diff --git a/translations/ar/.co-op-translator.json b/translations/ar/.co-op-translator.json new file mode 100644 index 00000000..beff9f7c --- /dev/null +++ b/translations/ar/.co-op-translator.json @@ -0,0 +1,398 @@ +{ + "AGENTS.md": { + "original_hash": "6b11a37115944252ab3ed04e358d830d", + "translation_date": "2025-10-03T09:12:37+00:00", + "source_file": "AGENTS.md", + "language_code": "ar" + }, + "README.md": { + "original_hash": "1984fc89dd304a8a33ab5584691a99aa", + "translation_date": "2026-01-30T01:08:09+00:00", + "source_file": "README.md", + "language_code": "ar" + }, + "SECURITY.md": { + "original_hash": "a583f49d359c7ebba61433e4dfcd05a9", + "translation_date": "2025-08-26T07:54:42+00:00", + "source_file": "SECURITY.md", + "language_code": "ar" + }, + "etc/CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-08-26T11:16:50+00:00", + "source_file": "etc/CODE_OF_CONDUCT.md", + "language_code": "ar" + }, + "etc/CONTRIBUTING.md": { + "original_hash": "847a587aa1b83f4d00858183ff3ed18a", + "translation_date": "2025-08-26T11:19:14+00:00", + "source_file": "etc/CONTRIBUTING.md", + "language_code": "ar" + }, + "etc/Mindmap.md": { + "original_hash": "f2f88dbd2debd38e26149b27b1fd272d", + "translation_date": "2025-08-26T11:20:32+00:00", + "source_file": "etc/Mindmap.md", + "language_code": "ar" + }, + "etc/SUPPORT.md": { + "original_hash": "fdfc08baee91e402938a2b1f94fe0949", + "translation_date": "2025-08-26T11:15:55+00:00", + "source_file": "etc/SUPPORT.md", + "language_code": "ar" + }, + "etc/TRANSLATIONS.md": { + "original_hash": "62b3e3ad5182edb905eec649a87eeeb4", + "translation_date": "2025-08-26T11:17:47+00:00", + "source_file": "etc/TRANSLATIONS.md", + "language_code": "ar" + }, + "etc/quiz-app/README.md": { + "original_hash": "d699cf8509f74baa5b0b838de5cf0662", + "translation_date": "2025-08-26T11:24:30+00:00", + "source_file": "etc/quiz-app/README.md", + "language_code": "ar" + }, + "examples/README.md": { + "original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7", + "translation_date": "2025-10-03T11:26:52+00:00", + "source_file": "examples/README.md", + "language_code": "ar" + }, + "lessons/0-course-setup/for-teachers.md": { + "original_hash": "a094ef9927883de1cfcee51dbd143381", + "translation_date": "2025-08-26T11:11:35+00:00", + "source_file": "lessons/0-course-setup/for-teachers.md", + "language_code": "ar" + }, + "lessons/0-course-setup/how-to-run.md": { + "original_hash": "a4717bd9103b9f6cd84d534b83534689", + "translation_date": "2026-01-15T10:59:18+00:00", + "source_file": "lessons/0-course-setup/how-to-run.md", + "language_code": "ar" + }, + "lessons/0-course-setup/setup.md": { + "original_hash": "7b4e5b8956915870d0a0ed3cc5890042", + "translation_date": "2025-12-12T19:12:42+00:00", + "source_file": "lessons/0-course-setup/setup.md", + "language_code": "ar" + }, + "lessons/1-Intro/README.md": { + "original_hash": "f57e8aa46141fd220b16ffed8f11aec7", + "translation_date": "2025-11-18T20:38:38+00:00", + "source_file": "lessons/1-Intro/README.md", + "language_code": "ar" + }, + "lessons/1-Intro/assignment.md": { + "original_hash": "a334df77a82aaaf2a29c77065d3e481e", + "translation_date": "2025-11-18T20:39:36+00:00", + "source_file": "lessons/1-Intro/assignment.md", + "language_code": "ar" + }, + "lessons/2-Symbolic/README.md": { + "original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4", + "translation_date": "2026-01-15T10:59:34+00:00", + "source_file": "lessons/2-Symbolic/README.md", + "language_code": "ar" + }, + "lessons/2-Symbolic/assignment.md": { + "original_hash": "a057a8604f3976c3e309884453f1fad0", + "translation_date": "2025-08-26T11:06:38+00:00", + "source_file": "lessons/2-Symbolic/assignment.md", + "language_code": "ar" + }, + "lessons/3-NeuralNetworks/03-Perceptron/README.md": { + "original_hash": "c34cbba802058b6fa267e1a294d4e510", + "translation_date": "2025-09-23T06:36:22+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md", + "language_code": "ar" + }, + "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": { + "original_hash": "ba5d1eb353d20d3e7181066b3c424b99", + "translation_date": "2025-08-29T06:37:38+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md", + "language_code": "ar" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/README.md": { + "original_hash": "789d6c3fb6fc7948a470b33078a5983a", + "translation_date": "2025-09-23T06:36:00+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md", + "language_code": "ar" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": { + "original_hash": "48fdd704d483e19bc3d7464074c9fcbe", + "translation_date": "2025-08-26T10:28:52+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md", + "language_code": "ar" + }, + "lessons/3-NeuralNetworks/05-Frameworks/README.md": { + "original_hash": "ddd216f558a255260a9374008002c971", + "translation_date": "2025-09-23T06:36:40+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md", + "language_code": "ar" + }, + "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": { + "original_hash": "e452d897efb9a89700f41021834cf6e5", + "translation_date": "2025-08-26T10:34:53+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md", + "language_code": "ar" + }, + "lessons/3-NeuralNetworks/README.md": { + "original_hash": "f862a99d88088163df12270e2f2ad6c3", + "translation_date": "2025-10-03T12:42:08+00:00", + "source_file": "lessons/3-NeuralNetworks/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/06-IntroCV/README.md": { + "original_hash": "feeca98225cb420afc89415f24f63d92", + "translation_date": "2025-09-23T06:32:36+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/06-IntroCV/lab/README.md": { + "original_hash": "3d53d6409f80970f7281a45dee35328a", + "translation_date": "2025-08-26T09:40:30+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": { + "original_hash": "53faab85adfcebd8c10bcd71dc2fa557", + "translation_date": "2025-09-23T06:32:00+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/07-ConvNets/README.md": { + "original_hash": "a560d5b845962cf33dc102266e409568", + "translation_date": "2025-09-23T06:31:43+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/07-ConvNets/lab/README.md": { + "original_hash": "b70fcf7fcee862990f848c679090943f", + "translation_date": "2025-10-03T14:52:18+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/08-TransferLearning/README.md": { + "original_hash": "178c0b5ee5395733eb18aec51e71a0a9", + "translation_date": "2025-09-23T06:32:16+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": { + "original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99", + "translation_date": "2025-08-26T09:46:01+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/08-TransferLearning/lab/README.md": { + "original_hash": "7765935c35fcee69b9fe2d0cfd6963e2", + "translation_date": "2025-08-26T09:52:25+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/09-Autoencoders/README.md": { + "original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d", + "translation_date": "2025-09-23T06:33:29+00:00", + "source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/10-GANs/README.md": { + "original_hash": "0ff65b4da07b23697235de2beb2a3c25", + "translation_date": "2025-09-23T06:34:09+00:00", + "source_file": "lessons/4-ComputerVision/10-GANs/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/11-ObjectDetection/README.md": { + "original_hash": "d76a7eda28de5210c8b1ba50a6216c69", + "translation_date": "2025-09-23T06:32:59+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": { + "original_hash": "ad568d55ae65c856fe929fc2b278510a", + "translation_date": "2025-08-26T09:24:23+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/12-Segmentation/README.md": { + "original_hash": "6568aaae7e0e4afed4b5d74b5b223700", + "translation_date": "2025-09-23T06:33:53+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/12-Segmentation/lab/README.md": { + "original_hash": "365f0decfe0f47b460bbde8227c5009d", + "translation_date": "2025-08-26T09:11:53+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md", + "language_code": "ar" + }, + "lessons/4-ComputerVision/README.md": { + "original_hash": "58a52f000089c1d8906a4daa4ab1169b", + "translation_date": "2025-08-26T09:02:20+00:00", + "source_file": "lessons/4-ComputerVision/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/13-TextRep/README.md": { + "original_hash": "dbd3f73e4139f030ecb2e20387d70fee", + "translation_date": "2025-09-23T06:39:15+00:00", + "source_file": "lessons/5-NLP/13-TextRep/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/13-TextRep/assignment.md": { + "original_hash": "cdc1f2e631f055f3473b36d18e4760b3", + "translation_date": "2025-08-26T08:28:19+00:00", + "source_file": "lessons/5-NLP/13-TextRep/assignment.md", + "language_code": "ar" + }, + "lessons/5-NLP/14-Embeddings/README.md": { + "original_hash": "b708c9b85b833864c73c6281f1e6b96e", + "translation_date": "2025-09-23T06:38:58+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/14-Embeddings/assignment.md": { + "original_hash": "bc690ecf68b38d311cc9e12f3144a28c", + "translation_date": "2025-08-26T08:17:32+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/assignment.md", + "language_code": "ar" + }, + "lessons/5-NLP/15-LanguageModeling/README.md": { + "original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57", + "translation_date": "2025-09-23T06:37:21+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/15-LanguageModeling/lab/README.md": { + "original_hash": "5130f01fdc5ebb83032b23d489027aac", + "translation_date": "2025-08-26T08:31:32+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/16-RNN/README.md": { + "original_hash": "e2273cc150380a5e191903cea858f021", + "translation_date": "2025-09-23T06:38:34+00:00", + "source_file": "lessons/5-NLP/16-RNN/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/16-RNN/assignment.md": { + "original_hash": "47f7d3c6a5373543e051e4d1140ce898", + "translation_date": "2025-08-26T08:12:36+00:00", + "source_file": "lessons/5-NLP/16-RNN/assignment.md", + "language_code": "ar" + }, + "lessons/5-NLP/17-GenerativeNetworks/README.md": { + "original_hash": "51be6057374d01d70e07dd5ec88ebc0d", + "translation_date": "2025-09-23T06:37:06+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/17-GenerativeNetworks/lab/README.md": { + "original_hash": "439e12796197a90e7623d4c9c057b9c2", + "translation_date": "2025-08-26T08:22:36+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/18-Transformers/README.md": { + "original_hash": "f335dfcb4a993920504c387973a36957", + "translation_date": "2025-09-23T06:37:33+00:00", + "source_file": "lessons/5-NLP/18-Transformers/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/18-Transformers/assignment.md": { + "original_hash": "177f3ea3995d725e6f9f5c66af16edcd", + "translation_date": "2025-08-26T08:40:29+00:00", + "source_file": "lessons/5-NLP/18-Transformers/assignment.md", + "language_code": "ar" + }, + "lessons/5-NLP/19-NER/README.md": { + "original_hash": "6522312ff835796ca34136a9462fafb2", + "translation_date": "2025-09-23T06:38:17+00:00", + "source_file": "lessons/5-NLP/19-NER/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/19-NER/lab/README.md": { + "original_hash": "032bda5068f543d6c1fcb30c34231461", + "translation_date": "2025-08-26T08:49:36+00:00", + "source_file": "lessons/5-NLP/19-NER/lab/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/20-LangModels/README.md": { + "original_hash": "97836d30a6bec736f8e3b4411c572bc2", + "translation_date": "2025-09-23T06:37:59+00:00", + "source_file": "lessons/5-NLP/20-LangModels/README.md", + "language_code": "ar" + }, + "lessons/5-NLP/README.md": { + "original_hash": "8ef02a9318257ea140ed3ed74442096d", + "translation_date": "2025-08-26T08:01:26+00:00", + "source_file": "lessons/5-NLP/README.md", + "language_code": "ar" + }, + "lessons/6-Other/21-GeneticAlgorithms/README.md": { + "original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a", + "translation_date": "2025-09-23T06:30:26+00:00", + "source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md", + "language_code": "ar" + }, + "lessons/6-Other/22-DeepRL/README.md": { + "original_hash": "04395657fc01648f8f70484d0e55ab67", + "translation_date": "2025-09-23T06:31:17+00:00", + "source_file": "lessons/6-Other/22-DeepRL/README.md", + "language_code": "ar" + }, + "lessons/6-Other/22-DeepRL/lab/README.md": { + "original_hash": "7bd8dc72040e98e35e7225e34058cd4e", + "translation_date": "2025-08-26T10:16:23+00:00", + "source_file": "lessons/6-Other/22-DeepRL/lab/README.md", + "language_code": "ar" + }, + "lessons/6-Other/23-MultiagentSystems/README.md": { + "original_hash": "38a1185ae3d54b180378bbd71ae3ef16", + "translation_date": "2025-09-23T06:30:40+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/README.md", + "language_code": "ar" + }, + "lessons/6-Other/23-MultiagentSystems/assignment.md": { + "original_hash": "cf654ca60c7f86c8dad28596fb42994b", + "translation_date": "2025-08-26T10:10:53+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md", + "language_code": "ar" + }, + "lessons/7-Ethics/README.md": { + "original_hash": "437c988596e751072e41a5aad3fcc5d9", + "translation_date": "2025-08-26T07:57:47+00:00", + "source_file": "lessons/7-Ethics/README.md", + "language_code": "ar" + }, + "lessons/README.md": { + "original_hash": "5fef1a0b22498d7188959e2a2cb08af7", + "translation_date": "2025-08-26T07:57:01+00:00", + "source_file": "lessons/README.md", + "language_code": "ar" + }, + "lessons/X-Extras/X1-MultiModal/README.md": { + "original_hash": "9c592c26aca16ca085d268c732284187", + "translation_date": "2025-08-26T10:17:26+00:00", + "source_file": "lessons/X-Extras/X1-MultiModal/README.md", + "language_code": "ar" + }, + "lessons/sketchnotes/LICENSE.md": { + "original_hash": "45ab63a2cd8f5faef6c9b150618837a4", + "translation_date": "2025-08-26T10:41:46+00:00", + "source_file": "lessons/sketchnotes/LICENSE.md", + "language_code": "ar" + }, + "lessons/sketchnotes/README.md": { + "original_hash": "050b8bddebafba55b129414e6ab096ab", + "translation_date": "2025-08-26T10:40:21+00:00", + "source_file": "lessons/sketchnotes/README.md", + "language_code": "ar" + }, + "troubleshoot.md": { + "original_hash": "8d9c5a4a7c7798d699672a22cb7fea86", + "translation_date": "2025-10-03T09:35:28+00:00", + "source_file": "troubleshoot.md", + "language_code": "ar" + } +} \ No newline at end of file diff --git a/translations/ar/AGENTS.md b/translations/ar/AGENTS.md index 85c38713..39c4ea5a 100644 --- a/translations/ar/AGENTS.md +++ b/translations/ar/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## نظرة عامة على المشروع diff --git a/translations/ar/README.md b/translations/ar/README.md index 22eb25c6..7091401c 100644 --- a/translations/ar/README.md +++ b/translations/ar/README.md @@ -1,232 +1,225 @@ - -[![ترخيص GitHub](https://img.shields.io/github/license/microsoft/AI-For-Beginners.svg)](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE) -[![مساهمو GitHub](https://img.shields.io/github/contributors/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/) +[![رخصة GitHub](https://img.shields.io/github/license/microsoft/AI-For-Beginners.svg)](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE) +[![مساهمون GitHub](https://img.shields.io/github/contributors/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/) [![قضايا GitHub](https://img.shields.io/github/issues/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/issues/) -[![طلبات سحب GitHub](https://img.shields.io/github/issues-pr/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/pulls/) +[![طلبات السحب GitHub](https://img.shields.io/github/issues-pr/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/pulls/) [![مرحباً بطلبات السحب](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![مشاهدو GitHub](https://img.shields.io/github/watchers/microsoft/AI-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/AI-For-Beginners/watchers/) -[![شوكات GitHub](https://img.shields.io/github/forks/microsoft/AI-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/AI-For-Beginners/network/) +[![مشاهدون GitHub](https://img.shields.io/github/watchers/microsoft/AI-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/AI-For-Beginners/watchers/) +[![فوركات GitHub](https://img.shields.io/github/forks/microsoft/AI-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/AI-For-Beginners/network/) [![نجوم GitHub](https://img.shields.io/github/stars/microsoft/AI-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/AI-For-Beginners/stargazers/) -[![Binder](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/microsoft/ai-for-beginners/HEAD) -[![Gitter](https://badges.gitter.im/Microsoft/ai-for-beginners.svg)](https://gitter.im/Microsoft/ai-for-beginners?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge) +[![ميديا بيندر](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/microsoft/ai-for-beginners/HEAD) +[![غتر](https://badges.gitter.im/Microsoft/ai-for-beginners.svg)](https://gitter.im/Microsoft/ai-for-beginners?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge) -[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) +[![ميكروسوفت فاوندري ديسكورد](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) # الذكاء الاصطناعي للمبتدئين - منهج دراسي -|![مخطط ملاحظات بواسطة @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/ar/ai-overview.0857791951d19500.webp)| +|![مخطط سريع بواسطة @girlie_mac https://twitter.com/girlie_mac](../../translated_images/ar/ai-overview.0857791951d19500.webp)| |:---:| -| الذكاء الاصطناعي للمبتدئين - _مخطط ملاحظات بواسطة [@girlie_mac](https://twitter.com/girlie_mac)_ | +| الذكاء الاصطناعي للمبتدئين - _مخطط سريع بواسطة [@girlie_mac](https://twitter.com/girlie_mac)_ | + +استكشف عالم **الذكاء الاصطناعي** (AI) من خلال منهجنا الدراسي المكون من 12 أسبوعًا و24 درسًا! يشمل دروسًا عملية، اختبارات، ومختبرات. المنهج مصمم للمبتدئين ويغطي أدوات مثل TensorFlow وPyTorch، وكذلك الأخلاقيات في الذكاء الاصطناعي. -استكشف عالم **الذكاء الاصطناعي** (AI) مع منهجنا الدراسي المكون من 12 أسبوعًا و24 درسًا! يتضمن دروسًا عملية، واختبارات، ومعامل. المنهج مناسب للمبتدئين ويغطي أدوات مثل TensorFlow وPyTorch، بالإضافة إلى الأخلاقيات في الذكاء الاصطناعي. ### 🌐 دعم متعدد اللغات -#### مدعوم عبر GitHub Action (مؤتمت ودوماً محدث) +#### مدعوم عبر إجراء GitHub (مؤتمت ودائمًا محدث) -[العربية](./README.md) | [البنغالية](../bn/README.md) | [البلغارية](../bg/README.md) | [البورمية (ميانمار)](../my/README.md) | [الصينية (المبسطة)](../zh/README.md) | [الصينية (التقليدية، هونغ كونغ)](../hk/README.md) | [الصينية (التقليدية، ماكاو)](../mo/README.md) | [الصينية (التقليدية، تايوان)](../tw/README.md) | [الكرواتية](../hr/README.md) | [التشيكية](../cs/README.md) | [الدنماركية](../da/README.md) | [الهولندية](../nl/README.md) | [الإستونية](../et/README.md) | [الفنلندية](../fi/README.md) | [الفرنسية](../fr/README.md) | [الألمانية](../de/README.md) | [اليونانية](../el/README.md) | [العبرية](../he/README.md) | [الهندية](../hi/README.md) | [الهنغارية](../hu/README.md) | [الإندونيسية](../id/README.md) | [الإيطالية](../it/README.md) | [اليابانية](../ja/README.md) | [الكانادا](../kn/README.md) | [الكورية](../ko/README.md) | [الليتوانية](../lt/README.md) | [الملايوية](../ms/README.md) | [المالايالامية](../ml/README.md) | [الماراثية](../mr/README.md) | [النيبالية](../ne/README.md) | [نجد محلية نيجيرية](../pcm/README.md) | [النرويجية](../no/README.md) | [الفارسية](../fa/README.md) | [البولندية](../pl/README.md) | [البرتغالية (البرازيل)](../br/README.md) | [البرتغالية (البرتغال)](../pt/README.md) | [البنجابية (غرموخي)](../pa/README.md) | [الرومانية](../ro/README.md) | [الروسية](../ru/README.md) | [الصربية (السيريلية)](../sr/README.md) | [السلوفاكية](../sk/README.md) | [السلوفينية](../sl/README.md) | [الإسبانية](../es/README.md) | [السواحلية](../sw/README.md) | [السويدية](../sv/README.md) | [التاغالوغ (الفلبينية)](../tl/README.md) | [التاميلية](../ta/README.md) | [التيلجو](../te/README.md) | [التايلاندية](../th/README.md) | [التركية](../tr/README.md) | [الأوكرانية](../uk/README.md) | [الأردية](../ur/README.md) | [الفيتنامية](../vi/README.md) +[العربية](./README.md) | [البنغالية](../bn/README.md) | [البلغارية](../bg/README.md) | [البورمية (ميانمار)](../my/README.md) | [الصينية (المبسطة)](../zh-CN/README.md) | [الصينية (التقليدية، هونغ كونغ)](../zh-HK/README.md) | [الصينية (التقليدية، ماكاو)](../zh-MO/README.md) | [الصينية (التقليدية، تايوان)](../zh-TW/README.md) | [الكرواتية](../hr/README.md) | [التشيكية](../cs/README.md) | [الدنماركية](../da/README.md) | [الهولندية](../nl/README.md) | [الإستونية](../et/README.md) | [الفنلندية](../fi/README.md) | [الفرنسية](../fr/README.md) | [الألمانية](../de/README.md) | [اليونانية](../el/README.md) | [العبرية](../he/README.md) | [الهندية](../hi/README.md) | [الهنغارية](../hu/README.md) | [الإندونيسية](../id/README.md) | [الإيطالية](../it/README.md) | [اليابانية](../ja/README.md) | [الكانادية](../kn/README.md) | [الكورية](../ko/README.md) | [اللتوانية](../lt/README.md) | [الماليزية](../ms/README.md) | [المالايالامية](../ml/README.md) | [الماراثية](../mr/README.md) | [النيبالية](../ne/README.md) | [البيجيني النيجيري](../pcm/README.md) | [النرويجية](../no/README.md) | [الفارسية](../fa/README.md) | [البولندية](../pl/README.md) | [البرتغالية (البرازيل)](../pt-BR/README.md) | [البرتغالية (البرتغال)](../pt-PT/README.md) | [البنجابية (غورموخي)](../pa/README.md) | [الرومانية](../ro/README.md) | [الروسية](../ru/README.md) | [الصربية (السيريلية)](../sr/README.md) | [السلوفاكية](../sk/README.md) | [السلوفينية](../sl/README.md) | [الإسبانية](../es/README.md) | [السواحيلية](../sw/README.md) | [السويدية](../sv/README.md) | [التاغالوغ (الفلبينية)](../tl/README.md) | [التاميل](../ta/README.md) | [التيلوجو](../te/README.md) | [التايلاندية](../th/README.md) | [التركية](../tr/README.md) | [الأوكرانية](../uk/README.md) | [الأردية](../ur/README.md) | [الفيتنامية](../vi/README.md) -> **هل تفضل النسخ محليًا؟** +> **تفضل الاستنساخ محليًا؟** -> يتضمن هذا المستودع أكثر من 50 ترجمة للغات تزيد بشكل ملحوظ من حجم التنزيل. للنسخ بدون الترجمات، استخدم التفريغ الجزئي: +> يحتوي هذا المستودع على أكثر من 50 ترجمة للغات مما يزيد بشكل كبير من حجم التنزيل. للاستنساخ بدون الترجمات، استخدم السحب الانتقائي: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git > cd AI-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> هذا يمنحك كل ما تحتاجه لإكمال الدورة مع تحميل أسرع بكثير. +> هذا يعطيك كل ما تحتاجه لإكمال الدورة مع تنزيل أسرع بكثير. **إذا كنت ترغب في دعم لغات ترجمة إضافية، فهي مدرجة [هنا](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** ## انضم إلى المجتمع -[![منصة ديسكورد Microsoft Foundry](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) +[![ميكروسوفت فاوندري ديسكورد](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -## ما الذي ستتعلمه +## ما ستتعلمه **[خريطة ذهنية للدورة](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** -في هذا المنهج، ستتعلم: +في هذا المنهج الدراسي، سوف تتعلم: -* طرق مختلفة للذكاء الاصطناعي، بما في ذلك النهج الرمزي "القديم الجيد" مع **تمثيل المعرفة** والاستدلال ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). -* **الشبكات العصبية** و**التعلم العميق**، وهما جوهر الذكاء الاصطناعي الحديث. سنوضح المفاهيم وراء هذه الموضوعات المهمة باستخدام الكود في اثنين من أشهر الأُطُر - [TensorFlow](http://Tensorflow.org) و[PyTorch](http://pytorch.org). -* **الهياكل العصبية** للعمل مع الصور والنصوص. سنغطي النماذج الحديثة لكن قد ينقصنا بعض أحدث التقدّم. -* طرق ذكاء اصطناعي أقل شهرة، مثل **الخوارزميات الجينية** و**أنظمة الوكلاء المتعددة**. +* نهجًا مختلفة للذكاء الاصطناعي، بما في ذلك النهج الرمزي "القديم الجيد" مع **تمثيل المعرفة** والاستدلال ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). +* **الشبكات العصبية** و **التعلم العميق**، وهي في صميم الذكاء الاصطناعي الحديث. سنوضح المفاهيم وراء هذه المواضيع المهمة باستخدام الأكواد في اثنين من أشهر الأطر - [TensorFlow](http://Tensorflow.org) و [PyTorch](http://pytorch.org). +* **البُنى العصبية** للعمل مع الصور والنصوص. سنغطي النماذج الحديثة ولكن قد تكون أقل حداثة في أحدث التقنيات. +* نهج ذكاء اصطناعي أقل شعبية، مثل **الخوارزميات الجينية** و **أنظمة الوكلاء المتعددين**. ما لن نغطيه في هذا المنهج: -> [اعثر على جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) +> [ابحث عن جميع الموارد الإضافية لهذه الدورة في مجموعتنا على Microsoft Learn](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) -* حالات استخدام **الذكاء الاصطناعي في الأعمال**. يمكن أن تفكر في متابعة مسار التعلم [مقدمة في الذكاء الاصطناعي لمستخدمي الأعمال](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) على Microsoft Learn، أو [مدرسة أعمال الذكاء الاصطناعي](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum)، التي تم تطويرها بالتعاون مع [INSEAD](https://www.insead.edu/). -* **التعلم الآلي الكلاسيكي**، الذي موصوف جيدًا في منهجنا [التعلم الآلي للمبتدئين](http://github.com/Microsoft/ML-for-Beginners). -* تطبيقات الذكاء الاصطناعي العملية المبنية باستخدام **[خدمات الإدراك](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. لهذا، نوصي بالبدء في الوحدات التعليمية في Microsoft Learn المتعلقة بـ[الرؤية الحاسوبية](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum)، و[معالجة اللغة الطبيعية](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum)، و**[الذكاء الاصطناعي التوليدي مع خدمة Azure OpenAI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** وغيرها. -* أُطُر السحابة الخاصة بالتعلم الآلي مثل [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum)، [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum)، أو [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). يمكن استخدام مسارات التعلم [بناء وتشغيل حلول التعلم الآلي باستخدام Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) و[بناء وتشغيل حلول التعلم الآلي باستخدام Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). -* **الذكاء الاصطناعي التحاوري** و**الروبوتات المحادثة**. هناك مسار تعلم منفصل [إنشاء حلول ذكاء اصطناعي تحاورية](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum)، ويمكنك أيضًا الرجوع إلى [هذه التدوينة](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) لمزيد من التفاصيل. -* **الرياضيات العميقة** وراء التعلم العميق. نوصي لذٰلك بـ[التعلم العميق](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) من تأليف إيان جودفيلو ويوشوا بنجيو وآرون كورفيل، المتوفر أيضًا على الإنترنت عبر [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). +* حالات الأعمال لاستخدام **الذكاء الاصطناعي في الأعمال**. ننصح باتباع مسار التعلم [مقدمة في الذكاء الاصطناعي لمستخدمي الأعمال](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) على Microsoft Learn، أو [مدرسة الذكاء الاصطناعي للأعمال](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum)، التي تم تطويرها بالتعاون مع [INSEAD](https://www.insead.edu/). +* **التعلم الآلي الكلاسيكي**، الذي تم تناوله جيدًا في منهجنا [التعلم الآلي للمبتدئين](http://github.com/Microsoft/ML-for-Beginners). +* تطبيقات الذكاء الاصطناعي العملية المبنية باستخدام **[خدمات الإدراك](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. لذلك، نوصي بالبدء بالوحدات التعليمية في Microsoft Learn لـ [الرؤية](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum)، [معالجة اللغة الطبيعية](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum)، **[الذكاء الاصطناعي التوليدي مع خدمة Azure OpenAI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** وغيرها. +* أُطُر التعلم الآلي السحابية المتخصصة، مثل [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum)، [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum)، أو [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). فكر في استخدام مسارات التعلم [بناء وتشغيل حلول التعلم الآلي باستخدام Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) و [بناء وتشغيل حلول التعلم الآلي باستخدام Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). +* **الذكاء الاصطناعي الحواري** و **الروبوتات الحوارية**. هناك مسار تعلم منفصل [إنشاء حلول ذكاء اصطناعي حوارية](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum)، ويمكنك أيضًا الرجوع إلى [هذه التدوينة](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) لمزيد من التفاصيل. +* **الرياضيات العميقة** وراء التعلم العميق. لهذا، نوصي بـ [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) من تأليف إيان جودفيلو، يوشوا بنجيو وآرون كورفيل، والمتاحة أيضًا على الإنترنت في [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). -للمقدمة بلطف عن موضوعات _الذكاء الاصطناعي في السحابة_ قد تنظر في متابعة [البدء مع الذكاء الاصطناعي على Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). +لمقدمة لطيفة حول موضوعات الذكاء الاصطناعي في السحابة قد تفكر في اتباع مسار التعلم [ابدأ مع الذكاء الاصطناعي على Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). # المحتوى -| | رابط الدرس | PyTorch/Keras/TensorFlow | المختبر | +| | رابط الدرس | PyTorch/Keras/TensorFlow | المختبر | | :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | | 0 | [إعداد الدورة](./lessons/0-course-setup/setup.md) | [إعداد بيئة التطوير الخاصة بك](./lessons/0-course-setup/how-to-run.md) | | | I | [**مقدمة في الذكاء الاصطناعي**](./lessons/1-Intro/README.md) | | | | 01 | [مقدمة وتاريخ الذكاء الاصطناعي](./lessons/1-Intro/README.md) | - | - | | II | **الذكاء الاصطناعي الرمزي** | -| 02 | [تمثيل المعرفة وأنظمة الخبراء](./lessons/2-Symbolic/README.md) | [أنظمة الخبراء](./lessons/2-Symbolic/Animals.ipynb) / [الأونتولوجيا](./lessons/2-Symbolic/FamilyOntology.ipynb) /[رسم المفاهيم](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | +| 02 | [تمثيل المعرفة وأنظمة الخبراء](./lessons/2-Symbolic/README.md) | [أنظمة الخبراء](./lessons/2-Symbolic/Animals.ipynb) / [أونتولوجيا](./lessons/2-Symbolic/FamilyOntology.ipynb) /[مخطط المفاهيم](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | | III | [**مقدمة في الشبكات العصبية**](./lessons/3-NeuralNetworks/README.md) ||| -| 03 | [بيرسيبترون](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [دفتر ملاحظات](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [مختبر](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | -| 04 | [بيرسيبترون متعدد الطبقات وإنشاء إطار العمل الخاص بنا](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [دفتر ملاحظات](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [مختبر](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | -| 05 | [مقدمة حول الأُطُر (PyTorch/TensorFlow) وتجاوز التكيف](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [مختبر](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | -| IV | [**الرؤية الحاسوبية**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [استكشاف الرؤية الحاسوبية على مايكروسوفت أزور](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | -| 06 | [مقدمة في الرؤية الحاسوبية. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [دفتر ملاحظات](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [مختبر](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | -| 07 | [الشبكات العصبية التلافيفية](./lessons/4-ComputerVision/07-ConvNets/README.md) & [هندسات CNN](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [مختبر](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | -| 08 | [الشبكات المدربة مسبقًا والتعلم التحويلي](./lessons/4-ComputerVision/08-TransferLearning/README.md) و [حيل التدريب](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [مختبر](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | -| 09 | [المشفّرات الذاتية و VAEs](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | -| 10 | [الشبكات التوليدية التنافسية ونقل الأسلوب الفني](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | -| 11 | [كشف الأجسام](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [مختبر](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | -| 12 | [التجزئة الدلالية. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | -| V | [**معالجة اللغات الطبيعية**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [استكشاف معالجة اللغات الطبيعية على مايكروسوفت أزور](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| -| 13 | [تمثيل النص. الحقيبة/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | -| 14 | [تضمينات الكلمات الدلالية. Word2Vec و GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | -| 15 | [نمذجة اللغة. تدريب التضمينات الخاصة بك](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [مختبر](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | -| 16 | [الشبكات العصبية المتكررة](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | -| 17 | [الشبكات المتكررة التوليدية](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [مختبر](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | -| 18 | [المحولات. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | | -| 19 | [التعرف على الكيانات المسماة](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [مختبر](./lessons/5-NLP/19-NER/lab/README.md) | -| 20 | [نماذج اللغة الكبيرة، برمجة المطالبات ومهام القليل من اللقطات](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | -| VI | **تقنيات ذكاء اصطناعي أخرى** || | -| 21 | [الخوارزميات الجينية](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [دفتر ملاحظات](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | -| 22 | [التعلم المعزز العميق](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [مختبر](./lessons/6-Other/22-DeepRL/lab/README.md) | -| 23 | [أنظمة متعددة الوكلاء](./lessons/6-Other/23-MultiagentSystems/README.md) | | | +| 03 | [بيرسيبترون](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [دفتر الملاحظات](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [مختبر](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | +| 04 | [بيرسيبترون متعدد الطبقات وإنشاء إطار العمل الخاص بنا](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [دفتر الملاحظات](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [مختبر](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | +| 05 | [مقدمة في الأطر (بايتورش/تينسورفلو) والفرط في التخصيص](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [بايتورش](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [كيراس](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [تينسورفلو](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [مختبر](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | +| IV | [**الرؤية الحاسوبية**](./lessons/4-ComputerVision/README.md) | [بايتورش](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [تينسورفلو](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [استكشاف الرؤية الحاسوبية على مايكروسوفت أزور](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | +| 06 | [مقدمة في الرؤية الحاسوبية. أوبن سي في](./lessons/4-ComputerVision/06-IntroCV/README.md) | [دفتر الملاحظات](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [مختبر](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | +| 07 | [الشبكات العصبية الالتفافية](./lessons/4-ComputerVision/07-ConvNets/README.md) & [هندسة شبكات CNN](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [بايتورش](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[تينسورفلو](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [مختبر](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | +| 08 | [الشبكات المدربة مسبقًا والتعلّم النقلي](./lessons/4-ComputerVision/08-TransferLearning/README.md) و[خدع التدريب](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [بايتورش](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [تينسورفلو](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [مختبر](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | +| 09 | [المشفرات التلقائية وVAEs](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [بايتورش](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [تينسورفلو](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | +| 10 | [شبكات الخصومة التوليدية ونقل الأسلوب الفني](./lessons/4-ComputerVision/10-GANs/README.md) | [بايتورش](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [تينسورفلو](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | +| 11 | [كشف الأجسام](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [تينسورفلو](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [مختبر](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | +| 12 | [التقسيم الدلالي. يو-نت](./lessons/4-ComputerVision/12-Segmentation/README.md) | [بايتورش](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [تينسورفلو](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | +| V | [**معالجة اللغة الطبيعية**](./lessons/5-NLP/README.md) | [بايتورش](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[تينسورفلو](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [استكشاف معالجة اللغة الطبيعية على مايكروسوفت أزور](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| +| 13 | [تمثيل النص. الحقيبة/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [بايتورش](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [تينسورفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | +| 14 | [تضمين الكلمات الدلالية. Word2Vec وGloVe](./lessons/5-NLP/14-Embeddings/README.md) | [بايتورش](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [تينسورفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | +| 15 | [نمذجة اللغة. تدريب تضمين خاص بك](./lessons/5-NLP/15-LanguageModeling/README.md) | [بايتورش](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [تينسورفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [مختبر](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | +| 16 | [الشبكات العصبية المتكررة](./lessons/5-NLP/16-RNN/README.md) | [بايتورش](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [تينسورفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | +| 17 | [الشبكات المتكررة التوليدية](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [بايتورش](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [تينسورفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [مختبر](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | +| 18 | [المحولات. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [بايتورش](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[تينسورفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | | +| 19 | [التعرف على الكيانات المسماة](./lessons/5-NLP/19-NER/README.md) | [تينسورفلو](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [مختبر](./lessons/5-NLP/19-NER/lab/README.md) | +| 20 | [نماذج اللغة الكبيرة، برمجة الموجهات والمهام قليلة الأمثلة](./lessons/5-NLP/20-LangModels/README.md) | [بايتورش](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | +| VI | **تقنيات الذكاء الاصطناعي الأخرى** || | +| 21 | [الخوارزميات الجينية](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [دفتر الملاحظات](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | +| 22 | [التعلم المعزز العميق](./lessons/6-Other/22-DeepRL/README.md) | [بايتورش](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[تينسورفلو](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [مختبر](./lessons/6-Other/22-DeepRL/lab/README.md) | +| 23 | [أنظمة الوكلاء المتعددين](./lessons/6-Other/23-MultiagentSystems/README.md) | | | | VII | **أخلاقيات الذكاء الاصطناعي** | | | -| 24 | [أخلاقيات الذكاء الاصطناعي والذكاء الاصطناعي المسؤول](./lessons/7-Ethics/README.md) | [مايكروسوفت ليرن: مبادئ الذكاء الاصطناعي المسؤول](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | +| 24 | [أخلاقيات الذكاء الاصطناعي والذكاء الاصطناعي المسؤول](./lessons/7-Ethics/README.md) | [تعلم مايكروسوفت: مبادئ الذكاء الاصطناعي المسؤول](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | | IX | **إضافات** | | | -| 25 | [الشبكات متعددة الأنماط، CLIP وVQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [دفتر ملاحظات](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | +| 25 | [الشبكات متعددة الوسائط، CLIP وVQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [دفتر الملاحظات](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | -## تحتوي كل درس على +## كل درس يحتوي على -* مادة للقراءة المسبقة -* دفاتر Jupyter قابلة للتنفيذ، غالبًا ما تكون محددة للإطار (**PyTorch** أو **TensorFlow**). يحتوي دفتر الملاحظات التنفيذي أيضًا على الكثير من المواد النظرية، لذا لفهم الموضوع تحتاج إلى المرور على الأقل بإصدار واحد من دفتر الملاحظات (سواء PyTorch أو TensorFlow). -* **مختبرات** متاحة لبعض المواضيع، والتي تعطيك فرصة لتجربة تطبيق المادة التي تعلمتها على مشكلة محددة. -* تحتوي بعض الأقسام على روابط إلى وحدات [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) التي تغطي المواضيع ذات الصلة. +* مواد للقراءة المسبقة +* دفاتر جوبيتر قابلة للتنفيذ، تكون غالبًا محددة للإطار (**بايتورش** أو **تينسورفلو**). يحتوي دفتر الملاحظات القابل للتنفيذ أيضًا على الكثير من المواد النظرية، لذا لفهم الموضوع تحتاج إلى المرور على نسخة واحدة على الأقل من دفتر الملاحظات (إما بايتورش أو تينسورفلو). +* **مختبرات** متاحة لبعض المواضيع، تمنحك فرصة لتجربة تطبيق المادة التي تعلمتها على مشكلة محددة. +* بعض الأقسام تحتوي على روابط إلى وحدات [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) التي تغطي مواضيع ذات صلة. ## البدء -### 🎯 جديد في الذكاء الاصطناعي؟ ابدأ من هنا! +### 🎯 جديد على الذكاء الاصطناعي؟ ابدأ من هنا! -إذا كنت جديدًا تمامًا على الذكاء الاصطناعي وتريد أمثلة سريعة وعملية، تحقق من [**أمثلة مناسبة للمبتدئين**](./examples/README.md)! تشمل هذه: +إذا كنت جديدًا تمامًا على الذكاء الاصطناعي وترغب في أمثلة سريعة وعملية، اطلع على [**أمثلة مناسبة للمبتدئين**](./examples/README.md)! تشمل هذه: -- 🌟 **مرحبًا بالعالم الذكي** - أول برنامج ذكاء اصطناعي لك (التعرف على الأنماط) +- 🌟 **مرحبًا بالعالم AI** - أول برنامج ذكاء اصطناعي لك (التعرف على الأنماط) - 🧠 **شبكة عصبية بسيطة** - بناء شبكة عصبية من الصفر -- 🖼️ **مُصنف الصور** - تصنيف الصور مع تعليقات تفصيلية -- 💬 **تحليل مشاعر النص** - تحليل النص الإيجابي/السلبي -تم تصميم هذه الأمثلة لمساعدتك على فهم مفاهيم الذكاء الاصطناعي قبل الغوص في المنهج الكامل. +- 🖼️ **مصنف الصور** - تصنيف الصور مع تعليقات مفصلة +- 💬 **تحليل احساس النص** - تحليل النص الإيجابي/السلبي -### 📚 إعداد المنهج الكامل +تم تصميم هذه الأمثلة لمساعدتك على فهم مفاهيم الذكاء الاصطناعي قبل الغوص في المنهج الكامل. -- لقد أنشأنا [درس الإعداد](./lessons/0-course-setup/setup.md) لمساعدتك في إعداد بيئة التطوير الخاصة بك. - للمعلمين، أنشأنا أيضًا [درس إعداد المنهج](./lessons/0-course-setup/for-teachers.md)! -- كيفية [تشغيل الكود في VSCode أو Codespace](./lessons/0-course-setup/how-to-run.md) +### 📚 إعداد المنهج الكامل -اتبع هذه الخطوات: +- لقد أنشأنا [درس الإعداد](./lessons/0-course-setup/setup.md) لمساعدتك في إعداد بيئة التطوير الخاصة بك. - للمربين، أنشأنا أيضًا [درس إعداد المناهج](./lessons/0-course-setup/for-teachers.md)! +- كيفية [تشغيل الكود في VSCode أو Codespace](./lessons/0-course-setup/how-to-run.md) -نسخ المستودع: انقر على زر "Fork" في الزاوية العلوية اليمنى من هذه الصفحة. +اتبع هذه الخطوات: -استنساخ المستودع: `git clone https://github.com/microsoft/AI-For-Beginners.git` +فرّع المستودع: انقر على زر "Fork" في الزاوية العلوية اليمنى من هذه الصفحة. -لا تنسى تمييز (🌟) هذا المستودع لسهولة العثور عليه لاحقًا. +استنساخ المستودع: `git clone https://github.com/microsoft/AI-For-Beginners.git` -## تواصل مع متعلمين آخرين +لا تنس أن تضيف نجمة (🌟) لهذا المستودع لتجده بسهولة لاحقًا. -انضم إلى [خادم ديسكورد الرسمي للذكاء الاصطناعي](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) للقاء وتكوين شبكة علاقات مع متعلمين آخرين يدرسون هذا المساق و للحصول على الدعم. +## قابل متعلمين آخرين -إذا كان لديك ملاحظات على المنتج أو أسئلة أثناء البناء، زور منتدى مطوري [Azure AI Foundry](https://aka.ms/foundry/forum) +انضم إلى [خادم ديسكورد الرسمي لـ AI](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) لتلتقي وتتواصل مع متعلمين آخرين يدرسون هذا المساق واحصل على الدعم. -## الاختبارات +إذا كان لديك ملاحظات على المنتج أو أسئلة أثناء البناء، قم بزيارة [منتدى مطوري Azure AI Foundry](https://aka.ms/foundry/forum) -> **ملاحظة حول الاختبارات**: جميع الاختبارات موجودة في مجلد Quiz-app ضمن etc\quiz-app، أو [متوفرة عبر الإنترنت هنا](https://ff-quizzes.netlify.app/) وهي مرتبطة من داخل الدروس. يمكن تشغيل تطبيق الاختبار محليًا أو نشره على Azure؛ اتبع التعليمات في مجلد `quiz-app`. يتم تعريبها تدريجياً. +## الاختبارات القصيرة -## نبحث عن مساعدتك +> **ملاحظة حول الاختبارات القصيرة**: جميع الاختبارات القصيرة موجودة في مجلد Quiz-app داخل etc\quiz-app، أو [عبر الإنترنت هنا](https://ff-quizzes.netlify.app/) وهي مرتبطة من داخل الدروس، يمكن تشغيل تطبيق الاختبار محليًا أو نشره على Azure؛ اتبع التعليمات في مجلد `quiz-app`. هي قيد الترجمة تدريجيًا. -هل لديك اقتراحات أو اكتشفت أخطاء إملائية أو برمجية؟ قم بفتح مشكلة أو إنشاء طلب سحب. +## نريد المساعدة -## شكر خاص +هل لديك اقتراحات أو وجدت أخطاء إملائية أو برمجية؟ قم بفتح مشكلة أو إنشاء طلب سحب. -* **✍️ المؤلف الأساسي:** [دميتري سوشنيكوف](http://soshnikov.com)، دكتوراه -* **🔥 المحرر:** [جين لوبير](https://twitter.com/jenlooper)، دكتوراه -* **🎨 رسام الملاحظات المصورة:** [تومومي إيمورا](https://twitter.com/girlie_mac) -* **✅ منشئ الاختبارات:** [لطيفة بيلو](https://github.com/CinnamonXI)، [MLSA](https://studentambassadors.microsoft.com/) -* **🙏 المساهمون الأساسيون:** [إيفجيني بيششيك](https://github.com/Pe4enIks) +## شكر خاص -## مناهج أخرى +* **✍️ المؤلف الأساسي:** [دميتري سوشنيكوف](http://soshnikov.com), دكتوراه +* **🔥 المحرر:** [جين لووبر](https://twitter.com/jenlooper), دكتوراه +* **🎨 رسام المخططات:** [تومومي إيمورا](https://twitter.com/girlie_mac) +* **✅ منشئ الاختبارات:** [لاتيفا بيلو](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) +* **🙏 المساهمون الأساسيون:** [إيفجيني بيتشيك](https://github.com/Pe4enIks) -ينتج فريقنا مناهج أخرى! اطلع على: +## مناهج أخرى + +فريقنا ينتج مناهج أخرى! تحقق من: -### LangChain -[![LangChain4j للمبتدئين](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js للمبتدئين](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +### LangChain +[![LangChain4j للمبتدئين](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js للمبتدئين](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) ---- +--- -### Azure / Edge / MCP / Agents -[![AZD للمبتدئين](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI للمبتدئين](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP للمبتدئين](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![عملاء الذكاء الاصطناعي للمبتدئين](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +### Azure / Edge / MCP / Agents +[![AZD للمبتدئين](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI للمبتدئين](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP للمبتدئين](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![وكلاء AI للمبتدئين](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) ---- - -### سلسلة الذكاء الاصطناعي التوليدي -[![الذكاء الاصطناعي التوليدي للمبتدئين](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![الذكاء الاصطناعي التوليدي (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![الذكاء الاصطناعي التوليدي (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![الذكاء الاصطناعي التوليدي (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +--- + +### سلسلة الذكاء الاصطناعي التوليدي +[![الذكاء الاصطناعي التوليدي للمبتدئين](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![الذكاء الاصطناعي التوليدي (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![الذكاء الاصطناعي التوليدي (جافا)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![الذكاء الاصطناعي التوليدي (جافاسكريبت)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) ---- - -### التعلم الأساسي -[![تعلم الآلة للمبتدئين](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![علوم البيانات للمبتدئين](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![الذكاء الاصطناعي للمبتدئين](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![الأمن السيبراني للمبتدئين](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![تطوير الويب للمبتدئين](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![إنترنت الأشياء للمبتدئين](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![تطوير XR للمبتدئين](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +--- + +### التعليم الأساسي +[![تعلم الآلة للمبتدئين](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![علوم البيانات للمبتدئين](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![الذكاء الاصطناعي للمبتدئين](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![الأمن السيبراني للمبتدئين](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![تطوير الويب للمبتدئين](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![إنترنت الأشياء للمبتدئين](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![تطوير الواقع الممتد للمبتدئين](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) ---- - -### سلسلة كوبيلوت -[![كوبيلوت للبرمجة المشتركة بالذكاء الاصطناعي](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![كوبيلوت لـ C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![مغامرة كوبيلوت](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +--- + +### سلسلة المساعد الذكي +[![المساعد الذكي للبرمجة المتكاملة مع AI](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![المساعد الذكي لـ C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![مغامرات المساعد الذكي](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## الحصول على المساعدة +## الحصول على المساعدة -إذا علقت أو كان لديك أي أسئلة حول بناء تطبيقات الذكاء الاصطناعي، انضم إلى المتعلمين والزملاء المطورين ذوي الخبرة في مناقشات حول MCP. هي مجتمع داعم حيث الأسئلة مرحب بها والمعرفة تُشارك بحرية. +إذا واجهت صعوبة أو كان لديك أي أسئلة حول بناء تطبيقات الذكاء الاصطناعي، انضم إلى المتعلمين والمطورين ذوي الخبرة في مناقشات حول MCP. إنها مجتمع داعم حيث تُرحب الأسئلة ويُشارك المعرفة بحرية. -[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) +[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -إذا كان لديك ملاحظات على المنتج أو واجهت أخطاء أثناء البناء زر: +إذا كان لديك ملاحظات حول المنتج أو أخطاء أثناء البناء، قم بزيارة: -[![منتدى مطوري Microsoft Foundry](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +[![منتدى مطوري Microsoft Foundry على GitHub](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**إخلاء مسؤولية**: -تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). على الرغم من أننا نسعى لتحقيق الدقة، يرجى العلم بأن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي والموثوق. للمعلومات الحساسة أو الهامة، يوصى بترجمة احترافية من قبل مترجم بشري. نحن غير مسؤولين عن أي سوء فهم أو تفسير خاطئ ناتج عن استخدام هذه الترجمة. +**إخلاء المسؤولية**: +تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نحرص على الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي والموثوق. بالنسبة للمعلومات الحرجة، يُنصح بالاستعانة بترجمة بشرية محترفة. نحن غير مسؤولين عن أي سوء فهم أو تفسير ناتج عن استخدام هذه الترجمة. \ No newline at end of file diff --git a/translations/ar/SECURITY.md b/translations/ar/SECURITY.md index 25d14639..e6773b87 100644 --- a/translations/ar/SECURITY.md +++ b/translations/ar/SECURITY.md @@ -1,12 +1,3 @@ - ## الأمان تأخذ Microsoft أمان منتجاتنا وخدماتنا البرمجية على محمل الجد، بما في ذلك جميع مستودعات الشيفرة المصدرية التي تُدار من خلال منظماتنا على GitHub، والتي تشمل [Microsoft](https://github.com/Microsoft)، [Azure](https://github.com/Azure)، [DotNet](https://github.com/dotnet)، [AspNet](https://github.com/aspnet)، [Xamarin](https://github.com/xamarin)، و[منظماتنا على GitHub](https://opensource.microsoft.com/). diff --git a/translations/ar/etc/CODE_OF_CONDUCT.md b/translations/ar/etc/CODE_OF_CONDUCT.md index 7fabb0cf..d03620b5 100644 --- a/translations/ar/etc/CODE_OF_CONDUCT.md +++ b/translations/ar/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # مدونة قواعد السلوك لمصادر مايكروسوفت المفتوحة لقد تبنى هذا المشروع [مدونة قواعد السلوك لمصادر مايكروسوفت المفتوحة](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/ar/etc/CONTRIBUTING.md b/translations/ar/etc/CONTRIBUTING.md index d2c1a897..f556de02 100644 --- a/translations/ar/etc/CONTRIBUTING.md +++ b/translations/ar/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # المساهمة هذا المشروع يرحب بالمساهمات والاقتراحات. معظم المساهمات تتطلب منك الموافقة على اتفاقية ترخيص المساهم (CLA) التي تؤكد أنك تمتلك الحق في، وتقوم فعليًا، بمنحنا الحقوق لاستخدام مساهمتك. لمزيد من التفاصيل، قم بزيارة diff --git a/translations/ar/etc/Mindmap.md b/translations/ar/etc/Mindmap.md index 72716720..948abf3b 100644 --- a/translations/ar/etc/Mindmap.md +++ b/translations/ar/etc/Mindmap.md @@ -1,12 +1,3 @@ - # الذكاء الاصطناعي ## [مقدمة في الذكاء الاصطناعي](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/ar/etc/SUPPORT.md b/translations/ar/etc/SUPPORT.md index cd2bb11a..86ade4d2 100644 --- a/translations/ar/etc/SUPPORT.md +++ b/translations/ar/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # الدعم ## كيفية الإبلاغ عن المشكلات والحصول على المساعدة diff --git a/translations/ar/etc/TRANSLATIONS.md b/translations/ar/etc/TRANSLATIONS.md index 9aff6422..038417bf 100644 --- a/translations/ar/etc/TRANSLATIONS.md +++ b/translations/ar/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # ساهم بترجمة الدروس نرحب بترجمات الدروس في هذا المنهج! diff --git a/translations/ar/etc/quiz-app/README.md b/translations/ar/etc/quiz-app/README.md index 42facec1..73de6c55 100644 --- a/translations/ar/etc/quiz-app/README.md +++ b/translations/ar/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # الاختبارات هذه الاختبارات هي اختبارات ما قبل وبعد المحاضرات لمنهج الذكاء الاصطناعي على الرابط https://aka.ms/ai-beginners diff --git a/translations/ar/examples/README.md b/translations/ar/examples/README.md index 5ceb35a7..a5b2f210 100644 --- a/translations/ar/examples/README.md +++ b/translations/ar/examples/README.md @@ -1,12 +1,3 @@ - # أمثلة سهلة للمبتدئين في الذكاء الاصطناعي مرحبًا! يحتوي هذا الدليل على أمثلة بسيطة ومستقلة لمساعدتك على البدء في تعلم الذكاء الاصطناعي وتعلم الآلة. تم تصميم كل مثال ليكون مناسبًا للمبتدئين مع تعليقات مفصلة وشرح خطوة بخطوة. diff --git a/translations/ar/lessons/0-course-setup/for-teachers.md b/translations/ar/lessons/0-course-setup/for-teachers.md index ba8c6039..18b9d0b6 100644 --- a/translations/ar/lessons/0-course-setup/for-teachers.md +++ b/translations/ar/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # للمعلمين هل ترغب في استخدام هذا المنهج الدراسي في صفك؟ لا تتردد! diff --git a/translations/ar/lessons/0-course-setup/how-to-run.md b/translations/ar/lessons/0-course-setup/how-to-run.md index e05463ac..ffe2f34c 100644 --- a/translations/ar/lessons/0-course-setup/how-to-run.md +++ b/translations/ar/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # كيفية تشغيل الكود يتضمن هذا المنهج العديد من الأمثلة التنفيذية والمختبرات التي سترغب في تشغيلها. للقيام بذلك، تحتاج إلى القدرة على تنفيذ كود بايثون في دفاتر Jupyter التي تُقدم كجزء من هذا المنهج. لديك عدة خيارات لتشغيل الكود: diff --git a/translations/ar/lessons/0-course-setup/setup.md b/translations/ar/lessons/0-course-setup/setup.md index 1cf9e3b1..e30b65a0 100644 --- a/translations/ar/lessons/0-course-setup/setup.md +++ b/translations/ar/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # البدء مع هذا المنهج ## هل أنت طالب؟ diff --git a/translations/ar/lessons/1-Intro/README.md b/translations/ar/lessons/1-Intro/README.md index 63a1969a..ec0c6d7f 100644 --- a/translations/ar/lessons/1-Intro/README.md +++ b/translations/ar/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # مقدمة في الذكاء الاصطناعي ![ملخص محتوى مقدمة الذكاء الاصطناعي في رسم توضيحي](../../../../translated_images/ar/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/ar/lessons/1-Intro/assignment.md b/translations/ar/lessons/1-Intro/assignment.md index 1b6eef77..0f40aacc 100644 --- a/translations/ar/lessons/1-Intro/assignment.md +++ b/translations/ar/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # مسابقة تطوير الألعاب الألعاب هي مجال تأثر بشكل كبير بتطورات الذكاء الاصطناعي وتعلم الآلة. في هذه المهمة، اكتب مقالًا قصيرًا عن لعبة تحبها وقد تأثرت بتطور الذكاء الاصطناعي. يجب أن تكون اللعبة قديمة بما يكفي لتكون قد تأثرت بعدة أنواع من أنظمة معالجة الكمبيوتر. مثال جيد هو الشطرنج أو لعبة "جو"، ولكن يمكنك أيضًا النظر إلى ألعاب الفيديو مثل "بونغ" أو "باك مان". اكتب مقالًا يناقش ماضي اللعبة، حاضرها، ومستقبلها مع الذكاء الاصطناعي. diff --git a/translations/ar/lessons/2-Symbolic/README.md b/translations/ar/lessons/2-Symbolic/README.md index 28eed326..df83bf13 100644 --- a/translations/ar/lessons/2-Symbolic/README.md +++ b/translations/ar/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # تمثيل المعرفة والأنظمة الخبيرة -![ملخص محتوى الذكاء الاصطناعي الرمزي](../../../../../../translated_images/ar/ai-symbolic.715a30cb610411a6.webp) +![ملخص محتوى الذكاء الاصطناعي الرمزي](../../../../translated_images/ar/ai-symbolic.715a30cb610411a6.webp) > مخطط مرسوم بواسطة [تومومي إيمورا](https://twitter.com/girlie_mac) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: وبالتالي، مشكلة **تمثيل المعرفة** هي إيجاد طريقة فعالة لتمثيل المعرفة داخل الحاسوب في شكل بيانات، لجعلها قابلة للاستخدام تلقائيًا. يمكن رؤية هذا كمجال: -![طيف تمثيل المعرفة](../../../../../../translated_images/ar/knowledge-spectrum.b60df631852c0217.webp) +![طيف تمثيل المعرفة](../../../../translated_images/ar/knowledge-spectrum.b60df631852c0217.webp) > صورة بواسطة [دميتري سوشنيكوف](http://soshnikov.com) @@ -94,7 +85,7 @@ Block Syntax | Indent | | | كان من أوائل نجاحات الذكاء الاصطناعي الرمزي ما يسمى بـ **الأنظمة الخبيرة** - أنظمة حاسوبية صُممت لتعمل كخبير في مجال مشكلة محدد. كانت تعتمد على **قاعدة معرفة** مستخلصة من خبير واحد أو أكثر، وكانت تحتوي على **محرك استدلال** يقوم ببعض الاستدلالات فوقها. -![الهيكل البشري](../../../../../../translated_images/ar/arch-human.5d4d35f1bba3ab1c.webp) | ![نظام قائم على المعرفة](../../../../../../translated_images/ar/arch-kbs.3ec5c150b09fa8da.webp) +![الهيكل البشري](../../../../translated_images/ar/arch-human.5d4d35f1bba3ab1c.webp) | ![نظام قائم على المعرفة](../../../../translated_images/ar/arch-kbs.3ec5c150b09fa8da.webp) ---------------------------------------------|------------------------------------------------ الهيكل المبسط للنظام العصبي البشري | بنية نظام قائم على المعرفة @@ -106,7 +97,7 @@ Block Syntax | Indent | | | كمثال، لننظر في النظام الخبير التالي لتحديد حيوان بناءً على خصائصه الفيزيائية: -![شجرة AND-OR](../../../../../../translated_images/ar/AND-OR-Tree.5592d2c70187f283.webp) +![شجرة AND-OR](../../../../translated_images/ar/AND-OR-Tree.5592d2c70187f283.webp) > صورة بواسطة [دميتري سوشنيكوف](http://soshnikov.com) diff --git a/translations/ar/lessons/2-Symbolic/assignment.md b/translations/ar/lessons/2-Symbolic/assignment.md index 9fa5cf1a..1f7d8b46 100644 --- a/translations/ar/lessons/2-Symbolic/assignment.md +++ b/translations/ar/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # بناء الأنطولوجيا بناء قاعدة معرفة يتعلق بتصنيف نموذج يمثل الحقائق حول موضوع معين. اختر موضوعًا - مثل شخص، مكان، أو شيء - ثم قم ببناء نموذج لهذا الموضوع. استخدم بعض التقنيات واستراتيجيات بناء النماذج التي تم وصفها في هذا الدرس. على سبيل المثال، يمكنك إنشاء أنطولوجيا لغرفة معيشة تحتوي على أثاث، أضواء، وما إلى ذلك. كيف تختلف غرفة المعيشة عن المطبخ؟ الحمام؟ كيف تعرف أنها غرفة معيشة وليست غرفة طعام؟ استخدم [Protégé](https://protege.stanford.edu/) لبناء الأنطولوجيا الخاصة بك. diff --git a/translations/ar/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/ar/lessons/3-NeuralNetworks/03-Perceptron/README.md index 7ede93fb..e4fbf0e7 100644 --- a/translations/ar/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/ar/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # مقدمة في الشبكات العصبية: بيرسيبترون ## [اختبار ما قبل المحاضرة](https://ff-quizzes.netlify.app/en/ai/quiz/5) @@ -15,7 +6,7 @@ CO_OP_TRANSLATOR_METADATA: | | | |--------------|-----------| -|Frank Rosenblatt | The Mark 1 Perceptron| +|Frank Rosenblatt | The Mark 1 Perceptron| > الصور [من ويكيبيديا](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) حيث f هي دالة تفعيل خطوة - + ## تدريب بيرسيبترون diff --git a/translations/ar/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/ar/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index 5e21fdcf..a07083c7 100644 --- a/translations/ar/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/ar/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # التصنيف متعدد الفئات باستخدام Perceptron واجب عملي من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ar/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/ar/lessons/3-NeuralNetworks/04-OwnFramework/README.md index 03812b65..d954fcee 100644 --- a/translations/ar/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/ar/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # مقدمة في الشبكات العصبية. الشبكة العصبية متعددة الطبقات في القسم السابق، تعلمت عن أبسط نموذج للشبكات العصبية - الشبكة العصبية ذات الطبقة الواحدة، وهو نموذج تصنيف خطي ثنائي الفئات. @@ -65,7 +56,7 @@ CO_OP_TRANSLATOR_METADATA: لاحظ أن الجزء الأيسر من جميع هذه التعبيرات هو نفسه، وبالتالي يمكننا حساب المشتقات بشكل فعال بدءًا من دالة الخسارة والانتقال "للخلف" عبر الرسم البياني الحسابي. لذلك تُسمى طريقة تدريب الشبكة العصبية متعددة الطبقات **الانتشار العكسي** أو 'backprop'. -compute graph +compute graph > TODO: مصدر الصورة diff --git a/translations/ar/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/ar/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index c5517bf1..47e95b69 100644 --- a/translations/ar/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/ar/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # تصنيف MNIST باستخدام إطار العمل الخاص بنا مهمة مختبر من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ar/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/ar/lessons/3-NeuralNetworks/05-Frameworks/README.md index 4afdef04..bf4ac988 100644 --- a/translations/ar/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/ar/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # أطر الشبكات العصبية كما تعلمنا بالفعل، لكي نتمكن من تدريب الشبكات العصبية بكفاءة، نحتاج إلى القيام بأمرين: diff --git a/translations/ar/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/ar/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index ba0f0bc5..f863afb7 100644 --- a/translations/ar/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/ar/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # التصنيف باستخدام PyTorch/TensorFlow مهمة عملية من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ar/lessons/3-NeuralNetworks/README.md b/translations/ar/lessons/3-NeuralNetworks/README.md index debb94a4..fae9176b 100644 --- a/translations/ar/lessons/3-NeuralNetworks/README.md +++ b/translations/ar/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # مقدمة في الشبكات العصبية ![ملخص محتوى مقدمة الشبكات العصبية في رسم توضيحي](../../../../translated_images/ar/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/ar/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/ar/lessons/4-ComputerVision/06-IntroCV/README.md index 5d6211b0..0fc1db8e 100644 --- a/translations/ar/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/ar/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # مقدمة إلى رؤية الكمبيوتر [رؤية الكمبيوتر](https://wikipedia.org/wiki/Computer_vision) هي مجال يهدف إلى تمكين أجهزة الكمبيوتر من فهم الصور الرقمية على مستوى عالٍ. هذا تعريف واسع جدًا، لأن *الفهم* يمكن أن يعني أشياء مختلفة، مثل العثور على كائن في صورة (**اكتشاف الكائنات**)، فهم ما يحدث (**اكتشاف الأحداث**)، وصف الصورة بالنص، أو إعادة بناء مشهد ثلاثي الأبعاد. هناك أيضًا مهام خاصة تتعلق بصور البشر: تقدير العمر والمشاعر، اكتشاف الوجه وتحديد الهوية، وتقدير الوضع ثلاثي الأبعاد، على سبيل المثال. @@ -115,7 +106,7 @@ im = cv2.cvtColor(im,cv2.COLOR_BGR2RGB) في هذا المختبر، ستقوم بتسجيل فيديو يحتوي على إيماءات بسيطة، وهدفك هو استخراج الحركات لأعلى/أسفل/يسار/يمين باستخدام التدفق البصري. -إطار حركة الكف +إطار حركة الكف --- diff --git a/translations/ar/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/ar/lessons/4-ComputerVision/06-IntroCV/lab/README.md index 8753f856..ae1b4ba9 100644 --- a/translations/ar/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/ar/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # اكتشاف الحركات باستخدام التدفق البصري مهمة مختبر من [منهج الذكاء الاصطناعي للمبتدئين](https://aka.ms/ai-beginners). diff --git a/translations/ar/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/ar/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index d87a4c0f..fa17cb4d 100644 --- a/translations/ar/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/ar/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # أشهر معماريات الشبكات العصبية التلافيفية (CNN) ### VGG-16 @@ -25,7 +16,7 @@ VGG-16 هي شبكة حققت دقة بنسبة 92.7% في تصنيف ImageNet t ResNet هي عائلة من النماذج التي اقترحتها Microsoft Research في عام 2015. الفكرة الرئيسية لـ ResNet هي استخدام **الكتل المتبقية**: - + > الصورة من [هذه الورقة البحثية](https://arxiv.org/pdf/1512.03385.pdf) @@ -37,7 +28,7 @@ ResNet هي عائلة من النماذج التي اقترحتها Microsoft R معمارية Google Inception تأخذ هذه الفكرة خطوة أبعد، وتبني كل طبقة في الشبكة كمزيج من عدة مسارات مختلفة: - + > الصورة من [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) diff --git a/translations/ar/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/ar/lessons/4-ComputerVision/07-ConvNets/README.md index 22d47845..d4e6c874 100644 --- a/translations/ar/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/ar/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # الشبكات العصبية الالتفافية لقد رأينا سابقًا أن الشبكات العصبية جيدة جدًا في التعامل مع الصور، وحتى الشبكة العصبية ذات الطبقة الواحدة قادرة على التعرف على الأرقام المكتوبة بخط اليد من مجموعة بيانات MNIST بدقة معقولة. ومع ذلك، فإن مجموعة بيانات MNIST مميزة جدًا، حيث يتمركز جميع الأرقام داخل الصورة، مما يجعل المهمة أسهل. @@ -24,7 +15,7 @@ CO_OP_TRANSLATOR_METADATA: على سبيل المثال، إذا قمنا بتطبيق مرشحات الحافة العمودية والحافة الأفقية بحجم 3x3 على أرقام MNIST، يمكننا الحصول على تمييز (مثل القيم العالية) حيث توجد حواف عمودية وأفقية في الصورة الأصلية. وبالتالي يمكن استخدام هذين المرشحين "للبحث عن" الحواف. وبالمثل، يمكننا تصميم مرشحات مختلفة للبحث عن أنماط منخفضة المستوى أخرى: - + > صورة [مجموعة مرشحات ليونغ-مالك](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) diff --git a/translations/ar/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/ar/lessons/4-ComputerVision/07-ConvNets/lab/README.md index ca96bb5a..fc393ada 100644 --- a/translations/ar/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/ar/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # تصنيف وجوه الحيوانات الأليفة مهمة مختبر من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ar/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/ar/lessons/4-ComputerVision/08-TransferLearning/README.md index 188e8fcf..3a57b51d 100644 --- a/translations/ar/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/ar/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # الشبكات المدربة مسبقًا والتعلم بالنقل تدريب الشبكات العصبية الالتفافية (CNNs) يمكن أن يستغرق وقتًا طويلًا، ويتطلب كمية كبيرة من البيانات. ومع ذلك، يتم قضاء معظم الوقت في تعلم أفضل المرشحات منخفضة المستوى التي يمكن للشبكة استخدامها لاستخراج الأنماط من الصور. يبرز سؤال طبيعي - هل يمكننا استخدام شبكة عصبية مدربة على مجموعة بيانات واحدة وتكييفها لتصنيف صور مختلفة دون الحاجة إلى عملية تدريب كاملة؟ diff --git a/translations/ar/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/ar/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index 6a103cd2..48cc58f8 100644 --- a/translations/ar/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/ar/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # حيل تدريب التعلم العميق مع ازدياد عمق الشبكات العصبية، يصبح تدريبها أكثر تحديًا. إحدى المشكلات الرئيسية هي ما يُعرف بـ [تلاشي التدرجات](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) أو [انفجار التدرجات](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.). [هذا المقال](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) يقدم مقدمة جيدة حول هذه المشكلات. diff --git a/translations/ar/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/ar/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index ed182c49..103a36b5 100644 --- a/translations/ar/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/ar/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # تصنيف حيوانات أكسفورد باستخدام التعلم بالنقل مهمة عملية من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ar/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/ar/lessons/4-ComputerVision/09-Autoencoders/README.md index c3cc0494..d386070f 100644 --- a/translations/ar/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/ar/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # الشبكات العصبية التلقائية (Autoencoders) عند تدريب الشبكات العصبية الالتفافية (CNNs)، واحدة من المشاكل هي أننا نحتاج إلى كمية كبيرة من البيانات الموصوفة. في حالة تصنيف الصور، نحتاج إلى فصل الصور إلى فئات مختلفة، وهو جهد يدوي. @@ -46,7 +37,7 @@ VAE هي شبكة تلقائية تتعلم التنبؤ بـ *التوزيع ا * نأخذ عينة `sample` من التوزيع N(zmean,exp(zlog\_sigma)) * يحاول فك التشفير فك تشفير الصورة الأصلية باستخدام `sample` كمتجه مدخل - + > الصورة من [هذه المدونة](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) بواسطة Isaak Dykeman @@ -57,13 +48,13 @@ VAE هي شبكة تلقائية تتعلم التنبؤ بـ *التوزيع ا ميزة مهمة للشبكات العصبية التلقائية التباينية هي أنها تتيح لنا إنشاء صور جديدة بسهولة نسبية، لأننا نعرف التوزيع الذي يمكننا أخذ عينات منه للمتجهات الكامنة. على سبيل المثال، إذا قمنا بتدريب VAE مع متجه كامن ثنائي الأبعاد على MNIST، يمكننا بعد ذلك تغيير مكونات المتجه الكامن للحصول على أرقام مختلفة: -vaemnist +vaemnist > الصورة بواسطة [Dmitry Soshnikov](http://soshnikov.com) لاحظ كيف تمتزج الصور مع بعضها البعض، حيث نبدأ في الحصول على متجهات كامنة من أجزاء مختلفة من فضاء المعلمات الكامنة. يمكننا أيضًا تصور هذا الفضاء في بعدين: -vaemnist cluster +vaemnist cluster > الصورة بواسطة [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/ar/lessons/4-ComputerVision/10-GANs/README.md b/translations/ar/lessons/4-ComputerVision/10-GANs/README.md index 868b5568..a7a68465 100644 --- a/translations/ar/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/ar/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # الشبكات التوليدية التنافسية في القسم السابق، تعلمنا عن **النماذج التوليدية**: وهي نماذج يمكنها إنشاء صور جديدة مشابهة لتلك الموجودة في مجموعة بيانات التدريب. كان VAE مثالًا جيدًا على نموذج توليدي. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: الفكرة الرئيسية لـ GAN هي وجود شبكتين عصبيتين يتم تدريبهما ضد بعضهما البعض: - + > الصورة بواسطة [Dmitry Soshnikov](http://soshnikov.com) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ نظرًا لأن طبقة التلافيف تُنفذ كمرشح خطي يعبر الصورة، فإن التلافيف العكسية تشبه التلافيف ويمكن تنفيذها باستخدام نفس منطق الطبقة. - + > الصورة بواسطة [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/ar/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/ar/lessons/4-ComputerVision/11-ObjectDetection/README.md index ecb373cf..fe824bb5 100644 --- a/translations/ar/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/ar/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # الكشف عن الكائنات النماذج التي تعاملنا معها لتصنيف الصور حتى الآن كانت تأخذ صورة وتنتج نتيجة تصنيفية، مثل فئة "الرقم" في مشكلة MNIST. ومع ذلك، في العديد من الحالات، لا نريد فقط معرفة أن الصورة تحتوي على كائنات - بل نريد تحديد موقعها بدقة. وهذا هو الهدف من **الكشف عن الكائنات**. diff --git a/translations/ar/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/ar/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index 82f5c67a..03886289 100644 --- a/translations/ar/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/ar/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # الكشف عن الرؤوس باستخدام مجموعة بيانات Hollywood Heads مهمة مختبر من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ar/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/ar/lessons/4-ComputerVision/12-Segmentation/README.md index 15550209..d485fc75 100644 --- a/translations/ar/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/ar/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # التجزئة لقد تعلمنا سابقًا عن اكتشاف الكائنات، الذي يسمح لنا بتحديد مواقع الكائنات في الصورة من خلال التنبؤ بـ *الصناديق المحيطة*. ومع ذلك، لبعض المهام، لا نحتاج فقط إلى الصناديق المحيطة، بل نحتاج أيضًا إلى تحديد مواقع الكائنات بدقة أكبر. تُعرف هذه المهمة بـ **التجزئة**. @@ -20,7 +11,7 @@ CO_OP_TRANSLATOR_METADATA: على سبيل المثال، في تجزئة الكائنات، تُعتبر هذه الأغنام كائنات مختلفة، ولكن في التجزئة الدلالية، تُعتبر جميع الأغنام ممثلة بفئة واحدة. - + > الصورة مأخوذة من [هذه المقالة](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) @@ -29,7 +20,7 @@ CO_OP_TRANSLATOR_METADATA: * **المشفّر** يستخرج الميزات من الصورة المدخلة. * **المفكّك** يحوّل تلك الميزات إلى **صورة القناع**، بنفس الحجم وعدد القنوات التي تتوافق مع عدد الفئات. - + > الصورة مأخوذة من [هذا المنشور](https://arxiv.org/pdf/2001.05566.pdf) @@ -43,7 +34,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ هذه التقنية مناسبة بشكل خاص لهذا النوع من التصوير الطبي، ولكن ما هي التطبيقات الواقعية الأخرى التي يمكنك تخيلها؟ -navi +navi > الصورة مأخوذة من قاعدة بيانات PH2 diff --git a/translations/ar/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/ar/lessons/4-ComputerVision/12-Segmentation/lab/README.md index d6a24bee..569a6c92 100644 --- a/translations/ar/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/ar/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # تقسيم جسم الإنسان مهمة مختبر من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ar/lessons/4-ComputerVision/README.md b/translations/ar/lessons/4-ComputerVision/README.md index d17677a7..d00ef52a 100644 --- a/translations/ar/lessons/4-ComputerVision/README.md +++ b/translations/ar/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # رؤية الحاسوب ![ملخص محتوى رؤية الحاسوب في رسم توضيحي](../../../../translated_images/ar/ai-computervision.6506ebebac3fbf76.webp) diff --git a/translations/ar/lessons/5-NLP/13-TextRep/README.md b/translations/ar/lessons/5-NLP/13-TextRep/README.md index cc8f83bf..1722f901 100644 --- a/translations/ar/lessons/5-NLP/13-TextRep/README.md +++ b/translations/ar/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # تمثيل النصوص كموترات ## [اختبار ما قبل المحاضرة](https://ff-quizzes.netlify.app/en/ai/quiz/25) @@ -25,7 +16,7 @@ CO_OP_TRANSLATOR_METADATA: إذا أردنا حل مهام معالجة اللغة الطبيعية (NLP) باستخدام الشبكات العصبية، نحتاج إلى طريقة لتمثيل النصوص كموترات. الحواسيب بالفعل تمثل الأحرف النصية كأرقام تُعرض كخطوط على الشاشة باستخدام ترميزات مثل ASCII أو UTF-8. -صورة تظهر مخططًا يربط الحرف بتمثيل ASCII وثنائي +صورة تظهر مخططًا يربط الحرف بتمثيل ASCII وثنائي > [مصدر الصورة](https://www.seobility.net/en/wiki/ASCII) @@ -48,7 +39,7 @@ CO_OP_TRANSLATOR_METADATA: عند حل مهام مثل تصنيف النصوص، نحتاج إلى تمثيل النص بواسطة متجه ثابت الحجم، والذي سنستخدمه كمدخل للمصنف النهائي الكثيف. إحدى أبسط الطرق للقيام بذلك هي دمج جميع تمثيلات الكلمات الفردية، على سبيل المثال، عن طريق جمعها. إذا جمعنا الترميزات الواحد لكل كلمة، سنحصل على متجه ترددات، يظهر عدد مرات ظهور كل كلمة داخل النص. يُعرف هذا التمثيل للنص باسم **حقيبة الكلمات** (BoW). - + > صورة من المؤلف diff --git a/translations/ar/lessons/5-NLP/13-TextRep/assignment.md b/translations/ar/lessons/5-NLP/13-TextRep/assignment.md index c6b93c0e..28dc54b8 100644 --- a/translations/ar/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/ar/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # المهمة: دفاتر الملاحظات باستخدام دفاتر الملاحظات المرتبطة بهذه الدرس (سواء نسخة PyTorch أو TensorFlow)، قم بتشغيلها مرة أخرى باستخدام مجموعة بيانات خاصة بك، ربما واحدة من Kaggle، مع الإشارة إلى المصدر. أعد كتابة دفتر الملاحظات لتسليط الضوء على استنتاجاتك الخاصة. جرب بعض مجموعات البيانات المبتكرة التي قد تكون مفاجئة، مثل [هذه المجموعة عن مشاهدات الأجسام الطائرة المجهولة](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) من NUFORC. diff --git a/translations/ar/lessons/5-NLP/14-Embeddings/README.md b/translations/ar/lessons/5-NLP/14-Embeddings/README.md index 352448ce..2489ee5c 100644 --- a/translations/ar/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/ar/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # التضمينات ## [اختبار ما قبل المحاضرة](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/ar/lessons/5-NLP/14-Embeddings/assignment.md b/translations/ar/lessons/5-NLP/14-Embeddings/assignment.md index c43b5a69..7630abdc 100644 --- a/translations/ar/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/ar/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # المهمة: دفاتر الملاحظات باستخدام دفاتر الملاحظات المرتبطة بهذه الدرس (سواء نسخة PyTorch أو TensorFlow)، قم بإعادة تشغيلها باستخدام مجموعة بيانات خاصة بك، ربما واحدة من Kaggle، مع ذكر المصدر. قم بإعادة كتابة دفتر الملاحظات لتسليط الضوء على استنتاجاتك الخاصة. جرب نوعًا مختلفًا من مجموعات البيانات ووثق استنتاجاتك، باستخدام نصوص مثل [كلمات أغاني البيتلز هذه](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics). diff --git a/translations/ar/lessons/5-NLP/15-LanguageModeling/README.md b/translations/ar/lessons/5-NLP/15-LanguageModeling/README.md index 87d506a7..5c26b214 100644 --- a/translations/ar/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/ar/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # نمذجة اللغة التضمينات الدلالية، مثل Word2Vec وGloVe، تُعتبر في الواقع خطوة أولى نحو **نمذجة اللغة** - إنشاء نماذج تفهم (أو تمثل) طبيعة اللغة بطريقة ما. diff --git a/translations/ar/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/ar/lessons/5-NLP/15-LanguageModeling/lab/README.md index 3f01b213..f28e3f99 100644 --- a/translations/ar/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/ar/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # تدريب نموذج Skip-Gram مهمة عملية من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ar/lessons/5-NLP/16-RNN/README.md b/translations/ar/lessons/5-NLP/16-RNN/README.md index 25347eda..15dbf894 100644 --- a/translations/ar/lessons/5-NLP/16-RNN/README.md +++ b/translations/ar/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # الشبكات العصبية المتكررة ## [اختبار ما قبل المحاضرة](https://ff-quizzes.netlify.app/en/ai/quiz/31) @@ -31,7 +22,7 @@ CO_OP_TRANSLATOR_METADATA: تحتوي خلية RNN بسيطة على مصفوفتين وزنيتين داخليًا: واحدة تحول رمز المدخل (دعونا نسميها W)، والأخرى تحول حالة المدخل (H). في هذه الحالة يتم حساب مخرج الشبكة كـ σ(W×Xi+H×Si-1+b)، حيث σ هي دالة التنشيط وb هو انحياز إضافي. -تشريح خلية RNN +تشريح خلية RNN > الصورة من إعداد المؤلف diff --git a/translations/ar/lessons/5-NLP/16-RNN/assignment.md b/translations/ar/lessons/5-NLP/16-RNN/assignment.md index 96119729..f78da90e 100644 --- a/translations/ar/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/ar/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # المهمة: دفاتر الملاحظات باستخدام دفاتر الملاحظات المرتبطة بهذه الدرس (سواء نسخة PyTorch أو TensorFlow)، قم بإعادة تشغيلها باستخدام مجموعة بيانات خاصة بك، ربما واحدة من Kaggle، مع الإشارة إلى المصدر. أعد كتابة دفتر الملاحظات لتسليط الضوء على استنتاجاتك الخاصة. جرب نوعًا مختلفًا من مجموعات البيانات ووثق استنتاجاتك، باستخدام نصوص مثل [مجموعة بيانات هذه المسابقة على Kaggle حول تغريدات الطقس](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv). diff --git a/translations/ar/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/ar/lessons/5-NLP/17-GenerativeNetworks/README.md index 1e85a1dd..16feb4a5 100644 --- a/translations/ar/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/ar/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # الشبكات التوليدية ## [اختبار ما قبل المحاضرة](https://ff-quizzes.netlify.app/en/ai/quiz/33) @@ -36,7 +27,7 @@ CO_OP_TRANSLATOR_METADATA: عند توليد النصوص (أثناء الاستدلال)، نبدأ ببعض **المحفزات**، التي تمر عبر خلايا RNN لتوليد حالتها الوسيطة، ومن هذه الحالة يبدأ التوليد. نقوم بتوليد حرف واحد في كل مرة، ونمرر الحالة والحرف المُولد إلى خلية RNN أخرى لتوليد الحرف التالي، حتى يتم توليد عدد كافٍ من الحروف. - + > الصورة بواسطة المؤلف diff --git a/translations/ar/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/ar/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index eda433cd..932fe274 100644 --- a/translations/ar/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/ar/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # إنشاء نص على مستوى الكلمات باستخدام الشبكات العصبية المتكررة مهمة عملية من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ar/lessons/5-NLP/18-Transformers/README.md b/translations/ar/lessons/5-NLP/18-Transformers/README.md index 0d0782ec..8cf08c5a 100644 --- a/translations/ar/lessons/5-NLP/18-Transformers/README.md +++ b/translations/ar/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # آليات الانتباه ونماذج المحولات ## [اختبار ما قبل المحاضرة](https://ff-quizzes.netlify.app/en/ai/quiz/35) @@ -56,7 +47,7 @@ CO_OP_TRANSLATOR_METADATA: * تضمين قابل للتدريب، مشابه لتضمين الرموز. هذا هو النهج الذي نعتبره هنا. نطبق طبقات التضمين على كل من الرموز ومواضعها، مما ينتج عنه متجهات تضمين بنفس الأبعاد، والتي نضيفها معًا. * وظيفة تشفير المواضع الثابتة، كما هو مقترح في الورقة الأصلية. - + > الصورة بواسطة المؤلف diff --git a/translations/ar/lessons/5-NLP/18-Transformers/assignment.md b/translations/ar/lessons/5-NLP/18-Transformers/assignment.md index df22a019..8054a153 100644 --- a/translations/ar/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/ar/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # المهمة: المحولات جرّب العمل مع المحولات باستخدام HuggingFace! قم بتجربة بعض السكربتات التي يقدمونها للعمل مع النماذج المختلفة المتوفرة على موقعهم: https://huggingface.co/docs/transformers/run_scripts. جرّب أحد مجموعات البيانات الخاصة بهم، ثم قم باستيراد مجموعة بيانات خاصة بك من هذا المنهاج أو من Kaggle، وانظر إذا كان بإمكانك توليد نصوص مثيرة للاهتمام. قم بإعداد دفتر ملاحظات يحتوي على نتائجك. diff --git a/translations/ar/lessons/5-NLP/19-NER/README.md b/translations/ar/lessons/5-NLP/19-NER/README.md index 19e6daab..b8231e55 100644 --- a/translations/ar/lessons/5-NLP/19-NER/README.md +++ b/translations/ar/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # التعرف على الكيانات المسماة حتى الآن، كنا نركز بشكل أساسي على مهمة واحدة في معالجة اللغة الطبيعية - التصنيف. ومع ذلك، هناك مهام أخرى يمكن تحقيقها باستخدام الشبكات العصبية. واحدة من هذه المهام هي **[التعرف على الكيانات المسماة](https://wikipedia.org/wiki/Named-entity_recognition)** (NER)، والتي تتعامل مع التعرف على كيانات محددة داخل النص، مثل الأماكن، أسماء الأشخاص، فترات الزمن، الصيغ الكيميائية، وغيرها. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: افترض أنك تريد تطوير روبوت دردشة يعتمد على اللغة الطبيعية، مشابه لـ Amazon Alexa أو Google Assistant. الطريقة التي تعمل بها روبوتات الدردشة الذكية هي *فهم* ما يريده المستخدم من خلال تصنيف النص في الجملة المدخلة. نتيجة هذا التصنيف تُعرف بـ **النية**، والتي تحدد ما يجب أن يقوم به روبوت الدردشة. -Bot NER +Bot NER > الصورة من إعداد المؤلف diff --git a/translations/ar/lessons/5-NLP/19-NER/lab/README.md b/translations/ar/lessons/5-NLP/19-NER/lab/README.md index 38cde9b1..b8abe867 100644 --- a/translations/ar/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/ar/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # التعرف على الكيانات المسماة (NER) مهمة معملية من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ar/lessons/5-NLP/20-LangModels/README.md b/translations/ar/lessons/5-NLP/20-LangModels/README.md index d3b25490..ac10ad6b 100644 --- a/translations/ar/lessons/5-NLP/20-LangModels/README.md +++ b/translations/ar/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # نماذج اللغة الكبيرة المدربة مسبقًا في جميع المهام السابقة، كنا نقوم بتدريب شبكة عصبية لأداء مهمة معينة باستخدام مجموعة بيانات مُعلمة. مع النماذج الكبيرة القائمة على المحولات، مثل BERT، نستخدم نمذجة اللغة بطريقة ذاتية الإشراف لبناء نموذج لغة، يتم تخصيصه لاحقًا لمهام محددة من خلال تدريب إضافي خاص بالمجال. ومع ذلك، فقد تم إثبات أن النماذج الكبيرة للغة يمكنها أيضًا حل العديد من المهام دون أي تدريب خاص بالمجال. عائلة النماذج القادرة على القيام بذلك تُسمى **GPT**: المحول المدرب مسبقًا التوليدي. diff --git a/translations/ar/lessons/5-NLP/README.md b/translations/ar/lessons/5-NLP/README.md index 1b0612fa..cc0d1064 100644 --- a/translations/ar/lessons/5-NLP/README.md +++ b/translations/ar/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # معالجة اللغة الطبيعية ![ملخص مهام معالجة اللغة الطبيعية في رسم توضيحي](../../../../translated_images/ar/ai-nlp.b22dcb8ca4707cea.webp) diff --git a/translations/ar/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/ar/lessons/6-Other/21-GeneticAlgorithms/README.md index f18b01b4..e668cfe2 100644 --- a/translations/ar/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/ar/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # الخوارزميات الجينية ## [اختبار ما قبل المحاضرة](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/ar/lessons/6-Other/22-DeepRL/README.md b/translations/ar/lessons/6-Other/22-DeepRL/README.md index 634cc5a4..fb496f79 100644 --- a/translations/ar/lessons/6-Other/22-DeepRL/README.md +++ b/translations/ar/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # التعلم العميق بالتعزيز يُعتبر التعلم بالتعزيز (RL) أحد الأسس الرئيسية لنماذج التعلم الآلي، إلى جانب التعلم الموجّه والتعلم غير الموجّه. بينما يعتمد التعلم الموجّه على مجموعة بيانات تحتوي على نتائج معروفة، فإن التعلم بالتعزيز يعتمد على **التعلم من خلال التجربة**. على سبيل المثال، عندما نرى لعبة فيديو لأول مرة، نبدأ باللعب دون معرفة القواعد، وسرعان ما نتمكن من تحسين مهاراتنا فقط من خلال عملية اللعب وتعديل سلوكنا. @@ -34,7 +25,7 @@ CO_OP_TRANSLATOR_METADATA: نسخة مبسطة من التوازن تُعرف بمشكلة **CartPole**. في عالم CartPole، لدينا منزلق أفقي يمكنه التحرك يمينًا أو يسارًا، والهدف هو توازن عمود عمودي فوق المنزلق أثناء تحركه. -a cartpole +a cartpole لإنشاء واستخدام هذه البيئة، نحتاج إلى بضعة أسطر من كود Python: diff --git a/translations/ar/lessons/6-Other/22-DeepRL/lab/README.md b/translations/ar/lessons/6-Other/22-DeepRL/lab/README.md index ba7edb94..977a3201 100644 --- a/translations/ar/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/ar/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - ## البيئة يتكون بيئة Mountain Car من سيارة محاصرة داخل وادٍ. هدفك هو القفز خارج الوادي والوصول إلى العلم. الإجراءات التي يمكنك القيام بها هي التسارع إلى اليسار، أو إلى اليمين، أو عدم القيام بأي شيء. يمكنك مراقبة موقع السيارة على المحور x، وسرعتها. diff --git a/translations/ar/lessons/6-Other/23-MultiagentSystems/README.md b/translations/ar/lessons/6-Other/23-MultiagentSystems/README.md index 83884d04..896fdc45 100644 --- a/translations/ar/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/ar/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # الأنظمة متعددة الوكلاء إحدى الطرق الممكنة لتحقيق الذكاء هي النهج المعروف بـ **الظهور** (أو **التآزر**)، والذي يعتمد على حقيقة أن السلوك المشترك للعديد من الوكلاء البسيطين نسبيًا يمكن أن يؤدي إلى سلوك أكثر تعقيدًا (أو ذكاءً) للنظام ككل. نظريًا، يعتمد هذا على مبادئ [الذكاء الجماعي](https://en.wikipedia.org/wiki/Collective_intelligence)، [الظهورية](https://en.wikipedia.org/wiki/Global_brain)، و[السيبرنتيك التطوري](https://en.wikipedia.org/wiki/Global_brain)، التي تنص على أن الأنظمة ذات المستوى الأعلى تكتسب نوعًا من القيمة المضافة عند دمجها بشكل صحيح من أنظمة ذات مستوى أدنى (ما يسمى *مبدأ الانتقال بين الأنظمة*). @@ -60,7 +51,7 @@ ask turtles [ الشيء الرائع في NetLogo هو أنه يحتوي على مكتبة من النماذج الجاهزة التي يمكنك تجربتها. انتقل إلى **File → Models Library**، وستجد العديد من الفئات للاختيار من بينها. -مكتبة نماذج NetLogo +مكتبة نماذج NetLogo > لقطة شاشة لمكتبة النماذج بواسطة Dmitry Soshnikov diff --git a/translations/ar/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/ar/lessons/6-Other/23-MultiagentSystems/assignment.md index 2bb09b9d..7b85a1b5 100644 --- a/translations/ar/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/ar/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # واجب NetLogo اختر أحد النماذج من مكتبة NetLogo واستخدمه لمحاكاة موقف من الحياة الواقعية بأكبر قدر ممكن من الدقة. مثال جيد سيكون تعديل نموذج الفيروس الموجود في مجلد Alternative Visualizations لإظهار كيف يمكن استخدامه لنمذجة انتشار فيروس COVID-19. هل يمكنك بناء نموذج يحاكي انتشار فيروس في الحياة الواقعية؟ diff --git a/translations/ar/lessons/7-Ethics/README.md b/translations/ar/lessons/7-Ethics/README.md index b52ff2ee..1668cb0d 100644 --- a/translations/ar/lessons/7-Ethics/README.md +++ b/translations/ar/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # الذكاء الاصطناعي الأخلاقي والمسؤول لقد أوشكت على إنهاء هذه الدورة، وآمل أنه بحلول هذه المرحلة أصبحت ترى بوضوح أن الذكاء الاصطناعي يعتمد على عدد من الأساليب الرياضية الرسمية التي تسمح لنا باكتشاف العلاقات في البيانات وتدريب النماذج لتكرار بعض جوانب السلوك البشري. في هذه المرحلة من التاريخ، نعتبر الذكاء الاصطناعي أداة قوية جدًا لاستخراج الأنماط من البيانات وتطبيق تلك الأنماط لحل مشاكل جديدة. diff --git a/translations/ar/lessons/README.md b/translations/ar/lessons/README.md index 3d8154ef..862de9d5 100644 --- a/translations/ar/lessons/README.md +++ b/translations/ar/lessons/README.md @@ -1,12 +1,3 @@ - # نظرة عامة ![نظرة عامة في رسم توضيحي](../../../translated_images/ar/ai-overview.0857791951d19500.webp) diff --git a/translations/ar/lessons/X-Extras/X1-MultiModal/README.md b/translations/ar/lessons/X-Extras/X1-MultiModal/README.md index 6290c68d..84d51474 100644 --- a/translations/ar/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/ar/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # الشبكات متعددة الوسائط بعد نجاح نماذج المحولات (Transformers) في حل مهام معالجة اللغة الطبيعية (NLP)، تم تطبيق نفس البنى أو مشابهة لها على مهام رؤية الحاسوب. هناك اهتمام متزايد ببناء نماذج تجمع بين قدرات الرؤية واللغة الطبيعية. إحدى هذه المحاولات قامت بها OpenAI، وتُعرف بـ CLIP وDALL.E. diff --git a/translations/ar/lessons/sketchnotes/LICENSE.md b/translations/ar/lessons/sketchnotes/LICENSE.md index ff0bc896..556045cf 100644 --- a/translations/ar/lessons/sketchnotes/LICENSE.md +++ b/translations/ar/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - الإسناد-المشاركة بالمثل 4.0 الدولية ======================================================================= diff --git a/translations/ar/lessons/sketchnotes/README.md b/translations/ar/lessons/sketchnotes/README.md index 71101f2c..de77e309 100644 --- a/translations/ar/lessons/sketchnotes/README.md +++ b/translations/ar/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - يمكن تنزيل جميع ملاحظات الرسم الخاصة بالمناهج الدراسية من هنا. 🎨 تم الإنشاء بواسطة: تومومي إيمورا (تويتر: [@girlie_mac](https://twitter.com/girlie_mac)، جيت هب: [girliemac](https://github.com/girliemac)) diff --git a/translations/ar/troubleshoot.md b/translations/ar/troubleshoot.md index 02c98082..3407464e 100644 --- a/translations/ar/troubleshoot.md +++ b/translations/ar/troubleshoot.md @@ -1,12 +1,3 @@ - # دليل استكشاف الأخطاء وإصلاحها للمبتدئين في الذكاء الاصطناعي يساعدك هذا الدليل في حل المشكلات الشائعة التي قد تواجهها أثناء استخدام أو المساهمة في مستودع [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners). يتضمن كل مشكلة خلفية، أعراض، تفسيرات، وحلول خطوة بخطوة. diff --git a/translations/fa/.co-op-translator.json b/translations/fa/.co-op-translator.json new file mode 100644 index 00000000..98a3cb83 --- /dev/null +++ b/translations/fa/.co-op-translator.json @@ -0,0 +1,398 @@ +{ + "AGENTS.md": { + "original_hash": "6b11a37115944252ab3ed04e358d830d", + "translation_date": "2025-10-03T09:13:03+00:00", + "source_file": "AGENTS.md", + "language_code": "fa" + }, + "README.md": { + "original_hash": "1984fc89dd304a8a33ab5584691a99aa", + "translation_date": "2026-01-30T01:09:53+00:00", + "source_file": "README.md", + "language_code": "fa" + }, + "SECURITY.md": { + "original_hash": "a583f49d359c7ebba61433e4dfcd05a9", + "translation_date": "2025-08-24T10:09:50+00:00", + "source_file": "SECURITY.md", + "language_code": "fa" + }, + "etc/CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-08-24T10:50:16+00:00", + "source_file": "etc/CODE_OF_CONDUCT.md", + "language_code": "fa" + }, + "etc/CONTRIBUTING.md": { + "original_hash": "847a587aa1b83f4d00858183ff3ed18a", + "translation_date": "2025-08-24T10:50:44+00:00", + "source_file": "etc/CONTRIBUTING.md", + "language_code": "fa" + }, + "etc/Mindmap.md": { + "original_hash": "f2f88dbd2debd38e26149b27b1fd272d", + "translation_date": "2025-08-24T10:51:03+00:00", + "source_file": "etc/Mindmap.md", + "language_code": "fa" + }, + "etc/SUPPORT.md": { + "original_hash": "fdfc08baee91e402938a2b1f94fe0949", + "translation_date": "2025-08-24T10:50:04+00:00", + "source_file": "etc/SUPPORT.md", + "language_code": "fa" + }, + "etc/TRANSLATIONS.md": { + "original_hash": "62b3e3ad5182edb905eec649a87eeeb4", + "translation_date": "2025-08-24T10:50:27+00:00", + "source_file": "etc/TRANSLATIONS.md", + "language_code": "fa" + }, + "etc/quiz-app/README.md": { + "original_hash": "d699cf8509f74baa5b0b838de5cf0662", + "translation_date": "2025-08-24T10:51:45+00:00", + "source_file": "etc/quiz-app/README.md", + "language_code": "fa" + }, + "examples/README.md": { + "original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7", + "translation_date": "2025-10-03T11:27:04+00:00", + "source_file": "examples/README.md", + "language_code": "fa" + }, + "lessons/0-course-setup/for-teachers.md": { + "original_hash": "a094ef9927883de1cfcee51dbd143381", + "translation_date": "2025-08-24T10:49:17+00:00", + "source_file": "lessons/0-course-setup/for-teachers.md", + "language_code": "fa" + }, + "lessons/0-course-setup/how-to-run.md": { + "original_hash": "a4717bd9103b9f6cd84d534b83534689", + "translation_date": "2026-01-15T11:02:39+00:00", + "source_file": "lessons/0-course-setup/how-to-run.md", + "language_code": "fa" + }, + "lessons/0-course-setup/setup.md": { + "original_hash": "7b4e5b8956915870d0a0ed3cc5890042", + "translation_date": "2025-12-12T19:14:51+00:00", + "source_file": "lessons/0-course-setup/setup.md", + "language_code": "fa" + }, + "lessons/1-Intro/README.md": { + "original_hash": "f57e8aa46141fd220b16ffed8f11aec7", + "translation_date": "2025-11-18T20:40:49+00:00", + "source_file": "lessons/1-Intro/README.md", + "language_code": "fa" + }, + "lessons/1-Intro/assignment.md": { + "original_hash": "a334df77a82aaaf2a29c77065d3e481e", + "translation_date": "2025-11-18T20:42:00+00:00", + "source_file": "lessons/1-Intro/assignment.md", + "language_code": "fa" + }, + "lessons/2-Symbolic/README.md": { + "original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4", + "translation_date": "2026-01-15T11:02:58+00:00", + "source_file": "lessons/2-Symbolic/README.md", + "language_code": "fa" + }, + "lessons/2-Symbolic/assignment.md": { + "original_hash": "a057a8604f3976c3e309884453f1fad0", + "translation_date": "2025-08-24T10:48:25+00:00", + "source_file": "lessons/2-Symbolic/assignment.md", + "language_code": "fa" + }, + "lessons/3-NeuralNetworks/03-Perceptron/README.md": { + "original_hash": "c34cbba802058b6fa267e1a294d4e510", + "translation_date": "2025-09-23T12:32:43+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md", + "language_code": "fa" + }, + "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": { + "original_hash": "ba5d1eb353d20d3e7181066b3c424b99", + "translation_date": "2025-08-31T15:40:09+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md", + "language_code": "fa" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/README.md": { + "original_hash": "789d6c3fb6fc7948a470b33078a5983a", + "translation_date": "2025-09-23T12:32:19+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md", + "language_code": "fa" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": { + "original_hash": "48fdd704d483e19bc3d7464074c9fcbe", + "translation_date": "2025-08-24T10:40:52+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md", + "language_code": "fa" + }, + "lessons/3-NeuralNetworks/05-Frameworks/README.md": { + "original_hash": "ddd216f558a255260a9374008002c971", + "translation_date": "2025-09-23T12:33:04+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md", + "language_code": "fa" + }, + "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": { + "original_hash": "e452d897efb9a89700f41021834cf6e5", + "translation_date": "2025-08-24T10:42:07+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md", + "language_code": "fa" + }, + "lessons/3-NeuralNetworks/README.md": { + "original_hash": "f862a99d88088163df12270e2f2ad6c3", + "translation_date": "2025-10-03T12:42:25+00:00", + "source_file": "lessons/3-NeuralNetworks/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/06-IntroCV/README.md": { + "original_hash": "feeca98225cb420afc89415f24f63d92", + "translation_date": "2025-09-23T12:27:58+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/06-IntroCV/lab/README.md": { + "original_hash": "3d53d6409f80970f7281a45dee35328a", + "translation_date": "2025-08-24T10:32:32+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": { + "original_hash": "53faab85adfcebd8c10bcd71dc2fa557", + "translation_date": "2025-09-23T12:27:18+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/07-ConvNets/README.md": { + "original_hash": "a560d5b845962cf33dc102266e409568", + "translation_date": "2025-09-23T12:27:00+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/07-ConvNets/lab/README.md": { + "original_hash": "b70fcf7fcee862990f848c679090943f", + "translation_date": "2025-10-03T14:52:26+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/08-TransferLearning/README.md": { + "original_hash": "178c0b5ee5395733eb18aec51e71a0a9", + "translation_date": "2025-09-23T12:27:35+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": { + "original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99", + "translation_date": "2025-08-24T10:33:40+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/08-TransferLearning/lab/README.md": { + "original_hash": "7765935c35fcee69b9fe2d0cfd6963e2", + "translation_date": "2025-08-24T10:34:57+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/09-Autoencoders/README.md": { + "original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d", + "translation_date": "2025-09-23T12:29:05+00:00", + "source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/10-GANs/README.md": { + "original_hash": "0ff65b4da07b23697235de2beb2a3c25", + "translation_date": "2025-09-23T12:29:54+00:00", + "source_file": "lessons/4-ComputerVision/10-GANs/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/11-ObjectDetection/README.md": { + "original_hash": "d76a7eda28de5210c8b1ba50a6216c69", + "translation_date": "2025-09-23T12:28:28+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": { + "original_hash": "ad568d55ae65c856fe929fc2b278510a", + "translation_date": "2025-08-24T10:29:07+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/12-Segmentation/README.md": { + "original_hash": "6568aaae7e0e4afed4b5d74b5b223700", + "translation_date": "2025-09-23T12:29:37+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/12-Segmentation/lab/README.md": { + "original_hash": "365f0decfe0f47b460bbde8227c5009d", + "translation_date": "2025-08-24T10:26:41+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md", + "language_code": "fa" + }, + "lessons/4-ComputerVision/README.md": { + "original_hash": "58a52f000089c1d8906a4daa4ab1169b", + "translation_date": "2025-08-24T10:24:54+00:00", + "source_file": "lessons/4-ComputerVision/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/13-TextRep/README.md": { + "original_hash": "dbd3f73e4139f030ecb2e20387d70fee", + "translation_date": "2025-09-23T12:36:15+00:00", + "source_file": "lessons/5-NLP/13-TextRep/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/13-TextRep/assignment.md": { + "original_hash": "cdc1f2e631f055f3473b36d18e4760b3", + "translation_date": "2025-08-24T10:16:02+00:00", + "source_file": "lessons/5-NLP/13-TextRep/assignment.md", + "language_code": "fa" + }, + "lessons/5-NLP/14-Embeddings/README.md": { + "original_hash": "b708c9b85b833864c73c6281f1e6b96e", + "translation_date": "2025-09-23T12:35:55+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/14-Embeddings/assignment.md": { + "original_hash": "bc690ecf68b38d311cc9e12f3144a28c", + "translation_date": "2025-08-24T10:14:07+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/assignment.md", + "language_code": "fa" + }, + "lessons/5-NLP/15-LanguageModeling/README.md": { + "original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57", + "translation_date": "2025-09-23T12:34:04+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/15-LanguageModeling/lab/README.md": { + "original_hash": "5130f01fdc5ebb83032b23d489027aac", + "translation_date": "2025-08-24T10:16:47+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/16-RNN/README.md": { + "original_hash": "e2273cc150380a5e191903cea858f021", + "translation_date": "2025-09-23T12:35:27+00:00", + "source_file": "lessons/5-NLP/16-RNN/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/16-RNN/assignment.md": { + "original_hash": "47f7d3c6a5373543e051e4d1140ce898", + "translation_date": "2025-08-24T10:13:05+00:00", + "source_file": "lessons/5-NLP/16-RNN/assignment.md", + "language_code": "fa" + }, + "lessons/5-NLP/17-GenerativeNetworks/README.md": { + "original_hash": "51be6057374d01d70e07dd5ec88ebc0d", + "translation_date": "2025-09-23T12:33:35+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/17-GenerativeNetworks/lab/README.md": { + "original_hash": "439e12796197a90e7623d4c9c057b9c2", + "translation_date": "2025-08-24T10:15:00+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/18-Transformers/README.md": { + "original_hash": "f335dfcb4a993920504c387973a36957", + "translation_date": "2025-09-23T12:34:18+00:00", + "source_file": "lessons/5-NLP/18-Transformers/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/18-Transformers/assignment.md": { + "original_hash": "177f3ea3995d725e6f9f5c66af16edcd", + "translation_date": "2025-08-24T10:19:53+00:00", + "source_file": "lessons/5-NLP/18-Transformers/assignment.md", + "language_code": "fa" + }, + "lessons/5-NLP/19-NER/README.md": { + "original_hash": "6522312ff835796ca34136a9462fafb2", + "translation_date": "2025-09-23T12:35:05+00:00", + "source_file": "lessons/5-NLP/19-NER/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/19-NER/lab/README.md": { + "original_hash": "032bda5068f543d6c1fcb30c34231461", + "translation_date": "2025-08-24T10:22:44+00:00", + "source_file": "lessons/5-NLP/19-NER/lab/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/20-LangModels/README.md": { + "original_hash": "97836d30a6bec736f8e3b4411c572bc2", + "translation_date": "2025-09-23T12:34:48+00:00", + "source_file": "lessons/5-NLP/20-LangModels/README.md", + "language_code": "fa" + }, + "lessons/5-NLP/README.md": { + "original_hash": "8ef02a9318257ea140ed3ed74442096d", + "translation_date": "2025-08-24T10:11:26+00:00", + "source_file": "lessons/5-NLP/README.md", + "language_code": "fa" + }, + "lessons/6-Other/21-GeneticAlgorithms/README.md": { + "original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a", + "translation_date": "2025-09-23T12:25:25+00:00", + "source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md", + "language_code": "fa" + }, + "lessons/6-Other/22-DeepRL/README.md": { + "original_hash": "04395657fc01648f8f70484d0e55ab67", + "translation_date": "2025-09-23T12:26:31+00:00", + "source_file": "lessons/6-Other/22-DeepRL/README.md", + "language_code": "fa" + }, + "lessons/6-Other/22-DeepRL/lab/README.md": { + "original_hash": "7bd8dc72040e98e35e7225e34058cd4e", + "translation_date": "2025-08-24T10:38:25+00:00", + "source_file": "lessons/6-Other/22-DeepRL/lab/README.md", + "language_code": "fa" + }, + "lessons/6-Other/23-MultiagentSystems/README.md": { + "original_hash": "38a1185ae3d54b180378bbd71ae3ef16", + "translation_date": "2025-09-23T12:25:42+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/README.md", + "language_code": "fa" + }, + "lessons/6-Other/23-MultiagentSystems/assignment.md": { + "original_hash": "cf654ca60c7f86c8dad28596fb42994b", + "translation_date": "2025-08-24T10:37:15+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md", + "language_code": "fa" + }, + "lessons/7-Ethics/README.md": { + "original_hash": "437c988596e751072e41a5aad3fcc5d9", + "translation_date": "2025-08-24T10:10:24+00:00", + "source_file": "lessons/7-Ethics/README.md", + "language_code": "fa" + }, + "lessons/README.md": { + "original_hash": "5fef1a0b22498d7188959e2a2cb08af7", + "translation_date": "2025-08-24T10:10:14+00:00", + "source_file": "lessons/README.md", + "language_code": "fa" + }, + "lessons/X-Extras/X1-MultiModal/README.md": { + "original_hash": "9c592c26aca16ca085d268c732284187", + "translation_date": "2025-08-24T10:38:40+00:00", + "source_file": "lessons/X-Extras/X1-MultiModal/README.md", + "language_code": "fa" + }, + "lessons/sketchnotes/LICENSE.md": { + "original_hash": "45ab63a2cd8f5faef6c9b150618837a4", + "translation_date": "2025-08-24T10:43:55+00:00", + "source_file": "lessons/sketchnotes/LICENSE.md", + "language_code": "fa" + }, + "lessons/sketchnotes/README.md": { + "original_hash": "050b8bddebafba55b129414e6ab096ab", + "translation_date": "2025-08-24T10:43:11+00:00", + "source_file": "lessons/sketchnotes/README.md", + "language_code": "fa" + }, + "troubleshoot.md": { + "original_hash": "8d9c5a4a7c7798d699672a22cb7fea86", + "translation_date": "2025-10-03T09:35:53+00:00", + "source_file": "troubleshoot.md", + "language_code": "fa" + } +} \ No newline at end of file diff --git a/translations/fa/AGENTS.md b/translations/fa/AGENTS.md index 65c0c2b4..2c0bbf30 100644 --- a/translations/fa/AGENTS.md +++ b/translations/fa/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## نمای کلی پروژه diff --git a/translations/fa/README.md b/translations/fa/README.md index 33a26a39..6bbef01c 100644 --- a/translations/fa/README.md +++ b/translations/fa/README.md @@ -1,44 +1,36 @@ - -[![مجوز گیت‌هاب](https://img.shields.io/github/license/microsoft/AI-For-Beginners.svg)](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE) -[![همکاران گیت‌هاب](https://img.shields.io/github/contributors/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/) -[![مسائل گیت‌هاب](https://img.shields.io/github/issues/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/issues/) -[![درخواست‌های pull گیت‌هاب](https://img.shields.io/github/issues-pr/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/pulls/) -[![درخواست‌های PR خوش‌آمدید](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![GitHub license](https://img.shields.io/github/license/microsoft/AI-For-Beginners.svg)](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![ناظرین گیت‌هاب](https://img.shields.io/github/watchers/microsoft/AI-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/AI-For-Beginners/watchers/) -[![انشعاب‌های گیت‌هاب](https://img.shields.io/github/forks/microsoft/AI-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/AI-For-Beginners/network/) -[![ستاره‌های گیت‌هاب](https://img.shields.io/github/stars/microsoft/AI-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/AI-For-Beginners/stargazers/) -[![بایندر](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/microsoft/ai-for-beginners/HEAD) -[![گیتّر](https://badges.gitter.im/Microsoft/ai-for-beginners.svg)](https://gitter.im/Microsoft/ai-for-beginners?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge) +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/AI-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/AI-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/AI-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/AI-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/AI-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/AI-For-Beginners/stargazers/) +[![Binder](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/microsoft/ai-for-beginners/HEAD) +[![Gitter](https://badges.gitter.im/Microsoft/ai-for-beginners.svg)](https://gitter.im/Microsoft/ai-for-beginners?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge) -[![دیسکورد Microsoft Foundry](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) +[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) # هوش مصنوعی برای مبتدیان - یک برنامه درسی -|![سکت‌نوت از @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/fa/ai-overview.0857791951d19500.webp)| +|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../translated_images/fa/ai-overview.0857791951d19500.webp)| |:---:| -| هوش مصنوعی برای مبتدیان - _سکت‌نوت توسط [@girlie_mac](https://twitter.com/girlie_mac)_ | +| هوش مصنوعی برای مبتدیان - _اسکچ‌نوت توسط [@girlie_mac](https://twitter.com/girlie_mac)_ | + +دنیای **هوش مصنوعی** (AI) را با برنامه ۱۲ هفته‌ای، ۲۴ درس ما کاوش کنید! این برنامه شامل درس‌های عملی، آزمون‌ها و آزمایشگاه‌ها است. برنامه برای مبتدیان مناسب بوده و ابزارهایی مانند TensorFlow و PyTorch، و همچنین اخلاق در هوش مصنوعی را پوشش می‌دهد. -جهان **هوش مصنوعی** (AI) را با برنامه درسی ۱۲ هفته‌ای و ۲۴ درس ما کشف کنید! این شامل درس‌های عملی، آزمون‌ها و آزمایشگاه‌ها است. این برنامه برای مبتدیان مناسب است و ابزارهایی مانند TensorFlow و PyTorch و همچنین اخلاق در هوش مصنوعی را پوشش می‌دهد. ### 🌐 پشتیبانی چندزبانه #### پشتیبانی شده از طریق GitHub Action (خودکار و همیشه به‌روز) -[عربی](../ar/README.md) | [بنگالی](../bn/README.md) | [بلغاری](../bg/README.md) | [برمه‌ای (میانمار)](../my/README.md) | [چینی (ساده شده)](../zh/README.md) | [چینی (سنتی، هنگ‌کنگ)](../hk/README.md) | [چینی (سنتی، ماکائو)](../mo/README.md) | [چینی (سنتی، تایوان)](../tw/README.md) | [کرواسی](../hr/README.md) | [چکی](../cs/README.md) | [دانمارکی](../da/README.md) | [هلندی](../nl/README.md) | [استونیایی](../et/README.md) | [فنلاندی](../fi/README.md) | [فرانسوی](../fr/README.md) | [آلمانی](../de/README.md) | [یونانی](../el/README.md) | [عبری](../he/README.md) | [هندی](../hi/README.md) | [مجارستانی](../hu/README.md) | [اندونزیایی](../id/README.md) | [ایتالیایی](../it/README.md) | [ژاپنی](../ja/README.md) | [کانادایی](../kn/README.md) | [کره‌ای](../ko/README.md) | [لیتوانیایی](../lt/README.md) | [مالایی](../ms/README.md) | [مالایالام](../ml/README.md) | [مراتی](../mr/README.md) | [نپالی](../ne/README.md) | [پیدگین نیجریه‌ای](../pcm/README.md) | [نروژی](../no/README.md) | [فارسی (پرشین)](./README.md) | [لهستانی](../pl/README.md) | [پرتغالی (برزیل)](../br/README.md) | [پرتغالی (پرتغال)](../pt/README.md) | [پنجابی (گورمخّی)](../pa/README.md) | [رومانیایی](../ro/README.md) | [روسی](../ru/README.md) | [صربی (سیریلیک)](../sr/README.md) | [اسلواکی](../sk/README.md) | [اسلوونیایی](../sl/README.md) | [اسپانیایی](../es/README.md) | [سواحیلی](../sw/README.md) | [سوئدی](../sv/README.md) | [تاگالوگ (فیلیپینی)](../tl/README.md) | [تامیلی](../ta/README.md) | [تلگو](../te/README.md) | [تایلندی](../th/README.md) | [ترکی](../tr/README.md) | [اوکراینی](../uk/README.md) | [اردو](../ur/README.md) | [ویتنامی](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](./README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **ترجیح می‌دهید به صورت محلی کلون کنید؟** -> این مخزن شامل بیش از ۵۰ ترجمه زبانی است که به طور قابل توجهی حجم دانلود را افزایش می‌دهد. برای کلون کردن بدون ترجمه‌ها، از sparse checkout استفاده کنید: +> این مخزن شامل بیش از ۵۰ ترجمه زبان است که حجم دانلود را به طور قابل توجهی افزایش می‌دهد. برای کلون بدون ترجمه‌ها، از sparse checkout استفاده کنید: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git > cd AI-For-Beginners @@ -47,102 +39,103 @@ CO_OP_TRANSLATOR_METADATA: > این به شما همه چیز لازم برای کامل کردن دوره را با دانلود بسیار سریع‌تر می‌دهد. -**اگر مایل به پشتیبانی از زبان‌های ترجمه اضافی هستید فهرست آنها در [اینجا](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) موجود است** +**اگر مایلید زبان‌های ترجمه‌ی بیشتری پشتیبانی شود، در اینجا لیست شده‌اند [اینجا](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** ## به جامعه بپیوندید -[![دیسکورد Microsoft Foundry](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) +[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -## آنچه خواهید آموخت +## چه چیزی خواهید آموخت **[نقشه ذهنی دوره](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** -در این برنامه درسی، شما خواهید آموخت: +در این برنامه درسی، خواهید آموخت: -* رویکردهای مختلف به هوش مصنوعی، از جمله روش نمادین «کلاسیک» با **نمایش دانش** و استدلال ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). -* **شبکه‌های عصبی** و **یادگیری عمیق**، که هسته هوش مصنوعی مدرن هستند. ما مفاهیم پشت این موضوعات مهم را با استفاده از کد در دو چارچوب محبوب - [TensorFlow](http://Tensorflow.org) و [PyTorch](http://pytorch.org) نشان خواهیم داد. -* **معماری‌های عصبی** برای کار با تصاویر و متن. ما مدل‌های جدید را پوشش خواهیم داد اما ممکن است کمی از پیشرفته‌ترین مدل‌ها عقب باشیم. -* رویکردهای کمتر محبوب هوش مصنوعی، مانند **الگوریتم‌های ژنتیکی** و **سیستم‌های چندعاملی**. +* رویکردهای مختلف به هوش مصنوعی، از جمله رویکرد "نمادین قدیمی" با **نمایش دانش** و استدلال ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). +* **شبکه‌های عصبی** و **یادگیری عمیق**، که در هستهٔ هوش مصنوعی مدرن قرار دارند. مفاهیم پشت این موضوعات مهم را با استفاده از کد در دو چارچوب محبوب - [TensorFlow](http://Tensorflow.org) و [PyTorch](http://pytorch.org) نشان می‌دهیم. +* **معماری‌های عصبی** برای کار با تصویر و متن. مدل‌های جدید را پوشش می‌دهیم اما ممکن است کمی از جدیدترین‌های حوزه عقب باشیم. +* رویکردهای کمتر شناخته شده هوش مصنوعی، مانند **الگوریتم‌های ژنتیک** و **سیستم‌های چندعامله**. -آنچه در این برنامه درسی پوشش داده نمی‌شود: +آنچه در این برنامه درسی پوشش نمی‌دهیم: -> [تمام منابع اضافی این دوره را در مجموعه Microsoft Learn ما پیدا کنید](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) +> [تمام منابع اضافی این دوره را در مجموعه Learn مایکروسافت ما بیابید](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) -* موارد تجاری استفاده از **هوش مصنوعی در کسب و کار**. به یادگیری مسیر [مقدمه‌ای بر هوش مصنوعی برای کاربران کسب‌وکار](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) در Microsoft Learn، یا [مدرسه کسب‌وکار هوش مصنوعی](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum) که با همکاری [INSEAD](https://www.insead.edu/) توسعه یافته است، فکر کنید. -* **یادگیری ماشین کلاسیک** که در برنامه درسی [یادگیری ماشین برای مبتدیان](http://github.com/Microsoft/ML-for-Beginners) ما به خوبی شرح داده شده است. -* کاربردهای عملی هوش مصنوعی ساخته شده با استفاده از **[سرویس‌های شناختی](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. برای این منظور، ما پیشنهاد می‌کنیم با ماژول‌های Microsoft Learn برای [بینایی](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum)، [پردازش زبان طبیعی](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum)، **[هوش مصنوعی مولد با سرویس Azure OpenAI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** و دیگر موارد آغاز کنید. -* چارچوب‌های خاص ابری ML مانند [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum)، [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum) یا [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). استفاده از مسیرهای یادگیری [ساخت و اجرای راه‌حل‌های یادگیری ماشین با Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) و [ساخت و اجرای راه‌حل‌های یادگیری ماشین با Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) را در نظر داشته باشید. -* **هوش مصنوعی مکالمه‌ای** و **چت‌بات‌ها**. یک مسیر یادگیری جداگانه [ساخت راه‌حل‌های هوش مصنوعی مکالمه‌ای](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) وجود دارد، و همچنین می‌توانید به [این پست وبلاگ](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) برای جزئیات بیشتر مراجعه کنید. -* **ریاضیات عمیق** پشت یادگیری عمیق. برای این منظور، ما کتاب [یادگیری عمیق](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) نوشته ایان گودفلو، یوشوا بنجیو و آرون کورویل را توصیه می‌کنیم که به صورت آنلاین نیز در [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/) موجود است. +* موارد کسب‌وکار استفاده از **هوش مصنوعی در کسب‌وکار**. در نظر بگیرید مسیر یادگیری [مقدمه‌ای بر هوش مصنوعی برای کاربران کسب‌وکار](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) را در Microsoft Learn، یا [مدرسه کسب‌وکار AI](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum) که با همکاری [INSEAD](https://www.insead.edu/) توسعه یافته است. +* **یادگیری ماشین کلاسیک** که در [برنامه یادگیری ماشین برای مبتدیان](http://github.com/Microsoft/ML-for-Beginners) به خوبی شرح داده شده است. +* برنامه‌های عملی هوش مصنوعی ساخته شده با استفاده از **[خدمات شناختی](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. برای این منظور، توصیه می‌کنیم با ماژول‌های Microsoft Learn برای [دید](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum)، [پردازش زبان طبیعی](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum)، **[هوش مصنوعی مولد با سرویس Azure OpenAI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** و دیگران شروع کنید. +* چارچوب‌های ابری خاص یادگیری ماشین، مانند [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum)، [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum)، یا [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). به استفاده از مسیرهای یادگیری [ساخت و راه‌اندازی راه‌حل‌های یادگیری ماشین با Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) و [ساخت و راه‌اندازی راه‌حل‌های یادگیری ماشین با Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) فکر کنید. +* **هوش مصنوعی گفتگویی** و **چت بات‌ها**. یک مسیر یادگیری جداگانه به نام [ایجاد راه‌حل‌های هوش مصنوعی گفتگویی](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) وجود دارد، و همچنین می‌توانید به [این پست وبلاگی](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) برای جزئیات بیشتر مراجعه کنید. +* **ریاضیات عمیق** پشت یادگیری عمیق. برای این منظور، کتاب [یادگیری عمیق](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) نوشته ایان گودفلو، یوشوا بنگیو و آرون کورویل را پیشنهاد می‌کنیم که به صورت آنلاین نیز در [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/) موجود است. -برای معرفی ملایم به موضوعات _هوش مصنوعی ابری_ ممکن است مسیر یادگیری [شروع با هوش مصنوعی در Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) را دنبال کنید. +برای معرفی ملایم به مباحث _هوش مصنوعی در فضای ابری_ می‌توانید مسیر یادگیری [شروع با هوش مصنوعی در Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) را دنبال کنید. # محتوا | | لینک درس | PyTorch/Keras/TensorFlow | آزمایشگاه | | :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | -| 0 | [شروع دوره](./lessons/0-course-setup/setup.md) | [راه‌اندازی محیط توسعه](./lessons/0-course-setup/how-to-run.md) | | +| 0 | [تنظیم دوره](./lessons/0-course-setup/setup.md) | [تنظیم محیط توسعه خود](./lessons/0-course-setup/how-to-run.md) | | | I | [**مقدمه‌ای بر هوش مصنوعی**](./lessons/1-Intro/README.md) | | | | 01 | [مقدمه و تاریخچه هوش مصنوعی](./lessons/1-Intro/README.md) | - | - | | II | **هوش مصنوعی نمادین** | -| 02 | [نمایش دانش و سیستم‌های خبره](./lessons/2-Symbolic/README.md) | [سیستم‌های خبره](./lessons/2-Symbolic/Animals.ipynb) / [انتولوژی](./lessons/2-Symbolic/FamilyOntology.ipynb) /[گراف مفهوم](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | +| 02 | [نمایش دانش و سیستم‌های خبره](./lessons/2-Symbolic/README.md) | [سیستم‌های خبره](./lessons/2-Symbolic/Animals.ipynb) / [آنتولوژی](./lessons/2-Symbolic/FamilyOntology.ipynb) /[گراف مفهومی](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | | III | [**مقدمه‌ای بر شبکه‌های عصبی**](./lessons/3-NeuralNetworks/README.md) ||| -| 03 | [پرسپترون](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [دفترچه نوت‌بوک](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [آزمایشگاه](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | -| 04 | [پرسپترون چندلایه و ساخت فریمورک خودمان](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [دفترچه نوت‌بوک](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [آزمایشگاه](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | -| 05 | [مقدمه‌ای بر فریمورک‌ها (PyTorch/TensorFlow) و اورفیتینگ](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [پایتورچ](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [کرَس](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [تنسرفلو](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [آزمایشگاه](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | -| IV | [**بینایی کامپیوتری**](./lessons/4-ComputerVision/README.md) | [پایتورچ](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [تنسرفلو](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [کاوش بینایی کامپیوتری در مایکروسافت آژور](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | -| 06 | [مقدمه‌ای بر بینایی کامپیوتری. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [دفترچه نوت‌بوک](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | -| 07 | [شبکه‌های عصبی پیچشی](./lessons/4-ComputerVision/07-ConvNets/README.md) و [معماری‌های CNN](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [پایتورچ](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[تنسرفلو](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | -| 08 | [شبکه‌های پیش‌آموزش داده شده و یادگیری انتقالی](./lessons/4-ComputerVision/08-TransferLearning/README.md) و [ترفندهای آموزش](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [پایتورچ](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [تنسرفلو](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | -| 09 | [اتو انکدرها و VAEs](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [پایتورچ](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [تنسرفلو](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | -| 10 | [شبکه‌های هم‌ترازی مولد و انتقال سبک هنری](./lessons/4-ComputerVision/10-GANs/README.md) | [پایتورچ](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [تنسرفلو](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | -| 11 | [کشف اشیاء](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [تنسرفلو](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | -| 12 | [بخش‌بندی معنایی. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [پایتورچ](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [تنسرفلو](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | -| V | [**پردازش زبان طبیعی**](./lessons/5-NLP/README.md) | [پایتورچ](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[تنسرفلو](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [کاوش پردازش زبان طبیعی در مایکروسافت آژور](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| -| 13 | [نمایش متن. Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [پایتورچ](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [تنسرفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | -| 14 | [جاسازی معنایی کلمات. Word2Vec و GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [پایتورچ](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [تنسرفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | -| 15 | [مدلسازی زبان. آموزش جاسازی‌های خود](./lessons/5-NLP/15-LanguageModeling/README.md) | [پایتورچ](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [تنسرفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [آزمایشگاه](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | -| 16 | [شبکه‌های عصبی بازگشتی](./lessons/5-NLP/16-RNN/README.md) | [پایتورچ](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [تنسرفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | -| 17 | [شبکه‌های بازگشتی مولد](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [پایتورچ](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [تنسرفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [آزمایشگاه](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | -| 18 | [ترانسفورمرها. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [پایتورچ](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[تنسرفلو](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | | -| 19 | [شناسایی موجودیت‌های نام‌دار](./lessons/5-NLP/19-NER/README.md) | [تنسرفلو](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [آزمایشگاه](./lessons/5-NLP/19-NER/lab/README.md) | -| 20 | [مدل‌های زبان بزرگ، برنامه‌نویسی پرامپت و تسک‌های چندنمونه‌ای](./lessons/5-NLP/20-LangModels/README.md) | [پایتورچ](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | +| 03 | [پرسپترون](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [دفترچه یادداشت](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [آزمایشگاه](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | +| 04 | [پرسپترون چندلایه و ایجاد چارچوب خودمان](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [دفترچه یادداشت](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [آزمایشگاه](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | +| 05 | [مقدمه‌ای بر چارچوب‌ها (PyTorch/TensorFlow) و بیش‌برازش](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [آزمایشگاه](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | +| IV | [**بینایی کامپیوتری**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [کشف بینایی کامپیوتری در مایکروسافت آزور](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | +| 06 | [مقدمه‌ای بر بینایی کامپیوتری. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [دفترچه یادداشت](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | +| 07 | [شبکه‌های عصبی کانولوشنی](./lessons/4-ComputerVision/07-ConvNets/README.md) & [معماری‌های CNN](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | +| 08 | [شبکه‌های پیش آموزش دیده و یادگیری انتقالی](./lessons/4-ComputerVision/08-TransferLearning/README.md) و [ترفندهای آموزش](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | +| 09 | [اتو انکودرها و VAEs](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | +| 10 | [شبکه‌های تولیدی رقابتی و انتقال سبک هنری](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | +| 11 | [شناسایی اشیا](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | +| 12 | [بخش‌بندی معنایی. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | +| V | [**پردازش زبان طبیعی**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [کشف پردازش زبان طبیعی در مایکروسافت آزور](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| +| 13 | [نمایش متن. Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | +| 14 | [تعبیه‌های معنایی کلمات. Word2Vec و GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | +| 15 | [مدل‌سازی زبان. آموزش تعبیه‌های خود](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [آزمایشگاه](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | +| 16 | [شبکه‌های عصبی بازگشتی](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | +| 17 | [شبکه‌های بازگشتی مولد](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [آزمایشگاه](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | +| 18 | [ترنسفورمرها. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | | +| 19 | [شناسایی موجودیت‌های نام‌برده شده](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [آزمایشگاه](./lessons/5-NLP/19-NER/lab/README.md) | +| 20 | [مدل‌های زبان بزرگ، برنامه‌نویسی پرامپت و وظایف کم‌نمونه](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | | VI | **تکنیک‌های دیگر هوش مصنوعی** || | -| 21 | [الگوریتم‌های ژنتیک](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [دفترچه نوت‌بوک](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | -| 22 | [یادگیری تقویتی عمیق](./lessons/6-Other/22-DeepRL/README.md) | [پایتورچ](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[تنسرفلو](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [آزمایشگاه](./lessons/6-Other/22-DeepRL/lab/README.md) | -| 23 | [سامانه‌های چندعامله](./lessons/6-Other/23-MultiagentSystems/README.md) | | | +| 21 | [الگوریتم‌های ژنتیک](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [دفترچه یادداشت](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | +| 22 | [یادگیری تقویتی عمیق](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [آزمایشگاه](./lessons/6-Other/22-DeepRL/lab/README.md) | +| 23 | [سیستم‌های چندعاملی](./lessons/6-Other/23-MultiagentSystems/README.md) | | | | VII | **اخلاق هوش مصنوعی** | | | -| 24 | [اخلاق هوش مصنوعی و هوش مصنوعی مسئولانه](./lessons/7-Ethics/README.md) | [مایکروسافت لرن: اصول هوش مصنوعی مسئولانه](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | -| IX | **موارد اضافی** | | | -| 25 | [شبکه‌های چندمودالی، CLIP و VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [دفترچه نوت‌بوک](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | +| 24 | [اخلاق هوش مصنوعی و هوش مصنوعی مسئولانه](./lessons/7-Ethics/README.md) | [Microsoft Learn: اصول هوش مصنوعی مسئولانه](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | +| IX | **افزونه‌ها** | | | +| 25 | [شبکه‌های چندوجهی، CLIP و VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [دفترچه یادداشت](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | ## هر درس شامل -* مطالب پیش‌خوانی -* دفاتر جوی‌پایتر قابل اجرا، که اغلب مخصوص فریمورک (**پایتورچ** یا **تنسرفلو**) هستند. دفترچه قابل اجرا همچنین شامل مقدار زیادی مطلب نظری است، بنابراین برای درک موضوع باید حداقل یک نسخه از دفترچه را دنبال کنید (یا پایتورچ یا تنسرفلو). -* **آزمایشگاه‌ها** برای برخی موضوعات در دسترس هستند که به شما فرصت می‌دهند مواد یادگرفته شده را در یک مسئله خاص به کار ببرید. -* برخی بخش‌ها شامل لینک به ماژول‌های [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) هستند که موضوعات مرتبط را پوشش می‌دهند. +* مطالب پیش‌مطالعه‌ای +* دفترچه‌های یادداشت اجرایی Jupyter که اغلب مخصوص چارچوب خاصی هستند (**PyTorch** یا **TensorFlow**). دفترچه یادداشت اجرایی همچنین شامل مقدار زیادی مطالب نظری است، بنابراین برای درک موضوع باید حداقل یک نسخه از دفترچه را (چه PyTorch و چه TensorFlow) مرور کنید. +* **آزمایشگاه** برای برخی موضوعات که به شما فرصت می‌دهد مهارت‌هایی را که آموخته‌اید در یک مسئله خاص اعمال کنید. +* برخی بخش‌ها شامل لینک‌هایی به ماژول‌های [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) هستند که موضوعات مرتبط را پوشش می‌دهند. ## شروع به کار -### 🎯 تازه‌وارد به هوش مصنوعی؟ از اینجا شروع کنید! +### 🎯 تازه وارد هوش مصنوعی هستید؟ از اینجا شروع کنید! -اگر کاملاً به هوش مصنوعی تازه‌وارد هستید و به دنبال مثال‌های سریع و عملی هستید، نمونه‌های [**مناسب مبتدی‌ها**](./examples/README.md) را بررسی کنید! این موارد شامل: +اگر کاملاً تازه‌کار در هوش مصنوعی هستید و به دنبال مثال‌های سریع و عملی می‌گردید، [**مثال‌های دوستانه برای مبتدیان**](./examples/README.md) ما را بررسی کنید! این شامل موارد زیر است: -- 🌟 **سلام جهان هوش مصنوعی** - اولین برنامه هوش مصنوعی شما (شناسایی الگو) -- 🧠 **شبکه عصبی ساده** - ساخت شبکه عصبی از ابتدا -- 🖼️ **دسته‌بند تصویر** - طبقه‌بندی تصاویر با توضیحات دقیق -- 💬 **احساس متن** - تحلیل متن مثبت/منفی +- 🌟 **سلام دنیای هوش مصنوعی** - اولین برنامه هوش مصنوعی شما (شناسایی الگو) +- 🧠 **شبکه عصبی ساده** - ساخت یک شبکه عصبی از صفر -این مثال‌ها برای کمک به شما در درک مفاهیم هوش مصنوعی قبل از ورود به برنامه درسی کامل طراحی شده‌اند. +- 🖼️ **دسته‌بندی تصاویر** - دسته‌بندی تصاویر با توضیحات دقیق +- 💬 **احساسات متن** - تحلیل متون مثبت/منفی -### 📚 تنظیم برنامه درسی کامل +این مثال‌ها برای کمک به درک مفاهیم هوش مصنوعی قبل از شروع آموزش کامل طراحی شده‌اند. -- ما یک [درس تنظیم](./lessons/0-course-setup/setup.md) ایجاد کرده‌ایم تا به شما در راه‌اندازی محیط توسعه کمک کند. - برای آموزش‌دهندگان، ما نیز یک [درس تنظیم برنامه درسی](./lessons/0-course-setup/for-teachers.md) ایجاد کرده‌ایم! -- چگونه [کد را در VSCode یا Codespace اجرا کنیم](./lessons/0-course-setup/how-to-run.md) +### 📚 راه‌اندازی دوره کامل + +- ما یک [درس راه‌اندازی](./lessons/0-course-setup/setup.md) برای کمک به آماده‌سازی محیط توسعه شما ایجاد کرده‌ایم. - برای مدرسان نیز یک [درس راه‌اندازی دوره‌ها](./lessons/0-course-setup/for-teachers.md) فراهم کرده‌ایم! +- چگونگی [اجرای کد در VSCode یا Codespace](./lessons/0-course-setup/how-to-run.md) این مراحل را دنبال کنید: -مخزن را فورک کنید: روی دکمه «Fork» در گوشه بالا سمت راست این صفحه کلیک کنید. +مخزن را فورک کنید: روی دکمه «Fork» در گوشه بالای سمت راست این صفحه کلیک کنید. مخزن را کلون کنید: `git clone https://github.com/microsoft/AI-For-Beginners.git` @@ -150,83 +143,83 @@ CO_OP_TRANSLATOR_METADATA: ## ملاقات با سایر یادگیرندگان -به [سرور رسمی دیسکورد AI ما](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) بپیوندید تا با سایر یادگیرندگانی که این دوره را می‌گذرانند آشنا شوید و شبکه‌سازی کنید و پشتیبانی دریافت کنید. +به [سرور دیسکورد رسمی هوش مصنوعی ما](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) بپیوندید تا با دیگر یادگیرندگانی که این دوره را می‌گذرانند آشنا شوید و شبکه‌سازی کنید و پشتیبانی بگیرید. -اگر بازخورد محصول یا سوال در حین ساخت دارید به [انجمن توسعه‌دهندگان Azure AI Foundry](https://aka.ms/foundry/forum) مراجعه کنید. +اگر بازخورد محصول یا سوالی هنگام ساخت دارید به [انجمن توسعه‌دهندگان Azure AI Foundry](https://aka.ms/foundry/forum) مراجعه کنید. ## آزمون‌ها -> **نکته‌ای درباره آزمون‌ها**: همه آزمون‌ها در پوشه Quiz-app در etc\quiz-app قرار دارند، یا [به صورت آنلاین اینجا](https://ff-quizzes.netlify.app/) قابل دسترسی هستند. این‌ها از داخل دروس لینک شده‌اند و اپلیکیشن آزمون می‌تواند به صورت محلی اجرا شود یا در Azure مستقر گردد؛ دستورالعمل‌ها را در پوشه `quiz-app` دنبال کنید. آن‌ها به تدریج بومی‌سازی می‌شوند. +> **نکته‌ای درباره آزمون‌ها**: همه آزمون‌ها در پوشه Quiz-app در مسیر etc\quiz-app قرار دارند، یا به صورت آنلاین در [اینجا](https://ff-quizzes.netlify.app/) موجود هستند. این آزمون‌ها از داخل درس‌ها به آن‌ها لینک شده‌اند. برنامه آزمون می‌تواند به صورت محلی اجرا شده یا به Azure منتقل شود؛ دستورالعمل‌ها را در پوشه `quiz-app` دنبال کنید. این آزمون‌ها به تدریج بومی‌سازی می‌شوند. ## درخواست کمک -آیا پیشنهاد یا خطای املایی یا کد پیدا کرده‌اید؟ یک issue باز کنید یا pull request بسازید. +آیا پیشنهادی دارید یا خطاهای املایی یا برنامه را پیدا کرده‌اید؟ یک issue ایجاد کنید یا pull request ارسال نمایید. ## تشکر ویژه -* **✍️ نویسنده اصلی:** [دیمیتری سوشنیکوف](http://soshnikov.com)، دکترای علوم -* **🔥 ویراستار:** [جن لوپر](https://twitter.com/jenlooper)، دکترای علوم -* **🎨 تصویرگر اسکچ‌نوت:** [تومومی ایمورا](https://twitter.com/girlie_mac) -* **✅ سازنده آزمون:** [لتیفه بلا](https://github.com/CinnamonXI)، [MLSA](https://studentambassadors.microsoft.com/) -* **🙏 مشارکت‌کنندگان اصلی:** [اوگنی پیچچیک](https://github.com/Pe4enIks) +* **✍️ نویسنده اصلی:** [Dmitry Soshnikov](http://soshnikov.com)، دکتری +* **🔥 ویراستار:** [Jen Looper](https://twitter.com/jenlooper)، دکتری +* **🎨 تصویرگر اسکچ‌نوت:** [Tomomi Imura](https://twitter.com/girlie_mac) +* **✅ سازنده آزمون:** [Lateefah Bello](https://github.com/CinnamonXI)، [MLSA](https://studentambassadors.microsoft.com/) +* **🙏 مشارکت‌کنندگان اصلی:** [Evgenii Pishchik](https://github.com/Pe4enIks) -## برنامه‌های درسی دیگر +## دوره‌های دیگر -تیم ما برنامه‌های درسی دیگری تولید می‌کند! بررسی کنید: +تیم ما دوره‌های دیگری هم تولید می‌کند! ببینید: -### LangChain -[![LangChain4j برای مبتدیان](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js برای مبتدیان](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +### LangChain +[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- -### Azure / Edge / MCP / Agents -[![AZD برای مبتدیان](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI برای مبتدیان](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP برای مبتدیان](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Agents برای مبتدیان](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +### Azure / Edge / MCP / Agents +[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- - -### سری هوش مصنوعی مولد -[![هوش مصنوعی مولد برای مبتدیان](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![هوش مصنوعی مولد (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![هوش مصنوعی مولد (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![هوش مصنوعی مولد (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) + +### سری هوش مصنوعی مولد +[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- - -### یادگیری هسته‌ای -[![ML برای مبتدیان](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![علم داده برای مبتدیان](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![هوش مصنوعی برای مبتدیان](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![امنیت سایبری برای مبتدیان](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![توسعه وب برای مبتدیان](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![اینترنت اشیا برای مبتدیان](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![توسعه XR برای مبتدیان](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) + +### یادگیری پایه +[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- - -### سری کپايلوت -[![کپايلوت برای برنامه‌نویسی جفتی AI](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![کپايلوت برای C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![ماجراجویی کپايلوت](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) + +### سری Copilot +[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## دریافت کمک -اگر در ساخت برنامه‌های هوش مصنوعی به مشکل خوردید یا سوالی داشتید به همراه دیگر یادگیرندگان و توسعه‌دهندگان با تجربه در بحث‌های MCP شرکت کنید. این یک جامعه حمایت‌کننده است که سوالات پذیرفته می‌شوند و دانش به طور آزاد به اشتراک گذاشته می‌شود. +اگر گیر کرده‌اید یا سوالی درباره ساخت اپلیکیشن‌های هوش مصنوعی دارید، به بحث‌ها با سایر یادگیرندگان و توسعه‌دهندگان باتجربه درباره MCP بپیوندید. این یک جامعه حمایتی است که سوالات پذیرفته می‌شوند و دانش به‌صورت آزاد به اشتراک گذاشته می‌شود. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -اگر هنگام ساخت بازخورد محصول یا خطا داشتید مراجعه کنید به: +اگر بازخورد محصول یا خطایی هنگام ساخت دارید، مراجعه کنید به: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**سلب مسئولیت**: -این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است دارای خطا یا نقص‌هایی باشند. سند اصلی به زبان بومی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، استفاده از ترجمه حرفه‌ای انسانی توصیه می‌شود. ما مسئول هرگونه سوءتفاهم یا تفسیر نادرست ناشی از استفاده از این ترجمه نیستیم. +**سلب مسئولیت**: +این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما برای دقت تلاش می‌کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است حاوی خطا یا نادرستی باشند. سند اصلی به زبان بومی آن باید منبع معتبر محسوب شود. برای اطلاعات حیاتی، توصیه می‌شود از ترجمه حرفه‌ای انسانی استفاده نمایید. ما مسئول هیچ گونه سوء تفاهم یا تفسیر نادرستی که از استفاده این ترجمه ناشی شود، نمی‌باشیم. \ No newline at end of file diff --git a/translations/fa/SECURITY.md b/translations/fa/SECURITY.md index 82d8d185..c8b93f33 100644 --- a/translations/fa/SECURITY.md +++ b/translations/fa/SECURITY.md @@ -1,12 +1,3 @@ - ## امنیت مایکروسافت امنیت محصولات و خدمات نرم‌افزاری خود را جدی می‌گیرد، که شامل تمامی مخازن کد منبع مدیریت‌شده از طریق سازمان‌های GitHub ما می‌شود، از جمله [Microsoft](https://github.com/Microsoft)، [Azure](https://github.com/Azure)، [DotNet](https://github.com/dotnet)، [AspNet](https://github.com/aspnet)، [Xamarin](https://github.com/xamarin) و [سازمان‌های GitHub ما](https://opensource.microsoft.com/). diff --git a/translations/fa/etc/CODE_OF_CONDUCT.md b/translations/fa/etc/CODE_OF_CONDUCT.md index 73ff3989..48f5a476 100644 --- a/translations/fa/etc/CODE_OF_CONDUCT.md +++ b/translations/fa/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # منشور رفتار کد متن‌باز مایکروسافت این پروژه منشور رفتار کد متن‌باز مایکروسافت را پذیرفته است. [Microsoft Open Source Code of Conduct](https://opensource.microsoft.com/codeofconduct/) diff --git a/translations/fa/etc/CONTRIBUTING.md b/translations/fa/etc/CONTRIBUTING.md index 41db555d..35dd7e1e 100644 --- a/translations/fa/etc/CONTRIBUTING.md +++ b/translations/fa/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # مشارکت این پروژه از مشارکت‌ها و پیشنهادات استقبال می‌کند. بیشتر مشارکت‌ها نیاز دارند که شما با یک توافق‌نامه مجوز مشارکت‌کننده (CLA) موافقت کنید که اعلام می‌کند شما حق دارید و واقعاً این حق را به ما می‌دهید که از مشارکت شما استفاده کنیم. برای جزئیات بیشتر، به https://cla.microsoft.com مراجعه کنید. diff --git a/translations/fa/etc/Mindmap.md b/translations/fa/etc/Mindmap.md index c7ce6081..d2714e20 100644 --- a/translations/fa/etc/Mindmap.md +++ b/translations/fa/etc/Mindmap.md @@ -1,12 +1,3 @@ - # هوش مصنوعی ## [مقدمه‌ای بر هوش مصنوعی](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/fa/etc/SUPPORT.md b/translations/fa/etc/SUPPORT.md index eaacecfc..1597e6c4 100644 --- a/translations/fa/etc/SUPPORT.md +++ b/translations/fa/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # پشتیبانی ## نحوه ثبت مشکلات و دریافت کمک diff --git a/translations/fa/etc/TRANSLATIONS.md b/translations/fa/etc/TRANSLATIONS.md index 85a9da1b..786c4965 100644 --- a/translations/fa/etc/TRANSLATIONS.md +++ b/translations/fa/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # مشارکت با ترجمه درس‌ها ما از ترجمه درس‌های این دوره آموزشی استقبال می‌کنیم! diff --git a/translations/fa/etc/quiz-app/README.md b/translations/fa/etc/quiz-app/README.md index 88aec17f..1680d9b1 100644 --- a/translations/fa/etc/quiz-app/README.md +++ b/translations/fa/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # آزمون‌ها این آزمون‌ها شامل آزمون‌های قبل و بعد از جلسات آموزشی برای برنامه درسی هوش مصنوعی در https://aka.ms/ai-beginners هستند. diff --git a/translations/fa/examples/README.md b/translations/fa/examples/README.md index 22bd34cc..0211c931 100644 --- a/translations/fa/examples/README.md +++ b/translations/fa/examples/README.md @@ -1,12 +1,3 @@ - # مثال‌های هوش مصنوعی برای مبتدیان خوش آمدید! این فهرست شامل مثال‌های ساده و مستقل است که به شما کمک می‌کند با هوش مصنوعی و یادگیری ماشین شروع کنید. هر مثال به گونه‌ای طراحی شده که برای مبتدیان مناسب باشد و شامل توضیحات گام‌به‌گام و نظرات دقیق است. diff --git a/translations/fa/lessons/0-course-setup/for-teachers.md b/translations/fa/lessons/0-course-setup/for-teachers.md index 621be6e8..31aa996b 100644 --- a/translations/fa/lessons/0-course-setup/for-teachers.md +++ b/translations/fa/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # برای معلمان آیا دوست دارید از این برنامه درسی در کلاس خود استفاده کنید؟ لطفاً با خیال راحت این کار را انجام دهید! diff --git a/translations/fa/lessons/0-course-setup/how-to-run.md b/translations/fa/lessons/0-course-setup/how-to-run.md index ecad9c46..a593a12b 100644 --- a/translations/fa/lessons/0-course-setup/how-to-run.md +++ b/translations/fa/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # چگونه کد را اجرا کنیم این برنامه آموزشی حاوی مثال‌ها و آزمایش‌های قابل اجرا زیادی است که احتمالاً می‌خواهید اجرا کنید. برای انجام این کار، باید توانایی اجرای کد پایتون در دفترچه‌های Jupyter ارائه شده به عنوان بخشی از این برنامه آموزشی را داشته باشید. چند گزینه برای اجرای کد دارید: diff --git a/translations/fa/lessons/0-course-setup/setup.md b/translations/fa/lessons/0-course-setup/setup.md index 9dccb225..f5898ae3 100644 --- a/translations/fa/lessons/0-course-setup/setup.md +++ b/translations/fa/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # شروع به کار با این برنامه آموزشی ## آیا شما دانشجو هستید؟ diff --git a/translations/fa/lessons/1-Intro/README.md b/translations/fa/lessons/1-Intro/README.md index a6c2a52e..98fca6fd 100644 --- a/translations/fa/lessons/1-Intro/README.md +++ b/translations/fa/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # مقدمه‌ای بر هوش مصنوعی ![خلاصه‌ای از محتوای مقدمه هوش مصنوعی در یک طرح](../../../../translated_images/fa/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/fa/lessons/1-Intro/assignment.md b/translations/fa/lessons/1-Intro/assignment.md index 8361f190..e2527b4c 100644 --- a/translations/fa/lessons/1-Intro/assignment.md +++ b/translations/fa/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # جام بازی بازی‌ها یکی از حوزه‌هایی هستند که به شدت تحت تأثیر پیشرفت‌های هوش مصنوعی و یادگیری ماشین قرار گرفته‌اند. در این تکلیف، یک مقاله کوتاه درباره یک بازی که دوست دارید و تحت تأثیر تکامل هوش مصنوعی قرار گرفته است بنویسید. این بازی باید به اندازه کافی قدیمی باشد تا تحت تأثیر چندین نوع سیستم پردازش کامپیوتری قرار گرفته باشد. یک مثال خوب می‌تواند شطرنج یا گو باشد، اما همچنین به بازی‌های ویدیویی مانند پونگ یا پک‌من نیز نگاهی بیندازید. مقاله‌ای بنویسید که گذشته، حال و آینده هوش مصنوعی در این بازی را مورد بحث قرار دهد. diff --git a/translations/fa/lessons/2-Symbolic/README.md b/translations/fa/lessons/2-Symbolic/README.md index ab519a12..1b28430c 100644 --- a/translations/fa/lessons/2-Symbolic/README.md +++ b/translations/fa/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # نمایش دانش و سیستم‌های خبره -![خلاصه محتوای هوش مصنوعی نمادین](../../../../../../translated_images/fa/ai-symbolic.715a30cb610411a6.webp) +![خلاصه محتوای هوش مصنوعی نمادین](../../../../translated_images/fa/ai-symbolic.715a30cb610411a6.webp) > اسکچ‌نوت توسط [Tomomi Imura](https://twitter.com/girlie_mac) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: بنابراین، مسئله **نمایش دانش** یافتن روش موثری برای نمایش دانش درون رایانه به شکل داده است تا به صورت خودکار قابل استفاده باشد. این را می‌توان به صورت یک طیف دید: -![نمایش دانش طیف](../../../../../../translated_images/fa/knowledge-spectrum.b60df631852c0217.webp) +![نمایش دانش طیف](../../../../translated_images/fa/knowledge-spectrum.b60df631852c0217.webp) > تصویر توسط [Dmitry Soshnikov](http://soshnikov.com) @@ -94,7 +85,7 @@ Python | نحو بلاک | تورفتگی یکی از موفقیت‌های اولیه هوش مصنوعی نمادین، سیستم‌های خبره نام داشتند - سیستم‌های کامپیوتری که برای عمل کردن به عنوان کارشناس در حوزه‌های محدود طراحی شده بودند. آنها بر پایه **پایگاه دانش** استخراج شده از یک یا چند متخصص انسانی ساخته شده بودند و دارای **موتور استنتاج** بودند که روی آن مقداری استدلال انجام می‌داد. -![معماری انسان](../../../../../../translated_images/fa/arch-human.5d4d35f1bba3ab1c.webp) | ![سیستم مبتنی بر دانش](../../../../../../translated_images/fa/arch-kbs.3ec5c150b09fa8da.webp) +![معماری انسان](../../../../translated_images/fa/arch-human.5d4d35f1bba3ab1c.webp) | ![سیستم مبتنی بر دانش](../../../../translated_images/fa/arch-kbs.3ec5c150b09fa8da.webp) ---------------------------------------------|------------------------------------------------ ساختار ساده‌شده سیستم عصبی انسان | معماری سیستم مبتنی بر دانش @@ -106,7 +97,7 @@ Python | نحو بلاک | تورفتگی به عنوان مثال، سیستم خبره زیر را در نظر بگیرید که حیوانی را بر اساس ویژگی‌های فیزیکی‌اش تعیین می‌کند: -![درخت AND-OR](../../../../../../translated_images/fa/AND-OR-Tree.5592d2c70187f283.webp) +![درخت AND-OR](../../../../translated_images/fa/AND-OR-Tree.5592d2c70187f283.webp) > تصویر توسط [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/fa/lessons/2-Symbolic/assignment.md b/translations/fa/lessons/2-Symbolic/assignment.md index 59c460a4..81e050d9 100644 --- a/translations/fa/lessons/2-Symbolic/assignment.md +++ b/translations/fa/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # ساخت یک هستی‌شناسی ساخت یک پایگاه دانش به معنای دسته‌بندی مدلی است که حقایق مربوط به یک موضوع را نشان می‌دهد. یک موضوع انتخاب کنید - مانند یک شخص، مکان یا چیز - و سپس مدلی از آن موضوع بسازید. از برخی تکنیک‌ها و استراتژی‌های مدل‌سازی که در این درس توضیح داده شده‌اند استفاده کنید. به عنوان مثال، می‌توانید یک هستی‌شناسی از یک اتاق نشیمن با مبلمان، چراغ‌ها و موارد دیگر ایجاد کنید. اتاق نشیمن چگونه با آشپزخانه متفاوت است؟ با حمام؟ چگونه تشخیص می‌دهید که این اتاق نشیمن است و نه اتاق غذاخوری؟ از [Protégé](https://protege.stanford.edu/) برای ساخت هستی‌شناسی خود استفاده کنید. diff --git a/translations/fa/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/fa/lessons/3-NeuralNetworks/03-Perceptron/README.md index 2fef6843..94165d22 100644 --- a/translations/fa/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/fa/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # مقدمه‌ای بر شبکه‌های عصبی: پرسپترون ## [پیش‌آزمون](https://ff-quizzes.netlify.app/en/ai/quiz/5) @@ -15,7 +6,7 @@ CO_OP_TRANSLATOR_METADATA: | | | |--------------|-----------| -|Frank Rosenblatt | The Mark 1 Perceptron| +|Frank Rosenblatt | The Mark 1 Perceptron| > تصاویر [از ویکی‌پدیا](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) که در آن f یک تابع فعال‌سازی پله‌ای است. - + ## آموزش پرسپترون diff --git a/translations/fa/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/fa/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index 2bb0773a..c4f588fd 100644 --- a/translations/fa/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/fa/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # طبقه‌بندی چندکلاسه با پرسپترون تمرین آزمایشگاهی از [برنامه درسی هوش مصنوعی برای مبتدیان](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/fa/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/fa/lessons/3-NeuralNetworks/04-OwnFramework/README.md index 0f9a12d8..10d7027e 100644 --- a/translations/fa/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/fa/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # مقدمه‌ای بر شبکه‌های عصبی. پرسپترون چندلایه در بخش قبلی، شما با ساده‌ترین مدل شبکه عصبی - پرسپترون تک‌لایه، که یک مدل طبقه‌بندی خطی دوکلاسه است، آشنا شدید. @@ -65,7 +56,7 @@ CO_OP_TRANSLATOR_METADATA: توجه داشته باشید که بخش سمت چپ همه این عبارات یکسان است و بنابراین می‌توان مشتق‌ها را به طور مؤثر از تابع خطا شروع کرده و "به عقب" از طریق گراف محاسباتی محاسبه کرد. بنابراین روش آموزش پرسپترون چندلایه **پس‌انتشار** یا 'backprop' نامیده می‌شود. -گراف محاسباتی +گراف محاسباتی > TODO: ذکر منبع تصویر diff --git a/translations/fa/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/fa/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index d4fc0847..20d6c900 100644 --- a/translations/fa/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/fa/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # طبقه‌بندی MNIST با چارچوب خودمان تکلیف آزمایشگاهی از [برنامه درسی هوش مصنوعی برای مبتدیان](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/fa/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/fa/lessons/3-NeuralNetworks/05-Frameworks/README.md index 1af0f44f..e6a31581 100644 --- a/translations/fa/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/fa/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # چارچوب‌های شبکه عصبی همانطور که قبلاً یاد گرفتیم، برای اینکه بتوانیم شبکه‌های عصبی را به طور مؤثر آموزش دهیم، باید دو کار انجام دهیم: diff --git a/translations/fa/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/fa/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index fc84fad2..28e79be8 100644 --- a/translations/fa/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/fa/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # طبقه‌بندی با PyTorch/TensorFlow تکلیف آزمایشگاهی از [برنامه درسی AI for Beginners](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/fa/lessons/3-NeuralNetworks/README.md b/translations/fa/lessons/3-NeuralNetworks/README.md index 72357141..d3d058ae 100644 --- a/translations/fa/lessons/3-NeuralNetworks/README.md +++ b/translations/fa/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # مقدمه‌ای بر شبکه‌های عصبی ![خلاصه‌ای از محتوای مقدمه شبکه‌های عصبی در یک طرح](../../../../translated_images/fa/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/fa/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/fa/lessons/4-ComputerVision/06-IntroCV/README.md index 07473c41..e702badd 100644 --- a/translations/fa/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/fa/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # مقدمه‌ای بر بینایی کامپیوتر [بینایی کامپیوتر](https://wikipedia.org/wiki/Computer_vision) شاخه‌ای از علوم است که هدف آن این است که کامپیوترها بتوانند درک سطح بالایی از تصاویر دیجیتال داشته باشند. این تعریف بسیار گسترده است، زیرا *درک* می‌تواند معانی مختلفی داشته باشد، از جمله پیدا کردن یک شیء در تصویر (**تشخیص شیء**)، فهمیدن اینکه چه اتفاقی در حال رخ دادن است (**تشخیص رویداد**)، توصیف یک تصویر به صورت متنی، یا بازسازی یک صحنه به صورت سه‌بعدی. همچنین وظایف خاصی مرتبط با تصاویر انسانی وجود دارد: تخمین سن و احساسات، تشخیص و شناسایی چهره، و تخمین وضعیت سه‌بعدی، تنها چند نمونه از این وظایف هستند. @@ -117,7 +108,7 @@ im = cv2.cvtColor(im,cv2.COLOR_BGR2RGB) در این آزمایشگاه، شما یک ویدئو با حرکات ساده ضبط خواهید کرد و هدف شما استخراج حرکات بالا/پایین/چپ/راست با استفاده از جریان نوری است. -فریم حرکت کف دست +فریم حرکت کف دست --- diff --git a/translations/fa/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/fa/lessons/4-ComputerVision/06-IntroCV/lab/README.md index 8c022c98..bbc487d0 100644 --- a/translations/fa/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/fa/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # تشخیص حرکات با استفاده از Optical Flow تمرین آزمایشگاهی از [برنامه درسی AI برای مبتدیان](https://aka.ms/ai-beginners). diff --git a/translations/fa/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/fa/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index 07fa24dc..01b3c8d7 100644 --- a/translations/fa/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/fa/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # معماری‌های معروف شبکه‌های عصبی کانولوشنی (CNN) ### VGG-16 @@ -25,7 +16,7 @@ VGG-16 یک شبکه است که در سال ۲۰۱۴ به دقت ۹۲.۷٪ در ResNet خانواده‌ای از مدل‌ها است که توسط Microsoft Research در سال ۲۰۱۵ پیشنهاد شد. ایده اصلی ResNet استفاده از **بلوک‌های باقیمانده (residual blocks)** است: - + > تصویر از [این مقاله](https://arxiv.org/pdf/1512.03385.pdf) @@ -37,7 +28,7 @@ ResNet خانواده‌ای از مدل‌ها است که توسط Microsoft R معماری Google Inception این ایده را یک قدم جلوتر می‌برد و هر لایه شبکه را به‌عنوان ترکیبی از چندین مسیر مختلف می‌سازد: - + > تصویر از [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) diff --git a/translations/fa/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/fa/lessons/4-ComputerVision/07-ConvNets/README.md index 2db32e9e..6519c5c2 100644 --- a/translations/fa/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/fa/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # شبکه‌های عصبی کانولوشنی قبلاً دیده‌ایم که شبکه‌های عصبی در پردازش تصاویر بسیار خوب عمل می‌کنند، حتی یک پرسپترون تک‌لایه قادر است با دقت قابل قبولی ارقام دست‌نویس مجموعه داده MNIST را تشخیص دهد. با این حال، مجموعه داده MNIST بسیار خاص است و تمام ارقام در مرکز تصویر قرار دارند، که این کار را ساده‌تر می‌کند. @@ -24,7 +15,7 @@ CO_OP_TRANSLATOR_METADATA: به عنوان مثال، اگر فیلترهای لبه عمودی و افقی ۳x۳ را به ارقام MNIST اعمال کنیم، می‌توانیم نقاط برجسته (مانند مقادیر بالا) را در جایی که لبه‌های عمودی و افقی در تصویر اصلی وجود دارند، دریافت کنیم. بنابراین این دو فیلتر می‌توانند برای "جستجوی" لبه‌ها استفاده شوند. به همین ترتیب، می‌توانیم فیلترهای مختلفی طراحی کنیم تا به دنبال سایر الگوهای سطح پایین بگردیم: - + > تصویر از [بانک فیلتر لئونگ-مالیک](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) diff --git a/translations/fa/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/fa/lessons/4-ComputerVision/07-ConvNets/lab/README.md index b95db1d1..c6fa50e1 100644 --- a/translations/fa/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/fa/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # طبقه‌بندی چهره حیوانات خانگی تکلیف آزمایشگاهی از [برنامه درسی AI برای مبتدیان](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/fa/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/fa/lessons/4-ComputerVision/08-TransferLearning/README.md index 7e84c46a..9b83f186 100644 --- a/translations/fa/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/fa/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # شبکه‌های از پیش آموزش‌دیده و یادگیری انتقالی آموزش شبکه‌های عصبی کانولوشنی (CNN) می‌تواند زمان زیادی ببرد و به داده‌های زیادی نیاز دارد. با این حال، بخش زیادی از زمان صرف یادگیری بهترین فیلترهای سطح پایین می‌شود که یک شبکه می‌تواند برای استخراج الگوها از تصاویر استفاده کند. یک سؤال طبیعی این است که آیا می‌توانیم از یک شبکه عصبی که روی یک مجموعه داده آموزش دیده است استفاده کنیم و آن را برای طبقه‌بندی تصاویر متفاوت بدون نیاز به فرآیند کامل آموزش تطبیق دهیم؟ diff --git a/translations/fa/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/fa/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index 77b35b82..0b8d72f6 100644 --- a/translations/fa/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/fa/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # ترفندهای آموزش یادگیری عمیق با عمیق‌تر شدن شبکه‌های عصبی، فرآیند آموزش آن‌ها چالش‌برانگیزتر می‌شود. یکی از مشکلات اصلی، مسئله‌ی [گرادیان‌های ناپدیدشونده](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) یا [گرادیان‌های انفجاری](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.) است. [این مطلب](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) مقدمه‌ی خوبی برای این مشکلات ارائه می‌دهد. diff --git a/translations/fa/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/fa/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index dcda777c..594ec40d 100644 --- a/translations/fa/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/fa/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # طبقه‌بندی حیوانات خانگی آکسفورد با استفاده از یادگیری انتقالی تکلیف آزمایشگاهی از [برنامه درسی هوش مصنوعی برای مبتدیان](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/fa/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/fa/lessons/4-ComputerVision/09-Autoencoders/README.md index 0a00863c..ab63e9b2 100644 --- a/translations/fa/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/fa/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # اتوانکودرها هنگام آموزش شبکه‌های عصبی کانولوشنی (CNN)، یکی از مشکلات این است که به داده‌های برچسب‌دار زیادی نیاز داریم. در مورد دسته‌بندی تصاویر، باید تصاویر را به کلاس‌های مختلف تقسیم کنیم که این کار به صورت دستی انجام می‌شود. @@ -46,7 +37,7 @@ VAE نوعی اتوانکودر است که یاد می‌گیرد *توزیع * یک بردار `sample` از توزیع N(zmean,exp(zlog\_sigma)) نمونه‌برداری می‌کنیم * رمزگشا تلاش می‌کند تصویر اصلی را با استفاده از `sample` به عنوان بردار ورودی رمزگشایی کند - + > تصویر از [این پست وبلاگ](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) توسط Isaak Dykeman @@ -57,13 +48,13 @@ VAE نوعی اتوانکودر است که یاد می‌گیرد *توزیع یکی از مزایای مهم VAE‌ها این است که به ما امکان می‌دهند تصاویر جدید را نسبتاً آسان تولید کنیم، زیرا می‌دانیم از کدام توزیع برای نمونه‌برداری بردارهای نهفته استفاده کنیم. به عنوان مثال، اگر VAE را با بردار نهفته دو‌بعدی روی MNIST آموزش دهیم، می‌توانیم اجزای بردار نهفته را تغییر دهیم تا ارقام مختلفی به دست آوریم: -vaemnist +vaemnist > تصویر توسط [Dmitry Soshnikov](http://soshnikov.com) مشاهده کنید که چگونه تصاویر به یکدیگر تبدیل می‌شوند، زیرا شروع به گرفتن بردارهای نهفته از بخش‌های مختلف فضای پارامتر نهفته می‌کنیم. همچنین می‌توانیم این فضا را در دو‌بعد مصورسازی کنیم: -vaemnist cluster +vaemnist cluster > تصویر توسط [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/fa/lessons/4-ComputerVision/10-GANs/README.md b/translations/fa/lessons/4-ComputerVision/10-GANs/README.md index e0dd80b5..72d6ab7a 100644 --- a/translations/fa/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/fa/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # شبکه‌های مولد تخاصمی در بخش قبلی، درباره **مدل‌های مولد** یاد گرفتیم: مدل‌هایی که می‌توانند تصاویر جدیدی مشابه تصاویر موجود در مجموعه داده آموزشی تولید کنند. VAE نمونه خوبی از یک مدل مولد بود. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: ایده اصلی GAN این است که دو شبکه عصبی داشته باشیم که در برابر یکدیگر آموزش داده شوند: - + > تصویر از [دمیتری سوشنیکوف](http://soshnikov.com) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ از آنجا که لایه کانولوشن به عنوان یک فیلتر خطی که تصویر را پیمایش می‌کند، پیاده‌سازی می‌شود، کانولوشن معکوس اساساً مشابه کانولوشن است و می‌تواند با استفاده از همان منطق لایه پیاده‌سازی شود. - + > تصویر از [دمیتری سوشنیکوف](http://soshnikov.com) diff --git a/translations/fa/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/fa/lessons/4-ComputerVision/11-ObjectDetection/README.md index 1775c0bb..cd32aeb3 100644 --- a/translations/fa/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/fa/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # تشخیص اشیا مدل‌های طبقه‌بندی تصویر که تاکنون با آن‌ها کار کرده‌ایم، یک تصویر را گرفته و یک نتیجه دسته‌بندی شده تولید می‌کردند، مانند کلاس "عدد" در مسئله MNIST. اما در بسیاری از موارد، ما فقط نمی‌خواهیم بدانیم که یک تصویر اشیایی را نشان می‌دهد - بلکه می‌خواهیم مکان دقیق آن‌ها را نیز تعیین کنیم. این دقیقاً هدف **تشخیص اشیا** است. diff --git a/translations/fa/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/fa/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index d73ec143..d0a3498a 100644 --- a/translations/fa/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/fa/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # تشخیص سر با استفاده از مجموعه داده Hollywood Heads تمرین آزمایشگاهی از [برنامه درسی AI for Beginners](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/fa/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/fa/lessons/4-ComputerVision/12-Segmentation/README.md index ef7c19d0..e4bef042 100644 --- a/translations/fa/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/fa/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # بخش‌بندی ما قبلاً درباره تشخیص اشیا یاد گرفتیم، که به ما امکان می‌دهد اشیا را در تصویر با پیش‌بینی *جعبه‌های محدودکننده* مکان‌یابی کنیم. با این حال، برای برخی وظایف، نه تنها به جعبه‌های محدودکننده نیاز داریم، بلکه به مکان‌یابی دقیق‌تر اشیا نیز احتیاج داریم. این وظیفه **بخش‌بندی** نامیده می‌شود. @@ -20,7 +11,7 @@ CO_OP_TRANSLATOR_METADATA: برای بخش‌بندی نمونه‌ای، این گوسفندها اشیای مختلفی هستند، اما برای بخش‌بندی معنایی همه گوسفندها به عنوان یک کلاس نمایش داده می‌شوند. - + > تصویر از [این پست وبلاگ](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) @@ -29,7 +20,7 @@ CO_OP_TRANSLATOR_METADATA: * **رمزگذار** ویژگی‌ها را از تصویر ورودی استخراج می‌کند. * **رمزگشا** این ویژگی‌ها را به تصویر **ماسک** تبدیل می‌کند، با همان اندازه و تعداد کانال‌ها که به تعداد کلاس‌ها مربوط می‌شود. - + > تصویر از [این مقاله](https://arxiv.org/pdf/2001.05566.pdf) @@ -43,7 +34,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ این تکنیک به طور خاص برای این نوع تصویربرداری پزشکی مناسب است، اما چه کاربردهای واقعی دیگری را می‌توانید تصور کنید؟ -navi +navi > تصویر از پایگاه داده PH2 diff --git a/translations/fa/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/fa/lessons/4-ComputerVision/12-Segmentation/lab/README.md index fc1b03e6..bc0c82ec 100644 --- a/translations/fa/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/fa/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # جداسازی بدن انسان تکلیف آزمایشگاهی از [برنامه درسی AI برای مبتدیان](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/fa/lessons/4-ComputerVision/README.md b/translations/fa/lessons/4-ComputerVision/README.md index fbd70f3a..e1ea6844 100644 --- a/translations/fa/lessons/4-ComputerVision/README.md +++ b/translations/fa/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # بینایی کامپیوتر ![خلاصه‌ای از محتوای بینایی کامپیوتر در یک طرح](../../../../lessons/sketchnotes/ai-computervision.png) diff --git a/translations/fa/lessons/5-NLP/13-TextRep/README.md b/translations/fa/lessons/5-NLP/13-TextRep/README.md index 362a1db8..3944df32 100644 --- a/translations/fa/lessons/5-NLP/13-TextRep/README.md +++ b/translations/fa/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # نمایش متن به صورت تنسورها ## [پیش‌ آزمون](https://ff-quizzes.netlify.app/en/ai/quiz/25) @@ -25,7 +16,7 @@ CO_OP_TRANSLATOR_METADATA: اگر بخواهیم وظایف پردازش زبان طبیعی (NLP) را با شبکه‌های عصبی حل کنیم، باید راهی برای نمایش متن به صورت تنسورها داشته باشیم. کامپیوترها از قبل کاراکترهای متنی را به صورت اعداد نمایش می‌دهند که با استفاده از کدگذاری‌هایی مانند ASCII یا UTF-8 به فونت‌های روی صفحه شما نگاشت می‌شوند. -تصویری که نمودار نگاشت یک کاراکتر به نمایش ASCII و باینری را نشان می‌دهد +تصویری که نمودار نگاشت یک کاراکتر به نمایش ASCII و باینری را نشان می‌دهد > [منبع تصویر](https://www.seobility.net/en/wiki/ASCII) @@ -48,7 +39,7 @@ CO_OP_TRANSLATOR_METADATA: هنگام حل وظایفی مانند طبقه‌بندی متن، باید بتوانیم متن را به یک بردار با اندازه ثابت نمایش دهیم که به عنوان ورودی به طبقه‌بند نهایی متراکم استفاده شود. یکی از ساده‌ترین روش‌ها برای انجام این کار، ترکیب تمام نمایش‌های کلمات جداگانه است، به عنوان مثال با جمع کردن آنها. اگر کدگذاری‌های یک‌داغ هر کلمه را جمع کنیم، به یک بردار فرکانس‌ها می‌رسیم که نشان می‌دهد هر کلمه چند بار در متن ظاهر شده است. چنین نمایش متنی **کیسه کلمات** (BoW) نامیده می‌شود. - + > تصویر توسط نویسنده diff --git a/translations/fa/lessons/5-NLP/13-TextRep/assignment.md b/translations/fa/lessons/5-NLP/13-TextRep/assignment.md index 015f356a..751cf53f 100644 --- a/translations/fa/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/fa/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # تکلیف: دفترچه‌ها با استفاده از دفترچه‌های مرتبط با این درس (نسخه PyTorch یا TensorFlow)، آنها را با استفاده از مجموعه داده‌های خودتان اجرا کنید، شاید یکی از مجموعه داده‌های Kaggle که با ذکر منبع استفاده شده باشد. دفترچه را بازنویسی کنید تا یافته‌های خودتان را برجسته کنید. مجموعه داده‌های نوآورانه‌ای را امتحان کنید که ممکن است شگفت‌انگیز باشند، مانند [این مجموعه داده درباره مشاهده‌های بشقاب پرنده](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) از NUFORC. diff --git a/translations/fa/lessons/5-NLP/14-Embeddings/README.md b/translations/fa/lessons/5-NLP/14-Embeddings/README.md index 5c36b4c6..bf3aa153 100644 --- a/translations/fa/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/fa/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # تعبیه‌ها ## [پیش‌آزمون](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/fa/lessons/5-NLP/14-Embeddings/assignment.md b/translations/fa/lessons/5-NLP/14-Embeddings/assignment.md index bdcf18c8..672fc131 100644 --- a/translations/fa/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/fa/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # تکلیف: دفترچه‌ها با استفاده از دفترچه‌های مرتبط با این درس (نسخه PyTorch یا TensorFlow)، آنها را با استفاده از مجموعه داده خودتان دوباره اجرا کنید، شاید یکی از مجموعه داده‌های Kaggle که با ذکر منبع استفاده شده باشد. دفترچه را بازنویسی کنید تا یافته‌های خودتان را برجسته کنید. یک نوع متفاوت از مجموعه داده را امتحان کنید و یافته‌های خود را مستند کنید، با استفاده از متنی مانند [این اشعار بیتلز](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics). diff --git a/translations/fa/lessons/5-NLP/15-LanguageModeling/README.md b/translations/fa/lessons/5-NLP/15-LanguageModeling/README.md index 3ad5a567..eb23a027 100644 --- a/translations/fa/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/fa/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # مدل‌سازی زبان بردارهای معنایی، مانند Word2Vec و GloVe، در واقع اولین گام به سوی **مدل‌سازی زبان** هستند - ایجاد مدل‌هایی که به نوعی *ماهیت* یا *نمایش* زبان را درک کنند. diff --git a/translations/fa/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/fa/lessons/5-NLP/15-LanguageModeling/lab/README.md index a1bf0cab..41ecb12e 100644 --- a/translations/fa/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/fa/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # آموزش مدل Skip-Gram تکلیف آزمایشگاهی از [برنامه درسی هوش مصنوعی برای مبتدیان](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/fa/lessons/5-NLP/16-RNN/README.md b/translations/fa/lessons/5-NLP/16-RNN/README.md index 9116c695..2a903aaa 100644 --- a/translations/fa/lessons/5-NLP/16-RNN/README.md +++ b/translations/fa/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # شبکه‌های عصبی بازگشتی ## [آزمون پیش از درس](https://ff-quizzes.netlify.app/en/ai/quiz/31) @@ -31,7 +22,7 @@ CO_OP_TRANSLATOR_METADATA: یک سلول ساده RNN دارای دو ماتریس وزن داخلی است: یکی نماد ورودی را تبدیل می‌کند (آن را W می‌نامیم) و دیگری وضعیت ورودی را تبدیل می‌کند (H). در این حالت، خروجی شبکه به صورت σ(W×Xi+H×Si-1+b) محاسبه می‌شود، که در آن σ تابع فعال‌سازی و b بایاس اضافی است. -ساختار سلول RNN +ساختار سلول RNN > تصویر از نویسنده diff --git a/translations/fa/lessons/5-NLP/16-RNN/assignment.md b/translations/fa/lessons/5-NLP/16-RNN/assignment.md index 2921beb2..a2dfd2b1 100644 --- a/translations/fa/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/fa/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # تکلیف: نوت‌بوک‌ها با استفاده از نوت‌بوک‌های مرتبط با این درس (نسخه PyTorch یا TensorFlow)، آن‌ها را با استفاده از دیتاست خودتان دوباره اجرا کنید، شاید یک دیتاست از Kaggle که با ذکر منبع استفاده شده باشد. نوت‌بوک را بازنویسی کنید تا یافته‌های خودتان را برجسته کنید. یک نوع دیتاست متفاوت را امتحان کنید و یافته‌های خود را مستند کنید، با استفاده از متنی مانند [این دیتاست مسابقه Kaggle درباره توییت‌های آب‌وهوایی](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv). diff --git a/translations/fa/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/fa/lessons/5-NLP/17-GenerativeNetworks/README.md index 25d8b3a4..5ae3f0bd 100644 --- a/translations/fa/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/fa/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # شبکه‌های مولد ## [پیش‌زمینه‌ی درس](https://ff-quizzes.netlify.app/en/ai/quiz/33) @@ -36,7 +27,7 @@ CO_OP_TRANSLATOR_METADATA: هنگام تولید متن (در زمان استنتاج)، با یک **پیش‌زمینه** شروع می‌کنیم که از طریق سلول‌های RNN عبور داده می‌شود تا حالت میانی آن تولید شود، و سپس از این حالت تولید آغاز می‌شود. ما یک کاراکتر در هر زمان تولید می‌کنیم و حالت و کاراکتر تولید شده را به یک سلول RNN دیگر می‌دهیم تا کاراکتر بعدی را تولید کند، تا زمانی که تعداد کافی کاراکتر تولید کنیم. - + > تصویر توسط نویسنده diff --git a/translations/fa/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/fa/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index 47b74fc7..d2d140ee 100644 --- a/translations/fa/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/fa/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # تولید متن در سطح کلمه با استفاده از RNN تکلیف آزمایشگاهی از [برنامه درسی هوش مصنوعی برای مبتدیان](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/fa/lessons/5-NLP/18-Transformers/README.md b/translations/fa/lessons/5-NLP/18-Transformers/README.md index 7f411400..6baf9627 100644 --- a/translations/fa/lessons/5-NLP/18-Transformers/README.md +++ b/translations/fa/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # مکانیزم‌های توجه و مدل‌های ترانسفورمر ## [پیش‌آزمون](https://ff-quizzes.netlify.app/en/ai/quiz/35) @@ -56,7 +47,7 @@ CO_OP_TRANSLATOR_METADATA: * تعبیه قابل آموزش، مشابه تعبیه توکن. این روش را در اینجا در نظر می‌گیریم. لایه‌های تعبیه را بر روی توکن‌ها و موقعیت‌های آن‌ها اعمال می‌کنیم، که منجر به بردارهای تعبیه با ابعاد یکسان می‌شود، و سپس آن‌ها را با هم جمع می‌کنیم. * تابع کدگذاری موقعیت ثابت، همانطور که در مقاله اصلی پیشنهاد شده است. - + > تصویر توسط نویسنده diff --git a/translations/fa/lessons/5-NLP/18-Transformers/assignment.md b/translations/fa/lessons/5-NLP/18-Transformers/assignment.md index bcc37c2f..ba9a492b 100644 --- a/translations/fa/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/fa/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # تکلیف: ترانسفورمرها با ترانسفورمرها در HuggingFace کار کنید! برخی از اسکریپت‌هایی که آن‌ها برای کار با مدل‌های مختلف در سایتشان ارائه می‌دهند را امتحان کنید: https://huggingface.co/docs/transformers/run_scripts. یکی از دیتاست‌های آن‌ها را امتحان کنید، سپس یکی از دیتاست‌های خودتان را از این دوره آموزشی یا از Kaggle وارد کنید و ببینید آیا می‌توانید متون جالبی تولید کنید. یک نوت‌بوک با یافته‌های خود تهیه کنید. diff --git a/translations/fa/lessons/5-NLP/19-NER/README.md b/translations/fa/lessons/5-NLP/19-NER/README.md index 76494372..53ae5cda 100644 --- a/translations/fa/lessons/5-NLP/19-NER/README.md +++ b/translations/fa/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # شناسایی موجودیت‌های نام‌گذاری‌شده تا به حال، بیشتر بر روی یک وظیفه پردازش زبان طبیعی (NLP) - طبقه‌بندی - تمرکز کرده‌ایم. با این حال، وظایف دیگری نیز در NLP وجود دارند که می‌توان با استفاده از شبکه‌های عصبی انجام داد. یکی از این وظایف **[شناسایی موجودیت‌های نام‌گذاری‌شده](https://wikipedia.org/wiki/Named-entity_recognition)** (NER) است که به شناسایی موجودیت‌های خاص در متن، مانند مکان‌ها، نام افراد، بازه‌های زمانی، فرمول‌های شیمیایی و موارد دیگر می‌پردازد. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: فرض کنید می‌خواهید یک چت‌بات زبان طبیعی توسعه دهید، مشابه Amazon Alexa یا Google Assistant. چت‌بات‌های هوشمند به این صورت کار می‌کنند که با انجام طبقه‌بندی متن بر روی جمله ورودی، *درک* کنند که کاربر چه می‌خواهد. نتیجه این طبقه‌بندی چیزی است که به آن **قصد** گفته می‌شود و مشخص می‌کند چت‌بات باید چه کاری انجام دهد. -Bot NER +Bot NER > تصویر توسط نویسنده diff --git a/translations/fa/lessons/5-NLP/19-NER/lab/README.md b/translations/fa/lessons/5-NLP/19-NER/lab/README.md index 75bfa1f9..79ec8d73 100644 --- a/translations/fa/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/fa/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # تشخیص موجودیت‌های نام‌گذاری‌شده (NER) تمرین آزمایشگاهی از [برنامه درسی هوش مصنوعی برای مبتدیان](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/fa/lessons/5-NLP/20-LangModels/README.md b/translations/fa/lessons/5-NLP/20-LangModels/README.md index c01ade6e..16e11346 100644 --- a/translations/fa/lessons/5-NLP/20-LangModels/README.md +++ b/translations/fa/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # مدل‌های زبانی بزرگ از پیش آموزش‌دیده در تمام وظایف قبلی، ما یک شبکه عصبی را برای انجام یک وظیفه خاص با استفاده از مجموعه داده‌های برچسب‌دار آموزش می‌دادیم. اما با مدل‌های بزرگ ترانسفورمر، مانند BERT، از مدل‌سازی زبان به صورت خودنظارتی استفاده می‌کنیم تا یک مدل زبانی بسازیم که سپس با آموزش‌های خاص دامنه برای وظایف پایین‌دستی تخصصی می‌شود. با این حال، نشان داده شده است که مدل‌های زبانی بزرگ می‌توانند بسیاری از وظایف را بدون هیچ‌گونه آموزش خاص دامنه‌ای حل کنند. خانواده‌ای از مدل‌ها که قادر به انجام این کار هستند، **GPT** نامیده می‌شوند: ترانسفورمر از پیش آموزش‌دیده مولد. diff --git a/translations/fa/lessons/5-NLP/README.md b/translations/fa/lessons/5-NLP/README.md index c7eaa004..643df0e0 100644 --- a/translations/fa/lessons/5-NLP/README.md +++ b/translations/fa/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # پردازش زبان طبیعی ![خلاصه‌ای از وظایف NLP در یک طرح](../../../../lessons/sketchnotes/ai-nlp.png) diff --git a/translations/fa/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/fa/lessons/6-Other/21-GeneticAlgorithms/README.md index 54b4e178..212a5db9 100644 --- a/translations/fa/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/fa/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # الگوریتم‌های ژنتیکی ## [پیش‌آزمون](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/fa/lessons/6-Other/22-DeepRL/README.md b/translations/fa/lessons/6-Other/22-DeepRL/README.md index 43b3f672..fd222033 100644 --- a/translations/fa/lessons/6-Other/22-DeepRL/README.md +++ b/translations/fa/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # یادگیری تقویتی عمیق یادگیری تقویتی (RL) یکی از پارادایم‌های اصلی یادگیری ماشین محسوب می‌شود، در کنار یادگیری نظارت‌شده و یادگیری بدون نظارت. در حالی که در یادگیری نظارت‌شده به مجموعه داده‌هایی با نتایج مشخص تکیه می‌کنیم، RL بر اساس **یادگیری از طریق انجام دادن** است. برای مثال، وقتی برای اولین بار یک بازی کامپیوتری را می‌بینیم، شروع به بازی می‌کنیم، حتی بدون دانستن قوانین، و به زودی فقط با فرآیند بازی کردن و تنظیم رفتارمان مهارت‌های خود را بهبود می‌دهیم. @@ -34,7 +25,7 @@ CO_OP_TRANSLATOR_METADATA: نسخه ساده‌شده‌ای از تعادل به عنوان مشکل **CartPole** شناخته می‌شود. در دنیای CartPole، ما یک لغزنده افقی داریم که می‌تواند به چپ یا راست حرکت کند، و هدف این است که یک میله عمودی را روی لغزنده در حال حرکت متعادل کنیم. -a cartpole +a cartpole برای ایجاد و استفاده از این محیط، به چند خط کد پایتون نیاز داریم: diff --git a/translations/fa/lessons/6-Other/22-DeepRL/lab/README.md b/translations/fa/lessons/6-Other/22-DeepRL/lab/README.md index c545a3b3..a3968030 100644 --- a/translations/fa/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/fa/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - ## محیط محیط Mountain Car شامل یک ماشین است که درون یک دره گرفتار شده است. هدف شما این است که از دره بیرون بپرید و به پرچم برسید. اقداماتی که می‌توانید انجام دهید شامل شتاب دادن به سمت چپ، شتاب دادن به سمت راست، یا انجام ندادن هیچ کاری است. شما می‌توانید موقعیت ماشین را در امتداد محور x و سرعت آن را مشاهده کنید. diff --git a/translations/fa/lessons/6-Other/23-MultiagentSystems/README.md b/translations/fa/lessons/6-Other/23-MultiagentSystems/README.md index bb6ec120..d8660515 100644 --- a/translations/fa/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/fa/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # سیستم‌های چندعاملی یکی از روش‌های ممکن برای دستیابی به هوش، رویکردی است که به آن **پدیدارگرا** (یا **هم‌افزایی**) گفته می‌شود. این رویکرد بر این اصل استوار است که رفتار ترکیبی تعداد زیادی عامل نسبتاً ساده می‌تواند منجر به رفتار کلی پیچیده‌تر (یا هوشمندانه‌تر) سیستم به‌عنوان یک کل شود. از نظر تئوری، این رویکرد بر اصول [هوش جمعی](https://en.wikipedia.org/wiki/Collective_intelligence)، [پدیدارگرایی](https://en.wikipedia.org/wiki/Global_brain) و [سایبرنتیک تکاملی](https://en.wikipedia.org/wiki/Global_brain) استوار است که بیان می‌کنند سیستم‌های سطح بالاتر زمانی که به‌درستی از سیستم‌های سطح پایین‌تر ترکیب شوند، نوعی ارزش افزوده به دست می‌آورند (اصلی که به آن *اصل گذار به فرامجموعه* گفته می‌شود). @@ -61,7 +52,7 @@ ask turtles [ یکی از ویژگی‌های عالی NetLogo این است که شامل کتابخانه‌ای از مدل‌های آماده است که می‌توانید آن‌ها را امتحان کنید. به **File → Models Library** بروید و دسته‌بندی‌های مختلفی از مدل‌ها را انتخاب کنید. -کتابخانه مدل‌های NetLogo +کتابخانه مدل‌های NetLogo > تصویری از کتابخانه مدل‌ها توسط دیمیتری سوشنیکوف diff --git a/translations/fa/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/fa/lessons/6-Other/23-MultiagentSystems/assignment.md index 1b4e21d8..5bfa6a37 100644 --- a/translations/fa/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/fa/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # تکلیف NetLogo یکی از مدل‌های موجود در کتابخانه NetLogo را انتخاب کنید و از آن برای شبیه‌سازی یک موقعیت واقعی تا حد امکان دقیق استفاده کنید. یک مثال خوب می‌تواند تغییر مدل Virus در پوشه Alternative Visualizations باشد تا نشان دهد چگونه می‌توان از آن برای مدل‌سازی گسترش COVID-19 استفاده کرد. آیا می‌توانید مدلی بسازید که گسترش واقعی یک ویروس را تقلید کند؟ diff --git a/translations/fa/lessons/7-Ethics/README.md b/translations/fa/lessons/7-Ethics/README.md index 5069a4d4..dd8d786b 100644 --- a/translations/fa/lessons/7-Ethics/README.md +++ b/translations/fa/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # هوش مصنوعی اخلاقی و مسئولانه شما تقریباً این دوره را به پایان رسانده‌اید و امیدوارم تا این لحظه به وضوح متوجه شده باشید که هوش مصنوعی بر اساس تعدادی روش‌های ریاضی رسمی بنا شده است که به ما امکان می‌دهد روابط موجود در داده‌ها را پیدا کنیم و مدل‌هایی را آموزش دهیم تا برخی جنبه‌های رفتار انسانی را بازتولید کنند. در این نقطه از تاریخ، ما هوش مصنوعی را به عنوان ابزاری بسیار قدرتمند برای استخراج الگوها از داده‌ها و استفاده از این الگوها برای حل مشکلات جدید در نظر می‌گیریم. diff --git a/translations/fa/lessons/README.md b/translations/fa/lessons/README.md index 89d367d1..aa539a38 100644 --- a/translations/fa/lessons/README.md +++ b/translations/fa/lessons/README.md @@ -1,12 +1,3 @@ - # نمای کلی ![نمای کلی در یک طرح](../../../lessons/sketchnotes/ai-overview.png) diff --git a/translations/fa/lessons/X-Extras/X1-MultiModal/README.md b/translations/fa/lessons/X-Extras/X1-MultiModal/README.md index da225aaf..4621e5dd 100644 --- a/translations/fa/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/fa/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # شبکه‌های چندوجهی پس از موفقیت مدل‌های ترنسفورمر در حل وظایف پردازش زبان طبیعی (NLP)، معماری‌های مشابه برای وظایف بینایی کامپیوتر نیز به کار گرفته شدند. علاقه‌مندی به ساخت مدل‌هایی که قابلیت‌های بینایی و زبان طبیعی را *ترکیب* کنند، در حال افزایش است. یکی از این تلاش‌ها توسط OpenAI انجام شده و به نام CLIP و DALL.E شناخته می‌شود. diff --git a/translations/fa/lessons/sketchnotes/LICENSE.md b/translations/fa/lessons/sketchnotes/LICENSE.md index b4930ad3..74e115a5 100644 --- a/translations/fa/lessons/sketchnotes/LICENSE.md +++ b/translations/fa/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - نسبت-اشتراک‌گذاری مشابه 4.0 بین‌المللی ======================================================================= diff --git a/translations/fa/lessons/sketchnotes/README.md b/translations/fa/lessons/sketchnotes/README.md index 82bc86ac..3c5afa71 100644 --- a/translations/fa/lessons/sketchnotes/README.md +++ b/translations/fa/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - تمام یادداشت‌های تصویری این برنامه درسی را می‌توانید از اینجا دانلود کنید. 🎨 ساخته شده توسط: تومومی ایمورا (توییتر: [@girlie_mac](https://twitter.com/girlie_mac)، گیت‌هاب: [girliemac](https://github.com/girliemac)) diff --git a/translations/fa/troubleshoot.md b/translations/fa/troubleshoot.md index 8bbe4e7a..cbcc3557 100644 --- a/translations/fa/troubleshoot.md +++ b/translations/fa/troubleshoot.md @@ -1,12 +1,3 @@ - # راهنمای رفع مشکلات AI-For-Beginners این راهنما به شما کمک می‌کند مشکلات رایج هنگام استفاده یا مشارکت در مخزن [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners) را حل کنید. هر مشکل شامل توضیحات، علائم، دلایل و راه‌حل‌های گام‌به‌گام است. diff --git a/translations/ru/.co-op-translator.json b/translations/ru/.co-op-translator.json new file mode 100644 index 00000000..aebfcff3 --- /dev/null +++ b/translations/ru/.co-op-translator.json @@ -0,0 +1,398 @@ +{ + "AGENTS.md": { + "original_hash": "6b11a37115944252ab3ed04e358d830d", + "translation_date": "2025-10-03T09:12:10+00:00", + "source_file": "AGENTS.md", + "language_code": "ru" + }, + "README.md": { + "original_hash": "1984fc89dd304a8a33ab5584691a99aa", + "translation_date": "2026-01-30T01:06:31+00:00", + "source_file": "README.md", + "language_code": "ru" + }, + "SECURITY.md": { + "original_hash": "a583f49d359c7ebba61433e4dfcd05a9", + "translation_date": "2025-08-26T06:34:14+00:00", + "source_file": "SECURITY.md", + "language_code": "ru" + }, + "etc/CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-08-26T06:51:51+00:00", + "source_file": "etc/CODE_OF_CONDUCT.md", + "language_code": "ru" + }, + "etc/CONTRIBUTING.md": { + "original_hash": "847a587aa1b83f4d00858183ff3ed18a", + "translation_date": "2025-08-26T06:52:09+00:00", + "source_file": "etc/CONTRIBUTING.md", + "language_code": "ru" + }, + "etc/Mindmap.md": { + "original_hash": "f2f88dbd2debd38e26149b27b1fd272d", + "translation_date": "2025-08-26T06:52:16+00:00", + "source_file": "etc/Mindmap.md", + "language_code": "ru" + }, + "etc/SUPPORT.md": { + "original_hash": "fdfc08baee91e402938a2b1f94fe0949", + "translation_date": "2025-08-26T06:51:45+00:00", + "source_file": "etc/SUPPORT.md", + "language_code": "ru" + }, + "etc/TRANSLATIONS.md": { + "original_hash": "62b3e3ad5182edb905eec649a87eeeb4", + "translation_date": "2025-08-26T06:51:57+00:00", + "source_file": "etc/TRANSLATIONS.md", + "language_code": "ru" + }, + "etc/quiz-app/README.md": { + "original_hash": "d699cf8509f74baa5b0b838de5cf0662", + "translation_date": "2025-08-26T06:52:44+00:00", + "source_file": "etc/quiz-app/README.md", + "language_code": "ru" + }, + "examples/README.md": { + "original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7", + "translation_date": "2025-10-03T11:26:42+00:00", + "source_file": "examples/README.md", + "language_code": "ru" + }, + "lessons/0-course-setup/for-teachers.md": { + "original_hash": "a094ef9927883de1cfcee51dbd143381", + "translation_date": "2025-08-26T06:51:21+00:00", + "source_file": "lessons/0-course-setup/for-teachers.md", + "language_code": "ru" + }, + "lessons/0-course-setup/how-to-run.md": { + "original_hash": "a4717bd9103b9f6cd84d534b83534689", + "translation_date": "2026-01-15T10:56:41+00:00", + "source_file": "lessons/0-course-setup/how-to-run.md", + "language_code": "ru" + }, + "lessons/0-course-setup/setup.md": { + "original_hash": "7b4e5b8956915870d0a0ed3cc5890042", + "translation_date": "2025-12-12T19:10:39+00:00", + "source_file": "lessons/0-course-setup/setup.md", + "language_code": "ru" + }, + "lessons/1-Intro/README.md": { + "original_hash": "f57e8aa46141fd220b16ffed8f11aec7", + "translation_date": "2025-11-18T20:36:34+00:00", + "source_file": "lessons/1-Intro/README.md", + "language_code": "ru" + }, + "lessons/1-Intro/assignment.md": { + "original_hash": "a334df77a82aaaf2a29c77065d3e481e", + "translation_date": "2025-11-18T20:37:29+00:00", + "source_file": "lessons/1-Intro/assignment.md", + "language_code": "ru" + }, + "lessons/2-Symbolic/README.md": { + "original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4", + "translation_date": "2026-01-15T10:56:53+00:00", + "source_file": "lessons/2-Symbolic/README.md", + "language_code": "ru" + }, + "lessons/2-Symbolic/assignment.md": { + "original_hash": "a057a8604f3976c3e309884453f1fad0", + "translation_date": "2025-08-26T06:50:59+00:00", + "source_file": "lessons/2-Symbolic/assignment.md", + "language_code": "ru" + }, + "lessons/3-NeuralNetworks/03-Perceptron/README.md": { + "original_hash": "c34cbba802058b6fa267e1a294d4e510", + "translation_date": "2025-09-23T08:01:39+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md", + "language_code": "ru" + }, + "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": { + "original_hash": "ba5d1eb353d20d3e7181066b3c424b99", + "translation_date": "2025-08-29T06:59:27+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md", + "language_code": "ru" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/README.md": { + "original_hash": "789d6c3fb6fc7948a470b33078a5983a", + "translation_date": "2025-09-23T08:01:17+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md", + "language_code": "ru" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": { + "original_hash": "48fdd704d483e19bc3d7464074c9fcbe", + "translation_date": "2025-08-26T06:47:04+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md", + "language_code": "ru" + }, + "lessons/3-NeuralNetworks/05-Frameworks/README.md": { + "original_hash": "ddd216f558a255260a9374008002c971", + "translation_date": "2025-09-23T08:01:58+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md", + "language_code": "ru" + }, + "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": { + "original_hash": "e452d897efb9a89700f41021834cf6e5", + "translation_date": "2025-08-26T06:47:44+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md", + "language_code": "ru" + }, + "lessons/3-NeuralNetworks/README.md": { + "original_hash": "f862a99d88088163df12270e2f2ad6c3", + "translation_date": "2025-10-03T12:41:53+00:00", + "source_file": "lessons/3-NeuralNetworks/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/06-IntroCV/README.md": { + "original_hash": "feeca98225cb420afc89415f24f63d92", + "translation_date": "2025-09-23T07:57:25+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/06-IntroCV/lab/README.md": { + "original_hash": "3d53d6409f80970f7281a45dee35328a", + "translation_date": "2025-08-26T06:42:53+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": { + "original_hash": "53faab85adfcebd8c10bcd71dc2fa557", + "translation_date": "2025-09-23T07:56:47+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/07-ConvNets/README.md": { + "original_hash": "a560d5b845962cf33dc102266e409568", + "translation_date": "2025-09-23T07:56:31+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/07-ConvNets/lab/README.md": { + "original_hash": "b70fcf7fcee862990f848c679090943f", + "translation_date": "2025-10-03T14:52:11+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/08-TransferLearning/README.md": { + "original_hash": "178c0b5ee5395733eb18aec51e71a0a9", + "translation_date": "2025-09-23T07:57:02+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": { + "original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99", + "translation_date": "2025-08-26T06:43:28+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/08-TransferLearning/lab/README.md": { + "original_hash": "7765935c35fcee69b9fe2d0cfd6963e2", + "translation_date": "2025-08-26T06:44:12+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/09-Autoencoders/README.md": { + "original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d", + "translation_date": "2025-09-23T07:58:31+00:00", + "source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/10-GANs/README.md": { + "original_hash": "0ff65b4da07b23697235de2beb2a3c25", + "translation_date": "2025-09-23T07:59:14+00:00", + "source_file": "lessons/4-ComputerVision/10-GANs/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/11-ObjectDetection/README.md": { + "original_hash": "d76a7eda28de5210c8b1ba50a6216c69", + "translation_date": "2025-09-23T07:57:52+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": { + "original_hash": "ad568d55ae65c856fe929fc2b278510a", + "translation_date": "2025-08-26T06:41:22+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/12-Segmentation/README.md": { + "original_hash": "6568aaae7e0e4afed4b5d74b5b223700", + "translation_date": "2025-09-23T07:58:59+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/12-Segmentation/lab/README.md": { + "original_hash": "365f0decfe0f47b460bbde8227c5009d", + "translation_date": "2025-08-26T06:40:07+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md", + "language_code": "ru" + }, + "lessons/4-ComputerVision/README.md": { + "original_hash": "58a52f000089c1d8906a4daa4ab1169b", + "translation_date": "2025-08-26T06:39:15+00:00", + "source_file": "lessons/4-ComputerVision/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/13-TextRep/README.md": { + "original_hash": "dbd3f73e4139f030ecb2e20387d70fee", + "translation_date": "2025-09-23T08:04:33+00:00", + "source_file": "lessons/5-NLP/13-TextRep/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/13-TextRep/assignment.md": { + "original_hash": "cdc1f2e631f055f3473b36d18e4760b3", + "translation_date": "2025-08-26T06:37:10+00:00", + "source_file": "lessons/5-NLP/13-TextRep/assignment.md", + "language_code": "ru" + }, + "lessons/5-NLP/14-Embeddings/README.md": { + "original_hash": "b708c9b85b833864c73c6281f1e6b96e", + "translation_date": "2025-09-23T08:04:16+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/14-Embeddings/assignment.md": { + "original_hash": "bc690ecf68b38d311cc9e12f3144a28c", + "translation_date": "2025-08-26T06:36:12+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/assignment.md", + "language_code": "ru" + }, + "lessons/5-NLP/15-LanguageModeling/README.md": { + "original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57", + "translation_date": "2025-09-23T08:02:39+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/15-LanguageModeling/lab/README.md": { + "original_hash": "5130f01fdc5ebb83032b23d489027aac", + "translation_date": "2025-08-26T06:37:31+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/16-RNN/README.md": { + "original_hash": "e2273cc150380a5e191903cea858f021", + "translation_date": "2025-09-23T08:03:53+00:00", + "source_file": "lessons/5-NLP/16-RNN/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/16-RNN/assignment.md": { + "original_hash": "47f7d3c6a5373543e051e4d1140ce898", + "translation_date": "2025-08-26T06:35:43+00:00", + "source_file": "lessons/5-NLP/16-RNN/assignment.md", + "language_code": "ru" + }, + "lessons/5-NLP/17-GenerativeNetworks/README.md": { + "original_hash": "51be6057374d01d70e07dd5ec88ebc0d", + "translation_date": "2025-09-23T08:02:21+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/17-GenerativeNetworks/lab/README.md": { + "original_hash": "439e12796197a90e7623d4c9c057b9c2", + "translation_date": "2025-08-26T06:36:41+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/18-Transformers/README.md": { + "original_hash": "f335dfcb4a993920504c387973a36957", + "translation_date": "2025-09-23T08:02:50+00:00", + "source_file": "lessons/5-NLP/18-Transformers/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/18-Transformers/assignment.md": { + "original_hash": "177f3ea3995d725e6f9f5c66af16edcd", + "translation_date": "2025-08-26T06:37:39+00:00", + "source_file": "lessons/5-NLP/18-Transformers/assignment.md", + "language_code": "ru" + }, + "lessons/5-NLP/19-NER/README.md": { + "original_hash": "6522312ff835796ca34136a9462fafb2", + "translation_date": "2025-09-23T08:03:33+00:00", + "source_file": "lessons/5-NLP/19-NER/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/19-NER/lab/README.md": { + "original_hash": "032bda5068f543d6c1fcb30c34231461", + "translation_date": "2025-08-26T06:38:11+00:00", + "source_file": "lessons/5-NLP/19-NER/lab/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/20-LangModels/README.md": { + "original_hash": "97836d30a6bec736f8e3b4411c572bc2", + "translation_date": "2025-09-23T08:03:18+00:00", + "source_file": "lessons/5-NLP/20-LangModels/README.md", + "language_code": "ru" + }, + "lessons/5-NLP/README.md": { + "original_hash": "8ef02a9318257ea140ed3ed74442096d", + "translation_date": "2025-08-26T06:34:51+00:00", + "source_file": "lessons/5-NLP/README.md", + "language_code": "ru" + }, + "lessons/6-Other/21-GeneticAlgorithms/README.md": { + "original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a", + "translation_date": "2025-09-23T07:55:12+00:00", + "source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md", + "language_code": "ru" + }, + "lessons/6-Other/22-DeepRL/README.md": { + "original_hash": "04395657fc01648f8f70484d0e55ab67", + "translation_date": "2025-09-23T07:56:09+00:00", + "source_file": "lessons/6-Other/22-DeepRL/README.md", + "language_code": "ru" + }, + "lessons/6-Other/22-DeepRL/lab/README.md": { + "original_hash": "7bd8dc72040e98e35e7225e34058cd4e", + "translation_date": "2025-08-26T06:45:46+00:00", + "source_file": "lessons/6-Other/22-DeepRL/lab/README.md", + "language_code": "ru" + }, + "lessons/6-Other/23-MultiagentSystems/README.md": { + "original_hash": "38a1185ae3d54b180378bbd71ae3ef16", + "translation_date": "2025-09-23T07:55:27+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/README.md", + "language_code": "ru" + }, + "lessons/6-Other/23-MultiagentSystems/assignment.md": { + "original_hash": "cf654ca60c7f86c8dad28596fb42994b", + "translation_date": "2025-08-26T06:45:13+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md", + "language_code": "ru" + }, + "lessons/7-Ethics/README.md": { + "original_hash": "437c988596e751072e41a5aad3fcc5d9", + "translation_date": "2025-08-26T06:34:30+00:00", + "source_file": "lessons/7-Ethics/README.md", + "language_code": "ru" + }, + "lessons/README.md": { + "original_hash": "5fef1a0b22498d7188959e2a2cb08af7", + "translation_date": "2025-08-26T06:34:26+00:00", + "source_file": "lessons/README.md", + "language_code": "ru" + }, + "lessons/X-Extras/X1-MultiModal/README.md": { + "original_hash": "9c592c26aca16ca085d268c732284187", + "translation_date": "2025-08-26T06:45:53+00:00", + "source_file": "lessons/X-Extras/X1-MultiModal/README.md", + "language_code": "ru" + }, + "lessons/sketchnotes/LICENSE.md": { + "original_hash": "45ab63a2cd8f5faef6c9b150618837a4", + "translation_date": "2025-08-26T06:49:16+00:00", + "source_file": "lessons/sketchnotes/LICENSE.md", + "language_code": "ru" + }, + "lessons/sketchnotes/README.md": { + "original_hash": "050b8bddebafba55b129414e6ab096ab", + "translation_date": "2025-08-26T06:48:22+00:00", + "source_file": "lessons/sketchnotes/README.md", + "language_code": "ru" + }, + "troubleshoot.md": { + "original_hash": "8d9c5a4a7c7798d699672a22cb7fea86", + "translation_date": "2025-10-03T09:35:00+00:00", + "source_file": "troubleshoot.md", + "language_code": "ru" + } +} \ No newline at end of file diff --git a/translations/ru/AGENTS.md b/translations/ru/AGENTS.md index fb4f666e..1ae3a7da 100644 --- a/translations/ru/AGENTS.md +++ b/translations/ru/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Обзор проекта diff --git a/translations/ru/README.md b/translations/ru/README.md index 2ac52be7..7cc6b599 100644 --- a/translations/ru/README.md +++ b/translations/ru/README.md @@ -1,12 +1,3 @@ - [![GitHub license](https://img.shields.io/github/license/microsoft/AI-For-Beginners.svg)](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/issues/) @@ -21,25 +12,25 @@ CO_OP_TRANSLATOR_METADATA: [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -# Искусственный интеллект для начинающих — учебная программа +# Искусственный интеллект для начинающих - Учебный план -|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/ru/ai-overview.0857791951d19500.webp)| +|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../translated_images/ru/ai-overview.0857791951d19500.webp)| |:---:| -| AI For Beginners - _Скетчноут от [@girlie_mac](https://twitter.com/girlie_mac)_ | +| AI For Beginners - _Скетчнот от [@girlie_mac](https://twitter.com/girlie_mac)_ | -Исследуйте мир **Искусственного интеллекта** (ИИ) с нашей 12-недельной, 24-урочной учебной программой! Включает практические занятия, викторины и лабораторные работы. Программа подходит для начинающих и охватывает инструменты, такие как TensorFlow и PyTorch, а также этику в ИИ +Изучите мир **Искусственного интеллекта** (ИИ) с нашим 12-недельным курсом, состоящим из 24 уроков! В нем представлены практические занятия, викторины и лабораторные работы. Учебный план подходит для начинающих и охватывает инструменты, такие как TensorFlow и PyTorch, а также вопросы этики в ИИ. ### 🌐 Поддержка нескольких языков -#### Поддерживается через GitHub Action (автоматически и всегда актуально) +#### Поддерживается через GitHub Action (Автоматизировано и всегда актуально) -[Арабский](../ar/README.md) | [Бенгальский](../bn/README.md) | [Болгарский](../bg/README.md) | [Бирманский (Мьянма)](../my/README.md) | [Китайский (упрощённый)](../zh/README.md) | [Китайский (традиционный, Гонконг)](../hk/README.md) | [Китайский (традиционный, Макао)](../mo/README.md) | [Китайский (традиционный, Тайвань)](../tw/README.md) | [Хорватский](../hr/README.md) | [Чешский](../cs/README.md) | [Датский](../da/README.md) | [Голландский](../nl/README.md) | [Эстонский](../et/README.md) | [Финский](../fi/README.md) | [Французский](../fr/README.md) | [Немецкий](../de/README.md) | [Греческий](../el/README.md) | [Иврит](../he/README.md) | [Хинди](../hi/README.md) | [Венгерский](../hu/README.md) | [Индонезийский](../id/README.md) | [Итальянский](../it/README.md) | [Японский](../ja/README.md) | [Каннада](../kn/README.md) | [Корейский](../ko/README.md) | [Литовский](../lt/README.md) | [Малайский](../ms/README.md) | [Малаялам](../ml/README.md) | [Маратхи](../mr/README.md) | [Непальский](../ne/README.md) | [Нигерийский пиджин](../pcm/README.md) | [Норвежский](../no/README.md) | [Персидский (фарси)](../fa/README.md) | [Польский](../pl/README.md) | [Португальский (Бразилия)](../br/README.md) | [Португальский (Португалия)](../pt/README.md) | [Пенджабский (Гурмукхи)](../pa/README.md) | [Румынский](../ro/README.md) | [Русский](./README.md) | [Сербский (кириллица)](../sr/README.md) | [Словацкий](../sk/README.md) | [Словенский](../sl/README.md) | [Испанский](../es/README.md) | [Суахили](../sw/README.md) | [Шведский](../sv/README.md) | [Тагалог (филиппинский)](../tl/README.md) | [Тамильский](../ta/README.md) | [Телугу](../te/README.md) | [Тайский](../th/README.md) | [Турецкий](../tr/README.md) | [Украинский](../uk/README.md) | [Урду](../ur/README.md) | [Вьетнамский](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](./README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Предпочитаете клонировать локально?** -> Этот репозиторий содержит более 50 переводов на разные языки, что значительно увеличивает размер скачивания. Чтобы клонировать без переводов, используйте sparse checkout: +> В этом репозитории есть переводы на 50+ языков, что значительно увеличивает размер скачивания. Чтобы клонировать без переводов, используйте разреженную проверку: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git > cd AI-For-Beginners @@ -48,186 +39,187 @@ CO_OP_TRANSLATOR_METADATA: > Это даст вам всё необходимое для прохождения курса с гораздо более быстрой загрузкой. -**Если вы хотите добавить поддержку дополнительных языков, список поддерживаемых языков доступен [здесь](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Если вы хотите добавить дополнительные языки перевода, поддерживаемые языки перечислены [здесь](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** ## Присоединяйтесь к сообществу [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -## Что вы изучите +## Чему вы научитесь -**[Майндмэп курса](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** +**[Ментальная карта курса](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** -В этой учебной программе вы узнаете: +На этом курсе вы изучите: -* Различные подходы к искусственному интеллекту, включая «старый добрый» символьный подход с **Представлением знаний** и рассуждениями ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). -* **Нейронные сети** и **глубокое обучение**, которые лежат в основе современного ИИ. Мы проиллюстрируем концепции этих важных тем с помощью кода в двух из самых популярных фреймворков — [TensorFlow](http://Tensorflow.org) и [PyTorch](http://pytorch.org). -* **Нейронные архитектуры** для работы с изображениями и текстом. Мы рассмотрим современные модели, хотя возможно будет не полностью освещён самый передовой уровень. -* Менее популярные подходы к ИИ, такие как **генетические алгоритмы** и **мультиагентные системы**. +* Различные подходы к искусственному интеллекту, включая «старый добрый» символьный подход с **Представлением Знаний** и рассуждениями ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). +* **Нейронные сети** и **глубокое обучение**, которые лежат в основе современного ИИ. Мы покажем концепции этих важных тем с помощью кода на двух из самых популярных фреймворков - [TensorFlow](http://Tensorflow.org) и [PyTorch](http://pytorch.org). +* **Нейронные архитектуры** для работы с изображениями и текстом. Мы рассмотрим современные модели, хотя может быть не совсем актуально до последних достижений. +* Менее популярные подходы в ИИ, такие как **Генетические алгоритмы** и **Мультиагентные системы**. -Чего мы не будем охватывать в этой учебной программе: +Что мы не охватываем в этом учебном плане: > [Найдите все дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) -* Бизнес-кейсы использования **ИИ в бизнесе**. Рассмотрите возможность прохождения учебного пути [Введение в ИИ для бизнес-пользователей](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) на Microsoft Learn или [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), разработанного в сотрудничестве с [INSEAD](https://www.insead.edu/). -* **Классическое машинное обучение**, которое хорошо описано в нашей [Учебной программе по машинному обучению для начинающих](http://github.com/Microsoft/ML-for-Beginners). -* Практические приложения ИИ, построенные с использованием **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. Для этого рекомендуем начать с модулей Microsoft Learn по [видению](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [обработке естественного языка](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Генеративному ИИ с Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** и другим. -* Конкретные облачные ML-фреймворки, такие как [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum) или [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Рассмотрите использование учебных путей [Создайте и управляйте решениями машинного обучения с Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) и [Создайте и управляйте решениями машинного обучения с Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). -* **Разговорный ИИ** и **чат-боты**. Существует отдельный учебный путь [Создание решений разговорного ИИ](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum), а также вы можете ознакомиться с [этой статьей в блоге](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) для получения дополнительной информации. -* **Глубокая математика** за глубоким обучением. Для этого рекомендуем книгу [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) Иэна Гудфеллоу, Йошуа Бенжио и Аарона Куравиля, которая также доступна онлайн на [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). +* Бизнес-кейсы использования **ИИ в бизнесе**. Рассмотрите возможность прохождения учебного пути [Введение в ИИ для бизнес-пользователей](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) на Microsoft Learn или [Школы бизнеса ИИ](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), разработанной в сотрудничестве с [INSEAD](https://www.insead.edu/). +* **Классическое машинное обучение**, которое хорошо описано в нашем [Учебном плане «Машинное обучение для начинающих»](http://github.com/Microsoft/ML-for-Beginners). +* Практические приложения ИИ, созданные с использованием **[Когнитивных сервисов](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. Для этого мы рекомендуем начать с модулей Microsoft Learn по [компьютерному зрению](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [обработке естественного языка](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[генеративному ИИ с Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** и другим. +* Специфические ML **облачные фреймворки**, такие как [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum) или [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Рассмотрите использование учебных путей [Создание и эксплуатация решений машинного обучения с Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) и [Создание и эксплуатация решений машинного обучения с Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). +* **Разговорный ИИ** и **Чат-ботов**. Существует отдельный учебный путь [Создание решений разговорного ИИ](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum), а также вы можете ознакомиться с [этим блогом](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) для более подробной информации. +* **Глубокая математика** глубинного обучения. Для этого мы рекомендуем книгу [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) Иэна Гудфеллоу, Йошуа Бенджио и Аарона Курвиля, которая также доступна онлайн на [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). -Для мягкого введения в темы _ИИ в облаке_ вы можете пройти учебный путь [Начало работы с искусственным интеллектом на Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). +Для мягкого введения в темы _ИИ в облаке_ вы можете рассмотреть прохождение учебного пути [Начните с искусственного интеллекта на Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). # Содержание -| | Ссылка на урок | PyTorch/Keras/TensorFlow | Лабораторная работа | -| :-: | :--------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ---------------------------------------------------------------- | -| 0 | [Настройка курса](./lessons/0-course-setup/setup.md) | [Настройка среды разработки](./lessons/0-course-setup/how-to-run.md) | | +| | Ссылка на урок | PyTorch/Keras/TensorFlow | Лабораторная | +| :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | +| 0 | [Настройка курса](./lessons/0-course-setup/setup.md) | [Настройка вашей среды разработки](./lessons/0-course-setup/how-to-run.md) | | | I | [**Введение в ИИ**](./lessons/1-Intro/README.md) | | | | 01 | [Введение и история ИИ](./lessons/1-Intro/README.md) | - | - | | II | **Символьный ИИ** | | 02 | [Представление знаний и экспертные системы](./lessons/2-Symbolic/README.md) | [Экспертные системы](./lessons/2-Symbolic/Animals.ipynb) / [Онтология](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Граф концепций](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | | III | [**Введение в нейронные сети**](./lessons/3-NeuralNetworks/README.md) ||| -| 03 | [Персептрон](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Тетрадь](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Лабораторная](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | -| 04 | [Многослойный персептрон и создание собственной платформы](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Тетрадь](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Лабораторная](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | -| 05 | [Введение в платформы (PyTorch/TensorFlow) и переобучение](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лабораторная](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | +| 03 | [Персептрон](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Блокнот](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Лабораторная работа](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | +| 04 | [Многослойный персептрон и создание собственного фреймворка](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Блокнот](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Лабораторная работа](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | +| 05 | [Введение в фреймворки (PyTorch/TensorFlow) и переобучение](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лабораторная работа](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | | IV | [**Компьютерное зрение**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Изучите компьютерное зрение на Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | -| 06 | [Введение в компьютерное зрение. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Тетрадь](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Лабораторная](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | -| 07 | [Сверточные нейронные сети](./lessons/4-ComputerVision/07-ConvNets/README.md) & [Архитектуры CNN](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [Лабораторная](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | -| 08 | [Предобученные сети и перенос обучения](./lessons/4-ComputerVision/08-TransferLearning/README.md) и [Трюки при обучении](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лабораторная](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | -| 09 | [Автокодировщики и VAE](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | -| 10 | [Генеративные состязательные сети и перенос стилистики](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | -| 11 | [Обнаружение объектов](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Лабораторная](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | +| 06 | [Введение в компьютерное зрение. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Блокнот](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Лабораторная работа](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | +| 07 | [Свёрточные нейронные сети](./lessons/4-ComputerVision/07-ConvNets/README.md) & [Архитектуры CNN](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [Лабораторная работа](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | +| 08 | [Предварительно обученные сети и перенос обучения](./lessons/4-ComputerVision/08-TransferLearning/README.md) и [Трюки обучения](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лабораторная работа](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | +| 09 | [Автоэнкодеры и ВАЭ](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | +| 10 | [Генеративные состязательные сети и перенос художественного стиля](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | +| 11 | [Обнаружение объектов](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Лабораторная работа](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | | 12 | [Семантическая сегментация. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | | V | [**Обработка естественного языка**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Изучите обработку естественного языка на Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| -| 13 | [Представление текста. BoW/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | +| 13 | [Представление текста. Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | | 14 | [Семантические векторные представления слов. Word2Vec и GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | -| 15 | [Моделирование языка. Обучение собственных векторных представлений](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [Лабораторная](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | +| 15 | [Языковое моделирование. Обучение своих эмбеддингов](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [Лабораторная работа](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | | 16 | [Рекуррентные нейронные сети](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | -| 17 | [Генеративные рекуррентные сети](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [Лабораторная](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | +| 17 | [Генеративные рекуррентные сети](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [Лабораторная работа](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | | 18 | [Трансформеры. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | | -| 19 | [Распознавание именованных сущностей](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Лабораторная](./lessons/5-NLP/19-NER/lab/README.md) | -| 20 | [Крупные языковые модели, программирование подсказок и задачи Few-Shot](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | +| 19 | [Распознавание именованных сущностей](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Лабораторная работа](./lessons/5-NLP/19-NER/lab/README.md) | +| 20 | [Крупные языковые модели, программирование запросов и задачи с малым числом примеров](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | | VI | **Другие методы ИИ** || | -| 21 | [Генетические алгоритмы](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [Тетрадь](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | -| 22 | [Глубокое обучение с подкреплением](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [Лабораторная](./lessons/6-Other/22-DeepRL/lab/README.md) | -| 23 | [Системы с несколькими агентами](./lessons/6-Other/23-MultiagentSystems/README.md) | | | +| 21 | [Генетические алгоритмы](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [Блокнот](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | +| 22 | [Глубокое обучение с подкреплением](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [Лабораторная работа](./lessons/6-Other/22-DeepRL/lab/README.md) | +| 23 | [Мультиагентные системы](./lessons/6-Other/23-MultiagentSystems/README.md) | | | | VII | **Этика ИИ** | | | -| 24 | [Этика ИИ и ответственный ИИ](./lessons/7-Ethics/README.md) | [Microsoft Learn: Принципы ответственного ИИ](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | +| 24 | [Этика ИИ и ответственное ИИ](./lessons/7-Ethics/README.md) | [Microsoft Learn: Принципы ответственного ИИ](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | | IX | **Дополнительно** | | | -| 25 | [Мультимодальные сети, CLIP и VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Тетрадь](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | +| 25 | [Мультимодальные сети, CLIP и VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Блокнот](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | -## Каждый урок содержит +## Каждая лекция содержит -* Материалы для предварительного чтения -* Исполняемые Jupyter тетради, которые часто являются специфичными для платформы (**PyTorch** или **TensorFlow**). Исполняемая тетрадь также содержит много теоретического материала, поэтому для понимания темы нужно пройти хотя бы одну версию тетради (либо PyTorch, либо TensorFlow). -* **Лабораторные работы** для некоторых тем, которые дают возможность применить изученный материал к конкретной задаче. -* Некоторые разделы содержат ссылки на модули [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum), охватывающие связанные темы. +* Материалы для предварительного изучения +* Исполняемые Jupyter Notebook, которые часто специфичны для фреймворка (**PyTorch** или **TensorFlow**). Исполняемый блокнот также содержит много теоретического материала, поэтому для понимания темы необходимо пройти хотя бы одну версию блокнота (либо PyTorch, либо TensorFlow). +* **Лабораторные работы**, доступные для некоторых тем, которые дают возможность попробовать применить изученный материал к конкретной задаче. +* Некоторые разделы содержат ссылки на модули [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum), покрывающие смежные темы. ## Начало работы -### 🎯 Новый в ИИ? Начните здесь! +### 🎯 Новичок в ИИ? Начните здесь! -Если вы совсем новичок в ИИ и хотите быстрые практические примеры, ознакомьтесь с нашими [**Примерами для начинающих**](./examples/README.md)! Среди них: +Если вы совершенно новичок в ИИ и хотите быстрые практические примеры, ознакомьтесь с нашими [**Примерами для начинающих**](./examples/README.md)! Они включают: -- 🌟 **Hello AI World** - Ваша первая программа на ИИ (распознавание шаблонов) -- 🧠 **Простая нейронная сеть** - Создайте нейронную сеть с нуля -- 🖼️ **Классификатор изображений** - Классификация изображений с подробными комментариями -- 💬 **Анализ настроения текста** — Анализ положительного/отрицательного текста +- 🌟 **Привет, мир ИИ** — ваша первая программа ИИ (распознавание шаблонов) +- 🧠 **Простая нейронная сеть** — создание нейронной сети с нуля -Эти примеры созданы, чтобы помочь вам понять концепции ИИ перед погружением в полный учебный курс. +- 🖼️ **Классификатор изображений** – Классифицируйте изображения с подробными комментариями +- 💬 **Анализ тональности текста** – Анализируйте позитивный/негативный текст -### 📚 Настройка полного учебного курса +Эти примеры созданы, чтобы помочь вам понять концепции ИИ перед тем, как погрузиться в полную программу обучения. -- Мы создали [урок по настройке](./lessons/0-course-setup/setup.md), чтобы помочь вам с настройкой вашей среды разработки. - Для преподавателей мы также создали [урок по настройке учебных программ](./lessons/0-course-setup/for-teachers.md)! +### 📚 Настройка полного курса + +- Мы создали [урок по настройке](./lessons/0-course-setup/setup.md), чтобы помочь вам с настройкой вашей среды разработки. - Для преподавателей мы также создали [урок по настройке программы](./lessons/0-course-setup/for-teachers.md)! - Как [запустить код в VSCode или Codespace](./lessons/0-course-setup/how-to-run.md) Выполните следующие шаги: -Форкните репозиторий: нажмите кнопку «Fork» в правом верхнем углу этой страницы. +Сделайте форк репозитория: нажмите кнопку «Fork» в правом верхнем углу этой страницы. Клонируйте репозиторий: `git clone https://github.com/microsoft/AI-For-Beginners.git` -Не забудьте поставить звезду (🌟) этому репозиторию, чтобы потом его легче было найти. +Не забудьте поставить звезду (🌟) этому репозиторию, чтобы позже его легче было найти. -## Встречайте других учеников +## Познакомьтесь с другими учащимися -Присоединяйтесь к нашему [официальному Discord-серверу по ИИ](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum), чтобы познакомиться и пообщаться с другими учениками этого курса и получить поддержку. +Присоединяйтесь к нашему [официальному Discord серверу по ИИ](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum), чтобы встретиться и наладить связи с другими учениками, проходящими этот курс, и получить поддержку. -Если у вас есть отзывы о продукте или вопросы во время разработки, посетите наш [форум разработчиков Azure AI Foundry](https://aka.ms/foundry/forum) +Если у вас есть отзывы о продукте или вопросы во время работы, посетите наш [форум разработчиков Azure AI Foundry](https://aka.ms/foundry/forum) ## Викторины -> **Примечание о викторинах**: Все викторины находятся в папке Quiz-app в etc\quiz-app, или [Онлайн здесь](https://ff-quizzes.netlify.app/). Они связаны с уроками, приложение викторин можно запускать локально или развертывать в Azure; следуйте инструкциям в папке `quiz-app`. Викторины постепенно локализуются. +> **Примечание о викторинах**: Все викторины находятся в папке Quiz-app в etc\quiz-app, или [онлайн здесь](https://ff-quizzes.netlify.app/). Они связаны с уроками, приложение для викторин можно запускать локально или развертывать в Azure; следуйте инструкциям в папке `quiz-app`. Постепенно они переводятся на другие языки. -## Требуется помощь +## Нужна помощь -Есть предложения или нашли орфографические ошибки или ошибки в коде? Создайте issue или pull request. +Есть предложения или нашли орфографические или кодовые ошибки? Создайте issue или pull request. ## Особая благодарность -* **✍️ Главный автор:** [Дмитрий Сошников](http://soshnikov.com), PhD -* **🔥 Редактор:** [Джен Лупер](https://twitter.com/jenlooper), PhD -* **🎨 Иллюстратор скетчнотов:** [Томоми Имура](https://twitter.com/girlie_mac) -* **✅ Создатель викторин:** [Латифа Белло](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) +* **✍️ Главный автор:** [Дмитрий Сошников](http://soshnikov.com), PhD +* **🔥 Редактор:** [Джен Лупер](https://twitter.com/jenlooper), PhD +* **🎨 Иллюстратор скетчей:** [Томоми Имура](https://twitter.com/girlie_mac) +* **✅ Создатель викторин:** [Латифа Белло](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) * **🙏 Основные участники:** [Евгений Пищик](https://github.com/Pe4enIks) -## Другие учебные программы +## Другие программы обучения -Наша команда также выпускает другие учебные программы! Ознакомьтесь с: +Наша команда создает и другие программы обучения! Ознакомьтесь с ними: ### LangChain -[![LangChain4j для новичков](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js для новичков](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain4j для начинающих](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js для начинающих](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Агенты -[![AZD для новичков](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI для новичков](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP для новичков](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Agents для новичков](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD для начинающих](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI для начинающих](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP для начинающих](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI агенты для начинающих](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- - -### Серия Generative AI -[![Generative AI для новичков](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) + +### Серия по генеративному ИИ +[![Генеративный ИИ для начинающих](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Генеративный ИИ (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Генеративный ИИ (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Генеративный ИИ (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- - + ### Основное обучение -[![ML для новичков](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Data Science для новичков](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![ИИ для новичков](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Кибербезопасность для новичков](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Веб-разработка для новичков](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT для новичков](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![XR разработка для новичков](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Машинное обучение для начинающих](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Наука о данных для начинающих](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![ИИ для начинающих](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Кибербезопасность для начинающих](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Веб-разработка для начинающих](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![Интернет вещей для начинающих](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![Разработка XR для начинающих](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- - -### Серия Copilot -[![Copilot для парного программирования с ИИ](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) + +### Серия по Copilot +[![Copilot для совместного программирования с ИИ](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot для C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Приключения Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +[![Приключения с Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Получение помощи -Если застряли или есть вопросы по созданию приложений с ИИ. Присоединяйтесь к другим ученикам и опытным разработчикам для обсуждений MCP. Это дружелюбное сообщество, где вы можете задавать вопросы и свободно обмениваться знаниями. +Если вы застряли или у вас есть вопросы по разработке ИИ-приложений, присоединяйтесь к другим ученикам и опытным разработчикам для обсуждений MCP. Это поддерживающее сообщество, где приветствуются вопросы и знания свободно делятся. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Если у вас есть отзывы о продукте или ошибки при разработке, посетите: +Если у вас есть отзывы о продукте или ошибки во время разработки, посетите: -[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +[![Форум разработчиков Microsoft Foundry](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Отказ от ответственности**: -Этот документ был переведен с использованием сервиса машинного перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для критически важной информации рекомендуется обращаться к услугам профессионального человеческого перевода. Мы не несем ответственности за любые недоразумения или неверные толкования, возникшие в результате использования данного перевода. +Данный документ был переведен с использованием автоматического переводческого сервиса [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, просим учитывать, что машинный перевод может содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения важной информации рекомендуется обращаться к профессиональному переводчику. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования данного перевода. \ No newline at end of file diff --git a/translations/ru/SECURITY.md b/translations/ru/SECURITY.md index 7e70b3d3..3fead979 100644 --- a/translations/ru/SECURITY.md +++ b/translations/ru/SECURITY.md @@ -1,12 +1,3 @@ - ## Безопасность Microsoft уделяет серьезное внимание безопасности своих программных продуктов и услуг, включая все репозитории исходного кода, управляемые через наши организации на GitHub, такие как [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin) и [наши организации на GitHub](https://opensource.microsoft.com/). diff --git a/translations/ru/etc/CODE_OF_CONDUCT.md b/translations/ru/etc/CODE_OF_CONDUCT.md index 38f24c99..7aa6a549 100644 --- a/translations/ru/etc/CODE_OF_CONDUCT.md +++ b/translations/ru/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Кодекс поведения Microsoft для проектов с открытым исходным кодом Этот проект принял [Кодекс поведения Microsoft для проектов с открытым исходным кодом](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/ru/etc/CONTRIBUTING.md b/translations/ru/etc/CONTRIBUTING.md index 2c3ee8b4..c7cba1a6 100644 --- a/translations/ru/etc/CONTRIBUTING.md +++ b/translations/ru/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # Внесение изменений Этот проект приветствует вклад и предложения. Большинство изменений требуют, чтобы вы diff --git a/translations/ru/etc/Mindmap.md b/translations/ru/etc/Mindmap.md index 3b47d9a1..b3401fd5 100644 --- a/translations/ru/etc/Mindmap.md +++ b/translations/ru/etc/Mindmap.md @@ -1,12 +1,3 @@ - # ИИ ## [Введение в ИИ](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/ru/etc/SUPPORT.md b/translations/ru/etc/SUPPORT.md index 1a02f096..fea19710 100644 --- a/translations/ru/etc/SUPPORT.md +++ b/translations/ru/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # Поддержка ## Как сообщить о проблемах и получить помощь diff --git a/translations/ru/etc/TRANSLATIONS.md b/translations/ru/etc/TRANSLATIONS.md index bd40e476..440448f8 100644 --- a/translations/ru/etc/TRANSLATIONS.md +++ b/translations/ru/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # Помогите, переводя уроки Мы приветствуем переводы уроков из этой учебной программы! diff --git a/translations/ru/etc/quiz-app/README.md b/translations/ru/etc/quiz-app/README.md index b141574c..023676bb 100644 --- a/translations/ru/etc/quiz-app/README.md +++ b/translations/ru/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # Викторины Эти викторины являются предварительными и итоговыми тестами для учебной программы по искусственному интеллекту, доступной по адресу https://aka.ms/ai-beginners diff --git a/translations/ru/examples/README.md b/translations/ru/examples/README.md index 7e60ae6f..5791895d 100644 --- a/translations/ru/examples/README.md +++ b/translations/ru/examples/README.md @@ -1,12 +1,3 @@ - # Примеры ИИ для начинающих Добро пожаловать! Этот каталог содержит простые, автономные примеры, которые помогут вам начать изучение ИИ и машинного обучения. Каждый пример разработан с учетом потребностей начинающих, с подробными комментариями и пошаговыми объяснениями. diff --git a/translations/ru/lessons/0-course-setup/for-teachers.md b/translations/ru/lessons/0-course-setup/for-teachers.md index 16449575..a5647cc4 100644 --- a/translations/ru/lessons/0-course-setup/for-teachers.md +++ b/translations/ru/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # Для преподавателей Хотите использовать эту учебную программу в своем классе? Пожалуйста, не стесняйтесь! diff --git a/translations/ru/lessons/0-course-setup/how-to-run.md b/translations/ru/lessons/0-course-setup/how-to-run.md index 2008cb1e..3d72e43a 100644 --- a/translations/ru/lessons/0-course-setup/how-to-run.md +++ b/translations/ru/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # Как запустить код В этой программе содержится множество исполняемых примеров и лабораторных работ, которые вы захотите запустить. Для этого вам нужна возможность выполнять код на Python в Jupyter Notebook, предоставленных в рамках этой программы. У вас есть несколько вариантов запуска кода: diff --git a/translations/ru/lessons/0-course-setup/setup.md b/translations/ru/lessons/0-course-setup/setup.md index 2eda5b84..46946711 100644 --- a/translations/ru/lessons/0-course-setup/setup.md +++ b/translations/ru/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # Начало работы с этой учебной программой ## Вы студент? diff --git a/translations/ru/lessons/1-Intro/README.md b/translations/ru/lessons/1-Intro/README.md index 76c76f7f..c53c4aad 100644 --- a/translations/ru/lessons/1-Intro/README.md +++ b/translations/ru/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # Введение в искусственный интеллект ![Резюме содержания введения в ИИ в виде рисунка](../../../../translated_images/ru/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/ru/lessons/1-Intro/assignment.md b/translations/ru/lessons/1-Intro/assignment.md index 5150621a..1e0b5706 100644 --- a/translations/ru/lessons/1-Intro/assignment.md +++ b/translations/ru/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # Game Jam Игры — это область, которая сильно изменилась благодаря развитию ИИ и машинного обучения. В этом задании напишите короткую статью о игре, которая вам нравится и которая была подвержена влиянию эволюции ИИ. Игра должна быть достаточно старой, чтобы на нее повлияли различные типы компьютерных систем обработки данных. Хорошим примером являются шахматы или го, но также обратите внимание на видеоигры, такие как Pong или Pac-Man. Напишите эссе, в котором обсуждается прошлое, настоящее и будущее игры с точки зрения ИИ. diff --git a/translations/ru/lessons/2-Symbolic/README.md b/translations/ru/lessons/2-Symbolic/README.md index 3f8aa18f..ff54d6c8 100644 --- a/translations/ru/lessons/2-Symbolic/README.md +++ b/translations/ru/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # Представление Знаний и Экспертные Системы -![Резюме содержимого Символического ИИ](../../../../../../translated_images/ru/ai-symbolic.715a30cb610411a6.webp) +![Резюме содержимого Символического ИИ](../../../../translated_images/ru/ai-symbolic.715a30cb610411a6.webp) > Набросок от [Tomomi Imura](https://twitter.com/girlie_mac) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: Таким образом, задача **представления знаний** состоит в том, чтобы найти эффективный способ представления знаний внутри компьютера в виде данных, чтобы они могли использоваться автоматически. Это можно рассматривать как спектр: -![Спектр представления знаний](../../../../../../translated_images/ru/knowledge-spectrum.b60df631852c0217.webp) +![Спектр представления знаний](../../../../translated_images/ru/knowledge-spectrum.b60df631852c0217.webp) > Изображение от [Dmitry Soshnikov](http://soshnikov.com) @@ -94,7 +85,7 @@ Python | синтаксис блоков | отступы Одним из ранних успехов символического ИИ стали так называемые **экспертные системы** — компьютерные системы, предназначенные для работы в качестве эксперта в ограниченной предметной области. Они базировались на **базе знаний**, извлечённой от одного или нескольких человеческих экспертов, и содержали **выводящую машину**, выполняющую логическое рассуждение на её основе. -![Человеческая архитектура](../../../../../../translated_images/ru/arch-human.5d4d35f1bba3ab1c.webp) | ![Система на основе знаний](../../../../../../translated_images/ru/arch-kbs.3ec5c150b09fa8da.webp) +![Человеческая архитектура](../../../../translated_images/ru/arch-human.5d4d35f1bba3ab1c.webp) | ![Система на основе знаний](../../../../translated_images/ru/arch-kbs.3ec5c150b09fa8da.webp) ---------------------------------------------|------------------------------------------------ Упрощённая структура человеческой нервной системы | Архитектура системы на основе знаний @@ -106,7 +97,7 @@ Python | синтаксис блоков | отступы В качестве примера рассмотрим следующую экспертную систему определения животного по его физическим характеристикам: -![AND-OR дерево](../../../../../../translated_images/ru/AND-OR-Tree.5592d2c70187f283.webp) +![AND-OR дерево](../../../../translated_images/ru/AND-OR-Tree.5592d2c70187f283.webp) > Изображение от [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/ru/lessons/2-Symbolic/assignment.md b/translations/ru/lessons/2-Symbolic/assignment.md index 28acc589..c29eae1c 100644 --- a/translations/ru/lessons/2-Symbolic/assignment.md +++ b/translations/ru/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # Создание онтологии Создание базы знаний заключается в категоризации модели, представляющей факты о какой-либо теме. Выберите тему — например, человека, место или вещь — и создайте модель этой темы. Используйте некоторые из техник и стратегий построения моделей, описанных в этом уроке. Примером может быть создание онтологии гостиной с мебелью, освещением и так далее. Чем гостиная отличается от кухни? Ванной комнаты? Как вы определяете, что это гостиная, а не столовая? Используйте [Protégé](https://protege.stanford.edu/) для создания вашей онтологии. diff --git a/translations/ru/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/ru/lessons/3-NeuralNetworks/03-Perceptron/README.md index cc62440b..77c45b63 100644 --- a/translations/ru/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/ru/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # Введение в нейронные сети: Перцептрон ## [Тест перед лекцией](https://ff-quizzes.netlify.app/en/ai/quiz/5) @@ -15,7 +6,7 @@ CO_OP_TRANSLATOR_METADATA: | | | |--------------|-----------| -|Фрэнк Розенблатт | Перцептрон Mark 1| +|Фрэнк Розенблатт | Перцептрон Mark 1| > Изображения [с Википедии](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) где f — это ступенчатая функция активации. - + ## Обучение перцептрона diff --git a/translations/ru/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/ru/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index 9d82e58d..930c631e 100644 --- a/translations/ru/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/ru/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # Многоклассовая классификация с использованием перцептрона Лабораторная работа из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ru/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/ru/lessons/3-NeuralNetworks/04-OwnFramework/README.md index 2ba6e336..c2b81cbe 100644 --- a/translations/ru/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/ru/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # Введение в нейронные сети. Многослойный перцептрон В предыдущем разделе вы познакомились с самой простой моделью нейронной сети — однослойным перцептроном, который представляет собой линейную модель для двухклассовой классификации. @@ -65,7 +56,7 @@ CO_OP_TRANSLATOR_METADATA: Обратите внимание, что левая часть всех этих выражений одинакова, и поэтому мы можем эффективно вычислять производные, начиная с функции потерь и двигаясь "назад" по вычислительному графу. Таким образом, метод обучения многослойного перцептрона называется **обратным распространением ошибки** (backpropagation), или просто 'backprop'. -граф вычислений +граф вычислений > TODO: ссылка на источник изображения diff --git a/translations/ru/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/ru/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index 012cb5c4..75740642 100644 --- a/translations/ru/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/ru/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # Классификация MNIST с использованием нашего собственного фреймворка Лабораторная работа из [Учебной программы "ИИ для начинающих"](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ru/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/ru/lessons/3-NeuralNetworks/05-Frameworks/README.md index f0c5c245..6fe3626e 100644 --- a/translations/ru/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/ru/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # Фреймворки для нейронных сетей Как мы уже узнали, для эффективного обучения нейронных сетей необходимо выполнить два действия: diff --git a/translations/ru/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/ru/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index df4c4e55..cfb35cd3 100644 --- a/translations/ru/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/ru/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # Классификация с использованием PyTorch/TensorFlow Лабораторная работа из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ru/lessons/3-NeuralNetworks/README.md b/translations/ru/lessons/3-NeuralNetworks/README.md index 5609ad9a..7ae5d748 100644 --- a/translations/ru/lessons/3-NeuralNetworks/README.md +++ b/translations/ru/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # Введение в нейронные сети ![Краткое содержание введения в нейронные сети в виде рисунка](../../../../translated_images/ru/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/ru/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/ru/lessons/4-ComputerVision/06-IntroCV/README.md index 156df134..e652fb03 100644 --- a/translations/ru/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/ru/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # Введение в компьютерное зрение [Компьютерное зрение](https://wikipedia.org/wiki/Computer_vision) — это область, цель которой заключается в том, чтобы научить компьютеры понимать цифровые изображения на высоком уровне. Это довольно широкое определение, так как *понимание* может означать множество разных вещей, включая нахождение объекта на изображении (**обнаружение объектов**), понимание происходящего (**обнаружение событий**), описание изображения текстом или реконструкцию сцены в 3D. Существуют также специальные задачи, связанные с изображениями людей: определение возраста и эмоций, обнаружение и идентификация лиц, а также оценка позы в 3D, и это лишь некоторые из них. @@ -115,7 +106,7 @@ im = cv2.cvtColor(im,cv2.COLOR_BGR2RGB) В этой лабораторной работе вам нужно будет снять видео с простыми жестами, и ваша цель — извлечь движения вверх/вниз/влево/вправо с использованием оптического потока. -Кадр движения ладони +Кадр движения ладони --- diff --git a/translations/ru/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/ru/lessons/4-ComputerVision/06-IntroCV/lab/README.md index 9e08536b..aa1a3250 100644 --- a/translations/ru/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/ru/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # Обнаружение движений с использованием оптического потока Лабораторное задание из [учебной программы "ИИ для начинающих"](https://aka.ms/ai-beginners). diff --git a/translations/ru/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/ru/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index 61db3cfc..995c4c80 100644 --- a/translations/ru/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/ru/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # Известные архитектуры CNN ### VGG-16 @@ -25,7 +16,7 @@ VGG-16 — это сеть, которая достигла точности 92. ResNet — это семейство моделей, предложенных Microsoft Research в 2015 году. Основная идея ResNet заключается в использовании **остаточных блоков**: - + > Изображение из [этой статьи](https://arxiv.org/pdf/1512.03385.pdf) @@ -37,7 +28,7 @@ ResNet — это семейство моделей, предложенных Mi Архитектура Google Inception развивает эту идею дальше и строит каждый слой сети как комбинацию нескольких различных путей: - + > Изображение с [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) diff --git a/translations/ru/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/ru/lessons/4-ComputerVision/07-ConvNets/README.md index 09668da6..9f4158fe 100644 --- a/translations/ru/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/ru/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # Свёрточные нейронные сети Мы уже видели, что нейронные сети хорошо справляются с обработкой изображений, и даже однослойный перцептрон способен с приемлемой точностью распознавать рукописные цифры из набора данных MNIST. Однако MNIST — это особый набор данных, где все цифры центрированы внутри изображения, что упрощает задачу. @@ -24,7 +15,7 @@ CO_OP_TRANSLATOR_METADATA: Например, если мы применим фильтры вертикальных и горизонтальных краёв размером 3x3 к цифрам из MNIST, мы получим выделения (например, высокие значения) там, где в исходном изображении есть вертикальные и горизонтальные края. Таким образом, эти два фильтра можно использовать для "поиска" краёв. Аналогично, мы можем создавать различные фильтры для поиска других низкоуровневых шаблонов: - + > Изображение [банка фильтров Люнга-Малика](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) diff --git a/translations/ru/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/ru/lessons/4-ComputerVision/07-ConvNets/lab/README.md index d9a57064..1f9ce2d8 100644 --- a/translations/ru/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/ru/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # Классификация лиц домашних животных Лабораторная работа из [Учебной программы "ИИ для начинающих"](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ru/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/ru/lessons/4-ComputerVision/08-TransferLearning/README.md index 05380a14..45165a86 100644 --- a/translations/ru/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/ru/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # Предобученные сети и перенос обучения Обучение CNN может занимать много времени, а для этой задачи требуется большое количество данных. Однако значительная часть времени уходит на изучение лучших низкоуровневых фильтров, которые сеть может использовать для извлечения паттернов из изображений. Возникает естественный вопрос — можем ли мы использовать нейронную сеть, обученную на одном наборе данных, и адаптировать её для классификации других изображений без полного процесса обучения? diff --git a/translations/ru/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/ru/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index 9181b928..320987d8 100644 --- a/translations/ru/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/ru/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # Трюки для обучения глубоких нейронных сетей По мере увеличения глубины нейронных сетей процесс их обучения становится все более сложным. Одной из основных проблем являются так называемые [исчезающие градиенты](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) или [взрывающиеся градиенты](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.). [Эта статья](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) дает хорошее введение в эти проблемы. diff --git a/translations/ru/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/ru/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index 8a18dfca..01f467ec 100644 --- a/translations/ru/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/ru/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # Классификация домашних животных из Оксфорда с использованием переноса обучения Лабораторная работа из [Учебной программы "Искусственный интеллект для начинающих"](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ru/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/ru/lessons/4-ComputerVision/09-Autoencoders/README.md index 10bed46c..fc370dc9 100644 --- a/translations/ru/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/ru/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # Автоэнкодеры При обучении CNN одна из проблем заключается в том, что требуется большое количество размеченных данных. В случае классификации изображений необходимо разделить изображения на разные классы, что требует ручной работы. @@ -46,7 +37,7 @@ VAE — это автоэнкодер, который учится предск * Мы выбираем случайный вектор `sample` из распределения N(zmean,exp(zlog\_sigma)) * Декодер пытается декодировать исходное изображение, используя `sample` в качестве входного вектора - + > Изображение из [этого блога](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) автора Исаака Дайкмана @@ -57,13 +48,13 @@ VAE — это автоэнкодер, который учится предск Одно из важных преимуществ VAE заключается в том, что они позволяют относительно легко генерировать новые изображения, поскольку мы знаем, из какого распределения выбирать латентные векторы. Например, если мы обучим VAE с 2D латентным вектором на MNIST, мы сможем изменять компоненты латентного вектора, чтобы получать разные цифры: -vaemnist +vaemnist > Изображение от [Дмитрия Сошникова](http://soshnikov.com) Обратите внимание, как изображения плавно переходят друг в друга, когда мы начинаем брать латентные векторы из разных областей латентного пространства. Мы также можем визуализировать это пространство в 2D: -vaemnist cluster +vaemnist cluster > Изображение от [Дмитрия Сошникова](http://soshnikov.com) diff --git a/translations/ru/lessons/4-ComputerVision/10-GANs/README.md b/translations/ru/lessons/4-ComputerVision/10-GANs/README.md index 0ea4e64c..f349026f 100644 --- a/translations/ru/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/ru/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # Генеративно-состязательные сети В предыдущем разделе мы узнали о **генеративных моделях**: моделях, которые могут создавать новые изображения, похожие на те, что находятся в обучающем наборе данных. VAE был хорошим примером генеративной модели. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: Основная идея GAN заключается в использовании двух нейронных сетей, которые обучаются друг против друга: - + > Изображение от [Дмитрия Сошникова](http://soshnikov.com) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ Поскольку сверточный слой реализован как линейный фильтр, проходящий по изображению, деконволюция по сути аналогична сверточной операции и может быть реализована с использованием той же логики слоя. - + > Изображение от [Дмитрия Сошникова](http://soshnikov.com) diff --git a/translations/ru/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/ru/lessons/4-ComputerVision/11-ObjectDetection/README.md index 337ee3bc..2e9173e5 100644 --- a/translations/ru/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/ru/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # Обнаружение объектов Модели классификации изображений, с которыми мы работали до сих пор, принимали изображение и выдавали категориальный результат, например, класс "цифра" в задаче MNIST. Однако во многих случаях нам недостаточно просто знать, что на изображении есть объекты — мы хотим определить их точное местоположение. Именно этим занимается **обнаружение объектов**. diff --git a/translations/ru/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/ru/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index 7c71d22e..78b69451 100644 --- a/translations/ru/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/ru/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # Определение голов с использованием набора данных Hollywood Heads Лабораторное задание из [курса "Искусственный интеллект для начинающих"](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ru/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/ru/lessons/4-ComputerVision/12-Segmentation/README.md index bca3a9aa..11ef7db7 100644 --- a/translations/ru/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/ru/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # Сегментация Ранее мы изучали обнаружение объектов, которое позволяет находить объекты на изображении, предсказывая их *ограничивающие рамки*. Однако для некоторых задач нам нужны не только рамки, но и более точная локализация объектов. Эта задача называется **сегментацией**. @@ -20,7 +11,7 @@ CO_OP_TRANSLATOR_METADATA: Для сегментации экземпляров эти овцы считаются разными объектами, но для семантической сегментации все овцы представлены одним классом. - + > Изображение из [этой статьи](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) @@ -29,7 +20,7 @@ CO_OP_TRANSLATOR_METADATA: * **Энкодер** извлекает признаки из входного изображения. * **Декодер** преобразует эти признаки в **маску изображения**, с тем же размером и количеством каналов, соответствующих количеству классов. - + > Изображение из [этой публикации](https://arxiv.org/pdf/2001.05566.pdf) @@ -43,7 +34,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ Этот метод особенно подходит для такого типа медицинской визуализации, но какие ещё реальные приложения вы могли бы представить? -navi +navi > Изображение из базы данных PH2 diff --git a/translations/ru/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/ru/lessons/4-ComputerVision/12-Segmentation/lab/README.md index 02428608..a40913c3 100644 --- a/translations/ru/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/ru/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # Сегментация человеческого тела Лабораторная работа из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ru/lessons/4-ComputerVision/README.md b/translations/ru/lessons/4-ComputerVision/README.md index 20e5db60..f4e5145d 100644 --- a/translations/ru/lessons/4-ComputerVision/README.md +++ b/translations/ru/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # Компьютерное зрение ![Резюме по теме "Компьютерное зрение" в виде рисунка](../../../../translated_images/ru/ai-computervision.6506ebebac3fbf76.webp) diff --git a/translations/ru/lessons/5-NLP/13-TextRep/README.md b/translations/ru/lessons/5-NLP/13-TextRep/README.md index dcf2b7be..dd34cae6 100644 --- a/translations/ru/lessons/5-NLP/13-TextRep/README.md +++ b/translations/ru/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # Представление текста в виде тензоров ## [Викторина перед лекцией](https://ff-quizzes.netlify.app/en/ai/quiz/25) @@ -25,7 +16,7 @@ CO_OP_TRANSLATOR_METADATA: Если мы хотим решать задачи обработки естественного языка (NLP) с помощью нейронных сетей, нам нужно каким-то образом представить текст в виде тензоров. Компьютеры уже представляют текстовые символы в виде чисел, которые отображаются на экране с использованием кодировок, таких как ASCII или UTF-8. -Изображение, показывающее диаграмму, связывающую символ с его ASCII и двоичным представлением +Изображение, показывающее диаграмму, связывающую символ с его ASCII и двоичным представлением > [Источник изображения](https://www.seobility.net/en/wiki/ASCII) @@ -48,7 +39,7 @@ CO_OP_TRANSLATOR_METADATA: При решении задач, таких как классификация текста, нам нужно уметь представлять текст в виде одного вектора фиксированного размера, который будет использоваться в качестве входных данных для финального плотного классификатора. Один из самых простых способов сделать это — объединить все отдельные представления слов, например, сложив их. Если мы сложим one-hot кодировки каждого слова, то получим вектор частот, показывающий, сколько раз каждое слово встречается в тексте. Такое представление текста называется **мешок слов** (BoW). - + > Изображение автора diff --git a/translations/ru/lessons/5-NLP/13-TextRep/assignment.md b/translations/ru/lessons/5-NLP/13-TextRep/assignment.md index a9e3a43f..eefb7392 100644 --- a/translations/ru/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/ru/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # Задание: Ноутбуки Используя ноутбуки, связанные с этим уроком (либо версию на PyTorch, либо на TensorFlow), запустите их заново, применяя ваш собственный набор данных, возможно, взятый с Kaggle, с указанием авторства. Перепишите ноутбук, чтобы подчеркнуть ваши собственные выводы. Попробуйте использовать необычные наборы данных, которые могут оказаться неожиданными, например, [этот о наблюдениях НЛО](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) от NUFORC. diff --git a/translations/ru/lessons/5-NLP/14-Embeddings/README.md b/translations/ru/lessons/5-NLP/14-Embeddings/README.md index 070caa2a..926bb36e 100644 --- a/translations/ru/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/ru/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # Встраивания ## [Тест перед лекцией](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/ru/lessons/5-NLP/14-Embeddings/assignment.md b/translations/ru/lessons/5-NLP/14-Embeddings/assignment.md index f5c61f5d..393c71ea 100644 --- a/translations/ru/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/ru/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # Задание: Ноутбуки Используя ноутбуки, связанные с этим уроком (либо версию на PyTorch, либо на TensorFlow), запустите их заново, применяя ваш собственный набор данных, возможно, взятый с Kaggle, с указанием авторства. Перепишите ноутбук, чтобы подчеркнуть ваши собственные выводы. Попробуйте другой тип набора данных и задокументируйте свои наблюдения, используя текст, например, [этих текстов песен Beatles](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics). diff --git a/translations/ru/lessons/5-NLP/15-LanguageModeling/README.md b/translations/ru/lessons/5-NLP/15-LanguageModeling/README.md index b38888cd..d98339f1 100644 --- a/translations/ru/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/ru/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # Моделирование языка Семантические векторы, такие как Word2Vec и GloVe, на самом деле являются первым шагом к **моделированию языка** — созданию моделей, которые каким-то образом *понимают* (или *представляют*) природу языка. diff --git a/translations/ru/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/ru/lessons/5-NLP/15-LanguageModeling/lab/README.md index 83c4bd38..9fbefcaa 100644 --- a/translations/ru/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/ru/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # Обучение модели Skip-Gram Лабораторная работа из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ru/lessons/5-NLP/16-RNN/README.md b/translations/ru/lessons/5-NLP/16-RNN/README.md index 476fbfe0..9f5299e6 100644 --- a/translations/ru/lessons/5-NLP/16-RNN/README.md +++ b/translations/ru/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # Рекуррентные нейронные сети ## [Тест перед лекцией](https://ff-quizzes.netlify.app/en/ai/quiz/31) @@ -31,7 +22,7 @@ CO_OP_TRANSLATOR_METADATA: Простая ячейка RNN имеет две матрицы весов внутри: одна преобразует входной символ (назовем ее W), а другая преобразует входное состояние (H). В этом случае выход сети вычисляется как σ(W×Xi+H×Si-1+b), где σ — это функция активации, а b — дополнительное смещение. -Анатомия ячейки RNN +Анатомия ячейки RNN > Изображение автора diff --git a/translations/ru/lessons/5-NLP/16-RNN/assignment.md b/translations/ru/lessons/5-NLP/16-RNN/assignment.md index b14e83d3..de2f9233 100644 --- a/translations/ru/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/ru/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # Задание: Ноутбуки Используя ноутбуки, связанные с этим уроком (либо версию на PyTorch, либо на TensorFlow), запустите их заново, применяя ваш собственный набор данных, возможно, взятый с Kaggle, с указанием авторства. Перепишите ноутбук, чтобы подчеркнуть ваши собственные выводы. Попробуйте использовать другой тип набора данных и задокументируйте свои наблюдения, например, используя текст вроде [этого набора данных из соревнования Kaggle о твитах о погоде](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv). diff --git a/translations/ru/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/ru/lessons/5-NLP/17-GenerativeNetworks/README.md index c01da5f6..54e9cbbc 100644 --- a/translations/ru/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/ru/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # Генеративные сети ## [Тест перед лекцией](https://ff-quizzes.netlify.app/en/ai/quiz/33) @@ -36,7 +27,7 @@ CO_OP_TRANSLATOR_METADATA: При генерации текста (во время инференса) мы начинаем с некоторого **запроса**, который передается через ячейки RNN для генерации промежуточного состояния, а затем из этого состояния начинается генерация. Мы генерируем по одному символу за раз, передаем состояние и сгенерированный символ в следующую ячейку RNN для генерации следующего символа, пока не будет сгенерировано достаточное количество символов. - + > Изображение автора diff --git a/translations/ru/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/ru/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index 3ca8aaea..18183181 100644 --- a/translations/ru/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/ru/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # Генерация текста на уровне слов с использованием RNN Лабораторная работа из [Учебной программы "ИИ для начинающих"](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ru/lessons/5-NLP/18-Transformers/README.md b/translations/ru/lessons/5-NLP/18-Transformers/README.md index a7202140..57f9871c 100644 --- a/translations/ru/lessons/5-NLP/18-Transformers/README.md +++ b/translations/ru/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # Механизмы внимания и трансформеры ## [Предлекционный тест](https://ff-quizzes.netlify.app/en/ai/quiz/35) @@ -56,7 +47,7 @@ CO_OP_TRANSLATOR_METADATA: * Обучаемое встраивание, аналогичное встраиванию токенов. Это подход, который мы рассматриваем здесь. Мы применяем слои встраивания как к токенам, так и к их позициям, получая векторы встраивания одинаковых размеров, которые затем складываем. * Фиксированная функция позиционного кодирования, предложенная в оригинальной статье. - + > Изображение автора diff --git a/translations/ru/lessons/5-NLP/18-Transformers/READMEtransformers.md b/translations/ru/lessons/5-NLP/18-Transformers/READMEtransformers.md deleted file mode 100644 index 5a4b350b..00000000 --- a/translations/ru/lessons/5-NLP/18-Transformers/READMEtransformers.md +++ /dev/null @@ -1,112 +0,0 @@ -# Механизмы внимания и трансформеры - -## [Викторина перед лекцией](https://ff-quizzes.netlify.app/en/ai/quiz/35) - -Одной из самых важных задач в области обработки естественного языка (NLP) является **машинный перевод**, который лежит в основе таких инструментов, как Google Translate. В этом разделе мы сосредоточимся на машинном переводе или, более общо, на любой задаче *последовательность-в-последовательность* (также называемой **трансдукцией предложений**). - -С помощью РСН (рекуррентных нейронных сетей) задача последовательность-в-последовательность реализуется двумя рекуррентными сетями: одна сеть, **кодировщик**, сворачивает входную последовательность в скрытое состояние, в то время как другая сеть, **декодировщик**, разворачивает это скрытое состояние в переведенный результат. У этого подхода есть несколько проблем: - -* Финальное состояние сети кодировщика с трудом запоминает начало предложения, что приводит к плохому качеству модели для длинных предложений. -* Все слова в последовательности оказывают одинаковое влияние на результат. Однако на самом деле конкретные слова во входной последовательности часто оказывают большее влияние на последовательные выходные данные, чем другие. - -**Механизмы внимания** предоставляют способ взвешивания контекстного влияния каждого входного вектора на каждое предсказание выхода РСН. Это реализуется путем создания кратких путей между промежуточными состояниями входной РСН и выходной РСН. Таким образом, при генерации выходного символа yt мы будем учитывать все входные скрытые состояния hi с различными весовыми коэффициентами αt,i. - -![Изображение, показывающее модель кодировщика/декодировщика с аддитивным слоем внимания](../../../../../translated_images/ru/encoder-decoder-attention.7a726296894fb567.webp) - -> Модель кодировщика-декодировщика с аддитивным механизмом внимания в [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf), процитировано из [этого блога](https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html) - -Матрица внимания {αi,j} будет представлять степень, в которой определенные входные слова участвуют в генерации данного слова в выходной последовательности. Ниже приведен пример такой матрицы: - -![Изображение, показывающее пример выравнивания, найденного RNNsearch-50, взято из Bahdanau - arviz.org](../../../../../translated_images/ru/bahdanau-fig3.09ba2d37f202a6af.webp) - -> Рисунок из [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) (Рис. 3) - -Механизмы внимания отвечают за многие достижения в области NLP. Однако добавление внимания значительно увеличивает количество параметров модели, что приводит к проблемам масштабирования с РСН. Ключевым ограничением масштабирования РСН является то, что рекуррентная природа моделей затрудняет пакетную обработку и параллелизацию обучения. В РСН каждый элемент последовательности необходимо обрабатывать в последовательном порядке, что означает, что это не может быть легко параллелизировано. - -![Кодировщик Декодер с вниманием](../../../../../lessons/5-NLP/18-Transformers/images/EncDecAttention.gif) - -> Рисунок из [Блога Google](https://research.googleblog.com/2016/09/a-neural-network-for-machine.html) - -Применение механизмов внимания в сочетании с этим ограничением привело к созданию современных трансформерных моделей, которые мы знаем и используем сегодня, таких как BERT и Open-GPT3. - -## Модели трансформеров - -Одна из основных идей трансформеров — избежать последовательной природы РСН и создать модель, которая может быть параллелизована во время обучения. Это достигается за счет реализации двух идей: - -* позиционное кодирование -* использование механизма самовнимания для захвата паттернов вместо РСН (или ССН) (поэтому статья, вводящая трансформеры, называется *[Внимание — это всё, что вам нужно](https://arxiv.org/abs/1706.03762)*) - -### Позиционное кодирование/встраивание - -Идея позиционного кодирования следующая. -1. При использовании РСН относительное положение токенов представляется количеством шагов и, следовательно, не требует явного представления. -2. Однако, как только мы переходим к вниманию, нам необходимо знать относительные позиции токенов в последовательности. -3. Чтобы получить позиционное кодирование, мы дополняем нашу последовательность токенов последовательностью позиций токенов в последовательности (т.е. последовательностью чисел 0, 1, ...). -4. Затем мы смешиваем позицию токена с вектором встраивания токена. Чтобы преобразовать позицию (целое число) в вектор, мы можем использовать различные подходы: - -* Обучаемое встраивание, аналогичное встраиванию токенов. Это подход, который мы рассматриваем здесь. Мы применяем слои встраивания как к токенам, так и к их позициям, в результате чего получаем векторные встраивания одинаковых размерностей, которые затем складываем. -* Функция фиксированного позиционного кодирования, предложенная в оригинальной статье. - - - -> Изображение автора - -Результат, который мы получаем с помощью позиционного встраивания, включает как оригинальный токен, так и его позицию в последовательности. - -### Многоголовое самовнимание - -Далее нам нужно захватить некоторые паттерны в нашей последовательности. Для этого трансформеры используют механизм **самовнимания**, который по сути представляет собой внимание, примененное к той же последовательности как входной и выходной. Применение самовнимания позволяет нам учитывать **контекст** в предложении и видеть, какие слова взаимосвязаны. Например, это позволяет нам видеть, какие слова упоминаются через копреференции, такие как *это*, и также учитывать контекст: - -![](../../../../../translated_images/ru/CoreferenceResolution.861924d6d384a7d6.webp) - -> Изображение из [Блога Google](https://research.googleblog.com/2017/08/transformer-novel-neural-network.html) - -В трансформерах мы используем **многоголовое внимание**, чтобы дать сети возможность захватывать несколько различных типов зависимостей, например, долгосрочные и краткосрочные отношения между словами, копреференции и что-то еще и т.д. - -[TensorFlow Notebook](../../../../../lessons/5-NLP/18-Transformers/TransformersTF.ipynb) содержит больше деталей о реализации слоев трансформеров. - -### Внимание кодировщика-декодировщика - -В трансформерах внимание используется в двух местах: - -* Для захвата паттернов во входном тексте с помощью самовнимания -* Для выполнения перевода последовательностей — это слой внимания между кодировщиком и декодировщиком. - -Внимание кодировщика-декодировщика очень похоже на механизм внимания, используемый в РСН, как описано в начале этого раздела. Эта анимационная диаграмма объясняет роль внимания кодировщика-декодировщика. - -![Анимированное GIF, показывающее, как выполняются оценки в моделях трансформеров.](../../../../../lessons/5-NLP/18-Transformers/images/transformer-animated-explanation.gif) - -Поскольку каждая входная позиция сопоставляется независимо с каждой выходной позицией, трансформеры могут лучше параллелизироваться, чем РСН, что позволяет создавать гораздо более крупные и выразительные языковые модели. Каждая голова внимания может использоваться для изучения различных отношений между словами, что улучшает последующие задачи обработки естественного языка. - -## BERT - -**BERT** (Bidirectional Encoder Representations from Transformers) — это очень большая многослойная трансформерная сеть с 12 слоями для *BERT-base* и 24 слоями для *BERT-large*. Модель сначала обучается на большом корпусе текстовых данных (WikiPedia + книги) с использованием неконтролируемого обучения (предсказание замаскированных слов в предложении). Во время предварительного обучения модель поглощает значительные уровни языкового понимания, которые затем могут быть использованы с другими наборами данных с помощью тонкой настройки. Этот процесс называется **переносным обучением**. - -![изображение с http://jalammar.github.io/illustrated-bert/](../../../../../translated_images/ru/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp) - -> Изображение [источник](http://jalammar.github.io/illustrated-bert/) - -## ✍️ Упражнения: Трансформеры - -Продолжайте обучение в следующих ноутбуках: - -* [Трансформеры в PyTorch](../../../../../lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) -* [Трансформеры в TensorFlow](../../../../../lessons/5-NLP/18-Transformers/TransformersTF.ipynb) - -## Заключение - -На этом уроке вы узнали о трансформерах и механизмах внимания — всех необходимых инструментах в арсенале NLP. Существует множество вариантов архитектуры трансформеров, включая BERT, DistilBERT, BigBird, OpenGPT3 и другие, которые могут быть тонко настроены. Пакет [HuggingFace](https://github.com/huggingface/) предоставляет репозиторий для обучения многих из этих архитектур как с PyTorch, так и с TensorFlow. - -## 🚀 Вызов - -## [Викторина после лекции](https://ff-quizzes.netlify.app/en/ai/quiz/36) - -## Обзор и самостоятельное изучение - -* [Блог пост](https://mchromiak.github.io/articles/2017/Sep/12/Transformer-Attention-is-all-you-need/), объясняющий классическую статью [Внимание — это всё, что вам нужно](https://arxiv.org/abs/1706.03762) о трансформерах. -* [Серия блогов](https://towardsdatascience.com/transformers-explained-visually-part-1-overview-of-functionality-95a6dd460452) о трансформерах, объясняющая архитектуру в деталях. - -## [Задание](assignment.md) - -**Отказ от ответственности**: -Этот документ был переведен с использованием машинных переводческих услуг на основе ИИ. Хотя мы стремимся к точности, пожалуйста, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для критически важной информации рекомендуется профессиональный человеческий перевод. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования этого перевода. \ No newline at end of file diff --git a/translations/ru/lessons/5-NLP/18-Transformers/assignment.md b/translations/ru/lessons/5-NLP/18-Transformers/assignment.md index 1bb7e5df..7a8e0e4b 100644 --- a/translations/ru/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/ru/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # Задание: Transformers Поработайте с Transformers на платформе HuggingFace! Попробуйте некоторые из скриптов, которые они предоставляют, чтобы работать с различными моделями, доступными на их сайте: https://huggingface.co/docs/transformers/run_scripts. Используйте один из их наборов данных, а затем импортируйте свой собственный из этой программы или с Kaggle и посмотрите, сможете ли вы сгенерировать интересные тексты. Создайте ноутбук с вашими результатами. diff --git a/translations/ru/lessons/5-NLP/19-NER/README.md b/translations/ru/lessons/5-NLP/19-NER/README.md index 0f61d1ff..3252319e 100644 --- a/translations/ru/lessons/5-NLP/19-NER/README.md +++ b/translations/ru/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # Распознавание именованных сущностей До сих пор мы в основном сосредотачивались на одной задаче обработки естественного языка (NLP) — классификации. Однако существуют и другие задачи NLP, которые можно решать с помощью нейронных сетей. Одна из таких задач — **[Распознавание именованных сущностей](https://wikipedia.org/wiki/Named-entity_recognition)** (NER), которая заключается в выявлении конкретных сущностей в тексте, таких как места, имена людей, временные интервалы, химические формулы и многое другое. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: Представьте, что вы хотите разработать чат-бота, подобного Amazon Alexa или Google Assistant. Интеллектуальные чат-боты работают, *понимая* запрос пользователя с помощью классификации текста во входной фразе. Результатом этой классификации является так называемый **интент**, который определяет, что должен сделать чат-бот. -Bot NER +Bot NER > Изображение автора diff --git a/translations/ru/lessons/5-NLP/19-NER/lab/README.md b/translations/ru/lessons/5-NLP/19-NER/lab/README.md index f7b33bbd..ec2dc309 100644 --- a/translations/ru/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/ru/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # NER Лабораторная работа из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ru/lessons/5-NLP/20-LangModels/README.md b/translations/ru/lessons/5-NLP/20-LangModels/README.md index eb38fdde..9ff8fc4d 100644 --- a/translations/ru/lessons/5-NLP/20-LangModels/README.md +++ b/translations/ru/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # Предобученные крупные языковые модели Во всех предыдущих задачах мы обучали нейронную сеть выполнять определённую задачу, используя размеченный набор данных. С крупными трансформерными моделями, такими как BERT, мы используем языковое моделирование в самосупервизируемом режиме, чтобы создать языковую модель, которая затем специализируется на конкретной задаче с дополнительным обучением в определённой области. Однако было доказано, что крупные языковые модели могут решать множество задач без какого-либо обучения, связанного с конкретной областью. Семейство моделей, способных на это, называется **GPT**: Генеративный Предобученный Трансформер. diff --git a/translations/ru/lessons/5-NLP/20-LangModels/READMELargeLang.md b/translations/ru/lessons/5-NLP/20-LangModels/READMELargeLang.md deleted file mode 100644 index fed8806e..00000000 --- a/translations/ru/lessons/5-NLP/20-LangModels/READMELargeLang.md +++ /dev/null @@ -1,55 +0,0 @@ -# Предобученные большие языковые модели - -Во всех наших предыдущих задачах мы обучали нейронную сеть для выполнения определенной задачи с использованием размеченного набора данных. С большими трансформерными моделями, такими как BERT, мы используем языковое моделирование в самообучающемся формате для создания языковой модели, которая затем специализируется на конкретной задаче с дальнейшим обучением в конкретной области. Однако было продемонстрировано, что большие языковые модели могут также решать многие задачи без какого-либо обучения в конкретной области. Семейство моделей, способных на это, называется **GPT**: Генеративный предобученный трансформер. - -## [Викторина перед лекцией](https://ff-quizzes.netlify.app/en/ai/quiz/39) - -## Генерация текста и перплексность - -Идея о том, что нейронная сеть может выполнять общие задачи без обучения на конкретной задаче, представлена в статье [Языковые модели являются неконтролируемыми многозадачными обучающими системами](https://cdn.openai.com/better-language-models/language_models_are_unsupervised_multitask_learners.pdf). Основная идея заключается в том, что многие другие задачи могут быть смоделированы с использованием **генерации текста**, потому что понимание текста по сути означает возможность его производить. Поскольку модель обучена на огромном количестве текста, охватывающего человеческие знания, она также становится осведомленной о широком круге тем. - -> Понимание и способность производить текст также предполагает знание чего-то о мире вокруг нас. Люди также в значительной степени учатся, читая, и сеть GPT схожа в этом отношении. - -Сети генерации текста работают, предсказывая вероятность следующего слова $$P(w_N)$$. Однако безусловная вероятность следующего слова равна частоте этого слова в текстовом корпусе. GPT может предоставить нам **условную вероятность** следующего слова, учитывая предыдущие: $$P(w_N | w_{n-1}, ..., w_0)$$ - -> Вы можете узнать больше о вероятностях в нашей [Программе по науке о данных для начинающих](https://github.com/microsoft/Data-Science-For-Beginners/tree/main/1-Introduction/04-stats-and-probability) - -Качество модели генерации языка можно определить с помощью **перплексности**. Это внутренний метрик, который позволяет нам измерять качество модели без каких-либо наборов данных, специфичных для задачи. Он основан на понятии *вероятности предложения* — модель присваивает высокую вероятность предложению, которое, вероятно, является реальным (т.е. модель не **смущена** им), и низкую вероятность предложениям, которые имеют меньше смысла (например, *Может ли это сделать что?*). Когда мы предоставляем нашей модели предложения из реального текстового корпуса, мы ожидаем, что они будут иметь высокую вероятность и низкую **перплексность**. Математически это определяется как нормализованная обратная вероятность тестового набора: -$$ -\mathrm{Perplexity}(W) = \sqrt[N]{1\over P(W_1,...,W_N)} -$$ - -**Вы можете поэкспериментировать с генерацией текста, используя [текстовый редактор на базе GPT от Hugging Face](https://transformer.huggingface.co/doc/gpt2-large)**. В этом редакторе вы начинаете писать свой текст, и нажатие **[TAB]** предложит вам несколько вариантов завершения. Если они слишком короткие или вас не устраивают, нажмите [TAB] снова, и у вас будет больше вариантов, включая более длинные фрагменты текста. - -## GPT — это семья - -GPT — это не одна модель, а скорее коллекция моделей, разработанных и обученных [OpenAI](https://openai.com). - -Под моделями GPT у нас есть: - -| [GPT-2](https://huggingface.co/docs/transformers/model_doc/gpt2#openai-gpt2) | [GPT 3](https://openai.com/research/language-models-are-few-shot-learners) | [GPT-4](https://openai.com/gpt-4) | -| -- | -- | -- | -| Языковая модель с до 1,5 миллиарда параметров. | Языковая модель с до 175 миллиардов параметров | 100 триллионов параметров и принимает как текстовые, так и визуальные входные данные, выдавая текст. | - -Модели GPT-3 и GPT-4 доступны [как когнитивный сервис от Microsoft Azure](https://azure.microsoft.com/en-us/services/cognitive-services/openai-service/#overview?WT.mc_id=academic-77998-cacaste) и [как OpenAI API](https://openai.com/api/). - -## Инженерия подсказок - -Поскольку GPT обучен на огромных объемах данных для понимания языка и кода, он предоставляет результаты в ответ на вводимые данные (подсказки). Подсказки — это входные данные или запросы для GPT, в которых даются инструкции моделям по задачам, которые они должны выполнить. Чтобы получить желаемый результат, вам нужна наиболее эффективная подсказка, которая включает выбор правильных слов, форматов, фраз или даже символов. Этот подход называется [Инженерия подсказок](https://learn.microsoft.com/en-us/shows/ai-show/the-basics-of-prompt-engineering-with-azure-openai-service?WT.mc_id=academic-77998-bethanycheum) - -[Эта документация](https://learn.microsoft.com/en-us/semantic-kernel/prompt-engineering/?WT.mc_id=academic-77998-bethanycheum) предоставляет вам дополнительную информацию о инженерии подсказок. - -## ✍️ Пример блокнота: [Играя с OpenAI-GPT](../../../../../lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) - -Продолжите свое обучение в следующих блокнотах: - -* [Генерация текста с помощью OpenAI-GPT и Hugging Face Transformers](../../../../../lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) - -## Заключение - -Новые общие предобученные языковые модели не только моделируют структуру языка, но и содержат огромное количество естественного языка. Таким образом, их можно эффективно использовать для решения некоторых задач NLP в условиях нулевого или небольшого обучения. - -## [Викторина после лекции](https://ff-quizzes.netlify.app/en/ai/quiz/40) - -**Отказ от ответственности**: -Этот документ был переведен с использованием услуг машинного перевода на основе ИИ. Хотя мы стремимся к точности, пожалуйста, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на родном языке следует считать авторитетным источником. Для критически важной информации рекомендуется профессиональный человеческий перевод. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникающие в результате использования этого перевода. \ No newline at end of file diff --git a/translations/ru/lessons/5-NLP/README.md b/translations/ru/lessons/5-NLP/README.md index 16dac834..93f62dcc 100644 --- a/translations/ru/lessons/5-NLP/README.md +++ b/translations/ru/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # Обработка естественного языка ![Сводка задач NLP в виде рисунка](../../../../translated_images/ru/ai-nlp.b22dcb8ca4707cea.webp) diff --git a/translations/ru/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/ru/lessons/6-Other/21-GeneticAlgorithms/README.md index f64dbff8..d9bdafe6 100644 --- a/translations/ru/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/ru/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # Генетические алгоритмы ## [Тест перед лекцией](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/ru/lessons/6-Other/22-DeepRL/README.md b/translations/ru/lessons/6-Other/22-DeepRL/README.md index 2d170804..0afd34f2 100644 --- a/translations/ru/lessons/6-Other/22-DeepRL/README.md +++ b/translations/ru/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # Глубокое обучение с подкреплением Обучение с подкреплением (RL) считается одним из основных парадигм машинного обучения наряду с обучением с учителем и без учителя. Если в обучении с учителем мы опираемся на набор данных с известными результатами, то RL основано на **обучении через действие**. Например, когда мы впервые видим компьютерную игру, мы начинаем играть, даже не зная правил, и вскоре можем улучшить свои навыки просто благодаря процессу игры и корректировке своего поведения. @@ -34,7 +25,7 @@ CO_OP_TRANSLATOR_METADATA: Упрощенная версия задачи балансировки известна как проблема **CartPole**. В мире CartPole у нас есть горизонтальная платформа, которая может двигаться влево или вправо, и цель — сбалансировать вертикальный шест на вершине платформы, пока она движется. -a cartpole +a cartpole Чтобы создать и использовать эту среду, нам нужно всего несколько строк кода на Python: diff --git a/translations/ru/lessons/6-Other/22-DeepRL/lab/README.md b/translations/ru/lessons/6-Other/22-DeepRL/lab/README.md index 1a8917a8..f30583ec 100644 --- a/translations/ru/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/ru/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - ## Окружение Окружение Mountain Car представляет собой автомобиль, застрявший в долине. Ваша цель — выбраться из долины и достичь флага. Действия, которые вы можете выполнять: ускорение влево, вправо или бездействие. Вы можете наблюдать положение автомобиля вдоль оси x и его скорость. diff --git a/translations/ru/lessons/6-Other/23-MultiagentSystems/README.md b/translations/ru/lessons/6-Other/23-MultiagentSystems/README.md index 5dacadf9..4ec07ee2 100644 --- a/translations/ru/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/ru/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # Мультиагентные системы Одним из возможных способов достижения интеллекта является так называемый **эмерджентный** (или **синергетический**) подход, который основан на том, что совокупное поведение множества относительно простых агентов может привести к более сложному (или интеллектуальному) поведению системы в целом. Теоретически это основано на принципах [Коллективного интеллекта](https://en.wikipedia.org/wiki/Collective_intelligence), [Эмерджентизма](https://en.wikipedia.org/wiki/Global_brain) и [Эволюционной кибернетики](https://en.wikipedia.org/wiki/Global_brain), которые утверждают, что системы более высокого уровня приобретают дополнительную ценность, если они правильно объединены из систем более низкого уровня (так называемый *принцип перехода к метасистеме*). @@ -60,7 +51,7 @@ ask turtles [ Замечательной особенностью NetLogo является наличие библиотеки готовых моделей, которые вы можете попробовать. Перейдите в **File → Models Library**, и у вас будет множество категорий моделей на выбор. -NetLogo Models Library +NetLogo Models Library > Скриншот библиотеки моделей от Дмитрия Сошникова diff --git a/translations/ru/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/ru/lessons/6-Other/23-MultiagentSystems/assignment.md index 31e139b5..051ad254 100644 --- a/translations/ru/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/ru/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # Задание по NetLogo Возьмите одну из моделей из библиотеки NetLogo и используйте её для максимально точного моделирования реальной жизненной ситуации. Хорошим примером может быть изменение модели Virus из папки Alternative Visualizations, чтобы показать, как её можно использовать для моделирования распространения COVID-19. Сможете ли вы создать модель, которая имитирует реальное распространение вируса? diff --git a/translations/ru/lessons/7-Ethics/README.md b/translations/ru/lessons/7-Ethics/README.md index aa960fa7..39288f23 100644 --- a/translations/ru/lessons/7-Ethics/README.md +++ b/translations/ru/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # Этический и ответственный ИИ Вы почти завершили этот курс, и я надеюсь, что к настоящему моменту вы ясно понимаете, что ИИ основан на ряде формальных математических методов, которые позволяют находить взаимосвязи в данных и обучать модели для воспроизведения некоторых аспектов человеческого поведения. На данном этапе истории мы рассматриваем ИИ как очень мощный инструмент для извлечения закономерностей из данных и применения этих закономерностей для решения новых задач. diff --git a/translations/ru/lessons/README.md b/translations/ru/lessons/README.md index 7389eab4..908d5b29 100644 --- a/translations/ru/lessons/README.md +++ b/translations/ru/lessons/README.md @@ -1,12 +1,3 @@ - # Обзор ![Обзор в виде рисунка](../../../translated_images/ru/ai-overview.0857791951d19500.webp) diff --git a/translations/ru/lessons/X-Extras/X1-MultiModal/README.md b/translations/ru/lessons/X-Extras/X1-MultiModal/README.md index fe7079c8..e60fadfa 100644 --- a/translations/ru/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/ru/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # Мультимодальные сети После успеха трансформерных моделей в решении задач обработки естественного языка (NLP), те же или похожие архитектуры начали применяться к задачам компьютерного зрения. Растет интерес к созданию моделей, которые могли бы *объединять* возможности обработки изображений и естественного языка. Одной из таких попыток стала разработка OpenAI, известная как CLIP и DALL.E. diff --git a/translations/ru/lessons/sketchnotes/LICENSE.md b/translations/ru/lessons/sketchnotes/LICENSE.md index 87032cf3..33954ca4 100644 --- a/translations/ru/lessons/sketchnotes/LICENSE.md +++ b/translations/ru/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Права, это не влияет на статус базы данных как Адаптированного Материала; и c. Вы должны соблюдать условия Раздела 3(a), если Вы делитесь содержимым базы данных, и Раздела 3(b), если Вы делитесь Адаптированным Материалом. diff --git a/translations/ru/lessons/sketchnotes/README.md b/translations/ru/lessons/sketchnotes/README.md index 344b593a..6114cbff 100644 --- a/translations/ru/lessons/sketchnotes/README.md +++ b/translations/ru/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - Все скетчноуты учебной программы можно скачать здесь. 🎨 Автор: Томоми Имура (Twitter: [@girlie_mac](https://twitter.com/girlie_mac), GitHub: [girliemac](https://github.com/girliemac)) diff --git a/translations/ru/troubleshoot.md b/translations/ru/troubleshoot.md index bd1595bf..b719704a 100644 --- a/translations/ru/troubleshoot.md +++ b/translations/ru/troubleshoot.md @@ -1,12 +1,3 @@ - # Руководство по устранению неполадок AI-For-Beginners Это руководство поможет вам решить распространенные проблемы, возникающие при использовании или внесении вклада в репозиторий [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners). Каждая проблема включает описание, симптомы, объяснения и пошаговые решения.