اتصل بنا
لو عندك سؤال في الرياضيات أو اقتراح للموقع، ابعتلنا وهنرد عليك في نفس اليوم.
📧 البريد: mostbeah2@gmail.com
▶️ اليوتيوب: رياضيات:كوم
📘 فيسبوك: mathcom2016
يمكنك المراسلة مباشرة من خلال النموذج التالي:
لو عندك سؤال في الرياضيات أو اقتراح للموقع، ابعتلنا وهنرد عليك في نفس اليوم.
📧 البريد: mostbeah2@gmail.com
▶️ اليوتيوب: رياضيات:كوم
📘 فيسبوك: mathcom2016
يمكنك المراسلة مباشرة من خلال النموذج التالي:
أهلاً بيك في math4u06 - الموقع الرسمي لقناة رياضيات:كوم على اليوتيوب.
أنا مستر مصطفى، مدرس رياضيات للمرحلتين الإعدادية والثانوية. بدأت قناة رياضيات:كوم بهدف تحويل الرياضيات من مادة صعبة إلى مادة ممتعة وسهلة الفهم من خلال الشرح بالجرافيك تابلت والحلول الذكية.
هدفنا: مساعدتك على تقفيل مادة الرياضيات لمنهج 2026 من خلال فيديوهات الخلاصة ومراجعات ليلة الامتحان.
قناة اليوتيوب تضم أكثر من 1.7 مليون مشاهدة ولله الحمد.
في موقع math4u06 - رياضيات:كوم، خصوصية زوارنا لها أهمية بالغة لدينا.
يتبع موقعنا إجراء قياسي باستخدام ملفات السجل. هذه الملفات تسجل الزوار عند زيارة المواقع.
نحن نستخدم ملفات تعريف الارتباط لتحسين تجربة المستخدم. نستخدم Google AdSense وقد تستخدم Google ملفات تعريف الارتباط (كوكيز DART) لعرض إعلانات ملائمة للزوار بناءً على زياراتهم لموقعنا ومواقع أخرى على الإنترنت.
يمكنك تعطيل ملفات تعريف الارتباط من خلال إعدادات المتصفح الخاص بك.
قد تستخدم Google موردي جهات خارجية لعرض الإعلانات على موقعنا.
باستخدامك لموقعنا، فإنك توافق على سياسة الخصوصية الخاصة بنا.
للتواصل: mostbeah2@gmail.com
أدخل دالة بسيطة أدناه لحساب تكاملها.
| اسم الطالب | المادة | الدرجة | الحالة |
|---|---|---|---|
| أحمد سعيد | الرياضيات | 85 | ناجح |
| فاطمة علي | العلوم | 92 | ناجح |
| محمد خالد | التاريخ | 60 | راسب |
| ليلى ناصر | اللغة العربية | 78 | ناجح |
| هذا جدول توضيحي لبيانات الطلاب. | |||
الذكاء الاصطناعي يبدو وكأنه سحر، لكنه في الحقيقة يعتمد على أسس رياضية متينة. دعنا نستكشف كيف تساهم الرياضيات في جعل الآلات "تتعلم".
---قبل أن تتمكن الآلة من "تعلم" أي شيء، يجب أن تفهم البيانات. البيانات بالنسبة للذكاء الاصطناعي هي مجرد أرقام، وهذه الأرقام غالبًا ما يتم تنظيمها في شكل **متجهات (Vectors)** و**مصفوفات (Matrices)**.
المتجه: عبارة عن قائمة من الأرقام. يمكن أن يمثل سمات معينة. على سبيل المثال، يمكن لمتجه أن يمثل أبعاد منزل:
\(\X\)= [غرف, حمامات, مساحة].
المصفوفة: مجموعة من المتجهات مرتبة في صفوف وأعمدة. يمكن أن تمثل مجموعة من المنازل وبياناتها.
الجبر الخطي يوفر الأدوات اللازمة للتعامل مع هذه البيانات، مثل ضرب المصفوفات، والتي تستخدم في عمليات مثل تحويل الصور أو تمرير البيانات عبر الشبكات العصبية.
كيف تتعلم الآلة؟ تتعلم عن طريق **تقليل الأخطاء**. فكر في نموذج ذكاء اصطناعي يحاول التنبؤ بأسعار المنازل. في البداية، سيخطئ كثيرًا. مهمة الذكاء الاصطناعي هي تعديل "معرفته" باستمرار لتقليل هذه الأخطاء.
هذه هي الخوارزمية الأساسية التي تستخدمها نماذج التعلم الآلي لتعديل معاييرها (مثل الأوزان والتحيزات) لتقليل دالة الخطأ (Loss Function). دالة الخطأ تقيس مدى سوء أداء النموذج.
يستخدم الانحدار التدريجي مفهوم **المشتقة (Derivative)** من حساب التفاضل والتكامل. المشتقة تخبرنا عن "ميل" الدالة، أي الاتجاه الذي يجب أن نتحرك فيه لتقليل الخطأ.
لنفترض أن لدينا دالة خطأ بسيطة مثل $J(w) = w^2$. نريد إيجاد قيمة $w$ التي تقلل $J(w)$.
المشتقة الأولى: $\frac{dJ}{dw} = 2w$
إذا كانت المشتقة موجبة، يجب أن نقلل $w$. إذا كانت سالبة، يجب أن نزيد $w$. وبهذه الطريقة، "نتدحرج" إلى أسفل منحنى الخطأ حتى نصل إلى أدنى نقطة.
حيث $\alpha$ (ألفا) هي "معدل التعلم" (Learning Rate)، وهي خطوة صغيرة نتحركها في كل مرة.
الذكاء الاصطناعي لا يتنبأ فقط، بل يتخذ قرارات، وغالبًا ما يكون هناك شك. الإحصاء والاحتمالات يساعدان الذكاء الاصطناعي على التعامل مع هذا الشك وفهم توزيع البيانات.
عندما يتنبأ نموذج الذكاء الاصطناعي بشيء، فإنه غالبًا ما يعطي احتمالات. على سبيل المثال، قد يقول النموذج: "هذه الصورة تحتوي على قط بنسبة 95%، وكلب بنسبة 4%، وطائر بنسبة 1%."
تستخدم الاحتمالات لتحديد مدى ثقة النموذج في تنبؤاته. كما تُستخدم التوزيعات الإحصائية (مثل التوزيع الطبيعي) لفهم البيانات وتحديد القيم الشاذة.
دالة الكثافة الاحتمالية (Probability Density Function) للتوزيع الطبيعي هي:
حيث $\mu$ هو المتوسط (Mean) و $\sigma$ هو الانحراف المعياري (Standard Deviation).
الذكاء الاصطناعي ليس سحرًا، بل هو تطبيق قوي للمفاهيم الرياضية التي نتعلمها. الجبر الخطي يساعده على فهم البيانات، وحساب التفاضل والتكامل يمكّنه من التعلم وتقليل الأخطاء، بينما الإحصاء والاحتمالات يساعدانه على التعامل مع عدم اليقين واتخاذ قرارات مستنيرة.
تعلم الرياضيات يمنحك القوة لفهم، وحتى بناء، أنظمة الذكاء الاصطناعي الرائعة!
لمزيد من التعمق، يمكنك استكشاف أساسيات الرياضيات لتعلم الآلة على Coursera أو سلسلة الشبكات العصبية من 3Blue1Brown (باللغة الإنجليزية).
في هذا الدرس، سنتعلم أساسيات الجبر وكيفية حل المعادلات الخطية.
---الجبر هو فرع من فروع الرياضيات يتعامل مع الرموز والمتغيرات والقواعد التي تحكم العمليات الرياضية. يساعدنا الجبر على حل المشكلات التي تتضمن كميات غير معروفة.
بدلاً من الأرقام فقط، نستخدم في الجبر حروفًا مثل $x$ أو $y$ لتمثيل قيم مجهولة.
---المتغير هو رمز (عادة حرف) يمثل قيمة يمكن أن تتغير. على سبيل المثال، في المعادلة \(\huge x + 5 = 10\)، الرمز \(\huge x \) هو متغير.
الثابت هو قيمة لا تتغير. في نفس المعادلة \(\huge x + 5 = 10\)، الرقمان 5 و 10 هما ثوابت.
---المعادلة الخطية هي معادلة يمكن كتابتها على شكل \(\huge Ax + B = C\) حيث $A, B, C$ هي ثوابت و $A \neq 0$.
لحل هذه المعادلة، نريد عزل المتغير $x$ على طرف واحد من المعادلة.
إذن، قيمة $x$ هي $4$.
دعنا نتبع الخطوات لعزل $y$:
إذن، قيمة $y$ هي $8$.
حاول حل المعادلات التالية بنفسك:
في هذا الدرس، تعلمنا أساسيات الجبر، بما في ذلك تعريف المتغيرات والثوابت، وكيفية حل المعادلات الخطية البسيطة. تذكر دائمًا أن الهدف هو عزل المتغير.
لمزيد من الموارد، يمكنك زيارة أكاديمية خان (قسم الجبر).