الذكاء
الاصطناعي للمبتدئين: كيف تبني أول نموذج لك؟
هل تريد دخول عالم الذكاء الاصطناعي ولكن لا تعرف من أين
تبدأ؟ هذا الدليل المصوّر سيساعدك على بناء أول نموذج ذكاء اصطناعي خاص
بك حتى لو كنت مبتدئًا تمامًا!
1. ما هو الذكاء الاصطناعي (AI)؟
الذكاء الاصطناعي هو فرع من علوم الكمبيوتر يُعنى ببناء
أنظمة قادرة على التعلم من البيانات واتخاذ قرارات تشبه البشر.
- أمثلة
بسيطة:
- التعرّف
على الصور (مثل فتح هاتفك بالوجه).
- التوصيات
في Netflix أو YouTube.
- الروبوتات
الدردشية مثل ChatGPT.
2. ما الذي تحتاجه لتبدأ؟
- جهاز
كمبيوتر (حتى لو ضعيف المواصفات).
- اتصال
بالإنترنت (لتنزيل الأدوات والمكتبات).
- لغة برمجة: نستخدم Python لأنها الأسهل والأكثر انتشارًا في الذكاء الاصطناعي.
3. خطوات بناء أول نموذج لك
الخطوة 1: تثبيت الأدوات
1.
حمل Python من الموقع الرسمي.
2.
افتح موجه الأوامر
(Terminal) وحمّل المكتبات الأساسية:
bash
Copy
Download
pip install numpy pandas scikit-learn
o
numpy: للتعامل مع الأرقام والمصفوفات.
o
pandas: لتحليل البيانات.
o
scikit-learn: مكتبة جاهزة لبناء نماذج تعلم الآلة.
الخطوة 2: اختر مشروعًا بسيطًا
سنبدأ بـ نموذج يتنبأ بأسعار المنازل بناءً
على مساحتها (بيانات وهمية للتدريب).
⚡ مجموعة البيانات
(Dataset)
|
مساحة المنزل (م²) |
السعر (بالآلاف) |
|
50 |
300 |
|
80 |
480 |
|
120 |
720 |
هذه بيانات مبسطة للشرح، لكن يمكنك استخدام ملفات حقيقية (مثل CSV).
الخطوة 3: كتابة الكود
افتح محرر الأكواد
(مثل
VS Code) والصق هذا الكود:
python
Copy
Download
# 1. استيراد المكتبات
import numpy as np
from sklearn.linear_model import LinearRegression
# 2. تحضير البيانات
(المساحة
= X, السعر
= y)
X = np.array([50, 80, 120]).reshape(-1, 1) # الخصائص
(Features)
y = np.array([300, 480, 720]) # الهدف
(Target)
# 3. إنشاء وتدريب النموذج
model = LinearRegression()
model.fit(X, y)
# 4. التنبؤ بسعر منزل مساحته 100 م²
prediction = model.predict([[100]])
print(f"السعر المتوقع:
{prediction[0]:.0f} ألف") # الناتج: 600 ألف
🔍 شرح الكود:
- LinearRegression(): خوارزمية
بسيطة للتنبؤ بالقيم (تعلم الآلة).
- model.fit(): تدريب
النموذج على البيانات.
- model.predict(): استخدام
النموذج للتنبؤ بقيم جديدة.
الخطوة 4: فهم كيف يعمل النموذج
- النموذج
تعلّم أن السعر = مساحة المنزل × 6 (لأن 50 × 6 = 300، 80 × 6 = 480، إلخ).
- عندما
أدخلنا 100، حسب الناتج: 100 × 6 = 600 ألف.
💡 هذه أبسط خوارزمية في تعلم الآلة تسمى الانحدار الخطي (Linear Regression).
4. كيف تطور نموذجك؟
1.
جرب بيانات حقيقية:
o
استخدم ملفات CSV من Kaggle (مثل House Prices Dataset).
2.
جرب خوارزميات أخرى:
python
Copy
Download
from sklearn.tree import DecisionTreeRegressor
model = DecisionTreeRegressor()
3.
استخدم الذكاء الاصطناعي للتعرّف على الصور:
o
مكتبة TensorFlow أو PyTorch لبناء شبكات عصبية.
5. مصادر مجانية للتعمق
- دورات:
- منصات:
🎯 خاتمة
الآن لديك أول نموذج ذكاء اصطناعي يعمل! 🚀
- جرب تغيير
البيانات، أو استخدم خوارزميات أخرى.
- كلما زادت
بيانات التدريب، أصبح النموذج أدق.
💡 تحدي إضافي: هل يمكنك تعديل الكود للتنبؤ بأسعار السيارات بدلاً من
المنازل؟