15 أسئلة وأجوبة اختبار التعلم العميق

سؤال 1: ما هو التعريف الأساسي للـ Deep Learning؟
خيارات:
أ) طريقة لتعليم الآلات باستخدام بيانات كبيرة فقط.
ب) فرع من الذكاء الاصطناعي يعتمد على شبكات عصبية متعددة الطبقات.
ج) أداة لتحليل البيانات الإحصائية.
د) طريقة برمجية لإنشاء تطبيقات الهواتف.
الإجابة الصحيحة: ب
الشرح: الـ Deep Learning هو جزء من الذكاء الاصطناعي يعتمد على شبكات عصبية عميقة متعددة الطبقات لتعلم أنماط معقدة من البيانات.

سؤال 2: ما الفرق الرئيسي بين الـ Supervised Learning وغير المشرف في Deep Learning؟
خيارات:
أ) الـ Supervised Learning يستخدم بيانات غير متعلقة، بينما غير المشرف يستخدم بيانات مرتبطة.
ب) الـ Supervised Learning يتطلب بيانات معتمدة، بينما غير المشرف يعمل بدون تسميات.
ج) كلا النوعين يعتمدان على نفس الطريقة.
د) الـ Supervised Learning أبطأ من غير المشرف.
الإجابة الصحيحة: ب
الشرح: في الـ Supervised Learning، يتم تدريب النموذج باستخدام بيانات مع تسميات، بينما في غير المشرف، يتم اكتشاف الأنماط من البيانات دون تسميات.

سؤال 3: ما هي وظيفة دالة الـ Activation في الشبكات العصبية؟
خيارات:
أ) إدخال البيانات فقط.
ب) إضافة غير خطية لمساعدة النموذج على تعلم أنماط معقدة.
ج) تخزين البيانات.
د) حساب الخسائر فقط.
الإجابة الصحيحة: ب
الشرح: دالة الـ Activation تضيف غير خطية إلى الشبكة العصبية، مما يسمح لها بتعلم روابط معقدة بدلاً من الاعتماد على خطوط مستقيمة فقط.

سؤال 4: ما هي الطريقة الرئيسية لتدريب الشبكات العصبية في Deep Learning؟
خيارات:
أ) الـ Gradient Descent.
ب) الـ Backpropagation.
ج) الـ Random Search.
د) الـ Linear Regression.
الإجابة الصحيحة: ب
الشرح: الـ Backpropagation هو خوارزمية تستخدم لنقل الخطأ من الطبقات النهائية إلى الرئيسية لتعديل الأوزان وتحسين الأداء.

سؤال 5: ما هي شبكة الـ Convolutional Neural Network (CNN) مستخدمة لـ؟
خيارات:
أ) معالجة النصوص فقط.
ب) التعرف على الصور والفيديو.
ج) التنبؤ بالأسعار المالية.
د) ترجمة اللغات فقط.
الإجابة الصحيحة: ب
الشرح: الـ CNN مصممة خصيصاً لمعالجة البيانات ثنائية الأبعاد مثل الصور، حيث تستخدم طبقات الالتفاف لاستخراج الميزات.

سؤال 6: ما هي مشكلة الـ Overfitting في Deep Learning؟
خيارات:
أ) عدم قدرة النموذج على تعلم أي شيء.
ب) أن النموذج يتعلم البيانات التدريبية جيداً لكنه يفشل مع بيانات جديدة.
ج) سرعة النموذج البطيئة.
د) نقص في البيانات.
الإجابة الصحيحة: ب
الشرح: الـ Overfitting يحدث عندما يصبح النموذج مخصصاً جداً للبيانات التدريبية، مما يقلل من عموميته ويؤدي إلى أداء ضعيف على بيانات الاختبار.

سؤال 7: ما هي دالة الـ ReLU في Deep Learning؟
خيارات:
أ) دالة للتراكيب فقط.
ب) دالة تفعيل تحول القيم السلبية إلى صفر.
ج) دالة لقياس الخسائر.
د) دالة للتنبؤ بالقيم.
الإجابة الصحيحة: ب
الشرح: الـ ReLU (Rectified Linear Unit) هي دالة تفعيل شائعة تحول أي قيمة سلبية إلى صفر، مما يساعد في تقليل مشكلة تلاشي التدرج.

سؤال 8: ما هي الـ Recurrent Neural Network (RNN) مناسبة لـ؟
خيارات:
أ) معالجة الصور فقط.
ب) تسلسلات البيانات مثل النصوص أو الزمنية.
ج) التصنيف الثنائي فقط.
د) التعرف على الأصوات.
الإجابة الصحيحة: ب
الشرح: الـ RNN مصممة للتعامل مع بيانات تسلسلية، حيث تحتفظ بذكريات من الخطوات السابقة لمعالجة السياق الزمني.

سؤال 9: ما هي تقنية الـ Dropout في Deep Learning؟
خيارات:
أ) إزالة الطبقات بالكامل.
ب) تعطيل بعض الوصلات عشوائياً أثناء التدريب لمنع الـ Overfitting.
ج) زيادة حجم البيانات.
د) تحسين السرعة فقط.
الإجابة الصحيحة: ب
الشرح: الـ Dropout تقنية تمنع الـ Overfitting من خلال تعطيل بعض الوصلات العصبية عشوائياً أثناء عملية التدريب.

سؤال 10: ما هي الـ Transfer Learning في Deep Learning؟
خيارات:
أ) نقل البيانات بين الشبكات.
ب) استخدام نموذج مدرب مسبقاً لمهمة جديدة.
ج) نقل الخسائر فقط.
د) إعادة بناء الشبكة من الصفر.
الإجابة الصحيحة: ب
الشرح: الـ Transfer Learning يسمح باستخدام نموذج مدرب على مجموعة بيانات كبيرة لتطبيقات أخرى، مما يقلل من وقت التدريب وزيادة الكفاءة.

سؤال 11: ما هي الـ Long Short-Term Memory (LSTM)؟
خيارات:
أ) نوع من الشبكات العصبية العادية.
ب) تحسين للـ RNN للتعامل مع تسلسلات طويلة.
ج) دالة تفعيل فقط.
د) طريقة للتصنيف.
الإجابة الصحيحة: ب
الشرح: الـ LSTM هي نسخة محسنة من الـ RNN تحتوي على أبواب للتحكم في تدفق المعلومات، مما يساعد في حل مشكلة التنسية طويلة المدى.

سؤال 12: ما هي الـ Generative Adversarial Networks (GANs)؟
خيارات:
أ) شبكات للتصنيف فقط.
ب) نموذج يتكون من مولد ومعدل لإنشاء بيانات جديدة.
ج) طريقة لتقليل الخسائر.
د) شبكات لمعالجة الصوت.
الإجابة الصحيحة: ب
الشرح: الـ GANs تتكون من شبكتين تتنافسان: واحدة لإنشاء بيانات وأخرى للكشف عنها، مما يؤدي إلى إنتاج بيانات واقعية.

سؤال 13: ما هي أهمية الـ Batch Normalization في Deep Learning؟
خيارات:
أ) زيادة حجم الدفعة فقط.
ب) تهيئة توزيع الإدخال للطبقات لتحسين التدريب.
ج) إزالة الطبقات.
د) تقليل السرعة.
الإجابة الصحيحة: ب
الشرح: الـ Batch Normalization تساعد في تهيئة توزيع الإدخال لكل طبقة، مما يقلل من مشكلة تلاشي التدرج ويسرع عملية التدريب.

سؤال 14: ما هي الـ Autoencoders في Deep Learning؟
خيارات:
أ) نموذج للتصنيف.
ب) شبكة عصبية لتعلم تمثيلات البيانات وإعادة إنشائها.
ج) طريقة للتنبؤ.
د) نموذج للكشف عن الغش.
الإجابة الصحيحة: ب
الشرح: الـ Autoencoders تستخدم لتقليل أبعاد البيانات وإعادة بنائها، مما يساعد في التعلم غير المشرف للميزات.

سؤال 15: ما هي إحدى التحديات الرئيسية في Deep Learning؟
خيارات:
أ) نقص البيانات.
ب) الحاجة إلى موارد حاسوبية كبيرة.
ج) عدم وجود تطبيقات.
د) سرعة التدريب فقط.
الإجابة الصحيحة: ب
الشرح: Deep Learning يتطلب موارد حاسوبية قوية مثل الـ GPUs للتعامل مع الكميات الكبيرة من البيانات والحسابات.