ملخص التعلم والمصطلحات الرئيسة - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

الكتاب: كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 | المادة: الذكاء الإصطناعي | المرحلة: الصف 12 | الفصل الدراسي: 1

الدولة: المملكة العربية السعودية | المنهج: المنهج السعودي - وزارة التعليم

الدرس: ماذا تعلمت والمصطلحات الرئيسة

📚 معلومات الصفحة

الكتاب: كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 | المادة: الذكاء الإصطناعي | المرحلة: الصف 12 | الفصل الدراسي: 1

الدولة: المملكة العربية السعودية | المنهج: المنهج السعودي - وزارة التعليم

نوع المحتوى: ملخص

مستوى الصعوبة: متوسط

📝 ملخص الصفحة

تقدم هذه الصفحة ملخصًا لما تم تعلمه في مجال رؤية الحاسب والذكاء الاصطناعي، مع التركيز على معالجة الصور وتصنيفها. يتضمن الملخص ست نقاط رئيسة تغطي إعداد الصور للتعرف عليها، واستخدام المكتبات والدوال لإنشاء نماذج التعلم الموجه لتصنيف الصور، ووصف طريقة تركيب الشبكات العصبية، واستخدام المكتبات والدوال لإنشاء نماذج التعلم غير الموجه لعنقذة الصور، وإنشاء الصور من خلال التوجيه النصي، وإكمال الأجزاء الناقصة للصور ببيانات واقعية.

بالإضافة إلى ذلك، تحتوي الصفحة على جدول للمصطلحات الرئيسة الذي يقدم ترجمة عربية للمصطلحات الإنجليزية الأساسية في هذا المجال. يهدف هذا الجدول إلى تعزيز فهم المفاهيم التقنية مثل الشبكات العصبية الترشيحية ونماذج الانتشار وهندسة الخصائص.

يُعد هذا المحتوى جزءًا من مراجعة أو ختام لوحدة دراسية، حيث يجمع بين تلخيص المهارات المكتسبة وتعريف المصطلحات التقنية المهمة، مما يساعد الطلاب على ترسيخ المعرفة واستخدامها في التطبيقات العملية.

📋 المحتوى المنظم

📖 محتوى تعليمي مفصّل

ماذا تعلمت

نوع: محتوى تعليمي

ماذا تعلمت

نوع: محتوى تعليمي

إعداد الصور للتعرف عليها. استخدام المكتبات والدوال لإنشاء نماذج التعلم الموجه لتصنيف الصور. وصف طريقة تركيب الشبكات العصبية. استخدام المكتبات والدوال لإنشاء نماذج التعلم غير الموجه لعنقذة الصور. إنشاء الصور من خلال توفير التوجيه النصي. إكمال الأجزاء الناقصة لصورة ببيانات واقعية.

المصطلحات الرئيسة

نوع: محتوى تعليمي

المصطلحات الرئيسة

نوع: METADATA

وزارة التعليم Ministry of Education 249 2023 - 1447

🔍 عناصر مرئية

المصطلحات الرئيسة

A two-column table listing key terms in English and their Arabic equivalents related to computer vision and artificial intelligence.

📄 النص الكامل للصفحة

--- SECTION: ماذا تعلمت --- ماذا تعلمتإعداد الصور للتعرف عليها. استخدام المكتبات والدوال لإنشاء نماذج التعلم الموجه لتصنيف الصور. وصف طريقة تركيب الشبكات العصبية. استخدام المكتبات والدوال لإنشاء نماذج التعلم غير الموجه لعنقذة الصور. إنشاء الصور من خلال توفير التوجيه النصي. إكمال الأجزاء الناقصة لصورة ببيانات واقعية.--- SECTION: المصطلحات الرئيسة --- المصطلحات الرئيسة2023 - 1447--- VISUAL CONTEXT --- **TABLE**: المصطلحات الرئيسة Description: A two-column table listing key terms in English and their Arabic equivalents related to computer vision and artificial intelligence. Table Structure: Headers: English Term | Arabic Equivalent Rows: Row 1: Computer Vision | رؤية الحاسب Row 2: Convolutional Neural Network - CNN | الشبكة العصبية الترشيحية Row 3: Diffusion Model | نموذج الانتشار Row 4: Feature Engineering | هندسة الخصائص Row 5: Feature Selection | انتقاء الخصائص Row 6: Generative Adversarial Network - GAN | الشبكة التوليدية التنافسية Row 7: Histogram of Oriented Gradients - HOG | مخطط تكراري للتدرجات الموجهة Row 8: Image | صورة Row 9: Image Generation | توليد الصور Row 10: Image Preprocessing | المعالجة الأولية للصور Row 11: Network Layer | طبقة الشبكة Row 12: Recognition | التعرف Row 13: Stable Diffusion | الانتشار المستقر Row 14: Standard Scaling | تحجيم قياسي Row 15: Visual Data | بيانات مرئية Data: The table provides a glossary of technical terms. The left column contains English terms, and the right column contains their corresponding Arabic translations. Context: This table serves as a glossary to define and translate key technical terms introduced or used in the context of the 'What I Learned' summary, aiding in comprehension of computer vision and AI concepts.

🎴 بطاقات تعليمية للمراجعة

عدد البطاقات: 5 بطاقة لهذه الصفحة

ما هي أهم خطوة أولى في التعامل مع البيانات المرئية قبل استخدامها في نماذج التعلم الآلي؟

الإجابة: إعداد الصور للتعرف عليها، ويشمل ذلك عمليات مثل تغيير الحجم، التطبيع، وإزالة الضوضاء.

الشرح: تهدف المعالجة الأولية للصور إلى تحسين جودة البيانات المرئية وجعلها متوافقة مع متطلبات نماذج التعلم الآلي، مما يسهل على النموذج التعرف عليها واستخلاص المعلومات منها.

تلميح: ما هي العمليات التي تجعل الصور مناسبة للمعالجة الحاسوبية؟

اذكر اثنين من استخدامات المكتبات والدوال في مجال الذكاء الاصطناعي المتعلقة بالصور.

الإجابة: 1. إنشاء نماذج التعلم الموجه لتصنيف الصور. 2. إنشاء نماذج التعلم غير الموجه لعنقذة الصور (مثل تقليل الأبعاد أو إزالة التشويش).

الشرح: تُستخدم المكتبات والدوال المتخصصة لتسهيل عملية بناء نماذج التعلم الآلي، سواء كانت موجهة (تتطلب بيانات مصنفة) أو غير موجهة (تتعلم من البيانات غير المصنفة)، وذلك لتطبيقات مختلفة مثل تصنيف الصور واستكشاف البيانات المرئية.

تلميح: فكر في نوعي التعلم الرئيسيين (الموجه وغير الموجه) وكيف يمكن تطبيقهما على الصور.

ماذا يعني 'وصف طريقة تركيب الشبكات العصبية' في سياق تعلم الآلة؟

الإجابة: يعني فهم وتطبيق بنية الطبقات المختلفة للشبكة العصبية، مثل الطبقات الكثيفة (Dense)، طبقات الترشيح (Convolutional)، وطبقات التجميع (Pooling)، وكيفية توصيلها ببعضها البعض لتحقيق هدف معين (مثل التصنيف أو التوليد).

الشرح: فهم تركيب الشبكات العصبية ضروري لبناء نماذج فعالة. يشمل ذلك معرفة أنواع الطبقات المختلفة، خصائص كل طبقة، وكيفية تنظيمها لتشكيل بنية قادرة على معالجة البيانات واستخلاص الأنماط المعقدة.

تلميح: الشبكات العصبية تتكون من وحدات أساسية. ما هو اسم هذه الوحدات وكيف تتصل؟

اشرح مفهوم 'إنشاء الصور من خلال توفير التوجيه النصي'.

الإجابة: هو استخدام نماذج توليدية، مثل نماذج الانتشار (Diffusion Models) أو الشبكات التوليدية التنافسية (GANs)، لتوليد صور جديدة بناءً على وصف نصي مدخل. يقوم النموذج بترجمة الكلمات والعبارات إلى تمثيلات مرئية.

الشرح: يُعد توليد الصور من نص أحد تطبيقات الذكاء الاصطناعي المتقدمة، حيث يتيح للمستخدمين إنشاء صور فريدة وإبداعية دون الحاجة لمهارات تصميم متقدمة، وذلك بالاعتماد على قدرة النموذج على فهم العلاقة بين اللغة والصورة.

تلميح: كيف يمكن تحويل الكلمات إلى صور؟ ما هي النماذج المتخصصة في ذلك؟

ما هو الهدف من 'إكمال الأجزاء الناقصة لصورة ببيانات واقعية'؟

الإجابة: يهدف إلى استعادة المعلومات المفقودة في الصورة أو ملء المناطق الفارغة بطريقة تحاكي البيانات الموجودة في بقية الصورة، مما يحافظ على تماسك الصورة وواقعيتها.

الشرح: هذه التقنية تستخدم في تطبيقات مثل إزالة الكائنات غير المرغوبة من الصور، أو استعادة الصور التالفة، أو حتى في إنشاء صور كاملة من أجزاء صغيرة. تعتمد على فهم النموذج للأنماط والعلاقات المكانية داخل الصورة.

تلميح: تخيل أن جزءًا من صورتك مفقود، كيف يمكن للذكاء الاصطناعي أن يعوضه؟