AI for Business & Productivityعربى
AI Algorithms and Practical Applications
A comprehensive guide to understanding AI algorithms
Unlock the potential of AI with practical insights and applications.
What you'll learn
- Fundamentals of AI algorithms
- Practical implementation techniques
- Real-world application examples
- Data analysis using AI
- Problem-solving with AI tools
- Best practices in algorithm development
About this book
This book serves as an essential resource for anyone looking to delve into the world of artificial intelligence algorithms. It breaks down complex concepts into easily digestible sections, making it accessible for both beginners and seasoned professionals.
Through practical examples and real-world applications, readers will gain a deep understanding of how these algorithms work and how they can be implemented in various fields. This book is not just theoretical; it equips you with the tools to apply AI algorithms effectively in your projects.
Who this book is for
- Students in computer science
- Data scientists and analysts
- Software developers
- AI enthusiasts
- Business professionals interested in AI
Why read this book
- Clear explanations of complex algorithms
- Hands-on approach with practical examples
- Focus on real-world applications
- Suitable for various skill levels
Table of contents
1الفصل الأول
- مقدمة عن الذكاء الصناعي
- Introduction to AI
- مقدمة:
- تاريخ الذكاء الاصطناعي:
- نضوج الذكاء الاصطناعي (1943-1952):
- مولد الذكاء الاصطناعي (1952-1956):
- السنوات الذهبية - الحماس المبكر (1956-1974):
- وابوت -1 (1970-1973):
- وابوت -2 (1980-1984):
- شتاء الذكاء الاصطناعي الأول (1974-1980):
- طفرة الذكاء الاصطناعي (1980-1987):
- شتاء الذكاء الاصطناعي الثاني (1987-1993):
- ظهور الوكلاء الأذكياء (1993-2011):
- التعلم العميق والبيانات الضخمة والذكاء العام الاصطناعي (2011 إلى الوقت الحاضر):
- أنواع الذكاء الاصطناعي:
- الذكاء الصناعي من النوع الأول type1 المعتمد على القدرات:
- 1. ذكاء الاصطناعي الضعيف weakأو ذكاء اصطناعي ضيقNarrow:
- 2. الذكاء الاصطناعي العام:
- 3. الذكاء الصناعي الفائق Super AI:
- الذكاء الاصطناعي النوع الثاني: المعتمد على الوظيفةfunctionality based:
- 1. الآلات التفاعلية Reactive Machines:
- 2. ذاكرة محدودة Limited Memory:
- 3.نظرية العقل Theory Of Mind:
- 4. الوعي الذاتي Self Awarnes:
- أنواع وكلاء الذكاء الاصطناعي AI Agents:
- 1. عامل رد الفعل البسيط :simple reflex Agent
- 2. عامل منعكس قائم على النموذجModel Baed Reflex Agent :
- 3. وكلاء على أساس الهدف:
- 4. وكلاء على أساس الوظيفة :
- 5. وكلاء التعلم:
- يتكون عامل التعلم بشكل أساسي من أربعة مكونات مفاهيمية، وهي:
- وكلاء في الذكاء الاصطناعي:
- ما هو الوكيل؟
- العامل البشري
- العامل الآلي
- عامل البرنامج
- المستشعرsensor
- المشغلاتActuators :
- المستجيباتeffectors :
- العملاء الأذكياء intellegent Agents:
- فيما يلي القواعد الأربع الرئيسية لوكيل الذكاء الاصطناعي:
- الوكيل العقلاني Rational Agent:
- العقلانية:Rationality
- تصميم وكيل الذكاء الاصطناعيstructure of AI Agent :
- الهندسة المعمارية
- وظيفة الوكيل
- برنامج الوكيل
- تمثيل PEAS:
- لنفترض أن السيارة ذاتية القيادة، فإن تمثيل PEAS سيكون:
- بيئة الوكيل في الذكاء الاصطناعيAgent Environment in AI :
- ميزات البيئة Environment Features:
- يمكن ملاحظته بالكامل مقابل يمكن ملاحظته جزئيًا:Fully observable vs Partially Observable:
- محدد deterministicمقابل مشوش stocastic:
- العرضية episodic مقابل التسلسلية Sequential:
- وكيل واحد مقابل وكيل متعدد
- ثابت static مقابل ديناميكي Dynamic:
- رقمي discrete مقابل مستمر Conineouse:
- معروف مقابل غير معروف:
- يمكن الوصول إليها مقابل يتعذر الوصول إليها:
- اختبار تورينج في الذكاء الاصطناعي:
- روبوتات الدردشة لتجربة اختبار تورينج:
- حجة الغرفة الصينية:
- الميزات المطلوبة للآلة لاجتياز اختبار تورينج:
- معالجة اللغة الطبيعية:
- تمثيل المعرفة:
- الاستدلال الآلي:
- التعلم الآلي
- الرؤية (لاختبار تورينج الكلي):
- التحكم في المحرك (لاختبار تورينج الكلي
- خوارزميات البحث في الذكاء الاصطناعي:
- وكلاء حل المشكلات:
- مصطلحات خوارزمية البحث:
- البحث Search
- مساحة البحث Search Space
- حالة البدء Search State
- اختبار الهدف
- شجرة البحث Search Tree
- الإجراءات Actions
- تكلفة المسار
- الحل solution
- الحل الأمثل optimal Solution
- خصائص خوارزميات البحث:
- الاكتمال optimality
- تعقيد الوقتtime Complexty
- تعقيد الفضاءspace complexty
- أنواع خوارزميات البحث:
- البحث غير المطلع / الأعمىuninformed Binary Test :
- يمكن تقسيمها إلى خمسة أنواع رئيسية
- بحث مستنير informed Search
- خوارزميات البحث غير الواعية:
- بحث ثنائي الاتجاه:
- مزايا:
- عيوب:
- تعقيد الوقت
- تعقيد الفضاء
- الاكتمال
- الأمثل
- 2. عمق البحث أولا Depth-first Search:
- المميزات:
- العيوب
- الاكتمال
- تعقيد الوقت
- تعقيد الفضاء
- 3. خوارزمية بحث محدودة العمق:
- المزايا:
- السلبيات
- الاكتمال
- تعقيد الوقت
- تعقيد الفضاء
- 4. خوارزمية البحث ذات التكلفة الموحدة:
- مزايا
- سلبيات
- الاكتمال
- تعقيد الوقت
- تعقيد الفضاء
- 5. التعميق التكراري - البحث أولاً:
- مزايا
- سلبيات
- الاكتمال
- تعقيد الوقت
- تعقيد الفضاء
- 6. خوارزمية البحث ثنائية الاتجاه:
- مزايا
- سلبيات:
- الاكتمال
- تعقيد الوقت
- تعقيد الفضاء
- خوارزميات البحث المستنيرةinformed search alogarithmes :
- وظيفة الاستدلال
- البحث عن مجريات الأمور البحتة:pure heuristic Search
- أفضل خوارزمية البحث الأول (البحث الجشع):
- ( أ ) خوارزمية البحث:
- 1. خوارزمية البحث الأفضل أولاً (البحث الجشع):Best First Alogarithmic Search
- أفضل خوارزمية البحث الأولى:Best First Alogarithmic Search
- مزايا:
- سلبيات:
- مثال:
- تعقيد الوقت
- تعقيد الفضاء
- مكتمل
- 2. خوارزمية البحث:
- خوارزمية البحث A:A* Search Alogarithm
- مزايا:
- سلبيات:
- الحل solution:
- نقطة لنتذكر:
- مكتمل
- مقبول
- الاتساق
- تعقيد الوقت
- تعقيد الفضاء
- خوارزمية تسلق التلال في الذكاء الاصطناعي Hill Climping Alogarithm:
- ميزات تسلق التلال:
- - إنشاء واختبار المتغير
- - النهج الجشع
- - لا تراجع
- مخطط مساحة الدولة لتسلق التلال:
- مناطق مختلفة في المناظر الطبيعية الفضائية للدولة:
- الحد الأقصى المحلي
- الحد الأقصى العالمي
- الحالة الحالية
- الحد الأقصى المحلي المسطح
- الكتف
- أنواع خوارزمية تسلق التلال:types of Hill Climping Alogarithms
- 1. تسلق التلال البسيط:
- خوارزمية لتسلق التلال البسيط:
- 2. تسلق التل الأكثر انحدارًا:
- خوارزمية لتسلق التلال شديدة الانحدار:
- 3. تسلق التل العشوائي:
- مشاكل في خوارزمية تسلق التلال:
- 2. الهضبة
- محاكاة الصلب:simulated Annealing
- تحليل الوسائل والغايات في الذكاء الاصطناعيMeans Analysis in AI:
- كيف يعمل تحليل الوسائل والغايات:
- الهدف الفرعي للمشغل operator subgoaling:
- خوارزمية لتحليل الوسائل والنهايات:
- مثال على تحليل متوسط النهايات:
- المحلول:
- 1. تقييم الحالة الأولية
- 2. تطبيق عامل الحذف:
- 3. تطبيق Expand Operator:
- البحث العدائي Adversarial Search:
- أنواع الألعاب في الذكاء الاصطناعيTypes Of Games In AI:
- معلومات مثالية Perfect information
- معلومات غير كاملةImperfect information
- الألعاب الحتمية
- الألعاب غير الحتمية
- لعبة محصلتها صفرZero Sum Game :
- لعبة محصلتها الصفرية: التفكير المضمن:
- إضفاء الطابع الرسمي على المشكلة:
- - الحالة الأولية:
- - اللاعب (اللاعبون):
- - الإجراء (الإجراءات):
- - النتيجة (النتائج، أ):
- - اختبار (اختبارات) المحطة الطرفية
- - الأداة المساعدة (s، p):
- شجرة اللعبة:
- مثال
- شرح مثال:
- ومن ثم يعمل البحث العدائي عن إجراء minimax على النحو التالي:
- خوارزمية ميني ماكس في الذكاء الاصطناعي:
- الكود الزائف لخوارزمية MinMax:
- الاستدعاء الأول initial call:
- عمل خوارزمية Min-Max:
- خصائص خوارزمية Mini-Max:
- اكتمال
- الأمثل
- تعقيد الوقت
- تعقيد الفضاء
- حدود خوارزمية minimax:
- تقليم ألفا بيتا Alpha-Beta Pruning:
- يمكن تعريف المعلمتين على النحو التالي:
- ألفا
- بيتا
- شرط تقليم ألفا بيتا:
- النقاط الرئيسية حول تقليم ألفا بيتا:
- الكود الافتراضي لـ الفا بيتا:
- عمل تقليم ألفا بيتا:
- نقل الترتيب في تقليم ألفا بيتا:
- يمكن أن يكون من نوعين:
- الترتيب الأسوأ
- الترتيب المثالي
- قواعد للعثور على ترتيب جيد:
2الفصل الثاني
- الذكاء الصناعي المعتمد على المعرفة
- Knowledge Based Artificail Intelegence
- هندسة الوكيل القائم على المعرفة:
- قاعدة المعرفة
- لماذا استخدام قاعدة المعرفة؟
- نظام الاستنتاج Inference System
- مستويات مختلفة من الوكيل القائم على المعرفة:
- 1. مستوى المعرفة:
- 2. المستوى المنطقي:
- 3. مستوى التنفيذ:
- مناهج تصميم وكيل قائم على المعرفة:
- 1. النهج التعريفي
- 2. النهج الإجرائي
- ما هو تمثيل المعرفة؟knowledge representation
- فيما يلي نوع المعرفة التي يجب تمثيلها في أنظمة الذكاء الاصطناعي:
- الكائن
- الأحداث
- الأداء
- المعرفة الفوقية
- الحقائق
- قاعدة المعرفة
- المعرفة
- أنواع المعرفة:
- 1. المعرفة التصريحية:Declarative Knowledge
- 2. المعرفة الإجرائية2 . Procedural Knowledge
- 3. المعرفة الفوقية: Meta-knowledge
- 4. المعرفة الإرشادية:Heuristic knowledge
- 5. المعرفة الهيكلية: Structural knowledge
- العلاقة بين المعرفة والذكاء:
- دورة المعرفة بالذكاء الاصطناعي:AI Knowledge cycle
- مناهج تمثيل المعرفة:approaches to nowledge representation
- 1. المعرفة العلائقية البسيطة:simple relational knowledge
- 2. المعرفة المتوارثة:
- 3. المعرفة الاستنتاجية:
- 4. المعرفة الإجرائية:
- متطلبات نظام التمثيل المعرفي:
- تقنيات تمثيل المعرفة:
- 1. التمثيل المنطقي:
- بناء الجملة:
- دلالات:
- يمكن تصنيف التمثيل المنطقي إلى منطقين رئيسيين:
- مزايا التمثيل المنطقي:
- عيوب التمثيل المنطقي:
- 2. تمثيل الشبكة الدلالية:
- صياغات:
- عيوب التمثيل الدلالي:
- مزايا الشبكة الدلالية:
- 3. تمثيل الإطار:
- المثال الثاني:
- مزايا تمثيل الإطار:
- عيوب تمثيل الإطار:
- 4. قواعد الإنتاج:
- مزايا قاعدة الإنتاج:
- عيوب قاعدة الإنتاج:
3الفصل الثالث
- معالجة النصوص
- String Manipulation
- معالجة الحروف:
- تحديث قيم النصوص:
- حروف الهروب escape characters:
- معاملات الحروف string operators:
- تشكيل النصوص string formation:
- علامة التنصيص الثلاثية triple qoute:
- الدوال النصية string methods:
- اختبار الإجراء isTitle:
4الفصل الرابع
- التعامل مع القوائم Lists
- القوائم داخل بايثون Python Lists:
- التعامل مع عناصر المصفوفة:
- تجديد عناصر المصفوفة update list:
- حذف عناصر من القائمة:
- العمليات الأساسية على القوائم Lists:
- الفهرسة والتقسيم indexing &slicing:
- إجراءات ودوال القوائم List functions and Methods
- دالة الإلحاق append:
- الدالة extend:
- الدالة index:
- دالة الإدخال Insert:
- دالة pop:
- الدالة Remove:
5الفصل الخامس
- التعامل مع القواميس
- Dictionary
- إضافة وتجديد عناصر القاموس:
- حذف عنصر من القاموس:
- الدوال والإجراءات:
- مقارنة القواميس:
- الدالة Str:
- الدالة type:
- الدالة clear:
- الدالة copy:
- الدالة get:
- الدالة has_key:
- الدالة Items:
- الإجراء keys:
- الدالة update:
- الدالة values:
6الفصل السادس
- التعامل مع التاريخ والوقت
- Date And Time
- الزمن time:
- عرض الزمن بصورة مشكلة formatted:
- عرض نتيجة الشهر Calendar of the Month:
- استخدام دوال موديول الوقت time module:
- استخدام دالة ctime:
- الدالة mktime:
- الدالة sleep:
- الدالة strftime:
7الفصل السابع
- كتابة الدوال
- Writing functions
- تعريف الدوال function difinition:
- استدعاء الدالة function call:
- تمرير المعاملات بالقيمة وبالمرجعية:
- تمرير المعاملات الأساسية default paramaters:
- المعاملات متغيرة الأطوال variable length parameters:
- دوال السطر الواحد lambada functions:
8الفصل الثامن
- برمجة الوحدات
- Modules Programming
- أمر الاستدعاء support:
- جملة from...import:
- جملة from ...import
- البحث عن الوحدات:
- تصميم الوحدات module Design:
- الدالة dir():
9الفصل التاسع
- التعامل مع الملفات
- File I/O
- الطباعة على الشاشة:
- قراءة مدخلات لوحة المفاتيح reading keyboard input:
- Input:
- فتح وغلق الملفات:
- فتح ملف open file:
- طريقة كتابة الأمر:
- صفات الملفات file attribute:
- القراءة والكتابة في الملفات:
- القراءة من ملف:
10الفصل العاشر
- جمل التحكم
- جملة if:
- جملة if elif:
- اختبار المتعدد للشروط:
- جملة الشرط:
- جمل التكرار:
- جملة for:
- جملة التكرار الشرطي while:
- الأمر enumerate:
- التحكم في حلقات التكرار:
- الأمر break:
11الفصل الحادي عشر
- التعامل مع أخطاء البرنامج
- Exceptions handling
- التعامل مع الأخطاء Hanling Exception:
- رفع الأخطاء Raising Errors:
12الفصل الثاني عشر
- المصنفات والكائنات
- Classes and objects
- تصميم مصنف class design:
- تعيين قيم للصفات attribute:
13الفصل الثالث عشر
- تصميم واجهات المستخدم باستخدام
- Tkinter
- كتابة التطبيق داخل بيئة اكليبس:
- زر الأمر Button:
- مربع النص Entry:
- أزرار الراديو Radio Buttons:
- زر الاختيار checkbutton:
- كائن القائمة menu widget:
- مربع الحواري للرسائل message:
- المكون منطقة النص text:
- مكون Canvas:
- شريط الانزلاق scrollbar:
- استخدام مكتبة pmw:
- مربع التعريف AboutDialogBox:
- مكون البالونة Ballon:
- مكون صندوق الأزرار Button Box:
- مربع منسدل Combobox:
- مكون ComboBoxDialog:
- مكون العداد :Counter
- مكون المربع الحواري Dialog:
14الفصل الرابع عشر
- تنسور فلو
- Tensorflow
- برنامج TensorFlow التعليمي:
- المتطلبات المسبقة:
- مشاكل:
- ما هو TensorFlow؟
- تاريخ TensorFlow:
- محرك بحث جوجل
- مكونات TensorFlow:
- موتر:
- الرسوم البيانية Graph:
- المميزات:
- جلسةsession:
- لماذا تحظى TensorFlow بشعبية؟
- حالات الاستخدام / تطبيقات TensorFlow:
- 1. الصوت / التعرف على الصوت:
- 2. التعرف على الصور:
- 3. السلاسل الزمنية:
- 4. التعرف على الفيديو video recognesion:
- 5. التطبيقات المستندة إلى النص:
- ميزات TensorFlow:
- 1. بناء متجاوبresponsive construct
- 2. مرنةFlexible
- 3. تدريب بسهولةeasily trainable
- 5. مجتمع كبيرLarg Comunity
- 6. المصدر المفتوحopen source
- 7. أعمدة الميزاتFeature columns
- 8. توافر التوزيعات الإحصائيةavailability of statistical distribution
- 9. مكونات الطبقاتLayered components
- 10. متخيل (مع TensorBoard)visualizer
- 11.مسجل الأحداث (مع TensorBoard)event logger
- تثبيت التنسور فلو Tensorflow installation:
- ما هي pip:
- تثبيت TensorFlow:
- اختبار تثبيت ال Tensorflow:
- تثبيت ال Tensorflow من خلال بيئة Anaconda:
- بناءTensorFlow :
- وحدات TensorFlow:
- نتائج الجريstreaming Result :
- طرازات الوحدات Servable versions:
- الوحدات الصالحة للخدمة servable streams:
- نماذج TensorFlow:
- حاملاتtensorFlow (Tensorflow Loaders):
- مصادر في TensorFlow Architecture:
- مدراء TensorFlow:
- قلب tensorflow ( Tensorflow core ):
- دورة حياة الوحدات life cycle of servables:
- حاملات TensorFlow(TensorFlow Loaders):
- باتشر في هندسة TensorFlow (batcher in Tensorflow Arch )
- مزايا وعيوب TensorFlow:
- تمثيل البيانات في TensorFlow:
- عيوب ال TensorFlow:
15الفصل الخامس عشر
- مختبر تجارب TensorFlow
- TensorFlow Playground
- TensorFlow Playground
- دالة تنشيط الخرج الناعمsoft Activation Function:
- تنفذ ملعب TensorFlow نوعين من التنظيم: L1 و L2.
- تنظيم L1( Regularization L1):
- تنظيم L2 ( Regularization L2):
- نموذج الشبكة العصبية / Perceptron:
- كل الألوان تعني في الملعب
- حالات الاستخدام:
- لماذا يمكننا زيادة الخلايا العصبية في الطبقة المخفية؟
- لماذا نستخدم وظيفة التنشيط غير الخطية لمشاكل التصنيف؟
- لماذا نزيد الطبقات المخفية في الملعب؟
- لماذا يعتبر تنشيط ReLU الخيار الصحيح للطبقات المخفية؟
- إجراء إضافة / تقليل أو تغيير أي ميزات إدخال:
- أساسيات TensorFlow:
- تمثيل التنسور Tesor Representation:
- أنواع التنسورز Tensors Type:
- لمستخدم ويندوز:
- قم بإنشاء تنسور له الابعادn
- شكل التنسور tensor shap:
- أنواع البياناتTypes of Data "
- إنشاء عاملcreating operator:
- بعض عوامل تشغيل TensorFlow المفيدة:
- شرح الكود:
- المتغيرات:
- الإجراء placeholder:
- طريقة أخرى:
- شرح الكود:
- وحدة الرسم graph:
- شرح الكود:
- تخليق tensor من نوع pipeflow:
- أدوات عمل ال tensor:
16الفصل السادس عشر
- تصميم الشبكات العصبية باستخدام tensorflow
- Creating single layer perceptron
- in tensorflow
- الأوزان والانحياز ( Weights and Bias):
- كيف يعمل؟ how it works
- وتتكون الشبكة العصبية من أشكال مختلفة وهى إما طبقة واحدة أو متعددة الطبقات
- متعدد الطبقات المستقبلات:
- طبقة واحدة Perceptron:
- الطبقة المخفية في TensorFlow:
- الشبكة متعددة الطبقات Multilyer perceptron:
- تصميم قسم نشط interactive section:
- تصميم placeholder:
- أين يتم استخدام Numpy؟
- لماذا تستخدم Numpy في Python؟
- تثبيت NumPy:
- مصفوفات Python NumPy:
- إنشاء كائن NumPy ndarray:
- تصميم مصفوفة ذات بعد صفر:
- تصميم مصفوفة ذات بعد 1D
- تصميم مصفوفة ذات بعدين:
- تصميم مصفوفة ثلاثية الأبعاد:
- التحقق من عدد أبعاد المصفوفة:
- أنواع بيانات Python NumPy:
- كائن المكتب numpy المسمى بى dtype:
- تصميم المصفوفات:
- تصميم المصفوفات باستخدام البيانات الموجودة:
- تصميم مصفوفة باستخدام list:
- استخدام الدالة frombuf:
- تصميم مصفوفة باستخدام fromiter:
- تصميم مصفوفة باستخدام arrang:
- إنتاج مصفوفة أرقام مركبة complex numbers:
- استخدام الدالة linspac:
- استرجاع الرقم البيني :
- الدالة logspace:
- ترتيب المصفوفات :
- الترتيب باستخدام الاسم name:
- طباعة ونسخ المصفوفات:
- استخدام الدالة copy لنسخ المصفوفات:
- استخدام الأمر view:
- التعامل مع عناصر المصفوفة:
- عمل عكس للمصفوفة:
- ضرب مصفوفتين:
- استخدام الدالة matmul:
- استخدام الدالة dot"
- ضرب رقم ثابت في مصفوفة:
- استخدام الدالة arrang:
- الدوال الرياضية numpy.ceil():
- تطبيق دالة ceil على القيم السالبة:
- الدالة numpy_floor:
- الدالة trunk:
- الدالة Numpy.fix():
- الدالة islower():
- Matplotlib
- تركيب مكتبة matplotpy:
- حيث أن pyplot
- مكتبة pylab:
- تثبيت مكتبة matplotpy:
- مفاهيم أساسية عن matplotlib:
- 1. الشكلfigure :
- 2. المحورaxis :
- 3. المحاورaxes :
- 4. فنان artist :
- استيراد المكتبة:
- ضبط النمط setting style:
- ما هي Matplotlib PyPlot API"
- الأنواع المختلفة من المخططات:
- المخطط الشريطي bar graph
- المخطط التدريجي histogram
- المخطط التدريجي المزدوج Hist2D
- المخطط الدائري pie graph
- المخطط التربيعى BoxPlot
- الرسم الخطى لرسم الدالة y=f(x)
- رسم الدالة الجيبية:
- رسم العديد من المخططات: