المشاركات

التعلم شبه الموجّه في بايثون (Semi-Supervised Learning)

-
التعلم شبه الموجّه في بايثون (Semi-Supervised Learning): شرح سهل مع مثال عملي 6 أبريل 2026 ماذا يحدث إذا كانت لدينا كمية قليلة من البيانات المُعلّمة وكمية كبيرة من البيانات غير المُعلّمة؟ هنا يظهر دور التعلم شبه الموجّه ، وهو أسلوب يجمع بين التعلم الموجّه والتعلم غير الموجّه للحصول على نتائج أفضل بأقل مجهود ممكن في تصنيف البيانات. ما هو التعلم شبه الموجّه؟ التعلم شبه الموجّه (Semi-Supervised Learning) هو نوع من تعلم الآلة يعتمد على كمية صغيرة من البيانات المُعلّمة و كمية كبيرة من البيانات غير المُعلّمة . الفكرة الأساسية هي أن النموذج يتعلم أولاً من البيانات التي نعرف إجاباتها، ثم يستفيد من البيانات الأخرى لاكتشاف مزيد من الأنماط وتحسين الأداء. لماذا نستخدمه؟ في كثير من المشاريع الواقعية، يكون جمع البيانات سهلاً، لكن عملية تصنيفها يدويًا تكون مكلفة وتحتاج وقتًا كبيرًا. قد نملك آلاف الصور، لكن عدد الصور المصنفة قليل. قد نملك كمية كبيرة من النصوص، لكن عدد النصوص المعلمة محدود. ...
إرسال تعليق
قراءة المزيد
-
التعلم غير الموجّه في بايثون (Unsupervised Learning): شرح سهل مع مثال عملي 30 مارس 2026 هل يمكن للحاسوب أن يتعلم بدون أن نعطيه الإجابات؟ نعم، وهذا بالضبط ما يحدث في التعلم غير الموجّه . في هذا الدرس سنتعرف على هذا النوع من تعلم الآلة بطريقة بسيطة، مع مثال عملي باستخدام بايثون. ما هو التعلم غير الموجّه؟ التعلم غير الموجّه هو نوع من التعلم الآلي يتعامل مع بيانات بدون تسميات أو إجابات جاهزة. يعني أن النموذج لا يعرف مسبقًا ما الذي يبحث عنه، بل يحاول بنفسه اكتشاف الأنماط والعلاقات داخل البيانات. الفرق بين التعلم الموجّه وغير الموجّه لفهم هذا المفهوم أكثر، من المفيد أن نقارنه بالتعلم الموجّه: التعلم الموجّه: يعتمد على بيانات مُعلّمة. التعلم غير الموجّه: يعمل بدون تسميات. التعلم الموجّه: يعرف الإجابة مسبقًا. التعلم غير الموجّه: يكتشف الأنماط بنفسه. كيف يعمل التعلم غير الموجّه؟ يقوم هذا النوع من التعلم بتحليل البيانات كما هي، ثم يبحث عن التشابه والاختلاف بين ال...
إرسال تعليق
قراءة المزيد

الدرس 17: التعلم الموجّه (Supervised Learning) – كيف تتعلم النماذج باستخدام بيانات مُعلّمة؟

-
الدرس 17: التعلم الموجّه (Supervised Learning) – كيف تتعلم النماذج باستخدام بيانات مُعلّمة؟ بعد أن تعرفنا على مفهوم تعلم الآلة، حان الوقت للدخول إلى أحد أهم أنواعه: التعلم الموجّه ، وهو الأسلوب الذي تعتمد عليه كثير من التطبيقات الذكية الحديثة. سلسلة تعلم الذكاء الاصطناعي التعلم الموجّه هو الطريقة التي يتعلم بها النموذج من أمثلة تحتوي على المدخلات والإجابات الصحيحة معًا، ثم يحاول بعد ذلك التنبؤ بإجابات جديدة لم يرها من قبل. جدول المحتويات ما هو التعلم الموجّه؟ كيف يعمل Supervised Learning؟ أمثلة واقعية على التعلم الموجّه أنواع التعلم الموجّه مثال عملي باستخدام Python متى نستخدم هذا النوع من التعلم؟ خلاصة الدرس ما هو التعلم الموجّه؟ التعلم الموجّه هو نوع من تعلم الآلة يتم فيه تدريب النموذج على بيانات تحتوي على: المدخلات (Inputs): وهي البيانات التي نعطيها للنموذج. المخرجات (Outputs): وهي...
إرسال تعليق
قراءة المزيد

الدرس 16: كيف يبدأ الذكاء الاصطناعي في التعلم؟ (مدخل إلى Machine Learning)

-
الدرس 16: مقدمة في تعلم الآلة – كيف تتعلم الآلات من البيانات؟ بعد تجهيز البيانات، حان الوقت لفهم كيف يبدأ الذكاء الاصطناعي في التعلم فعليًا. ما هو تعلم الآلة؟ تعلم الآلة (Machine Learning) هو أحد فروع الذكاء الاصطناعي، ويهدف إلى جعل الحاسوب قادرًا على التعلم من البيانات دون برمجته بشكل مباشر لكل حالة. ببساطة: بدل أن نكتب القواعد، نُعطي الحاسوب بيانات ليتعلم منها بنفسه. الفرق بين الذكاء الاصطناعي وتعلم الآلة الذكاء الاصطناعي هو المجال العام، بينما تعلم الآلة هو جزء منه يركز على التعلم من البيانات. الذكاء الاصطناعي: مفهوم واسع تعلم الآلة: طريقة لتحقيق هذا الذكاء أنواع تعلم الآلة 1. التعلم الموجّه (Supervised Learning) يتم تدريب النموذج باستخدام بيانات تحتوي على إجابات صحيحة. 2. التعلم غير الموجّه (Unsupervised Learning) النموذج يحاول اكتشاف الأنماط بنفسه دون وجود إجابات مسبقة. 3. التعلم بالتعزيز (Reinforcement Learning)...
إرسال تعليق
قراءة المزيد

الدرس 15: لماذا تفشل نماذج الذكاء الاصطناعي؟ الجواب في معالجة البيانات!

-
الدرس 15: معالجة البيانات وتجهيزها لبناء نماذج الذكاء الاصطناعي بعد أن تعرفنا في الدرس السابق على البرمجة الكائنية، حان الوقت للانتقال إلى مرحلة مهمة جدًا في عالم الذكاء الاصطناعي: فهم البيانات وتهيئتها قبل تدريب النماذج . سلسلة تعلم الذكاء الاصطناعي إذا كانت الخوارزميات هي عقل الذكاء الاصطناعي، فإن البيانات هي الوقود الذي يمنح هذا العقل القدرة على التعلم والتحليل واتخاذ القرار. لذلك فإن تجهيز البيانات ليس خطوة جانبية، بل هو أساس النجاح في أي مشروع ذكاء اصطناعي. جدول المحتويات ما هي البيانات في الذكاء الاصطناعي؟ قراءة البيانات باستخدام Python تنظيف البيانات Data Cleaning معالجة البيانات Data Preprocessing تقسيم البيانات إلى تدريب واختبار لماذا تعتبر هذه المرحلة مهمة جدًا؟ خلاصة الدرس ما هي البيانات في الذكاء الاصطناعي؟ البيانات هي المعلومات التي يعتمد عليها الحاسوب لكي يتعلم. فعندما نريد إنشاء نموذج قادر على ...
إرسال تعليق
قراءة المزيد
-
الدرس 14: البرمجة الكائنية في بايثون سلسلة تعلم بايثون • الدرس 14 البرمجة الكائنية في بايثون (Object-Oriented Programming) في هذا الدرس سنتعرف على مفهوم مهم جدًا في لغة بايثون وهو البرمجة الكائنية، وكيف تساعدنا في تنظيم الكود، وتسهيل إعادة استخدامه، وبناء برامج أكبر بشكل مرتب واحترافي. محتويات الدرس مقدمة ما هي الفئة Class؟ ما هو الكائن Object؟ الدالة __init__ إضافة الدوال داخل الفئة مميزات البرمجة الكائنية خلاصة الدرس مقدمة بعد أن تعرفنا في الدرس السابق على الدوال المتقدمة في بايثون ، ننتقل الآن إلى مرحلة جديدة ومهمة جدًا في البرمجة وهي البرمجة الكائنية أو OOP . هذا الأسلوب يساعدنا على تقسيم البرنامج إلى أجزاء واضحة تسمى فئات و كائنات ، مما يجعل الكود أكثر تنظيمًا وأسهل في الفهم والتطوير. الفكرة الأساسية: بدل كتابة كل شيء بشكل عشوائي، نقوم...
إرسال تعليق
قراءة المزيد

الدرس الثالث عشر: الدوال المتقدمة في بايثون (Advanced Functions)

-
الدرس الثالث عشر: الدوال المتقدمة في بايثون في هذا الدرس سنتعلم كيف نستخدم الدوال بشكل أكثر احترافية، وكيف نمرر المعاملات للدوال ونسترجع القيم منها. مراجعة سريعة للدوال def say_hello(): print("Hello Python") say_hello() الدالة هي مجموعة من الأوامر يتم تنفيذها عند استدعائها. المعاملات (Arguments) def greet(name): print("Hello", name) greet("Ali") المعاملات تسمح بتمرير بيانات إلى الدالة. القيم الافتراضية def greet(name="Guest"): print("Hello", name) greet() greet("Sara") إذا لم يتم إرسال قيمة سيتم استخدام القيمة الافتراضية. إرجاع القيم باستخدام return def add(a,b): return a + b result = add(5,3) print(result) الكلمة return تسمح للدالة بإرجاع نتيجة. إرجاع أكثر من قيمة def calculate(a,b): return a+b , a*b sum_value , multiply_value = calculate(5,3) print(sum_value) print(multiply_value) تمرين 1 اكتب دالة تحسب مربع رقم. إظهار الحل ...
إرسال تعليق
قراءة المزيد