-
Notifications
You must be signed in to change notification settings - Fork 133
/
ar.json
2379 lines (2374 loc) · 245 KB
/
ar.json
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
{
"APP": {
"TITLE": "تعلم الآلة للأطفال",
"BACK": "عودة",
"NEXT": "Next",
"BACKTOPROJECT": "< العودة إلى المشروع",
"BACKTOMODEL": "< العودة إلى نموذج",
"ERROR": "خطأ:",
"WARNING": "تنبيه:",
"INFO": "توضيح:",
"ADD": "إضافة",
"CANCEL": "إلغاء",
"DELETE": "حذف",
"EDIT": "تحرير",
"TEST": "اختبار",
"RESET": "تراجع",
"ABOUT": "حول",
"TEACHER": "معلم",
"PROJECTS": "مشاريع",
"WORKSHEETS": "صحيفة التعليمات",
"PRETRAINED": "Pretrained",
"NEWS": "أخبار",
"STORIES": "Stories",
"HELP": "مساعدة",
"LOGIN": "تسجيل الدخول",
"LOGOUT": "تسجيل الخروج",
"BETA": "نسخة تجريبية",
"INCOMPLETE": "غير مكتمل!"
},
"ABOUT": {
"TITLE": "تعلم الآلة للأطفال",
"IN6SECS": "خلال 6 ثواني...",
"IN20MINS": "خلال 20 دقيقة...",
"WHAT": {
"TITLE": "ما هي؟",
"BODY": "هذه الأداة تعطي مدخلا لتعلم الآلة من خلال تقديم تجارب عملية لتدريب أنظمة تعلم الآلة وبناء أشياء من خلال ذلك.<br/><br/>وتقدم بيئة عمل موجهة وسهلة الأستخدام لتدريب نماذج تعلم الآلة لتعرف على النصوص، الأرقام، الصور، أو الأصوات.<br/><br/>وهذه الأداة تبني على المجهودات الموجودة حالياً التي تهدف لتعريف الأطفال وتعليمهم البرمجة، وذلك من خلال إضافة نماذج تعلم الآلة إلى <a href='https://scratch.mit.edu/about' target='_blank'>Scratch</a> و<a href='https://edublocks.org' target='_blank'>EduBlocks</a>، مما يتيح للأطفال إنشاء مشروعات وبناء ألعاب تعتمد على نماذج تعلم الآلة التي قاموا بتدريبها.<br/><br/>تم توفير الأداة لأول مرة في عام 2017، ويتم استخدامها الآن من قبل آلاف المدارس، ونوادي الأكواد، والعائلات حول العالم <a href='https://wakelet.com/wake/4d3680cb-2a11-49ab-9180-fcfeced48393' target='_blank'>. <br/><br/>لمزيد من المعلومات، أنظر إلى:"
},
"WHY": {
"TITLE": "لماذا؟",
"BODY": "تعلم الآلة في كل مكان حولنا. نستخدم جميعًا أنظمة تعلم الآلة كل يوم - مثل فلاتر الرسائل غير المرغوب فيها ومحركات التوصيات وخدمات الترجمة اللغوية وبرامج الدردشة الآلية والمساعدين الرقميين ومحركات البحث وأنظمة الكشف عن الاحتيال. <br/><br/>سيكون من الطبيعي قريبًا أن تقود أنظمة تعلم الآلة سياراتنا وتساعد الأطباء لتشخيص وعلاج أمراضنا.<br/><br/> من المهم أن يدرك الأطفال كيف يعمل عالمنا. وأفضل طريقة لفهم القدرات والآثار المترتبة هي أن يكونوا قادرين على استخدام هذه التكنولوجيا لأنفسهم.<br/><br/> لمعرفة المزيد، اقرأ:<a target='_blank' class='btn btn-primary' href='https://youtu.be/m6dyCRS8EmI'> 'مقدمة في تعلم الآلة للأطفال'</a>"
},
"TECH": {
"TITLE": "تقنية",
"BODY": "تعتمد الأداة بالكامل على الويب ولا تتطلب أي عمليات تثبيت أو إعداد معقدة حتى تتمكن من استخدامها. <br/><br/>تم تصميمها للاستخدام في الفصول الدراسية من قبل المدارس ومجموعات الأكواد التي يديرها المتطوعون للأطفال ، ويوفر صفحة إدارية للمعلمين أو قادة المجموعة ليكونوا قادرين على تنظيم وإدارة وصول طلابهم. <br/><br/>يتم بناؤه بواسطة <a target='_blank' href='http://dalelane.co.uk/'>Dale Lane </a>باستخدام واجهات برمجة التطبيقات APIs من <a target='_blank' href='https://www.ibm.com/watson/developer/'>IBM Watson</a>. <br/><br/>لمزيد من التفاصيل حول التنفيذ ، يمكنك رؤية <a target='_blank' href='https://github.com/IBM/taxinomitis/'>شفرة المصدر عل GitHub </a>، أو قراءة بعض <a target='_blank' href='http://dalelane.co.uk/blog/?tag=mlforkids-tech'>منشورات المدونة حول التقنية</a>.",
"LOGIN": "للبدء:"
},
"PRETRAINED": {
"BODY": "Pre-trained models are also provided for students to use in their projects. These advanced models enable projects that might otherwise be too complex for students to train for themselves, and provide useful hands-on insights into some of the other things that machine learning can do."
},
"FURTHER": {
"TITLE": "لتعلم المزيد",
"BODY": "تعلم الآلة للأطفال هو أداة مفيدة لتعريف الأطفال بكيفية تدريب أنظمة ML ، وكيفية استخدامها ، وبعض التأثيرات الواقعية لتطبيقات الذكاء الاصطناعي.<br/><br/> للحصول على موارد تعليمية وتعلمية إضافية ، بما في ذلك تدريس الأجزاء الداخلية لأنظمة ML ، يرجى الاطلاع على:"
}
},
"LINKS": {
"TITLE": "موارد الذكاء الاصطناعي التعليمية للأطفال",
"INTRO": "هذه الصفحة قائمة بالمزيد من الأدوات والموارد لشرح الذكاء الاصطناعي للأطفال.",
"ECRAFT2LEARN": {
"BODY1": "أنشأ <a href='http://users.ox.ac.uk/~oucs0030/' target='_blank'>Ken Kahn </a> موارد تسمح للمبتدئين بإنشاء برامج الذكاء الاصطناعي في Snap! (بيئة برمجة بصرية تشبه Scratch).",
"BODY2": "بينما ركزت على شرح كيفية تدريب أنظمة الذكاء الاصطناعي وسلوكها (والتأثيرات الواقعية) ، فإن eCraft2Learn لديها موارد رائعة تتعمق في كيفية عمل أنظمة ML بالفعل.",
"BODY3": "<a href='https://ecraft2learn.github.io/ai/AI-Teacher-Guide/chapter-6.html' target='_blank'>مشروع الشبكة العصبية Tic Tac Toe</a> رائع بشكل خاص ، مما يسمح للطلاب بتجربة المؤشرات الفائقة من Snap."
},
"STEMLEARNING": {
"BODY1": "أنشأت STEM Learning ووزارة الأعمال والطاقة والاستراتيجية الصناعية في المملكة المتحدة موارد لتعليم مبادئ الذكاء الاصطناعي.",
"BODY2": "تتضمن هذه الموارد مشاريع <em>تعلم الآلة للأطفال</em> ، بالإضافة إلى الملاحظات التعليمية ، ومواد العروض التقديمية ، وبطاقات المساعدة ، والأنشطة العملية \"unplugged\""
},
"RASPBERRYPI": {
"BODY1": "توفر Raspberry Pi Foundation موارد لنادي الأكواد، مع تعليمات خطوة بخطوة لمجموعة متنوعة من المشاريع الإبداعية.",
"BODY2": "يتضمن مسار تعلم الآلة مجموعة متنوعة من المشاريع من <em>تعلم الآلة للأطفال</em>."
},
"APPSFORGOOD": {
"BODY1": "Apps for Good هي مؤسسة غير ربحية مقرها المملكة المتحدة تنشئ موارد لتدريس مواضيع التكنولوجيا ، والتي تتيحها مجانًا للمدارس.",
"BODY2": "تستخدم دورة تعلم الآلة الخاصة بهم <em>تعلم الآلة للأطفال</em> ، وتستكمله بمجموعة من المواد الإضافية مثل مخططات العمل وخطط الدروس وكتب التمارين الطلاب والعروض التقديمية والمزيد. يجعل من السهل على المدارس تقديم دروس ML التي تضع تمارين الأكواد في السياق."
},
"AIFAMILYCHALLENGE": {
"BODY1": "إن التحدي العائلي لذكاء الاصطناعي هو برنامج تعليمي عملي مجاني للعائلات. يستخدمون <em>تعلم الآلة للأطفال</em> ، ويكملونه بالكثير من الدعم الإضافي ، مثل المدربين التقنيين والموجهين ، وخطة دراسية منظمة ومقاطع فيديو داعمة.",
"BODY2": "يعتمد البرنامج على مسابقة تتحدى الأطفال للتفكير في أفكار مشاريع الذكاء الاصطناعي الخاصة بهم ، بدعم من أسرهم والموجهين التقنيين."
},
"MAGENTADEMOS": {
"BODY1": "ألعاب على الإنترنت توضح جوانب مختلفة من تعلم الآلة باستخدام TensorFlow.js"
},
"AIINSCHOOLS": {
"BODY1": "يوفر برنامج AIinSchools خطة دراسية مجانية للمعلمين لشرح الذكاء الاصطناعي لصف التاسع (الذين تتراوح أعمارهم بين 13 و 14 عامًا).",
"BODY2": "وهي تشمل أنشطة الفصل الدراسي unplugged وأنشطة البرمجة لتدريب الشبكات العصبية على وحدات معالجة الرسومات التي تعمل على AWS."
},
"TEENSINAI": {
"BODY1": "يستخدم المراهقون في الذكاء الاصطناعي مجموعة من الهاكاثون والمسرّعات والمخيمات التدريبية لدعم الشباب الذين تتراوح أعمارهم بين 12-18 عامًا لاستكشاف الذكاء الاصطناعي."
},
"AI4ALL": {
"BODY1": "تدير AI4ALL معسكرات صيفية لطلاب المدارس الثانوية في الولايات المتحدة تقدم مقدمة فنية تفصيلية للذكاء الاصطناعي."
},
"CALYPSO": {
"BODY1": "يمكن للطلاب الذين لديهم روبوتات Cozmo القابلة للبرمجة استخدام إطار برمجة Calypso للحصول على طريقة عملية لتجربة الذكاء الاصطناعي من خلال تجربة تقنيات مثل رؤية الكمبيوتر والتعرف على الكلام."
},
"AIINABOX": {
"BODY1": "AI-in-a-Box عبارة عن حزمة من الروبوتات والملحقات والموارد التعليمية. يمكن استخدام المجموعة لتعليم المشاريع التي تغطي موضوعات مثل التعرف البصري ، التعرف على الوجه ، تصنيع الكلام والتعرف على الكلام."
},
"GOOGLEEXPERIMENTS": {
"BODY1": "تجارب بسيطة عبر الإنترنت لبدء استكشاف تعلم الآلة ، من خلال الصور والرسومات واللغة والموسيقى."
},
"EXPLORINGCS": {
"BODY1": "Exploring CS gives students AI knowledge and skills while considering social, moral and ethical impacts.",
"BODY2": "They explore practical daily applications of AI that impact their lives. Students design smart cities, homes and schools. They also learn to build, train and test an AI system through an NVIDIA platform and look at how the message of AI is communicated."
},
"VIDEOS": {
"TITLE": "مقاطع فيديو",
"INTRO": " أيضًا, وجدت مقاطع الفيديو هذه مفيدة عند تقديم مفاهيم الذكاء الاصطناعي:"
}
},
"ERRORS": {
"PAGENOTFOUND": "الصفحة غير موجودة",
"NOTLOGGEDIN": "لم تقم بتسجيل الدخول",
"MISSINGPROJECTID": "مُعرف المشروع مفقود. ارجع إلى",
"IFPERSISTENT": "إذا استمرحدوث هذا الأمر، رجاءًا",
"LETMEKNOW": "أخبرني"
},
"WELCOME": {
"TITLE": "تعليم الكمبيوتر كيفية لعب لعبة",
"GET_STARTED": "ابدأ",
"LEARN_MORE": "تعلم المزيد",
"ADMIN_LABEL": "انتقل إلى <strong>صفحة الإدارة الخاصة بك</strong>",
"PROJECT_LABEL": "انتقل إلى <strong>مشاريعك</strong>",
"STEP_1_TEXT": "جمع نماذج على الأشياء التي تريد أن تكون قادرًا على التعرف عليها",
"STEP_2_TEXT": "استخدام النماذج لتدريب جهاز كمبيوتر ليكون قادرًا على التعرف عليها",
"STEP_3_TEXT": "صنع لعبة في Scratch تستخدم فيها قدرة الكمبيوتر على التعرف عليها"
},
"LOGIN": {
"TITLE": "ابدأ في تعلُم الآلة",
"WELCOME": "أهلا بك! من الرائع أنك مهتم بامتلاك حساب لتسجيل الدخول إلى تعلم الآلة للأطفال.",
"ALREADY_LOGGEDIN": "<strong>معلومة</strong>: تم تسجيل الدخول بالفعل",
"ERROR": "<strong>خطأ:</strong>{{ الرسالة}}",
"ERROR_HELP": "إذا استمر ذلك، يرجى زيارة قسم المساعدة",
"FIRST_TIME": "أول مرة هنا؟",
"SIGN_UP": "سجل",
"WHY_REGISTER": "لماذا التسجيل؟",
"WHY_REGISTER_INTRO_1": "<strong>لست مضطرًا للتسجيل أو إنشاء حساب</strong> لاستخدام تعلم الآلة للأطفال ، ولكن إذا قمت بذلك ، فإنه يفتح بعض ميزات الأداة.",
"WHY_REGISTER_INTRO_2": "توضح الشبكة أدناه الاختلاف في ما يمكنك القيام به إذا قمت بالنقر على \"جربه الآن\" بدون تسجيل ، وما يمكنك القيام به إذا قمت بإنشاء حساب لتسجيل الدخول.",
"ALREADY_REGISTERED": "هل سجلت مسبقًا؟",
"LOGIN": "تسجيل دخول",
"FORGOT_DETAILS": "هل نسيت بياناتك ؟",
"TRY_TITLE": "جرب دون تسجيل",
"TRY_NOW": "جرب الآن",
"TRY_NOW_EXPLANATION": "Use all features of the website without needing to register or log in. Machine learning projects created using \"Try it now\" will be deleted after (at least) four hours.",
"WHO_YOU": "من أنت؟",
"TEACHER": "ولي أمر، معلم أو رئيس نادي الأكواد",
"STUDENT": "طالب",
"FORGOT_TEXT": "نسيت اسم المستخدم أو كلمة المرور الخاصة بك؟ لا بأس - كلنا ننسى الأشياء أحيانًا.",
"ARE_YOU_A_STUDENT": "هل أنت طالب؟",
"ARE_YOU_A_STUDENT_INTRO_1": "إذا كان صفك يستخدم هذه الأداة بالفعل ، فاطلب من معلمك أو رئيس نادي الأكواد إنشاء حساب لك.",
"ARE_YOU_A_STUDENT_INTRO_2": "إذا لم يكن صفك يستخدم الأداة بالفعل، فاطلب من معلمك أو رئيس نادي الأكواد التواصل معنا.",
"RESET_STUDENT_PASSWORD_1": "إذا كنت طالبًا، لا يوجد لدينا عنوان بريدك الإلكتروني حتى نتمكن من إرسال بريد إلكتروني لإعادة تعيين كلمة المرور.",
"RESET_STUDENT_PASSWORD_2": "هذه ليست مشكلة!",
"RESET_STUDENT_PASSWORD_3": "ما عليك سوى سؤال معلمك أو قائد المجموعة الذي سجل اشتراكك لأول مرة. سيتمكنون من إعادة تعيين كلمة المرور الخاصة بك من خلال صفحة الإدارة الخاصة بهم."
},
"SIGNUP": {
"TEACHER": {
"TITLE": "هل أنت معلم أو رئيس نادي الأكواد؟",
"INFO1": "إذا كنت ترغب في الوصول لطلابك، يرجى إنشاء حساب الصف أدناه.",
"INFO2": "هناك نوعان من حسابات الصف - اعتمادًا على من قام بإعدادها."
},
"UNMANAGED": {
"TITLE": "إنشائ حساب الصف",
"INTRO": "إذا كنت سعيدًا بإعداد حساب الصف وإدارته بنفسك ، فيمكنك القيام بذلك الآن!",
"LISTINTRO": "ستحتاج إلى:",
"LIST_CREATEACCOUNT": "قم بإنشاء حساب مجاني على IBM Cloud",
"LIST_CREATEAPIKEYS": "إنشاء مفتاح (مفاتيح) API لخدمات Watson السحابية اللازمة لتدريب نماذج تعلم الآلة",
"LIST_ENTERAPIKEYS": "أدخل مفتاح واجهة برمجة التطبيقات API في أداة تعلم الآلة للأطفال ",
"HELP": "تتوفر إرشادات خطوة بخطوة (مع لقطات الشاشة) لكل هذا."
},
"MANAGED": {
"TITLE": "إنشاء <strong>إدارة</strong>حساب الصف ",
"INTRO": "إذا كنت ترغب في أن يقوم Dale بإعداد حساب الصف ، استخدم الزر في الأسفل لإرسال بريد إلكتروني بالمعلومات التالية:",
"LIST_NUMBEROFSTUDENTS": "تقريبًا كم عدد حسابات الطلاب التي ستحتاجها",
"LIST_NAMEOFSCHOOL": "اسم المدرسة أو نادي الأكواد التي تم تخصيص الحساب لها",
"RESTRICTIONS": "This offer is only available to schools and not-for-profit student coding clubs.",
"EMAIL": "البريد الإلكتروني"
}
},
"PROJECTS": {
"TITLE": "مشاريع تعلم الآلة الخاصة بك",
"ADDNEWPROJECT": "إضافة مشروع جديد",
"COPYTEMPLATE": "نسخ القالب ",
"CREATEFIRSTPROJECT": "انقر فوق زر \"زائد\" على اليمين لإنشاء مشروعك الأول.",
"RECOGNISING": "تمييز ",
"PREDICTING": "Predicting",
"AS": "مثل",
"SHARE": "مشاركة",
"UNSHARE": "إلغاء المشاركة",
"WHOLE_CLASS_TITLE": "مشروع حشد المصادر",
"WHOLE_CLASS_NOTES": "هذا مشروع الصف بأكلمه. يمكن لجميع الطلاب في صفك استخدامه وإضافته إلى بيانات التدريب.",
"CLOUD_STORAGE_TITLE": "Cloud project",
"CLOUD_STORAGE_NOTES": "Your training data for this project is stored in the cloud. This project can be accessed from any computer.",
"LOCAL_STORAGE_TITLE": "Local project",
"LOCAL_STORAGE_NOTES": "Your training data for this project is stored on your computer. This project can only be accessed from this web browser."
},
"NEWPROJECT": {
"TITLE": "بدء مشروع جديد لتعلم الآلة",
"PROJECT_NAME": {
"TITLE": "اسم المشروع",
"NOTES": "قم بتسمية مشروعك لوصف نوع الأشياء التي ستحاول تعليم الكمبيوتر التعرف عليها."
},
"WHOLE_CLASS_PROJECT": {
"TITLE": "مشروع كامل الصف؟",
"NOTES_1": "ضع علامة على هذا إذا كنت تريد أن يتمكن الصف بأكمله من العمل في هذا المشروع معًا.",
"NOTES_2": "هذا مفيد للمشروعات التي تعلم حشد المصادر كنهج لتدريب مشاريع تعلم الآلة."
},
"STORAGE": {
"LABEL": "Storage",
"LOCAL": "In your web browser",
"CLOUD": "In the cloud",
"NOTES_1": "Where do you want to store this project?",
"NOTES_2": "Storing in your web browser removes limits on how big your project can be.",
"NOTES_3": "Storing in the cloud will let you access the project from any computer.",
"PROMPT": "Please choose where you would like to store your project"
},
"TYPES": {
"TYPELABEL": "Project Type",
"LABEL": "تمييز ",
"NOTES_1": "ما نوع الشيء الذي تريد تعليم الكمبيوتر أن يتعرف عليه؟",
"NOTES_2": "للكلمات أو الجمل أو الفقرات ، اختر \"نص\"",
"NOTES_3": "للصور والرسوم البيانية والرسوم ، اختر \"صور\"",
"NOTES_4": "لمجموعات من الأرقام أو الخيارات المتعددة ، اختر \"أرقام\"",
"NOTES_5": "للأصوات، اختر \"الأصوات\"",
"NOTES_6": "To predict numbers, choose \"predicting numbers\""
},
"LANGUAGE": {
"LABEL": "اللغة ",
"NOTES": "ما هي لغة النص في هذا المشروع؟"
},
"FIELDS": {
"TYPE": {
"TITLE": "نوع القيمة",
"NUMBER": "رقم",
"MULTIPLE_CHOICE": "خيارات متعددة"
},
"CHOICES": {
"TITLE": "خيارات",
"LABEL": "أضف خيارًا"
},
"NEWFIELD": {
"DESCRIBE_FIELD": "قم بتسمية هذا الحقل لوصف القيمة",
"MULTICHOICE": "إذا كان يمكن وصفه بأنه اختيار من بين عدد قليل من الخيارات ، فاختر \"خيارات متعددة\".",
"ADD_FIRST_FIELD": "اكتب خيارًا لاستخدامه في قائمة الخيارات المتعددة ، ثم اضغط على إدخال.",
"ADD_ANOTHER_FIELD": "اكتب خيارًا آخر لاستخدامه في قائمة الخيارات المتعددة ، ثم اضغط على إدخال."
},
"NEWVALUE": {
"ADD_FIRST_VALUE": "ابدأ في وصف القيم التي ستقوم بتضمينها في كل مثال لتدريب الكمبيوتر من خلال النقر فوق زر \"إضافة قيمة\".",
"VALUES_LIMIT": "لا يسمح لك بأكثر من 10 قيم في المشروع."
}
},
"CREATE": "إنشاء",
"ERRORS": {
"REQUIRED": "هذا مطلوب!",
"TOOLONG": "هذا طويل جدًا!",
"EXCEEDLIMIT": "You've reached the limit for the number of projects you can have. You need to delete one of your current projects before you can create another.",
"TRYITNOW": "Sorry! You can only create one project at a time if you use 'Try it now'. You need to delete your current project before you can create another."
},
"WARNINGS": {
"MLCRED-TEXT-NOKEYS": "يُرجى إعلام معلمك بأنه سيحتاج إلى إضافة \"Watson Assistant API key \" إلى صفك للسماح لك بالتدريب على نموذج تعلُّم الآلة لمشروعك الجديد.",
"MLCRED-TEXT-INVALID": "قد تكون هناك مشكلة في مفاتيح واجهة برمجة تطبيقات IBM Cloud ستحتاج إلى تدريب نموذج تعلُّم الآلة لمشروعك الجديد. أطلب من معلمك التحقق من \"Watson Assistant API key\" في صفك."
}
},
"DATASETS": {
"TITLE": "نسخ نموذج مشروع تعلُم الآلة",
"INTRO": {
"INTRO_1": "يمكنك إنشاء مشروع تعلم الآلة جديد بناءً على أحد هذه النماذج.",
"INTRO_2": "تحتوي كل واحدة على مجموعة من بيانات التدريب التي تم جمعها لك لمساعدتك على البدء بسرعة.",
"INTRO_3": "يمكنك إجراء تغييرات على بيانات التدريب إذا أردت ، أو يمكنك الانتقال مباشرةً إلى تدريب نموذج تعلم الآلة باستخدامه."
},
"IMPORT": "استيراد",
"PLEASEWAIT": "Importing. Please wait...",
"NEW": {
"LOCAL": "Store on your computer",
"CLOUD": "Store in the cloud"
},
"TESTING": "Do you want to use some of the data for testing?",
"MORE": {
"TITLE": "مجموعات البيانات الأخرى",
"SUMMARY": "ما هي مجموعات البيانات الأخرى التي ترغب في رؤيتها؟",
"DESCRIPTION": "هل لديك فكرة لمجموعة بيانات تريد رؤيتها متاحة هنا؟ أو هل لديك مجموعة بيانات ترغب في المشاركة بها؟ يرجى التواصل!",
"MOREINFO": "المزيد..."
},
"DATA": {
"TITANIC": {
"TITLE": "الناجون من تيتانيك",
"SUMMARY": "توقع النجاة على التيتانيك",
"DESCRIPTION": "في 15 أبريل 1912 ، ضربت تيتانيك RMS جبل جليدي وغرقت ، مما أسفر عن مقتل أكثر من 1500 من الركاب والطاقم. يتضمن هذا المشروع بيانات شخصية عن مئات الركاب. يمكنك استخدام هذا لتدريب نموذج تعلم الآلة الذي إذا أعطيته وصفاً للراكب ، يمكنه تعلم التنبؤ باحتمال بقائه على قيد الحياة.",
"DETAILS": "حقل \"فئة التذكرة\" هو رقم يشير إلى نوع التذكرة للراكب: الدرجة الأولى (1) أو الدرجة الثانية (2) أو الدرجة الثالثة (3).\nحقل \"الجنس\" هو ما إذا كان الراكب \"ذكراً\" أم \"أنثى\".\nحقل \"العمر\" هو عمر الراكب.\n'sibl. sp.' هو عدد الأخوة أو الأخوات (الأشقاء) لراكب على السفينة إذا كان طفلاً ، أو عدد الأزواج أو الزوجات (الأزواج) لراكب على السفينة إذا كانوا بالغين.\n حقل The 'par. ch.' هو عدد الآباء لراكب على سفينة إذا كانوا أطفالًا ، أو عدد الأطفال لراكب على السفينة إذا كانوا بالغين.\nحقل \"سعر التذكرة\" هو المبلغ الذي دفعوه مقابل التذكرة.\nحقل 'صاعد' هو المكان الذي أتوا منه من هم على متن تيتانيك ، إما شيربورغ أو كوينستاون أو ساوثهامبتون."
},
"CATSANDDOGS": {
"TITLE": "قطط و كلاب",
"SUMMARY": "تعرف على صور القطط مقابل الكلاب",
"DESCRIPTION": "يُستخدم تدريب نموذج تعلم الآلة للتعرف على صور القطط والكلاب كمقدمة بسيطة جيدة للتعرف على الصور.",
"DETAILS": "مجموعة بيانات التدريب هذه من Wikimedia Commons هي مجموعة جيدة للانطلاق لبناء بيانات التدريب الخاصة بك لصور الحيوانات"
},
"ORGANICWASTE": {
"TITLE": "Organic waste",
"SUMMARY": "Sorting waste items",
"DESCRIPTION": "Training a machine learning model to recognise if an item can be placed in a biodegradable bin is a way to highlight how image recognition can help.",
"DETAILS": "Attribution: Sashaank Sekar https://www.kaggle.com/datasets/techsash/waste-classification-data"
},
"UKNEWSPAPERS": {
"TITLE": "عناوين الصحف البريطانية",
"SUMMARY": "التعرف على استخدام اللغة في العناوين",
"DESCRIPTION": "تستخدم مختلف الصحف اللغة بطرق مختلفة. يتضمن هذا المشروع العنوان الرئيسي للصفحة الأولى من أربع صحف بريطانية. يمكنك استخدام هذا لتدريب نموذج تعلم الآلة الذي يمكنه أن يتعلم التنبؤ بالصحيفة الأكثر احتمالاً التي قد يكون العنوان الرئيسي الجديد منها.",
"DETAILS": "تشتمل مجموعة بيانات التدريب هذه على عناوين رئيسية من Daily Mail و Daily Telegraph و Independent و The Guardian"
},
"PHISHING": {
"TITLE": "التصيد الالكتروني",
"SUMMARY": "توقع ما إذا كان الرابط هو رابط تصيد الكتروني",
"DESCRIPTION": "التصيد الالكتروني هو عندما يحاول أحد مواقع الويب خداعك للتنازل عن معلومات حساسة ، عن طريق إرسال رابط إلى موقع مزيف مقنع مثل موقع جدير بالثقة. يمكنك استخدام هذا لتدريب نموذج تعلم الآلة الذي يمكنه التنبؤ بما إذا كان عنوان الويب رابطًا حقيقيًا ، أو رابط تصيد الكتروني لموقع ويب مزيف.",
"DETAILS": "تتضمن مجموعة بيانات التدريب هذه سمات خمسمائة عنوان ويب شرعي ، وخمسمائة رابط تصيد إلكتروني.\n\nحقل \"نوع العنوان\" هو \"عنوان IP\" إذا كان الرابط يحتوي على عنوان IP رقمي مثل \"104.20.74.246\" أو \"اسم DNS\" إذا كان الرابط يحتوي على عنوان قائم على الاسم مثل \"machinelearningforkids.co.uk\".\nيقوم حقل \"طول عنوان url\" بتجميع عناوين التدريب حسب طولها.\nحقل \"الاختصار\" هو \"نعم\" إذا كان عنوان الويب يستخدم خدمة اختصار مثل TinyURL أو bit.ly ، أو \"لا\" إذا لم يكن كذلك.\nحقل \"يتضمن @\" هو \"نعم\" إذا كان عنوان الويب يحتوي على رمز @ أو \"لا\" إذا لم يكن كذلك.\nحقل \"رقم المنفذ\" هو \"قياسي\" إذا كان عنوان الويب يستخدم رقم منفذ قياسي مثل 80 أو 443 ، أو \"غير قياسي\" إذا كان يستخدم شيئًا مختلفًا.\nمجموعات عنوانين حقل \"عمر المجال\" منذ متى تم تسجيل عنوان الويب في العنوان.\nيقوم الحقل \"عمليات إعادة التوجيه\" بتجميع عناوين التدريب حسب عدد مرات إرسال متصفح الويب إلى عنوان مختلف قبل الوصول إلى الصفحة الأخيرة.\nيكون حقل \"domain reg\" \"منتهي الصلاحية\" إذا انتهت صلاحية تسجيل اسم نطاق عنوان الويب خلال عام."
},
"NOUGHTSANDCROSSES": {
"SUMMARY": "تعلم كيف تلعب لعبة",
"DESCRIPTION": "درّب نموذج تعلم الآلة على لعب إكس-أو ، من خلال جمع أمثلة على الحركات التي يمكن للكمبيوتر استخدامها لتعلم كيفية التنبؤ بأفضل حركة للقيام بها بعد ذلك.",
"DETAILS": "هذا نموذج فارغ لمساعدتك على جمع بيانات التدريب الخاصة بك. للحصول على إرشادات حول كيفية استخدامه ، قم بتنزيل \"إكس- أو\" من صحيفة التعليمات."
},
"TOPTRUMPS": {
"TITLE": "ملوك وملكات Top Trumps",
"SUMMARY": "تعلم كيف تلعب لعبة",
"DESCRIPTION": "درّب نموذج تعلم الآلة على لعب لعبة Top Trumps استنادًا إلى ملوك وملكات الإنجليزيين ، من خلال جمع أمثلة على التحركات التي يمكن للكمبيوتر استخدامها لمعرفة كيفية التنبؤ بالقيمة التي يجب اختيارها.",
"DETAILS": "هذا نموذج فارغ لمساعدتك على جمع بيانات التدريب الخاصة بك. للحصول على تعليمات حول كيفية استخدامه ، قم بتنزيل \"Top Trumps\" من صحيفة التعليمات."
},
"SONGLYRICS": {
"TITLE": "كلمات الاغنية",
"SUMMARY": "تعرف على أنواع الأغاني",
"DESCRIPTION": "درّب نموذج تعلم الآلة للتعرف على نوع الأغنية بناءً على كلماتها",
"DETAILS": "تتضمن مجموعة بيانات التدريب 140 سطرًا من كلمات الأغاني - نصفها من أغاني الأطفال ونصف من أفضل 40 أغنية. إنها مجموعة جيدة للانطلاق لتدريب نموذج تعلم الآلة للتعرف على الاستخدامات المختلفة للغة."
},
"HANDGESTURES": {
"TITLE": "Hand gestures",
"SUMMARY": "Recognize hand gestures from finger positions",
"DESCRIPTION": "Train a machine learning model to recognize different hand gestures, by collecting examples of the positions of your fingers.",
"DETAILS": "This is an empty template to help you collect your own training data. For instructions on how to use it, download 'Hand gestures' from Worksheets."
},
"POKEMONSTATS": {
"TITLE": "Pokémon statistics",
"SUMMARY": "Recognize Pokémon from their statistics",
"DESCRIPTION": "Train a machine learning model to predict the type of a Pokémon based on a collection of statistics about hundreds of Pokémon. ",
"DETAILS": "This training dataset includes attributes of a selection of Pokémon. \n\nThe 'height' field is the height of a Pokémon in metres. \nThe 'weight' field is the weight of a Pokémon in kilograms. \nThe 'attack' field is the attack strength of a level 100 Pokémon. \nThe 'defense' field is the defense strength of a level 100 Pokémon. \nThe 'speed' field is the speed rating of a level 100 Pokémon. \nThe 'HP' field is the hit point statistics for a Pokémon. \nThe 'capture rate' field is the catch rate for a Pokémon. Pokémon with higher catch rates are easier to capture than Pokémon with lower catch rates."
},
"POKEMONIMAGES": {
"TITLE": "Pokémon images",
"SUMMARY": "Recognize Pokémon from pictures",
"DESCRIPTION": "Train a machine learning model to predict the type of a Pokémon based on a set of pictures of a hundred Pokémon. ",
"DETAILS": "This training dataset includes images of a selection of Pokémon, grouped by their type. It is a good starting set for training a machine learning model to predict the type of a Pokémon from a picture."
},
"ARGO": {
"TITLE": "Ocean data",
"SUMMARY": "Predict the location from ocean sensor data",
"DESCRIPTION": "Train a machine learning model to predict the location of ocean robots. ",
"DETAILS": "Argo is an international program that collects information from inside the ocean using a fleet of robotic instruments that drift with the ocean currents and move up and down between the surface and a mid-water level. Each instrument (float) spends almost all its life below the surface.\n\nSome floats fail to report back their location data. Train a machine learning model to predict which ocean the float data is likely to have been collected from.\n\n\nAttribution / References:\nForget, Gaël, 2016, \"MITprof_mar2016_argo0910.nc\", ECCO version 4 release 2: in situ and estimated profile data (MITprof data sets), https://doi.org/10.7910/DVN/EE3C40/DQBDDA, Harvard Dataverse, V1\nForget, G., Campin, J.-M., Heimbach, P., Hill, C. N., Ponte, R. M., and Wunsch, C.: ECCO version 4: an integrated framework for non-linear inverse modeling and global ocean state estimation, Geosci. Model Dev., 8, 3071–3104, https://doi.org/10.5194/gmd-8-3071-2015, 2015.\n\nPrepared by Dani Jones, British Antartic Survey, NERC, UKRI"
},
"FAKENEWS": {
"TITLE": "Fake news",
"SUMMARY": "Recognize fake news",
"DESCRIPTION": "Train a machine learning model to recognize the type of writing in fake news. ",
"DETAILS": "False and misleading news is more common as people turn to social media to get their news. Use this dataset to create a machine learning model that can try to distinguish when news is real or fake.\n\n\nAttribution: \nhttps://www.uvic.ca/ecs/ece/isot/datasets/fake-news/\n\nAcknowledgements:\nAhmed H, Traore I, Saad S. \"Detecting opinion spams and fake news using text classification\", Journal of Security and Privacy, Volume 1, Issue 1, Wiley, January/February 2018.\nAhmed H, Traore I, Saad S. (2017) \"Detection of Online Fake News Using N-Gram Analysis and Machine Learning Techniques\". In: Traore I., Woungang I., Awad A. (eds) Intelligent, Secure, and Dependable Systems in Distributed and Cloud Environments. ISDDC 2017. Lecture Notes in Computer Science, vol 10618. Springer, Cham (pp. 127-138)."
},
"STARS": {
"TITLE": "Star types",
"SUMMARY": "Learn to classify the types of stars",
"DESCRIPTION": "Train a machine learning model to predict the type of a star based on their attributes. ",
"DETAILS": "Stellar classification is when astronomers classify a star based on their spectral characteristics. Use this dataset to train a simple machine learning model that can predict some types of stars.\n\nThe 'temperature' field is in degrees Kelvin.\nThe 'radius' field gives the size of the star relative to the Sun.\nThe 'brightness' field gives the luminosity of the star relative to the Sun.\nThe 'colour' field gives the observable colour of the star.\n\nAttribution: \nhttps://www.kaggle.com/datasets/brsdincer/star-type-classification"
},
"CAPTCHA": {
"TITLE": "CAPTCHA",
"SUMMARY": "Recognise objects in images",
"DESCRIPTION": "Train a machine learning model to solve CAPTCHA problems, by recognising objects in photographs. ",
"DETAILS": "This is an empty template to help you collect your own training data. For instructions on how to use it, download 'CAPTCHA' from Worksheets."
}
}
},
"PROJECT": {
"TRAIN": {
"TITLE": "تدريب",
"BODY": "اجمع أمثلة على ما تريد للكمبيوتر أن يتعرف عليه ",
"REGRESSION": "Collect examples of what you want the computer to predict"
},
"LEARNANDTEST": {
"TITLE": "تعلم وamp; اختبر ",
"BODY": "استخدم الأمثلة لتدريب الكمبيوتر على التعرف",
"REGRESSION": "Use the examples to train the computer to make predictions"
},
"MAKES": {
"TITLE": "صنع",
"BODY": "استخدم نموذج تعلم الآلة الذي دربته لإنشاء لعبة أو تطبيق ، في Scratch أو في Python",
"BODY_SCRATCHPYTHONAPPINV": "Use the machine learning model you've trained to make a game or app, in Scratch, Python, or App Inventor",
"BODY_SCRATCHONLY": "Use the machine learning model you've trained to make a game or app in Scratch"
},
"SCRATCH": {
"TITLE": "Scratch",
"BODY": "استخدم نموذج تعلم الآلة الذي دربته لإنشاء لعبة في Scratch"
},
"PYTHON": {
"TITLE": "Python",
"BODY": "استخدم نموذج تعلم الآلة الذي قمت بتدريبه في برنامج Python"
},
"APPINVENTOR": {
"TITLE": "App Inventor",
"BODY": "أنشئ تطبيقًا للجوّال يستخدم نموذج تعلم الآلة"
},
"SCRATCH3": {
"TITLE": "Scratch 3",
"BODY": "استخدم نموذج تعلم الآلة الخاص بك في الإصدار الجديد من Scratch"
},
"EDUBLOCKS": {
"TITLE": "EduBlocks",
"BODY": "Write Python using a drag and drop coding tool"
}
},
"TRAINING": {
"TITLE": "تدريب",
"ADDLABEL": "أضف تسمية جديدة",
"ADDCOLUMN": "Add new column",
"CREATEFIRSTLABEL": "انقر على زر \"زائد\" على اليمين لإضافة أول مجموعة.",
"CROWDSOURCEDEMPTY": "قم بتحديث هذه الصفحة بعد قيام معلمك بإنشاء مجموعات التدريب.",
"ADDEXAMPLE": "إضافة مثال",
"ADDFROMFILE": "Add file",
"ADDURL": "www",
"ADDWEBCAM": "كاميرا ويب",
"ADDDRAWING": "رسم",
"DRAGIMAGES": "اسحب الصور من نوافذ المتصفح الأخرى وضعها هنا",
"DRAGIMAGESLOCAL": "Drag pictures from files or other browser windows and drop them here",
"NEWLABEL": {
"INTRO": "أدخل تسمية جديدة للتعرف عليها",
"ERROR": "استخدم الأحرف والأرقام فقط في التسميات"
},
"NEWCOLUMN": {
"INTRO": "Enter name for a new column",
"ERROR": "Only use letters and numbers in column names"
},
"NEWEXAMPLE": {
"INTRO": "أدخل مثالاً على",
"INTROURL": "أدخل عنوان URL لصورة التي هي مثال على",
"INTRODRAWING": "ارسم مثال جديد لـ",
"INTROWEBCAM": "أضف مثال جديد لـ",
"ERROR": "غير مسموح لك باستخدام علامات التبويب أو الخطوط الجديدة.",
"REQUIRED": "يجب عليك تضمين قيم لجميع الحقول في المثال",
"PATTERNNUMBER": "هذا لا يبدو كرقم",
"PATTERNURL": "يجب أن يكون هذا عنوان الويب الخاص بالصورة",
"WEBCAMFAIL": "المعذرة! لم نتمكن من الحصول على كاميرا ويب للعمل معك.",
"WEBCAMERROR": "الرسالة التي وصلتنا من متصفح الويب الخاص بك كانت:"
},
"BACKGROUNDNOISE": "سيساعد جمع أمثلة لضوضاء الخلفية على تعلم الكمبيوتر التعرف على أصواتك",
"REGRESSION": {
"NOOUTPUTCOLS": "Tick the column(s) that you want your machine learning model to predict values for.",
"NOTRAINING": "Add training examples from Scratch or by uploading a CSV file.",
"NOCOLUMNS": "Add columns to use for this project.",
"ONECOLUMN": "You need at least two columns to have input and output."
}
},
"MODELS": {
"TITLE": "نماذج تعلم الآلة",
"TRAIN": "تدريب نموذج جديد لتعلم الآلة",
"CANCEL": "إلغاء التدريب",
"DELETE": "حذف هذا النموذج",
"TEST_CANVAS": "ارسم شيئًا لاختبار نموذجك باستخدامه",
"TEST_WEBCAM": "التقط صورة لاختبار نموذجك باستخدامها",
"WHATHAVEYOUDONE": {
"TITLE": "ماذا فعلت؟",
"PLEASEWAIT": "عادةً ما يستغرق هذا بضع دقائق ، ولكن يمكن أن يستغرق وقتًا أطول قليلاً إذا كان جهاز الكمبيوتر التدريبي مشغولاً للغاية.",
"FAIL": "للأسف ، حدث خطأ ما.",
"TRAINING": {
"CROWDSOURCED": {
"TEXT": "يقوم صفك بتدريب نموذج تعلم الآلة باستخدام أمثلة النصوص التي جمعتها جميعًا.",
"IMAGES": "يقوم صفك بتدريب نموذج تعلم الآلة باستخدام أمثلة الصور التي جمعتها جميعًا.",
"NUMBERS": "يقوم صفك بتدريب نموذج تعلم الآلة باستخدام أمثلة الأرقام التي جمعتها جميعًا.",
"SOUNDS": "يقوم صفك بتدريب نموذج تعلم الآلة باستخدام أمثلة الأصوات التي جمعتها جميعًا."
},
"INDIVIDUAL": {
"TEXT": " لقد بدأت تدريب نموذج تعلم الآلة باستخدام أمثلة النصوص التي أنت جمعتها.",
"IMAGES": "لقد بدأت في تدريب نموذج تعلم الآلة باستخدام أمثلة الصور التي أنت جمعتها.",
"NUMBERS": "لقد بدأت في تدريب نموذج تعلم الآلة باستخدام أمثلة الأرقام التي أنت جمعتها.",
"SOUNDS": "لقد بدأت في تدريب نموذج تعلم الآلة باستخدام أمثلة الأصوات التي أنت جمعتها."
},
"SINCE": "لقد تم التدريب منذ "
},
"READY": {
"CROWDSOURCED": {
"TEXT": "قام صفك بتدريب نموذج تعلم الآلة للتعرف عندما تكون النصوص",
"IMAGES": "قام صفك بتدريب نموذج تعلم الآلة للتعرف عندما تكون صور",
"NUMBERS": "قام صفك بتدريب نموذج تعلم الآلة للتعرف عندما تكون أرقام",
"SOUNDS": "قام صفك بتدريب نموذج تعلم الآلة للتعرف عندما تكون أصوات"
},
"INDIVIDUAL": {
"TEXT": "لقد درَّبت نموذج تعلم الآلة للتعرف عندما تكون النصوص",
"IMAGES": "لقد درَّبت نموذج تعلم الآلة للتعرف عندما تكون الصور",
"NUMBERS": "لقد درَّبت نموذج تعلم الآلة للتعرف عندما تكون الأرقام",
"SOUNDS": "لقد درَّبت نموذج تعلم الآلة للتعرف عندما تكون الأصوات ",
"REGRESSION": "You have trained a machine learning model to predict the values of "
},
"CREATED": {
"TEACHER": "قام معلمك بإنشاء النموذج في",
"YOU": "لقد أنشأت النموذج في"
},
"TRAINING": {
"CLASS": "قام صفك بجمع:",
"YOU": "لقد جمعت:"
}
},
"ERROR": {
"CROWDSOURCED": {
"CLASS": {
"TEXT": "حاول معلمك تدريب نموذج تعلم الآلة باستخدام أمثلة النصوص التي جمعها صفك.",
"IMAGES": "حاول معلمك تدريب نموذج تعلم الآلة باستخدام أمثلة الصور التي جمعها صفك.",
"NUMBERS": "حاول معلمك تدريب نموذج تعلم الآلة باستخدام أمثلة الأرقام التي جمعها صفك.",
"SOUNDS": "حاول معلمك تدريب نموذج تعلم الآلة باستخدام أمثلة الأصوات التي جمعها صفك."
},
"YOU": {
"TEXT": "لقد حاولت تدريب نموذج تعلم الآلة باستخدام أمثلة النصوص التي جمعها صفك.",
"IMAGES": "لقد حاولت تدريب نموذج تعلم الآلة باستخدام أمثلة الصور التي جمعها صفك.",
"NUMBERS": "لقد حاولت تدريب نموذج تعلم الآلة باستخدام أمثلة الأرقام التي جمعها صفك.",
"SOUNDS": "لقد حاولت تدريب نموذج تعلم الآلة باستخدام أمثلة الأصوات التي جمعها صفك."
}
},
"INDIVIDUAL": {
"TEXT": "لقد حاولت تدريب نموذج تعلم الآلة باستخدام أمثلة النصوص التي أنت جمعتها .",
"IMAGES": "لقد حاولت تدريب نموذج تعلم الآلة باستخدام أمثلة الصور التي أنت جمعتها .",
"NUMBERS": "لقد حاولت تدريب نموذج تعلم الآلة باستخدام أمثلة الأرقام التي أنت جمعتها .",
"SOUNDS": "لقد حاولت تدريب نموذج تعلم الآلة باستخدام أمثلة الأصوات التي أنت جمعتها ."
}
},
"IDLE": {
"NOLABELS": {
"CROWDSOURCED": {
"TEXT": "قال صفك أنك تريد جمع أمثلة على النصوص.",
"IMAGES": "قال صفك أنك تريد جمع أمثلة على الصور.",
"NUMBERS": "قال صفك أنك تريد جمع أمثلة على الأرقام.",
"SOUNDS": "قال صفك أنك تريد جمع أمثلة على الأصوات."
},
"INDIVIDUAL": {
"TEXT": "لقد قلت أنك تريد جمع أمثلة على النصوص.",
"IMAGES": "لقد قلت أنك تريد جمع أمثلة على الصور.",
"NUMBERS": "لقد قلت أنك تريد جمع أمثلة على الأرقام.",
"SOUNDS": "لقد قلت أنك تريد جمع أمثلة على الأصوات."
}
},
"NODATA": {
"CROWDSOURCED": {
"TEXT": "قال صفك أنك تريد جمع أمثلة على النصوص ليعرفها الكمبيوتر عندما تكون النصوص",
"IMAGES": "قال صفك أنك تريد جمع أمثلة على الصور ليعرفها الكمبيوتر عندما تكون الصور",
"NUMBERS": "قال صفك أنك تريد جمع أمثلة على الأرقام ليعرفها الكمبيوتر عندما تكون الأرقام",
"SOUNDS": "قال صفك أنك تريد جمع أمثلة على الأصوات ليعرفها الكمبيوتر عندما تكون الأصوات"
},
"INDIVIDUAL": {
"TEXT": "قلت إنك تريد جمع أمثلة من النصوص ليعرفها الكمبيوتر عندما تكون النصوص",
"IMAGES": "قلت إنك تريد جمع أمثلة من الصور ليعرفها الكمبيوتر عندما تكون الصور",
"NUMBERS": "قلت إنك تريد جمع أمثلة من الأرقام ليعرفها الكمبيوتر عندما تكون الأرقام",
"SOUNDS": "قلت إنك تريد جمع أمثلة من الأصوات ليعرفها الكمبيوتر عندما تكون الأصوات",
"REGRESSION" : "You said that you want to collect examples of numbers for a computer to predict the value of "
}
},
"NOEXAMPLES": {
"CLASS": "حتى الآن ، لم يجمع صفك أي أمثلة بعد.",
"YOU": "حتى الآن ، لم تجمع أي أمثلة بعد."
},
"DATA": {
"CROWDSOURCED": {
"TEXT": "قام صفك بجمع أمثلة على النصوص ليستخدمها الكمبيوتر للتعرف عندما تكون النصوص",
"IMAGES": "قام صفك بجمع أمثلة على الصور ليستخدمها الكمبيوتر للتعرف عندما تكون الصور",
"NUMBERS": "قام صفك بجمع أمثلة على الأرقام ليستخدمها الكمبيوتر للتعرف عندما تكون الأرقام",
"SOUNDS": "قام صفك بجمع أمثلة على الأصوات ليستخدمها الكمبيوتر للتعرف عندما تكون الأصوات"
},
"INDIVIDUAL": {
"TEXT": "لقد جمعت أمثلة من نصوص ليستخدمها الكمبيوتر للتعرف عندما تكون النصوص",
"IMAGES": "لقد جمعت أمثلة من الصور ليستخدمها الكمبيوتر للتعرف عندما تكون الصور",
"NUMBERS": "لقد جمعت أمثلة من الأرقام ليستخدمها الكمبيوتر للتعرف عندما تكون الأرقام",
"SOUNDS": "لقد جمعت أمثلة من الأصوات ليستخدمها الكمبيوتر للتعرف عندما تكون الأصوات",
"REGRESSION" : "You have collected examples of numbers for a computer to use to predict the value of "
},
"COLLECTED": {
"CLASS": "لقد قاموا بجمع: ",
"YOU": "لقد جمعت:"
}
}
}
},
"WHATSNEXT": {
"TITLE": "ما التالي؟",
"PLEASEWAIT": "يمكنك انتظار نموذج تعلم الآلة حتى ينتهي من التدريب.",
"OFFERQUIZ": "أو يمكنك تجربة اختبار تعلم الآلة في الأسفل ، للتحقق مما تعلمته.",
"FAIL": "تظهر رسالة الخطأ من كمبيوتر التدريب في الأسفل. إذا كان ذلك منطقيًا بالنسبة لك ، فحاول إصلاح المشكلة. خلاف ذلك ، قد يكون من المفيد المحاولة مرة أخرى في حالة ما إذا كان مجرد خطأ عشوائي.",
"IDLE": {
"NOLABELS": "الخطوة التالية هي الانتقال إلى <a href='{{ urls.train }}'>صفحة التدريب</a>. أضف بعض التسميات لكل الأشياء التي تريد أن تعلمها للكمبيوتر و يكون قادرًا على التعرف عليها.",
"ONELABEL": {
"EXPLANATION": "لقد قلت شيئًا واحدًا فقط تريد أن يتمكن الكمبيوتر من التعرف عليه: {{label}}",
"ISTHATALL": "هل هذا هو الشيء الوحيد الذي تريد أن يتمكن الكمبيوتر من التعرف عليه؟",
"NO": "<strong>لا؟</strong> <br/>ارجع إلى صفحة<a href='{{ urls.train }}'> التدريب</a>.<br/> أضف المزيد من التسميات لجميع الأشياء التي تريد تعليمها للكمبيوتر و يكون قادرًا على التعرف عليها.",
"YES": "<strong>نعم؟</strong><br/>تحتاج إلى القيام بمزيد من العمل أولاً. <br/>بالنسبة للكمبيوتر حتى يتمكن من تعلم كيفية التعرف على \"{{label}}\" ، عليك أن تقدم له بعض الأمثلة عن أشياء ليست {{label}}. <br/>ارجع إلى صفحة <a href='{{ urls.train }}'>التدريب</a> وأنشئ تسمية جديدة لأمثلة على الأشياء التي ليست {{label}}. يمكنك تسميتها \"not-{{ label }}\"."
},
"LABELS": {
"NO_DATA": "الخطوة التالية هي الذهاب إلى صفحة <a href='{{ urls.train }}'>التدريب</a>. أضف أمثلة لكل من التسميات.",
"NO_DATA_REGRESSION" : "The next step is to go to the <a href='{{ urls.train }}'>Train</a> page. Add examples of numbers.",
"NO_OUTPUT_COLUMNS": "The next step is to go to the <a href='{{ urls.train }}'>Train</a> page. Choose which value(s) you want the computer to learn to predict, by marking them as output columns.",
"MORE_DATA": {
"KEEP_GOING": "استمر!",
"MORE_EXAMPLES": {
"YOU": "ارجع إلى صفحة <a href='{{ urls.train }}'>التدريب</a> واجمع المزيد من الأمثلة لكل التسميات.",
"CLASS": "اطلب من صفك العودة إلى صفحة <a href='{{ urls.train }}'>التدريب</a> وجمع المزيد من الأمثلة لكل التسميات."
},
"MORE_IS_BETTER": "كلما استطعت الحصول عليها ، سوف تتعلم أفضل، ولكنك تحتاج على الأقل إلى {{نماذج قليلة من الأمثلة}} لكل منها كحد أدنى."
},
"ENOUGH_DATA": {
"READY_TO_START": "هل أنت جاهز لبدء تدريب الكمبيوتر؟",
"START_TRAINING": {
"CROWDSOURCED": "انقر على الزر أدناه لبدء التدريب على نموذج تعلُّم الآلة باستخدام الأمثلة التي جمعها صفك حتى الآن.",
"INDIVIDUAL": "انقر على الزر أدناه لبدء التدريب على نموذج تعلُم الآلة باستخدام الأمثلة التي جمعتها حتى الآن."
},
"MORE_EXAMPLES": {
"CROWDSOURCED": "(أو اطلب من طلابك العودة إلى صفحة <a href='{{ urls.train }}'>التدريب </a>إذا كنت تريدهم أن يجمعوا المزيد من الأمثلة أولاً.)",
"INDIVIDUAL": "(أو ارجع إلى صفحة <a href='{{ urls.train }}'>التدريب</a> إذا كنت ترغب في جمع المزيد من الأمثلة أولاً.)"
},
"WAITING_FOR_TEACHER": "في انتظار أن يبدأ معلمك بتدريب الكمبيوتر."
}
}
},
"READY": {
"TEST": {
"TEXT": "حاول اختبار نموذج تعلُّم الآلة في الأسفل. أدخل مثالاً لنص في الأسفل لم تقم بتضمينه في الأمثلة التي استخدمتها لتدريبه. سيخبرك ما يعرفه، ومدى ثقته في ذلك.",
"IMAGES": "حاول اختبار نموذج تعلُّم الآلة في الأسفل. أدخل مثالاً لصورة في الأسفل لم تقم بتضمينها في الأمثلة التي استخدمتها لتدريبه. سيخبرك ما يعرفه، ومدى ثقته في ذلك.",
"NUMBERS": "حاول اختبار نموذج تعلُّم الآلة في الأسفل. أدخل مثالاً لأرقام في الأسفل لم تقم بتضمينها في الأمثلة التي استخدمتها لتدريبه. سيخبرك ما يعرفه، ومدى ثقته في ذلك.",
"SOUNDS": "حاول اختبار نموذج تعلُّم الآلة أدناه. انقر فوق الزر \"بدء الاستماع\". إذا كان نموذج التعلم الآلي الخاص بك يتعرف على أي أصوات ، فسوف يخبرك بما يتعرف عليه ، ومدى ثقته في ذلك.",
"REGRESSION" : "Try testing the machine learning model below. Enter an example of numbers below, that you didn't include in the examples you used to train it. It will tell you what it predicts the output should be."
},
"SCRATCH": "إذا بدا أن الكمبيوتر قد تعلم كيفية التعرف على الأشياء بشكل صحيح ، فيمكنك الانتقال إلى Scratch واستخدام ما تعلمه الكمبيوتر لإنشاء لعبة!",
"SCRATCH_REGRESSION" : "If the computer seems to have learned to predict things correctly, then you can go to Scratch and use what the computer has learned to make a game!",
"ADDITIONAL_TRAINING": {
"MORE_EXAMPLES": {
"CROWDSOURCED": "إذا كان الكمبيوتر يعاني من العديد من الأشياء الخاطئة ، فقد يرغب الصف في العودة إلى صفحة<a href='{{ urls.train }}'> التدريب</a> وجمع المزيد من الأمثلة.",
"INDIVIDUAL": "إذا كان الكمبيوتر يعاني من العديد من الأشياء الخاطئة ، فقد يرغب الصف في العودة إلى صفحة<a href='{{ urls.train }}'> التدريب</a> وجمع المزيد من الأمثلة"
},
"RETRAIN": {
"YOU": "بمجرد القيام بذلك ، انقر فوق الزر في الأسفل لتدريب نموذج جديد لتعلم الآلة ومعرفة الفرق الذي ستحدثه الأمثلة الإضافية!",
"CLASS": "بمجرد القيام بذلك ، سيحتاج معلمك إلى تدريب نموذج جديد لتعلم الآلة."
}
}
}
},
"TRAINING": {
"TITLE": "معلومات من كمبيوتر التدريب:",
"STARTED": "يبدأ النموذج بالتدريب في:",
"STATUS": "حالة النموذج الحالي:",
"DETAIL": "التفاصيل:",
"DELETION": "سيتم حذف النموذج تلقائيًا بعد:",
"LASTCHECK": "آخر مراجعة للنموذج:",
"PROMPTREFRESH": "إذا أخذ الأمر أكثر من دقيقة ، يجب عليك تحديث الصفحة للحصول على حالة محدثة"
},
"TESTING": {
"INTRO": {
"TEXT": "حاول إدخال بعض النصوص لمعرفة كيفية التعرف عليها بناءً على تدريبك.",
"IMAGES": "حاول إدخال بعض الصور لمعرفة كيفية التعرف عليها بناءً على تدريبك.",
"NUMBERS": "حاول إدخال بعض الأرقام لمعرفة كيفية التعرف عليها بناءً على تدريبك.",
"SOUNDS": "حاول إدخال بعض الأصوات لمعرفة كيفية التعرف عليها بناءً على تدريبك.",
"REGRESSION": "Try putting in some numbers to see the prediction based on your training."
},
"WEBCAM": "اختبار باستخدام <strong>كاميرا الويب</strong>",
"DRAWING": "اختبار باستخدام<strong>الرسم</strong>",
"WWW": "اختبار باستخدام<strong>www</strong>",
"RECOGNISED": "معروف بأنه <strong>{{testoutput}}</strong>",
"PREDICTION": "Prediction:",
"STARTLISTENING": "ابدأ بالاستماع",
"STOPLISTENING": "توقف عن الاستماع"
},
"TESTDATA": {
"TITLE": "Test data:",
"EXPLANATION": "You kept some of the data from the project template out of the training set, so that it can be used for testing. Click the button below to download a CSV file.",
"DOWNLOAD": "Download test data"
},
"QUIZ": {
"TITLE": "وقت الاختبار!",
"INTROQUESTION": "أثناء انتظار انتهاء النموذج من التدريب ، حاول الإجابة عن هذا السؤال.",
"PREVIOUSLY_ATTEMPTED": "لقد رأيت هذا من قبل - دعنا نرى ما إذا كنت تتذكر الإجابة الصحيحة هذه المرة!",
"CORRECT_ANSWER": "هذا صحيح!",
"INCORRECT_ANSWER": "لا، المعذرة. الجواب الصحيح مبين أعلاه.",
"NEXT_QUESTION": "السؤال التالي",
"QUESTION_1": {
"QUESTION": "بشكل عام ، ما الذي يساعد الآلات على التعلم بشكل أفضل؟",
"ANSWER_1": "مزيد من الأمثلة",
"ANSWER_2": "أمثلة أقل",
"NOTES_1": "هذا ليس الشيء الوحيد الذي له تأثير. ولكن بشكل عام، كلما تعلم المزيد من الأمثلة، كان تعليمه أفضل."
},
"QUESTION_2": {
"QUESTION": "أي مما يلي قد يكون الأفضل لتدريب الكمبيوتر على التعرف على صورة تفاحة؟",
"ANSWER_1": "صور كلاب",
"ANSWER_2": "صور متنوعة لأنواع مختلفة من التفاح في أماكن مختلفة",
"ANSWER_3": "صور متطابقة لتفاحة",
"ANSWER_4": "صور متشابهة جدًا لنفس التفاحة في نفس المكان",
"NOTES_1": "كلما زادت الأمثلة المتنوعة التي يمكنك جمعها ، زاد معرفة النظام بكيفية التعرف على الصور المختلفة للتفاح.",
"NOTES_2": "إذا كان كل مثال تعطيه هو نفس التفاحة على نفس الطاولة الخشبية البنية ، فقد يتعلم أن شيئًا ما هو تفاحة فقط إذا كان على طاولة خشبية بنية."
},
"QUESTION_3": {
"QUESTION": "أي مما يلي سيكون استخدامًا جيدًا لتعلم الآلي؟",
"ANSWER_1": "جمع أعداد كبيرة معًا",
"ANSWER_2": "التعرف على ما إذا كان البريد الإلكتروني غير مرغوب فيه",
"ANSWER_3": "حساب عدد مرات الضغط على زر",
"NOTES_1": "تعتبر فلاتر الرسائل غير المرغوب مثالًا جيدًا لتعلم الآلة.",
"NOTES_2": "مع وجود أمثلة كافية على رسائل البريد الإلكتروني الشرعية ، وأمثلة كافية على رسائل البريد الإلكتروني الغير مرغوبة ، يمكن أن يبدأ الكمبيوتر في التعرف على كيفية التعرف على البريد الإلكتروني الغير مرغوب."
},
"QUESTION_4": {
"QUESTION": "أي مما يلي ليس استخدامًا جيدًا للتعلم الآلي؟",
"ANSWER_1": "تحليل المشاعر - التعرف على المزاج أو النغمة أو العاطفة في النص",
"ANSWER_2": "ترجمة النص من لغة إلى أخرى",
"ANSWER_3": "التعرف على الوجه - التعرف على وجه في صورة وتحديد هويته",
"ANSWER_4": "سيارات ذاتية القيادة",
"ANSWER_5": "حساب تكلفة شيء ما في بلدان مختلفة على أساس أسعار الصرف",
"ANSWER_6": "اقتراح فيلم بناءً على الأفلام التي شاهدتها من قبل",
"NOTES_1": "المهام التي تنطوي على اتباع القواعد التي يمكن العمل عليها ليست استخدامًا جيدًا لتعلم الآلة.",
"NOTES_2": "لن يتعلم الكمبيوتر كيفية تطبيق سعر الصرف من الأمثلة - يمكننا فقط إخباره بما يجب فعله."
},
"QUESTION_5": {
"QUESTION": "أي مما يلي سيكون أكثر نجاحًا؟",
"ANSWER_1": "اجمع مجموعة صغيرة من الأمثلة ، وقم بتدريب النظام ، واختبر لمعرفة مدى جودة ذلك. أضف المزيد من الأمثلة ، وتدرب مرة أخرى ، ثم اختبر مرة أخرى. كرر حتى تصبح جيدة بما فيه الكفاية.",
"ANSWER_2": "المزيد من الأمثلة أفضل ، لذلك قرر أنه يجب أن تحتاج إلى ملايين الأمثلة. ابدأ في جمع مجموعة ضخمة من الأمثلة ، واقضِ أشهرًا في جمع المزيد والمزيد.",
"NOTES_1": "المزيد من الأمثلة أفضل بشكل عام ، ولكن كن واقعيًا.",
"NOTES_2": "البراغماتية مهمة. يُعد الاختبار المنتظم مفيدًا لإعلامك بكيفية سير الأمور ، ومساعدتك على معرفة متى قمت بما يكفي.",
"NOTES_3": "عندما يكون لديك عشرة أمثلة فقط ، من المحتمل أن تحدث عشرة أمثلة أخرى فرقًا كبيرًا.",
"NOTES_4": "عندما يكون لديك 100000 مثال ، فإن عشرة أمثلة أخرى ربما لن يكون لها تأثير ملحوظ."
},
"QUESTION_6": {
"QUESTION": "أي من العبارات التالية صحيحة؟",
"ANSWER_1": "تعلم الآلة هو تقنية حيث يمكن تدريب أجهزة الكمبيوتر على أداء المهام بدلاً من الحاجة إلى إعطاء مجموعة واضحة من الخطوات التي يجب اتباعها",
"ANSWER_2": "تعلم الآلة سحر",
"ANSWER_3": "يعني تعلم الآلة أننا لسنا بحاجة إلى التفكير في المشكلات بعد الآن لأن أجهزة الكمبيوتر ستفكر لنا",
"ANSWER_4": "حل تعلم الآلة محل الحاجة إلينا لتعلم كيفية البرمجة",
"ANSWER_5": "يمكن أن يتم تعلم الآلة فقط على أجهزة الكمبيوتر العملاقة الضخمة"
},
"QUESTION_7": {
"QUESTION": "يجب أن يكون نظام تعلم الآلة مدرب على التعرف على الصور التي تحتوي على شجرة جيدًا في أي من المهام التالية:",
"ANSWER_1": "التعرف على صور الفاكهة",
"ANSWER_2": "التعرف على العاطفة في قطعة كتابة",
"ANSWER_3": "التعرف على صور الأشجار",
"NOTES_1": "لا يعني تعلم الآلة أن أجهزة الكمبيوتر تتعلم بطريقة سحرية للقيام بكل شيء.",
"NOTES_2": "هذا يعني أنهم يتعلمون كيفية القيام بمهمة معينة من خلال عرض أمثلة على هذه المهمة المحددة.",
"NOTES_3": "إذا كنت تريده أن يفعل شيئًا آخر ، فأنت بحاجة إلى تدريبه على القيام بذلك أيضًا ، من خلال إعطائه أمثلة على ذلك."
},
"QUESTION_8": {
"QUESTION": "يرغب كل من أليس وبوب في تدريب نظام التعلم الآلي للتعرف على ما إذا كان النص سعيدًا / إيجابيًا أو حزينًا / سلبيًا. من منهم سيدرب على الأرجح أفضل نظام؟",
"ANSWER_1": "أليس. جمعت 10 أمثلة متنوعة للنص السعيد ، و 10 أمثلة متنوعة للنص الحزين",
"ANSWER_2": "بوب. لقد جمع 1000 مثال على الكتابة السعيدة و 10 أمثلة على الكتابة الحزينة",
"NOTES_1": "يعتبر جمع عدد مماثل تقريبًا من الأمثلة لكل تسمية تقنية مفيدة.",
"NOTES_2": "إذا كا تقريبًا كل مثال على الكتابة التي تدربه به النظام سعيدًا ، فقد ينتهي بك الأمر إلى تدريب النظام على افتراض أن الكتابة المحزنة غير مرجحة جدًا ، وأنه يجب أن يفترض أن يكون سعيدًا في كثير من الأحيان.",
"NOTES_4": "ولكن ، قد ترغب في أن تفعل ذلك.",
"NOTES_5": "إذا كنت تقوم بتدريب النظام للتعرف على النص حيث يكون النص سعيدًا بنسبة 98٪ من الوقت ، فقد يكون تدريبه باستخدام هذه التجربة الواقعية يستحق المحاولة."
},
"QUESTION_9": {
"QUESTION": "ستقدم تكنولوجيا تعلم الآلة المتقدمة دائمًا الإجابات الصحيحة. الإجابات الغير صحيحة تعني أن تقنية تعلم الآلة ليست جيدة جدًا",
"ANSWER_1": "صح",
"ANSWER_2": "خطأ",
"NOTES_1": "غير ضروري",
"NOTES_3": "التكنولوجيا والخوارزميات مهمات. ولكن أنظمة تعلم الآلة تعتبر دقيقة وموثوقة مثل التدريب الذي يتلقونه.",
"NOTES_4": "خوارزميات التعلم الآلي البسيطة مع التدريب المكثف عالي الجودة أفضل من خوارزميات التعلم الآلي الأكثر تقدمًا مع تدريب قليل بجودة رديئة."
},
"QUESTION_10": {
"QUESTION": "كيف يمكنك التأكد من أن مجموعتك من صور الحيوانات ذات نوعية جيدة لتدريب الآلة ولا تحتوي على أخطاء بشرية؟",
"ANSWER_1": "افحص جميع صور الحيوانات بنفسك يدويًا وتأكد من موافقتك على جميع التسميات",
"ANSWER_2": "اطلب من الكثير من الأشخاص تسمية جميع الصور والاحتفاظ بتسميات التدريب التي يتفق عليها الناس بشكل عام",
"ANSWER_3": "سؤال مخادع! البشر دائما على حق - الآلات تخطئ!",
"NOTES_1": "حتى البشر يرتكبون الأخطاء ولن يكون لديك دائمًا وقت للتحقق من جميع بيانات التدريب!",
"NOTES_2": "إذا كانت المهمة صعبة ، فقد تكون فكرة جيدة أن تجعل أكثر من شخص واحد يضع تسميةعلى كل صورة ويحتفظ بالتسمية التي يوافق عليها معظم البشر هي الصحيحة."
},
"QUESTION_11": {
"QUESTION": "آلة مدربة على تحديد صور \"طعام\" أو \"غير طعام\" تعطي نتائج غير متناسقة للسندويشات ، غالبًا ما تضعها في فئة \"غير طعام\". أي مما يلي يمكن أن يفسر ذلك؟",
"ANSWER_1": "الإنسان الذي درب النظام لا يحب السندويشات ولم يضع أيًا منها في بيانات التدريب",
"ANSWER_2": "يجب أن تكون الآلة في مزاج مناسب لساندويتش ، لذا فهي تغير رأيها كثيرًا",
"ANSWER_3": "السندويشات ليست طعام. النظام على حق في أن يكون غير متأكد",
"NOTES_1": "يمكن لنماذج تعلم الآلة التعلم فقط من الأمثلة التي نعرضها لهم.",
"NOTES_2": "من السهل جدًا على البشر أن يقدموا عن غير قصد ما يعجبهم وما لا يعجبهم في نماذج تعلم الآلة ، لذا يجب أن نكون حذرين للغاية بشأن بيانات التدريب التي نستخدمها."
},
"QUESTION_12": {
"QUESTION": "أي مما يلي يصف بشكل أفضل التعلم غير الخاضع للرقابة؟",
"ANSWER_1": "كتابة برنامج يحتوي على الكثير من عبارات if / else لتحديد النتيجة",
"ANSWER_2": "خوارزمية تعلم الآلة التي تستخدم البيانات الغير المسماه وتصنفها بناءً على مدى تشابه مجموعة بيانات بأخرى",
"ANSWER_3": "خوارزمية تعلم الآلة التي تستخدم البيانات المسماه وتصنفها بناءً على تدريب من أزواج المدخلات والمخرجات",
"NOTES_1": "التعلم غير الخاضع للرقابة هو نوع من تعلم الآلة ، في حين يتم استخدام عبارات if / else فقط.",
"NOTES_2": "لا تزال خوارزميات التعلم الغير خاضعة للرقابة مدربة، ولكن المدخلات المقدمة إليها غير مسماه.",
"NOTES_3": "إذا كانت البيانات مسماه، فهذا ما يعرف بالتعلم تحت الإشراف."
},
"QUESTION_13": {
"QUESTION": "بدون تعلم الآلة ، سيكون من المستحيل وجود محركات البحث مثل Google.",
"ANSWER_1": "صح",
"ANSWER_2": "خطأ",
"NOTES_1": "في حين أن العديد من محركات البحث الحديثة تستخدم تعلم الآلة ، فمن الممكن إنشاء محرك بدونها. سيبحث محرك البحث الأساسي فقط عن المستندات (صفحات الويب) التي تتضمن الكلمات التي يبحث عنها المستخدم."
}
}
},
"DESCRIBEMODEL": {
"TITLE": "فهم نموذج تعلم الآلة الخاص بك",
"TRYITOUT": "جرب نموذج تعلُّم الآلة لمعرفة كيفية استخدام شجرة القرار لعمل تنبؤات",
"EXPLANATION": {
"EXPL_1": "تسمى التقنية المستخدمة لإنشاء نموذج تعلم الآلة الخاص بك <a target='_blank' href='https://wikipedia.org/wiki/Decision_tree_learning'>مصنف شجرة القرار</a>.",
"EXPL_2": "هذه ليست الطريقة الوحيدة لتدريب نموذج تعلم الآلة. نحن نستخدمه لأنه سريع للغاية وسهل التدريب ، وهو من أسهل التقنيات لفهمه. تعرض لك هذه الصفحة شجرة القرار التي تم إنشاؤها بناءً على أمثلة التدريب التي قمت بجمعها.",
"EXPL_3": "عندما تختبر نموذجك ، يبدأ الكمبيوتر في أعلى الشجرة ، ويتبع المسار حتى يصل إلى القاع. <strong>الصف</strong> في الجزء السفلي من الشجرة هو التنبؤ الذي يقوم به نموذج تعلم الآلة.",
"EXPL_4": "في كل مربع في الشجرة ، يقرأ الاختبار الموصوف في أعلى الصندوق. إذا نجحت قيم الاختبار في الاختبار الموضح في المربع ، فسيتبع السهم إلى اليسار. إذا لم يجتاز الاختبار ، فإنه يتبع السهم إلى اليمين.",
"EXPL_5": "تخبرك <strong>النماذج</strong> الموضحة في كل صندوق بعدد الأمثلة في بيانات التدريب التي تطابق ذلك الجزء من شجرة القرار.",
"EXPL_6": "تخبرك <strong>القيمة</strong> الموضحة في كل صندوق بعدد الأمثلة في بيانات التدريب الخاصة بك التي اجتازت الاختبار الموضح في الأعلى (بعد السهم الأيسر) وعدد الأمثلة التي لم تجتز الاختبار في الأعلى (بعد السهم الأيمن)."
},
"ERRORS": {
}
},
"DESCRIBETEXTMODEL": {
"ZOOM": "Use these controls to zoom in on the diagrams",
"ERRORS": {
"TEXTONLY": "Only neural networks for text projects can be described"
},
"MOREINFO": "for more detail, try searching for:",
"PAGE1": {
"TITLE": "neural networks",
"TEXT1": "The type of machine learning model you trained in this project is called a <em>neural network</em>.",
"TEXT2": "The next few pages will explain how your model was created.",
"TEXT3": "These diagrams aren't an exact description of your model. Your model is larger and more complicated, but these diagrams are easier to explain."
},
"PAGE2": {
"TITLE": "deep learning",
"TEXT1": "The model is made of <em>nodes</em>, arranged in vertical <em>layers</em>.",
"TEXT2": "Models with a lot of layers are described as <em>deep</em>.",
"TEXT3": "Deep models can give better results, but take longer to train."
},
"PAGE3": {
"TITLE": "input layer",
"TEXT1": "Let's start with one of the training examples used to create your model.",
"TEXT2": "Your training example is shown as <em>input</em> on the left."
},
"PAGE4": {
"TITLE": "encoding",
"TEXT1": "To use your training example to train the model, first the text needs to be turned into a series of numbers.",
"TEXT2": "There are lots of ways to do this.",
"TEXT3": "If you build your own machine learning model, you need to choose a way that works well for your particular project."
},
"PAGE5": {
"TITLE": "bag of words",
"TEXT1": "One way of turning your text into numbers is to make each number a count of how many times a word is included."
},
"PAGE6": {
"TITLE": "feature extraction",
"TEXT1": "There are other things you can count. Things that are helpful to count depend on the project you are doing, and what you want your model to learn to recognize patterns in.",
"TEXT2": "Counting things is quick and simple, but not as good for projects where the order of words is important."
},
"PAGE7": {
"TITLE": "word embeddings",
"TEXT1": "If you build your own machine learning model, you need to choose the method for turning text into numbers.",
"TEXT2": "Your model used a more complicated technique that does include the order of words in the text."
},
"PAGE8": {
"TITLE": "hidden layer",
"TEXT1": "The numbers from the input layer go into sums that calculate values for the nodes in the next layer.",
"TEXT2": "The lines on the diagram show which input values are used to calculate which values in the next layer."
},
"PAGE9": {
"TITLE": "activation functions",
"TEXT1": "There are lots of different types of calculation you can use. Not every node in the model has to use the same calculation.",
"TEXT2": "If you build your own machine learning model, you need to choose which equations to use for each node.",
"TEXT3": "The functions to use for each node in your model were chosen for you."
},
"PAGE10": {
"TITLE": "weight",
"TEXT1": "Each line in the diagram has a <em>weight</em> number that can be used in the sum.",
"TEXT2": "Training the model is how we work out the best number to put on each line, as you'll see in a moment."
},
"PAGE11": {
"TITLE": "bias",
"TEXT1": "Each node in the diagram has a <em>bias</em> number that is used in the sum as well.",
"TEXT2": "Training the model is also how we work out the right bias number, as you'll see in a moment.",
"TEXT3": "Try to work out what you think the value for this node will be."
},
"PAGE12": {
"TITLE": "activation functions",
"TEXT1": "This is a common <em>function</em> used in neural networks.",
"TEXT2": "Each input value is multiplied by the value for the line that connected it. These are all added together. Then added to the value for the node itself."
},
"PAGE13": {
"TITLE": "activation functions",
"TEXT1": "Each node has its own <em>bias</em> value.",
"TEXT2": "Each line has its own <em>weight</em> value."
},
"PAGE14": {
"TITLE": "hidden layers",
"TEXT1": "Each node in the model can use different equations.",
"TEXT2": "If you build your own machine learning model, you need to choose:",
"LIST1": "how many layers to have",
"LIST2": "how many nodes to put in each layer",
"LIST3": "which functions to use for each node"
},
"PAGE15": {
"TITLE": "hidden layer",
"TEXT1": "This continues through the rest of the model.",
"TEXT2": "The number of layers, the number of nodes in each layer, and the functions to use for each node in your model were all chosen for you."
},
"PAGE16": {
"TITLE": "output layer",
"TEXT1": "The final layer gives the machine learning model's prediction.",
"TEXT2": "There is a node for each bucket you added to your training data."
},
"PAGE17": {
"TITLE": "loss function",
"TEXT1": "The prediction is compared with the correct answer (the training bucket you put this example in).",
"TEXT2": "The difference is described as the <em>error rate</em>, and tells us how well the machine learning model is doing at this stage of the training."
},
"PAGE18": {
"TITLE": "back propagation",
"TEXT1": "The <em>error rate</em> is used to go backwards through the layers and nudge the numbers for each of the lines and nodes.",
"TEXT2": "Each weight and bias number is increased a little bit or decreased a little bit, depending on what would've made the error rate a little smaller."
},
"PAGE19": {
"TITLE": "neural networks",
"TEXT1": "Next, this is all done over again, with another of your training examples."
},
"PAGE20": {
"TITLE": "encoding",
"TEXT1": "Remember, the first step is turning the example text into numbers.",
"TEXT2": "Counting things that are in the text is an easy way to do it, but there are more complicated ways to do it if the order of words is important.",
"TEXT3": "The method for your model was chosen for you."
},
"PAGE21": {
"TITLE": "hidden layer",
"TEXT1": "Remember, nodes in the middle of the model represent sums that are done using the input numbers.",
"TEXT2": "Different calculations can be chosen for each node."
},
"PAGE22": {
"TITLE": "activation functions",
"TEXT1": "Remember, the calculations use numbers from the nodes on the left that are connected to it, as well as the numbers for the lines that connect them."
},
"PAGE23": {
"TITLE": "activation functions",
"TEXT1": "The calculations also use a <em>bias</em> number for the node itself."
},
"PAGE24": {
"TITLE": "hidden layer",
"TEXT1": "This continues through the rest of the model.",
"TEXT2": "The functions to use for each node in your model were chosen for you."
},
"PAGE25": {
"TITLE": "output layer",
"TEXT1": "Remember, the <em>output layer</em> gives the machine learning model's prediction.",
"TEXT2": "Each node gives you the prediction for one of the buckets that you added to your training data."
},
"PAGE26": {
"TITLE": "loss function",
"TEXT1": "Remember, results from the <em>output layer</em> are compared with the correct answer, which shows how well the machine learning model is doing."
},
"PAGE27": {
"TITLE": "back propagation",
"TEXT1": "Remember that the <em>error rate</em> is used to go backwards through the layers and nudge the numbers associated with each of the lines and nodes.",
"TEXT2": "Each <em>weight</em> and <em>bias</em> number is increased a little bit or decreased a little bit, depending on what would've made the error a little smaller.",
"TEXT3": "This is how training works out the best numbers to use for each of the nodes and lines."
},
"PAGE28": {
"TITLE": "epochs",
"TEXT1": "One run-through of every training example you collected through the model is called an <em>epoch</em>.",
"TEXT2": "Each time through, the weights for each node are nudged a little more, until hopefully the error rate for predictions are as low as they can be.",
"TEXT3": "If you build your own machine learning model, you need to choose how many epochs you want to run."
},
"PAGE29": {
"TITLE": "neural networks",
"TEXT1": "I hope this simplified description gives you an idea what happens when you click on the \"Train new machine learning model\" button.",
"TEXT2": "For an explanation of why this process works, try watching \"<a href='https://youtu.be/R9OHn5ZF4Uo'>How Machines Learn</a>\" by CGP Grey."
}
},
"MAKES": {
"TITLE": "اصنع شيئًا باستخدام نموذج تعلم الآلة",
"SCRATCH3": "استخدم الإصدار الجديد من Scratch",
"PYTHON": "اكتب رمز Python لاستخدام نموذج تعلم الآلة",
"APPINVENTOR": "إنشاء تطبيق لهاتفك الجوال أو جهازك اللوحي",
"EDUBLOCKS": "Write Python using a drag and drop coding tool",
"REPLIT": "Write Python code in the web browser using replit",
"COLAB": "Write Python code in the web browser using Google Colab"
},
"PYTHON": {
"TITLE": "استخدام تعلم الآلة في Python",
"NOTREADY": "مشروعك غير جاهز للاستخدام في Python حتى الآن.",
"NOMODEL": "لم تُدرّب نموذج تعلم الآلة بعد.",
"EXPIRED": "Your model is no longer available on the model server.",
"NOSOUND": "لا يمكن استخدام Python مع مشاريع الأصوات.",
"LAUNCH": "شغّل Python في المتصفح",
"LOCAL": "انسخ الرمز لتشغيله على جهاز الكمبيوتر الخاص بك",
"REPLIT": {
"TITLE": "Coding in replit",
"TIP": "Tip: You have to click on <span class='pythonreplhighlight'>Fork repl</span> to start editing your own copy of the code",
"GO": "Go to replit.com"
},
"MODE": {
"INTRO": "أين تريد كتابة وتشغيل رمز Python الخاص بك؟",
"BROWSER": "يمكنك القيام بكل شيء في متصفح الويب ، مما يعني أنه لا داعي للقلق بشأن تثبيت أو إعداد Python ، أو أي من وحدات Python الخارجية التي ستحتاجها.",
"LOCAL": "أو يمكنك نسخ الرمز لتشغيله على جهاز الكمبيوتر الخاص بك. هذا مفيد إذا كانت هناك ملفات محلية ، أو أجهزة مثل كاميرا الويب أو مكبر الصوت ، تريد استخدامها في برنامج Python الخاص بك."
},
"APIKEY_INSTRUCTION": "تحتاج إلى إضافة مفتاح واجهة برمجة التطبيقات API الخاص بك إلى المشروع. افعل ذلك في السطر 6 من القالب.",
"APIKEY_WARNING": "تعامل مع هذا الرمز على أنه كلمة مرور وتأكد من إبقائه سراً!",
"REPLACE_THIS": "استبدل هذا:",
"WITH_THIS": "بهذا:",
"UNCOMMENT": "ستحتاج إلى إزالة حرف تعليق # في القالب لاستخدام الوظيفة.",
"RECOGNIZE": {
"INSTRUCTION": "حاول تحديث المثال في السطر 28 من القالب.",
"TEXT": {
"INTRO": "إذا كنت ترغب في استخدام نموذج تعلم الآلة الخاص بك <span class='strongemphasis'>للتعرف على النص</span> ، يمكنك استخدام وظيفة<code> تصنيف النصوص</code>.",
"REPLACE": "حدِّث هذا بالنص الذي تريد أن يتعرف عليه نموذج تعلم الآلة لديك:"
},
"IMAGES": {
"INTRO": "إذا كنت ترغب في استخدام نموذج تعلم الآلة الخاص بك <span class='strongemphasis'>للتعرف على الصور</span> ، يمكنك استخدام وظيفة<code> تصنيف الصور</code>.",