state-of-the-art translation model.
- Downloads last month
- 0