المقدمة:
يعكس هذا التقرير تجربة عملية في استغلال إمكانيات الذكاء الاصطناعي المقدمة من خلال خدمات Microsoft Azure حيث تم التطرق لتجربتين منفصلتين الأولى تختص بتحليل الصور باستخدام تقنيات الرؤية الحاسوبية والثانية تتعلق بمعالجة النصوص وتحليلها لاستخلاص المعاني والكيانات الهامة منها تهدف هذه التجربة إلى تعميق فهم الطلاب لآليات عمل الذكاء الاصطناعي وتطبيقه لحل المشكلات الواقعية.
الجزء الأول: تطبيق تقنيات رؤية الحاسب (Computer Vision)
الأدوات المستخدمة:
ملخص خطوات التنفيذ:
الدخول إلى Azure AI Foundry وإنشاء مشروع جديد:
اسم المشروع project50278711
اسم الـ Hub: hub50278711
صورة 1 — إعداد المشروع.
تجربة توصيف الصور Image Captioning:
رفع صورة متجر Store Camera 1
ملاحظة وصف تلقائي للصورة.
استخدام Dense Captioning:
تحليل تفاصيل متعددة في الصورة.
استخراج Tags:
باستخدام صورة مختلفة.
التعرف على الكائنات:
مع تعديل Threshold إلى 70.
الجزء الثاني: معالجة اللغات الطبيعية (Natural Language Processing)
بيئة التنفيذ:
الأنشطة المنفذة:
استخراج الكيانات (Entities Extraction):
استخراج العبارات المفتاحية (Key Phrases Extraction):
تلخيص النصوص (Text Summarization):
المراجع:
الرأي الشخصي:
كانت هذه التجربة ممتعة ومثرية حيث تعلمت كيفية استخدام الذكاء الاصطناعي لتحليل الصور واستخلاص البيانات من النصوص بطريقة سهلة وسريعة.
واجهت بعض التحديات في إدارة الموارد وضبط الإعدادات إلا أن التوثيق الجيد من مايكروسوفت ساعدني في تجاوز هذه العقبات.
أوصي باستخدام هذه التقنيات في مشاريع مستقبلية لما لها من فوائد كبيرة في تحسين جودة العمل وتسريعه.
يعكس هذا التقرير تجربة عملية في استغلال إمكانيات الذكاء الاصطناعي المقدمة من خلال خدمات Microsoft Azure حيث تم التطرق لتجربتين منفصلتين الأولى تختص بتحليل الصور باستخدام تقنيات الرؤية الحاسوبية والثانية تتعلق بمعالجة النصوص وتحليلها لاستخلاص المعاني والكيانات الهامة منها تهدف هذه التجربة إلى تعميق فهم الطلاب لآليات عمل الذكاء الاصطناعي وتطبيقه لحل المشكلات الواقعية.
الأدوات المستخدمة:
- منصة Azure AI Foundry
- خدمة Vision + Document
الدخول إلى Azure AI Foundry وإنشاء مشروع جديد:
اسم المشروع project50278711
اسم الـ Hub: hub50278711
صورة 1 — إعداد المشروع.
تجربة توصيف الصور Image Captioning:
رفع صورة متجر Store Camera 1
ملاحظة وصف تلقائي للصورة.
استخدام Dense Captioning:
تحليل تفاصيل متعددة في الصورة.
استخراج Tags:
باستخدام صورة مختلفة.
التعرف على الكائنات:
مع تعديل Threshold إلى 70.
بيئة التنفيذ:
- Azure AI Foundry
- Playground > Language
استخراج الكيانات (Entities Extraction):
- نص تجربة فندقية
- استخراج أسماء الفنادق والأماكن والتواريخ.
استخراج العبارات المفتاحية (Key Phrases Extraction):
- تحليل نص لتحديد الجمل المهمة.
تلخيص النصوص (Text Summarization):
- تلخيص فقرات نصية مع إبراز الجمل الأكثر أهمية.
- موقع Azure AI Foundry: https://ai.azure.com
- مصادر الصور: https://aka.ms/mslearn-images-for-analysis
- نصوص المعمل: دليل Microsoft الرسمي للمعامل.
كانت هذه التجربة ممتعة ومثرية حيث تعلمت كيفية استخدام الذكاء الاصطناعي لتحليل الصور واستخلاص البيانات من النصوص بطريقة سهلة وسريعة.
واجهت بعض التحديات في إدارة الموارد وضبط الإعدادات إلا أن التوثيق الجيد من مايكروسوفت ساعدني في تجاوز هذه العقبات.
أوصي باستخدام هذه التقنيات في مشاريع مستقبلية لما لها من فوائد كبيرة في تحسين جودة العمل وتسريعه.