البيانات الوصفية للكتاب واسترجاع الغلاف باستخدام التعرف الضوئي على الحروف وواجهة برمجة تطبيقات كتب Google
مع KNIME ، يصبح استخراج أجزاء مهمة من المعلومات من الصور سهلاً مثل ABC.
By روبرتو كاديلي، عالم بيانات ، KNIME & لادا رودنيتكايا، عالم البيانات ، KNIME
الشكل 1: أمثلة على إشعارات إصدار الكتاب حيث يمكن استخراج المعلومات بفضل التعرف الضوئي على الحروف.
في معظم الأحيان ، لا يتم تنظيم البيانات الأولية التي نحتاجها لمشروع علم البيانات الخاص بنا في جدول أنيق ومنظم جيدًا وثاقب. بدلاً من ذلك ، يتم تخزين هذا أحيانًا كنص في مستند ممسوح ضوئيًا. يجب بعد ذلك استخراج الكلمات الموجودة في المستند واحدة تلو الأخرى لتشكيل خلية بيانات بتنسيق النص. هذه هي المهمة التي يؤديها التعرف الضوئي على الحروف (OCR).
أثناء قراءة كلمات هذه المقالة ، سواء أكانت نصًا أم رقمًا ، تستطيع عيناك معالجتها من خلال التعرف على الأنماط الفاتحة والداكنة التي تشكل الأحرف (على سبيل المثال ، الأحرف ، والأرقام ، وعلامات الترقيم ، وما إلى ذلك). يقوم عقلك بعد ذلك بفك تشفير المجموعات المختلفة من الشخصيات والأنماط لفهم معنى الكلمات. وبهذا المعنى ، فإن عينيك وعقلك هما محرك OCR الأكثر تطوراً وصقلًا الذي يمكنك تخيله ، وهما يعملان دون أن تلاحظه.
تتمتع أجهزة الكمبيوتر بقدرات مماثلة ، لكن يتعين عليها معالجة قيود أساسية: غياب العيون. إذا أردنا أن ترى أجهزة الكمبيوتر وثيقة نصية فعلية وتقرأها ، فنحن بحاجة إلى إدخال ملف رسومي تم إنشاؤه إما باستخدام ماسح ضوئي ضوئي أو كاميرا رقمية. بقدر ما يتعلق الأمر بأجهزة الكمبيوتر ، لا يوجد فرق بين المستند الذي تم الحصول عليه بأي من هذين الخيارين وصورة برج إيفل: كلاهما يعتبر مجموعات لا معنى لها من المربعات الملونة - المعروفة أيضًا باسم البكسل - التي تشكل أي صورة رسومية للكمبيوتر. على هذا النحو ، فإن الأخير هو مجرد صورة للنص الذي ننوي قراءته بدلاً من النص نفسه.
هذا هو المكان الذي يمكن أن يكون OCR مفيدًا فيه. هذه التقنية القوية قادرة على استخراج البيانات المطبوعة أو المكتوبة أو المكتوبة بخط اليد ، سواء كانت فواتير أو بطاقات عمل أو نصوص قانونية أو مطبوعات ، وتحويلها إلى تنسيق رقمي قابل للبحث والتحرير. على الرغم من أن التعرف الضوئي على الحروف لسنوات عديدة كان يُنظر إليه على أنه خدمة باهظة الثمن ، والتي لم يكن بمقدور سوى عدد قليل جدًا من الشركات الكبيرة تحمل تكلفتها ، بدءًا من منتصف العقد الأول من القرن الحادي والعشرين فصاعدًا ، إلا أن تكلفتها انخفضت تدريجياً بينما تطورت دقتها وقدراتها لدعم اليوم عدة مئات من اللغات وترميز الأحرف ، من UTF-2000 إلى GB8.
يمكن أن تكون فائدة القدرة على البحث عن النص واستخراجه من الصور لا تقدر بثمن. على سبيل المثال ، في المجال القانوني أو المحاسبي ، يمكن أن يمثل توفيرًا كبيرًا في التكلفة والوقت ، حيث يتيح استرداد أجزاء من النص أو الأرقام في المقالات أو البيانات المالية في غضون ثوانٍ. إن مقارنة هذه العملية بتكلفة توظيف مجموعة من الأشخاص لقراءة آلاف المستندات فقط للعثور على جزء واحد مهم من المعلومات يعطي فكرة عن كيفية الاستفادة من التعرف الضوئي على الحروف للشركات.
في الآونة الأخيرة ، تشهد تقنية OCR ثورة هادئة حيث يقوم مقدمو هذه الخدمة بدمجها مع الذكاء الاصطناعي. ونتيجة لذلك ، لا يتم التقاط البيانات وجعلها قابلة للبحث والتحرير فحسب ، بل إن نظام الذكاء الاصطناعي يتفهم فعليًا المحتوى لتنفيذ مهام محددة. على سبيل المثال ، بعد التعرف الضوئي على الحروف لنص ما ، يمكن للذكاء الاصطناعي توفير ترجمته باستخدام الترجمة الآلية العصبية بأقل تدخل بشري. مثال كلاسيكي آخر يأتي من قسم التدقيق ، حيث يمكن التعرف على الفواتير المزورة بعد التعرف الضوئي على الحروف لمحتوى مستند pdf ، باستخدام تقنيات الكشف الخارجية. وما إلى ذلك وهلم جرا. يجمع هذا التآزر بين أفضل ما في العالمين لتبسيط العمليات وزيادة الإنتاجية للشركات والعملاء.
في حالة الاستخدام الموضحة في هذه المقالة ، يتم استخدام التعرف الضوئي على الحروف للتعرف على كتاب ثم استرداد البيانات الوصفية للكتاب من مستودع كتب Google.
بشكل أكثر تحديدًا ، سنلقي نظرة على:
- كيف يمكن إجراء OCR بتنسيق منصة KNIME Analytics.
- كيف يمكننا دمج معالج OCR الخاص بـ KNIME وواجهة برمجة تطبيقات كتب Google في حالة استخدام استرداد البيانات الوصفية للكتاب والغلاف.
OCR في منصة تحليلات KNIME
يعد التعرف الضوئي على الحروف على صورة تحتوي على نص في KNIME مهمة سهلة للغاية. كل ما يتطلبه الأمر هو تثبيت ملف معالجة صور KNIME - تكامل Tess4J التمديد في منطقتك منصة KNIME Analytics، ولسحب وإسقاط ملف تيس4J عقدة على محرر سير العمل الخاص بك.
تدمج العقدة Tess4J امتداد مكتبة Tesseract OCR، أحد معالجات OCR مفتوحة المصدر الأكثر استخدامًا ودقة. تم تطوير Tesseract في الأصل كبرنامج مملوك من قبل Hewlett-Packard Laboratories في أوائل التسعينيات وتم فتحه لاحقًا في عام 1990. ومنذ ذلك الحين تبنت Google المشروع ورعت تطويره.
تعمل عقدة Tess4J على Tesseract 3 ، والتي تعمل من خلال التعرف على أنماط الحرف في إجراء ذي مسارين.
- في التمريرة الأولى ، يحاول المحرك التعرف على كل شخصية على حدة. ثم يمرر الأحرف التي تم التعرف عليها بثقة عالية في التمرير الأول إلى مصنف تكيفي كبيانات تدريب. بهذه الطريقة ، فإن المصنف التكيفي لديه الفرصة لتعلم كيفية التعرف على النص اللاحق بشكل أكثر دقة.
- ومع ذلك ، قد يحدث أن يتعلم المصنف التكيفي المعلومات المفيدة بعد فوات الأوان لتقديم مساهمة ذات مغزى. لحل هذه المشكلة والاستفادة من المعرفة المكتسبة بواسطة المصنف التكيفي ، يقوم المحرك بتشغيل مسار ثانٍ حيث يتم التعرف مرة أخرى على الأحرف التي لم يتم التعرف عليها جيدًا [1].
تتعامل Tesseract 3 مع أي أحرف Unicode (مشفرة بـ UTF-8) ويمكنها معالجة النص بلغات مختلفة وتخطيط الكتابة: من اليسار إلى اليمين (على سبيل المثال ، الإنجليزية ، الإيطالية ، الروسية ، إلخ) ، من اليمين إلى اليسار (على سبيل المثال ، العربية والعبرية والأردية وما إلى ذلك) ومن أعلى إلى أسفل (على سبيل المثال ، اليابانية والكورية والصينية وما إلى ذلك) [2].
تنصل. لا يستطيع مستخدمو Mac حاليًا استخدام عقدة Tess4J. يعمل مطورو KNIME على استعادة الأداء السلس.
حالة الاستخدام: استرجاع البيانات الوصفية للكتاب والغلاف
الآن وقد اكتسبنا فهمًا أساسيًا لكيفية عمل OCR في KNIME Analytics Platform ، فلنلقِ نظرة على حالة استخدام مثيرة للاهتمام. لنفترض أننا جمعنا صورًا توضح إشعارات إصدار العديد من الكتب ، وبهذه المعلومات نريد استرداد البيانات الوصفية وأغلفة الكتب. يمكن بعد ذلك استخدام البيانات المسترجعة ، على سبيل المثال ، لبناء مكتبة رقمية مخصصة وتدريب نظام التوصية بالكتب.
يغطي سير العمل في الشكل 2 جميع الخطوات: من قراءة الصور والتعرف الضوئي على الحروف ومعالجة النصوص واستخراج مرجع رقم ISBN ، إلى بيانات التعريف الكتابية واسترجاع الغلاف والتخيل. دعونا نلقي نظرة على الخطوات المختلفة بالتفصيل.
الشكل 2: هذا سير العمل يؤدي مهمة OCR بسيطة على إشعارات إصدار الكتاب ويسترد البيانات الوصفية للكتب والغلاف باستخدام Google Books API.
1 - قراءة بيانات الصورة
تتمثل الخطوة الأولى في استيراد صور إشعار إصدار الكتاب إلى KNIME. إشعار الإصدار هو الصفحة الموجودة في كتاب تحتوي على معلومات حول الإصدار الحالي ، مثل إشعار حقوق النشر والإشعارات القانونية ومعلومات النشر وتاريخ الطباعة ورمز ISBN (الشكل 1).
يعتني metanode "قراءة بيانات الصورة" بذلك بطريقة سهلة وبرمجية (الشكل 3). نحدد الموقع حيث يتم تخزين ملفات الصور بامتداد قائمة الملفات / المجلدات العقدة واستخدام قارئ الصور (الجدول) العقدة لاستيراد الصور بأمان. في عقدة Image Reader (Table) ، نحتاج فقط إلى تحديد "File Input Column" ، أي العمود الذي يحتوي على المسارات إلى الملفات حيث يتم تخزين صورنا. يمكن ترك كافة التكوينات الأخرى كافتراضية.
يعد قارئ الصور (الجدول) جزءًا من KNINE معالجة الصور التمديد ، ومثل العقد الأخرى في هذا الامتداد ، فإنه يوفر عرضًا تفاعليًا يحتوي على الصورة وبياناتها الوصفية بمجرد النقر بزر الماوس الأيمن على العقدة ، وتحديد "عرض: عارض الصور" ، والنقر المزدوج على أي صورة في عرض الجدول.
الشكل 3: داخل metanode "قراءة بيانات الصورة". تستورد عقدة Image Reader (Table) الصور إلى سير العمل وتسمح لنا باستكشافها بشكل تفاعلي من وجهة نظرها.
2 - التعرف الضوئي على الحروف
بعد قراءة ملفات الصور لإشعارات إصدار الكتاب ، يمكننا التعرف الضوئي على الحروف عليها.
تكوين عقدة Tess4J بسيط للغاية ولا يتطلب سوى بضع نقرات (الشكل 4). في ال الإعدادات علامة التبويب ، توفر العقدة إمكانية تصحيح أي دوران أو صورة منحرفة عن طريق تحديد المربع "صور إدخال Deskew" في قسم "المعالجة المسبقة" في مربع حوار التكوين. يُنصح عادةً بالقيام بذلك ، حيث قد لا تتم محاذاة ملفات الرسومات بشكل صحيح. علاوة على ذلك ، تنتج عقدة Tess4J تلقائيًا صورة ثنائية الأبعاد خلف الغطاء.
بعد ذلك ، نختار "مسار Tessdata". بشكل افتراضي ، يتم تعيين هذا على "استخدام داخلي" ، والذي يسمح لنا بعد ذلك باختيار لغة النص الذي نريد معالجته. في هذا التكوين ، اللغة الإنجليزية هي اللغة الافتراضية ، لكن عقدة Tess4J تدعم اللغات الطبيعية الأخرى مثل الدنماركية والإيطالية والإسبانية والروسية واليونانية والسلوفاكية والألمانية والفرنسية. تجدر الإشارة إلى أنه من خلال تحديد "استخدام خارجي" ، يمكننا توسيع إمكانيات عقدة Tess4J لتشمل اللغات غير المدعومة داخليًا. في الواقع ، يمكننا اختيار نماذج لغة البيانات المدربة الخارجية الخاصة بنا عن طريق تحديد الدليل حيث يتم تخزينها. نختار "Use Internal" لأننا نفضل الاعتماد على النماذج الداخلية لـ Tess4J لوثائقنا الإنجليزية.
في قسم "تكوين التعرف" ، نجد أهم تكوينين للقائمة المنسدلة ، وهما "وضع تجزئة الصفحة" و "وضع محرك التعرف الضوئي على الحروف". يحدد الأول كيف يتم تقسيم صفحتنا.
في الشكل 4 ، نختار "Full Auto Pageseg" ، مما يضمن تجزئة الصفحات تلقائيًا بالكامل. اعتمادًا على حالة الاستخدام المحددة في متناول اليد ، قد يكون اختيار وضع آخر من بين 13 وضعًا متاحًا (على سبيل المثال ، "عمود مفرد" أو "نص متفرق") خيارًا أكثر ملاءمة.
يطلب منا الإعداد الثاني اختيار محرك التعرف الضوئي على الحروف. هنا ، نختار "Tesseract Only" ، مما يضمن أسرع تنفيذ. تشمل الخيارات الأخرى "Cube Only" - وضع تمييز بديل لـ Tesseract - وهو أبطأ ولكنه غالبًا ما ينتج عنه نتائج أفضل ؛ أو "Tesseract And Cube" ، التي تجمع بين أفضل ما في العالمين. يعتمد اختيار محرك أو آخر بشدة على جودة الصورة وتعقيد النص الذي نرغب في معالجته.
بالإضافة إلى الإعدادات الأساسية ، تقدم عقدة Tess4J ملف التكوين المتقدم علامة التبويب حيث يمكننا تحديد مجموعة من المعلمات السيطرة. تجعل علامة التبويب هذه العقدة مرنة للغاية وتساعد المستخدمين الخبراء على تخصيص محرك Tesseract OCR وضبطه وفقًا لاحتياجاتهم الخاصة. لا تقلق ، مع ذلك ، في معظم الحالات ، ستأخذك التكوينات الأساسية شوطًا طويلاً!
الشكل 4: مربع حوار التكوين لعقدة Tess4J.
إلى جانب التغيير والتبديل في تكوينات عقدة Tess4J لحالة الاستخدام في متناول اليد ، من الممارسات الجيدة معالجة الصور المدخلة بدقة ، إذا لزم الأمر. على وجه الخصوص ، يعمل Tesseract بشكل أفضل عندما يتم تكبير الصور بشكل كافٍ بحيث يكون عدد البكسل للأحرف x-height لا يقل عن 20 بكسل ؛ تمت محاذاة الصور بشكل صحيح ولها دقة عالية بما فيه الكفاية ؛ وستتم إزالة أي حدود مظلمة ، أو قد يُساء تفسيرها على أنها أحرف [3]. ال KNINE معالجة الصور يتضمن الامتداد عدة عقد لتنظيف الصور ومعالجتها وتحويلها والعديد من العقد مثال على سير العمل ويمكن الاطلاع على مركز نيمي.
ناتج عقدة Tess4J هو جدول يحتوي على النص المستخرج كنوع بيانات سلسلة ، وبالتالي يمكن البحث عنه وتحريره.
3 - معالجة النصوص لاستخراج رقم ISBN
بمجرد أن يتم التعرف الضوئي على الحروف على الصور ، يمكن أخيرًا الوصول إلى النص الذي تحتوي عليه واسترجاع المعلومات المفيدة.
على وجه الخصوص ، تُبلغ إشعارات الإصدار عادةً عن رمز ISBN المخصص للكتاب. رمز ISBN هو رمز فريد مكون من 13 رقمًا (كان من 10 أرقام قبل عام 2007 بفترة طويلة) ، وهو معرف كتاب تجاري ، وبالتالي يتم تعيينه لكل إصدار منفصل وتنوع من المنشور. يتيح لنا استخراج رمز ISBN الرجوع إلى كل كتاب بشكل لا لبس فيه عندما نريد استرداد المعلومات الوصفية. لتحقيق ذلك ، يمكننا الاعتماد على العقد المضمنة في KNIME - معالجة النصوص ، والتي يستخدم بعضها في metanode "استخراج رقم ISBN" (الشكل 5).
في metanode "تنظيف النص" ، نبدأ بتحويل نص OCRed من سلسلة إلى نوع بيانات المستند. بعد ذلك ، نقوم بتحويل النص إلى أحرف صغيرة ، وإزالة علامات الترقيم ، والمسافات الفارغة ، والواصلات ، واستبدال الأحرف "o" بـ "0" (الأصفار) لتصحيح الأحرف غير المعروفة في رموز ISBN.
نستخرج رموز ISBN من خلال عزل 13 حرفًا التي تتبع السلسلة "isbn" ، ونستخدم امتداد محرك القاعدة عقدة للتحقق مما إذا كانت الأحرف المستخرجة لا تحتوي على قيم مفقودة ويبلغ طولها المتوقع 13 حرفًا. ثم نستغل قدرة هذه العقدة على إلحاق عمود يصنف الاستخراج الناجح كـ 1 واستخراج غير ناجح كـ 0.
الشكل 5: داخل metanode "استخراج رقم ISBN".
4 - استرجاع وتصور البيانات الوصفية
في الخطوة الأخيرة ، نستخدم رموز ISBN لاسترداد معلومات الكتاب والأغلفة من Google Books API. يعتني رمز التعريف "الحصول على بيانات وصفية للكتاب وأغلفة" بذلك (الشكل 6). ومع ذلك ، لا يمكن استرداد البيانات الوصفية إلا إذا تم استخراج رموز ISBN بنجاح. لضمان التعامل السلس مع الاستخراج الناجح / غير الناجح لرقم ISBN ، نقوم بتضمين العديد من عقد التحكم في سير العمل. يمكنك العثور على نظرة عامة ثاقبة في ورقة الغش: التحكم والتنسيق مع منصة KNIME Analytics.
إذا تم استخراج رمز ISBN بنجاح ، فإننا نستخدم امتداد طلب الحصول على عقدة لإرسال طلب GET إلى كتب جوجل API، خدمة ويب مجانية مدعومة من Google تتيح استرداد العديد من المعلومات مثل عنوان الكتاب والعنوان الفرعي والمؤلفين وتاريخ النشر والوصف وعدد الصفحات واللغة ومتوسط التقييم وعدد التصنيف والغلاف. علاوة على ذلك ، لا تتطلب خدمة الويب RESTful إنشاء حساب مطور. تكوين عقدة طلب GET مباشر للغاية. يتطلب الأمر اختيارًا بسيطًا "لعمود URL" ذي المعنى الذي نقوم بإنشائه في ملف التلاعب بالسلسلة العقدة من خلال الانضمام إلى عنوان URL لواجهة برمجة تطبيقات كتب Google مع رمز ISBN لكل إشعار إصدار. يمكن ترك كافة التكوينات الأخرى كافتراضية.
نقوم بعد ذلك بتحليل إخراج JSON لعقدة GET Request باستخدام ملف مسار JSON العقدة والانضمام إلى المعلومات الوصفية المستخرجة مع أغلفة الكتب قبل جمع النتائج النهائية.
أخيرًا ، قمنا بإنشاء مكون "تصور البيانات الوصفية للكتاب والأغلفة" لتصور أنيق لمعلومات وأغلفة الكتاب المسترجعة.
في المكون ، نلف أداة تصفية النطاق المتزلج التفاعلي العقدة لتمكين التصفية الديناميكية للكتب استنادًا إلى متوسط عدد التقييمات (0-رهيبة ؛ 5-رائعة) التي حددها القراء على كتب Google ، و عرض المربعات عقدة لعرض النتائج.
يكتسب المكون بعد ذلك عرضًا يتضمن شريط التمرير لتحديد الكتب بناءً على متوسط التصنيف وجدول يستضيف الأغلفة ووصفًا للكتب المختارة. بالنسبة لهذه المقالة ، اخترنا استخراج كتب ذات تصنيفات تتراوح بين 3 و 5 ، ويتم عرض النتائج في الشكل 6.
الشكل 6: المعلومات المسترجعة وأغلفة الكتب للكتب ذات التصنيفات الأعلى من 3.
نبذة عامة
في هذه المقالة ، أوضحنا كيف يمكن إجراء التعرف الضوئي على الحروف بسهولة في منصة KNIME Analytics. تحقيقا لهذه الغاية ، قدمنا عقدة Tess4J وقدمنا تفاصيل عن عمل مكتبة Tesseract OCR التي تستند إليها هذه العقدة.
علاوة على ذلك ، فقد أظهرنا حالة استخدام بسيطة حيث يمكن أن يكون التعرف الضوئي على الحروف مصدرًا قويًا ومفيدًا. لقد استخرجنا معلومات من إشعارات إصدار الكتاب - على وجه الخصوص ، رموز ISBN - لإرسال طلب GET إلى خدمة الويب RESTful الخاصة بكتب Google. وقد سمح لنا ذلك باسترداد البيانات الوصفية وأغلفة الكتب.
مع KNIME ، يصبح التعرف الضوئي على الحروف على الصور لاستخراج أجزاء مهمة من المعلومات سهلاً مثل ABC. جربه بنفسك! ما هي حالة استخدام OCR الخاصة بك؟
يمكن تنزيل سير العمل المقدم في هذه المقالة مجانًا من ملف مركز نيمي.
مراجع حسابات
[1] سميث ، ر. (2007). "نظرة عامة على محرك Tesseract OCR". المؤتمر الدولي التاسع لتحليل الوثائق والاعتراف بها (ICDAR 2007)، ص 629-633. يمكن الوصول إليه في:
https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/33418.pdf
[استرجاع: 15.07.2021].
[2] مشروع Tesseract OCR على GitHub - https://github.com/tesseract-ocr/tesseract
[3] توثيق Tesseract OCR على GitHub - https://tesseract-ocr.github.io/tessdoc/
روبرتو كاديلي هو عالم بيانات في KNIME ، وهو متحمس للغة البرمجة اللغوية العصبية ، ومحب للتاريخ. محرر لـ Low Code for Advanced Data Science.
لادا رودنيتكايا هو عالم بيانات في KNIME.
كما نشر لأول مرة في كود منخفض لعلوم البيانات المتقدمة.
أصلي. تم إعادة النشر بإذن.
هذا الموضوع ذو علاقة بـ:
المصدر: https://www.kdnuggets.com/2021/11/book-metadata-cover-retrieval-ocr-google-books-api.html
- "
- &
- 2021
- حسابي
- المحاسبة
- AI
- الكل
- تحليل
- تحليلات
- API
- البند
- مقالات
- الكتاب
- السيارات
- أفضل
- كُتُب
- صندوق
- نساعدك في بناء
- الأعمال
- الأعمال
- يهمني
- التوظيف
- الحالات
- التعرف على الشخصية
- الصينية
- تصنيف
- سوائل التنظيف
- عميل
- الكود
- جمع
- عمود
- تجاري
- الشركات
- عنصر
- أجهزة الكمبيوتر
- مؤتمر
- الثقة
- الاعداد
- محتوى
- حقوق الطبع والنشر
- حالياًّ
- لوحة أجهزة القياس
- البيانات
- علم البيانات
- عالم البيانات
- التفاصيل
- كشف
- المطور
- المطورين
- التطوير التجاري
- رقمي
- وثائق
- قطرة
- في وقت مبكر
- رئيس التحرير
- مهندس
- عربي
- إلخ
- وسع
- استغلال
- استخلاص
- الشكل
- أخيرا
- مالي
- الاسم الأول
- اتباع
- النموذج المرفق
- شكل
- مجانًا
- الفرنسية
- GitHub جيثب:
- خير
- شراء مراجعات جوجل
- تجمع
- معالجة
- في المتناول
- هنا
- مرتفع
- تأجير
- تاريخ
- استضافة
- كيفية
- كيفية
- HTTPS
- فكرة
- تحديد
- صورة
- بما فيه
- دخل
- القيمة الاسمية
- العالمية
- معلومات
- التفاعلية
- عالميا
- IT
- الانضمام
- المعرفة
- الكوريّة
- ملصقات
- لغة
- اللغات
- كبير
- تعلم
- تعلم
- شروط وأحكام
- الرافعة المالية
- المكتبة
- ضوء
- لينكدين:
- قائمة
- موقع
- طويل
- آلة التعلم
- الترجمة الآلية
- تلاعب
- متوسط
- أي
- أنيق
- عصبي
- البرمجة اللغوية العصبية
- العقد
- أرقام
- التعرف الضوئي على الحروف
- عروض
- جاكيت
- المصدر المفتوح
- التعرف الضوئي على الحروف
- خيار
- مزيد من الخيارات
- أخرى
- مجتمع
- مادي
- صورة
- بكسل
- المنصة
- إنتاجية
- تنفيذ المشاريع
- بايثون
- جودة
- نطاق
- تقييمات
- الخام
- مسودة بيانات
- قارئ
- القراء
- نادي القراءة
- تقرير
- مورد
- النتائج
- علوم
- بحث
- مختار
- إحساس
- طقم
- ضبط
- الاشارات
- So
- تطبيقات الكمبيوتر
- حل
- الإسبانية
- المدعومة
- بداية
- قصص
- ناجح
- الدعم
- مدعومة
- الدعم
- نظام
- تقنيات
- تكنولوجيا
- تسراكت
- الوقت
- تيشرت
- قادة الإيمان
- تحول
- تحويل
- خدمات ترجمة
- يونيكود
- us
- المستخدمين
- المزيد
- التصور
- الويب
- ما هي تفاصيل
- كلمات
- للعمل
- سير العمل
- أعمال
- قيمة
- جاري الكتابة
- X
- سنوات