كيف يعمل الذكاء الاصطناعي | ١ | الشبكات العصبية و التعلم العميق | كيف يفهم الكمبيوتر

00:22:26
https://www.youtube.com/watch?v=YwiM0KlzIe8

摘要

TLDRيتناول الفيديو شرح كيفية عمل الذكاء الاصطناعي وكيفية استخدامه للتنبؤ والتصنيف بناءً على البيانات المدخلة. يوضح استخدام نماذج مثل الانحدار الخطي واللوجستي في تحليل البيانات للتوصل إلى نتائج دقيقة. كما يشرح كيفية عمل الخلايا العصبية في النموذج وكيفية تدريب الكمبيوتر على البيانات المتوفرة للوصول إلى احتماليات وتوقعات موثوقة. الفيديو يبرز قدرة الذكاء الاصطناعي على التفكير بطريقة تشبه البشر من خلال إنشاء شبكات عصبية متعددة الطبقات لتحليل البيانات بشكل معمق والمتوقع من الحاسوب الذي يستطيع أن يفهم السياق ويرد عليه بشكل ملائم. الفيديو يختتم بتلميحات إلى حلقات مستقبلية ستشرح كيفية فهم الكمبيوتر للغة الطبيعية.

心得

  • 🤖 الذكاء الاصطناعي يستخدم الأدلة للتنبؤ بالأحداث.
  • 🔍 تحليل البيانات يلعب دوراً مهماً في دقة التنبؤ.
  • ⚙️ الانحدار الخطي يُستخدم للتنبؤ بقيم مطلقة.
  • 📊 الانحدار اللوجستي يساعد في التصنيف.
  • 👨‍💻 التعلم العميق يعزز فهم السياق اللغوي.
  • 🧠 الشبكات العصبية تحاكي عمل الدماغ البشري.
  • 🌐 النماذج تتوسع مع زيادة البيانات.
  • 🏥 يستخدم الذكاء الاصطناعي في التشخيص الطبي.
  • 🔬 الجريدة والتصنيفات تتغير بناءً على البيانات الجديدة.
  • 🤓 فهم السياق اللغوي يبقى تحدياً في مجال الذكاء الاصطناعي.

时间轴

  • 00:00:00 - 00:05:00

    يتحدث المتحدث عن مفهوم التنبؤ باستخدام الشواهد، مثل توقع الطقس باستخدام دلائل معينة كنموذج لفهم الذكاء الاصطناعي. يستخدم مثال الطماطم لشرح كيفية جمع المعلومات حيث يتم تضييق الاحتمالات مع إضافة كل معلومة جديدة، مثل اللون والملمس والشكل، ثم استخدام ذلك في معادلة لتوقع الاحتكام على الطماطم. يعكس هذا كيفية تقليل الخطأ لزيادة دقة التوقعات، مع التشديد على أهمية كل معلومة في تحديد الاحتمالات الصحيحة.

  • 00:05:00 - 00:10:00

    يناقش المتحدث الاختلاف بين نموذجين للتنبؤ: نموذج الانحدار الخطي للتنبؤ بأرقام مطلقة مثل الرواتب، ونموذج الانحدار اللوجيستي للتصنيف كمعرفة إذا كان الشيء طماطم أو لا. يوضح كيفية التنبؤ من خلال جمع معلومات عن مجموعة معينة، مثل متوسط الرواتب وربطها بعوامل كتجربة الشخص ومكان عمله. يوضح كيفية عمل الانحدار الخطي في تقليل الخطأ ليصل لأدق توقّع محتمل للرواتب عبر تدريبه على البيانات والتأكيد بأن دقة النموذج تعتمد على دقة المعطيات المُدخَلة.

  • 00:10:00 - 00:15:00

    يشرح المتحدث كيفية عمل الشبكة العصبية في الذكاء الاصطناعي والتي تستخدم التعلّم العميق وتمثيل البيانات من خلال شبكة معقدة من المدخلات لتقديم توقعات تعتمد على الاحتمالات وليس القيم المطلقة. يوضح أهمية إضافة طبقات جديدة للشبكة لتحسين وتوسيع قدرة النموذج على التنبؤ بأنواع متزايدة من البيانات، مع التأكيد على أن التنظيم الجديد يمكنه التعامل بشكل أفضل مع التغيرات الغير خطية والطبيعية الموجودة في البيانات الواقعية.

  • 00:15:00 - 00:22:26

    يتناول المتحدث كيفية استخدام دوال بالإضافة للمعادلات الخطية لتقديم مخرجات بدقة أكبر، تحدد احتمالات حدوث أشياء معينة بدلاً من القيم الثابتة، مما يسهل التصنيف واتخاذ قرارات ذكية مثل تشخيص الأمراض. يشرح كيف يمكن استخدام الدوال لتعديل الشبكة العصبية لتقديم نتائج تعتمد على السياق بدلاً من الأرقام الخام، وكيف يتعامل الذكاء الاصطناعي مع التعقيدات في اللغة الطبيعية، مما يفتح الطريق لبرامج متقدمة مثل شات جي بي تي لفهم العبارات المعقدة والرد بالسياق المناسب.

显示更多

思维导图

视频问答

  • كيف يمكن استخدام الذكاء الاصطناعي للتنبؤ بالأحداث؟

    باستخدام نماذج رياضية مثل الانحدار الخطي أو اللوجستي لتوقع حدوث حدث بناءً على دلائل أو بيانات مدخلة.

  • هل يمكن استخدام الذكاء الاصطناعي في التشخيص الطبي؟

    نعم، الفيديو يوضح كيف يمكن استخدام الذكاء الاصطناعي في مجال التشخيص الطبي من خلال تحليل البيانات لإعطاء تشخيص دقيق.

  • هل يمكن استخدام الانحدار الخطي للتنبؤ بالرواتب؟

    نعم، يمكن استخدام نموذج الانحدار الخطي للتنبؤ بالقيم العددية مثل الأجور.

  • ما الفرق بين الانحدار الخطي واللوجستي؟

    الانحدار الخطي يتنبأ بقيم عددية مطلقة، بينما الانحدار اللوجستي يُستخدم لتصنيف البيانات.

  • هل يمكن تحسين دقة نموذج الذكاء الاصطناعي؟

    نعم، يمكن تحسين دقة النموذج بإضافة المزيد من الطبقات العصبية والمدخلات.

  • كيف يعمل نموذج الذكاء الاصطناعي لتصنيف البيانات؟

    بإدخال المدخلات إلى النموذج، يقوم بحساب الاحتماليات داخل كل خلية عصبية بناءً على البيانات وتدريبه المسبق ليعطيك نتائج أو تنبؤات دقيقة.

查看更多视频摘要

即时访问由人工智能支持的免费 YouTube 视频摘要!
字幕
ar
自动滚动:
  • 00:00:00
    حمرا وناعمه ومدوره وانا حقيقه بحبها جدا
  • 00:00:05
    خصوصا لما بتتحط على السلطه اهو اللي حصل
  • 00:00:08
    ده بالظبط هو بقى الذكاء
  • 00:00:11
    [موسيقى]
  • 00:00:21
    الاصطناعي سلام عليكم لو انا عايز اتنبا
  • 00:00:24
    بحاجه معينه هتحصل فانا مبدئيا هروح ابص
  • 00:00:26
    على الشواهد اللي بتدل عليها بقول انها
  • 00:00:28
    احتمال تمطر لو كنا مثلا في فصل الشتاء
  • 00:00:31
    وبتاكد اكتر لو كنا في فصل الشتاء وكان
  • 00:00:33
    الجو مغيم وبتاكد اكتر واكتر لو لقيت ده
  • 00:00:36
    كله ولقيت معاهم رعد وبرق بدا ان هم
  • 00:00:39
    يحصلوا وهكذا لازم شواهد تدل على حدوث
  • 00:00:42
    الحدث نفسه وكل ما زادت الشواهد كل ما بقى
  • 00:00:45
    عندي يقين ان الحدث ده هيحصل وما دام
  • 00:00:48
    الشواهد دي بتدل فممكن ان احنا نعمل منها
  • 00:00:50
    داله تتنبا باللي هيحصل عظيم جدا تعالى
  • 00:00:53
    نرجع للمثال بتاع الطماطم ونشوف ايه اللي
  • 00:00:55
    حصل لما قلت لك حمرا في الاول فانت فكرت
  • 00:00:58
    في كل الحاجات الحمراء اللي انت ممكن
  • 00:01:00
    تعرفها ولما قلت لك ونعمه انت ما بقتش
  • 00:01:02
    تفكر في كل الحاجات الحمراء اللي تعرفها
  • 00:01:04
    انت بقيت بتفكر في كل الحاجات الحمراء
  • 00:01:07
    والنعمه في نفس الوقت وبالتالي الاحتمالات
  • 00:01:09
    اللي انت بتفكر فيها قلت ولما جيت وقلت لك
  • 00:01:12
    ومدوره الاحتمالات قلت اكتر واكتر وبقيت
  • 00:01:15
    مركز فقط مع الحاجات الحمراء والناعمه
  • 00:01:18
    والمدوره الا اني جيت وقفلتها لك ضبه
  • 00:01:21
    ومفتاح لما قلت لك اني بحبها وهي على
  • 00:01:23
    السلطه لان الجمله دي قللت الاحتمالات
  • 00:01:25
    بشكل رهيب والقصه تقريبا تقدر تقول انها
  • 00:01:28
    اتحسنت اه ممكن ممكن يكون جه في بالك
  • 00:01:30
    احتمال ثاني زي الفلفل الاحمر مثلا الا ان
  • 00:01:33
    الطماطم كانت احتمالها اعلى لانها مدوره
  • 00:01:36
    اكتر وبالتالي كل معلومه جديده قلتها لك
  • 00:01:39
    كان لها دور في انها تقلل الخطا في عمليه
  • 00:01:41
    التوقع حلو حلو جدا وبالشكل ده انت ممكن
  • 00:01:45
    تيجي وبكل بساطه تعمل داله تتنبا بوجود
  • 00:01:48
    الطماطم هتقول ان احتماليه ظهور الطماطم
  • 00:01:51
    بتساوي مقدار الخطا اللي قل لما عرفت ان
  • 00:01:53
    الشيء اللي معايا ده لونه احمر زائد مقدار
  • 00:01:56
    الخطا الاقل لما عرفت ان الشيء ده كان
  • 00:01:58
    مدور زائد مقدار مقدار الخطا اللي قل لما
  • 00:02:00
    عرفت انه ناعم زائد مقدار الخطا اللي قل
  • 00:02:03
    لما عرفت انه بيتحط على السلطه وكل واحد
  • 00:02:05
    من دول له وزن معين في عمليه التوقع يعني
  • 00:02:08
    كلمه حمرا لوحدها على سبيل المثال كان لها
  • 00:02:10
    وزن قليل لان في حاجات كتيره جدا حمراء
  • 00:02:13
    لكن لما عرفت انها بتتحط على السلطه اكيد
  • 00:02:16
    لها وزن كبير لان الحاجات اللي بتتحط على
  • 00:02:18
    السلطه مش كتير وبالتالي انت كده بقى معاك
  • 00:02:21
    معادله تقدر تتوقع منها احتماليه وجود
  • 00:02:24
    الطماطم الا ان المعادله دي فيها مشكله
  • 00:02:26
    ضخمه جدا الا وهي انها بتديلك رقم مش
  • 00:02:29
    احتماليه قال لك ولا مشكله ولا حاجه اقسم
  • 00:02:31
    كل رقم من دول على مجموع الارقام دي
  • 00:02:34
    هيعرفك كل رقم من دول بيمثل قد ايه من
  • 00:02:36
    الاحتماليه وبالتالي بقى كده معاك
  • 00:02:39
    المعادله اللي بتقدر انك تتنبا بيها من
  • 00:02:41
    وجود الطماطم كل اللي انت محتاج تعرفه انك
  • 00:02:44
    تسال هل الحاجه دي حمراء طلعت حمراء حط
  • 00:02:46
    مكان الاحمر واحد ومدوره هتحط مكان المدور
  • 00:02:49
    واحد وناعمه هتحط مكان الناعم واحد وبتتحط
  • 00:02:53
    على السلطه هتحط مكانه واحد وبالتالي
  • 00:02:55
    هيطلع لك ان الناتج 100% عباره عن طماطم
  • 00:02:59
    وكل ما غاب باراميتر من دول كل ما قلت
  • 00:03:02
    احتماليه ان الحاجه دي تكون طماطم تصدق
  • 00:03:04
    بقى او لا تصدق ان هي دي كده ببساطه فكره
  • 00:03:07
    الذكاء الا الاصطناعي المشكله الاكبر في
  • 00:03:09
    الموضوع انك تفهم الكمبيوتر يقدر يعمل
  • 00:03:12
    عمليه دي ازاي خصوصا لو مع حاجه معقده زي
  • 00:03:14
    اللغه اللي معروف انها حاجه بتميز البشر
  • 00:03:17
    فقط ومن النقطه دي ابتدى التحدي فلو انت
  • 00:03:20
    اول مره تتابعني وجاي على عنوان الفيديو
  • 00:03:22
    فانا عايزك ما تتخضش من اللي جاي احنا هنا
  • 00:03:24
    بنسهر الحاجات الصعبه مش بنهرب منها
  • 00:03:27
    بالسطح اما بقى لو انت من جمهورنا القديم
  • 00:03:29
    فياما دقت على راس طبول بص يا سيدي احنا
  • 00:03:32
    عموما ومن قديم الازل واحنا عندنا نماذج
  • 00:03:35
    مشهوره للتنبؤ واي حد اشتغل بحث علمي اكيد
  • 00:03:38
    لازم ان هو يكون قابل واحد منهم او قابلهم
  • 00:03:40
    هم الاثنين اول نموذج اسمه اللينر ريشن
  • 00:03:43
    موديل او نموذج الانحدار الخطي وتاني
  • 00:03:46
    نموذج اسمه اللوجيستيك ريجر شن موديل او
  • 00:03:49
    نموذج الانحدار اللوجيستي والنموذج دول
  • 00:03:52
    تقدر تعتبرهم انهم العرافه اللي بتقرا
  • 00:03:55
    الكف ولكن بشكل علمي وقد يبدو من الوهله
  • 00:03:58
    الاولى ان الحاجات بقى رخمه ومكلكعه الا
  • 00:04:01
    انك هتعرف بعد دقاق بسيطه ان الاسامي خدعه
  • 00:04:05
    صاحبي والدنيا ليست كما تبدو وابسط من كده
  • 00:04:07
    بكتير يعني تعالى نسمي النموذج الاول ده
  • 00:04:10
    بنموذج التنبؤ الخطي والنموذج الثاني
  • 00:04:13
    بنموذج التنبؤ الغير خطي لسه الاسامي
  • 00:04:16
    بايخه برده ما علينا سميهم محمد احمد تعال
  • 00:04:19
    بس نشوف ان الحاجات دي بتعمل ايه الفرق ما
  • 00:04:21
    بينهم ان نموذج الانحدار الخطي بيقدر انه
  • 00:04:23
    يتنبا بارقام زي مثلا انه يتنبا بطول شخص
  • 00:04:27
    معين او عمره او مرتبه او حتى ارباح شركه
  • 00:04:30
    معينه ممكن توصل لقد ايه السنه الجايه او
  • 00:04:33
    المده اللي هتسيطر بها امبراطوريه معينه
  • 00:04:35
    على العالم وبالتالي النموذج ده بيتن
  • 00:04:39
    بارقام مطلقه اما بقى في نموذج الانحدار
  • 00:04:42
    اللوجستي فده نموذج بتستخدمه في الغالب
  • 00:04:45
    عشان التصنيف اه ممكن تستخدمه في التنبؤ
  • 00:04:48
    بارقام عادي جدا زي الانحدار الخطي الا ان
  • 00:04:50
    الهدف منه الرئيسي بيكون في عمليه التصنيف
  • 00:04:53
    على سبيل المثال عايز اعرف مثلا الحاجه
  • 00:04:55
    اللي كانت معايا كانت طماطم ولا مش طماطم
  • 00:04:57
    او اعرف مثلا شخص معين هيت بال السرطان
  • 00:05:00
    ولا مش هيتصفي او شخص تاني بريء ولا متهم
  • 00:05:03
    او اي حاجه ثانيه عموما عاوز ان انا
  • 00:05:05
    اصنفها فتعال بقى انا وانت عشان نشوف
  • 00:05:08
    السحر ده بيحصل ازاي تعال نفترض ان متوسط
  • 00:05:11
    المرتبات في المجتمع المصري وفقا لشات ج
  • 00:05:14
    بي تي اللي انا جاي اتكلم عنه كان تقريبا
  • 00:05:16
    في حدود ال 200 دولار في الشهر وانا جبت
  • 00:05:18
    لك شخص من المجتمع ده اسمه محمد عبد
  • 00:05:20
    السميع وقلت لك تعرف تقول لي مرتبه كام
  • 00:05:22
    هتقول لي لا طبعا هو انا هنجم المتوسط ما
  • 00:05:25
    اقدرش اعرف منه قيمه اي فرد من افراد
  • 00:05:28
    المجتمع لان في افراد كتير جدا بتقبض اكتر
  • 00:05:30
    من المتوسط ده وفي افراد كتير جدا بتقبض
  • 00:05:33
    اقل منه ده المتوسط بذات نفسه ف قيمه ممكن
  • 00:05:36
    ما يكونش حد بياخده في المجتمع اصلا بس
  • 00:05:39
    احنا ممكن نتحايل على الموضوع ده ونطرح
  • 00:05:42
    بعض الاسئله اللي تعرفنا شويه حاجات عن
  • 00:05:44
    محمد عبد السميع زي مثلا عمره قد ايه
  • 00:05:47
    وشغال فين وعنده كم سنه خبره لانك عارف
  • 00:05:50
    ومتاكد في قراره نفسك ان الاسئله اللي انت
  • 00:05:52
    سالتها دي اكيد لها علاقه بالمرتب اهو دور
  • 00:05:55
    الانحدار الخطي انه يعرف هل العلاقه دي
  • 00:05:58
    فعلا موجوده ولو موجوده هل هقدر استفيد
  • 00:06:01
    منها ان اعرف قيمه مرتب اي فرد في المجتمع
  • 00:06:04
    وهو ده اللي بيعمله الانحدار الخطي بمنتهى
  • 00:06:07
    البساطه كل اللي هيحصل انك هتجيب عينه
  • 00:06:10
    عشوائيه من الافراد اللي موجودين في
  • 00:06:12
    المجتمع المصري وتسالهم عن مرتباتهم
  • 00:06:14
    وتسالهم كمان عن الحاجات اللي انت معتقد
  • 00:06:17
    ان لها علاقه بالمرتب زي العمر مثلا وتبدا
  • 00:06:20
    تدرب الكمبيوتر على الداتا اللي انت
  • 00:06:22
    جمعتها دي بحيث انه بعد كده بمجرد ما يعرف
  • 00:06:26
    عمر الشخص يقدر انه يستنتج مرتبه الكلام
  • 00:06:29
    ده بقى بيحصل ازاي بص يا سيدي الكمبيوتر
  • 00:06:33
    مبدئيا بيفترقو جود علاقه ما بين عمر
  • 00:06:36
    الشخص وما بين مرتبه
  • 00:06:39
    وبيفتكر ما بتضربه في عمر الشخص بيديك
  • 00:06:42
    المرتب اللي هو بيقبض وعشان هو مش عارف
  • 00:06:44
    الرقم ده قيمته كام فبيض مبدئيا ان قيمته
  • 00:06:48
    صفر وطبعا لما هيجي ويضرب كل الاعمار في
  • 00:06:50
    صفار هيديك صفار وبالتالي الخطا اللي طالع
  • 00:06:53
    في توقع كل مرتب عباره عن قيمه المرتب
  • 00:06:56
    نفسه لان قيمه المرتب ناقص صفر هتساوي
  • 00:06:59
    قيمه المرتب او يعني نسبه خطا 100% فيبدا
  • 00:07:03
    انه يغير في الرقم اللي بيتضرب في العمر
  • 00:07:06
    ويرجع يحسب الخطا من جديد لانه بيقل يقول
  • 00:07:09
    لك تمام ويزود الرقم اكتر واكت ويرجع يحسب
  • 00:07:12
    الرقم من جديد لانه بيقل يرجع يزوده ثاني
  • 00:07:16
    وهكذا وكل مره بيزود حته اصغر في الرقم
  • 00:07:19
    اللي بيضربه في العمر لحد ما يوصل للرقم
  • 00:07:22
    اللي بيحقق له اقل خطا في توقع المرتب طب
  • 00:07:25
    والكمبيوتر بقى بيعرف منين ان الخطا ده هو
  • 00:07:28
    اقل خطا بسيطه جدا الكمبيوتر بيكتشف
  • 00:07:31
    الكلام ده لما بيلاحظ انه لما بيزود اكت
  • 00:07:34
    في الرقم الخطا بيرجع يزيد من جديد
  • 00:07:36
    وبالتالي الرقم اللي قبل ده كان هو الادق
  • 00:07:39
    عرفت الرقم كده خلاص كده انا عرفت
  • 00:07:41
    المعادله اللي اقدر اتوقع منها مرتب اي
  • 00:07:44
    شخص بمجرد ماعرف عمره واه طبعا بيبقى في
  • 00:07:46
    نسبه خطا في التوقع الا ان نسبه الخطا
  • 00:07:49
    بتكون قليله جدا بالمقارنه باني اطخ
  • 00:07:51
    المتوسط وخلاص وعمليه تدريب الكمبيوتر على
  • 00:07:54
    الداتا دي بيسموها ترينين لان الكمبيوتر
  • 00:07:57
    بيطلع الرقم اللي هيقلل الخطا ب بناء على
  • 00:08:00
    الداتا اللي انا اديتها له ودرب عليها
  • 00:08:02
    واحد طبعا هيقول لي انت اكيد بتهرج واحد
  • 00:08:05
    زي نجيب سويراس مثلا هقدر اتوقع ازاي
  • 00:08:07
    مرتبه من المعادله دي المعادله دي اكيد
  • 00:08:09
    معادله الغلابه هقول لك لا طبعا ده انت
  • 00:08:12
    تقدر تتوقع مرتب اي شخص عايز تتوقع مرتب
  • 00:08:15
    واحد زي نجيب سورس مثلا ممكن تسال الافراد
  • 00:08:18
    اللي موجودين في العينه عندهم طيارات ولا
  • 00:08:20
    لا وضف المعادله اللي طلعناها باراميتر
  • 00:08:22
    جديد وليكن عدد الطيارات واضربه في مليون
  • 00:08:25
    ساعتها المعادله اللي معاك هتتوقع مرتب اي
  • 00:08:27
    شخص بما فيهم نجيب سو فيس وطبعا انا
  • 00:08:30
    افترضت ان الرقم اللي هتضربه في عدد
  • 00:08:32
    التيارات هيكون بمليون ده حاجه كده
  • 00:08:34
    اعتباطيه لكن الرقم ده هيطلع زي ما طلعت
  • 00:08:38
    الرقم اللي بتضربه في العمر من الداتا
  • 00:08:40
    اللي انت اخدتها وتبدا انك تدرب الكمبيوتر
  • 00:08:42
    عليها بحيث انه يطلع لك الرقم الدقيق اللي
  • 00:08:44
    هتضربه في عدد التيارات فيديك الراتب
  • 00:08:47
    وبالتالي لو عايز نتائج ادق زود باراميتر
  • 00:08:50
    اكتر يعني مثلا المرتب ممكن يكون بيساوي
  • 00:08:53
    رقم معين في العمر زائد رقم معين في سنين
  • 00:08:56
    الخبره زائد رقم معين في عدد السفريات
  • 00:08:59
    اللي اللي بيطلعها الشخص زائد رقم معين في
  • 00:09:01
    عدد العربيات اللي بيمتلك وكل اللي هتعمله
  • 00:09:04
    انك هتدي الداتا دي كلها للكمبيوتر
  • 00:09:06
    والكمبيوتر زي ما وضحت لك هيبدا يحسب
  • 00:09:09
    الارقام اللي تقدر تتوقع الحاجه اللي انت
  • 00:09:11
    عايزها عن طريق انه بيختار الارقام اللي
  • 00:09:14
    بتحقق معاه اقل خطا وشايف بقى المعادله
  • 00:09:17
    الطويله الجميله دي كلها اهي المعادله دي
  • 00:09:20
    واللي حصل ده كله بيمثل خليه عصبيه واحده
  • 00:09:25
    جوه منظومه الذكاء الاصطناعي خليه دورها
  • 00:09:28
    الوحيد ان هتتوقع المرتب بتاع الشخص
  • 00:09:31
    والمتغيرات اللي معانا جوه المعادله دي
  • 00:09:33
    اللي هي العمر وسنين الخبره والرحلات وعدد
  • 00:09:36
    العربيات هي دي بقى اللي بتمثل الداتا
  • 00:09:39
    اللي بتدخل للخليه العصبيه والارقام اللي
  • 00:09:42
    النموذج طلعها بيسموها الويتس او الاوزان
  • 00:09:45
    ودي بتمثل الروابط او الكونكشن اللي بتربط
  • 00:09:48
    الداتا اللي مدخلها بالخليه العصبيه او
  • 00:09:51
    النيورونتين
  • 00:09:52
    سموها بالاوزان لان زي ما وضحت لك في
  • 00:09:55
    المثال بتاع الطماطم انها بتوريك مدى
  • 00:09:57
    مساهمه او وزن كل باراميتر في توقع المرتب
  • 00:10:01
    العربيات مثلا زي ما هو باين بتساهم بشكل
  • 00:10:03
    ضخم كل عربيه واحده بتزود في المرتب 1000
  • 00:10:07
    واحده عشان كده بنقول ان وزنها كبير في
  • 00:10:10
    حين ان العمر مثلا مساهمته في توقع المرتب
  • 00:10:12
    بتكون قليله عشان كده بنقول ان وزنه قليل
  • 00:10:15
    وكل القصه اللي قلناها دي زي ما قلت لك
  • 00:10:17
    بتحصل جوه خليه واحده من خلايا الذكاء
  • 00:10:20
    الاصطناعي وبالتالي لو عايز اتوقع حاجات
  • 00:10:22
    اكت هزود خلايا اكتر عايز اتوقع حاجه
  • 00:10:25
    ثانيه مثلا زي تقدير الكليه ما فيش مشكله
  • 00:10:27
    زود المتغيرات اللي انت هدخلها شويه ضيف
  • 00:10:30
    عليهم مثلا عدد ساعه المذاكره او عدد مرات
  • 00:10:33
    حضور المحاضرات بس ساعتها الخليه اللي
  • 00:10:35
    هتتوقع المرتب هيدخل فيها كمان عدد ساعات
  • 00:10:38
    المذاكره وعدد ساعات المحاضرات والمعادله
  • 00:10:41
    اللي هتتوقع التقدير الكلي لازم يدخل فيها
  • 00:10:43
    العمر والخبره والرحلات وعدد العربيات
  • 00:10:46
    والعينه اللي هتمرن الكمبيوتر عليها مش بس
  • 00:10:49
    لازم تكون عارف مرتباتهم ده انت كمان لازم
  • 00:10:51
    تكون عارف التقدير بتاعهم عشان احنا
  • 00:10:53
    عايزين ندرب الكمبيوتر عشان يقدر انه
  • 00:10:55
    يتوقع الحاجات دي ونفس الكلام اللي حكينا
  • 00:10:58
    فيه من الاول هيتعاد من جديد بحذافيره
  • 00:11:01
    الكمبيوتر هيعترض كل المتغيرات دي بصفار
  • 00:11:05
    ويبدا انه يحسب الخطا في التوقع على حسب
  • 00:11:07
    الداتا اللي انا مديه له او اللي هو
  • 00:11:08
    شايفها لقى الخطا كبير يغير في الارقام
  • 00:11:12
    لحد ما يوصل للارقام اللي بتحقق له اقل
  • 00:11:15
    خطا في التوقع واللي من خلالها هيقدر انه
  • 00:11:17
    يتوقع المرتب والتقدير لاي شخص موجود في
  • 00:11:20
    العالم مش بس في الداتا اللي انا مديها له
  • 00:11:23
    وعايز اقول لك ان العمليه دي رغم انها في
  • 00:11:25
    منتهى البساطه زي ما انت شايف جمع وطرح
  • 00:11:27
    وضرب وقسمه الا من المستحيل ان حد يعمل
  • 00:11:30
    الكلام ده بشكل يدوي وفي تكنيك معين اسمه
  • 00:11:33
    الجريدان ديسنت الكمبيوتر بيعمله عشان
  • 00:11:36
    يقدر يوصل بيه للارقام دي بدقه ويا ريت
  • 00:11:38
    تعرفوني في الكومنتات لو انتم حابين
  • 00:11:40
    تفهموا اكت عن التكنيك ده المهم يا سيدي
  • 00:11:43
    لو خدت بالك او لاحظت هتلاقي ان اوزان نفس
  • 00:11:46
    المدخل او المتغير مختلفه في المعادلتين
  • 00:11:48
    عدد العربيات مثلا بيساهم بشكل كبير جدا
  • 00:11:51
    في حساب الراتب الا ان مساهمته في حساب
  • 00:11:53
    التقدير بتكون قليله عشان كده وزن
  • 00:11:56
    المدخلات نفسها بيتغير ما بين خليه عصبيه
  • 00:11:59
    ثانيه طب لو عايز تتوقع حاجات اكت زود
  • 00:12:02
    خلايا عصبيه اكتر والمدخلات الجديده هتكون
  • 00:12:05
    اكت وخلي الكمبيوتر يرجع يلعب نفس اللعبه
  • 00:12:08
    وهتلاقي ان الموديل بدا ان هو يكبر معاك
  • 00:12:10
    وبقى موجود خلايا عصبيه بتتوقع داتا ثانيه
  • 00:12:13
    اكتر زي الامراض المحتمله ومستوى اللياقه
  • 00:12:16
    والطول وعدد الاولاد واي حاجه ممكن تخطر
  • 00:12:19
    في بالك ما دام معاك داتا تقدر انك تدرب
  • 00:12:22
    الكمبيوتر عليها خلاص القصه اتحلت الجميل
  • 00:12:25
    بقى ان حتى الداتا اللي انت توقعتها دي هي
  • 00:12:28
    كمان تعتبر داتا جديده تقدر تتوقع منها
  • 00:12:30
    حاجات ثانيه الله الله الله الله الله
  • 00:12:32
    ازاي الكلام ده عادي جدا زود طبقه جديده
  • 00:12:36
    من طبقات الذكاء الاصطناعي لحاجات ممكن
  • 00:12:38
    تتوقعها من الداتا اللي انت اساسا متوقعها
  • 00:12:42
    وكل ما تعوز تتوقع حاجات اكتر ما فيش
  • 00:12:44
    مشكله زود طبقات اكتر لحد ما توصل للطبقه
  • 00:12:48
    النهائيه اللي بتطلع لك المخرجات اللي انت
  • 00:12:50
    عايزها واللي انت مصمم على اساسها الموديل
  • 00:12:53
    من البدايه وعشان كده الموديل بالكامل
  • 00:12:56
    بيبقى اشبه بالشبكه العصبيه اللي موجوده
  • 00:12:58
    في المخ الشبكه دي بيدخل لها بيانات فتبدا
  • 00:13:01
    انها تعمل حسابات بناء على الاوزان اللي
  • 00:13:03
    طلعت لها من الداتا اللي ادربت عليها عشان
  • 00:13:06
    تطلع لك بالنتائج اللي انت عايزها والجميل
  • 00:13:09
    بقى ان النتائج دي مش متخزنه على ذاكره
  • 00:13:12
    الكمبيوتر الكمبيوتر نفسه ما عندوش جوه
  • 00:13:14
    واحد اسمه محمد عبد السميع عارف مرتبه ولا
  • 00:13:17
    عارف تقديره انت بس بتيجي وتدخل بعض
  • 00:13:19
    بياناته فالكمبيوتر بيعمل حساباته وبيطلع
  • 00:13:22
    لك كل الداتا اللي متوقعها عنه الكمبيوتر
  • 00:13:25
    مش مخزن المعلومه ده بيحسبها وبرغم ان
  • 00:13:28
    الموديل ده هايل لانه لينير او خطي الا ان
  • 00:13:30
    استخداماته محدوده والاسئله اللي بيقدر
  • 00:13:33
    يجاوب عليها قليله ليه بقى ها ليه لانه
  • 00:13:36
    برده لينار او خطي الميزه اللي بتميزه هي
  • 00:13:40
    نفسها العيب اللي هيعي الموديل ده كده
  • 00:13:42
    بيقول لي ان كل سنه زياده في العمر بتديني
  • 00:13:45
    300 وحده زياده في المرتب يعني معدل ثابت
  • 00:13:48
    في الزياده وكل وحده زياده في المرتب
  • 00:13:50
    هيديني نسبه زياده ثابته في الحاجه اللي
  • 00:13:52
    هيتوقع في الطبقه اللي بعد كده والرتم
  • 00:13:55
    الثابت ده رغم انه جميل جدا في الحسابات
  • 00:13:57
    الا ان مش ده اللي بيحصل على ارض الواقع
  • 00:13:59
    في ترقيه مثلا بتاخدها فتعمل لك قفزه
  • 00:14:02
    كبيره مثلا في المرتب وفي ترقيه لا وفي
  • 00:14:04
    ترقيه بتحصل بعد ثلاث سنين وترقيه بتحصل
  • 00:14:06
    بعد سنه فالحياه الطبيعيه ما فيهاش رتم
  • 00:14:09
    ثابت ده بخلاف انك لما بتيجي وبتطلع معاش
  • 00:14:11
    مثلا فالدال بتاعك بيرجع يقل ما بيزيدش
  • 00:14:14
    على المدى ففكر الريتم الثابت دي فكره
  • 00:14:16
    نادره الحدوث على ارض الواقع ثاني مشكله
  • 00:14:19
    بيسببها الريتم الثابت ده او اللينر تي
  • 00:14:22
    انه بيخلي كل الطبقات اللي في النص دي
  • 00:14:24
    ببساطه مالهاش لازمه واقدر اني اختصرها
  • 00:14:27
    كلها في طبقه واحده لان لو الطبقه الاولى
  • 00:14:29
    مثلا كانت بتقول ان المرتب بيساوي 300 في
  • 00:14:32
    العمر والطبقه الثانيه كانت بتقول ان عدد
  • 00:14:34
    الابناء بيساوي واحد من ال000 من المرتب
  • 00:14:37
    فانت بكل بساطه ممكن انك تلغي الطبقه
  • 00:14:39
    الثانيه وتقول ان عدد الابناء بيساوي 3
  • 00:14:42
    على 10 من العمر وتفكك بقى تماما من
  • 00:14:45
    الطبقه اللي في النص ما احنا مش هنقعد
  • 00:14:47
    نعبي طبقات في الفاضي ما هيش بطانيه
  • 00:14:49
    وبالتالي كده انا خسرت كل الحاجات الجديده
  • 00:14:52
    اللي ممكن الموديل يتعلمها في النص يعني
  • 00:14:54
    الكمبيوتر بدل ما كان فاهم ان سنين الخبره
  • 00:14:56
    الكتير بتخلي المرتب كبير والمرتب الكبير
  • 00:15:00
    بيخلي الشخص يخلف ولاد كتير هو كده شايف
  • 00:15:02
    ان سنين الخبره الكتير بتخلي الشخص يخلف
  • 00:15:05
    ولاد كتير رغم ان العلاقه ما بينهم على
  • 00:15:07
    ارض الواقع ممكن ما تكونش حقيقيه وبالتالي
  • 00:15:10
    اللينيت بتخلي الموديل بتاع الذكاء
  • 00:15:12
    الاصطناعي بيتعامل مع كل طبقه زي الطبقه
  • 00:15:14
    اللي قبلها بنفس الادوات يعني لو افترضت
  • 00:15:17
    ان الذكاء الاصطناعي ده كان نجار مثلا
  • 00:15:19
    فالل نارت معناها ان كل الادوات اللي
  • 00:15:21
    موجوده مع النجار ده عباره عن شواكيش ما
  • 00:15:24
    فيش منشار ولا مسمار ولا اي حاجه ثانيه كل
  • 00:15:27
    الادوات اللي معاه ع ار عن شواكيش او يعني
  • 00:15:30
    كلها بتعمل نفس الوظيفه ثالث مشكله
  • 00:15:32
    بتقابلك مع الل نارتي انك مش هتقدر
  • 00:15:35
    تستخدمه في التصنيف لان صحيح ممكن اني
  • 00:15:37
    استنتج منه المرتب كقيمه الا اني ما اقدرش
  • 00:15:40
    اعرف القيمه دي كبيره ولا صغيره وممكن
  • 00:15:43
    اعرف منه درجه الحراره لكن ما اقدرش اعرف
  • 00:15:45
    ده كده سخن ولا بارد اه ما عرفت القيم
  • 00:15:48
    المطلقه حاجه مهمه جدا الا ان اهميتها اقل
  • 00:15:51
    بكتير جدا من التصنيف انت لما بتروح
  • 00:15:54
    لدكتور مثلا وبتقول له يا دكتور انا تعبان
  • 00:15:56
    فنادرا لو سالك وقال لك انت عندك كم سنه
  • 00:15:59
    وكحيت كم كحه ورجعت كم لتر وسخنت كم درجه
  • 00:16:03
    حراره هو في الغالب بيسال عشان يصنف لما
  • 00:16:06
    بيعرف انك سخن مثلا ويسالك انت عمرك قد
  • 00:16:09
    ايه فده بيبقى الهدف الاساسي منه انه صنفك
  • 00:16:11
    لو لقاك عندك 20 سنه مثلا فده بيقلل معاه
  • 00:16:14
    احتماليه انك تكون بتسنن وبيزود قصادها
  • 00:16:17
    احتماليه لحاجه ثانيه الانسان ممكن يكون
  • 00:16:20
    بيرجع مثلا عشان حامل او عشان اكل حاجه مش
  • 00:16:22
    نضيفه وبالتالي عمليه التصنيف دي عمليه
  • 00:16:25
    مهمه جدا وهي دي الطريقه اللي بيشتغل بيها
  • 00:16:28
    المخ بتاعنا فكك بقى من اي حد يقول لك ما
  • 00:16:30
    تبقاش جادجمنتال انت مخك جادجمنتال بيصنعه
  • 00:16:34
    عمال
  • 00:16:35
    بيصنع الكلام ده ان كل خليه من خلايا
  • 00:16:39
    الذكاء الاصطناعي من الافضل انها تعبر عن
  • 00:16:42
    احتماليه حدوث حاجه معينه اكت من قيمتها
  • 00:16:45
    المطلقه يعني الخليه بدل ما تيجي وتعبر عن
  • 00:16:48
    قيمه المرتب تعبر لك عن احتماليه ان
  • 00:16:50
    المرتب ده يكون عالي او يكون قليل او تعبر
  • 00:16:53
    عن احتماليه ان الطالب يكون ناجح او راسب
  • 00:16:56
    او احتماليه ان الشخص يكون طويل او قصير
  • 00:16:59
    كل خليه عصبيه هتعبر عن احتماليه حاجه
  • 00:17:02
    معينه من عدمها وهنا ياتي السؤال الاهم
  • 00:17:06
    ازاي انا هقدر اتخلص من اللينر تي دي
  • 00:17:09
    وازاي هقدر احولها لاحتمال بص هو الموضوع
  • 00:17:12
    حقيقي بسيط جدا عارف انت المعادله اللي
  • 00:17:15
    كانت بتتن بالمرتب دي هتدخلها كلها كده
  • 00:17:18
    على بعضها زي ما هي جوه داله ثانيه
  • 00:17:21
    بيسموها الاكتيفيشن فانكشن واللي من
  • 00:17:23
    اشهرهم داله بيسموها السجم فانكشن طبعا
  • 00:17:27
    انت سمعت السجم فانكشن والداله الاساسيه
  • 00:17:29
    وشفت اويلر نمبر
  • 00:17:32
    والاكسبرس الفيديو بس انا عايزك تديني
  • 00:17:35
    فرصه بس وما تتسرعش اهد بس اهد الداله دي
  • 00:17:38
    والهيصه دي كلها كل وظيفتها انك بتدي لها
  • 00:17:41
    المعادله بتاعه التنبؤ بتطلع لك ناتج
  • 00:17:43
    قيمته بتتراوح ما بين الصفر والواحد او
  • 00:17:47
    يعني ما بين ال 0% لل 100% لان الداله دي
  • 00:17:50
    زي ما قلت لك هتعبر عن احتماليه والداله
  • 00:17:53
    دي بقى اهم ما يميزها انها بتستخدم في
  • 00:17:55
    التصنيف اقل من النص الاحتماليه اللي تحت
  • 00:17:58
    هي اللي بتتحقق واعلى من النص الاحتماليه
  • 00:18:00
    اللي فوق هي اللي بتتحقق وده طبعا باختصار
  • 00:18:03
    وبدون الدخول في اي تفاصيل بس لو بتحب
  • 00:18:06
    التفاصيل ما فيش مشكله في حلقه ثانيه
  • 00:18:09
    هنعملها هتلاقيها موجوده على القناه بعد
  • 00:18:11
    الحلقه دي مباشره هتلاقيني بشرح فيها
  • 00:18:14
    سيجمو فانكشن دي بالتفصيل الممل وهتقدر
  • 00:18:17
    انك تشوفها لو كنت واحد من المنتسبين
  • 00:18:19
    للقناه او واحد من اللي بيدعم ونا على
  • 00:18:22
    الباتريون وبالتالي حسب الكلام اللي احنا
  • 00:18:24
    قلناه وحسب المشاكل اللي احنا قعدنا نعدد
  • 00:18:26
    فيها فالدال دي جايه كده عشان تحقق لنا
  • 00:18:28
    احلامنا والشبكه العصبيه مش هتشتغل كلها
  • 00:18:32
    بنفس الطريقه في خلايا جوه الشبكه العصبيه
  • 00:18:34
    هتكون نشطه وخلايا ثانيه مش هتكون ناشطه
  • 00:18:37
    على حسب الاحتماليه زي ما الخلايا العصبيه
  • 00:18:39
    في مخك بتنشط بالظبط على سبيل المثال احنا
  • 00:18:42
    جبنا واحد اسمه محمد عبد السميع وعايزين
  • 00:18:44
    نعرف محمد عبد السميح ده بيشتغل ايه وبفرض
  • 00:18:47
    طبعا ان احنا خلاص دربنا الموديل بتاعنا
  • 00:18:49
    فاحنا كل اللي هنعمله اننا هندخل
  • 00:18:51
    الكمبيوتر الداتا بتاعه محمد عبد السميع
  • 00:18:54
    وبعد الداتا ما تدخل هتبدا الجمو فانكشن
  • 00:18:56
    تحسب الاحتماليه جوه كل خليه عصبيه وتعالى
  • 00:18:59
    نفترض ان في الطبقه الاولى لقينا الخليه
  • 00:19:01
    بتاعه توقع المرتب بتقول ان احتماليه
  • 00:19:04
    الدخل بتاع محمد يكون كبير كانت عاليه
  • 00:19:06
    ولقينا كمان ان احتماليه ان التقدير بتاعه
  • 00:19:09
    يكون كويس في الطبقه الاولى كانت كبيره
  • 00:19:11
    فكده معانا خليه الدخل والتقدير في الطبقه
  • 00:19:14
    الاولى ينشطوا وبفرض ان خليه الدخل هتسمع
  • 00:19:17
    في الطبقه الثانيه انها هتزود احتماليه ان
  • 00:19:20
    محمد ده ممكن يكون شغال فوت بلوجر مثلا او
  • 00:19:22
    مهندس ذكاء اصطناعي لان الكمبيوتر شايف ان
  • 00:19:25
    الدخل بتاع الوظيفتين دول بيبقى عالي فكده
  • 00:19:27
    انا معايا احتمال من اثنين يا محمد ده فوت
  • 00:19:30
    بلوجر يا مهندس ذكاء اصطناعي لكن لو انت
  • 00:19:33
    لسه فاكر فخليه التقدير العالي في الطبقه
  • 00:19:36
    الاولى هي كمان كانت نشطه والخليه دي في
  • 00:19:38
    الطبقه الثانيه بتزود احتماليه ان محمد ده
  • 00:19:41
    مهندس ذكاء اصطناعي لان زي ما قلت لك
  • 00:19:44
    التقدير بتاعه كان عالي وفي نفس الوقت
  • 00:19:46
    وزنها بيقلل من احتماليه انه فوت بلوجر
  • 00:19:49
    وبالتالي الكمبيوتر هيبص على الطبقه
  • 00:19:51
    الثانيه هيلاقي ان الخليه بتاعه الذكاء
  • 00:19:53
    الاصطناعي هي اللي نشطه وبالتالي الاحتمال
  • 00:19:55
    الاكبر ان محمد ده مهندس ذكاء اصطناعي مش
  • 00:19:58
    بلوجر وبالتالي كده كل طبقه من طبقات
  • 00:20:00
    الموديل بتعرفنا معلومه جديده بتغير من
  • 00:20:03
    الاحتمالات في الطبقه اللي بعدها تزود في
  • 00:20:06
    الاحتمالات جوه خلايا معينه وتقلل من
  • 00:20:08
    الاحتمالات في خلايا ثانيه واللي بعدها
  • 00:20:10
    تغير في اللي بعدها وهكذا لحد ما في
  • 00:20:13
    النهايه نوصل لاعلى احتماليه وعشان كده كل
  • 00:20:16
    طبقه من طبقات الموديل بتقدر انها تعرفك
  • 00:20:18
    معلومه جديده وما اقدرش استغنى عنها مش زي
  • 00:20:21
    التوقع الخطي ولنفس السبب ده فالتعلم جوه
  • 00:20:24
    الموديل ده بيسمى بالتعلم العميق او الديب
  • 00:20:28
    ليرنينج وده بالضبط اللي حصل في المثال
  • 00:20:30
    بتاع الطماطم عشان كده حاجه زي شجي بي تي
  • 00:20:33
    مثلا بتقدر انها تشخص الامراض بصوره كويسه
  • 00:20:35
    بمجرد ما تدي له الداتا لان شج بي تي قبل
  • 00:20:38
    ما يقول لك التشخيص شاف قبل كده ملايين
  • 00:20:41
    الداتا اللي زي بتاعتك وقدر انه يربط ما
  • 00:20:43
    بينها ويعمل ما بينها علاقات وبمجرد ما
  • 00:20:46
    بتدي له الداتا بتاعتك بيبدا ان هو يصنف
  • 00:20:48
    وينقي ويستبعد لحد ما يقول لك اقرب تشخيص
  • 00:20:51
    للحاله بتاعتك الا ان عبقريه شاجي بي تي
  • 00:20:54
    مش بس جايه من الديب ليرن لان حاجات زي
  • 00:20:57
    اللي قلت لك عليها دي كنا بنعملها برده من
  • 00:20:59
    مده انا مثلا في رساله الماجستير
  • 00:21:01
    والدكتوراه بتوعي كنت بقدر اتنبا بمدى
  • 00:21:03
    استجابه مريض السرطان للعلاج الكيماوي قبل
  • 00:21:06
    حتى ما ياخد العلاج الكيماوي عن طريق اني
  • 00:21:09
    كنت بشوف جين معين بيتم التعبير عنه
  • 00:21:11
    بمقدار قد ايه كمان كنت بقدر اعرف
  • 00:21:13
    احتماليه اصابه الاطفال بسرطان الدم بمجرد
  • 00:21:17
    ما كنت اشوف شكل مختلف لجين معين فالحاجات
  • 00:21:20
    دي برده تقدر انك تعتبرها انها موجوده من
  • 00:21:22
    مده الا ان قمه عبقريه شاج بيتي انه بيفهم
  • 00:21:26
    الكلام ومش بس بيفهمك كلام ده بيفهم
  • 00:21:29
    السياق وبيرد عليك بكلام مفيد وله سياق مش
  • 00:21:33
    بس ارقام ودي طبعا عمليه غايه في الصعوبه
  • 00:21:37
    يعني لما بتيجي وتقول انت زكي يا محمد
  • 00:21:39
    فالكمبيوتر بيبقى فاهم يعني ايه انت ويعني
  • 00:21:41
    ايه زكي ويعني ايه يا محمد ولو جيت قلت
  • 00:21:44
    انت زكي يا محمد اديك عورت نفسك
  • 00:21:46
    فالكمبيوتر بيفهم ان محمد ساعتها مش زكي
  • 00:21:49
    ولا حاجه وفي الغالب عمل تصرف غبي خلاه
  • 00:21:52
    يعور نفسه وده كله في الوقت اللي
  • 00:21:54
    الكمبيوتر فيه ما بيفهمش غير ارقام فقط
  • 00:21:56
    فايه بقى اللي بيحصل جوه الكمبيوتر
  • 00:21:58
    كمبيوتر بيقدر انه يفهم الكلام ازاي هذا
  • 00:22:01
    ما سنعرفه ولكن في الحلقه القادمه وطبعا
  • 00:22:05
    اوعدك انها يعني مش هتاخر ما تقلقش لكن
  • 00:22:08
    المهم دلوقتي انك تعمل لايك وشير وكومنت
  • 00:22:11
    تشترك في القناه وتفعل اشاره الجرس عشان
  • 00:22:14
    تعرف اول ما الحلقه الجديده تنزل وبالمره
  • 00:22:17
    ببص على حلقه السميد عشان دي من التفاصيل
  • 00:22:19
    المهمه اللي لازم تعرفها لو ناي تتخصص في
  • 00:22:22
    الماشين
  • 00:22:24
    ليرن سلام
标签
  • الذكاء الاصطناعي
  • التنبؤ
  • التصنيف
  • الانحدار الخطي
  • الانحدار اللوجستي
  • الشبكات العصبية
  • التعلم العميق
  • البيانات
  • النماذج الرياضية