تدريب 1 - كتاب التقنية الرقمية - الصف 11 - الفصل 1 - المملكة العربية السعودية

الكتاب: كتاب التقنية الرقمية - الصف 11 - الفصل 1 | المادة: التقنية الرقمية | المرحلة: الصف 11 | الفصل الدراسي: 1

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

الدرس: تدريب 1

📚 معلومات الصفحة

الكتاب: كتاب التقنية الرقمية - الصف 11 - الفصل 1 | المادة: التقنية الرقمية | المرحلة: الصف 11 | الفصل الدراسي: 1

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

نوع المحتوى: درس تعليمي

📝 ملخص الصفحة

📚 تطبيق معا (تمارين)

المفاهيم الأساسية

لا تحتوي هذه الصفحة على تعريفات جديدة للمفاهيم.

خريطة المفاهيم

```markmap

الوحدة الثانية: الذكاء الاصطناعي

تطبيقات تعلّم الآلة

مشروع تعلم الآلة

#### المنصة المستخدمة

  • منصة تعلم الآلة للأطفال (Machine Learning for Kids)
  • تعمل بالكامل عبر الشبكة العنكبوتية
  • لا تتطلب تثبيت أو إعداد معقد

#### مراحل المشروع

##### 1. تدريب النموذج

  • جمع أمثلة للأشياء المراد من جهاز الحاسب التعرف عليها.
  • المصدر: موقع DTeensNet للحصول على صور لأنواع مختلفة من المركبات.
  • خطوات إضافة تسمية (Label):

- الضغط على Train (تدريب).

- الضغط على Add new label (إضافة تسمية جديدة).

- كتابة اسم المجموعة (مثال: cars).

- الضغط على Add (إضافة).

- تكرار الخطوات لإنشاء تسميات أخرى (مثل ships و planes).

  • طريقة إضافة الصور: سحب الصور من نوافذ المتصفح الأخرى وإفلاتها في المربع المخصص لكل تسمية.
  • أدوات إضافة الصور: تتوفر أيقونات للحصول على الصور من الويب (www)، أو الكاميرا (webcam)، أو الرسم (draw).
  • خطوات إضافة الصور عبر الويب:

- افتح الموقع الإلكتروني: www.dteensnet.com/index-ML.html

- اختر الصورة من الفئة المطلوبة (مثل: Cars).

- اضغط بزر الفأرة الأيمن على الصورة واختر Copy image link.

- في واجهة المشروع، اضغط على أيقونة www.

- الصق رابط الصورة في الحقل المخصص، ثم اضغط على Add.

- تمت إضافة الصورة إلى التسمية.

- كرر الخطوات لإضافة باقي الصور إلى التسميات الأخرى.

- اضغط على Back to project للعودة إلى المشروع من أجل تدريبه.

  • تفاصيل واجهة التدريب:

- تنسيقات الصور المدعومة: .jpg و .png فقط.

- عرض عدد الصور المضافة.

- إزالة تسمية.

- إزالة صورة من الملصق.

- أقل عدد ممكن من الصور تحتاجه لتدريب النموذج.

##### 2. اختيار النموذج

  • استخدام الأمثلة المتوفرة لتدريب جهاز الحاسب على التعرف عليها.
  • الخطوات:

- الضغط على (تعلم واختبر) Learn & Test.

- الضغط على (تدريب نموذج جديد) Train new machine learning model.

- الانتظار حتى يكمل الحاسب عملية التعلم.

##### 3. اختبار النموذج

  • الهدف: تصنيف صور جديدة وإظهار نسبة الثقة.
  • طريقة الاختبار:

- تحديد صورة من الموقع: www.dteensnet.com/index-ML.html

- نسخ رابط الصورة.

- في واجهة الاختبار، لصق الرابط.

- الضغط على أيقونة www.

- عرض نتيجة الاختبار (صحة التصنيف ونسبة الثقة).

  • تحسين النموذج:

- إذا كانت نسبة الثقة منخفضة، أضف مزيدًا من الصور للتدريب وأعد تدريب النموذج.

- استخدم صورًا مختلفة عن تلك المستخدمة في التدريب لاختبار فعالية النموذج.

  • حذف النموذج: الضغط على Delete this model لحذف نموذج تدريب الآلة.

##### 4. إنشاء لعبة في سكراتش (Scratch)

  • استخدام قدرة جهاز الحاسب للتعرف على الأمثلة في لعبة.

#### أنواع المركبات المستهدفة

  • السيارات (cars)
  • الطائرات (planes)
  • السفن (ships)

#### خطوات إنشاء المشروع

##### 1. الدخول إلى المنصة

  • زيارة الموقع: www.machinelearningforkids.co.uk
  • الضغط على Get started (بدء الاستخدام)

##### 2. البدء دون حساب

  • الضغط على Try it now (جرب الآن) للعمل دون تسجيل

##### 3. إنشاء المشروع

  • الضغط على Add a new project (إضافة مشروع جديد)
  • كتابة اسم المشروع (مثال: Transportation)
  • اختيار نوع البيانات (صور)
  • الضغط على Create (إنشاء)

#### مزايا التسجيل في حساب

  • العمل على أكثر من مشروع
  • حفظ المشروع للعمل عليه لاحقاً
  • إمكانية العمل في أي وقت وأي مكان

#### أنواع البيانات التي يمكن للآلة تعلمها

  • نصوص: للكلمات، الجمل، أو الفقرات.
  • صور: للصور الفوتوغرافية، الرسوم البيانية، والرسومات.
  • أرقام: للبيانات الرقمية.
  • أصوات: للضوضاء والأصوات.

#### إدارة المشاريع

  • إنشاء مشروع جديد.
  • نسخ نموذج مشروع.
  • حذف مشروع.

#### تمارين التطبيق

##### تدريب 1

  • صف ثلاثة تطبيقات مختلفة حيث يمكن استخدام تعلم الآلة.

##### تدريب 2

  • صف طريقة أو أكثر لتحسين دقة نموذج تعلم الآلة.

##### تدريب 3

  • أضف تسمية جديدة (قطار Train) في نموذج تعلم الآلة الخاص بك.

###### خطوات النشاط

  • أ: ابحث على الشبكة العنكبوتية عن صور قطار.
  • ب: أضف الصور في تسمية Train (قطار).
  • ج: درب نموذجك على التعرف على صور القطارات.
  • د: اختبر نموذجك.

```

نقاط مهمة

  • تحتوي هذه الصفحة على ثلاثة تمارين تطبيقية لتعلم الآلة.
  • التمرين الثالث هو نشاط عملي خطوة بخطوة لإضافة تسمية جديدة (قطار) وتدريب النموذج عليها.
  • يجب التركيز على فهم كيفية تطبيق الخطوات العملية السابقة (جمع الصور، التدريب، الاختبار) في سياق جديد.

📋 المحتوى المنظم

📖 محتوى تعليمي مفصّل

تدريب 1

نوع: QUESTION_HOMEWORK

صف ثلاثة تطبيقات مختلفة حيث يمكن استخدام تعلم الآلة.

تدريب 2

نوع: QUESTION_HOMEWORK

صف طريقة أو أكثر لتحسين دقة نموذج تعلم الآلة.

تدريب 3

نوع: QUESTION_ACTIVITY

أضف تسمية جديدة (قطار Train) في نموذج تعلم الآلة الخاص بك.

📄 النص الكامل للصفحة

--- SECTION: تدريب 1 --- صف ثلاثة تطبيقات مختلفة حيث يمكن استخدام تعلم الآلة. --- SECTION: تدريب 2 --- صف طريقة أو أكثر لتحسين دقة نموذج تعلم الآلة. --- SECTION: تدريب 3 --- أضف تسمية جديدة (قطار Train) في نموذج تعلم الآلة الخاص بك. أ. ابحث على الشبكة العنكبوتية عن صور قطار. ب. أضف الصور في تسمية Train (قطار). ج. درب نموذجك على التعرف على صور القطارات. د. اختبر نموذجك.

✅ حلول أسئلة الكتاب الرسمية

عدد الأسئلة: 3

سؤال تدريب 1: صف ثلاثة تطبيقات مختلفة حيث يمكن استخدام تعلم الآلة.

الإجابة: س1: 1) التعرّف على الصور: مثل التمييز بين صور (قطار/سيارة/طائرة). س1: 2) التعرّف على الصوت والكلام: مثل المساعدات الصوتية التي تفهم الأوامر. س1: 3) أنظمة التوصية: مثل اقتراح فيديوهات أو منتجات بناءً على اهتماماتك.

خطوات الحل:

  1. **الشرح:** لنفهم هذا السؤال، فهو يسأل عن تطبيقات عملية مختلفة لمجال "تعلم الآلة". تعلم الآلة هو فرع من الذكاء الاصطناعي يسمح للأنظمة بالتعلم من البيانات وتحسين أدائها دون برمجتها صراحة لكل مهمة. الفكرة هنا هي التفكير في مجالات حياتية نستخدم فيها هذا النوع من التكنولوجيا. على سبيل المثال، في مجال الرؤية الحاسوبية، يمكن للنظام التمييز بين أنواع المركبات في الصور. وفي مجال معالجة اللغة الطبيعية، يمكن للنظام فهم الأوامر الصوتية. كما أن منصات الترفيه والتسوق تستخدم خوارزميات لاقتراح محتوى يناسب اهتمامات المستخدم. إذن، الإجابة هي: **1) التعرّف على الصور، 2) التعرّف على الصوت والكلام، 3) أنظمة التوصية**.

سؤال تدريب 2: صف طريقة أو أكثر لتحسين دقة نموذج تعلم الآلة.

الإجابة: س2: - زيادة عدد أمثلة التدريب وتنويع البيانات (زوايا وإضاءة مختلفة). س2: - تنظيف البيانات (حذف الصور غير الواضحة) وموازنة البيانات. س2: - إعادة التدريب والاختبار بعد إضافة الأمثلة وتصحيح الأخطاء.

خطوات الحل:

  1. **الشرح:** الفكرة في هذا السؤال هي فهم كيفية تحسين أداء نموذج تعلم الآلة لجعله أكثر دقة في تنبؤاته. الدقة تعتمد بشكل كبير على جودة وكمية البيانات المستخدمة في التدريب. أولاً، يمكن تحسين النموذج من خلال تزويده بمزيد من الأمثلة التدريبية المتنوعة، مما يساعده على التعرف على أنماط أكثر. ثانياً، من المهم التأكد من نظافة البيانات، مثل إزالة العينات المشوشة أو غير الواضحة، لضمان أن النموذج يتعلم من معلومات صحيحة. ثالثاً، بعد إجراء هذه التحسينات، يجب إعادة تدريب النموذج واختباره لقياس التحسن وتصحيح أي أخطاء متبقية. إذن، الإجابة هي: **- زيادة عدد أمثلة التدريب وتنويع البيانات، - تنظيف البيانات وموازنتها، - إعادة التدريب والاختبار بعد التعديلات**.

سؤال تدريب 3: أضف تسمية Train (قطار) جديدة في نموذج تعلم الآلة الخاص بك. > ابحث على الشبكة العنكبوتية عن صور قطار. > أضف الصور في تسمية Train (قطار). > درب نموذجك على التعرف على صور القطارات. > اختبر نموذجك.

الإجابة: س3: - أنشأت تسمية Train (قطار). - جمعت صوراً لقطارات وأضفتها للتسمية. - درّبت النموذج واختبرته برفع صور جديدة.

خطوات الحل:

  1. **الخطوة 1 (المفهوم):** نتذكر أن في مشاريع تعلم الآلة، خاصة في التصنيف البصري، نبدأ بتحديد الفئات أو "التسميات" التي نريد للنموذج أن يتعرف عليها، مثل "قطار" أو "سيارة".
  2. **الخطوة 2 (التطبيق):** بتطبيق هذا على السؤال، لإضافة تسمية جديدة مثل "قطار"، نحتاج أولاً إلى جمع بيانات تدريبية لهذه الفئة. هذا يتضمن البحث عن صور قطارات متنوعة على الإنترنت وإضافتها إلى مجموعة البيانات تحت التسمية الجديدة.
  3. **الخطوة 3 (النتيجة):** بعد جمع الصور، نستخدمها لتدريب النموذج، مما يسمح له بتعلم خصائص القطارات. ثم نختبر النموذج برفع صور جديدة لقطارات لمعرفة إذا كان يتعرف عليها بشكل صحيح. لذلك الإجابة هي: **- أنشأت تسمية Train (قطار)، - جمعت صوراً لقطارات وأضفتها للتسمية، - درّبت النموذج واختبرته برفع صور جديدة**.

🎴 بطاقات تعليمية للمراجعة

عدد البطاقات: 3 بطاقة لهذه الصفحة

أي مما يلي يُعد من التطبيقات العملية لمجال تعلم الآلة؟

  • أ) معالجة النصوص باستخدام برامج تحرير النصوص العادية.
  • ب) أنظمة التوصية التي تقترح محتوى بناءً على اهتمامات المستخدم.
  • ج) تخزين البيانات في قواعد البيانات العلائقية.
  • د) تصميم واجهات المستخدم الرسومية.

الإجابة الصحيحة: b

الإجابة: أنظمة التوصية التي تقترح محتوى بناءً على اهتمامات المستخدم.

الشرح: 1. تعلم الآلة هو فرع من الذكاء الاصطناعي يتعلم من البيانات. 2. من تطبيقاته: التعرّف على الصور، التعرّف على الصوت والكلام، وأنظمة التوصية. 3. أنظمة التوصية تحلل سلوك المستخدم لتقديم اقتراحات مناسبة.

تلميح: فكر في التطبيقات التي تستخدم البيانات السابقة للتنبؤ أو التصنيف دون برمجة صريحة.

التصنيف: مفهوم جوهري | المستوى: سهل

ما إحدى الطرق الفعالة لتحسين دقة نموذج تعلم الآلة؟

  • أ) تقليل عدد أمثلة التدريب لتسريع عملية التعلم.
  • ب) استخدام نفس النوع من البيانات دون تنويع.
  • ج) زيادة عدد وتنويع أمثلة التدريب.
  • د) تجاهل تنظيف البيانات من العينات المشوشة.

الإجابة الصحيحة: c

الإجابة: زيادة عدد وتنويع أمثلة التدريب.

الشرح: 1. دقة النموذج تعتمد على جودة وكمية بيانات التدريب. 2. زيادة عدد الأمثلة يساعد النموذج على رؤية أنماط أكثر. 3. تنويع البيانات (مثل زوايا وإضاءة مختلفة للصور) يجعل النموذج أكثر قوة.

تلميح: جودة تنبؤات النموذج تعتمد بشكل كبير على البيانات التي يتعلم منها.

التصنيف: صيغة/خطوات | المستوى: متوسط

ما الخطوة الأولى لإضافة فئة (تسمية) جديدة مثل 'قطار' إلى نموذج تعلم آلة للتعرف على الصور؟

  • أ) بدء تدريب النموذج فوراً على البيانات القديمة.
  • ب) جمع صور متنوعة للقطارات كبيانات تدريبية.
  • ج) اختبار النموذج بصور عشوائية.
  • د) حذف التسميات القديمة من النموذج.

الإجابة الصحيحة: b

الإجابة: جمع صور متنوعة للقطارات كبيانات تدريبية.

الشرح: 1. لإضافة تسمية جديدة، يجب توفير بيانات لها. 2. الخطوة الأولى هي جمع بيانات تدريبية (صور) تمثل الفئة الجديدة. 3. بدون بيانات، لا يستطيع النموذج تعلم خصائص القطار.

تلميح: يحتاج النموذج إلى بيانات ليتعلم منها خصائص الفئة الجديدة.

التصنيف: صيغة/خطوات | المستوى: متوسط