1. حدد الجملة الصحيحة والجملة الخاطئة فيما يلي:
1. في التعلم الموجه، تُستخدم مجموعات البيانات المعنونة لتدريب النموذج.
2. البرمجة الاتجاهية هي تقنية لتحويل البيانات من تنسيق متجه رقمي إلى بيانات أولية.
3. تتطلب المصفوفة المتباعدة ذاكرة أقل بكثير من المصفوفة الكثيفة.
4. تُستخدم خوارزمية مصنف بايز الساذج لبناء خط أنابيب التنبؤ.
5. تكرار الكلمة في المستند يعد التمثيل الدقيق الوحيد لأهمية هذه الكلمة.

2. اشرح لماذا تتطلب المصفوفة الكثيفة مساحة من الذاكرة أكبر من المصفوفة المتباعدة.

3. حلل كيف يستخدم العاملان الرياضيان في تكرار المصطلح- تكرار المستند العكسي (TF-IDF) لتحديد أهمية الكلمة في النص.

4. لديك مصفوفة numPy عبارة عن مستند X_train_text مستندًا واحدًا في كل صف. لديك كذلك مصفوفة ثابتة Y_train تتضمن قيم المستندات في X_train_text. أكمل المقطع البرمجي التالي بحيث يمكن استخدام تكرار المصطلح- تكرار المستند العكسي (TF-IDF) لتمثيل البيانات بالمتجهات وتدريب نموذج تصنيف MultinomialNB على الإصدار الممثل بالمتجهات، ثم تجميع أداة التمثيل بالمتجهات ونموذج التصنيف في خط أنابيب تنبؤ واحد:

5. أكمل المقطع البرمجي التالي بحيث يمكنك بناء مفسر لنصوص النموذج المحلي القابل للتفسير والشرح (LIME) لخط أنابيب التنبؤ الذي قمت ببنائه في التدريب السابق، واستخدم المفسر لتفسير التنبؤ على مثال لنص آخر:

1. حدد الجملة الصحيحة والجملة الخاطئة فيما يلي:
1. في التعلم غير الموجه، تُستخدم مجموعات البيانات المعنونة لتدريب النموذج.
2. يتطلب التعلم غير الموجه البرمجة الاتجاهية للبيانات.
3. تمثيلات ترميز الجمل ثنائية الاتجاه من المحولات (SBERT) تُعد أفضل من تكرار المصطلح-تكرار المستند العكسي (TF-IDF) لبرمجة اتجاهية الكلمات.
4. يتبع التجميع الكتلي منهجية التصميم من أعلى إلى أسفل لتحديد العناقيد.
5. تمثيلات ترميز الجمل ثنائية الاتجاه من المحولات (SBERT) مدربة للتنبؤ بما إذا كانت جملتان مختلفتين دلالياً.

2. استعرض بعض التطبيقات التي تستخدم فيها تقليص الأبعاد، وصف التقنيات المستخدمة فيه.

3. اشرح وظائف البرمجة الاتجاهية لمقياس تكرار المصطلح-تكرار المستند العكسي (TF-IDF).

4. لديك مصفوفة numPy تدعى Docs تتضمن مستنداً نصياً واحداً في كل صف. لديك كذلك مصفوفة labels تتضمن قيم كل مستند في Docs. أكمل المقطع البرمجي التالي بحيث تستخدم نموذج تمثيلات ترميز الجمل ثنائية الاتجاه من المحولات (SBERT) المدرب مسبقاً لحساب تضمينات كل الوثائق في Docs ثم استخدم أداة TSNEVisualizer تضمين المجاور العشوائي الموزع على شكل T لتصوير التضمينات في الفضاء ثنائي الأبعاد، باستخدام لون مختلف لكل واحد من القيم الأربعة المحتملة:

5. أكمل المقطع البرمجي التالي بحيث تستخدم نموذج الكلمة إلى المتجه (Word2Vec) لاستبدال كل كلمة في إحدى الجمل بأخرى تكون أكثر تشابهاً بها:

1. حدد الجملة الصحيحة والجملة الخاطئة فيما يلي:
1. توليد اللغات الطبيعية المبني على تعلم الآلة يتطلب مجموعات كبيرة من بيانات التدريب والموارد الحسابية.
2. الفعل هو نوع من وسوم أقسام الكلام (POS).
3. في تحليل بناء الجمل لتوليد اللغات الطبيعية المبني على القوالب، يُستخدم التحليل بصورة منفصلة عن وسوم أقسام الكلام (POS).
4. المجتمعات هي عناقيد العقد التي تمثل الكلمات المختلفة دلالياً.
5. يصبح روبوت الدردشة أكثر ذكاءً كلما ازداد عدد مستويات الأسئلة والأجوبة المضافة إلى قاعدة المعرفة.

4. أكمل المقطع البرمجي التالي حتى تقبل الدالة build_graph() مفردات محددة من الكلمات ونموذج الكلمة إلى المتجه (Word2Vec) المدرب مسبقاً، لترسم مخططاً ذي عقدة واحدة لكل كلمة في المفردات المحددة، بحيث يحتوي المخطط على حافة بين عقدتين إذا كان تشابه نموذج الكلمة إلى المتجه (Word2Vec) أكبر من مستوى التشابه المعطى. يجب ألا تكون هناك أوزان على الحواف.

5. أكمل المقطع البرمجي التالي حتى تستخدم الدالة get_max_sim() نموذج تمثيلات ترميز الجمل ثنائية الاتجاه من المحولات (SBERT) للمقارنة بين جملة محددة my_sentence وكل الجمل الواردة في قائمة أخرى من الجمل L. يجب أن تعيد الدالة الجملة ذات مؤشر التشابه الأعلى من بين L إلى my_sentence.