الأسئلة الشائعة
FAQ
إجابات مختصرة عن الأكاديمية وMATLAB وتراخيصه والمختبرات والمساعد.
هل أحتاج إلى نسخة MATLAB لاستخدام الأكاديمية؟
لا، لقراءة الدروس والمختبرات والأدوات والاختبارات. كل المختبرات تحسب داخل متصفحك بلغة JavaScript.
لتشغيل أمثلة صناديق الأدوات (مثل trainnet وfitcknn) تحتاج MATLAB مع الصندوق المذكور. الأمثلة المكتوبة بـ MATLAB الأساسي شُغّلت فعلاً في GNU Octave 8.4 وتظهر مخرجاتها الحقيقية.
كيف أحصل على MATLAB؟
تتوفر رخص طلابية وجامعية (Campus-Wide License) في كثير من الجامعات، ونسخة MATLAB Online، وفترة تجريبية من MathWorks. راجع موقع MathWorks الرسمي لمعرفة الخيار المتاح لك.
بديل مجاني لأغلب أمثلة MATLAB الأساسي: GNU Octave، مع اختلافات بسيطة في بعض الدوال وفي صناديق الأدوات.
هل المحرر في الأكاديمية يشغّل MATLAB حقيقياً؟
لا. «المعاينة التعليمية» مفسِّر مصغّر (MiniMat) يدعم جزءاً من لغة MATLAB الأساسية للتعلم السريع داخل المتصفح، ولا يدعم صناديق الأدوات ولا الأعداد المركّبة.
وضع «MATLAB» يجهّز الكود لتنسخه أو تحمّله ملف .m وتشغّله في MATLAB لديك. لا يُرسل الكود إلى خادم الموقع ولا يُنفَّذ عليه.
أين يُحفظ تقدّمي؟
في متصفحك فقط (LocalStorage) دون تسجيل دخول. يمكنك تصدير التقدّم ملف JSON واستيراده على جهاز آخر من صفحة «تقدّمي».
مسح بيانات المتصفح يحذف التقدّم، لذا صدّره احتياطياً.
هل تُرفع صوري أو أكوادي إلى الخادم؟
لا. الصور في مختبر معالجة الصور تُعالج محلياً داخل المتصفح. الأكواد في المحرر تبقى في متصفحك.
المساعد الذكي في الوضع المحلي يجيب من محتوى الأكاديمية على الخادم دون أي خدمة خارجية. إذا فعّل المشرف وضع API فإن سؤالك (لا مفاتيح ولا ملفات) يُرسل من الخادم إلى مزود النموذج المختار.
ما أوضاع المساعد الذكي؟
محلي (افتراضي): يبحث في الدروس والأكواد والمصطلحات ورسائل الأخطاء ويعرض المصادر، دون أي API.
API: يستخدم مزوداً يحدده المشرف (OpenAI أو Anthropic أو Gemini أو DeepSeek أو خادم متوافق مع OpenAI)، ويُحفظ المفتاح على الخادم فقط ولا يُرسل إلى المتصفح.
معطّل: يختفي المساعد.
ما الفرق بين MATLAB وGNU Octave في أمثلة الأكاديمية؟
كُتبت الأمثلة القابلة للتحقق بحيث تعمل في الاثنين: كل تعليمة تنتهي بفاصلة منقوطة والطباعة عبر fprintf، وتجنُّب الدوال الخاصة بأحدهما.
أمثلة: cov(x, y) تعيد مصفوفة 2×2 في MATLAB وعدداً في Octave، لذلك نستخدم cov([x' y']). وround(x, n) غير مدعومة في Octave 8 فنستخدم round(x*1e4)/1e4.
لماذا لا تستخدم بعض الأمثلة rand؟
مولّدا الأعداد العشوائية في MATLAB وOctave مختلفان حتى مع البذرة نفسها، فلا تتطابق المخرجات. لذلك تستخدم الأمثلة المتحقق منها مولّداً بسيطاً حتمياً (Park–Miller) يعطي النتائج نفسها في الاثنين.
في عملك استخدم rng(seed) ثم rand أو randn كالمعتاد.
ما صناديق الأدوات (Toolboxes) التي تغطيها الدروس؟
Statistics and Machine Learning، وDeep Learning، وImage Processing، وComputer Vision، وSignal Processing، وText Analytics، وReinforcement Learning، وOptimization، وSimulink، وMATLAB Coder وGPU Coder وCompiler.
كل درس يذكر الصناديق التي يحتاجها مع رابط التوثيق الرسمي، ويُعلَّم كود الصناديق بأنه «لم يُشغَّل هنا».
لماذا تُذكر إصدارات MATLAB مع بعض الدوال؟
بعض الدوال حديثة: مثل trainnet (R2023b+) وminibatchpredict وscores2label وimagePretrainedNetwork (R2024a+). في إصدار أقدم استخدم trainNetwork وclassify.
تحقق دائماً من صفحة التوثيق الخاصة بإصدارك.
كيف تُصحَّح الاختبارات؟
على الخادم: لا تُرسل الإجابات الصحيحة إلى المتصفح إلا بعد التسليم، وتُحفظ النتيجة في متصفحك. الإحصاءات المجمّعة (دون بيانات شخصية) تظهر للمشرف.
كيف تُصحَّح التحديات البرمجية؟
تكتب دالة MATLAB، ويشغّلها المصحِّح داخل متصفحك على حالات اختبار ويقارن الناتج بالقيمة المتوقعة. الحلول المرجعية مجرّبة في GNU Octave وفي المصحِّح.
المصحِّح يدعم MATLAB الأساسي فقط؛ لا تستخدم دوال صناديق الأدوات في التحديات.
هل بيانات المشاريع متاحة للتحميل من الأكاديمية؟
لا نستضيف البيانات. كل مشروع يذكر المصدر الأصلي (UCI أو Kaggle أو مجموعات MathWorks المدمجة وغيرها) مع رابطه ورخصته. حمّل البيانات من مصدرها والتزم بشروطها.
المشاريع التي تولّد بياناتها داخل الكود (مثل بيئات التعلم المعزز) شُغّلت فعلاً وتظهر مخرجاتها.
هل أتعلم MATLAB أم Python للذكاء الاصطناعي؟
كلاهما مفيد. MATLAB قوي في الهندسة والإشارات والتحكم وSimulink والنمذجة، وPython أوسع انتشاراً في أبحاث التعلم العميق. أداة «مقارنة MATLAB وPython» تعرض المقابلات الشائعة.
يمكن تبادل النماذج بينهما عبر ONNX.
هل تعمل أمثلة النص العربي في MATLAB؟
نعم بشرط حفظ الملف بترميز UTF-8. تعامل MATLAB مع الحروف كرموز Unicode، بينما يعدّ Octave البايتات، لذلك تستخدم الأمثلة دالة تعد الحروف بطريقة تعمل في الاثنين.
هل تمنح الأكاديمية شهادة؟
لا تصدر هذه النسخة شهادات. يمكنك تتبع تقدمك ونتائجك في صفحة «تقدّمي».
هل تعمل المختبرات على الهاتف؟
نعم، الواجهة متجاوبة والمختبرات تعمل باللمس. بعض المختبرات الثقيلة (مثل تدريب الشبكات) أبطأ على الأجهزة الضعيفة.
وجدت خطأ في درس، كيف أبلغ عنه؟
استخدم نموذج التواصل في الموقع واذكر رابط الدرس ونص الخطأ. المحتوى مراجَع، والمخرجات المعروضة للأمثلة الأساسية مأخوذة من تشغيل فعلي، لكن الأخطاء واردة.
دليل رسائل الأخطاء الشائعة
الصق رسالة الخطأ في المساعد الذكي ليطابقها مع هذا الدليل تلقائياً.
Unrecognized function or variable
المعنى: استخدمت اسماً لم يُعرَّف بعد، أو دالة غير موجودة في المسار، أو دالة من صندوق أدوات غير مثبّت.
الحل: تأكد من الإملاء وحالة الأحرف (MATLAB يميّز بينها)، وأن المتغير عُرِّف قبل استخدامه، وأن ملف الدالة في المجلد الحالي. للتحقق من دالة: which name أو exist('name').
Index exceeds the number of array elements
المعنى: طلبت عنصراً بعد نهاية المصفوفة، مثل v(5) لمتجه من 4 عناصر.
الحل: استخدم numel(v) أو end، وتحقق من حدود الحلقة (for k = 1:numel(v)).
Array indices must be positive integers or logical values
المعنى: الفهرس صفر أو سالب أو كسري. الفهرسة في MATLAB تبدأ من 1.
الحل: ابدأ الحلقات من 1، واستخدم round أو floor إذا كان الفهرس محسوباً، وتأكد أنك لم تسمِّ متغيراً باسم دالة (مثل sum = 5 ثم sum(x)).
Incorrect dimensions for matrix multiplication
المعنى: الضرب * ضرب مصفوفات يتطلب أن يساوي عدد أعمدة الأول عدد صفوف الثاني.
الحل: إذا أردت الضرب عنصراً بعنصر استخدم .* و./ و.^. وإلا فانقل أحد الطرفين بـ ' .
Arrays have incompatible sizes for this operation
المعنى: عملية عنصر بعنصر بين مصفوفتين لا يمكن توسيع أبعادهما ضمنياً (مثلاً 1×3 مع 1×4).
الحل: اطبع size لكل طرف. التوسيع الضمني يعمل عندما يكون كل بُعد متساوياً أو يساوي 1.
Dimensions of arrays being concatenated are not consistent
المعنى: داخل [ ] صفوف بأطوال مختلفة، أو دمج أفقي لمصفوفات بعدد صفوف مختلف.
الحل: تحقق من عدد العناصر في كل صف. للنصوص بأطوال مختلفة استخدم cell array {'a', 'bcd'} أو string.
Not enough input arguments
المعنى: استدعيت دالة بعدد مدخلات أقل مما تستخدمه، أو ضغطت Run على ملف دالة مباشرة دون مدخلات.
الحل: استدعِ الدالة من نافذة الأوامر مع مدخلاتها، أو استخدم nargin وarguments لقيم افتراضية.
Too many input arguments
المعنى: مررت مدخلات أكثر مما تعرّفه الدالة، أو هناك دالة أخرى بالاسم نفسه تحجب دالتك.
الحل: راجع تعريف الدالة، واستخدم which -all name لمعرفة أي نسخة تُستدعى.
Too many output arguments
المعنى: طلبت مخرجات أكثر مما تعيده الدالة، مثل [a, b] = f(x) والدالة تعرّف مخرجاً واحداً.
الحل: عدّل سطر function [a, b] = f(x) أو اطلب مخرجاً واحداً.
Output argument not assigned
المعنى: الدالة انتهت دون أن تُسند قيمة لمتغير المخرج (مثلاً داخل if لم يتحقق).
الحل: أعطِ المخرج قيمة ابتدائية في أول الدالة، أو تأكد أن كل المسارات تُسندها.
Unable to perform assignment because the left and right sides have a different number of elements
المعنى: تحاول وضع عدة قيم في موضع يتسع لعدد مختلف، مثل y(k) = [1 2].
الحل: استخدم y(k, :) = ... لصف كامل، أو خزّن في cell: y{k} = [1 2].
Brace indexing is not supported for variables of this type
المعنى: استخدمت { } مع مصفوفة عادية، والأقواس المعقوفة مخصصة لـ cell arrays.
الحل: استخدم ( ) مع المصفوفات العددية، و{ } لاستخراج محتوى خلية.
Operator not supported for cell arrays / Undefined operator for input arguments of type cell
المعنى: عملية حسابية على cell مباشرة، مثل c + 1.
الحل: استخرج المحتوى بـ c{k}، أو حوّل بـ cell2mat إذا كانت الخلايا أعداداً بالحجم نفسه.
Matrix is singular to working precision
المعنى: المصفوفة غير قابلة للعكس (أو قريبة من ذلك)، فحل A\b غير موثوق.
الحل: افحص cond(A) وrank(A)، واحذف الأعمدة المكررة أو المرتبطة خطياً، أو استخدم تنظيماً (ridge) أو pinv بحذر.
Parse error / Invalid expression
المعنى: خطأ في الصياغة: قوس غير مغلق، أو end ناقصة، أو عامل في غير موضعه.
الحل: راجع السطر المذكور وما قبله، وتأكد أن لكل if/for/while/function كلمة end، ولا تستخدم = داخل شرط (استخدم ==).
Operands to || and && must be convertible to logical scalar values
المعنى: استخدمت && أو || مع متجه. هذان العاملان للقيم المفردة فقط.
الحل: استخدم & و| للمصفوفات، أو any() وall() لتحويل المتجه إلى قيمة واحدة.
Unable to find or open file
المعنى: الملف غير موجود في المجلد الحالي أو المسار خاطئ.
الحل: تحقق بـ pwd وdir وexist('data.csv', 'file')، واستخدم fullfile لبناء المسارات.
Function definitions in a script must appear at the end of the file
المعنى: عرّفت دالة محلية في منتصف السكربت.
الحل: انقل كل الدوال المحلية إلى آخر الملف (R2016b+)، أو ضع كل دالة في ملف .m مستقل باسمها.
Undefined function for input arguments (صندوق أدوات غير مثبت)
المعنى: غالباً الدالة جزء من صندوق أدوات غير مثبت أو غير مرخّص (مثل fitcknn من Statistics and Machine Learning Toolbox).
الحل: نفّذ ver لرؤية الصناديق المثبتة، وlicense('test', 'Statistics_Toolbox') للتحقق من الترخيص. في معاينة الأكاديمية لا تعمل دوال الصناديق؛ انسخ الكود إلى MATLAB.
Out of memory / Requested array exceeds maximum array size
المعنى: المصفوفة المطلوبة أكبر من الذاكرة المتاحة.
الحل: قلل حجم الدفعة (MiniBatchSize)، واستخدم single بدل double، وdatastore لقراءة البيانات على دفعات، وامسح المتغيرات غير المستخدمة.
Integers can only be combined with integers of the same class, or scalar doubles
المعنى: عملية بين نوعين صحيحين مختلفين، مثل uint8 مع int16.
الحل: حوّل إلى نوع واحد، أو إلى double بـ double(x) أو im2double للصور قبل الحساب.
Unrecognized field name
المعنى: حقل غير موجود في struct، غالباً بسبب خطأ إملائي أو حالة أحرف.
الحل: اعرض الحقول بـ fieldnames(s)، واستخدم isfield قبل القراءة.
مسرد المصطلحات
- المصفوفة (Matrix)
- بنية البيانات الأساسية في MATLAB؛ حتى العدد المفرد مصفوفة 1×1.
- المتجهة (Vectorization)
- كتابة العمليات على مصفوفات كاملة بدل الحلقات، وهي أسرع وأوضح عادةً في MATLAB.
- الفهرسة المنطقية (Logical Indexing)
- اختيار عناصر المصفوفة بقناع من true/false، مثل x(x > 0).
- التوسيع الضمني (Implicit Expansion)
- توسيع الأبعاد التي طولها 1 تلقائياً في العمليات عنصراً بعنصر (منذ R2016b)، مثل X - mean(X).
- مصفوفة الخلايا (Cell Array)
- حاوية لعناصر بأنواع وأحجام مختلفة، تُفهرس بـ { } لاستخراج المحتوى.
- الجدول (table)
- نوع بيانات لأعمدة مسماة بأنواع مختلفة، يُقرأ عادةً بـ readtable.
- الإفراط في التلاؤم (Overfitting)
- أداء ممتاز على التدريب وضعيف على بيانات جديدة لأن النموذج حفظ الضوضاء.
- تسرب البيانات (Data Leakage)
- وصول معلومات من بيانات الاختبار إلى التدريب (مثل التطبيع قبل التقسيم)، فتبدو النتائج أفضل من الحقيقة.
- التحقق المتقاطع (Cross-Validation)
- تقدير الأداء بتكرار التدريب والاختبار على أجزاء مختلفة من البيانات (k-fold).
- مقياس F1
- المتوسط التوافقي للدقة الإيجابية (Precision) والاستدعاء (Recall).
- تحليل المكونات الرئيسية (PCA)
- إسقاط البيانات على اتجاهات التباين الأكبر لتقليل الأبعاد.
- الانتشار العكسي (Backpropagation)
- حساب تدرجات الخسارة بالنسبة لكل الأوزان بقاعدة السلسلة من الخرج إلى الدخل.
- معدل التعلم (Learning Rate)
- حجم خطوة تحديث الأوزان؛ كبير جداً يسبب التذبذب، وصغير جداً يبطئ التعلم.
- الشبكة الالتفافية (CNN)
- شبكة تستخدم مرشحات التفاف تتعلم خصائص مكانية من الصور والإشارات.
- LSTM
- شبكة تكرارية ببوابات تحفظ المعلومات عبر تسلسلات طويلة.
- نقل التعلم (Transfer Learning)
- إعادة استخدام شبكة مدرَّبة مسبقاً وضبطها على مهمة جديدة ببيانات أقل.
- الانتباه الذاتي (Self-Attention)
- آلية تزن كل عنصر في التسلسل بحسب علاقته بالعناصر الأخرى، وهي أساس المحوّلات.
- TF-IDF
- وزن الكلمة = تكرارها في المستند × ندرتها عبر المستندات.
- التضمين (Embedding)
- تمثيل الكلمة أو العنصر بمتجه كثيف منخفض الأبعاد يعكس التشابه الدلالي.
- تردد نايكويست (Nyquist)
- نصف تردد أخذ العينات؛ أعلى تردد يمكن تمثيله دون تداخل.
- تحويل فورييه السريع (FFT)
- خوارزمية سريعة لحساب تحويل فورييه المتقطع وتحليل المحتوى الترددي.
- MFCC
- معاملات طيفية بمقياس Mel تُستخدم خصائصَ للكلام والصوت.
- عملية قرار ماركوف (MDP)
- صياغة مسألة القرار المتسلسل: حالات وأفعال وانتقالات ومكافآت ومعامل خصم.
- Q-Learning
- خوارزمية تعلم معزز خارج السياسة تتعلم قيمة كل (حالة، فعل).
- SHAP
- تفسير يوزع الفرق بين التنبؤ والمتوسط على الخصائص بقيم شابلي.
- Grad-CAM
- خريطة حرارية تُظهر مناطق الصورة الأكثر تأثيراً في قرار CNN.
- معامل Dice
- مقياس تطابق قناعين: 2|A∩B| / (|A|+|B|)، شائع في التقطيع الطبي.
- التقاطع على الاتحاد (IoU)
- مساحة التقاطع مقسومة على مساحة الاتحاد بين صندوقين أو قناعين.
- التصميم القائم على النماذج (Model-Based Design)
- تطوير الأنظمة حول نموذج قابل للمحاكاة يُستخدم للتحقق وتوليد الكود.
- ONNX
- صيغة مفتوحة لتبادل نماذج التعلم العميق بين الأطر المختلفة.
- التكميم (Quantization)
- تمثيل الأوزان والتنشيطات بدقة أقل (مثل int8) لتصغير النموذج وتسريعه.
