المصطلحات - 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: المصطلحات

📚 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

📚 المصطلحات (صفحة 95)

المفاهيم الأساسية

تحتوي هذه الصفحة على قائمة مصطلحات باللغتين الإنجليزية والعربية في مجال التقنية الرقمية، مع التركيز على الذكاء الاصطناعي وتعلم الآلة وهندسة العمليات. لا تحتوي الصفحة على تعريفات للمصطلحات، بل تذكرها فقط.

خريطة المفاهيم

```markmap

الوحدة الثانية: الذكاء الاصطناعي

تطبيقات تعلّم الآلة

مشروع تعلم الآلة

#### إنشاء لعبة في سكراتش (Scratch)

##### فئات اللبنات الجديدة في سكراتش

###### فئة الصور (Images)

  • الغرض: إضافة الصور إلى مظهر الكائن، الخلفية، أو لقطة شاشة.
  • مثال: لبنة `costume image`.
  • الميزة: لا تعمل بمفردها؛ تستخدم مع فئة المواصلات.
###### فئة المواصلات (Transportation)

  • الغرض: التعرف على الصور (مشروع تعلم الآلة).
  • الميزة: اسم الفئة هو اسم مشروعك.
  • آلية العمل: تستخدم لبناتها مع لبنات فئة الصور.
  • مثال: لبنة `recognise image image (label)`.
  • قاعدة: يتم إنشاء لبنة واحدة لكل تسمية (Label) في المشروع.
##### خطوات إضافة الصور

###### الخطوة التحضيرية

  • البحث عن صور (طائرات/سيارات) على الإنترنت.
  • حفظ الصور في مجلد على الحاسب الشخصي.
###### خطوات التنفيذ في سكراتش

  • 1. الضغط على علامة تبويب المظاهر (Costumes).
  • 2. الإشارة إلى اختيار المظهر ثم اختيار تحميل مظهر (Upload Costume).
  • 3. الانتقال إلى مجلد الصور وتحديد الصور المطلوبة.
  • 4. حذف مظهر القط الافتراضي.
##### إنشاء المقطع البرمجي

###### آلية عمل المقطع البرمجي

  • يستخدم نموذج تعلم الآلة الذي تم إنشاؤه.
  • يتحقق من مظاهر الكائن واحدًا تلو الآخر.
  • يقارن المظهر مع صور تسمية "السيارة".
  • إذا تعرف على المظهر كسيارة: يضع الصورة على الجانب الأيسر من المشهد.
  • إذا لم يتعرف عليه: يضع الصورة في الجانب الأيمن من المشهد.
###### كيفية وضع الصور

  • يستخدم إحداثيات X و Y لوضع الصور في المشهد.
  • النتيجة: إنشاء مجموعتين من الصور (سيارات على اليسار، طائرات على اليمين).
###### لبنات برمجية رئيسية

  • `when green flag clicked`: لبدء البرنامج.
  • `repeat`: للتكرار عبر المظاهر.
  • `if/else`: للتحقق من التعرف على الصورة.
  • `recognise image costume image (label) = cars`: للتعرف على الصورة.
  • `create clone of myself`: لإنشاء نسخ من الكائن.
##### تمارين التطبيق العملي

###### تدريب 1

  • شرح استخدام لبنة `create clone of myself` في مشروع محدد.
###### تدريب 2

  • تعديل مقطع سكراتش البرمجي.
  • حساب عدد السيارات وعدد الطائرات في المشروع.
###### تدريب 3

  • تعديل مقطع سكراتش البرمجي.
  • إنشاء مجموعتين: واحدة للسفن والأخرى للقطارات.
#### مشروع تعلم الآلة للحيوانات

##### الخطوة 1: اختيار الحيوانات

  • اختيار حيوانين يعيشان في المملكة العربية السعودية (مثل: الصقر، الثعلب الأحمر).
  • البحث عن صورهما على الإنترنت مع مراعاة حقوق النشر.
  • حفظ الصور في مجلد خاص.
##### الخطوة 2: إنشاء المشروع

  • إنشاء مشروع تعلم آلة جديد.
  • إضافة تسمية (Label) لكل نوع من الحيوانات.
  • إضافة صور لكل تسمية.
##### الخطوة 3: تدريب النموذج

  • تدريب النموذج على التعرف على صور الحيوانات.
  • إضافة صور متنوعة لكل حيوان (تختلف في اللون، العمر، إلخ) لتحسين التدريب.
##### الخطوة 4: البرمجة في سكراتش

  • إنشاء مقطع برمجي في سكراتش لفرز صور الحيوانات.
  • إنشاء مجموعتين: مجموعة للحيوان الأول، ومجموعة للحيوان الآخر.

جدول المهارات (التقييم)

المهارات المعرفية

  • تحديد دور الذكاء الاصطناعي في التحول الرقمي.
  • توضيح مفهوم الذكاء الاصطناعي.
  • تمييز المفاهيم الأساسية للذكاء الاصطناعي.
  • توضيح الآثار المترتبة على استخدام الذكاء الاصطناعي في المجتمع والأعمال.

المهارات العملية

  • إنشاء نموذج تعلم الآلة.
  • تدريب نموذج تعلم الآلة.
  • اختبار نموذج تعلم الآلة.
  • إنشاء مقطع برمجي في سكراتش لبرمجة نموذج تعلم الآلة.

المصطلحات

الذكاء الاصطناعي وتعلم الآلة

  • الذكاء الاصطناعي (Artificial Intelligence)
  • تعلم الآلة (Machine Learning)
  • نموذج (Model)
  • الشبكة العصبية (Neural Network)
  • معالجة اللغات الطبيعية (Natural Language Processing)

أنواع التعلم الآلي

  • التعلم الموجه (Supervised Learning)
  • التعلم غير الموجه (Unsupervised Learning)
  • التعلم التعزيزي (Reinforcement learning)

المهن والعمليات

  • مهندس عمليات التعلم الآلي (Machine Learning Operations engineer)
  • مهندس التعلم الآلي (Machine Learning engineer)
  • عالم بيانات (Data scientist)
  • مهندس بيانات (Data Engineer)
  • مهندس عمليات البيانات (DataOps (Data Operations) Engineer)
  • التحول الرقمي (Digital Transformation)
```

نقاط مهمة

  • هذه الصفحة هي صفحة مرجعية للمصطلحات الأساسية.
  • يجب حفظ المصطلحات الإنجليزية مع مقابلها العربي.
  • المصطلحات مقسمة إلى ثلاث مجموعات: مفاهيم أساسية، أنواع التعلم الآلي، والمهن المرتبطة بالبيانات والذكاء الاصطناعي.

📋 المحتوى المنظم

📖 محتوى تعليمي مفصّل

المصطلحات

نوع: محتوى تعليمي

المصطلحات

نوع: محتوى تعليمي

Machine Learning Operations engineer مهندس عمليات التعلم الآلي Model نموذج Natural Language Processing معالجة اللغات الطبيعية Neural Network الشبكة العصبية Reinforcement learning التعلم التعزيزي Supervised Learning التعلم الموجه Unsupervised Learning التعلم غير الموجه

نوع: محتوى تعليمي

Artificial Intelligence الذكاء الاصطناعي Data Engineer مهندس بيانات Data scientist عالم بيانات DataOps (Data Operations) Engineer مهندس عمليات البيانات Digital Transformation التحول الرقمي Machine Learning تعلم الآلة Machine Learning engineer مهندس التعلم الآلي

📄 النص الكامل للصفحة

--- SECTION: المصطلحات --- المصطلحات Machine Learning Operations engineer مهندس عمليات التعلم الآلي Model نموذج Natural Language Processing معالجة اللغات الطبيعية Neural Network الشبكة العصبية Reinforcement learning التعلم التعزيزي Supervised Learning التعلم الموجه Unsupervised Learning التعلم غير الموجه Artificial Intelligence الذكاء الاصطناعي Data Engineer مهندس بيانات Data scientist عالم بيانات DataOps (Data Operations) Engineer مهندس عمليات البيانات Digital Transformation التحول الرقمي Machine Learning تعلم الآلة Machine Learning engineer مهندس التعلم الآلي

🎴 بطاقات تعليمية للمراجعة

عدد البطاقات: 4 بطاقة لهذه الصفحة

ما هو التعريف الصحيح للتعلم الموجه (Supervised Learning)؟

  • أ) نوع من تعلم الآلة يتعلم النموذج فيه من خلال التجربة والخطأ بناءً على مكافآت.
  • ب) نوع من تعلم الآلة يتم فيه تدريب النموذج على مجموعة بيانات مُصنفة مسبقاً (بيانات تحتوي على الإدخال والمخرجات الصحيحة).
  • ج) نوع من تعلم الآلة يكتشف فيه النموذج الأنماط والهياكل المخفية في بيانات غير مُصنفة.
  • د) فرع من الذكاء الاصطناعي يهتم بفهم وتوليد اللغات البشرية.

الإجابة الصحيحة: b

الإجابة: نوع من تعلم الآلة يتم فيه تدريب النموذج على مجموعة بيانات مُصنفة مسبقاً (بيانات تحتوي على الإدخال والمخرجات الصحيحة).

الشرح: 1. التعلم الموجه هو أحد أنواع تعلم الآلة. 2. يعتمد على استخدام بيانات تدريبية مُصنفة. 3. تحتوي هذه البيانات على أزواج من المدخلات والمخرجات الصحيحة (التسميات). 4. الهدف هو تعليم النموذج كيفية ربط المدخلات بالمخرجات الصحيحة. 5. يُستخدم في مهام مثل التصنيف والانحدار.

تلميح: يرتبط هذا النوع من التعلم بوجود مرشد أو معلم يقدم الإجابات الصحيحة أثناء التدريب.

التصنيف: تعريف | المستوى: متوسط

ما الفرق الرئيسي بين التعلم الموجه (Supervised) والتعلم غير الموجه (Unsupervised)؟

  • أ) التعلم الموجه أسرع من التعلم غير الموجه في التدريب.
  • ب) التعلم الموجه يستخدم للبيانات النصية فقط، بينما غير الموجه للبيانات الرقمية.
  • ج) يستخدم التعلم الموجه بيانات مُصنفة (مع تسميات) بينما يستخدم التعلم غير الموجه بيانات غير مُصنفة (بدون تسميات).
  • د) التعلم الموجه لا يحتاج إلى مهندس بيانات، بينما غير الموجه يحتاج.

الإجابة الصحيحة: c

الإجابة: يستخدم التعلم الموجه بيانات مُصنفة (مع تسميات) بينما يستخدم التعلم غير الموجه بيانات غير مُصنفة (بدون تسميات).

الشرح: 1. التعلم الموجه: يتطلب بيانات تدريبية تحتوي على المدخلات والمخرجات الصحيحة (التسميات). 2. الهدف: تعلم دالة تربط المدخلات بالمخرجات. 3. أمثلة: تصنيف الصور، التنبؤ بالأسعار. 4. التعلم غير الموجه: يستخدم بيانات تدريبية بدون تسميات أو مخرجات صحيحة. 5. الهدف: اكتشاف البنية أو الأنماط المخفية في البيانات. 6. أمثلة: تجميع البيانات، تخفيض الأبعاد.

تلميح: فكر في وجود أو عدم وجود إجابات صحيحة معروفة مسبقاً في بيانات التدريب.

التصنيف: فرق بين مفهومين | المستوى: متوسط

ما هو دور مهندس عمليات التعلم الآلي (MLOps Engineer)؟

  • أ) هو المسؤول فقط عن كتابة خوارزميات التعلم الآلي المعقدة.
  • ب) هو المسؤول عن جمع البيانات الأولية وتنظيفها فقط.
  • ج) هو المسؤول عن نشر نماذج التعلم الآلي وإدارتها ومراقبتها وصيانتها في بيئات الإنتاج لضمان كفاءتها واستمراريتها.
  • د) هو المسؤول عن تصميم واجهات المستخدم للتطبيقات الذكية.

الإجابة الصحيحة: c

الإجابة: هو المسؤول عن نشر نماذج التعلم الآلي وإدارتها ومراقبتها وصيانتها في بيئات الإنتاج لضمان كفاءتها واستمراريتها.

الشرح: 1. MLOps Engineer يجمع بين علوم البيانات وهندسة البرمجيات. 2. دوره الأساسي: سد الفجوة بين تطوير النموذج ونشره في بيئة حقيقية. 3. مهامه تشمل: أتمتة خطوات التدريب والنشر، مراقبة أداء النماذج في الإنتاج، ضمان قابلية التوسع والموثوقية. 4. يهدف إلى جعل عملية التعلم الآلي قابلة للتكرار والمراقبة والفعالة.

تلميح: يركز هذا الدور على الجانب العملي والتشغيلي بعد بناء النموذج.

التصنيف: تعريف | المستوى: صعب

أي مما يلي يصف بشكل صحيح التعلم التعزيزي (Reinforcement Learning)؟

  • أ) نوع من التعلم يعتمد على نسخ سلوكيات بشرية مسجلة مسبقاً.
  • ب) نوع من تعلم الآلة يتعلم فيه الوكيل (Agent) من خلال التفاعل مع بيئة ما لتعظيم مكافأة تراكمية.
  • ج) نوع من التعلم يستخدم فقط في معالجة اللغات الطبيعية.
  • د) نوع من التعلم غير الموجه الذي يكتشف مجموعات في البيانات.

الإجابة الصحيحة: b

الإجابة: نوع من تعلم الآلة يتعلم فيه الوكيل (Agent) من خلال التفاعل مع بيئة ما لتعظيم مكافأة تراكمية.

الشرح: 1. التعلم التعزيزي يعتمد على فكرة الوكيل والبيئة. 2. الوكيل يتخذ إجراءات تؤثر على البيئة. 3. البيئة ترد بتقديم حالات جديدة ومكافآت (أو عقوبات). 4. هدف الوكيل: تعلم سياسة (استراتيجية) لتعظيم مجموع المكافآت المستقبلية. 5. لا يوجد بيانات مُصنفة مسبقاً؛ التعلم ذاتي من خلال التجربة.

تلميح: يتعلم من خلال التجربة والخطأ، مثل تعلم لعب الشطرنج.

التصنيف: تعريف | المستوى: صعب