קורס בינה מלאכותית – RB33-15 : תרגול כיתה

מחבר:admin
פורסם:יוני 23, 2026
קטגוריה:רובוטרוניקס כללי

קורס בינה מלאכותית – RB33-15 : תרגול כיתה

חלק א: זיהוי ספרה בתמונה (הרצאה ותרגיל) שימוש COLAB

רקע לתרגיל

MNIST הוא מאגר תמונות מפורסם ללימוד בינה מלאכותית.

הוא מכיל תמונות של ספרות בכתב יד:

`0, 1, 2, 3, 4, 5, 6, 7, 8, 9`

הנתונים:

פריט	ערך
שם מלא	Modified National Institute of Standards and Technology
סוג מידע	תמונות של ספרות בכתב יד
מספר מחלקות	10 מחלקות: 0 עד 9
גודל תמונה	28×28 פיקסלים
צבע	grayscale — שחור/לבן
אימון	60,000 תמונות
בדיקה	10,000 תמונות

כל תמונה היא בערך כך:

תרגיל כיתה 1 .

1.צור בינה מלאכותית בקולאב אשר לומדת לזהות ספרות התוכנה תתקין את הספריות הנדרשות ותכתוב הסבר בכל חלק והערכות הסבר באנגלית

התוכנה תציג כ 30 ספרות רנדומליות מהמאגר אחרי שהוא ירד

1.1 התוכנה תחלק את dataset ל 80 אחוז אימון ו 20 אחוז בדיקה

1.2 התוכנה תבנה רשת מתאימה תאמן את המידה תציג את האיפוקס ERROR LOST ו VAL תשמור ותוריד את קובץ המודל המאומן ל PC אוטומתי

תכתוב את שם המודול שאומן

1.3 לאחר סיום האימון תבדוק את תמונות מה test את כל ה 20 אחוז ותפיק ציוד סופי כולל ורשימה שכל כל התמונות והדיוק

1.4 שמור את התוכנית בגוגל דרייב

תרגיל 2

2.1 צור תוכנית חדשה שיוצרת 30 תמונות בגודל 100×100, עם רקע שחור, ספרות מ־0 עד 9 במרכז, בפונטים שונים, עם סיבוב בין ‎-5‎ ל־‎5‎ מעלות והזזה מהמרכז בטווח של ‎-10‎ עד ‎+10‎ פיקסלים, בצבע לבן, ולאחר מכן מורידה את הקבצים כקובץ ZIP ב־Colab. התקן ספריות רלוונטיות

2.2. צור בעצמך מספר תמונות רקע שחור פונט לבן

2.3 שמור תוכנית בגוגל דרייב

3. פתח קובץ קולאב חדש לגמרי !!! – הרצת פרדיקציה על מודל שנישמר

3.1 התקן את הספריות הרלוונטיות וצור תוכנית חדשה מלאה שמתקינה את כל הקבצים והספריות הנדרשים, טוענת קובץ מודל מהמחשב, בודקת שהמודל נטען בצורה תקינה ומדפיסה READY, לאחר מכן טוענת תמונה של ספרה מהמשתמש, משנה את גודל התמונה לגודל הנכון עבור המודל, מריצה את המודל על התמונה, מציגה את הספרה בגרף, ומדפיסה איזו ספרה המשתמש העלה; התמונה צריכה להיות עם רקע שחור וספרה בקו לבן.

3.2 שמור תוכנית בגוגל דרייב

3.3 הצג למרצה את התוכנה הסופית

חלק ב: פיתוח תוכנה בעזרת A.I למקרו בקר ואלקטרוניקה (העזר במרצה לפי הצורך)

נשתמש במחולל https://wokwi.com/

מיקרו בקר Esp32S3

תרגיל 1

1.נתון הסכמה החשמלית הבאה פוטנציומטר , נגד מיקרומעבד Esp32S3

כאשר עובר את הערך של 100 הלד נדלק בנה תוכנה בהתאים

תרגיל 2 :

חיבור סרבו es32s3 ועבודה עם ספריות

1.סובב את הסרבו 1 לפי הפוטנציומטר 1 סים לב לספריה המתאימה הוסף ספריות לפי ההנחיות של A.I שיב לב WOKW להגיד לבינה מלאכותית

בקשו כל פעם מהבינה מלאכותית – הצג קוד מלא

2. שמור את התרגיל בשם ESP32S3-SERVO

תרגיל 2 : פיתוח מערכת ירי

חיבור סרבו es32s3 ועבודה עם ספריות

1.סובב את הסרבו 1 וסרבו 2 לפי הפוטנציומטר 1 ו 2 כתוב לטרמינל את הזווית של כל סרבו

1.1הוסף כפתור ירי שנה לצבע אדום – שלחוצים כותב לטרמינל בוצע ירי

1.1הוסף כפתור ירי שנה לצבע ירוק – שלחוצים כותב לטרמינל RESET וזה יאפס מערכת ל 90 מעלות

סים לב לספריה המתאימה הוסף ספריות לפי ההנחיות של A.I שיב לב WOKW להגיד לבינה מלאכותית

בקשו כל פעם מהבינה מלאכותית – הצג קוד מלא

חלק ג: פיתוח רשת ANN

תרגיל 1

1.נתון מדגם הנתונים עבור Z ,X,Y

2. הרצ את קוד הבא בפייתון קולאב להצגת הגרף

3.בקש מהבינה מלאכותית להוסיף ההערות והסבר לפי מקטע ולפי שורה מה תפקיד כל חלק

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# טווחי x ו-y
x = np.linspace(-4, 4, 300)
y = np.linspace(-4, 4, 300)
x, y = np.meshgrid(x, y)

# פונקציה עם עליות, ירידות, גלים ועמקים
z = np.sin(3 * x) * np.cos(3 * y) + 0.5 * x**2 - 0.3 * y**2 + np.sin(x * y)

# ציור
fig = plt.figure(figsize=(10, 6))
ax = fig.add_subplot(111, projection='3d')
surf = ax.plot_surface(x, y, z, cmap='plasma')

ax.set_title("🌄 3D Complex Function Surface")
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_zlabel("z")
fig.colorbar(surf, shrink=0.5, aspect=10)
plt.show()

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

# טווחי x ו-y

x = np.linspace(-4, 4, 300)

y = np.linspace(-4, 4, 300)

x, y = np.meshgrid(x, y)

# פונקציה עם עליות, ירידות, גלים ועמקים

z = np.sin(3 * x) * np.cos(3 * y) + 0.5 * x**2 - 0.3 * y**2 + np.sin(x * y)

# ציור

fig = plt.figure(figsize=(10, 6))

ax = fig.add_subplot(111, projection='3d')

surf = ax.plot_surface(x, y, z, cmap='plasma')

ax.set_title("🌄 3D Complex Function Surface")

ax.set_xlabel("x")

ax.set_ylabel("y")

ax.set_zlabel("z")

fig.colorbar(surf, shrink=0.5, aspect=10)

plt.show()

4. בקשת מהבינה מלאוכתית לפתח רשת ANN לניבו הנתונים מבוסס

הצג איפוקס בזמן ריצה

הצג VAL , error LOST בגרף

בדוק עבור 10 נקודות הצג לפי פרדירציה , TRUE , אחוז טעות

# טווחי x ו-y

x = np.linspace(-4, 4, 300)
y = np.linspace(-4, 4, 300)
x, y = np.meshgrid(x, y)
# פונקציה עם עליות, ירידות, גלים ועמקים
z = np.sin(3 * x) * np.cos(3 * y) + 0.5 * x**2 – 0.3 * y**2 + np.sin(x * y)

4.1 עבור 30 איפוקס

4.2 שנה ל 100 אפוקס ו 300 איפוקס או יותר

חלק ד : נוטבוק אל אם ניתוח מידע וטקסט הפקת סרטון ומצגת

חלק א

בנה בעזרת https://notebooklm.google.com/ סרטון ומצגת בשפה העברית

https://youtu.be/TiTb08qBEKY?si=OJJ_BUNevvINvDqY

נתח בעזרת בינה מלאכותית את תוכן הסרטון הבא בעזרת A.I

https://chatgpt.com ובעזרת https://x.ai/grok או https://gemini.google.com/app

נתח בעזרת בינה מלאכותית את הסרטון
איזה מודלים של בינה מלאכותית יש שימוש בסרטון
מה החידוש בו ?
מהו מודל אבולוציוני ( אלגוריתם גנטי עם רשת נוירונים) והאם יש שימוש בסרטון שלנו ואם כן במה
הוסף מקורות

פיתוח ושיפור כנף בעזרת בינה מלאכותית ("ברזלים")

תרגיל כיתה :

חלק ב

בשפה האנגלית והשפה העברית אלגוריתמים גנטיים, Neuroevolution ו-NEAT, תוך שימוש בדוגמאות של הכנף המעופפת
צור אינפוגראפיק

שלב 1

שלב 2

שלב 3

לחץ על יצירה
צור סרטון בשפה העברית
צורך מצגת בשפה העברית

חלק ג :

חלק ד זיהוי פנים שימוש במודל קיים InsightFace

1. בנה בינה מלאכותית עם מודל InsightFace המקבלת תמונה ומזהה כיוון פנים ימינה שמאלה או מביט ישר וקלט של זמן בשניות (סהכ תמונה והקלד של זמן בשניות 2 קלטים)

2.אם אינו מביט ישר מעל 3 שניות כ- הבינה מלאכותית כותבת הודעת התערה בצבע אדום ומסמלמת את הפנים בצבע אדום אם תקין מסמנת פנים בצבע ירוק