Add Arabic Docs to Datasets

docs/source/ar/_toctree.yml

@@ -0,0 +1,124 @@
+- sections: 
+  - local: index
+    title: 🤗 مجموعات البيانات
+  - local: quickstart
+    title: دليل سريع
+  - local: installation
+    title: التثبيت
+  title: البدء
+- sections:
+  - local: tutorial
+    title: نظرة عامة
+  - local: load_hub
+    title: تحميل مجموعة بيانات من المركز
+  - local: access
+    title: تعرف على مجموعة البيانات الخاصة بك
+  - local: use_dataset
+    title: معالجة مسبقة
+  - local: create_dataset
+    title: إنشاء مجموعة بيانات
+  - local: upload_dataset
+    title: مشاركة مجموعة بيانات في المركز
+  title: "البرامج التعليمية"
+- sections:
+  - local: how_to
+    title: نظرة عامة
+  - sections:
+    - local: loading
+      title: تحميل
+    - local: process
+      title: معالجة
+    - local: stream
+      title: تدفق
+    - local: use_with_tensorflow
+      title: استخدام مع TensorFlow
+    - local: use_with_pytorch
+      title: استخدام مع PyTorch
+    - local: use_with_jax
+      title: استخدام مع جاكس
+    - local: use_with_spark
+      title: استخدام مع شرارة
+    - local: cache
+      title: إدارة ذاكرة التخزين المؤقت
+    - local: filesystems
+      title: التخزين السحابي
+    - local: faiss_es
+      title: فهرس البحث
+    - local: cli
+      title: واجهة سطر الأوامر
+    - local: troubleshoot
+      title: استكشاف الأخطاء وإصلاحها
+    title: "الاستخدام العام"
+  - sections:
+    - local: audio_load
+      title: تحميل بيانات صوتية
+    - local: audio_process
+      title: معالجة البيانات الصوتية
+    - local: audio_dataset
+      title: إنشاء مجموعة بيانات صوتية
+    title: "صوتي"
+  - sections:
+    - local: image_load
+      title: تحميل بيانات الصورة
+    - local: image_process
+      title: معالجة بيانات الصورة
+    - local: image_dataset
+      title: إنشاء مجموعة بيانات الصور
+    - local: depth_estimation
+      title: تقدير العمق
+    - local: image_classification
+      title: تصنيف الصور
+    - local: semantic_segmentation
+      title: تجزئة الصورة الدلالية
+    - local: object_detection
+      title: اكتشاف الأشياء
+    title: "الرؤية"
+  - sections:
+    - local: nlp_load
+      title: تحميل بيانات النص
+    - local: nlp_process
+      title: معالجة بيانات النص
+    title: "نص"
+  - sections:
+    - local: tabular_load
+      title: تحميل البيانات الجدولية
+    title: "جدولي"
+  - sections:
+    - local: share
+      title: حصة
+    - local: dataset_card
+      title: إنشاء بطاقة مجموعة بيانات
+    - local: repository_structure
+      title: هيكل مستودعك
+    - local: dataset_script
+      title: إنشاء نص تحميل مجموعة بيانات
+    title: "مستودع مجموعة البيانات"
+  title: "أدلة كيفية الاستخدام"
+- sections:
+  - local: about_arrow
+    title: مجموعات البيانات 🤝 السهم
+  - local: about_cache
+    title: ذاكرة التخزين المؤقت
+  - local: about_mapstyle_vs_iterable
+    title: مجموعة البيانات أو IterableDataset
+  - local: about_dataset_features
+    title: ميزات مجموعة البيانات
+  - local: about_dataset_load
+    title: إنشاء وتحميل
+  - local: about_map_batch
+    title: تعيين التخصيص
+  title: "أدلة مفاهيمية"
+- sections:
+  - local: package_reference/main_classes
+    title: الفئات الرئيسية
+  - local: package_reference/builder_classes
+    title: فئات الباني
+  - local: package_reference/loading_methods
+    title: أساليب التحميل
+  - local: package_reference/table_classes
+    title: فئات الجدول
+  - local: package_reference/utilities
+    title: المرافق
+  - local: package_reference/task_templates
+    title: قوالب المهام
+  title: "مرجع"

docs/source/ar/about_arrow.md

@@ -0,0 +1,48 @@
+# Datasets 🤝 Arrow
+
+## ما هو Arrow؟
+
+[Arrow](https://arrow.apache.org/) يتيح معالجة ونقل كميات كبيرة من البيانات بسرعة. إنه تنسيق بيانات محدد يخزن البيانات في تخطيط ذاكرة عمودي. يوفر هذا العديد من المزايا الهامة:
+
+* التنسيق القياسي لـ Arrow يسمح [بالقراءة بدون نسخ](https://en.wikipedia.org/wiki/Zero-copy) والتي تزيل فعليًا جميع النفقات العامة للتسلسل.
+* Arrow لا يعتمد على لغة برمجة معينة، لذلك فهو يدعم لغات برمجة مختلفة.
+* Arrow موجه نحو الأعمدة، لذلك فهو أسرع في الاستعلام ومعالجة شرائح أو أعمدة من البيانات.
+* يسمح Arrow بالتسليم بدون نسخ إلى أدوات التعلم الآلي القياسية مثل NumPy وPandas وPyTorch وTensorFlow.
+* يدعم Arrow العديد من أنواع الأعمدة، والتي قد تكون متداخلة.
+
+## الذاكرة الخرائطية
+
+🤗 يستخدم Datasets Arrow لنظام التخزين المؤقت المحلي الخاص به. يسمح ذلك بدعم مجموعات البيانات بواسطة ذاكرة تخزين مؤقت على القرص، يتم تعيينها إلى الذاكرة للبحث السريع. تسمح هذه البنية باستخدام مجموعات بيانات كبيرة على أجهزة ذات ذاكرة جهاز صغيرة نسبيًا.
+
+على سبيل المثال، لا يستغرق تحميل مجموعة بيانات Wikipedia الإنجليزية الكاملة سوى بضعة ميغابايت من ذاكرة الوصول العشوائي (RAM):
+
+```python
+>>> import os; import psutil; import timeit
+>>> from datasets import load_dataset
+
+# Process.memory_info is expressed in bytes, so convert to megabytes
+>>> mem_before = psutil.Process(os.getpid()).memory_info().rss / (1024 * 1024)
+>>> wiki = load_dataset("wikipedia", "20220301.en", split="train")
+>>> mem_after = psutil.Process(os.getpid()).memory_info().rss / (1024 * 1024)
+
+>>> print(f"RAM memory used: {(mem_after - mem_before)} MB")
+RAM memory used: 50 MB
+```
+
+هذا ممكن لأن بيانات Arrow يتم تعيينها إلى الذاكرة فعليًا من القرص، وليس تحميلها في الذاكرة. تسمح الخرائط الذاكرية بالوصول إلى البيانات على القرص، وتستفيد من قدرات الذاكرة الظاهرية للبحث السريع.
+
+## الأداء
+
+إن التكرار فوق مجموعة بيانات ذات خريطة ذاكرة باستخدام Arrow سريع. إن التكرار فوق Wikipedia على جهاز كمبيوتر محمول يمنحك سرعات تتراوح بين 1-3 جيجابت/ثانية:
+
+```python
+>>> s = """batch_size = 1000
+... for batch in wiki.iter(batch_size):
+...     ...
+... """
+
+>>> elapsed_time = timeit.timeit(stmt=s, number=1, globals=globals())
+>>> print(f"Time to iterate over the {wiki.dataset_size >> 30} GB dataset: {elapsed_time:.1f} sec, "
+...       f"ie. {float(wiki.dataset_size >> 27)/elapsed_time:.1f} Gb/s")
+Time to iterate over the 18 GB dataset: 31.8 sec, ie. 4.8 Gb/s
+```

docs/source/ar/about_cache.mdx

@@ -0,0 +1,58 @@
+# ذاكرة التخزين المؤقت
+
+ذاكرة التخزين المؤقت هي أحد الأسباب التي تجعل 🤗 Datasets فعالًا للغاية. فهو يخزن مجموعات البيانات التي تم تنزيلها ومعالجتها مسبقًا، بحيث يتم إعادة تحميلها مباشرة من ذاكرة التخزين المؤقت عند الحاجة إلى استخدامها مرة أخرى. وهذا يجنبك الاضطرار إلى تنزيل مجموعة بيانات مرة أخرى، أو إعادة تطبيق وظائف المعالجة. حتى بعد إغلاق جلسة Python وبدء أخرى جديدة، سيقوم 🤗 Datasets بإعادة تحميل مجموعة البيانات الخاصة بك مباشرة من ذاكرة التخزين المؤقت!
+
+## البصمة
+
+كيف تتابع ذاكرة التخزين المؤقت التحويلات التي يتم تطبيقها على مجموعة بيانات؟ حسنًا، يقوم 🤗 Datasets بتعيين بصمة لملف ذاكرة التخزين المؤقت. تقوم البصمة بتتبع الحالة الحالية لمجموعة البيانات. يتم حساب البصمة الأولية باستخدام تجزئة من جدول Arrow، أو تجزئة من ملفات Arrow إذا كانت مجموعة البيانات على القرص. يتم حساب البصمات اللاحقة عن طريق دمج بصمة الحالة السابقة، وتجزئة أحدث تحويل تم تطبيقه.
+
+<Tip>
+
+التحويلات هي أي من طرق المعالجة من أدلة [كيفية المعالجة](./process) مثل [`Dataset.map`] أو [`Dataset.shuffle`].
+
+</Tip>
+
+هذا ما تبدو عليه البصمات الفعلية:
+
+```py
+>>> from datasets import Dataset
+>>> dataset1 = Dataset.from_dict({"a": [0, 1, 2]})
+>>> dataset2 = dataset1.map(lambda x: {"a": x["a"] + 1})
+>>> print(dataset1._fingerprint, dataset2._fingerprint)
+d19493523d95e2dc 5b86abacd4b42434
+```
+
+لكي يكون التحويل قابلًا للتجزئة، يجب أن يكون قابلًا للتخليل بواسطة [dill](https://dill.readthedocs.io/en/latest/) أو [pickle](https://docs.python.org/3/library/pickle).
+
+عندما تستخدم تحويلًا غير قابل للتجزئة، يستخدم 🤗 Datasets بصمة عشوائية بدلاً من ذلك ويرفع تحذيرًا. ويعتبر التحويل غير القابل للتجزئة مختلفًا عن التحويلات السابقة. ونتيجة لذلك، سيعيد 🤗 Datasets حساب جميع التحويلات. تأكد من أن تحويلاتك قابلة للتسلسل باستخدام pickle أو dill لتجنب ذلك!
+
+مثال على عندما يعيد 🤗 Datasets حساب كل شيء هو عندما يتم تعطيل التخزين المؤقت. عندما يحدث هذا، يتم إنشاء ملفات ذاكرة التخزين المؤقت في كل مرة ويتم كتابتها في دليل مؤقت. بمجرد انتهاء جلسة Python الخاصة بك، يتم حذف ملفات ذاكرة التخزين المؤقت في الدليل المؤقت. يتم تعيين تجزئة عشوائية لملفات ذاكرة التخزين المؤقت هذه، بدلاً من بصمة.
+
+<Tip>
+
+عندما يكون التخزين المؤقت معطلاً، استخدم [`Dataset.save_to_disk`] لحفظ مجموعة البيانات المحولة الخاصة بك، وإلا فسيتم حذفها بمجرد انتهاء الجلسة.
+
+</Tip>
+
+## التجزئة
+
+يتم تحديث بصمة مجموعة البيانات عن طريق تجزئة الدالة التي تم تمريرها إلى `map` وكذلك معلمات `map` (`batch_size`، `remove_columns`، وما إلى ذلك).
+
+يمكنك التحقق من تجزئة أي كائن Python باستخدام [`fingerprint.Hasher`]:
+
+```py
+>>> from datasets.fingerprint import Hasher
+>>> my_func = lambda example: {"length": len(example["text"])}
+>>> print(Hasher.hash(my_func))
+'3d35e2b3e94c81d6'
+```
+
+يتم حساب التجزئة عن طريق تفريغ الكائن باستخدام برنامج تفريغ `dill` وتجزئة البايتات المفروغة.
+
+يقوم برنامج التفريغ بتفريغ جميع المتغيرات المستخدمة في دالتك بشكل متكرر، لذلك سيؤدي أي تغيير تجريه على كائن يتم استخدامه في دالتك إلى تغيير التجزئة.
+
+إذا لم يكن لإحدى وظائفك نفس التجزئة عبر الجلسات، فهذا يعني أن أحد متغيراتها على الأقل يحتوي على كائن Python غير محدد.
+
+عندما يحدث هذا، لا تتردد في تجزئة أي كائن تجده مشبوهًا لمحاولة العثور على الكائن الذي تسبب في تغيير التجزئة.
+
+على سبيل المثال، إذا كنت تستخدم قائمة يكون ترتيب عناصرها غير محدد عبر الجلسات، فلن يكون التجزئة هو نفسه عبر الجلسات أيضًا.