Scratch 3 - كتاب التقنية الرقمية - الصف 11 - الفصل 1 - المملكة العربية السعودية

📚 استخدام نموذج تعلم الآلة في مشاريع برمجية

المفاهيم الأساسية

لبنات (Blocks): قطع برمجية في سكراتش 3 تمثل أوامر ووظائف، مثل `recognise image` أو `add training data`.

الثقة (Confidence): رقم من 0 إلى 100 يعبر عن مدى تأكد نموذج تعلم الآلة من تصنيفه للصورة أو النص.

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.
• الهدف: إنشاء لعبة في سكراتش لاستخدام قدرة جهاز الحاسب في التعرف على الصور.
• الخطوات:

- افتح مشروع المواصلات (Transportation) الذي أنشأته.

- اضغط على Make (صنع).

- اختر Scratch 3 (سكراتش).

- اضغط على Open in Scratch (فتح في سكراتش).

- ستفتح نافذة ويندوز لسكراتش 3، وستجد فئة لبنات جديدة.

• كيفية عمل المشروع:

- سيستخدم نموذج تعلم الآلة الخاص بمشروع المواصلات.

- ستستخدم السيارات وعلامات الطائرات من المشروع.

- سيتم تحميل الصور كمظاهر للكلمتين.

- سيقسم المقطع البرمجي الصور إلى مجموعتين: مجموعة صور السيارات ومجموعة صور الطائرات.

#### 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.

#### استخدام النموذج في مشاريع أخرى

##### سكراتش 3 (Scratch 3)

• لبنات جديدة: يضيف مشروع تعلم الآلة لبنات جديدة إلى سكراتش.
• أنواع اللبنات:

- `recognise image [image] (confidence)`: للتعرف على الصور وإرجاع نسبة الثقة.

- `recognise text [text] (label)`: للتعرف على النصوص وإرجاع التصنيف.

- `add training data [text] [happy]`: لإضافة بيانات تدريبية.

• الفئات الجديدة: تظهر اللبنات تحت فئة خاصة باسم مشروعك (مثل: `my project`) وتحتوي على التصنيفات التي أنشأتها (مثل: `happy`, `sad`).

##### بايثون (Python)

• الاستخدام: كتابة كود بايثون لاستخدام نموذج تعلم الآلة الخاص بك.

##### مخترع التطبيقات (App Inventor)

• الاستخدام: صنع تطبيق للهاتف أو الجهاز اللوحي باستخدام النموذج.

```

نقاط مهمة

• بعد تدريب نموذج تعلم الآلة، يمكن استخدامه في ثلاث بيئات برمجية: سكراتش 3، بايثون، ومخترع التطبيقات.
• في سكراتش 3، يضيف المشروع لبنات جديدة خاصة بالتعرف على الصور والنصوص وإضافة بيانات تدريبية.
• اللبنات الجديدة تظهر في فئة خاصة باسم مشروعك، وتستخدم التصنيفات (Labels) التي قمت بإنشائها أثناء التدريب.
• لبنة `recognise image` تُرجع نسبة الثقة كرقم بين 0 و100.
• لبنة `recognise text` تُرجع التصنيف (Label) الذي تعرفه الآلة.

About Projects Worksheets Pretrained Book News Help Log Out Language

Make something with your machine learning model

< Back to project

Use your machine learning model in Scratch

Write Python code to use your machine learning model

Make a mobile app for your phone or tablet

About Projects Worksheets Pretrained Book News Help Log Out Language

Using machine learning in Scratch 3

< Back to project

Your project will add these blocks to Scratch.

It will look something like this - except with the name of your project.

سيضيف مشروع "تعلم الآلة" لبنات جديدة إلى سكراتش.

Put bins in the input for this, and it will return the label that your machine learning model recognises it as.

This will then return confident your machine learning model that it recognises the type of images. (As a number from 0 - 100).

These blocks represent the labels you've created in your project, so you can use their names in your scripts.

الفئات الجديدة من مشروع تعلم الآلة

recognise image

image

(confidence)

recognise image

image

(confidence)

recognise text

text

(label)

recognise text

text

(confidence)

my project

happy

sad

add training data

text

happy

my project

add training data

text

happy

Vehicle

Motion

Looks

Sound

Events

Control

Sensing

Operators

Variables

My Blocks

Images

my project

add training data

text

happy

recognise image

image

(confidence)

recognise text

text

(label)

recognise image

image

(confidence)

recognise text

text

(confidence)

my project

happy

sad

add training data

text

happy

my project

add training data

text

happy

Sprite1

Show

Size

Direction

y

x

Stage

Backdrop

1

سيضيف مشروع "تعلم الآلة" لبنات جديدة إلى سكراتش.

الفئات الجديدة من مشروع تعلم الآلة

وزارة التعليم 2025 - 1447

88

About Projects Worksheets Pretrained Book News Help Log Out Language Make something with your machine learning model < Back to project --- SECTION: Scratch 3 --- Use your machine learning model in Scratch --- SECTION: Python --- Write Python code to use your machine learning model --- SECTION: App inventor --- Make a mobile app for your phone or tablet About Projects Worksheets Pretrained Book News Help Log Out Language Using machine learning in Scratch 3 < Back to project Your project will add these blocks to Scratch. It will look something like this - except with the name of your project. سيضيف مشروع "تعلم الآلة" لبنات جديدة إلى سكراتش. Put bins in the input for this, and it will return the label that your machine learning model recognises it as. This will then return confident your machine learning model that it recognises the type of images. (As a number from 0 - 100). These blocks represent the labels you've created in your project, so you can use their names in your scripts. الفئات الجديدة من مشروع تعلم الآلة recognise image image (confidence) recognise image image (confidence) recognise text text (label) recognise text text (confidence) my project happy sad add training data text happy my project add training data text happy Vehicle Motion Looks Sound Events Control Sensing Operators Variables My Blocks Images my project add training data text happy recognise image image (confidence) recognise text text (label) recognise image image (confidence) recognise text text (confidence) my project happy sad add training data text happy my project add training data text happy Sprite1 Show Size Direction y x Stage Backdrop 1 سيضيف مشروع "تعلم الآلة" لبنات جديدة إلى سكراتش. الفئات الجديدة من مشروع تعلم الآلة وزارة التعليم 2025 - 1447 88 --- VISUAL CONTEXT --- **DIAGRAM**: Scratch 3 interface showing blocks Description: Screenshot of the Scratch 3 interface, displaying various code blocks categorized by function (Motion, Looks, Sound, Events, Control, Sensing, Operators, Variables, My Blocks, Images). A specific block labeled 'recognise image' with 'image' and '(confidence)' inputs is highlighted. Another block 'recognise text' with 'text' and '(label)' inputs is also visible. Several 'add training data' blocks are shown. Data: Shows available code blocks for machine learning tasks in Scratch. Context: Illustrates the blocks available in Scratch for implementing machine learning models, specifically for image and text recognition. **DIAGRAM**: Python code editor Description: Screenshot of a Python code editor displaying code related to machine learning. The code includes imports for libraries like 'tensorflow' and 'keras'. It shows functions for loading data, building models, and training. The code appears to be setting up a machine learning model. Data: Shows a Python script for machine learning. Context: Demonstrates the Python code required for machine learning, likely to be integrated with Scratch or App Inventor. **DIAGRAM**: App Inventor interface Description: Screenshot of the MIT App Inventor interface. It shows a visual programming environment for creating mobile apps. The interface displays components like 'Sprite1', 'recognise image', 'recognise text', and 'add training data', suggesting integration with machine learning models. Data: Shows the App Inventor interface for building mobile applications. Context: Illustrates how to build mobile applications using App Inventor, potentially incorporating machine learning models developed in Scratch or Python. **DIAGRAM**: Scratch 3 blocks for machine learning Description: Screenshot of the Scratch 3 interface showing code blocks. Key blocks include 'recognise image' with 'image' and '(confidence)' inputs, and 'recognise text' with 'text' and '(label)' inputs. Blocks for adding training data ('add training data') are also visible, with examples like 'happy' and 'sad'. Data: Displays specific Scratch blocks used for machine learning tasks. Context: Details the specific Scratch blocks used to implement machine learning functionalities, such as image and text recognition. **DIAGRAM**: Scratch 3 project environment Description: Screenshot of the Scratch 3 project environment. It shows the coding area with blocks like 'recognise image', 'image', '(confidence)', 'recognise text', 'text', '(label)', and 'add training data'. A sprite (cat) is visible in the center, and the stage is on the right. The interface includes options for Code, Costumes, and Sounds. Data: Shows a completed Scratch project environment with machine learning blocks. Context: Illustrates a functional Scratch project that utilizes machine learning blocks, demonstrating the application of the concepts discussed.