كل الدروس

دورة

الذكاء الاصطناعي للصف التاسع: بايثون والتعلم الآلي

استخدم بايثون وNumPy وpandas لتدريب نماذج التعلم الآلي الكلاسيكية وتقييمها.

اعمل الدروس بالترتيب. في النهاية تقدر أن تكتب بايثون بهياكل بيانات ودوال قابلة لإعادة الاستخدام. تقدر أن تجمع المتجهات، وتحسب الاحتمالات، وتجد المتوسط والانحراف المعياري. تقدر أن تحمّل جدولاً وتنظفه وترسم له رسماً بيانياً باستخدام NumPy وpandas. تقدر أن تلائم خطاً للبيانات، وتدرّب مصنّفات الانحدار اللوجستي وشجرة القرار وk-NN، وتجمّع البيانات باستخدام k-means. تقدر أن تحسب الصحة والدقة والاسترجاع، وتلاحظ فرط الملاءمة، وتقارن نموذجاً بخط أساس بسيط، وتعرض تنبؤات من مجموعة بيانات بيئية.

كيف تستخدم هذه الدروس

  • ابدأ من الدرس المكتوب عليه افعل هذا. انتقل عندما تقدر أن تعمل السطر تحت العنوان وحدك.
  • العب ألعاب أولاً. ثم أجب اختبار. 8 من 10 إجابات صحيحة للنجاح. أوراق عمل على الورق. الإجابات في الأسفل.
  • كل درس يبني على الذي قبله. دوّن كل تجربة: ماذا غيّرت، وماذا حدث، ولماذا.
  • دروس البرمجة تستخدم بايثون في دفتر ملاحظات مجاني على الإنترنت. استخدم فقط أدوات الذكاء الاصطناعي التي يوافق عليها معلمك، واشرح أي كود يكتبه الذكاء الاصطناعي لك، ولا تضع أبداً بيانات شخصية في مجموعة بيانات تشاركها.

كل درس فيه ألعاب واختبار وأوراق عمل.

0 من 36

برمجة بايثون

  1. 1مراجعة الصياغةاكتب بايثون بمتغيرات وشروط وحلقات.
    • استخدم المتغيرات والأنواع وf-strings.
    • اكتب كتل if وfor وwhile.
    • اقرأ traceback وأصلح الخطأ.
  2. 2هياكل البياناتاختر بين القوائم والصفوف والمجموعات والقواميس.
    • استخدم كل هيكل لأفضل عمل له.
    • اكتب اختصارات القوائم والقواميس.
    • ضع هياكل داخل هياكل لحفظ السجلات.
  3. 3الدوال والوحداتاكتب دوال قابلة لإعادة الاستخدام واختبرها.
    • استخدم الوسائط الافتراضية ووسائط الاسم.
    • اكتب اختبارات باستخدام assert.
    • استورد دوالك من وحدة.
  4. 4سكربتات البياناتاكتب سكربتاً ينظّف ملفاً نصياً.
    • اقرأ الملف سطراً سطراً.
    • أصلح الصفوف السيئة وتجاوز الفارغة.
    • اكتب البيانات النظيفة في ملف جديد.

رياضيات التعلم الآلي

  1. 5المتجهاتاجمع المتجهات وجد المسافة بين النقاط.
    • مثّل نقطة بيانات كمتجه.
    • اجمع المتجهات وغيّر مقياسها.
    • احسب المسافة الإقليدية والجداء النقطي.
  2. 6الاحتمالاحسب الاحتمالات البسيطة والشرطية.
    • احسب احتمال حدث.
    • احسب احتمالاً شرطياً من جدول.
    • حاكِ رميات عملة لتتحقق من إجابتك.
  3. 7الإحصاءجد المتوسط والتباين والانحراف المعياري.
    • احسب كل واحد باليد وفي الكود.
    • اشرح ماذا يقول لك الانحراف المعياري.
    • قارن مجموعتي بيانات بانتشارهما.
  4. 8تجارب الرياضياتارسم البيانات وصِف انتشارها.
    • ارسم مدرجاً تكرارياً.
    • ارسم مخطط تشتت.
    • صِف المركز والانتشار والقيم المتطرفة.

علم البيانات

  1. 9NumPyاعمل حسابات على مصفوفات كاملة باستخدام NumPy.
    • أنشئ مصفوفات وغيّر شكلها.
    • استخدم عمليات على المصفوفة كلها بدل الحلقات.
    • فهرس المصفوفات وخذ أجزاء منها.
  2. 10pandasحمّل جدولاً وصفِّه وجمِّعه باستخدام pandas.
    • حمّل CSV في DataFrame.
    • صفِّ الصفوف واختر الأعمدة.
    • جمّع البيانات ولخّصها.
  3. 11تنظيف البياناتعالج القيم الناقصة والأنواع الخاطئة.
    • جد القيم الناقصة.
    • املأها أو احذفها، واشرح اختيارك.
    • أصلح الأنواع الخاطئة والصفوف المكررة.
  4. 12التمثيل البصرياصنع رسوماً بيانية تجيب عن سؤال.
    • اختر الرسم البياني المناسب للسؤال.
    • سمِّ المحورين وأضف عنواناً.
    • جد رسماً بيانياً مضللاً وأصلحه.

أسس التعلم الآلي

  1. 13ما هو التعلم الآلياشرح كيف يتعلّم النموذج نمطاً من البيانات.
    • قارن كتابة القواعد والتعلّم من البيانات.
    • عرّف النموذج والمعاملات والتدريب.
    • سمِّ ثلاثة استخدامات حقيقية للتعلم الآلي.
  2. 14الموجّه وغير الموجّهميّز المهام الموجّهة من المهام غير الموجّهة.
    • قل إن التعلم الموجّه يستخدم تسميات.
    • قل إن التعلم غير الموجّه يجد بنية بلا تسميات.
    • وزّع عشر مهام على كل مجموعة.
  3. 15مسار MLاذكر الخطوات من البيانات إلى نموذج يعمل.
    • رتّب الخطوات: سؤال، بيانات، سمات، تدريب، تقييم، نشر.
    • قل ماذا يمكن أن يخطئ في كل خطوة.
    • قل لماذا تتكرر الخطوات.
  4. 16قارن مهام MLطابق المسائل مع الانحدار أو التصنيف أو العنقدة.
    • قل ماذا يتنبأ به كل نوع من المهام.
    • طابق عشر مسائل مع مهمة.
    • أعد كتابة مسألة كمهمة مختلفة.

الانحدار

  1. 17الانحدار الخطيلائم خطاً للبيانات.
    • اشرح الميل والمقطع.
    • لائم خطاً باستخدام scikit-learn.
    • ارسم الخط فوق البيانات.
  2. 18السماتاختر السمات وغيّر مقياسها.
    • استخدم أكثر من سمة.
    • اجعل السمات في المدى نفسه.
    • رمز سمة من فئة.
  3. 19الخطأقِس الخطأ بمتوسط مربع الخطأ.
    • احسب البواقي.
    • احسب متوسط مربع الخطأ ومتوسط الخطأ المطلق.
    • ارسم البواقي لتجد نمطاً.
  4. 20توقّع الأعداددرّب نموذج انحدار وتوقّع قيماً جديدة.
    • درّب على جزء من البيانات.
    • توقّع الباقي.
    • اذكر الخطأ بوحدات حقيقية.

التصنيف

  1. 21الانحدار اللوجستيدرّب مصنّف انحدار لوجستي.
    • اشرح كيف يحوّل درجة إلى احتمال.
    • درّبه وتوقّع الاحتمالات.
    • غيّر العتبة وقارن.
  2. 22أشجار القراردرّب شجرة قرار واقرأ تقسيماتها.
    • درّب شجرة.
    • ارسم تقسيماتها واقرأها.
    • حدّ عمقها وقارن الدرجات.
  3. 23الجيران الأقرب kصنّف باستخدام k-NN واختر k.
    • اشرح كيف يصوّت k-NN.
    • جرّب عدة قيم لـ k.
    • قل لماذا المقياس مهم لـ k-NN.
  4. 24درّب مصنّفاًقارن ثلاثة مصنّفات على مجموعة بيانات واحدة.
    • درّب الثلاثة على التقسيم نفسه.
    • قارن درجاتهم.
    • اختر واحداً واشرح السبب.

التعلم غير الموجّه

  1. 25التشابهقِس تشابه عيّنتين.
    • استخدم المسافة الإقليدية.
    • استخدم تشابه جيب التمام.
    • جد أكثر العناصر تشابهاً في مجموعة بيانات.
  2. 26k-meansجمّع البيانات بعنقدة k-means.
    • نفّذ k-means بيدك خطوة خطوة.
    • شغّله في scikit-learn.
    • ارسم العناقيد.
  3. 27اختيار kاستخدم طريقة الكوع لاختيار عدد العناقيد.
    • شغّل k-means لعدة قيم من k.
    • ارسم منحنى الكوع.
    • تحقق أن العناقيد مفهومة.
  4. 28جمّع العيّناتعنقد مجموعة بيانات وصِف كل مجموعة.
    • عنقد مجموعة بيانات حقيقية.
    • لخّص كل عنقود.
    • أعطِ كل عنقود اسماً.

تقييم النموذج

  1. 29تقسيم التدريب والاختبارقسّم البيانات واشرح السبب.
    • قسّم باستخدام train_test_split.
    • استخدم مجموعة تحقق للضبط.
    • استخدم التحقق المتقاطع.
  2. 30الصحة والدقة والاسترجاعاحسب الصحة والدقة والاسترجاع.
    • اصنع مصفوفة التباس.
    • احسب كل مقياس منها.
    • اختر المقياس الذي يناسب المسألة.
  3. 31فرط الملاءمةلاحظ فرط الملاءمة بمقارنة درجات التدريب والاختبار.
    • درّب نموذجاً فيه فرط ملاءمة.
    • ارسم درجات التدريب والاختبار.
    • قلّل فرط الملاءمة وقارن.
  4. 32خطوط الأساسقارن نموذجاً بخط أساس بسيط.
    • اصنع خط أساس يخمن دائماً الإجابة الأكثر شيوعاً.
    • قارن نموذجك به.
    • اشرح متى لا يستحق النموذج الاستخدام.

مشروع التعلم الآلي

  1. 33اختر مجموعة بياناتاختر مجموعة بيانات بيئية مفتوحة وسؤالاً.
    • جد مجموعة بيانات مفتوحة للطقس أو جودة الهواء.
    • اكتب سؤالاً تقدر أن تجيب عنه.
    • اختر الانحدار أو التصنيف.
  2. 34حضّر واستكشفنظّف البيانات وارسم الأنماط الرئيسية.
    • نظّف البيانات.
    • ارسم ثلاثة أنماط.
    • اختر السمات.
  3. 35درّب وقارندرّب نموذجين وقارنهما بخط أساس.
    • درّب نموذجين.
    • قارنهما بخط أساس.
    • تحقق من فرط الملاءمة.
  4. 36التنبؤ بالظروف البيئيةاعرض النتائج والحدود والخطوات التالية.
    • أظهر نتائجك ورسومك البيانية.
    • اشرح حدود النموذج.
    • اقترح الخطوات التالية.