مشاريع تطبيقية
مشاريع تطبيقية.
مشاريع تطبيقية تنقلك من سؤال إلى نموذج، ثم إلى تطبيق ويب. تعرض هذه الصفحة المشروع الأول في مسار التعلّم، وستُضاف إليها مشاريع أخرى لاحقًا. يمكنك البدء دون معرفة مسبقة بالبرمجة.
- 4 مراحل
- Python · VS Code · Jupyter
- مستوى مبتدئ
السؤال
المشروع الأول: تقدير درجة الامتحان
لتتعلّم الذكاء الاصطناعي دون تشتّت، ننطلق من سؤال محدّد ونعود إليه في كل مرحلة. يرتبط كل مفهوم بمهمة في المشروع: قراءة البيانات، فهمها، إنتاج تقدير والتحقّق من موثوقيته.
سنبدأ بمعلومات متاحة قبل الامتحان: وقت الدراسة، الحضور والنتائج السابقة. تبقى الدرجة المراد تقديرها منفصلة عن هذه المدخلات.
هل يمكن تقدير درجة الامتحان انطلاقًا من عادات الدراسة وسياق التعلّم؟
الوجهة
ما الذي سنبنيه؟
تطبيق ويب صغير: تُدخل معلومات مثل وقت الدراسة، الحضور والنتائج السابقة، فيعرض تقدير النموذج لدرجة الامتحان مع توضيح حدوده.
معلومات قبل الامتحان
نتيجة التقدير
مساهمة العوامل في تقدير النموذج
تجربة تعليمية: لا تُستخدم لاتخاذ قرارات تخص شخصًا حقيقيًا.
المسار
أربع مراحل، خطوة في كل مرة
تضيف كل مرحلة جزءًا إلى المشروع. تُنشر الدروس تباعًا وفق ترتيبها.
افهم الذكاء الاصطناعي وجهّز أدواتك
المفاهيم الأساسية، إعداد Python، VS Code وJupyter، ثم استكشاف البيانات.
نتيجة هذه المرحلة: بيانات جرى تحميلها وفحصها وتوثيقها في ملف Notebook.
قيد الإعداد البرنامجنموذج يعمل
جهّز المدخلات، درّب النموذج، قارن أداءه بتقدير مرجعي بسيط، قِس الأخطاء وافحص التحيّز.
نتيجة هذه المرحلة: نموذج جرى تقييم أدائه وحفظه في ملف.
قريبًاتطبيق الويب
تطبيق أول باستخدام Python، ثم واجهة API وصفحة ويب تستدعيها.
نتيجة هذه المرحلة: تطبيق ويب يعرض تنبؤات النموذج.
قريبًاالتعلّم العميق
شبكة عصبية تُدرَّب على البيانات نفسها وتُقارن بالنماذج الأولى.
نتيجة هذه المرحلة: نموذج ثانٍ للمقارنة.
قريبًا
البيانات
بيانات المشروع
يحتوي ملف Excel الخاص بـStudent Performance Factors على 6 607 صفوف و20 عمودًا. يجمع كل صف عوامل مرتبطة بالدراسة وسياق التعلّم، إضافة إلى درجة الامتحان في العمود Exam_Score. وتشرح ورقة عمل ثانية معنى الأعمدة.
لست بحاجة إلى فتحه الآن: سنتعلّم قراءته في ملف Jupyter Notebook عند الوصول إلى دروس البيانات.
المصدر: Student Performance Factors، lainguyn123، على Kaggle. نحتفظ بأسماء الأعمدة بالإنجليزية. تحتوي بعض المتغيّرات على قيم مفقودة؛ ستشرح الدروس معالجتها وحدود البيانات.
- Hours_Studied
- مدخل: ساعات الدراسة أسبوعيًا
- Attendance
- مدخل: نسبة الحصص التي حضرها الطالب
- Previous_Scores
- مدخل: نتائج الامتحانات السابقة
- Gender
- متغيّر حساس: يُستخدم لفحص التحيّز
- Exam_Score
- الهدف: درجة الامتحان المراد تقديرها
الأدوات
ثلاث أدوات مجانية
تُثبَّت مرة واحدة في الدرس الثاني، ثم تُستخدم في جميع مراحل المسار.
- 1
Python
لغة البرمجة المستخدمة في الأمثلة. نضيف المكتبات حين نحتاج إليها: pandas، matplotlib وscikit-learn.
- 2
VS Code
محرّر الكود، مع إضافتَي Python وJupyter من Microsoft.
- 3
Jupyter
ملفات Jupyter Notebook بامتداد
.ipynbتفتحها في VS Code، وتجمع النص والكود في خلايا تنفّذها بالترتيب.
أفكار أساسية
الأساسيات قبل كتابة الكود
تعود هذه الأفكار في كل درس، وتساعدك على قراءة نتائج الذكاء الاصطناعي بعين ناقدة.
المفاهيم العشرة في المسار
- نقرأ البيانات في جدول: يمثّل كل صف سجلًا، وكل عمود متغيّرًا.
- نميّز بين مدخلات النموذج والهدف الذي نسعى إلى التنبؤ به.
- تدريب النموذج يختلف عن استخدامه للتنبؤ.
- نقيّم النموذج على بيانات لم تُستخدم في تدريبه.
- نقارن أداءه بتقدير مرجعي بسيط، مثل متوسط الدرجات المحسوب من بيانات التدريب وحدها.
- الدرجة التي يتنبّأ بها النموذج تقدير يحتمل الخطأ، وليست قيمة مؤكدة.
- يجب ألا تتضمن المدخلات معلومات لا تتوافر وقت التنبؤ.
- تختلف كلفة الأخطاء بحسب نوعها.
- قد يكون النموذج غير منصف، لذا نفحص ذلك.
- يمكن حفظ النموذج المدرّب في ملف يستخدمه تطبيق الويب.
قواعد المشروع
- لا تتضمّن المدخلات إلا معلومات متاحة قبل الامتحان؛ أما Exam_Score فهو الهدف.
- تبقى بيانات التقييم منفصلة أثناء التدريب واختيار الإعدادات.
- نستخدم الجنس، الدخل الأسري وصعوبات التعلّم لفحص التحيّز، دون إدراجها ضمن مدخلات التطبيق.
- لا نعلن أي نتيجة قبل حسابها.
- التطبيق تجربة توضيحية، وليس أداة لاتخاذ القرارات.
هل أنت مستعد للبدء؟
يشرح الدرس الأول مصطلحات الذكاء الاصطناعي دون الحاجة إلى تثبيت أي برنامج، ثم يوضّح الدرس الثاني كيفية إعداد Python، VS Code وJupyter.