كيفية بناء برنامج ذكاء اصطناعي بسيط يستخدم التعلم الالي لتحليل الصور باستخدام لغة بايثون ومكتبة التنسورفلو 2 للمبتدئين
2 min read · July 20, 2026
📑 Table of Contents
- مقدمة في بناء برنامج ذكاء اصطناعي بسيط باستخدام التعلم الالي
- مفاهيم أساسية في التعلم الالي
- بناء برنامج ذكاء اصطناعي بسيط باستخدام بايثون وتنسورفلو 2
- جدول مقارنة بين أنواع التعلم الالي
- مراجع خارجية
- أسئلة وأجوبة شائعة
- ما هو التعلم الالي؟
- كيف يمكن استخدام بايثون وتنسورفلو 2 في التعلم الالي؟
- ما هي مكتبة التنسورفلو 2؟
مقدمة في بناء برنامج ذكاء اصطناعي بسيط باستخدام التعلم الالي
في هذا المقال، سوف نتعلم كيفية بناء برنامج ذكاء اصطناعي بسيط يستخدم التعلم الالي لتحليل الصور باستخدام لغة بايثون ومكتبة التنسورفلو 2 للمبتدئين. سوف نبدأ بفهم المفاهيم الأساسية للتعلم الالي، ثم سوف ننتقل إلى كيفية تنفيذها باستخدام بايثون وتنسورفلو 2.
مفاهيم أساسية في التعلم الالي
التعلم الالي هو فرع من فروع الذكاء الاصطناعي الذي يتيح للحواسيب تعلم الأنماط والقواعد من البيانات دون الحاجة إلى برمجة صريحة. يمكن تقسيم التعلم الالي إلى ثلاثة أنواع رئيسية: التعلم الإشرافي، التعلم غير الإشرافي، والتعلم النصفي.
- التعلم الإشرافي: ي涉ى تعلم النموذج من البيانات الملabeled.
- التعلم غير الإشرافي: ي涉ى تعلم النموذج من البيانات غير الملabeled.
- التعلم النصفي: يدمج بين التعلم الإشرافي وغير الإشرافي.
بناء برنامج ذكاء اصطناعي بسيط باستخدام بايثون وتنسورفلو 2
لن начина بتركيب برنامج ذكاء اصطناعي بسيط باستخدام بايثون وتنسورفلو 2. سنستخدم مكتبة TensorFlow 2 لإنشاء نموذج للتعلم الالي.
import tensorflow as tf
from tensorflow import keras
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris
from sklearn.metrics import accuracy_score
# تحميل مجموعة البيانات
iris = load_iris()
X = iris.data
y = iris.target
# تقسيم البيانات إلى مجموعات تدريب واختبار
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# إنشاء نموذج التعلم الالي
model = keras.Sequential([
keras.layers.Dense(10, activation='relu', input_shape=(4,)),
keras.layers.Dense(3, activation='softmax')
])
# 编译 النموذج
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
# تدريب النموذج
model.fit(X_train, y_train, epochs=10, batch_size=128)
# اختبار النموذج
y_pred = model.predict(X_test)
y_pred_class = tf.argmax(y_pred, axis=1)
print('دقة النموذج:', accuracy_score(y_test, y_pred_class))
جدول مقارنة بين أنواع التعلم الالي
| نوع التعلم | البيانات | الهدف |
|---|---|---|
| التعلم الإشرافي | بيانات ملabeled | تنبؤ القيم حسب البيانات الملabeled |
| التعلم غير الإشرافي | بيانات غير ملabeled | اكتشاف الأنماط في البيانات غير الملabeled |
| التعلم النصفي | بيانات ملabeled وغير ملabeled | دمج بين التعلم الإشرافي وغير الإشرافي |
مراجع خارجية
للمزيد من المعلومات حول التعلم الالي وتنسورفلو 2، يمكنك الاطلاع على المواقع التالية: TensorFlow, Scikit-learn, Python
أسئلة وأجوبة شائعة
ما هو التعلم الالي؟
التعلم الالي هو فرع من فروع الذكاء الاصطناعي الذي يتيح للحواسيب تعلم الأنماط والقواعد من البيانات دون الحاجة إلى برمجة صريحة.
كيف يمكن استخدام بايثون وتنسورفلو 2 في التعلم الالي؟
يمكن استخدام بايثون وتنسورفلو 2 لإنشاء نماذج التعلم الالي وتدريبها واختبارها.
ما هي مكتبة التنسورفلو 2؟
مكتبة التنسورفلو 2 هي مكتبة مفتوحة المصدر لبرمجة التعلم الالي.
📖 Related Articles
📚 Read More from Our Blog Network
crypto · automobile2 · automobile4 · automobile3 · automobile · a · b · c · d · e
Published: 2026-07-20
Comments
Post a Comment