إعداد بيئة Python ML على سيرفر سعودي

إعداد بيئة Python للتعلم الآلي

إعداد بيئة Python للتعلم الآلي على سيرفر يختلف عن الإعداد على جهازك الشخصي. هذا الدليل يشرح الإعداد الكامل.

لماذا السيرفر؟

جهاز شخصي:
- يعمل فقط حين تفتحه
- لا يمكن التعاون عليه بسهولة

سيرفر كلاود VPS:
- يعمل 24/7
- يمكن الوصول من أي مكان
- يدعم التعاون الفوري
- 6,900+ ريال/سنة

الإعداد الأساسي

# تثبيت Python 3.11+
add-apt-repository ppa:deadsnakes/ppa
apt update && apt install python3.11 python3.11-venv python3.11-dev -y
curl https://bootstrap.pypa.io/get-pip.py | python3.11

# بيئة افتراضية لكل مشروع
python3.11 -m venv /opt/projects/myproject/venv
source /opt/projects/myproject/venv/bin/activate

مكتبات التعلم الآلي

pip install numpy pandas scikit-learn matplotlib seaborn

# PyTorch
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# Hugging Face
pip install transformers datasets accelerate

# LangChain
pip install langchain langchain-community

JupyterLab على السيرفر

pip install jupyterlab
jupyter notebook password

# تشغيل على السيرفر
jupyter lab --no-browser --port=8888 --ip=0.0.0.0 \
 --notebook-dir=/opt/notebooks

تشغيل Jupyter تلقائياً

cat > /etc/systemd/system/jupyter.service << EOF
[Unit]
Description=Jupyter Lab Server
After=network.target

[Service]
Type=simple
User=ubuntu
WorkingDirectory=/opt/notebooks
ExecStart=/opt/venv/bin/jupyter lab --no-browser --ip=0.0.0.0 --port=8888
Restart=always

[Install]
WantedBy=multi-user.target
EOF

systemctl enable jupyter && systemctl start jupyter

MLflow لتتبع التجارب

import mlflow

mlflow.set_tracking_uri("http://localhost:5000")

with mlflow.start_run:
 mlflow.log_param("learning_rate", 0.01)
 mlflow.log_metric("accuracy", 0.95)
 mlflow.sklearn.log_model(model, "model")

الخلاصة

قالب Python ML Stack على كلاود (cloud.net.sa) يثبّت كل هذا تلقائياً: Python 3.11، JupyterLab، PyTorch، MLflow — جاهز في أقل من دقيقة.

---

ابدأ الآن

جاهز تشغّل الذكاء الاصطناعي على سيرفرك؟ اكتشف حلول استضافة AI أو صمم سيرفرك بالمواصفات المطلوبة.