تجاوز إلى المحتوى الرئيسي

Condensed revision

Digital Skills Tawjihi cheat sheet: key ideas

The core laws and key ideas of each Digital Skills lesson, built from the prescribed curriculum. This is a quick preview — open the full cheat sheet with flashcards and questions inside TawjihiAI.

Open the full cheat sheetAll subjects

الخوارزميات والبرمجة

مقدمة في لغات البرمجة

دليل شامل يغطي مفاهيم لغات البرمجة، تصنيفاتها، وآليات عمل المترجمات والمفسرات، مع التركيز على الأسس النظرية والعملية لتطوير البرمجيات.

تصنيف لغات البرمجة حسب القرب من لغة الإنسان

  • تصنيف لغات البرمجة حسب القرب من لغة الإنسان fig-01 شكل داعم: تصنيف لغات البرمجة حسب القرب من لغة الإنسان الشكل المستخرج من صفحة 10 في الكتاب.
  • يُستخدم هذا الشكل لدعم شرح قسم تصنيف لغات البرمجة حسب القرب من لغة الإنسان وربط النص بالتمثيل البصري الوارد في المصدر.
  • /images/notes/01-مقدمة-في-لغات-البرمجة/fig-01.webp تُصنّف لغات البرمجة ضمن طيف واسع يعتمد على مستوى تجريدها وقربها من اللغة التي يفهمها البشر مقابل اللغة التي يفهمها الحاسوب.
  • في أحد طرفي الطيف، نجد لغات البرمجة منخفضة المستوى (Low-Level Languages)، وهي لغات قريبة جداً من العتاد (Hardware) وتتطلب من المبرمج فهماً عميقاً لبنية الحاسوب.

أساسيات لغة البرمجة بايثون

دليل شامل يغطي تثبيت بيئة عمل بايثون، قواعد كتابة الجمل البرمجية، التعامل مع المتغيرات والثوابت، أنواع البيانات، واستخدام العوامل الحسابية والمنطقية.

تثبيت وإعداد بيئة بايثون

  • تثبيت وإعداد بيئة بايثون fig-01 شكل داعم: تثبيت وإعداد بيئة بايثون الشكل المستخرج من صفحة 18 في الكتاب.
  • يُستخدم هذا الشكل لدعم شرح قسم تثبيت وإعداد بيئة بايثون وربط النص بالتمثيل البصري الوارد في المصدر.
  • /images/notes/02-أساسيات-لغة-البرمجة-بايثون/fig-01.webp قبل أن نتمكن من كتابة وتشغيل أول برنامج بايثون لنا، يجب أن نتأكد من وجود بيئة العمل المناسبة على أجهزتنا.
  • لحسن الحظ، تأتي العديد من أنظمة التشغيل الحديثة مثل لينكس وماك أو إس مع نسخة من بايثون مثبتة بشكل افتراضي.

الجمل الشرطية

دليل شامل ومفصل حول بنية الجمل الشرطية في لغة بايثون، بما في ذلك المعاملات المنطقية، الجمل المتداخلة، وقواعد البرمجة السليمة.

بنية الجمل الشرطية الأساسية

  • بنية الجمل الشرطية الأساسية fig-01 شكل داعم: بنية الجمل الشرطية الأساسية الشكل المستخرج من صفحة 46 في الكتاب.
  • يُستخدم هذا الشكل لدعم شرح قسم بنية الجمل الشرطية الأساسية وربط النص بالتمثيل البصري الوارد في المصدر.
  • /images/notes/03-الجمل-الشرطية/fig-01.webp تُعد الجمل الشرطية حجر الزاوية في البرمجة المنطقية، فهي الأداة التي تمنح برامجنا القدرة على اتخاذ القرارات والتصرف بشكل مختلف بناءً على الظروف المتغيرة.
  • فبدلاً من تنفيذ الأوامر سطراً تلو الآخر بشكل صارم، تسمح لنا الجمل الشرطية بتوجيه "مسار التنفيذ" (Control Flow) في البرنامج.

الحلقات

دليل شامل ومكثف حول مفاهيم التكرار البرمجي، وهياكل التحكم (while, for)، وجمل التحكم في التدفق (break, continue)، مع شرح تفصيلي للدالة range().

حلقة while: التكرار المشروط

  • حلقة while: التكرار المشروط fig-01 شكل داعم: مخطط تدفق حلقة while الشكل المستخرج من صفحة 60 في الكتاب.
  • يُستخدم هذا الشكل لدعم شرح قسم حلقات while (while loops) وربط النص بالتمثيل البصري الوارد في المصدر.
  • /images/notes/04-الحلقات-Loops/fig-01.webp تُعد حلقة `while` (والتي تعني "طالما" باللغة العربية) أداة أساسية في البرمجة لتنفيذ كتلة من الأوامر بشكل متكرر طالما أن شرطاً معيناً يظل صحيحاً (True).
  • تكمن قوتها في قدرتها على التعامل مع التكرارات التي لا يُعرف عددها مسبقاً، حيث يعتمد استمرارها على حالة متغيرة.

القوائم

دليل شامل ومفصل حول مفهوم القوائم في بايثون، طرق إنشائها، الوصول لعناصرها، ومعالجتها باستخدام الدوال الجاهزة وعمليات التكرار.

تعريف وإنشاء القوائم

  • تعريف وإنشاء القوائم fig-01 شكل داعم: تعريف وإنشاء القوائم الشكل المستخرج من صفحة 76 في الكتاب.
  • يُستخدم هذا الشكل لدعم شرح قسم تعريف وإنشاء القوائم وربط النص بالتمثيل البصري الوارد في المصدر.
  • /images/notes/05-القوائم-Lists/fig-01.webp القائمة في بايثون هي بنية بيانات أساسية وقوية للغاية، تسمح بتخزين مجموعة من العناصر المرتبة والقابلة للتغيير في متغير واحد.
  • تخيلها كصندوق مقسّم إلى خانات، حيث يمكنك وضع أي شيء في كل خانة: أرقام، نصوص، أو حتى قوائم أخرى.

الدوال البرمجية

تتناول هذه المذكرة مفهوم الدوال البرمجية كأداة أساسية لتنظيم الكود، وتجزئة المشكلات المعقدة إلى أجزاء صغيرة، واستخدام الوحدات الجاهزة في لغة بايثون، مع شرح مفصل لمدى المتغيرات وآلية إرجاع النتائج.

مقدمة إلى الدوال البرمجية

  • مقدمة إلى الدوال البرمجية fig-01 شكل داعم: مفهوم الدوال والوحدات البرمجية الشكل المستخرج من صفحة 94 في الكتاب.
  • يُستخدم هذا الشكل لدعم شرح قسم مفهوم الدوال والوحدات البرمجية وربط النص بالتمثيل البصري الوارد في المصدر.
  • /images/notes/06-الدوال-البرمجية-Functions/fig-01.webp تُعد الدوال البرمجية حجر الزاوية في البرمجة الحديثة، فهي تسمح لنا بتطبيق مبدأ "فرّق تسد" على المشكلات البرمجية المعقدة.
  • فبدلاً من كتابة برنامج طويل ومتشابك في كتلة واحدة، نقوم بتجزئته إلى وحدات أصغر وأكثر تخصصاً تسمى الدوال.

الحوسبة والحياة

الحوسبة الخضراء

يتناول هذا الدرس مفهوم الحوسبة الخضراء كنهج مسؤول لاستخدام التكنولوجيا، مع التركيز على تقليل الأثر البيئي السلبي، وتحسين كفاءة الطاقة، وإدارة النفايات الإلكترونية عبر مستويات الأفراد والمجتمع والمؤسسات.

العوامل الرئيسة للحوسبة الخضراء

  • تتحدد كفاءة الحوسبة الخضراء من خلال عشرة عوامل أساسية: 1.
  • كفاءة الطاقة (Energy Efficiency): تصنيع أنظمة موفرة للطاقة مثل الحاصلة على تصنيف (Energy Star).
  • ترشيد الموارد (Resource Reduction): تقليل استخدام المواد الخطرة وغير المتجددة.
  • افتراضية الخوادم (Server Virtualization): استخدام خادم مادي واحد لتشغيل تطبيقات متعددة.

النفايات الإلكترونية

دليل شامل لمفاهيم الحوسبة الخضراء، معوقاتها، استراتيجيات تطبيقها في الأردن، وممارسات المواطنة الرقمية المسؤولة للحد من الأثر البيئي للتكنولوجيا.

معوقات تطبيق الحوسبة الخضراء

  • تواجه المؤسسات تحديات عديدة تحول دون تطبيق الحوسبة الخضراء، منها: 1.
  • التكلفة العالية: الحاجة لاستثمارات أولية ضخمة في أجهزة وتكنولوجيا موفرة للطاقة.
  • التدريب: ضرورة تدريب الموظفين على استخدام التكنولوجيا الخضراء.
  • التحديث المستمر: التطور السريع يتطلب استبدال الأجهزة القديمة، وهو ما يمثل تحدياً اقتصادياً.

البصمة الكربونية الرقمية

يتناول هذا الدرس مفهوم النفايات الإلكترونية، مخاطرها البيئية والصحية، استراتيجيات إدارتها، ودور الفرد والمؤسسات في تعزيز الحوسبة الخضراء والحد من الآثار السلبية لهذه النفايات.

تعريف النفايات الإلكترونية ومخاطرها

  • تعريف النفايات الإلكترونية ومخاطرها fig-01 شكل داعم: تعريف النفايات الإلكترونية ومخاطرها الشكل المستخرج من صفحة 152 في الكتاب.
  • يُستخدم هذا الشكل لدعم شرح قسم تعريف النفايات الإلكترونية ومخاطرها وربط النص بالتمثيل البصري الوارد في المصدر.
  • /images/notes/03-البصمة-الكربونية-الرقمية/fig-01.webp تُعد النفايات الإلكترونية، أو ما يُعرف عالميًا بـ "E-waste"، واحدة من أسرع المشكلات البيئية تفاقمًا في عصرنا الرقمي.
  • هي ببساطة كل جهاز كهربائي أو إلكتروني وصل إلى نهاية عمره الافتراضي، من الهواتف الذكية والحواسيب التي نغيرها باستمرار، إلى الثلاجات وأجهزة التلفاز القديمة.

تطبيقات الحاسوب في الحياة

يستعرض هذا الدليل دور التكنولوجيا في الحياة اليومية، مع التركيز على مفاهيم الحوسبة الخضراء، إدارة النفايات الإلكترونية، والتحول الرقمي في قطاعات التعليم والصحة والحكومة، وصولاً إلى تقنيات الوسائط المتعددة والطباعة ثلاثية الأبعاد.

البصمة الكربونية والحوسبة الخضراء

  • البصمة الكربونية والحوسبة الخضراء fig-01 شكل داعم: البصمة الكربونية والحوسبة الخضراء الشكل المستخرج من صفحة 160 في الكتاب.
  • يُستخدم هذا الشكل لدعم شرح قسم البصمة الكربونية والحوسبة الخضراء وربط النص بالتمثيل البصري الوارد في المصدر.
  • /images/notes/04-تطبيقات-الحاسوب-في-الحياة/fig-01.webp في عصرنا الرقمي، أصبح لكل نشاط نقوم به عبر الإنترنت، من إرسال بريد إلكتروني بسيط إلى مشاهدة مقاطع الفيديو عالية الدقة، أثر بيئي غير مرئي يُعرف باسم البصمة الكربونية الرقمية.
  • هذا الأثر ينجم عن استهلاك الطاقة الهائل في مراكز البيانات التي تخزن وتعالج معلوماتنا، بالإضافة إلى الطاقة اللازمة لتشغيل أجهزتنا الشخصية وشبكات الاتصال.

الأنظمة الخبيرة

النظام الخبير

النظام الخبير برنامج حاسوبي ذكي يُعد أحد تطبيقات الذكاء الاصطناعي، ويحاكي قدرة الخبير البشري على اتخاذ القرارات في مواقف حقيقية ضمن مجال معرفة معين، وحل المشكلات المعقدة بمساعدة الخبرة المخزنة. يتكون النظام الخبير من قاعدة المعرفة، ومحرك الاستدلال، وواجهة المستخدم، ويتفاعل معه الخبير والمستخدم.

مصطلحات

  • المعرفة: حصيلة المعلومات والخبرات التي تُجمع في عقول الأفراد.
  • الخبير: شخص تتوافر لديه معرفة عميقة نظرية وعملية في مجال معين، وبإمكانه اتخاذ القرارات المبنية على هذه المعرفة.
  • النظام الخبير: برنامج حاسوبي ذكي، وهو أحد تطبيقات الذكاء الاصطناعي، يحاكي قدرة الخبير البشري على اتخاذ القرارات في مواقف حقيقية في مجال معرفة معين.
  • النظام القائم على المعرفة: اسم من الأسماء التي تُطلق على النظام الخبير.

مكونات النظام الخبير

النظام الخبير برنامج حاسوبي ذكي، وهو أحد تطبيقات الذكاء الاصطناعي، يحاكي قدرة الخبير البشري على اتخاذ القرارات في مواقف حقيقية ضمن مجال معرفة معين، ويساعد على حل المشكلات المعقدة بالاعتماد على الخبرة المخزنة. يتكون النظام الخبير من واجهة المستخدم، وقاعدة المعرفة، وذاكرة العمل، ومحرك الاستدلال.

مصطلحات

  • النظام الخبير: برنامج حاسوبي ذكي يحاكي قدرة الخبير البشري على اتخاذ قرارات في مواقف حقيقية في مجال معرفة معين، ويساعد على حل مشكلات معقدة بالخبرة المخزنة.
  • واجهة المستخدم: واجهة تفاعلية تسمح للمستخدم بالتواصل والتفاعل مع النظام الخبير؛ إذ تستقبل المسألة كمدخلات، وتنقلها إلى محرك الاستدلال، ثم تعرض النتائج للمستخدم.
  • قاعدة المعرفة: قلب النظام الخبير، وتحتوي على الخبرة المعرفية المتراكمة في مجال معين، منظمة ضمن مجموعة من القواعد، وهي قابلة للإضافة والتعديل.
  • ذاكرة العمل: تسمى أيضًا قاعدة البيانات، وتحتفظ بالبيانات الخاصة بالمشكلة الحالية، وحقائقها، وإجابات المستخدم، والبيانات الخارجية، والاستنتاجات التي تم التوصل إليها.

أهمية النظام الخبير ومميزاته وعيوبه

يُعد النظام الخبير أداة قوية ومفيدة في مجالات عديدة، إذ يحتفظ بالخبرة والمعرفة، ويساعد على حل المشكلات المعقدة ضمن مجال محدد، وتدريب قليلي الخبرة، وتحسين الكفاءة والإنتاجية وتقليل الأخطاء البشرية. ومن مميزاته سهولة الاستخدام والتعلم المستمر وتقديم التفسيرات والفعالية العالية وسرعة الاستجابة والثبات والموثوقية وتوفير الخبرة وإمكانية الوصول إلى المعرفة النادرة. ومع ذلك، له عيوب، منها تخصصه في مجال محدد، وارتفاع تكاليف تصميمه وتشغيله وصيانته، وصعوبة جمع المعارف، واحتمال تعارض القواعد، وصعوبة التعامل مع الحالات غير المتوقعة، والافتقار إلى الفهم الحدسي. وتتطلب الاستفادة المثلى منه تقييم الفوائد والتكاليف وتحديث قاعدة المعرفة بانتظام.

مصطلحات

  • النظام الخبير: أداة قوية ومفيدة في مجالات عديدة، تعتمد على المعرفة لاتخاذ القرارات وحل المشكلات ضمن مجال معين.
  • قاعدة المعرفة: قاعدة متسقة وثابتة يعتمد عليها النظام الخبير في تقديم القرارات.
  • التعلم المستمر: قدرة النظام الخبير على التعلم من البيانات والخبرات السابقة وتحسين أدائه بمرور الوقت.
  • تقديم التفسيرات: قدرة النظام الخبير على تقديم شرح للنتائج التي يقدمها.

استخدامات النظام الخبير

تستخدم الأنظمة الخبيرة في مجالات متعددة، منها التشخيص الطبي، والصناعة، والتحاليل الكيميائية. فهي تساعد في تشخيص الأمراض وتقديم التوصيات العلاجية، وتحسين عمليات الإنتاج والتخطيط والجدولة، وتحليل البيانات الكيميائية بدقة وسرعة ودعم اتخاذ القرارات.

مصطلحات

  • التشخيص الطبي: استخدام الأنظمة الخبيرة لتشخيص الأمراض وتقديم التوصيات العلاجية بناءً على الأعراض ونتائج الفحوصات.
  • MYCIN: نظام خبير استخدم لتشخيص أمراض الدم، وجمعت معرفته عن طريق مقابلات مع الخبراء.
  • الصناعة: مجال تستخدم فيه الأنظمة الخبيرة لتحسين عمليات الإنتاج والتخطيط والجدولة في المصانع.
  • R1: نظام خبير ناجح مختص بمواصفات الحاسوب، ويعد أول نظام خبير ناجح في هذا المجال.

دورة حياة تطوير النظام الخبير

تمر دورة حياة تطوير النظام الخبير بخمس مراحل هي: التعريف بالمشكلة، وتحديد مصدر المعرفة، وبناء قاعدة المعرفة، والتطبيق، والاختبار. تهدف هذه المراحل إلى تحويل معرفة خبير المجال إلى نظام حاسوبي يقدم إجابات وتوصيات مشابهة لإجابات الشخص الخبير.

مصطلحات

  • النظام الخبير: نظام حاسوبي يختبر قواعده المعرفية ويقدم إجابات أو توصيات مشابهة لما يقدمه الشخص الخبير.
  • قاعدة المعرفة: مجموعة المفاهيم والقواعد التي تنظم معرفة المجال ليستخدمها النظام الخبير.
  • هندسة المعرفة: عملية التطوير للنظام الخبير.
  • مهندس المعرفة: الشخص المسؤول عن تحويل المعرفة الخاصة بخبير المجال إلى صورة رقمية يفهمها الحاسوب.

التعلم الآلي

01 تعلم الآلة — مهارات رقمية توجيهي أردني صف 11 الفصل الثاني

تتناول الصفحة مفهوم تعلم الآلة بوصفه مجالًا يمكن أن يسهم في التعامل مع الكم الهائل من البيانات وتحليلها ودراسة مخرجاتها لتصبح ذات معنى وتوظيفها في صنع القرارات. وتوضح الصفحة أن الأنظمة الخبيرة تعمل جيدًا عندما تكون القواعد واضحة والمعرفة ثابتة، لكنها تواجه صعوبات عند تغير المعرفة أو القواعد بسرعة، أو عند التعامل مع التعرف إلى الأصوات والأنماط والنصوص الكتابية.

مصطلحات

  • الأنظمة الخبيرة: أنظمة تعمل بشكل جيد في المجالات التي تكون فيها القواعد واضحة والمعرفة ثابتة.
  • تعلم الآلة: موضوع يتناول التعامل مع البيانات وتحليلها ودراسة مخرجاتها لتصبح ذات معنى ويمكن توظيفها في صنع القرارات.
  • البيانات: معلومات هائلة تتولد من الأجهزة الرقمية وإنترنت الأشياء والتجارة الرقمية ووسائل التواصل الاجتماعي وغيرها.
  • القواعد: تعليمات أو أسس واضحة تعتمد عليها الأنظمة الخبيرة في المجالات المختلفة.

متطلبات بناء نموذج التعلم الآلي

تعلم الآلة أحد فروع الذكاء الاصطناعي، ويعنى بتطوير برمجيات وخوارزميات تمكّن الحاسوب من التعلم دون برمجته بشكل صريح للقيام بمهمات معينة. يتطلب بناء نموذج تعلم آلي فعال بيانات ضخمة ودقيقة، وخصائص مناسبة، وخوارزميات ملائمة، وأجهزة فائقة السرعة والذاكرة، إضافة إلى تنظيف البيانات وتقسيمها وتقييم النموذج وتحسينه ونشره ومراقبته.

مصطلحات

  • تعلم الآلة: أحد فروع الذكاء الاصطناعي الذي يطوّر برمجيات وخوارزميات تعطي الحاسوب القدرة على التعلم دون أن يبرمج بشكل صريح للقيام بمهمات معينة.
  • البيانات الضخمة: كمية كبيرة من البيانات المتعلقة بالمشكلة التي نحاول حلها، ويجب أن تكون دقيقة وخالية من الضوضاء والأخطاء.
  • الخصائص: جزء من البيانات، وتسمى أحيانًا المتغيرات، ويجب اختيار الخصائص المميزة التي لها تأثير أكبر في النتائج.
  • خوارزميات تعلم الآلة: مجموعة من التقنيات والأساليب التي تستخدم لتطوير نماذج يمكنها التعلم من البيانات وتحليلها واستخلاص الأنماط والتنبؤات منها.

أنواع خوارزميات التعلم الآلي

يمكن تصنيف خوارزميات التعلم الآلي وفق طبيعة التعلم وطريقة عملها إلى ثلاثة أنواع رئيسية: التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم المعزز. يعتمد التعلم الخاضع للإشراف على بيانات موسومة للتصنيف أو التنبؤ، بينما يستخرج التعلم غير الخاضع للإشراف الأنماط والهياكل من بيانات غير موسومة، ويتعلم التعلم المعزز من خلال التفاعل مع البيئة اعتمادًا على المكافآت والعقوبات.

مصطلحات

  • التعلم الخاضع للإشراف: نوع من التعلم الآلي يستخدم بيانات موسومة مسبقًا لتدريب نموذج يساعد على توقع الوسم.
  • التصنيف: نماذج تُدرَّب على بيانات يأخذ الوسم فيها قيمًا منفصلة محددة، مثل تحديد نوع الفاكهة أو الإصابة بمرض.
  • الانحدار: نماذج تُدرَّب على بيانات يأخذ الوسم فيها قيمًا مستمرة، مثل تحديد سعر المنزل أو توقع درجة الحرارة.
  • التعلم غير الخاضع للإشراف: نوع من التعلم الآلي يستخرج الأنماط أو الهياكل من البيانات من دون وجود وسم مسبق أو نتائج مستهدفة.

خطوات بناء نموذج تعلم الآلة

يبدأ بناء نموذج تعلم الآلة بتحديد المشكلة، ثم جمع البيانات واستكشافها وتجهيزها، واختيار النموذج وتدريبه. بعد ذلك يُقيَّم النموذج باستخدام بيانات الاختبار ومقاييس مناسبة، ويمكن تحسينه بإعادة ضبط المعاملات، ثم يُنشر على الخوادم مع مراقبته وصيانته وإعادة تدريبه عند الحاجة.

مصطلحات

  • الخصائص: البيانات أو الصفات التي تستخدم في بناء النموذج والتنبؤ.
  • الوسم: قيمة توضح النتيجة الحقيقية لكل عينة.
  • هندسة البيانات: استكشاف البيانات وتجهيزها لتكون جاهزة للاستعمال من خوارزميات التعلم الآلي.
  • الترميز: تحويل النصوص والخصائص غير الرقمية إلى أعداد باستخدام تقنية التمثيل الرقمي.

أدوات بناء نموذج التعلم الآلي

تتناول الوحدة أدوات بناء أنظمة التعلم الآلي، وتقسمها إلى أدوات ذات واجهة مستخدم وأيقونات مثل Orange Data Mining وKNIME، وأدوات تعتمد على لغات البرمجة مثل Python ومكتبات تحليل البيانات وخوارزميات التعلم الآلي مثل Sklearn. وتركز الوحدة تطبيقياً على أداة Orange Data Mining، وواجهة المستخدم ومجموعات الأيقونات فيها، وطريقة تحميلها وربط أدواتها لقراءة البيانات وعرضها وتحليلها.

مصطلحات

  • Orange Data Mining: منصة مفتوحة المصدر ومجانية تستخدم في تطبيقات متنوعة، من تحليل البيانات البسيط إلى بناء نماذج التعلم الآلي والتعلم العميق.
  • Widgets: قطع أو أيقونات في أداة Orange Data Mining يمكن ربطها ببعضها لبناء نماذج التعلم الآلي.
  • مجموعة البيانات Data: مجموعة من الأيقونات تمكن من قراءة البيانات وعرضها وتخزينها.
  • مجموعة التحويل Transform: مجموعة من الأيقونات التي تمكن من معالجة البيانات وتجهيزها.

تدريب خوارزمية شجرة القرار

يوضح الدرس خطوات تدريب خوارزمية شجرة القرار باستخدام أداة Orange Data Mining، بدءًا من جمع البيانات واستكشافها وتجهيزها، ثم تقسيمها إلى مجموعتي تدريب واختبار، واختيار النموذج وتدريبه وتقييمه وعرض نتائجه. كما يتناول تطبيق الخوارزمية على مجموعات بيانات مختلفة، وبناء نموذج انحدار، واستخدام ChatGPT لإنشاء نظام تعلم آلي، إضافة إلى جوانب المواطنة الرقمية والأخلاقية المرتبطة بأنظمة التعلم الآلي.

مصطلحات

  • شجرة القرار: خوارزمية تعلم آلي تُدرَّب على البيانات بهدف بناء نموذج يمكن عرضُه على شكل شجرة.
  • الوسم: الخاصية المستهدفة التي سيُبنى النموذج بناءً عليها.
  • Impute: أداة تُستخدم لإعطاء قيم للحقول ذات القيم المفقودة.
  • Continuize: أداة تحول الخصائص التي تمتلك قيماً فئوية نصية إلى أرقام.

معالجة اللغات الطبيعية

معالجة اللغات الطبيعية

معالجة اللغات الطبيعية فرع من فروع الذكاء الاصطناعي يهدف إلى تمكين الحواسيب من فهم نصوص اللغة البشرية وتفسيرها وتحليلها وتوليد اللغة تلقائياً وبفعالية. تعتمد على مزيج من التعلم الآلي والتحليل اللغوي، وتمر بمراحل إدخال البيانات ومعالجتها واستخراج الصفات وتدريب النموذج وتقييمه.

مصطلحات

  • معالجة اللغات الطبيعية: فرع من فروع الذكاء الاصطناعي يهدف إلى تمكين الحواسيب من فهم نصوص اللغة البشرية وتفسيرها وتحليلها وتوليد اللغة بشكل تلقائي.
  • تنظيف البيانات: إزالة علامات الترقيم والحركات والرموز والروابط غير المرغوب بها من البيانات.
  • توحيد البيانات: خطوة تضمن اتساق النصوص وتوحيدها قبل عمليات التحليل أو التصنيف.
  • تحليل النصوص: عملية تقسيم النص إلى وحدات أصغر تعرف بالرموز، وقد تكون كلمات أو عبارات أو جملاً.

المهمات الأساسية لمعالجة اللغات الطبيعية

تتناول معالجة اللغات الطبيعية مهمات أساسية موزعة على أربع مراحل: تحليل النص، واستخراج المعلومات، وفهم النص، وتوليد النص. يشمل تحليل النص التقسيم والتجزئة، وتحليل الصرف، وتحليل النحو، وتحليل الدلالة. أما استخراج المعلومات فيتضمن التعرف إلى الكيانات المسماة واستخراج العلاقات بينها. ويشمل فهم النص تحليل المشاعر والاستنتاج النصي، بينما يتضمن توليد النص التلخيص التلقائي، والترجمة الآلية، والاستجابة للنصوص.

مصطلحات

  • التقسيم والتجزئة: تجزئة النص إلى أجزاء تسمى Tokens بناءً على عناصر معينة، مثل الكلمات أو الجمل.
  • تحليل الصرف: دراسة هيكل الكلمات وتكوينها، وتحليل الكلمات إلى جذورها وصيغها وتصريفها لفهم كيفية تشكيل الكلمة ومعناها.
  • تحليل النحو: دراسة بنية الجمل وتركيبها، وتحديد كيفية ترتيب الكلمات والعلاقات النحوية بينها.
  • تحليل الدلالة: فهم المعنى الحقيقي للكلمات والجمل من خلال فهم السياق الذي تستخدم فيه الكلمات لتحديد معانيها الدقيقة.

تقنيات معالجة اللغات الطبيعية وطرقها

تتنوع طرق معالجة اللغات الطبيعية بين طرق تقليدية وطرق حديثة. تعتمد الطرق التقليدية على النماذج الإحصائية والتقنيات القائمة على القواعد اللغوية المكتوبة يدويًا، بينما يعتمد التعلم العميق على الشبكات العصبية العميقة لفهم النصوص وتحليلها وتوليدها. ومن أبرز النماذج الحديثة الشبكات العصبية الالتفافية والمتكررة والمحولات ونماذج اللغة الكبيرة، مثل GPT-4 وBERT.

مصطلحات

  • الطرق التقليدية: طرق في معالجة اللغات الطبيعية تعتمد على النماذج الإحصائية والتقنيات القائمة على قواعد لغوية مكتوبة يدويًا.
  • التعلم العميق: طريقة حديثة تعتمد على الشبكات العصبية العميقة لفهم النصوص وتحليلها وتوليدها.
  • الشبكات العصبية الالتفافية CNN: نموذج من نماذج التعلم العميق يستخدم في تصنيف النصوص واستخراج الخصائص والأنماط.
  • الشبكات العصبية المتكررة RNN: نموذج من نماذج التعلم العميق يستخدم عادة لمعالجة البيانات أو النصوص المتسلسلة.

التطبيقات العملية لمعالجة اللغات الطبيعية

يتناول الدرس أبرز التطبيقات العملية لمعالجة اللغات الطبيعية، مثل تصنيف النصوص وتحليل المشاعر، والدردشة الذكية، واستخراج إجابات الأسئلة، والتلخيص التلقائي، والترجمة الآلية، واستخراج أسماء الكيانات، والتعرف على الكلام. كما يوضح أهمية الاستخدام المسؤول لهذه التقنيات، وحماية الخصوصية والأمان، وتشجيع الإبداع والتفكير الناقد والتعاون.

مصطلحات

  • تحديد نوع النص: تصنيف التعليقات والآراء أو تحليلها، مثل تصنيفها في وسائل التواصل الاجتماعي والتقييمات والمراجعات.
  • تحليل المشاعر: تحليل النصوص لتحديد المشاعر أو الموقف الوارد فيها، مثل الإيجابي والسلبي.
  • الدردشة الذكية: أنظمة محادثة تفاعلية تقدم الدعم الفني أو خدمات العملاء.
  • التلخيص التلقائي: استخدام التطبيقات لتلخيص المقالات والأخبار والتقارير الطويلة.

النمذجة والمحاكاة

01 النمذجة والمحاكاة

النمذجة هي تصميم وبناء تمثيل لنظام أو عملية معينة، يتضمن الشكل والخصائص، بهدف فهم سلوك النظام أو العملية. أما المحاكاة فهي استخدام النموذج لتقليد سلوك نظام معين تحت ظروف محددة، ودراسة أدائه وتفاعله مع المدخلات المختلفة. وقد تطورت أدوات النمذجة والمحاكاة عند دمجها مع الذكاء الاصطناعي، فأصبحت توفر قدرات متقدمة مثل التحسين وتحليل البيانات والتحقق والصلاحية.

مصطلحات

  • النمذجة: تصميم وبناء تمثيل لنظام معين أو عملية معينة، يتضمن الشكل والخصائص، بهدف فهم سلوك النظام أو العملية.
  • النموذج: تمثيل لنظام أو عملية يُستخدم لفهم سلوك النظام أو العملية.
  • المحاكاة: عملية استخدام النموذج في تقليد سلوك نظام معين تحت ظروف معينة.
  • الذكاء الاصطناعي: مجال يندمج مع النمذجة والمحاكاة ويوفر قدرات متقدمة مثل التحسين وتحليل البيانات والتحقق والصلاحية.

دور النمذجة والمحاكاة في الذكاء الاصطناعي

تستخدم النمذجة والمحاكاة في الذكاء الاصطناعي لتطوير الخوارزميات وتدريب أنظمة الذكاء الاصطناعي وتحليل البيانات والتنبؤ واتخاذ القرار. كما تتعدد النماذج المستخدمة فيها، ومنها النماذج القائمة على المعادلات التي تصف العلاقات بين متغيرات النظام بالاعتماد على المعادلات الرياضية.

مصطلحات

  • النمذجة: استخدام نماذج لتمثيل نظام أو ظاهرة بهدف دراستها أو تطبيقها في الذكاء الاصطناعي.
  • المحاكاة: محاكاة الخوارزميات أو البيئات الحقيقية باستخدام نماذج حاسوبية.
  • تطوير الخوارزميات: تقييم الخوارزميات عن طريق محاكاتها على نماذج قبل تطبيقها على بيانات حقيقية.
  • تحليل البيانات: تحليل النماذج الحاسوبية كميات ضخمة من البيانات بهدف استخراج الأنماط والمعرفة.

أنواع النماذج المستخدمة في النمذجة والمحاكاة

تُستخدم النمذجة والمحاكاة في الذكاء الاصطناعي لتطوير الخوارزميات وتدريب أنظمة الذكاء الاصطناعي وتحليل البيانات والتنبؤ واتخاذ القرار. ومن أهم النماذج المستخدمة: النماذج القائمة على المعادلات، التي تصف العلاقات بين المتغيرات بالمعادلات الرياضية، والنماذج القائمة على الوكيل، التي تحاكي سلوك الكيانات المستقلة وتفاعلاتها داخل النظام.

مصطلحات

  • النمذجة والمحاكاة: استخدام نماذج لمحاكاة الأنظمة والبيئات بهدف دراسة سلوكها وتحليلها وإجراء التنبؤات.
  • النماذج القائمة على المعادلات: نماذج تصف العلاقة بين المتغيرات المختلفة في النظام اعتمادًا على المعادلات الرياضية لدراسة التأثيرات وإجراء التنبؤات.
  • النماذج القائمة على الوكيل: نماذج تعتمد على دراسة خصائص الكيانات المستقلة وتفاعلاتها من أجل إجراء المحاكاة.
  • الوكيل: كيان مستقل يمكن أن يكون فردًا أو منظمة أو عاملًا مؤثرًا.

تطبيقات النمذجة والمحاكاة في الذكاء الاصطناعي

تتناول النماذج المستندة إلى البيانات وأنواعها، وتوضح استخدامات النمذجة والمحاكاة في الذكاء الاصطناعي لتحليل الأنظمة المعقدة وتحسين العمليات واختبار الفرضيات دون الحاجة إلى تجارب حقيقية مكلفة أو مستحيلة التنفيذ. وتشمل التطبيقات تدريب الروبوتات، وتحليل الأنظمة البيئية، ودراسة الأنظمة الاقتصادية، وتعزيز التعلم في التعليم.

مصطلحات

  • النماذج المستندة إلى البيانات: نماذج تستخدم في تعلم الآلة والتعلم العميق، وتعتمد على تعلم الأنماط من البيانات.
  • النمذجة والمحاكاة: تطبيقات تستخدم لتحليل الأنظمة المعقدة وتحسين العمليات واختبار الفرضيات دون الحاجة إلى تجارب حقيقية مكلفة أو مستحيلة التنفيذ.
  • النماذج العلائقية: أحد أنواع النماذج المستندة إلى البيانات.
  • نماذج الكيانات والعلاقات: أحد أنواع النماذج المستندة إلى البيانات.

برامج تستخدم في النمذجة والمحاكاة

يتناول الدرس استخدام الذكاء الاصطناعي في التعلم القائم على المحاكاة، ويعرض برامج وأدوات تستخدم في تحليل البيانات والنمذجة الرياضية ومحاكاة الأنظمة والدوائر الكهربائية، مثل MATLAB وPython وTinkercad وICircuit. كما يوضح خطوات استخدام Tinkercad لمحاكاة الدارات الكهربائية، ومبادئ المواطنة الرقمية المرتبطة بالملكية الفكرية والتعامل الأخلاقي مع البيانات والمشاركة المفتوحة والمسؤولية الاجتماعية والتعاون.

مصطلحات

  • MATLAB: بيئة برمجية متكاملة تستخدم في تحليل البيانات والنمذجة الرياضية والمحاكاة.
  • Simulink: جزء من MATLAB يوفر بيئة رسومية تستخدم في محاكاة الأنظمة الديناميكية والنمذجة القائمة على الوقت.
  • Python: لغة تستخدم في تطوير الخوارزميات التنبؤية وتحليل البيانات وبناء نماذج الشبكة العصبية ومحاكاة الأنظمة المعقدة.
  • Tinkercad: تطبيق قائم على الويب يمكن استخدامه من الهواتف الذكية، ويسمح بتصميم الدوائر الكهربائية والإلكترونية ومحاكاتها، وتصميم نماذج ثلاثية الأبعاد.

Frequently asked questions

What is the Digital Skills Tawjihi cheat sheet?

Concise revision pages for Digital Skills that gather the key laws, ideas, and exam tips for each lesson.

Is it based on the prescribed curriculum?

Yes — built from the prescribed curriculum and official units. You can preview cheat sheets inside TawjihiAI.

Complete your Digital Skills prep

Digital Skills hubQuestions with answersFlashcardsGlossaryPredicted exams

Results week: 20 messages a day with Zaki

Sign up now and plan your post-results step with Zaki — no invented ministry dates.

Start with Zaki