A

Ablative Analysis تحليل استئصالي

استئصال أو التخلص من جزء من الشبكة العصبية أو الخوارزمية للحصول على نتائج أفضل

Access Control ضبط الدخول

تحديد السياسات والاجراءات والصلاحيات، وتحديد مناطق الاستخدام المسموحة لكل مُستخدم وأوقاته؛ لمنع دخول من لايملك حق شرعي الى نظام المعلومات سواء الداخل أو الخارج

Accuracy الضبط

يقيس مدى دقة نتائج النموذج وعدد توقعاته الصحيحه مقارنة بمجموع باقي التوقعات.

Adaptive Boosting تعزيز تَكَيُّفي

تجميع عدد من التوقعات الخاطئة في البيانات وإعادة تدريبها. أو تُستخدم تقنية التعزيز التكيفي كطريقة جماعية في التعلم الآلي. يطلق عليه التعزيز التكيفي حيث يتم إعادة تعيين الأوزان لكل حالة ، مع تعيين أوزان أعلى للحالات المصنفة بشكل غير صحيح. يستخدم التعزيز لتقليل التحيز وكذلك التباين في التعلم تحت الإشراف. إنه يعمل على مبدأ نمو المتعلمين بالتتابع. باستثناء الأول ، ينمو كل متعلم لاحق من متعلمين سابقين. بكلمات بسيطة ، يتم تحويل المتعلمين الضعفاء إلى متعلمين أقوياء. تعمل خوارزمية AdaBoost على نفس مبدأ التعزيز مع اختلاف بسيط. دعونا نناقش هذا الاختلاف بالتفصيل.

Agglomerative Hierarchical Approach طريقة تجميع هرمية

أحدى طرق التجميع، يتم جمع كل نقطة بما يقربها لتكوين مجموعه، يتم تكرار نفس الخطوه حتى يصل لمجموعة واحدة لجميع النقاط أو التجميع التكتلي: يُعرف أيضًا بالنهج التصاعدي أو التكتل الهرمي (HAC). بنية أكثر إفادة من مجموعة الكتل غير المهيكلة التي يتم إرجاعها بواسطة المجموعات المسطحة. لا تتطلب خوارزمية التجميع هذه أن نحدد مسبقًا عدد المجموعات. تعامل هذه الخوارزمية من أسفل إلى أعلى كل معلومة بيانية على أنها كتلة مفردة في البداية ثم تكتل أزواج المجموعات على التوالي حتى يتم دمج جميع المجموعات في مجموعة واحدة تحتوي على جميع البيانات.

Ai Agent وكيل/ عامل/ وسيلة

الوكيل هو الآلة التي نعمل على تدريبها أو الوكيل الذكي (AI) هو كيان يتخذ قرارًا يمكّن الذكاء الاصطناعي من العمل. يمكن وصفها أيضًا بأنها كيان برمجي يجري عمليات في مكان المستخدمين أو البرامج بعد استشعار البيئة.

Ai-Complete المشكلة الكاملة

تشير عبارة “أول كومبليت” إلى أصعب المشاكل في مجال الذّكاء الاصطناعي، وتحتاج المشاكل من هذا المستوى إلى أقوى نظام ذكاء اصطناعي يمكن أن يعمل على مستويات قريبة من مستويات الإنسان. ويُعتبر مفهوم ال «أول كومبليت » دليلاً على وجود مشاكل لا يمكن حلّها بالذّكاء الاصطناعي وحده، أي أنها تتطلب مساعدة بشرية، والرّؤية هي إحدى الأمثلة على هذه المشاكل، إذ لا يستطيع أي حاسوب أن يرى مثل ما ترى العين البشرية أو أن يتعامل بجدارة مع المواقف غير المتوقعة التي تداهمه أثناء سيناريو حل المشكلات.

Aic (Akaike Information Criterion) معيارمعلومات أكياكي

طريقة لقياس واختيار النموذج. سميت على اسم صائغها هيروتسوغو أكايكي أو معيار معلومات Akaike (AIC) هو طريقة رياضية لتقييم مدى ملاءمة النموذج للبيانات التي تم إنشاؤها منها. في الإحصاء ، يتم استخدام AIC لمقارنة النماذج المختلفة الممكنة وتحديد النموذج الأنسب للبيانات. يتم حساب AIC من: * عدد المتغيرات المستقلة المستخدمة لبناء النموذج. * تقدير الاحتمالية القصوى للنموذج (مدى جودة استنساخ النموذج للبيانات). النموذج الأنسب وفقًا لـ AIC هو النموذج الذي يشرح أكبر قدر من التباين باستخدام أقل عدد ممكن من المتغيرات المستقلة.

Algorithm الخوارزميات

سلسلة من الأوامر تنفذ على البيانات لتحويلها من شكل إلى آخر

Area Under The Receiving Operating Curve (Auc) المساحة تحت منحنى دقة الأداء (المساحة تحت المنحنى)

يقيس المنطقة ثنائية الأبعاد جميعها اسفل منحنى دقّة الأداء ROC، يستخدم المعيار لقياس اداء النموذج على جميع حدود الفصل.

Artificial Intelligence الذكاء الاصطناعي (AI)

الذكاء الاصطناعي هو فرع من علوم الحاسوب يعنى بتصميم آلات قادرة على فهم بيئتها وتنفيذ مهام تتطلب في مجملها مستوى محدد من الذكاء.

Artificial Neural Network (Ann) الشّبكة العصبية الاصطناعية

الشّبكة العصبية الاصطناعية (ANN) هي أحد نماذج الذكاء الاصطناعي المستوحاة من الشبكة العصبية البيولوجية. وتتكوّن تلك الشّبكات من وحدات متعدّدة تُسمى بالخلايا العصبية الاصطناعية وتتصل ببعضها البعض لنقل المعلومات، وتتعلم الشّبكات من هذا النوع من خلال دراسة الأمثلة وتوليد خصائص تعريف محدّدة ثم تتعلم تحديد أمثلة جديدة.

Artificial Neuron الخلايا العصبية الاصطناعية

هي نقطة اتصال في شبكة الخلايا العصبية الاصطناعية التي تصمم سلوكها تبعاً لنمط عمل الخلايا العصبية البيولوجية في ­ دماغ ا لإنسان. يمكن لكل خلية عصبية معالجة المدخلات وإعادة توجيه المدخلات إلى الخلايا العصبية الأخرى في ­الشبكة وحمل هذه الروابط أوزان تمثل قوة الاتصال بالخلايا العصبية الأخرى، فبينما تشق البيانات الجديدة طريقها عبر الشبكة تتغير الأوزان باستمرار وهذه العملية لتغير الأوزان هي كيفية حدوث التعلم.

Augmented Intelligence الذكاء المعزز

الذكاء المعزز هو نموذج بديل للذكاء الاصطناعي يركز على قدرة الذكاء الاصطناعي على مساعدة الذكاء البشري، بدلاً من تجاوزه. يعمل الذكاء الاصطناعي والبشري معًا في ­ النموذج المعزز لتحسين الأداء المعرفي واتخاذ القرار.

Axioms Of Probability مسلمات الاحتمالات

الاحتمال البديهي هو نظرية احتمالية موحدة. يحدد مجموعة من البديهيات (القواعد) التي تنطبق على جميع أنواع الاحتمالات ، بما في ذلك الاحتمال المتكرر والاحتمال الكلاسيكي. تحدد هذه القواعد المستندة إلى المسلَّمات الثلاثة لكولموغوروف نقاط انطلاق للاحتمال الرياضي. يمكن تبسيط مسلمات “بديهيات” الاحتمالات في ثلاث مسلمات: 1. احتمالية اي حدث هي رقم صحيح > 0. 2. الاحتمالية لحدوث أي حدث في كامل فضاء العينة = 1. 3. اذا كانت الأحداث A و B لا يعتمدان على بعضهما، فأن احتمالية حدوث أي من A أو B هي نفس احتمالية حدوث A + احتمالية حدوث B.

B

Backpropagation انتشار عكسي

احدى الطرق المستخدمة في تدريب الشبكات العصبية. تمكن هذة الطريقة الآلة من التعلم والتحسن بناءً على النتائج السابقة لها. أو الانتشار العكسي ، وهو اختصار لـ “الانتشار العكسي للأخطاء” ، هو خوارزمية للتعلم الخاضع للإشراف في الشبكات العصبية الاصطناعية باستخدام النزول الاشتقاقي. بالنظر إلى الشبكة العصبية الاصطناعية ووظيفة الخطأ ، تُحسب طريقة التدرج اللوني لوظيفة الخطأ فيما يتعلق بأوزان الشبكة العصبية. حيث يعتبر تعميم لقاعدة دلتا للمستقبلات على الشبكات العصبية المغذية متعددة الطبقات.

Backward Chaining التسلسل العكسي

عملية تهدف لمساعدة الذّكاء الاصطناعي في حل المشكلات من خلال العمل بشكلٍ عكسي انطلاقًا من حل لتحديد الشّروط والقواعد الأولية التي أنتجت هذا الحل.

Batch حزمة

تستخدم في أكثر من مكان وتعني جزء او كمية معينة من البيانات.

Batch Gradient Descent نزول اشتقاقي حزمي

نزول اشتقاقي من نوع الحزم، كل حزمة عبارة عن تكرار واحد. يتم فيها التدريب على كامل البيانات في كل عملية تكرار. أو النزول الاشتقاقي الحزمي هو أحد أشكال خوارزمية نزول التدرج التي تحسب الخطأ لكل مثال في مجموعة بيانات التدريب ، ولكنها تُحدِّث النموذج فقط بعد تقييم جميع أمثلة التدريب.

Batch Normalization تسوية حزمية

طريقة تستخدم لتوحيد المدخلات في الشبكات العصبية، تساعد في تسريع عملية التدريب. والتسوية الحزمية هي أسلوب لتدريب الشبكات العصبية العميقة جدًا التي تقوم بتوحيد المدخلات إلى الطبقة لكل دفعة صغيرة. هذا له تأثير في تثبيت عملية التعلم وتقليل عدد فترات التدريب المطلوبة بشكل كبير لتدريب الشبكات العميقة.

Batch Processing المعالجة على دفعات

هي معالجة البيانات كمجموعة من الدُفعات. فعلى عكس معالجة المعاملات لا تتطلب معالجة الدُفعات أي تفاعل بشري بمجرد بدئها. وتتم معالجة الدُفعات عادةً بعد ساعات العمل أو عندما يكون نظام الحاسوب خاملاً

Bayes’ Rule قاعدة بايز

تنص قاعدة بايز على أن أحتمالية وقوع حدث تكون بناءًا على المعلومات وما يُعرف مسبقاً من شروط لها علاقة بهذا الحدث. أو نظرية بايز هي طريقة مبدئية لحساب الاحتمال الشرطي بدون الاحتمال المشترك. غالبًا ما لا نتمكن من الوصول إلى المقام مباشرة ، على سبيل المثال P(B). القانون ينص على : P(B) = P(B|A) * P(A) + P(B|not A) * P(not A)

Bayesian Information Criterion (Bic) معيار المعلومات البايزي

معيار المعلومات البايزية (BIC) هو معيار وطريقة لقياس وإختبار اداء النماذج وذلك لاختيار نموذج من بين مجموعة محدودة من النماذج، ويعتمد المعيار جزئيًا على وظيفة الاحتمال وعندما نحصل على معيار بايزي أقل فإن النموذج مناسب.

Behavioral Analytics تحليل السّلوكيات

تُسمی دراسة أفعال الأفراد أو الجماعات ضمن بيئة تجارية إلكترونية بتحليل السلوكيات

Bellman Equation معادلة بلمان

أحد العناصر المهمه في العدد من خوارزميات التعليم المعزز، تقوم معادلة بلمان بتقسيم قيمة الدالة إلى جزئين، المكافئة الفورية و القيمة المستقبلية الأقل. وهي صيغة تكرارية تشكل الأساس للبرمجة الديناميكية. يحسب المكافأة الإجمالية المتوقعة لاتخاذ إجراء في أي حالة في عملية اتخاذ قرار ماركوف عن طريق تقسيمه إلى المكافأة الفورية والمكافأة الإجمالية المتوقعة في المستقبل.

Bernoulli Distribution توزيع بِرنوللي

توزيع برنوللي يعتبر أحد التوزيعات المنفصلة، يستخدم في التجارب التي نتائجها احدى أثنان إما 0 أو 1. توزيع برنولي هو توزيع منفصل له نتيجتان محتملتان موصوفتان بـ n = 0 و n = 1 حيث يحدث n = 1 (“نجاح”) مع احتمال p و n = 0 (“فشل”) يحدث مع احتمال q=1-p ، حيث 0<p<1 لذلك لديها دالة كثافة الاحتمال

Bias انحياز

للانحيازعدة تعريفات ، ,وعند وصم البيانات أو النتائج بالانحيازفهو غير محمود بالتأكيد. الانحياز يشير إلى المحاباة أو التمييز المنهجي للمجموعة. بشكل عام ، اشتق “الانحياز” من الكلمة اليونانية القديمة التي تصف خطًا مائلًا (أي الانحراف عن الأفقي). وفي علم البيانات فالانحياز هو حيود في توقع البيانات وعند استخدامه لوصف بيانات موجودة فذلك يشير غالبًا إلى خطأ في البيانات.

Big Data البيانات الضخمة

البيانات ذات الحجم الكبير التي تصل بسرعةٍ عالية ضمن صيغ مختلفة إلى نظام عمل عصري بشكلٍ يومي

Biometrics القياسات الحيوية

هي دراسة وتحليل الخصائص الجسدية والسّلوكية للبشر. تضم التّقنية مجموعة من الاستخدامات تتراوح ما بين السّماح للمستخدمين بالوصول إلى هواتفهم الذّكية من خلال التّعرف على بصمات الأصابع والوجه إلى مواقع التّواصل الاجتماعي التي يمكنها تحديد الأفراد في صورة من خلال تحليل القياسات الحيوية.

Boosting تعزيز

التعزيز هو طريقة تجميعية للتعلم الآلي تجمع بين مجموعة من المتعلمين الضعفاء في متعلم قوي لتقليل أخطاء التدريب. عند استخدام التعزيز فيتم اختيار عينة عشوائية من البيانات وتزويدها بنموذج ثم يتم تدريبها بالتتابع – أي يحاول كل نموذج تعويض نقاط الضعف في سابقتها. يتم دمج القواعد الضعيفة مع كل تكرار من كل مصنف فردي لتشكيل قاعدة تنبؤ واحدة قوية.

Business Intelligence ذكاء الأعمال

يشير تعبير ذكاء الأعمال إلى التقنيات والاستراتيجيات المستخدمة من قبل الشركة لجمع وتخزين ودراسة البيانات التي تنتجها

C

Chain Rule قاعدة التسلسل

في حساب التفاضل والتكامل ، قاعدة السلسلة هي صيغة لحساب مشتق تكوين وظيفتين أو أكثر، إذا كانت f دالة و g دالة فإن قاعدة السلسلة تعبر عن مشتق الدالة المركبة f ∘ g بدلالة مشتقات f و g.

Characterizes يتّسِم

في الرياضيات، الأوصاف والسمات لأي كائن هي التي تجعله مختلفًا ومعروفًا بها فالمثلث متساوي الأضلاع هو مثلث ذو ثلاث اضلاع متساوية ولكن يمكن وسمه أو وصفه بأنه مثلث بزاوتيان ذات 60 درجة.

Chatbot روبوت المحادثة

روبوت المحاثة هو احد تطبيقات الذكاء الاصطناعي يستخدم معالجة اللغة الطبيعية للتحدث مع مستخدم بشري سواء بالصوت او عبر الرسائل النصية.

Chernoff Bound حد تشرنوف

حد تشرنوف هي طريقة لربط ذيول التوزيع (نهاياتها) لمجموعة من المتغيرات العشوائية المستقلة. أو حدود تشيرنوف هي نوع آخر من قيود الذيل. مثل ماركوف و تشيبيشِف حيث قاموا بربط الرقم الإجمالي لاحتمال متغير عشوائي Y موجود في “الذيل” ، أي بعيدًا عن المتوسط. وينطبق حد تشرنوف على فئة من المتغيرات العشوائية ويعطي انخفاضًا أسيًا للاحتمال مع إبقاء مسافة عن المتوسط. الشرط الأساسي لحد تشرنوف هو أن يكون المتغير العشوائي هو مجموع المتغيرات العشوائية للمؤشر المستقل.

Chi-Square Test اختبار مربع كاي

اختبار يستخدم لقياس اداء النموذج مقارنة بالبيانات الحقيقة التي اطلع عليها. اختبار مربع كاي هو طريقة اختبار فرضية يتضمن اختباران شائعان للتحقق مما إذا كانت الترددات الملحوظة في فئة واحدة أو أكثر تتطابق مع الترددات المتوقعة. هناك نوعان من اختبارات مربع كاي شائعة الاستخدام: اختبار مربع كاي للجودة أو الصحة لاختبار الملاءمة واختبار مربع كاي للاستقلال. يتضمن كلا الاختبارين متغيرات تقسم البيانات إلى فئات.

Classes فئات

الأصناف هي طريقة لفرز وتجميع القيم المتشابة مع بعضها البعض، حيث توضع تلك القيم ذات الصفات المتشابهه في تصنيف واحد.

Classification تصنيف

التصنيف هو عملية إيجاد دالة تساعد في تقسيم مجموعة البيانات إلى فئات بناءً على متغيرات مختلفة. في التصنيف يتم تدريب النموذج على مجموعة بيانات التدريب وبناءً على هذا التدريب يتم تصنيف البيانات إلى فئات مختلفة.

Classification And Regression Trees (Cart) التصنيف والانحدار الشجري

التصنيف والانحدار الشجري هي خوارزمية تستخدم في مشاكل التصنيف والإنحدار. فكرتها مأخوذة من شجرة القرار، ويتم إيجاد النتائج عن طريق التقسيم المتكرر للبيانات إلى جذور مختلفة حسب نوعها سواء كانت مشكلة تصنيف فئوية أو انحدار رقمية. أو أشجار التصنيف والانحدار أو CART اختصارًا هو مصطلح قدمه ليو بريمان للإشارة إلى خوارزميات شجرة القرار التي يمكن استخدامها في التصنيف أو مشاكل النمذجة التنبؤية للانحدار. منذ القدم يُشار إلى هذه الخوارزمية باسم “أشجار القرار” ، ولكن في بعض الأنظمة الأساسية مثل R يُشار إليها بالمصطلح الأكثر حداثة CART. توفر خوارزمية CART أساسًا للخوارزميات المهمة مثل أشجار القرار المعبأة والغابات العشوائية وأشجار القرار المعززة.

Classification Metrics مقاييس التصنيف

مقاييس التصنيف التي يستخدمها المحللون والعلماء لتقييم نماذج التعلم الآلي. يؤثر اختيار المقاييس على كيفية قياس أداء خوارزميات التعلم الآلي ومقارنتها. من أهم هذه المقاييس: مصفوفة الدقة، مصفوفة الاستدعاء أو الحساسية ، مصفةفة التخصيص وأخيرًا درجة F1.

Classifier مُصَنِّف

المصنف هي الخوارزمية المستخدمة لتقسيم وتصنيف البيانات. يستخدم المصنف بعض بيانات التدريب لفهم كيفية ارتباط متغيرات الإدخال المحددة بفئة معينة. على سبيل المثال ، يجب استخدام رسائل البريد الإلكتروني العشوائية المعروفة وغير المرغوبة كبيانات تدريبية. عندما يتم تدريب المصنف بدقة ، يمكن استخدامه للكشف عن بريد إلكتروني غير معروف.

Clickstream Analytics تحليل مجرى النقر

المصطلح المعطى لدراسة وتحليل الصفحات التي يزورها زائر الموقع هو تحليل مجرى النقر. يتعلق جزء من بحث التجارة الإلكترونية بتتبع مجرى النقر حين ينقر المستخدم على موقع معين على الإنترنت، ويراقب النظام المدة التي يقضيها الزائر على الصفحة، وكيفية تنقله عبر صفحات الموقع، والعناصر التي يضيفها إلى سلة التسوق الخاصة به والتي يرفضها. يمكن للشركة من خلال هذا التحليل بناء صورة مفصلة عن مدى فعالية استخدام موقع الإنترنت الخاص بهم.

Closed Form Solution حل مغلق

يطلق على معادلة انها ذات حل مغلق اذا حلت مشكلة معينة من حيث العمليات الحسابية الرياضية والوظائف للمجموعة معينة من القيم. فالحل المغلق هو تعبير عن حل دقيق معطى بكمية محدودة من البيانات.

Cloud Robotics الروبوتات السحابية

استخدام موارد الحوسبة عن بعد لتوسيع قوة الحوسبة المتاحة والقدرة على تعلم تطبيق الروبوتات. وتعني القدرة على مشاركة قوة المعالجة أن الروبوتات المتصلة بالسحابة يمكنها أيضًا التكيف مع المواقف الجديدة بشكل أسرع من الروبوت الذي يعمل بمفرده

Cluster عنقود

العنقور هو تجمع لأشياء متشابهة في صفاتها ، فهوعبارة عن مجموعة من العينات الأساسية ، كل منها قريب من بعضها البعض (بمسافة متباعدة مقاسة عن بعض) ومجموعة من العينات غير الأساسية التي تكون قريبة من عينة أساسية (ولكنها ليست عينات أساسية بحد ذاتها).

Clustering تجمع عنقودي

تجميع البيانات ذات الصفات المتشابهة مع بعضها البعض. تُنشئ خوارزمية التجميع العنقودي مجموعات حيث يكون التشابه داخل الكتلة مرتفعًا جدًا ، مما يعني أن البيانات داخل الكتلة متشابهة جدًا مع بعضها البعض. وبالمقابل تنشيء الخوارزمية مجموعات مختلفة حيث يكون التشابه بين المجموعات أقل بكثير مما يعني أن كل مجموعة تحتوي على معلومات تختلف عن المجموعات الأخرى بشكل كبير.

Coefficient مُعامل

في الرياضيات، المعامل هو رقم يضرب في متغير. مثلاً: 6x + 3 =15، الرقم 6 هنا هو المُعامل.

Coefficient Of Determination مُعامل التحديد

مُعامل التحديد (R²) هو مقياس احصائي في نماذح الانحدار يحدد نسبة التباين في المتغير غير المستقل والذي يمكن توقعها من المتغير المستقل.

Cognitive Computing الحوسبة الإدراكية

هي تقنيات تعالج المواقف المعقدة والغامضة عن طريق محاكاة عملية التفكير البشري.

Cold Data Storage تخزين البيانات البارد

يطلق مصطلح تخزين البيانات البارد على التخزين طويل الأمد للبيانات الغير نشطة والتي من النادر استخدامها أو الدخول إليها

Column-Vector عمود متجه

مصفوفة بعامود واحد فقط وعدد أسطر غير محدود.

Combination توليفة

التوليفة في الرياضيات هي طريقة تستخدم لإيجاد جميع الاحتمالات للترتيبات في مجموعة من المتغيرات التي لا يُلقآ بالًا فيها للترتيب.

Combinatorics توافيق

التوافيق هو مجال في الرياضيات متخصص في الإختيار، الترتيب، العد كأدوات ووسائل للوصول إلى النتائج في البيانات المحدودة. على الرغم من أن التوليفات تتعامل مع الترقيم ومعرفة عدد العناصر في المجموعات ، إلا أنها مصممة لإيجاد طرق للقيام بذلك دون الحاجة إلى احتساب فعلي.

Complete Linkage ربط كامل

في التصنيف الهرمي، الربط الكامل هي طريقة تكون فيها المسافة بين تصنيفين هي أفضل مسافة يمكن الحصول عليها اذا اخترنا قيمة من كل تصنيف وحسبنا المسافة بينهما.

Computational Linguistics (Cl) اللغويات الحاسوبية (CL)

اللغويات الحاسوبية (CL) هي علم تحليل وإنتاج وفهم اللغة المكتوبة والمنطوقة. تساعد اللغويات الحاسوبية أجهزة الحاسوب على فهم اللغة بشكل أفضل، مما يحسن تفاعلها مع البشر وتسهيل قيام أجهزة الحاسوب بالترجمة إلى لغات متعددة أو تلخيص النص أو الإجابة على الأسئلة.

Conditional Probability احتمال شرطي

في الاحتمالات، الاحتمال الشرطي هو احتمالية حدوث حدث ما، بمعرفة أن حدث آخر تم حدوثه قبلة.

Confusion Matrix مصفوفة الدقّة

تستخدم لحساب اداء نتائج النموذج عن طريق عرض جدول يعرض توقعات النموذج والنتائج الحقيقة. اذا كان لدينا نموذج يتوقع نتيجة من أحدى اثنين (1 أو 0)، فسيكون لمصفوفة الدقّة اربع نتائج: True Negative: توقع ( 0 ) والنتيجة الصحيحة ( 0 ) False Negative: توقع ( 0 ) والنتيجة الصحيحة ( 1 ) False Positive: توقع ( 1 ) والنتيجة الصحيحة ( 0 ) True Positive: توقع ( 1 ) والنتيجة الصحيحة ( 1 )

Content Generator منشئ المحتوى

منشئ المحتوى هو تطبيق يستخدم الذكاء الاصطناعي والتعلم الآلي لإنشاء مقالات وتقارير للنشر. تعيد أدوات إنشاء المحتوى كتابة مجموعة أساسية من البيانات مثل نتائج حدث رياضي، مع إضافة تفاصيل لإنشاء مقالة كاملة أو ملخص.

Conversational User Interface واجهة مستخدم المحادثة

واجهة مستخدم المحادثة هي قدرة روبوتات المحادثة القائمة على الذّكاء الاصطناعي، على إجراء محادثات مكتوبة أو منطوقة مع المستخدميين بطريقة طبيعية.

Convolutional Neural Network (Cnn) الشبكة العصبية التلافيفية

الشبكة العصبية التلافيفية (CNN) هي شكل من أشكال الشبكة العصبية الاصطناعية التي تركز بشكل خاص على معالجة البيانات التي لديها تشكيلً (طبولوجيا) شبكيًا، أي أن عناصر البيانات لها علاقة مترابطة مع بعضها البعض. وقد أثبتت كفاءتها في التعرف على الصور

Correlation ارتباط

مقياس يقيس العلاقة بين متغيريين رقميين. كلما ارتفع الرقم دل على قوة العلاقة، والعكس كلما قل الرقم يعني سلبية العلاقة.

Cost Function دالة التكلفة

أداة تستخدم لقياس مدى سوء نتائج النموذج.

Cross-Entropy الانتروبيا التقاطعية

تستخدم كدالة خسارة، تقيس الفرق بين توزيعيين محتملين.

Customer Relationship Management (Crm) إدارة العلاقة مع العملاء (CRM)

تقوم إدارة العلاقة مع العملاء (CRM) على المبادئ والممارسات والتقنيات التي تستخدمها الشركات عند دراسة تفاعلات العملاء. وتخزّن أنظمة إدارة العلاقة مع العملاء بيانات العملاء من كل تفاعل وقناة ونقطة واتصال.

D

Dashboard واجهة العمل

يطلق على واجهة المستخدم البيانية التي تظهر التحليل الناتج عن معالجة خوارزمية لبيانات كبيرة بواجهة العمل

Data Aggregation تجميع البيانات

عملية جمع البيانات الأولية من عدة مصادر وتقديمها كملخص من أجل توفير إحصاء تحليلي

Data Augmentation تعزيز البيانات

تعزيز البيانات هي عملية زيادة نطاق وعدد بيانات التدريب بشكل مصطنع عن طريق تحويل الأمثلة الموجودة لإنشاء إصدارات إضافية. على سبيل المثال، إذا كانت مجموعة البيانات لا تحتوي على صور كافية لتعليم ارتباطات مفيدة لنموذج ذكاء اصطناعي، وكان الحل الصحيح هو إضافة المزيد من الصور المصنفة. تعد زيادة البيانات حلاً بديلاً، فيمكنها تدوير كل صورة وتمديدها وعكسها لإنتاج العديد من المتغيرات الأخرى للصورة الأصلية والتي يمكن أن تنتج بيانات جديدة كافية لإكمال تدريب النموذج.

Data Center مركز البيانات

تُسمي المنشآت المخصصة لاحتواء الخوادم والأنظمة التي تخزن البيانات الكبيرة بمراكز البيانات ، وتؤتمن هذه المراكز على أهم أصول الشركات أو المنظمات أي المعلومات لذا فهي مصممة كي تكون آمنة وقوية ويعتمد عليها

Data Cleansing تنقية البيانات

هي عملية تهدف لتنقية البيانات وحذف ما هو غير دقيق منها أو غير مكتمل أو مکرر ، أو ما لا علاقة له بالموضوع

Data Collection جمع البيانات

جمع البيانات هي تسمية تعطي لأي عملية تسجيل بيانات ، وبأي شكل

Data Custodian الوصي على البيانات

الوصي على البيانات هو الشخص المسؤول عن الإشراف التقني على أصول البيانات في الشركة ، ويشمل هذا الدور مسؤوليات تتنوع ما بين توضيب البيانات وما بين ضمان أن الشبكة ومستويات التخزين فيها قادرة على الارتقاء دوما لمستوى تزايد حجم البيانات الواردة إليها

Data Dimension بُعد البيانات

للبيانات أبعاد أيضًا تستند فيها إلى عداد المتغيرات في كل جزء منها، فمثلًا يمكن اعتبار الرسالة الإلكترونية على أنها متجه Vector ذو أبعاد كثيرة، حيث يوجد نَسَقٌ لكل كلمة في القاموس، والقيمة في ذلك النسق هي عدد المرات التي استُخدمت فيها هذه الكلمة في البريد الإلكتروني، لذلك فإن بُعد البريد الإلكتروني بحجم 75 كيلوبايت ويحتوي على 1000 كلمة من شأنه أن ينتج عنه متجه من ملايين الأبعاد.

Data Driven Decision Making ( Dddm ) ( DDDM ) صناعة القرارات القائمة على البيانات

صناعة القرارات القائمة على البيانات ( DDDM ) هي عملية جعل قرارات العمل مبنية على بيانات يمكن التحقق منها بدلا من مجرد حدس أو ملاحظة ، يلغي استخدام البيانات الموثوقة أي تحيز شخصي أو أحکام خاطئة من عملية صنع القرار

Data Exhaust عادم البيانات

يشير تعبير عادم البيانات إلى مسار البيانات الذي يتركه مستخدم الحاسوب وراءه أثناء أنشطته التي ينفذها عبر الإنترنت ، ويمكن لهذه البيانات الأولية أن تكون على شكل ملفات تعريف الارتباط وسجلات تواريخ المعاملات على الإنترنت ومعلومات عن المعاملات والمزيد

Data Feed التزويد بالبيانات

يطلق مصطلح التزويد بالبيانات على عملية تدفق المعلومات التي غالبًا ما تكون فورية ومن عدة مصادر ، وتصل هذه المعلومات من الخادم إلى المستخدم بشكل تلقائي أو عند الطلب

Data Governance حوكمة البيانات

حوكمة البيانات هو المصطلح العام للأشخاص والسياسات والإجراءات المستخدمة لإدارة البيانات داخل المؤسسة

Data Integration تكامل البيانات

تُسمى عملية جمع بيانات من عدة مصادر وعرضها ضمن واجهة واحدة موحدة بتكامل البيانات ، وبعد انتهاء عملية الإتحاد هذه تكون البيانات مخزنة في مخزن بیانات مرکزي واحد

Data Integrity نزاهة البيانات

يشير تعبير نزاهة البيانات إلى دقة وتناسق وتكامل البيانات منذ وجدت طوال تاريخها ، وتصف حالة كل من البيانات والمعالجات التي لها من أجل المحافظة على دقتها

Data Labelling تسمية البيانات

تعتبر تسمية البيانات عملية الكشف عن عينات البيانات ووضع علامات عليها ضمن تصنيف صحيح في ­ نظام التعلم الآلي. على سبيل المثال، إنسان يقوم بتصنيف البيانات أو الصور أو النصوص، بناء على سؤال معرف مسبقًا، هل الصور تحوي صورة إنسان أو حيوان.

Data Lake بحيرة البيانات

بحيرة البيانات هي مستودع يحتوي على كمية كبيرة من البيانات مخزنة بتنسيقها الأصلي حتى تصبح مطلوبة أو جاهزة للمعالجة. يتم تعيين مُعرّف فريد وبيانات تعريفية للتّعريف بالبيانات الموجودة في بحيرة البيانات ووصف ما هي عليه، فعندما يُطلب الاستعلام عن عمل محدّد يمكن لأدوات التّعدين استخدام هذه العلامات للبحث في البحيرة بأكملها عن البيانات ذات الصلة وإجراء التّحليل المطلوب عليها.

Data Marketplace سوق البيانات

سوق البيانات هو متجر على إلكتروني لبيع و شراء البيانات، وتتوفر هناك أنواع مختلفة من البيانات لأسواق مختلفة يمكن تخصيصها لعملاء فرديين. مع النمو الهائل في ­ البيانات الكبيرة أصبحت تُعتبر من الأصول ذات القيمة التّجارية العالية ليتم تداولها بين الشركات، إذ يتنوع عملاء أسواق البيانات ما بين الحكومات إلى محللي الأعمال، ويبحث هؤلاء المشترون عادةً عن مزيج من بيانات المستهلك والبيانات الديموغرافية والبيانات الشّخصية على الرغم من توفّر العديد من الأنواع البديلة.

Data Mart سوق البيانات

يتفرع سوق البيانات من مخزن البيانات ، وهو مصمم لخط معين من البيانات كقسم أو فريق ضمن الشركة

Data Migration ترحيل البيانات

تسمى عملية نقل البيانات بين أجهزة الحاسوب أو الأنظمة أو الأشكال أو حتى التطبيقات بترحيل البيانات ، وتحدث هذه العملية لعدة أسباب تتنوع ما بين صيانة الخوادم وترقيتها إلى الانتقال بين مراكز البيانات الجغرافية

Data Mining التنقيب عن البيانات

التّنقيب عن البيانات هي عملية دراسة كميات كبيرة من البيانات وتحويلها إلى معلومات مفيدة. على عكس ما يوحي به الاسم، فإنّ التّنقيب في البيانات يهتم بشكلٍ أساسي بالعثور على الأنماط ضمن مجموعة البيانات الكبيرة وليس استخراجها. فيمكن باستخدام التّعلم الآلي والأساليب الإحصائية على هذه البيانات لعملية التّنقيب عن البيانات بناء النّماذج وبناء العلاقات المتبادلة وتحديد الاتجاهات الرّائجة. أيضًا، يُعتبر التّنقيب عن البيانات عنصر فرعي من علم البيانات.

Data Modelling قولبة البيانات

هي عملية التحديد البصري لكيفية تدفق البيانات في الشركة على شكل رسم تخطيطي

Data Owner مالك البيانات

يسمى العضو عالي المستوى في الشركة والمسؤول عن نوع محدد من البيانات بمالك البيانات ، يمكن للمدير المالي في حال الحاجة أن يكلف بمهمات مالك جميع البيانات المالية للشركة

Data Point نقطة البيانات

نقطة البيانات هي وحدة معلومات مفردة ومنفصلة . ضمن البيانات الكبيرة تظهر غالبة على شكل وحدة مفردة على رسم جرافيك أو بياني

Data Profiling تنميط البيانات

تنميط البيانات هي عملية فحص وتحليل للبيانات بهدف إنشاء ملخص عنها ، وتنتج عنه نظرة عامة تكشف جودة البيانات ودقتها واكتمالها وأيضًا صحتها ، كما يمكن أن يساعد في تحديد البيانات التي يستحق الاحتفاظ بها وحذف التكرار غير الضروري واكتشاف البيانات التي لا تتناسب مع معايير الإحصاء الطبيعية

Data Quality جودة البيانات

جودة البيانات هي مقياس لموثوقية مجموعة معينة من البيانات .

Data Replication تكرار البيانات

تسمى عملية تخزين النسخة مطابقة من البيانات في عدة أماكن ضمن المؤسسة بتكرار البيانات

Data Science علم البيانات

علم البيانات هو دراسة البيانات بهدف استخلاص معلومات مفيدة منها، وهو مجال متعدّد التّخصصات يتضمن الرياضيات والإحصاء والاحتمالات من أجل جمع البيانات ومعالجتها واتخاذ القرارات بناءً عليها. ومع تلك الكميات الهائلة من البيانات الضخمة التي يتم إنتاجها كل يوم، يعد التّعلم الآلي والذّكاء الاصطناعي الأدوات الرئيسية لتفسير السلوك المستقبلي والتنبؤ به من هذا التدفق للمعلومات.

Data Scientist عالم بيانات

يطلق على الشخص الذي يدقق ويحلل كمية كبيرة من البيانات بشكل إحصائي بعالم البيانات . ويعمل عالم البيانات في العادة على بيانات قادمة من مخازن أو مراكز بیانات حتى يستطيع فهم ماضي أداء الشركة ، ويتمكن من جمع المعلومات من وحدة استقصاء الأعمال للمساعدة على أخذ قرارات مستقبلية صحيحة

Data Set مجموعة البيانات

مجموعة البيانات هي عبارة عن مجموعة من البيانات تتكون من عناصر ذات صلة يمكن الوصول إليها بشكل فردي أو كوحدة كاملة . ويتم عرض مجموعة البيانات عادة على شكل جدول يتألف من صفوف وأعمدة

Data Source مصدر بيانات

يصدر مصدر البيانات جميع البيانات التي يتم استخدامها في قاعدة البيانات ، وتأتي تلك البيانات الكبيرة من عدة مصادر أساسية

Data Steward مضيف البيانات

مضيف البيانات هو المسؤول عن ضمان خدمة أصول البيانات لمصلحة وعمل الشركة ، ويلعب دور محوري في مراقبة البيانات ضمن البيانات الكبيرة مع ضمان المحافظة على جودة البيانات ضمن المؤسسة

Data Visualization تصور البيانات

تصور البيانات هو توصيل البيانات بطريقة مرئية. تكون البيانات المعقدة أسهل في ­ فهمها إذا ما عُرضت على شكل مخطط أو رسم بياني أو رسم تخطيطي.

Data Warehouse مستودع بیانات

هي الحاوية التي تخزن فيها البيانات الإلكترونية الهائلة التي تجمع من قبل شركة ما بهدف تحليلها للمساعدة في التحليل الذكي للأعمال

Database قاعدة بيانات

تتكون قاعدة البيانات من مجموعة من البيانات المنظمة بطريقة عملية والمصممة ليتم الدخول إليها بشكل إلكتروني

Database Administrator مدير قاعدة البيانات

يستخدم مدير قاعدة البيانات برمجيات خاصة لمراقبة عمليات الإنشاء والصيانة وأمان قاعدة البيانات للحواسيب ، وهو مسؤول أيضا عن التعامل مع أي تطبيق خارجي يتفاعل مع قاعدة البيانات .

Database As A Service ( Dbaas ) ( DBaaS ) قاعدة البيانات كخدمة

تعمل قاعدة البيانات كخدمة بالسماح للمستخدمين بالعمل على قاعدة بیانات سحابية دون الحاجة لأي تحضير وامتلاك والعمل من خلال مكوناتها الصلبة وأنظمة برمجيات قاعدة البيانات .

Decision Boundary حد القرار

في مشاكل التصنيف التي تحتوي على تصنيفان للبيانات فإن حد القرار هي الخط الذي يفصل بين هاذان التصنيفان.

Decision Tree شجرة قرار

خوارزمية شجرة إتخاذ القرار تستخدم أمر الشرط (If-then) ويتم إستخدامها بشكل أكثر في البيانات الفئوية.

Decision Tree Learning شجرة القرار

شجرة القرار هي خوارزمية تعلم آلة على شكل شجرة لبناء نموذج التّعلم الخاضع للإشراف للتنبؤ بهدف محدّد مسبقًا. في هذا النوع من التّعلم الآلي، يتم تزويد الذّكاء الاصطناعي بكل من المدخلات والمخرجات المتوقعة في بيانات التّدريب، ثم يختار الذّكاء الاصطناعي قراراته في مخطط انسيابي يشبه الشّجرة، حيث إن كل ورقة هي سمة محتملة، وكل فرع هو قرار أو نتيجة.

Deconvolutional Neural Network الشبكة العصبية الغير تلافيفية

الشبكة العصبية الغير تلافيفية هي شبكة عصبية اصطناعية تعمل كعكس للشبكة العصبية التلافيفية حالها كحال الدماغ البشرية، بينما تحلل الشبكة العصبية التلافيفية الصور لفهم ما تعنيه، وتقوم في المقابل الشبكة العصبية الغير تلافيفية بالعكس فهي تأخذ نتائج بيانات الأولى وتفصلها إلى عناصرها الفردية، وتبحث عن البيانات المفقودة أو المخفية أو التي تم التغاضي عنها.

Deep Belief Network شبكة المعتقدات العميقة

شبكة المعتقدات العميقة هي شكل من أشكال الشّبكات العصبية التي تستخدم نموذج التّعلم الآلي غير الخاضع للإشراف لتحقيق النتائج المرجوة. وتتكوّن شبكات المعتقدات العميقة من عدّة شبكات عصبية أصغر غير خاضعة للإشراف، وعلى الرغم من أنّ كل طبقة من الطّبقات تكون متصلة ككل إلا أنّ كل وحدة داخل الطّبقة هي غير متصلة.

Deep Learning التعلم العميق

التعلم العميق جزء من أجزاء تعلم الآلة وهو شكل من أشكال الخلايا العصبية الاصطناعية حيث يكون لديها أكثر من طبقة مخفية. وتعتبر الشبكة أكثر عمقًا عندما يكون لديها عدد طبقات أكثر.

Deep Neural Network شبكة عصبية عميقة

الشّبكة العصبية العميقة هي شبكة عصبية تحتوي على أكثر من طبقتين. تمّ تصميم الشّبكة العصبية العميقة لتقليد تعقيد الدّماغ البشري، حالها كحال جميع الشّبكات العصبية. وتحتوي الشّبكة العصبية العميقة على طبقات إدخال وإخراج، والعديد من الطّبقات الوسيطة التي تقوم بفرز البيانات وترتيبها في محاولة لتصنيف المعلومات وترتيبها بطرق أكثر تعقيدًا.

Deepfake التزييف العميق

التزييف العميق هو نظام ذكاء اصطناعي يمكن استخدامه لعمل صور أو مقاطع فيديو أو صوت مزيف، فيمكنك في فيديو التزييف العميق النموذجي استبدال صورة شخص بآخر.

Demographic Data البيانات الديموغرافية

تحدد البيانات الديموغرافية مجموعات الأشخاص وفقًا لسمات عديدة مثل العمر ، والجنس ، والموقع ، والدخل ، والمهنة ، وغيرها العديد

Disaster Recovery التعافي من الكوارث

يطلق على مجموعة الأدوات والسياسات والإجراءات التي تهدف لضمان سلامة البيانات والبنية التحتية بعد حدوث كارثة طبيعية أو خطأ بشري بالتعافي من الكوارث

Discount Factor مُعامل الاقتطاع

عامل الخصم هو عامل وزن يستخدم بشكل شائع للعثور على القيمة الحالية للتدفقات النقدية المستقبلية ويتم حسابه بإضافة معدل الخصم إلى واحد يتم رفعه بعد ذلك إلى القوة السلبية لعدد من الفترات الصيغة الرياضية : DF = (1 + (i/n) )-n*t بحيث i = معدل الخصم t = عدد السنوات n = عدد الفترات المركبة لمعدل الخصم في السنة

Discrete Data البيانات المٌتقطعة (المنفصلة)

هي قيم البيانات التي يمكن عدها او احصاءها و هذا أمثلة على البيانات المنفصلة : -عدد الصفحات في كتاب معين – عدد الافلام التي تم مشاهدتها خلال اسبوع واحد. – عدد الهواتف لكل بيت. -عدد الطلبة في قاعة الدرس. – عدد اللغات التي يتحدث بها شخص معين.اي أن البيانات المنفصلة تأخذ اي قيمة محددة ومعدودة.

Discriminative Model نموذج تمييزي

النماذج التمييزية هي فئة من نماذج التعلم الآلي الخاضعة للإشراف والتي تقوم بالتنبؤات من خلال تقدير الاحتمال الشرطي P(Y|X), يشار إليها أيضًا بالنماذج الشرطية ، هي فئة من النماذج اللوجيستية المستخدمة للتصنيف أو الانحدار. يميزون حدود القرار من خلال البيانات المرصودة ، مثل النجاح / الفشل ، الفوز / الخسارة ، الأحياء / الموتى أو الأصحاء / المرضى.

Dispersion تشتت

يستخدم علماء الإحصاء عدة مقاييس لتحديد درجة انحراف البيانات عن القيمة الوسطية ويطلقون عليها اسم مقاييس التشتت، ومن أكثرها شيوعاً ما يلي: المدى Range . الانحراف المعياري. التباين.

Distortion Function دالة تحريف

دالة التحريف g: [0، 1] → [0، 1] هي دالة غير متناقصة مثل g (0) = 0 و g (1) = 1. دالة التحريف المزدوج هي g ~ (x) = 1 – g (1 – x) تستخدم دالة التحريف لتحديد مقاييس مخاطر التشويه.

Distributed Computing الحوسبة الموزّعة

هي نموذج يمكن أن تعمل فيه أجهزة حاسوب متعدّدة على مشكلة واحدة. فتنقسم المشكلة أو المهمة إلى عدّة أقسام مع حل كل مهمة بواسطة حاسوب مختلف، وتعمل أجهزة الحاسوب جميعها كما لو كانت نظامًا واحدًا عملاقًا مما يؤدي إلى زيادة الأداء مع توزيع عبء العمل، حيث تعد الحوسبة الموزّعة أيضًا متسامحة للغاية مع الأخطاء.

Distributed File System نظام الملفات الموزعة

يسمح نظام الملفات الموزعة ( DFS ) للمستخدمين باختلاف مواقعهم من الوصول إلى الملفات ومعالجتها على الخادم كما لو كانت موجودة على أجهزتهم المحلية ، ويستطيع أيضًا التحكم في حقوق الوصول الخاصة بالعملاء على الرغم من إمكانية وصولهم إلى البيانات واستخدامها

Document Management إدارة المستندات

هي عملية التقاط وتخزين وتتبع المستندات الإلكترونية المستخدمة من قبل الشركة ، ويمكن أن تتنوع هذه المستندات ما بين ملفات PDF إلكترونية إلى صور ممسوحة ضوئيا للمحتوى الورقي وحتی مستندات الورق الفعلية

Driver Assistance أنظمة مساعدة السائق

أنظمة مساعدة السائق هي مجموعة من الأجهزة وأنظمة البرامج في السيارة تجعل تشغيلها أكثر أمانًا وسهولة. يندرج مصطلح مساعدة السائق تحت مظلة واسعة، تشمل كل شيء من اكتشاف مغادرة المسار إلى التحكم في السرعة بالرادار، إلى القيادة المستقلة بالكامل باستخدام مجموعة متنوعة من أجهزة الاستشعار والرادار لمراقبة السائق ومحيطه.

Dropout إسقاط

يمكن استخدام نموذج واحد لمحاكاة وجود عدد كبير من بنى الشبكات المختلفة عن طريق إسقاط العقد بشكل عشوائي أثناء التدريب. وهذا ما يسمى الإسقاط ويقدم طريقة تنظيم رخيصة للغاية وفعالة بشكل ملحوظ من الناحية الحسابية لتقليل التجهيز الزائد وتحسين خطأ التعميم في الشبكات العصبية العميقة بجميع أنواعها.

E

Eliza Effect تأثير “اليزا”

تأثير “اليزا” هو تأثير قائم على فكرة أنّ الناس قد يدركون بشكلٍ خاطئ معنى التّفاعلات مع الذّكاء الاصطناعي، وتمت تسمية هذا التّأثير على اسم روبوت محادثة تمّ تطويره في ­ عام 1966 في ­ معهد ماساتشوستس للتكنولوجيا يُدعى «اليزا» والذي اقترب جدًا من اجتياز اختبار تورينج. ويأخذ “أليزا” ردودًا من المستخدم ويُعيد صياغتها كأسئلة توجه مجدداً إلى المستخدم، وكان لهذا تأثير في ­ إثارة ردود فعل عاطفية غير متوقعة حيث يقوم المستخدمين بدورهم بوضع معاني أعمق وأكثر تحفيزً ا على استجابات اليزا .

Ensemble Methods طرق التجميع

طرق التجميع هي آلة أسلوب التعلم الذي يجمع بين عدة نماذج أساسية من أجل إنتاج نموذج تنبؤي أمثل.

Entity الكيان

الكيان هو كلمة رئيسية تُستخدم في محادثة روبوت الدّردشة مما يجعل نيّة المستخدم أكثر وضوحًا.

Entity Annotation التعليق التوضيحي للكيان

التعليق التوضيحي للكيان هو عملية تسمية جميع الكيانات أو الكلمات الرئيسية في البيانات النصية، ويمكن أن يشي هذا الأمر إلى جميع الأسماء الصحيحة للأشخاص والأماكن وما إلى ذلك. بمجرد تسمية هذه الكيانات، يصبح من السهل على الذكاء الآلي معالجتها من خلال خوارزمياتها.

Estimation تقدير

التقدير معني بالاستدلال على القيمة العددية للقيم السكانية غير المعروفة من البيانات غير المكتملة مثل العينة.

Estimator مُقَدِّر

قاعدة أو طريقة لتقدير معامل مجتمع ما. وعادة ما يتم التعبير عنه كدالة لقيم العينة ، وبالتالي فهو متغير له أهمية كبيرة في توزيعه في تقييم موثوقية التقدير الذي يؤدي إليه.

Etl (Load) التّحميل

يمكن ترحيل البيانات بمجرد استخراجها وتحويلها إلى بيانات عالية الجودة إلى مستودع بيانات للتخزين والفحص. وهو المرحلة الثالثة من عملية الاستخراج، التّحويل والتّحميل (ETL). عادةً يكون هناك تحميل طويل لجميع البيانات أثناء عملية التّحميل، متبوعاً بتحديثات متزايدة متقطعة لها، مع التحديث الكامل العرضي. هذه العملية أوتوماتيكية ويتم تشغيلها خلال ساعات الذروة لمخزن المصدر والبيانات.

Etl (Transform) التحويل

يمكن تنظيم وتنظيف البيانات بمجرد استخراجها من قاعدة البيانات ومراجعتها أيضًا، والتّحويل هو المرحلة الثانية من عملية الاستخراج، التّحويل والتّحميل (ETL).

Event حَدَث

تُعرف مجموعة النتائج من التجربة بالحدث. لنفترض على سبيل المثال أنك أجريت تجربة برمي عملة معدنية. نتيجة هذه التجربة هي “رأس” أو “ذيل” في هبوط العملة. يمكن القول أن هذه هي الأحداث المرتبطة بالتجربة. لذلك عندما تهبط العملة على جهة الذيل ، يمكن القول إن حدثًا قد وقع.

Expectation Step خطوة القيمة المتوقعة

خطوة القيمة المتوقعة هي تقدير قيم البيانات المفقودة باستخدام البيانات المتاحة المرصودة لمجموعة البيانات.

Expectation-Maximization (Em) تعظيم القيمة المتوقعة

تعظيم القيمة المتوقعة هي طريقة تكرارية للعثور على أقصى احتمال (محلي) أو أقصى تقديرات لاحقة (MAP) للمعلمات في النماذج الإحصائية ، حيث يعتمد النموذج على متغيرات كامنة غير ملحوظة.

Expected Value القيمة المتوقعة

القيمة المتوقعة لمتغير عشوائي ، بشكل حدسي ، هي القيمة المتوسطة على المدى الطويل لتكرار التجربة التي تمثلها. على سبيل المثال ، القيمة المتوقعة في تدحرج من ستة جوانب هي 3.5 ، لأن متوسط جميع الأرقام التي تظهر في عدد كبير للغاية من القوائم يقترب من 3.5. أقل ما يقال ، ينص قانون الأعداد الكبيرة على أن المتوسط الحسابي للقيم يتقارب تقريبًا إلى القيمة المتوقعة مع اقتراب عدد التكرار إلى ما لا نهاية. تُعرف القيمة المتوقعة أيضًا بالتوقع أو التوقع الرياضي أو القيمة EV أو المتوسط أو القيمة المتوسطة أو المتوسط أو اللحظة الأولى .

Expert System النظام الخبير

هو برنامج حاسوب يستخدم الذّكاء الاصطناعي لمحاكاة قرارات وأفعال شخص خبير في ­مجالٍ ما. تتألف الأنظمة الخبيرة من قسمين، الأول هو قاعدة المعرفة التي تحتوي على الخبرة المتراكمة، والثاني هو محرك الاستدلال الذي يُطبق مجموعة من القواعد على قاعدة المعرفة لحل المسألة المعروضة على البرنامج.

Explainable Artificial Intelligence الذكاء الاصطناعي القابل للتفسير

هو ذكاء اصطناعي تمت برمجته ليكون شفافًا في ­ الغرض المطلوب تلبيته، واتخاذ القرار بطريقة يمكن لأي شخص فهمها. الهدف من الذّكاء الاصطناعي القابل للتفسير هو إزالة الغموض عن أنظمة الذّكاء الاصطناعي وتوفير معلومات حول كيفية وصولها إلى القرارات. ويُظهر الذّكاء الاصطناعي القابل للتفسير الخطوات المتضمنة في ­ اتخاذ قرارات الذّكاء الاصطناعي بما في ­ ذلك المعايير المستخدمة، ولماذا تمّ اتخاذ هذا القرار دونًا عن غيره، وما أنواع الأخطاء التي قد يرتكبها، وكيف يمكن تصحيح هذه الأخطاء.

External Data البيانات الخارجية

هي أي بيانات أو معلومات تم إنشاؤها خارج المؤسسة ، ليست ملكا للشركة ولكن يمكن أن تظل مفيدة للأعمال التجارية التي تقوم بها

Extract الاستخراج

تحدد عملية الاستخراج کيفية استخراج البيانات من قاعدة البيانات ، وهي المرحلة الأولى من عملية الاستخراج والتحويل والتحميل ( ETL )

Extract , Transform And Load ( Etl ) ( ETL ) الاستخراج ، التحويل والتحميل

الاستخراج ، التحويل والتحميل ( ETL ) هي عملية تستخدم في تخزين البيانات لتنظيمها بهدف تحلیلها

F

Failover تجاوز الفشل

في حال حدوث خلل فني أو فشل يمكن تجاوز الفشل لنظام الحاسوب الرئيسي من الانتقال أوتوماتيكيًا لنظام احتياطي آخر .

False Negative السلبية الخاطئة

السلبية الخاطئة هي خطأ في عملية تقييم البيانات حيث لا يتم اكتشاف حالة غير صحيحة.

False Positive الإيجابيات الخاطئة

الإيجابي الكاذب هو خطأ في التقييم يتم فيه اكتشاف حالة تم اختبارهم بشكل غير صحيح. تعتبر الإيجابيات الكاذبة مشكلة شائعة في ­ أدوات تصفية البريد العشوائي استنادًا إلى خوارزميات التّعلم الالي، إذ يتم تمييز الرّسائل الشرعية أحيانًا كرسائل غير مرغوب فيها. إذا زادت شدة الفلترة اكثر من اللازم، يزداد احتمال وجود إيجابية خاطئة.

Fault Tolerance تحمل الخطأ

يطلق مصطلح تحمل الخطأ على قدرة النظام على الاستمرار في العمل عند تعطل مكون أو أكثر من مكوناته ، وقد يعمل النظام عندها بشكل أبطأ أو يواجه أوقات استجابة أبطأ لكنه يبقى عاملاً وبالتالي يمكن لمجمل الأعمال أن تستمر

Feature الميزة

الميزة في ­التعلم الآلي أو أنظمة التعرف على الأنماط هي خاصية فردية قابلة للقياس أو سمة لحقيقة يتم تسجيلها. في ­رؤية الآلة التي يستخدمها الحاسوب لرؤية ما يحيط به، الميزات هي الحواف والأشياء التي يمكنه تصورها.

Feedback Loop حلقة ردود الفعل

تحدث حلقة ردود الفعل في النظام عند استخدام جزء من، أو كل المخرجات للنظام كمدخلات للعمليات المستقبلية.

Feedforward Neural Network الشبكة العصبية المغذية إلى الأمام

الشبكة العصبية المغذية إلى الأمام هي نوع من الشبكات العصبية الاصطناعية المعروفة ببساطتها في التصميم ضمن الشبكة العصبية الأمامية، تنقل المعلومات دائمًا في ­ اتجاه واحد – من طبقة الإدخال إلى طبقة الإخراج ولا تتراجع أبدًا.

Flow-Based Chatbot روبوت المحادثة القائم على التّدفق

يعمل روبوت المحادثة القائم على التّدفق من خلال الإجابة على أسئلة تصله في تدفق محدّد مسبقًا. يتم تحديد التّدفق المحتمل للمحادثة مسبقًا في مخطط انسيابي، حيث يختار المستخدم من الإجابات المحدّدة مسبقًا، مع أنّ من مزايا هذا النّهج هي القدرة على التنبؤ والمرونة إلا أن إجاباته باردة وتفتقر إلى التّعاطف.

Forward Chaining التسلسل إلى الأمام

عملية لمساعدة الذكاء الاصطناعي على حل المشكلات من خلال فحص قواعد والتعلم السابق لاستنتاج طرق جديدة لإيجاد حل، حيث يقوم بتبسيط مهمة معقدة إلى مجموعة أبسط من المهام التي تعمل من خلالها بالترتيب مثل سلسلة من العمليات، ويمكن أيضًا إجراء التسلسل الإمامي في الاتجاه المعاكس وهو ما يُعرف باسم التسلسل الخلفي.

Forward Propagation انتشار أمامي

aAs الإسم المختصر لها ، يتم تغذية البيانات المدخلة في الاتجاه الأمامي عبر الشبكة. تقبل كل طبقة مخفية بالبيانات المدخلة وتعالجها وفقًا لوظيفة التنشيط وتمريرها إلى الطبقة التالية.

Fully Connected Layer طبقة تامة الاتصال

الطبقة تامة الإتصال في الشبكات العصبية هي تلك الطبقات حيث يتم توصيل جميع المدخلات من طبقة واحدة بكل وحدة تنشيط للطبقة التالية. في معظم نماذج التعلم الآلي الشائعة ، تكون الطبقات القليلة الأخيرة عبارة عن طبقات تامة الإتصال تقوم بتجميع البيانات المستخرجة بواسطة الطبقات السابقة لتشكيل الناتج النهائي.

G

Gaming Ai الذكاء الاصطناعي في ألعاب الفيديو

الذّكاء الاصطناعي في ­ ألعاب الفيديو عبارة عن خوارزمية مصمّمة لمنح الشّخصيات التي لا يتحكم بها اللاعبين (NPCs) وهما الذكاء الشبيه بالبشر والسلوك العشوائي. يمكن تطبيق الذّكاء الاصطناعي بعدّة طرق، إذ يمكن استخدامه لإيجاد منافسين أكثر تحديًا من حيث الصّعوبة، وتعديل قدراتهم لتلائم مهارات اللاعب المتزايدة، ويمكن للخصوم الآخرين في ­ الألعاب محاكاة تكتيكات أفضل اللاعبين البشريين بمهارة، واستشعار الحركات أو الاختباء تحت النّار.

Gaussian Discriminant Analysis تحليل التمايز الجاوسي

تحليل التمايز الجاوسي هي طريقة لتصنيف البيانات شائعة الاستخدام عندما يمكن تقريب البيانات مع التوزيع الطبيعي. كخطوة أولى ، ستحتاج إلى مجموعة تدريب ، أي مجموعة من البيانات التي تم تصنيفها بعد. تُستخدم هذه البيانات لتدريب المصنف الخاص بك ، والحصول على وظيفة تمييزية تخبرك بالفئة التي بها احتمال أكبر للانتماء للبيانات.

Gaussian Distribution توزيع جاوسي/طبيعي

التوزيع الجاوسي (المعروف أيضًا بالتوزيع الطبيعي) هو منحنى على شكل جرس ، ويفترض أنه خلال أي قيم قياس ستتبع توزيعًا طبيعيًا مع عدد متساوٍ من القياسات أعلى وأدنى القيمة المتوسطة.

Generative Adversarial Network (Gan) شبكة التنافس التوليدية

شبكة التنافس التوليدية (GAN) هي نماذج للتعلم الآلي تتنافس فيه شبكتين عصبيتين ضد بعضهما البعض لبناء تنبؤات أكثر دقة إ لخراج البيانات. يتم تصنيف الشبكتين ضمن شبكة التنافس التوليدية على أنهما المولد والمميز، فبينما ينتج المولد مجموعة من البيانات بعضها مصطنع، تتمثل مهمة أداة التمييز في تحديد المخرجات الاصطناعية.

Generative Model النمذجة التوليدية

النمذجة التوليدية هي ذكاء اصطناعي يمكنه إنشاء أو إنتاج أمثلة جديدة من البيانات من مجموعة بيانات التدريب.

Generative Model نموذج توليدي

النموذج التوليدي هي استخدام الذكاء الاصطناعي والإحصاءات والاحتمالات في التطبيقات لإنتاج تمثيل أو تجريد للظواهر المرصودة أو المتغيرات المستهدفة التي يمكن حسابها من الملاحظات.

Geometric Distribution توزيع هندسي

يمثل التوزيع الهندسي عدد الإخفاقات قبل أن تنجح في سلسلة من تجارب برنولي. يتم تمثيل هذا التوزيع الاحتمالي المنفصل بواسطة دالة كثافة الاحتمال: f(x) = (1 − p)x − 1p

Gradient مشتقة

المشتقة في الرياضيات هي عوامل تفاضلية يتم تطبيقها على دالة ثلاثية الأبعاد ذات قيمة متجه لإعطاء متجه مكوناته الثلاثة هي المشتقات الجزئية للدالة فيما يتعلق بمتغيراتها الثلاثة. رمز المشتقه هو ∇.

Grid Computing حوسبة شبكية

تتكون الحوسبة الشبكية من مجموعة حواسيب موصولة بشبكة واحدة وتعمل مع بعضها البعض لتشكل ما يمكن تشبيهه بحاسوب فائق الأداء بهدف تحليل ومعالجة بيانات كبيرة معقدة

H

Hadoop هادوب

هادوب هي عبارة عن منصة مفتوحة المصدر للمعالجة موزعة لكميات كبيرة من البيانات. وهي مصمّمة خصيصًا للتعامل مع مجموعات البيانات الكبيرة، كما تسمح هادوب بتحليل البيانات المهيكلة والغير المهيكلة مما يجعلها أكثر مرونة من قواعد البيانات المتعلقة التّقليدية ومستودعات البيانات. وتستخدم هادوب نظام تخزين البيانات الخاصة بها، والذي يُعرف تحت مسمى نظام هادوب للملفات الموزّعة.

Hadoop Distributed File System (Hdfs) نظام هادوب للملفات الموزّعة (HDFS)

نظام هادوب للملفات الموزّعة (HDFS) هو نظام الملفات ا لأساسي الذي تستخدمه تطبيقات هادوب. وقد تمّ تصميمه ليكون قادرًا على تحمل الأخطاء بدرجة كبيرة حيث يقوم بتخزين البيانات افتراضيًا في مواقع متعدّدة أو عقد، ونظرًا لأنه يمكن تشغيله على أجهزة منخفضة التّكلفة أو منخفضة القيمة فإنّ تشغيل HDFS يكون أكثر اقتصادا بشكلٍ عام من أنظمة تخزين تقنيات المعلومات الباهظة الثّمن والمُصمّمة حسب الطّلب.

Hessian Matrices مصفوفات هَسِّية

المصفوفة الهَسِّية هي مصفوفة مربعة من مشتقات جزئية من الدرجة الثانية لدالة ذات قيمة رقمية ، أو حقل قياسي يصف الانحناء المحلي لوظيفة للعديد من المتغيرات

Heuristics الاستدلال

طريقة لحل المشكلات باستخدام طرق مختصرة لتوفير الوقت بدلاً من الحلول التّقليدية البطيئة للغاية، وقد تكون أكثر دقة

Hidden Layer الطبقة المخفية

هي طبقة في ­الشبكة العصبية تعالج البيانات وتقع بين طبقة الإدخال وطبقة الإخراج. في كل طبقة مخفية، تأخذ الخلايا العصبية الاصطناعية مجموعة من المدخلات الموزونة وتنتج مخرجات من خلال وظيفة التنشيط. الطبقة المخفية تسمح لك بنمذجة البيانات المعقدة بفضل العقد / الخلايا العصبية. إنها “مخفية” لأن القيم الحقيقية لعقدها غير معروفة في مجموعة بيانات التدريب.

Hierarchical Clustering تجميع هرمي

التجميع الهرمي ، المعروف أيضًا باسم تحليل الكتلة الهرمي أو HCA ، هو نهج آخر للتعلم الآلي غير خاضع للإشراف لتجميع مجموعات البيانات غير المسماة في مجموعات.

Hot Data Storage تخزين البيانات الحامي

يطلق مصطلح تخزين البيانات الحامي على البيانات التي يجب تواجدها ضمن تخزين سريع الاستجابة ، كون الحاجة إليها فورية فمن الأفضل أن تكون متواجدة في مكان قريب من العميل مع بیانات الأعمال الحرجة

Human Computer Interaction (Hci) التفاعل بين الإنسان والحاسوب

التفاعل بين الإنسان والحاسوب هو دراسة كيفية تفاعل البشر مع أجهزة الحاسوب، والواجهات التي يتم استخدامها للقيام بذلك.

Human Takeover الاستحواذ البشري

يحدث الاستحواذ البشري عندما يقوم روبوت محادثة يعمل بالذّكاء الاصطناعي بتسليم المحادثة إلى عامل بشري.

Hyperparameter المعاملات الفائقة

يعتبر المعامل الفائق في التعلم الآلي مقياس تتحكم في عملية التعلم الشاملة. ولا يمكن استنتاج المعامل الفائق من النموذج ولذلك فإنه لابد أن يحدد قبل البدء بعملية التعلم

Hypothesis فرضية

الفرضية هي الوظيفة التي تصف الهدف على أفضل وجه في التعلم الآلي الخاضع للإشراف. تعتمد الفرضية القائلة بأن الخوارزمية ستظهر على البيانات وتعتمد أيضًا على القيود والتحيز الذي فرضناه على البيانات.

I

Ibm Watson واتسون من IBM

يُعد واتسون من IBM حاسوبًا عملاقًا يستخدم الذّكاء الاصطناعي للإجابة على الأسئلة التي يطرحها المُشغلون البشريون بلغة طبيعية. يعالج واتسون البيانات بسرعة 80 تيرافلوب (تريليون عملية فاصلة عائمة في الثّانية) ويتمكّن من الوصول والتّعاطي مع 90 خادمًا، وعلى أكثر من 200 مليون صفحة من المعلومات، ومعالجتها مقابل ستة ملايين قاعدة منطقية.

Image Recognition التعرف على الصور

التعرف على الصور هو عملية تحديد نظام الحاسوب لكائن أو مكان أو شخص في صورة معينة. يمكن أن تشير خوارزمية التعرف على الصور إلى مكتبة ضخمة من الصور المحملة مسبقًا أو استخدام النمذجة ثلاثية الأبعاد لفحص كائن من زوايا مختلفة لتحديد هويته.

In-Database Analytics التّحليل داخل قاعدة البيانات

هي تقنية يمكن من خلالها تنفيذ معالجة البيانات داخل قاعدة البيانات نفسها بدلاً من الاضطرار إلى تحويل البيانات وإرسالها إلى تطبيق تحليلات مخصّص لذلك.

In-Memory Database قاعدة البيانات الموجودة في الذاكرة

هي نظام لإدارة قواعد البيانات التي تستخدم الذاكرة الرئيسية لتخزين بياناتها من أجل تسريع الاستجابة وجعلها سريعة للغاية، وتناقضها قواعد البيانات المستندة إلى الأقراص لكونها أبطأ بكثير في­ البحث عن نتائج الاستعلام.

Independent And Identically Distributed (Iid) مستقلة وموزعة تطابقياً

نقول أن المتغيرات العشوائية X₁ و X₂ و … و Xn كلها مستقلة وموزعة بشكل متطابق إذا كانت كل Xᵢ مستقلة بشكل متبادل ولديها جميعًا (أو تنتمي إلى) نفس التوزيع.

Independent Component Analysis (Ica) تحليل المكونات المستقلة

تحدد تحليل المكونات المستقلة نموذجًا توليديًا للبيانات متعددة المتغيرات التي تمت ملاحظتها ، والتي يتم تقديمها عادةً كقاعدة بيانات كبيرة للعينات. في النموذج ، يُفترض أن تكون متغيرات البيانات عبارة عن مخاليط خطية لبعض المتغيرات الكامنة غير المعروفة ، ونظام الخلط غير معروف أيضًا. يُفترض أن المتغيرات الكامنة غير روسية ومستقلة بشكل متبادل ، وتسمى المكونات المستقلة للبيانات المرصودة. يمكن العثور على هذه المكونات المستقلة ، والتي تسمى أيضًا المصادر أو العوامل ، بواسطة تحليل المكونات المستقلة.

Independent Random Variable متغير عشوائي مستقل

المتغير العشوائي المستقل هو متغير عشوائي ليس له تأثير على المتغيرات العشوائية الأخرى في تجربتك. بمعنى آخر ، لا يؤثر ذلك على احتمالية وقوع حدث آخر. على سبيل المثال ، لنفترض أنك تريد معرفة متوسط ​​وزن كيس من السكر ، لذلك قمت بأخذ عينات عشوائية من 50 كيسًا من متاجر بقالة مختلفة. لا تتوقع أن يؤثر وزن حقيبة ما على حقيبة أخرى ، لذا فإن المتغيرات مستقلة. والعكس هو متغير عشوائي تابع يؤثر على احتمالات المتغيرات العشوائية الأخرى.

Inequality متراجحة

تقارن المتراجحة بين قيمتين ، وتظهر ما إذا كانت إحداهما أقل من أو أكبر من أو لا تساوي ببساطة قيمة أخرى. أ ≥ ب تعني أن أ أكبر من أو يساوي ب.

Inference Engine محرك الاستدلال

تطبيق برمجي يتخذ القرارات بناءً على الحقائق والقواعد الواردة من قاعدة المعرفة لنظام خبير حيث تعمل محركات الاستدلال في أحد وضعين، إما التّسلسل الأمامي أو التّسلسل الخلفي.

Initializing استهلال

الإستهلال هي عملية تحديد واستخدام القيم المحددة للبيانات المتغيرة التي يستخدمها برنامج كمبيوتر. على سبيل المثال ، يتم تثبيت نظام تشغيل أو برنامج تطبيق بقيم افتراضية أو محددة من قبل المستخدم تحدد جوانب معينة لكيفية عمل النظام أو البرنامج.

Inner Product ضرب داخلي

الضرب الداخلي هو تعميم للمنتج النقطي. في الفضاء المتجه ، إنها طريقة لمضاعفة المتجهات معًا ، بحيث تكون نتيجة هذا الضرب عددًا قياسيًا.

Input Gate بوابة إدخال

بوابة الإدخال تحدد القيم التي سيتم تحديثها عن طريق تحويل القيم لتكون بين 0 و 1. 0 يعني غير مهم ، ويعني 1 مهم. يمكن أيضًا تمرير الحالة المخفية والمدخلات الحالية إلى دالة tanh لسحق القيم بين -1 و 1 للمساعدة في تنظيم الشبكة.

Input Layer طبقة مدخلات

طبقة المدخلات تحدد البيانات من المرشح التي يجب إضافتها إلى حالة الخلية الجديدة. تتكون طبقة الإدخال للشبكة العصبية من الخلايا العصبية الاصطناعية المدخلة ، وتجلب البيانات الأولية إلى النظام لمزيد من المعالجة بواسطة طبقات لاحقة من الخلايا العصبية الاصطناعية. طبقة المدخلات هي بداية سير العمل للشبكة العصبية الاصطناعية.

Instant Translation الترجمة الفورية

الترجمة الفورية هي استخدام برنامج حاسوب لترجمة النص من لغة إلى أخرى، وبمساعدة الذكاء الاصطناعي يمكن لسرعة هذه الترجمة أن تجعل العملية تبدو فورية للمستخدم

Intent النية

النيّة هي الهدف الذي يُفكر فيه المستخدم عند التّفاعل مع روبوت محادثة أو مساعد افتراضي، ويُستخدم هذا القطاع الخاص في الذّكاء الاصطناعي بشكلٍ مكثّف معالجة اللغة الطّبيعية والمساعدة على فهم نيّة المستخدم

Inverse Matrix معكوس المصفوفة

معكوس المصفوفة A هو مصفوفة ينتج عنها متطابقة عند ضربها في A. تدوين معكوس المصفوفة هو A^-1.

Invertible Matrix المصفوفة العكسية

المصفوفة العكسية هي مصفوفة مربعة يتم تعريفها على أنها قابلة للعكس إذا كان حاصل ضرب المصفوفة وعكسها هو مصفوفة الوحدة. يُشار أحيانًا إلى المصفوفة العكسية على أنها غير متدرجة أو غير متدهورة ، ويتم تعريفها بشكل شائع باستخدام أرقام حقيقية أو معقدة.

J

Jensen’S Inequality متراجحة جينسين

توفر متراجحة جينسين أداة رياضية قياسية تستخدم في تحليل الوظائف والاحتمالات والإحصاءات.

K

K-Folds س جزء/ س أجزاء

س جزء/أجزاء هو إجراء إعادة أخذ عينات يستخدم لتقييم نماذج التعلم الآلي على عينة بيانات محدودة.

K-Means Clustering تجميع بالمتوسطات

تجميع بالمتوسطات هي خوارزمية مبنية على النقطه الوسطى ، أو خوارزمية قائمة على المسافة ، حيث نحسب المسافات لتعيين نقطة إلى مجموعة. في تجميع بالمتوسطات ، ترتبط كل مجموعة بنقطة مركزية. الهدف الرئيسي من خوارزمية تجميع بالمتوسطات هو تقليل مجموع المسافات بين النقاط والنقطة المركزية العنقودية الخاصة بها.

K-Nearest Neighbors (K-Nn) خورازمية أقرب الجيران (k-nn)

تعد خورازمية أقرب الجيران (k-nn) عبارة عن خوارزمية تعلم آلي خاضعة للإشراف بسيطة وسهلة التنفيذ يمكن استخدامها لحل مشاكل التصنيف والانحدار.

Kernel نواة

في لغة الآلة النواة تشير إلى طريقة تسمح لنا بتطبيق المصنفات الخطية على المشكلات غير الخطية عن طريق تعيين البيانات غير الخطية في مساحة ذات أبعاد أعلى دون الحاجة إلى زيارة أو فهم ذلك الفضاء ذي الأبعاد الأعلى.

Kernel Trick حيلة النواة

تتمثل “الحيلة” في أن طرق النواة تمثل البيانات فقط من خلال مجموعة من مقارنات التشابه الزوجي بين ملاحظات البيانات الأصلية x (مع الإحداثيات الأصلية في مساحة الأبعاد الأقل) ، بدلاً من تطبيق التحويلات صراحة ϕ (x) وتمثيل البيانات بواسطة هذه الإحداثيات المحولة في مساحة الميزة ذات الأبعاد الأعلى.

Knowledge Base قاعدة المعرفة

هي مستودع للمعلومات لنظام الحاسوب، يتم تخزينها بطريقة معيّنة لدعم التّفكير المنطقي. على عكس قاعدة البيانات التي تُخزن البيانات في نموذج أساسي، تُخزن قاعدة المعرفة المعلومات كإجابات للأسئلة أو حلول للمشكلات، بينما تكون قادرة أيضًا على الاحتفاظ بمعلوماتٍ غير متّسقة أو غير كاملة. تسمح قاعدة المعرفة بالبحث السّريع والاسترجاع وإعادة الاستخدام بواسطة محرك الاستدلال.

L

Labeled Data البيانات المٌعلمّة

البيانات المٌعلمّة هي عملية تحديد البيانات الأولية (الصور والملفات النصية ومقاطع الفيديو وما إلى ذلك) وإضافة واحدة أو أكثر من التسميات المفيدة والغنية بالمعلومات لتوفير السياق بحيث يمكن لنموذج التعلم الآلي التعلم منه

Lagrange Multipliers مضروبات لاغرانج

طريقة مضروبات لاغرانج هي طريقة بسيطة وأنيقة لإيجاد الحدود الدنيا المحلية أو الحدود القصوى المحلية لوظيفة تخضع لقيود المساواة أو عدم المساواة.

Latency وقت الاستجابة

يطلق على التأخير الزمني لتسليم البيانات ما بين نقطتين

Latent Variables متغيرات كامنة

المتغير الكامن هو متغير لا يمكن ملاحظته. ومع ذلك ، يمكن اكتشاف وجود المتغيرات الكامنة من خلال تأثيرها على المتغيرات التي يمكن ملاحظتها

Layers طبقات

الطبقة هي أعلى مستوى من اللبنات الأساسية في التعلم العميق. الطبقة عبارة عن حاوية تتلقى عادةً مدخلات مرجحة ، وتحولها بمجموعة من الوظائف غير الخطية في الغالب ثم تمرر هذه القيم كمخرجات إلى الطبقة التالية. عادة ما تكون الطبقة موحدة ، أي أنها تحتوي فقط على نوع واحد من وظائف التنشيط ، والتجميع ، والالتفاف وما إلى ذلك بحيث يمكن مقارنتها بسهولة بأجزاء أخرى من الشبكة.

Load Balancing موازنة الحمل

تسمى العملية التي يتم من خلالها توزيع عبء العمل بالتساوي عبر شبكة الحواسيب لتحسين الأداء والسعة والكفاءة ب « توزيع الحمل » وهو جهاز يتألف من مكونات صلبة أو نظام برمجيات ، وهو المسؤول عن موازنة الحمل .

Location Data بيانات الموقع

يطلق مصطلح بيانات الموقع على الموقع الجغرافي الأجهزة الحوسبة مثل الهواتف الذكية أو المباني

Log File السّجل

السّجل هو ملف يتم إنشاؤه تلقائيًا أثناء التّشغيل يقوم بتسجيل الأحداث والأنشطة والأخطاء بواسطة جهاز حاسوب أو شبكة أو تطبيق. تحتوي السّجلات على ثروة من المعلومات ذات الطّابع الزّمني، من وقت الدّخول إلى البرنامج إلى الملفات التي تمّ تثبيتها بواسطة تطبيق جديد والتي يمكن أن تكون مفيدة في ­ تقارير التّحليلات.

M

Machine Bias التّحيز

تحيز الآلة هو تأثير الخوارزمية التي تعتمد افتراضات خاطئة أثناء عملية التّعلم الآلي . ينشأ التّحيز من المشاكل في مرحلة جمع البيانات، مثل تزويد النّظام ببيانات خاطئة أو سيئة أو غير كاملة من البشر الذين قاموا بتصميمه أو تدريبه، فيمكن لنظام التّعلم الآلي استخلاص الاستنتاجات الخاطئة، ويمكن أن تعكس هذه الاستنتاجات الأحكام المسبقة والصور النمطية للمصممين البشريين.

Machine Data بيانات الآلة

تولد بیانات الالة من قبل عمليات الحاسوب أو التطبيقات أو النشاطات التي لا يتدخل فيها الإنسان

Machine Hearing السمع الآلي

السمع الآلي هو علم آلات التدريس أو أنظمة الذكاء الاصطناعي التي يمكن سماعها كما يفعل البشر

Machine Learning تعلم الآلة

تعلم الآلة هو فرع من فروع الذّكاء الاصطناعي، ويتمثل ببرامج الحاسوب التي يمكن أن تتعلم من البيانات التاريخية تصبح أكثر دقةّ في تنفيذ بعض المهام الذكية. ومثال على ذلك، التنبؤ بالنّتائج المستقبلية دون تدخل بشري أو تصنيف الصور بناء على محتواها. تنقسم هذه الخوارزميات إلى أربعة أنواع: التّعلم تحت الإشراف، والتّعلم غير الخاضع للإشراف، والتّعلم شبه الخاضع للإشراف، والتّعلم المعزّز.

Machine Perception إدراك الآلة

إدراك الآلة هو المصطلح الشامل لقدرة الحاسوب أو نظام الذكاء الاصطناعي على محاكاة أي من حواس الإنسان مثل البصر واللمس والتذوق والشم والسمع والشعور أو جميعها معًا.

Machine Touch اللمس الآلي

اللمس الآلي هو دراسة المعلومات اللمسية التي يتم جمعها من التفاعل الجسدي مع البيئة، ويعمل اللمس الالي بواسطة مستشعرات اللمس التي تكتشف المدخلات من التلامس الجسدي مثل الضغط أو درجة الحرارة. التطبيق الأكثر شيوعًا للمس الآلة هو الشاشات التي تعمل باللمس، الموجودة في الهواتف الذكية أو أجهزة الحاسوب.

Machine Vision الرّؤية الآلية

الرّؤية الآلية هي تقنية تمكّن الحاسوب من تقييم الصّور والتّعرف عليها، ومثل التّعرف على الصّوت، تتضمن هذه التّقنية التقاط الصّور وتقييمها ومعالجتها

Master Data البيانات الرّئيسية

البيانات الرّئيسية هي البيانات الأساسية الكاملة للعملية التجارية وتتضمن معلومات حول المنتجات، والعملاء، والموردين، والمواقع والأصول.

Master Data Management (Mdm) إدارة البيانات الرّئيسية

إدارة البيانات الرّئيسية (MDM) هي عملية تمركز ومزامنة مجموعة موحّدة من البيانات الرّئيسية عبر أنظمة تقنيات المعلومات المختلفة مع تنظمها وإدارتها.

Metadata البيانات الوصفية

البيانات الوصفية هي البيانات التي تصف البيانات الأخرى. وتوفّر البيانات الوصفية معلومات حول محتويات البيانات مما يساعد في تنظيمها.

Model النموذج

نموذج الذّكاء الاصطناعي هو خوارزمية يمكنها التّعلم بمرور الوقت لتحسين قراراتها، باستخدام البيانات والمدخلات البشرية لتكرار الخيارات التي قد يتخذها خبير بشري في­ نفس الموقف. ويحاول النّموذج اتباع نفس العملية التي يتبعها فريق من البشر، في حال كان لديه إمكانية الوصول إلى جميع البيانات المتوفّرة.

Model Capacity سعة النموذج

يشير تعبير «سعة النموذج » إلى تعقيد المشكلات التي يمكن أن يتعلمها نموذج الذكاء الاصطناعي.لا يستطيع النموذج ذو السعة الضئيلة تعلم مجموعة بيانات التدريب مما يؤدي إلى ملائمة منخفضة، في حين أن النموذج ذو السعة الكبيرة قد يحفظ مجموعة بيانات التدريب مما يعني أنه سيكون بحالة التّجهيز الزّائد

Multilayer Neural Network الشّبكة العصبية المتعدّدة الطّبقات

تحتوي الشّبكة العصبية المتعدّدة الطّبقات على أكثر من طبقة واحدة من الخلايا العصبية الاصطناعية، وتحتوي الشّبكة العصبية النموذجية المتعدّدة الطّبقات على طبقة إدخال وسلسلة من الطّبقات المخفية وطبقة إخراج.

N

Natural Language Generation (Nlg) توليد اللغة الطبيعية

توليد اللغة الطبيعية هو استخدام برامج الذكاء الاصطناعي لإنشاء نص مكتوب أو منطوق من مجموعة معينة من البيانات، وتستخدم هذه التقنية مزيجًا من اللغات الحاسوبية ومعالجة وفهم اللغة الطبيعية.

Natural Language Processing (Nlp) معالجة اللغة الطّبيعية

معالجة اللغة الطّبيعية هو فرع من فروع الذّكاء الاصطناعي يسمح أ لجهزة الحاسوب بمعالجة وفهم وإنتاج اللغة البشرية ويغطي تخصص معالجة اللغة الطبيعية مجموعة واسعة من التّقنيات مثل التّعرف على الصّوت وترجمة اللغة البشرية وفهم النصوص المكتوبة وتلخيصها وإنتاجها.

Natural Language Processing Chatbots معالجة اللغة الطّبيعية القائمة على روبوت المحادثة

يستجيب روبوت المحادثة المستند إلى الكلمات الرّئيسية لعبارات محدّدة بردود مكتوبة مسبقًا. على سبيل المثال، إذا سأل شخص ما عن حجز غرفة في فندق، فسيراجع برنامج الدّردشة االآلية رابطًا يتعلق بكيفية حجز غرفة في فندق، إذا كان هذا هو الرّد المثبّت مسبقًا. ميزة هذه الطّريقة هي أنّ الدردشة ستبقى دائمًا ضمن حدود الرّسائل المحملة مسبقًا، مما يمنح مشغل روبوت المحادثة تحكمًا كبيرًا.

Natural Language Understanding (Nlu) فهم اللغة الطبيعية

فهم اللغة الطبيعية هو عنصر فرعي من الذكاء الاصطناعي يُعلم أجهزة الحاسوب كيفية فهم الكلمات المنطوقة أو المكتوبة في ­ شكل نصي وهي جزء أساسي من التفاعل بين الإنسان والحاسوب، وتقوم بتعليم أجهزة الحاسوب كيفية فهم ما يقوله البشر بطريقة طبيعية دون أوامر أو عبارات محددة، مع القدرة أيضًا على الرد على البشر بنفس الطريقة الطبيعية

Normal Distribution التوزيع الطبيعي

التوزيع الطبيعي للبيانات هو الذي تتشابه فيه غالبية نقاط البيانات نسبيًا ، حيث يحدث ضمن نطاق صغير من القيم ، بينما يوجد عدد أقل من القيم المتطرفة على الأطراف العليا والدنيا من نطاق البيانات.

Nosql ليست SQL

ليست SQL أو “ليست فقط SQL” هي قاعدة بيانات غير متعلقة تخزن البيانات باستخدام القيم الأساسية، كما أنها لا تتطلب مخططًا منظمًا لذا فهي أكثر مرونة من قاعدة البيانات التّقليدية.

O

Online Machine Learning التعلم الآلي الآني

هو شكل من أشكال التعلم الآلي الذي يعالج البيانات في الوقت الفعلي يمكن الحصول عليه في أنظمة مثل الترجمة الفورية للغة أو معالجة الصور حيث يكون مطلوباً لتحقيق نتائج فورية

Operational Database قاعدة البيانات التّشغيلية

تقوم قاعدة البيانات التّشغيلية بتخزين وإدارة البيانات الخاصة بالمؤسسة في الوقت الفعلي وهي المصدر الرئيسي لمعلومات مستودع البيانات. الفرق بين قاعدة البيانات التّشغيلية وقاعدة البيانات التّقليدية هو أن قاعدة البيانات التشغيلية تركز على معالجة البيانات في ­الوقت الحقيقي، فيما تعالج الأخرى البيانات على دفعات بشكل أبطأ وأقل حداثة. وتستخدم الشركات قواعد البيانات التّشغيلية للحصول على معلومات مهمة مثل بيانات العملاء أو المبيعات، وقاعدة البيانات التّشغيلية هي عنصر أساسي في­ عملية التّجارة الإلكترونية.

Outlier Detection كشف النشاز

تتمثل عملية كشف النّشاز في استكشاف واستبعاد البيانات الغير مناسبة من مجموعة بيانات معيّنة. النّشاز هنا يشير إلى بيانات لا تناسب مجموعة البيانات التي تتواجد ضمنها، وقد لا تكون هذه البيانات خاطئة بالضرورة لكنها تشير إلى خطأ في نظام القياس.

Output Layer طبقة الإخراج

طبقة الإخراج في­ الشبكة العصبية الاصطناعية هي الطبقة الأخيرة من الخلايا العصبية التي تنتج مخرجات معينة. فبمجرد دخول البيانات إلى الشبكة العصبية من خلال طبقة الإدخال، تتم معالجتها أو تحويلها بواسطة الخلايا العصبية في الطبقة المخفية، ثم تخرج من الشبكة العصبية من خلال طبقة الإخراج.

Overfitting الإفراط في الملاءمة

الافراط في الملاءمة هو بناء نموذج ملائم جدًا لبيانات التدريب لدرجة أنه يقوم بالتنبؤ حتى بالضوضاء الموجودة في بيانات الدريب، بينما يفشل في ملاءمة بيانات الاختبار.

P

Parallel Processing المعالجة المتوازية

تعتبر المعالجة المتوازية وسيلة لتقسيم مهمة حسابية معقدة بين جهازي حاسوب أو أكثر بهدف اختصار وقت المعالجة ، وهذه الوسيلة مفيدة بشكل خاص في معالجة البيانات الكبيرة مع التركيز على المهام الحسابية الثقيلة

Parallel Query الاستعلام المتوازي

يُعزّز الاستعلام المتوازي سرعة الاستعلام في لغة البرمجة (SQL) باستخدام عمليات خادم متعدّدة لتنفيذ البحث.

Parameter المعامل

المعامل هو متغير في نموذج بحيث يتم استنتاج أو تقدير قيمته من عملية التعلم، دون مساعدة بشرية.

Pattern Recognition التعرف على الأنماط

هو القدرة الآلية لنظام الحاسوب على اكتشاف الأنماط في البيانات باستخدام الخوارزميات ، ويمكن بعد ذلك استخدام هذه السلسلات المتكررة لتحديد ما قد يحدث في المستقبل

Perceptron البيرسبترون

البيرسبترون هو نموذج للخلايا العصبية البيولوجية المستخدمة في ­شبكة عصبية اصطناعية، وتُستخدم خوارزمية بيرسبترون لتصنيف المدخلات المرئية وتصنيف الموضوعات إلى نوع من نوعين وفصل المجموعات بخط.

Pipeline خط الأنابيب

خط الأنابيب هو المصطلح المستخدم لوصف البنية التحتية الشاملة التي تشمل خوارزمية التعلم الآلي

Planning التخطيط

التّخطيط هو عنصر فرعي من عناصر الذّكاء الاصطناعي يقرّر فيه النّظام بشكلٍ مستقل كيفية حل مشاكل التّخطيط والجدولة. فيبدأ النّظام في مشكلة التّخطيط بحالة أولية يهدف لتحويلها إلى حالة نهائية مختلفة من خلال مجموعة من الإجراءات الممكنة، والتّخطيط هو عملية تحديد الإجراءات التي يجب اتخاذها وترتيبها وتقسيم العملية إلى مهام أبسط.

Predictive Analytics التحليلات التنبؤية

يستخدم التّحليل التنبؤي البيانات الحالية والتّاريخية لعمل رؤى بشكل فوري وإجراء تنبؤات حول الأحداث المستقبلية، هذا الشّكل هو أحد أكثر أشكال البيانات الكبيرة قيمة.

Probabilities احتمالات

هي قياس إمكانية وقوع حدث ما.

Probability Distribution توزيع احتمالي

هو الدالة الاحتمالية للمتغير العشوائي او مجموعة القيم الممكنة للمتغير العشوائي.

Probably Approximately Correct (Pac) تقريباً صحيح احتمالياً

هو إطار يتم من خلاله إثبات العديد من نظريات التعلم، ويحتوي على الافتراضات التالية: – مجموعتي التدريب والاختبار يتبعان نفس التوزيع. – عينات التدريب تؤخذ بشكل مستقل.

Project The Data إسقاط البيانات

بيانات المشروع تعني جميع بيانات الملكية الخاصة بالمشروع الناتجة عن عمليات المشروع ومعاملاته والوثائق والمعلومات ذات الصلة بما في ذلك على سبيل المثال لا الحصر بيانات المستخدم التي يحصل عليها مقدم العطاء أو يمتلكها أو يعالجها في سياق تقديم الخدمات.

Pruning التشذيب

التّشذيب في الذّكاء الاصطناعي هو استخدام خوارزمية البحث لإزالة الحلول غير الصّحيحة أو غير المرغوب فيها لمشكلة ما يعالجها الذّكاء الاصطناعي. وتقلّل هذه الاستراتيجية من تعقيد سلسلة القرارات التي يتوجب على الذّكاء الاصطناعي اتخاذها، وعدد القرارات التي يمكن أن تؤخذ إلى حدها الأدنى لتحافظ على الأهم فقط.

Q

Query الاستعلام

التعريف يطلق على طلب معلومات من جهاز حاسوب به « الاستعلام »

Query Analysis تحليل الاستعلام

تحليل الاستعلام هو عملية تحليل قدرة النّظام على الاستعلام، والبحث لإيجاد طرق لتحسين أدائه ودقته، ويتم عادةً استخدام هذا النوع من التّحاليل في قواعد البيانات التي تستخدم لغة الاستعلام الهيكلية (SQL).

Question Answering (Qa) الإجابة عن الأسئلة

تُعد الإجابة عن االأسئلة جزءًا من علوم الحاسوب التي تهدف إلى بناء نظام حاسوب قادر على الإجابة على الأسئلة التي يطرحها البشر بلغة طبيعية.

R

R Squared مربع ر / مربع R

في الإحصاء، يشير معامل التحديد، الذي يرمز له بـ R ² أو r ² أو “R squared”، إلى نسبة التباين في المتغير التابع الذي يمكن التنبؤ به من خلال المتغير المستقلة

Random Forest غابة عشوائية

عبارة عن خوارزمية للتعلم الآلي تم تطويرها بناءً على مجموعة من أشجار القرار. تستخدم هذه الخوارزمية للتصنيف، الانحدار ومهام أخرى. عادةً ما تتمتع خوارزمية الغابة العشوائية بدقة أفضل مقارنة بشجرة القرار. / هي أحد الطرق الشجرية التي تستخدم عدداً كبيراً من أشجار القرار مبنية باستخدام مجموعة عشوائية من الخصائص. بخلاف شجرة القرار البسيطة لا يمكن تفسير النموذج بسهولة، ولكن أدائها العالي جعلها أحد الخوارزمية المشهورة.

Random Sample عينة عشوائية

أخذ العينات العشوائية هو جزء من تقنية أخذ العينات حيث يكون لكل عينة احتمالية متساوية للاختيار. يُقصد بالعينة المختارة عشوائيًا أن تكون تمثيلًا غير متحيز لإجمالي المجموعة / جـزء مـن المجتمـع اإلحصائـي يتـم اختيـاره وفـق أسـاليب المعاينـة اإلحصائيـة ويشـترط أن تكـون ممثلـة للمجتمـع الـذي نقـوم بدراسـته، ولكـي تكـون العينـة ممثلـة للمجتمـع يجـب أن تتضمـن خصائـص المجتمـع بشـكل يمكننـا تعميـم نتائجهـا لتقديـر أهـم معالـم المجتمـع اإلحصائـي

Random Variable متغير عشوائي

المتغير العشوائي هو متغير يمكن له أن يأخذ أي قيمة عشوائية غير محددة سلفا بالتالي يمكن اعتباره النتيجة العددية لإجراء تجربة غير حتمية النتيجة.

Real Time Data البيانات الفورية

يطلق مسمى البيانات الفورية على البيانات التي تعالج وتعرض فورًا وقت وصولها

Recommendation Engine محرك التوصيات

محرك التّوصيات هو برمجيات تحلّل البيانات حول سلوك المستخدم الحالي لعمل تنبؤات مستهدفة حول ما يجب فعله بعد ذلك. تُعد محركات التّوصية أحد العناصر الأكثر وضوحًا في ظهور البيانات الكبيرة،

Recurrent Neural Network الشّبكة العصبية المتكرّرة

الشّبكة العصبية المتكرّرة هي شكل من أشكال الشّبكات العصبية الاصطناعية التي تستخدم بيانات متسلسلة. تُستخدم الشّبكة العصبية المتكرّرة عادةً لتطبيقات مثل معالجة اللغة الطبيعية أو التّعرف على الكلام، وتتميز باستخدامها «للذاكرة » وهي استخدام معلومات من المدخلات السّابقة للتأثير على المجموعة التّالية من المخرجات.

Reference Data بيانات المرجعية

البيانات المرجعية هي البيانات المستخدمة لتصنيف البيانات الموجودة في الأعمال التجارية وتحديد الفئة التي تنتمي إليها

Reinforcement Learning التعلم المعزز

التّعلم المعزّز هو شكل من أشكال التّعلم الآلي حيث يتفاعل نظام الذّكاء الاصطناعي مع بيئته وينفذ الإجراءات ويتعلم من خلال عملية التّجربة والخطأ، فهو على عكس التّعلم الخاضع للإشراف لا يتم تزويده بأي بيانات، بل يفهم كيف تعمل بيئته من تلقاء نفسه دون مساعدة. وأحد الأمثلة على التّعلم المعزّز هو استخدام السّيارات الذّاتية القيادة، حيث يجب عليها التّنقل في شبكة الطّرق وتعلم كيفية التّفاعل مع مستخدمي الطّريق الآخرين، مع الاستجابة باستمرار للبيانات الجديدة واتخاذ القرارات.

Relational Database البيانات العلائقية

تُسمی بیانات التخزين التي توفر إمكانية الوصول لبيانات أخرى تبعا المدى علاقتها مع بعضها البعض بالبيانات العلائقية

Relational Database Management System ( Rdbms ) نظام إدارة قواعد البيانات العائقية ( RDBMS )

هو برنامج ينتج ويحدث ويدير البيانات المتعلقة ، ويعتمد غالبأ لتخزين البيانات المنظمة

Risk Analysis تحليل المخاطر

هي عملية استخدام البيانات الإحصائية ضمن مجموعة بيانات واحدة أو أكثر لتحديد مقدار المخاطر التي ينطوي عليها مشروع أو قرار جديد. فمن بدء البيانات الكبيرة وحتى اليوم، لا تزال عملية تحليل المخاطر تقوم بدورها في مساعدة الشركات على التّخطيط والاستعداد للمزيد من السيناريوهات المتوقعة واتخاذ القرارات بشكلٍ أسرع وبدقةٍ أعلى.

Robojournalism الصحافة الروبوتية

يشير تعبير الصحافة الروبوتية إلى تطبيقات البرامج التي يمكنها جمع المحتوى أو المقالات وتحليلها وإنشاءها تلقائيًا للتوزيع العام، يمكنهم أيضًا إنتاج كميات كبيرة من المعلومات بسرعات عالية، مما يتيح للصحفيين البشر متابعة قصص أكثر تعقيدًا.

Robotics علم الروبوتات

علم الروبوتات هو تخصص هندسي يتعامل مع تصميم وتصنيع وتشغيل الروبوتات المادية، ويتداخل مع عدد من المجالات بما فيها الهندسة الحيوية وعلوم الكمبيوتر والذكاء الاصطناعي.

S

Sample Mean متوسط العيّنة

متوسط ​​العينة هو المتوسط ​​المحسوب من مجموعة من المتغيرات العشوائية

Sample Space فضاء العيّنة

فضاء العينة ‏، يتكون من عناصر تُمَثِل كل النتائج الممكنة لتجربة عشوائية نقوم بدراسة احتمالاتها

Sample Variance تباين العيّنة

هو مقياس للتشتيت الإحصائي للقيم الممكنة حول القيمة المتوقّعة / وتبايــن العينــة هــو عبــارة عــن متوســط مربعــات الفــروق مــا بيــن قيــم وحــدات العينــة وقيمــة

حســابي لتلــك الوحــدات.

Scalability قابلية التوسع

هي قدرة الأجهزة أو البرامج على التوسع لمواجهة الزيادة في عبء العمل، حيث تعتبر الأنظمة التي تم إنشاؤها مع وضع قابلية التوسع في ­ الاعتبار أكثر اقتصادية ويمكن ترقيتها بدلاً من استبدالها بالكامل.

Scalar عددي

كمية موصوفة بواسطة مقاييس متعددة

Schema المخطّط

المخطّط هو مخطّط تفصيلي أو رسم تخطيطي يُصوّر قاعدة البيانات، وهو بمثابة مخطّط لكيفية إنشاء قاعدة البيانات أو تقسيمها ويقوم بتحديد كيفية تنظيم البيانات والقيود التي يمكن تطبيقها عليها.

Self-Driving Car السيارة ذاتية القيادة

تستخدم السيارة ذاتية القيادة مزيجًا من أجهزة الاستشعار والكاميرات والذكاء الاصطناعي للذهاب إلى موقع دون مساعدة بشرية، وذلك باستخدام طرق لم يتم تصميمها خصيصًا لاستخدامها.

Semi Structured Data بیانات شبه مهيكلة

لا تحمل تتبع البيانات شبه المهيكلة نموذجة هيكلية بشكل كامل ولكنها تحتوي على بعض المات الهيكلية كعلامات الترميز أو بيانات وصفية تسمح بتنظيمها وتحليلها

Semi-Supervised Learning التعلم شبه الخاضع للإشراف

التّعلم شبه الخاضع للإشراف هو شكل من أشكال التّعلم الآلي حيث يستخدم مزيجًا من التّعلم الخاضع للإشراف وغ يرالخاضع للإشراف لتدريب نظام الذّكاء الاصطناعي. يزوّد مهندسي تعلم الآلة النظام بمزيج من كمية صغيرة من البيانات المصنفة وكمية كبيرة من البيانات غير الموسومة، ويسمح هذا المزيج للنظام باكتساب الخبرة بسرعة في التنبؤ بالنتائج بشكلٍ صحيح، ويمنحه أيضًا حرية استكشاف البيانات للعثورعلى اتصالات أو احتمالات غير عادية. تستخدم بعض تقنيات المساعدة الصوتية على غرار ألكسا وأمازون مثل هذا النّهج للموافقة على خوارزمياتها والتّحقق من صحتها.

Sentiment Analysis تحليل المشاعر

تحليل المشاعر هو شكل من أشكال التنقيب في البيانات يستخدم خوارزميات إحصائية أو خوارزميات التعلم الآلي لتحديد السلوك العام للمجموعة سواًء كان إيجابيًا أو سلبيًا تجاه خدمة أو منتج أو مؤسسة أو موضوع.

Sigmoid سيجمويد

الدالة السينية هي دالة رياضية لها منحنى مميز على شكل حرف S. هناك عدد من الدوال السينية الشائعة ، مثل الدالة اللوجيستية ، والظل القطعي ، والظل الزائدي

Sigmoid Function دالة سيجمويد

عادةً ما تُستخدم الدالة السينية للإشارة تحديدًا إلى الدالة اللوجيستية ، وتسمى أيضًا الدالةالسينية اللوجستية.

Silhouette Coefficient معامل الظّل

هي مقياس لمدى تشابه كائن مع المجموعة الخاصة به مقارنةً بالكميات الأخرى.

Singular-Value Decomposition (Svd) تحليل القيم المنفردة

تجزيء القمية المفردة في الجبر الخطي هو عملية تفكيك مصفوفة حقيقية أو معقدة إلى عوامل

Social Data البيانات الاجتماعية

تأتي البيانات الاجتماعية من ملايين المداخلات التي تحصل على شبكات التواصل الاجتماعي بشكل يومي ، وتكتسب هذه البيانات قيمة بارزة كونها تساعد على التنبؤ بسلوكيات العملاء وبالتالي توفير إعلانات بشكل يستهدف العملاء الحقيقيين للشركة بشكل مباشر

Spatial Analytics التحليل المكاني

هو الرؤية المكتسبة من دراسة الموقع أو البيانات الجغرافية

Speaker Recognition تمييز المتحدث

تُعد أنظمة تمييز المتحدث نوعًا معينًا من الذّكاء الاصطناعي الذي يمكنه التّعرف على الفرد من خلال صوته المنطوق

Speech-To-Text تحويل الكلام إلى نص

تقنيات تحويل الكلام إلى نص هي تقنيات تهدف لتحويل الكلام البشري المنطوق إلى نص مكتوب. تُعد تقنية تحويل الكلام إلى نص مكونًا شائعًا لأنظمة تشغيل الحاسوب والأجهزة المحمولة الحديثة، حيث يُقسّم الصّوت إلى عينات، ويستخدم طرق النّطق الشّائعة لتحديد الكلمات، والخوارزميات لمحاولة فهم الكلمة أو العبارة التي قيلت

Square Matrix مصفوفة مربعة

هي مصفوفة عدد أعمدتها يساوي عدد صفوفها

Standard Deviation انحراف معياري

هو الجذر التربيعي لمتوسط مربعات انحرافات القيم عن وسطها الحسابي.

Statistics إحصاءات/علم الإحصاء

هو العلم الذي يهتم بالطرق العلمية لجمع وتنظيم وتلخيص البيانات وعرضها وتحليلها بأساليب علمية للتوصل الى الاستنتاجات لاتخاذ القرارات المناسبة

Stochastic Gradient Descent (Sgd) نزول اشتقاقي عشوائي

حل مشكلة الوقت في حساب الاشتقاق لجميع بيانات التدريب، يقوم النزول الاشتقاقي العشوائي بتوقع القيمة باستخدام قيمه عشوائية واحدة من البيانات. ولأن القيمة تم اختيارها بشكل عشوائي، نتوقع أن الاشتقاق لكل نقطة سيؤدي بالنهاية إلى نفس النتيجة للنزول الاشتقاقي المُجَمع.

Strong Artificial Intelligence الذكاء الاصطناعي القوي

الذكاء الاصطناعي القوي هو ذكاء اصطناعي يمكنه أن يساوي الذكاء البشري بنجاح، فهو يستطيع التفكير والتعلم وإصدار الأحكام والتواصل مع الآخرين، بالإضافة إلى امتلاكه للوعي. الذّكاء الاصطناعي القوي غير موجود حاليًا، ويرى الخبراء أن ابتكاره قد يستغرق قرنًا من الزمان، كما أنّ هناك مخاوف من أنه إذا تمّ تطوير ذكاء اصطناعي قوي بنجاح، فقد يكون أكثر ذكاءً من البشر، عندها قد يسعى لتحقيق أهداف قد تكون ضارة بالبشر.

Structured Data البيانات المهيكلة

البيانات المهيكلة ترتبط بصيغ محددة مسبقة مثل الحقول والجداول . يمكن أيضا لهذه البيانات أن تأتي من عدة مصادر ، ولكن بما أنها تحمل صيغة جددة يمكن لها أن تخزن ضمن هيكلية محددة ومنظمة ، مما يسهل عملية البحث فيها وتحليلها

Structured Querylanguage (Sql) لغة الاستعلام المهيكلة (SQL)

هي لغة قياسية تستخدم للدخول ومراجعة وإدارة المعلومات الموجودة في نظام قاعدة البيانات المتعّلقة

Sufficient Statistic إحصاء كافٍ

يقال في الإحصاء، عن إحصائية إنها كافية (sufficient statistics) بالنسبة لنموذج إحصائي ما والمعلمة (parameter) غير المعروفه المرتبطة به إذا لم يكن هناك أي إحصائية أخرى يمكن حسابها من نفس العينة ويمكن أن توفر أي معلومات إضافية عن قيمة هذه المعلمة.

Superintelligence الذكاء الخارق

هو نظام ذكاء اصطناعي يعمل على زيادة ذكائه بسرعةٍ كبيرة جدًا بحيث يتجاوز قدرات الإنسان العادي. وهو فكرة شائعة في الخيال العلمي، تتم مناقشة الذّكاء الخارق اليوم كوسيلة لمناقشة مدى السّرعة التي يجب أن يتطوّر بها الذّكاء الاصطناعي، والعواقب التي قد تترتب على ذلك، وكيف يمكن للبشرية حماية نفسها من الذّكاء الاصطناعي.

Supervised Learning التعلم الخاضع للإشراف(تعلّم موجَّه)

التّعلم الخاضع للإشراف هو أحد فروع تعلم الآلة، وفيه يتم تزويد الخوارزميات بمجموعة من الأمثلة التدريبية للبيانات وتصنيفاتها. وباستخدام بيانات التدريب وتصنيفاتها تقوم الخوارزمية بتعلم العلاقات بينهم واستخدام هذه المعرفة للتنبؤ بتصنيف البيانات الجديدة التي لم يسبق للخوارزمية رؤيتها. فبمجرد إعطاء الذّكاء الاصطناعي مجموعة من الأسئلة والإجابات الصّحيحة،يمكنه تحديد الرّوابط بين الإثنين واستخدام النموذج الذي أنشأه للإجابة على أسئلة جديدة حول نفس الموضوعات. ويأتي مصطلح التّعلم الخاضع للإشراف من حقيقة أن تدريب النموذج يحتاج لأن يتم الإشراف عليه أو توجيهه باستخدام الصنف المعطى مع البيانات.

Support Vectors المتجهات الداعمة

هي نقاط البيانات الأقرب للمستوي الفائق وهي النقاط التي إن تم إزالتها من مجموعة البيانات ستغير من موقع المستوي الفائق الذي يقسم البيانات. لذلك يمكن اعتبار هذه النقاط أنها العناصر المهمة في مجموعة البيانات.

Symmetric متناظر

قول عن جسم ما أنه متناظر بالنسبة لعملية ما، إذا كان تطبيق هذه العملية عليه لا تحدث فيه تغيرا

T

Test Set مجموعة الاختبار

مجموعة الاختبار هي مجموعة نهائية من البيانات تُعطى للبرنامج بعد اجتيازه لمجموعات الاختبار والتّحقق من الصّحة. تحدد مجموعات الاختبار مدى جودة تدريب البرنامج وما إذا كان نموذجه التّنبئي سيكون دقيقًا لمجموعات البيانات الجديدة القادمة.

The Three Laws Of Robotics القوانين الثلاثة للروبوتات

القوانين الثلاثة للروبوتات هي مجموعة من القواعد لسلوك الذّكاء الاصطناعي كتبها كاتب الخيال العلمي الشّهير إسحاق أسيموف في ­عام 1942، ولا تزال هذه القوانين تؤثر على الأبحاث في ­ مجال الروبوتات والذّكاء الاصطناعي حتى يومنا هذا. تنص تلك القوانين على أنه لا يجوز للروبوت أن يؤذي إنسانًا أو يسمح بإيذاء إنسان، ويجب أن يطيع أوامر البشر إلا في ­الحالات التي يتعارض فيها مع القانون الأول، كما يتوجب عليه أن يحمي وجوده طالما لا يتعارض ذلك مع القانون الأول والثاني.

Training Data بيانات التّدريب

هي مجموعة أولية من البيانات المقدمة لبرنامج ما لمساعدته على تعلم كيفية معالجة المعلومات وتحقيق النّتائج الصّحيحة، وتتبع بيانات التّدريب مجموعتان وهي مجموعة التّحقق ومجموعة الاختبار.

Training Error خطأ التدريب

لكل خاصية محتملة في البيانات، نقوم بضبطها على النموذج باستخدام بيانات التدريب. الخطأ في هذا النموذج هو خطأ التدريب Training Error

Transaction Processing معالجة المعاملات

يعالج الحاسوب في معالجة المعاملات البيانات على الفور، وعلى الرغم من فورية المعالجة، إلا أنه من الممكن وجود عدد من العمليات المعقدة التي تحدث في خلفية المعاملة. فتتطلب معالجة المعاملات تفاعل المستخدم على العكس من معالجة الدُفعات.

Transactional Data بيانات المعاملات

تسمي البيانات المسجلة من المعاملات ببيانات المعاملات ويمكن أن تكون قد تم الحصول عليها عبر الإنترنت أو في الواقع ، وهي عمليات يمكن أن تحدث بين الأفراد أو المؤسسات أو مزيج من الإثنين

Transfer Learning نقل التعلم

نقل التّعلم هو استخدام المعرفة المكتسبة من مهمة واحدة للمساعدة في التّنافس على قضية أخرى ذات صلة، والهدف من نقل التّعلم في أنظمة الذّكاء الاصطناعي هو مساعدة خوارزميات التّعلم الآلي على أن تُصبح فعّالة مثل التّعلم البشري.

Transpose منقول

في الجبر الخطي، منقولة مصفوفة A (بالإنجليزية: Transpose)‏ هي مصفوفة أخرى يُرمز إليها ب AT يمكن أن يحصل على المنقولة AT للمصفوفة A من خلال قلب العناصر على القطر الرئيسي للمصفوفة. تكرار العملية نفسها على المصفوة المنقولة يعيد العناصر إلى مكانهم الأصلي

Tree-Based Method طريقة شجرية

تُبنى أساليب التعلم الآلي المستندة إلى الشجرة عن طريق تقسيم عينة التدريب بشكل متكرر ، باستخدام ميزات مختلفة من مجموعة بيانات في كل عقدة تقسم البيانات بشكل أكثر فعالية. يعتمد التقسيم على تعلم قواعد القرار البسيط المستمدة من بيانات التدريب .

Turing Test اختبار تورينج

اختبار تورينج هو اختبار صممه آلان تورينج في ­ عام 1950 لاختبار قدرة الآلة أو الحاسوب على محاكاة السّلوك البشري. يتكوّن الاختبار من مقيِّم بشري يشارك في محادثات نصيّة فقط مع كل من االإنسان والآلة ويكون هدف والآلة هو إقناع المقّيم البشري بأنه يتحدث إلى إنسان آخر.

U

Unlabeled Data بيانات غير مُعَلَّمَة

البيانات غير المصنفة هي تسمية لأجزاء من البيانات التي لم يتم تمييزها بعلامات تحدد الخصائص أو التصنيفات.

g-item” data-role=”hg-item”> Unseen Data بيانات جديدةمجموعة الاختبار ، أو البيانات غير المرئية ، هي مجموعة فرعية من مجموعة البيانات المستخدمة لتقييم الأداء المستقبلي المحتمل للنموذج. إذا كان النموذج يناسب مجموعة التدريب بشكل أفضل بكثير مما يناسب مجموعة الاختبار ، فمن المحتمل أن يكون السبب هو فرط التجهيز.

Unstructured Data بيانات الغير مهيكلة

نوع من البيانات التي لا تندرج ضمن بیانات محددة بشكل مسبق، ويمكن لتلك البيانات أن تكون بأي شكل أو حجم أو صيغة

Unstructured Data Mining تنقيب البيانات غير المهيكلة

يطلق لفظ تنقيب البيانات غير المهيكلة على عملية فحص البيانات غير المنتظمة لتحسين مجموعات البيانات الإضافية منها.

Unsupervised Learning التعلم غير الخاضع للإشراف (غير الموجه)

التّعلم غير الخاضع للإشراف هو أحد فروع تعلم الآلة ويتوجب معه على الخوارزمية أن تجد أنماطًا وعلاقات من البيانات غير معروفة، أو بالحد الأدنى من المدخلات التي يوفرها البشر، فلا تتطلع الخوارزمية إلى إنتاج مخرجات ضمن هذا النموذج ولكنها تبحث عن العلاقات المخفيّة بين كمية هائلة من البيانات غير المسماة.

Upper Bound Theore مبرهنة الحد الأعلى

الحد الأعلى للمجموعة المرتبة جزئيًّا م هو العنصر x ; حيث x أكبر من أو يساوي جميع عناصر المجموعة

Utterance النّطق

النّطق هو أي إدخال يمكن للمستخدم قوله أثناء التّحدث إلى روبوت محادثة

V

Validation Set مجموعة التّحقق

مجموعة التّحقق من الصّحة هي مجموعة من البيانات المعطاة لبرنامج لضبط وتحسين أسلوبه في حل المشكلات. ويُعتبر أحيانًا امتدادًا لمرحلة التّدريب، فيقوم البرنامج أثناء ضبط التّحقق من الصّحة بضبط المعطيات لنموذج البرنامج الخاص به لضمان أعلى دقة ممكنة.

Validation Set (Hold-Out\Development Set) مجموعة تحقق

مجموعة التحقق من الصحة هي مجموعة فرعية أخرى من بيانات الإدخال التي نطبق عليها خوارزمية التعلم الآلي لمعرفة مدى دقة تحديد العلاقات بين النتائج المعروفة للمتغير المستهدف والميزات الأخرى لمجموعة البيانات.

Variance التباين

هو تباين توقع النموذج لنقطة بيانات معينة أو قيمة تخبرنا عن انتشار البيانات. النموذج ذو التباين العالي يولي الكثير من الاهتمام لبيانات التدريب ولا يعمم على البيانات التي لم يراها من قبل. نتيجة لذلك ، تؤدي هذه النماذج أداءً جيدًا للغاية في بيانات التدريب ولكن لديها معدلات أخطاء عالية في بيانات الاختبار.

Variation الاختلاف

الاختلاف هو عند تلقي روبوت المحادثة لمدخلات تمت صياغتها بطرق مختلفة قليلاً ولكن بنفس القصد، عندها يجب أن يتوصل روبوت المحادثة إلى الغرض من الاستعلام ثم معالجته باستخدام تقنية معالجة اللغة الطّبيعية.

Variety التّنوع

ترمز كلمة التنوع هنا إلى العدد الغير محدود من الأشكال التي يمكن أن تكون عليها البيانات

Vector متّجه

هو سهم يتجه من نقطة إلى أخرى. يتحدد كل متجه في الرياضيات بثلاثة عناصر : المقدار وهو كمية قياسية تُمَثًّل بطول المتجه

Vector Space فضاء المتجهات

هو مجموعة أدوات تسمى متجهات، والتي قد تكون مضافة معاً و مضروبة (مقاسة) بالأرقام، تسمى مقاسات.

Velocity السّرعة

سرعة تكوين البيانات الضخمة

Veracity موثوقية

الموثوقية هي جودة البيانات التي يتم تحليلها بواسطة النّظام. وتحتوي البيانات عالية الجودة على معلومات مفيدة دقيقة وذات صلة بهدف العمل، على عكس البيانات منخفضة الجودة التي قد تحتوي على بيانات غير ملائمة أو غير صحيحة يجب تنظيفها من النّظام.

Voice Recognition التّعرف على الصوت

التّعرف على الصوت هو عملية تمييز الأصوات أو الكلمات المنطوقة إلى نص، وتفسيرها على أنها أوامر يمكن للحاسوب تنفيذها. يُستخدم التّعرف على الصّوت بشكلٍ عام للتحكم في نظام الحاسوب ويجب عدم الخلط بينه وبين التّعرف على أصوات البشرية الذي يُستخدم لتحديد الهوية.

Volatility الزوال

الزوال هو مقياس لمدى صلاحية البيانات ومدة تخزينها داخل الشركة

Volume حجم

يشير الحجم إلى الكم الكبير من البيانات الكبيرة التي تنشأ كل يوم

W

Weak Artificial Intelligence الذكاء الاصطناعي الضعيف

يرمز الذكاء الاصطناعي الضعيف إلى آلة ذكية يمكنها التركيز بشكلٍ ضيّق على مهمة محدّدة، وهي من أكثر أنظمة الذّكاء الاصطناعي شيوعًا واستخدامًا اليوم، ومناسبة بشكلٍ خاص لإتمام المهام التي تستغرق وقتًا طويلاً وتحليل البيانات.

Weak Learners/Classifier المتعلم/المصنف الضعيف

المصنف الضعيف هو نموذج للتصنيف الثنائي الذي يؤدي بشكل أفضل قليلاً من التخمين العشوائي.

Web Analytics تحليلات المواقع

وهي عملية تحليل لسلوك موقع إلكتروني. وترتبط تحليلات المواقع ارتباطًا وثيقًا بإدارة العلاقة مع العملاء، فهي تدرس سلسلة كاملة من السلوكيات . ويتمثل في النهاية الهدف من تحليلات المواقع في تخصيص التجربة لكل مستخدم، مع عرض المنتجات التي من المحتمل أن يشتريها.

Web Application Security أمان تطبيقات المواقع

يُطلق مصطلح أمان تطبيقات المواقع على التقنيات والممارسات المرتبطة بتأمين البيانات السرية المخزنة على الإنترنت ومنع الوصول الغير مصرح به، والذي يحاول المتسللين أو المجرمين أن ينفذوه. ويحتوي أمان تطبيقات الويب على عدة مهام رئيسية: تحديد الأصول المعرضة للخطر، والتحكم في ­ الوصول وتوفيره للمستخدمين المعتمدين، وتمييز الثغرات الأمنية المحتملة، وسن تدابير الاستجابة في حالة تعرض البيانات للخطر.

Weighting الوزن

الوزن هو المصطلح المستخدم لوصف قوة الاتصال بين البيانات المدخلة والأصناف الخاصة بها في نموذج تعلم الآلة. ويتم تعديل هذه الأوزان بشكلٍ مستمر في عملية تعرف باسم التّعلم. في نماذج تعلم الآلة، تكون البيانات هي المدخلات مضروبة بقيمة الوزن ويُضاف إليها التّحيز. ويكون الهدف هو إيجاد أفضل وزن وأفضل تحيز بحيث يكون ملائما لنموذج تعلم الآلة لعمل التنبؤ. ويتم تعديل الوزن باستمرار ليطابق النّاتج المطلوب. يُحدّد الوزن مقدار التّغيير الذي سيحدثه الإدخال على النّتيجة النّهائية كقوة الاتصال، فبينما يُعد تأثير المدخلات المنخفضة تأثيرًا ضئيلاً على النّتيجة، تقوم المدخلات ذات الوزن المرتفع بالتأثير بشكلٍ أكبر على النّتائج.