لمتابعة التصفح يجب عليك تسجيل الدخول
دخول:
المنهج السعودي
المنهج العراقي
المنهج المصري
الفصل:
1
2
3
المنهج السعودي
المنهج العراقي
المنهج المصري
الفصل:
1
2
3
الذكاء الاصطناعي
4. التعرف على الصور
الدرس الثاني: التعلم غير الموجه لتحليل الصور
التعلم غير الموجه لتحليل الصور - الذكاء الاصطناعي - ثالث ثانوي
الجزء الأول
1. أساسيات الذكاء الاصطناعي
الدرس الأول: مقدمة في الذكاء الاصطناعي
الدرس الثاني: هياكل البيانات في الذكاء الاصطناعي
الدرس الثالث: هياكل البيانات غير الخطية
المشروع
2. خوارزميات الذكاء الاصطناعي
الدرس الأول: الاستدعاء الذاتي
الدرس الثاني: خوارزمية البحث بأولوية العمق والبحث بأولوية الاتساع
الدرس الثالث: اتخاذ القرار القائم على القواعد
الدرس الرابع: خوارزميات البحث المستنيرة
المشروع
3. معالجة اللغات الطبيعية
الدرس الأول: التعلم الموجه
الدرس الثاني: التعلم غير الموجه
الدرس الثالث: توليد النص
المشروع
الجزء الثاني
4. التعرف على الصور
الدرس الأول: التعلم الموجه لتحليل الصور
الدرس الثاني: التعلم غير الموجه لتحليل الصور
الدرس الثالث: توليد البيانات المرئية
المشروع
5. خوارزميات التحسين واتخاذ القرار
الدرس الأول: مشكلة تخصيص الموارد
الدرس الثاني : مشكلة جدولة الموارد
الدرس الثالث: مشكلة تحسين المسار
المشروع
6. الذكاء الاصطناعي والمجتمع
الدرس الأول: مقدمة في أخلاقيات الذكاء الاصطناعي
الدرس الثاني: التطبيقات الروبوتية 1
الدرس الثالث: التطبيقات الروبوتية 2
المشروع
الجزء الأول
1. أساسيات الذكاء الاصطناعي
الدرس الأول: مقدمة في الذكاء الاصطناعي
الدرس الثاني: هياكل البيانات في الذكاء الاصطناعي
الدرس الثالث: هياكل البيانات غير الخطية
المشروع
2. خوارزميات الذكاء الاصطناعي
الدرس الأول: الاستدعاء الذاتي
الدرس الثاني: خوارزمية البحث بأولوية العمق والبحث بأولوية الاتساع
الدرس الثالث: اتخاذ القرار القائم على القواعد
الدرس الرابع: خوارزميات البحث المستنيرة
المشروع
3. معالجة اللغات الطبيعية
الدرس الأول: التعلم الموجه
الدرس الثاني: التعلم غير الموجه
الدرس الثالث: توليد النص
المشروع
الجزء الثاني
4. التعرف على الصور
الدرس الأول: التعلم الموجه لتحليل الصور
الدرس الثاني: التعلم غير الموجه لتحليل الصور
الدرس الثالث: توليد البيانات المرئية
المشروع
5. خوارزميات التحسين واتخاذ القرار
الدرس الأول: مشكلة تخصيص الموارد
الدرس الثاني : مشكلة جدولة الموارد
الدرس الثالث: مشكلة تحسين المسار
المشروع
6. الذكاء الاصطناعي والمجتمع
الدرس الأول: مقدمة في أخلاقيات الذكاء الاصطناعي
الدرس الثاني: التطبيقات الروبوتية 1
الدرس الثالث: التطبيقات الروبوتية 2
المشروع
فهم محتوى الصور
عناقيد التعرف على الصور
تحميل الصور ومعالجتها أوليا
البيانات غير المنظمة متنوعة ويمكن أن تحتاج إلى كثير من الوقت والموارد الحاسوبية
تتمثل الخطوة التالية في تحويل قائمتي resized_images (الصور_ المعدل حجمها)، labels (العناوين) الى مصفوفات
التجميع من دون هندسة الخصائص
يمكن الآن تصوير البيانات بصرياً باستخدام أداة TSNEYisualizer المألوفة من مكتبة yellowbrick
الرسم الشجري يصنف البيانات الى عنقودين
مؤشر التجانس والاكتمال يأخذان فيما بين 0 و 1 وترتفع مؤشر قيمة التجانس الى أقصى حد
التجميع بانتقاء الخصائص
يعد هذا التصوير أكثر مصداقية من الذي تم انتاجه للبيانات غير المحولة
يقترح الرسم الشجري خمسة عناقيد وهو بالضبط نصف العدد الصحيح البالغ عشرة عناقيد
التجميع باستخدام الشبكات العصبية
يمكن استخدام مكتبة TensorFlow ومكتبة Keras
تعد النتائج مذهلة لأن التصوير الجديد يشكف عناقيد مفصولة عن بعضها بوضوح وتكاد تكون كاملة
يستخدم المقطع البرمجي التالي التجميع التكتلي بوضوح ويوضح قيم المؤشرات لكل من العناقيد الأربعة والعناقيد العشرة
اذكر الميزة التي تتمتع بها تقنيات التعلم غير الموجه مقارنة بتقنيات التعلم الموجه في تحليل الصور
أكمل المقطع البرمجي التالي بحيث يستخدم التجميع التكتلي في تصنيف الصور التي من X_flat الى خمسة عناقيد مختلفة
عدد بعض مزايا استخدام التعلم العميق التي يمتاز بها على طرائق تجميع الصور التقليدية
اكمل المقطع البرمجي التالي بحيث يستخدم طريقة وارد (ward) لانشاء وتصوير رسم شجري للصور في هذه المصفوفة
صف الطريقة التي يطبق بها التجميع بالشبكات العصبية في تحليل الصور
الإبلاغ
الإبلاغ عن خطأ
X
تسجيل الدخول بواسطة