ISTQB AI Testing (CT-AI) Mock Tests - 240 Questions - 2026

أهلا بك عزيزي المتابع لموقع (journey for learn) نقدم دورات بكوبونات متاحة لاول 1000 تسجيل مجاني فقط وكوبونات اخري لفترة محدودة فاذا كنت تريد ان تحصل علي كل الكورسات علي موقعنا وان تكون اول المسجلين في الكورسات المجانية قم بتسجيل الدخول أوقم بالدخول علي وسائل التواصل الاجتماعي وخصوصا التليجرام نوضح الوصف المختصر والطويل للدورات لكي تعرف الدروس التي سوف تتعلمها بسهولة ويسر :

هل تستعد للحصول على شهادة اختبار ISTQB المعتمد - اختبار الذكاء الاصطناعي (CT-AI) وترغب في تقييم مدى استعدادك من خلال أسئلة تدريب واقعية وعالية الجودة على طراز الاختبار؟ تم تصميم هذه الدورة التدريبية الشاملة للامتحان التجريبي لتعكس اختبار شهادة CT-AI الحقيقي بأكبر قدر ممكن.. مع 6 اختبارات تدريب كاملة تحتوي على 240 سؤالًا في المجموع، سوف تكتسب الثقة والمعرفة المطلوبة لاجتياز شهادة ISTQB CT-AI في محاولتك الأولى. تتم كتابة كل سؤال بعناية ليتناسب مع الصعوبة والبنية وصياغة أسلوب الامتحان الذي ستواجهه في يوم الاختبار. ويأتي كل سؤال مع شرح مفصل لكل من الإجابات الصحيحة وغير الصحيحة، مما يضمن أنك لا تعرف الإجابة الصحيحة فحسب، بل تفهم أيضًا سبب خطأ الخيارات الأخرى. يعمل هذا النهج الفريد على تعميق فهمك وإعدادك لأي اختلاف في السؤال الذي قد يظهر في الاختبار الحقيقي. ستساعدك اختبارات الممارسة ISTQB CT-AI على تحديد مجالات القوة لديك وتحديد المجالات التي تحتاج إلى تحسين فيها. من خلال إكمال هذه الاختبارات في ظروف زمنية محددة، ستبني الانضباط في الاختبار والثقة المطلوبة لتحقيق النجاح. يتم تحديث هذه الدورة بانتظام لضمان توافقها مع أحدث منهج ISTQB CT-AI.
تتضمن دورة اختبار التدريب على CT-AI ما يلي:

• 240 سؤالًا على نمط الاختبار عبر 6 اختبارات تدريب محددة بوقت (40 سؤالًا لكل منها).
• تفسيرات تفصيلية لكل من الخيارات الصحيحة وغير الصحيحة.
• محاكاة امتحان واقعية مع تسجيل الدرجات و التوقيت.
• تغطية المنهج المحدثة المتوافقة مع ISTQB CT-AI v2026.
• تقارير الأداء لتحديد نقاط القوة والضعف.
• تخطيط المجال ومستوى K لكل سؤال (يغطي K1 – K4 عبر جميع مجالات المنهج الثمانية).
• وصول مجاني إلى قسيمة لامتحان التدريب العملي الكامل لفترة محدودة.

بفضل هذه الدورة التدريبية، ستتمكن من ليس فقط الممارسة ولكن أيضًا إتقان مفاهيم اختبار الذكاء الاصطناعي مثل أساسيات الذكاء الاصطناعي، واختبار الأنظمة القائمة على الذكاء الاصطناعي، وتحديات الجودة في الذكاء الاصطناعي، والاعتبارات الأخلاقية في اختبار الذكاء الاصطناعي.
تفاصيل الاختبار - شهادة ISTQB CT-AI (مع تفاصيل مستوى K)

• هيئة الاختبار: ISTQB (المجلس الدولي لمؤهلات اختبار البرمجيات)
• اسم الشهادة: مختبر معتمد من ISTQB - اختبار الذكاء الاصطناعي (CT-AI)
• التنسيق: أسئلة الاختيار من متعدد (MCQs)
• عدد الأسئلة: 40
• المدة: 60 دقيقة (75 دقيقة لغير الناطقين باللغة الإنجليزية)
• درجة النجاح: 65% (26 من 40 صحيحة)
• مستوى الصعوبة: من التأسيس إلى المتوسط
• اللغة: الإنجليزية (قد تتوفر إصدارات محلية)
• الشهادة الصلاحية: مدى الحياة (لا يلزم التجديد)
• وضع الاختبار: يتم مراقبته عبر الإنترنت أو في مراكز اختبار معتمدة
  

توزيع مستوى K (بشكل عام) يستهدف الاختبار مستويات K المستندة إلى Bloom. التوزيع المقترح المتوافق مع منهج CT-AI:

• K1 (تذكر / تحديد / قائمة): 13 سؤالًا
• K2 (فهم / شرح / مقارنة): 22 سؤالًا
• K3 (تطبيق / استخدام / تنفيذ): 3 أسئلة
• K4 (تحليل / تقييم / اختيار): سؤالان

  التركيز العام: K1-K2، مع تغطية محدودة لمرحلتي K3 وK4، مطابقة لامتحان المستوى التأسيسي إلى المتوسط.
سؤال لكل فصل وتخصيص مستوى K (يتوافق مع المنهج الدراسي الخاص بك)(مفيد لتعيين أسئلة التدريب على الفصول في Udemy)

• الفصل 1 - مقدمة إلى الذكاء الاصطناعي - 4 أسئلة → K1: 1, K2: 3
• الفصل 2 - خصائص الجودة - 4 أسئلة → K1: 1، K2: 3
• الفصل 3 - نظرة عامة على تعلم الآلة - 4 أسئلة → K2: 3، K3: 1
• الفصل 4 - تعلم الآلة - البيانات - 4 أسئلة → K1: 1، K2: 3
• الفصل 5 - المقاييس الوظيفية لتعلم الآلة - 3 أسئلة → K2: 1، K3: 1، K4: 1
• الفصل 6 - الشبكات العصبية والاختبار - سؤالان → K2: 2
• الفصل 7 - نظرة عامة على اختبار أنظمة الذكاء الاصطناعي - 4 أسئلة → K1: 1، K2: 2، K4: 1
• الفصل 8 - اختبار الجودة الخاص بالذكاء الاصطناعي - 4 أسئلة → K2: 3، K4: 1
• الفصل 9 - طرق وتقنيات اختبار الذكاء الاصطناعي الأنظمة القائمة على الذكاء الاصطناعي - 6 أسئلة → K2: 4، K3: 1، K4: 1
• الفصل 10 - بيئات الاختبار للأنظمة القائمة على الذكاء الاصطناعي - سؤال واحد → K2: 1
• الفصل 11 - استخدام الذكاء الاصطناعي للاختبار — 4 أسئلة → K2: 4

المنهج التفصيلي ووزن الموضوع: اختبار ISTQB CT-AI يتمحور حول العديد من مجالات المنهج الرئيسية. فيما يلي تحليل تفصيلي بالإضافة إلى العدد التقريبي للأسئلة التي يمكنك توقعها من كل موضوع:
1.  الفصل الأول: مقدمة إلى الذكاء الاصطناعي (4 أسئلة | K1–K2)

• فهم تعريفات الذكاء الاصطناعي وأنواعه (الضيقة والعامة والذكاء الاصطناعي الفائق) وتأثيره في العالم الحقيقي
• مقارنة الأنظمة القائمة على الذكاء الاصطناعي والأنظمة التقليدية
• استكشاف تقنيات الذكاء الاصطناعي وأطر التطوير وأجهزة الذكاء الاصطناعي
• التعرف على الذكاء الاصطناعي كخدمة (AIaaS) والنماذج المدربة مسبقًا ومعايير الذكاء الاصطناعي
• التركيز على مستوى K: فهم المفاهيم و التمايز (K1–K2)

2.  الفصل 2: ​​خصائص الجودة للأنظمة القائمة على الذكاء الاصطناعي (4 أسئلة | K1–K2)

• فهم المرونة والقدرة على التكيف والاستقلالية والتطور في الذكاء الاصطناعي
• التعامل مع الأخلاقيات والتحيز واختراق المكافآت
• استكشاف الشفافية وقابلية التفسير وقابلية التفسير وسلامة الذكاء الاصطناعي
• التركيز على مستوى K: اشرح سمات جودة الذكاء الاصطناعي الرئيسية (K1–K2) وتعرف عليها

3. الفصل 3: نظرة عامة على التعلم الآلي (ML) (4 أسئلة | K2–K3)

• تعرف على أنواع تعلم الآلة (الخاضعة للإشراف، وغير الخاضعة للإشراف، والتعزيز)
• اتبع إرشادات سير عمل تعلم الآلة والاختيار
• فهم الملاءمة الزائدة، وعدم الملاءمة، ومقايضات الأداء
• التركيز على مستوى K: فهم مبادئ تعلم الآلة وتطبيقها (K2–K3)

4. الفصل 4: تعلم الآلة - البيانات (4 أسئلة | K1–K2)

• إعداد البيانات ووضع العلامات عليها وهندسة الميزات وتقسيم مجموعات البيانات
• التعامل مع مشكلات جودة البيانات (البيانات الخاطئة وغير الكاملة والمتحيزة)
• فهم مدى تأثير البيانات الضعيفة على نماذج تعلم الآلة
• التركيز على مستوى K: التعرف على مفاهيم البيانات ووصفها وتفسيرها (K1–K2)

5. الفصل الخامس: مقاييس الأداء الوظيفي لتعلم الآلة (5 أسئلة | K2–K4)

• تعرف على مصفوفة الارتباك والدقة والدقة والاستدعاء ودرجة F1
• استكشف ROC وAUC وMSE ومقاييس التجميع
• اختر المقاييس بناءً على أهداف الاختبار وأنواع البيانات
• التركيز على مستوى K: تحليل وتقييم مقاييس تعلم الآلة (K2–K4)

6. الفصل السادس: الشبكات العصبية والاختبار (سؤالان | K2)

• فهم بنية الشبكات العصبية والمصطلحات الأساسية
• التعرف على مقاييس التغطية العصبية
• التركيز على مستوى K: شرح وتفسير مفاهيم اختبار NN (K2)

7. الفصل السابع: نظرة عامة على اختبار الأنظمة المستندة إلى الذكاء الاصطناعي (4 أسئلة | K1 – K2، K4)

• فهم مستويات الاختبار وبيانات الاختبار وتحيز الأتمتة وانجراف المفهوم
• تعرف على الوثائق (أوراق الحقائق وبطاقات النماذج)
• اختر نهج الاختبار الصحيح لأنظمة الذكاء الاصطناعي
• التركيز على مستوى K: شرح وتطبيق وتقييم مفاهيم الاختبار (K1-K2، ك4)

8. الفصل 8: اختبار خصائص الجودة الخاصة بالذكاء الاصطناعي (4 أسئلة | K2، K4)

• تحيز الاختبار، والسلوك الاحتمالي، وقابلية التفسير، والتعقيد
• تحديد أهداف الاختبار ومعايير القبول للذكاء الاصطناعي
• التركيز على مستوى K: شرح وتحليل تحديات الاختبار الخاصة بالذكاء الاصطناعي (K2)

9. الفصل التاسع: تقنيات الاختبار (6 أسئلة | K2، K3، K4)10. الفصل العاشر: بيئات الاختبار (سؤال واحد | K2)11. الفصل 11: استخدام الذكاء الاصطناعي للاختبار (4 أسئلة | K2)
هيكل اختبار التدريب العملي:

• 6 اختبارات كاملة
  • يحتوي كل اختبار على 40 سؤالًا على نمط الاختبار
  • يتضمن أسئلة من جميع مجالات منهج CT-AI
• ملاحظات وتفسيرات تفصيلية
  • يتضمن كل سؤال شرحًا بسيطًا للإجابة الصحيحة وغير الصحيحة الإجابات
  • يساعد على تعزيز التعلم ومنع الأخطاء المتكررة
• ترتيب عشوائي
  • في كل مرة تحاول فيها إجراء اختبار، يتم اختيار الأسئلة والإجابات بشكل عشوائي.
  • يمنع الحفظ ويضمن الاستعداد الحقيقي للاختبار
• تتبع التقدم
  • بعد إكمال الاختبار، سترى درجاتك وحالة النجاح/الرسوب والمجالات التي تحتاج إلى التركيز

نماذج أسئلة الممارسة:السؤال 1:
أي مما يلي هو الأفضل الذي يصف الفرق الأساسي بين التعلم الخاضع للإشراف وغير الخاضع للإشراف؟ الخيارات:
أ. يتطلب التعلم الخاضع للإشراف تدخلًا بشريًا أثناء التدريب بينما يكون التعلم غير الخاضع للإشراف مؤتمتًا بالكامل
ب. يستخدم التعلم الخاضع للإشراف البيانات المصنفة لتعلم الأنماط بينما يكتشف التعلم غير الخاضع للإشراف الأنماط في البيانات غير المسماة
C. يتم استخدام التعلم الخاضع للإشراف لمهام التصنيف بينما يتم استخدام التعلم غير الخاضع للإشراف لمهام الانحدار
د. يؤدي التعلم الخاضع للإشراف إلى نتائج أكثر دقة من التعلم غير الخاضع للإشراف في جميع السيناريوهات الإجابة: ج. يتم استخدام التعلم الخاضع للإشراف لمهام التصنيف بينما يتم استخدام التعلم غير الخاضع للإشراف لمهام الانحدارشرح كل خيار:

• أ. يتطلب التعلم الخاضع للإشراف بيانات تدريب مصنفة يقدمها البشر، ولكن عملية التدريب نفسها تتم تلقائيًا من خلال الخوارزميات. يستخدم التعلم غير الخاضع للرقابة أيضًا عمليات التدريب الآلية. يكمن الاختلاف الرئيسي في ما إذا كانت بيانات التدريب تتضمن أمثلة مصنفة ليست في مستوى الأتمتة أثناء التدريب. يستخدم كلا النموذجين من تعلم الآلة خوارزميات التعلم الآلي بمجرد إعداد البيانات.
• ب. يتطلب التعلم الخاضع للإشراف بيانات تدريب مصنفة حيث يكون لكل إدخال مخرجات صحيحة معروفة مما يسمح للخوارزمية بتعلم التعيين بين المدخلات والمخرجات. يعمل التعلم غير الخاضع للرقابة مع البيانات غير المسماة التي تكتشف هياكل الأنماط المخفية أو التجمعات دون فئات محددة مسبقًا. يحدد هذا الاختلاف الأساسي في متطلبات البيانات أي شكل من أشكال تعلم الآلة مناسب لأنواع المشاكل المختلفة كما هو محدد في الفصل الثالث من منهج ISTQB CT-AI.
• ج. يصف هذا بشكل غير صحيح العلاقة بين نماذج ML وأنواع المهام. يتضمن التعلم الخاضع للإشراف مهام التصنيف والانحدار بينما يتضمن التعلم غير الخاضع للإشراف مهام التجميع والارتباط. يعتمد التمييز بين التعلم الخاضع للإشراف وغير الخاضع للإشراف على ما إذا كانت بيانات التدريب المصنفة متاحة وليس على نوع المهمة المحددة التي يتم تنفيذها.
• د. تعتمد الدقة على جودة بيانات سياق المشكلة وملاءمة نهج تعلم الآلة وليس بشكل متأصل على ما إذا كان التعلم خاضعًا للإشراف أو غير خاضع للإشراف. يمكن أن يكون التعلم غير الخاضع للإشراف فعالاً للغاية في اكتشاف الأنماط في البيانات غير المسماة حيث يكون التعلم الخاضع للإشراف غير عملي. يجب أن يعتمد الاختيار بين أشكال تعلم الآلة على متطلبات المشكلة والبيانات المتاحة وليس مستويات الدقة المفترضة.
  الفصل والمستوى K: الفصل 3: التعلم الآلي - نظرة عامة - K2

السؤال 2:
تعمل إحدى شركات الطيران على تطوير نظام للتحكم في الطيران قائم على الذكاء الاصطناعي. يحتاج مدير الاختبار إلى تخطيط أنشطة الاختبار عبر مستويات التجريد المختلفة لضمان ضمان الجودة الشاملة. في أي مستوى اختبار يجب التحقق من صحة التكامل بين مكون الذكاء الاصطناعي وأنظمة الاستشعار في الطائرة؟ الخيارات:
أ. اختبار نموذج ML
ب. اختبار القبول
ج. اختبار تكامل المكونات
د. اختبار إدخال البياناتالإجابة: ج. اختبار تكامل المكوناتشرح كل خيار:

• أ. يركز اختبار نموذج ML على التحقق من صحة الأداء الوظيفي لنموذج ML باستخدام مقاييس مثل دقة الدقة واستدعاء مجموعات بيانات الاختبار. يصف ISTQB اختبار نموذج ML بأنه تقييم ما إذا كان النموذج يلبي المتطلبات الوظيفية قبل التكامل. يختبر هذا المستوى النموذج بمعزل عن تكامله مع مكونات النظام الأخرى. يحدث تكامل المستشعر عند مستوى تجريد أعلى بعد التحقق من صحة النموذج.
• ب. يتحقق اختبار القبول من أن النظام الكامل يلبي متطلبات العمل واحتياجات المستخدم في ظروف التشغيل. تضع ISTQB اختبار القبول باعتباره التحقق النهائي قبل النشر الذي يتم إجراؤه عادةً بواسطة المستخدمين النهائيين أو العملاء. في حين أن اختبار القبول يتضمن سلوك النظام المتكامل، فإنه يركز على قبول النظام بشكل عام وليس على وجه التحديد على تكامل المكونات. اختبار التكامل يسبق اختبار القبول في التسلسل الهرمي لمستوى الاختبار.
• ج. يتحقق اختبار تكامل المكونات من صحة التفاعلات والواجهات بين المكونات المتكاملة مثل مكونات الذكاء الاصطناعي وأنظمة الاستشعار. تصف ISTQB اختبار تكامل المكونات بأنه التحقق من أن المكونات تعمل معًا بشكل صحيح من خلال واجهاتها. في نظام التحكم في الطيران، يضمن هذا المستوى أن يتلقى مكون الذكاء الاصطناعي بيانات المستشعر ويعالجها بشكل صحيح، ويتحقق من صحة بروتوكولات تبادل البيانات ويؤكد المعالجة الصحيحة للأخطاء. يحدد اختبار تكامل المستشعر على هذا المستوى عيوب الواجهة قبل الاختبار على مستوى النظام مما يجعله مستوى الاختبار المناسب للتحقق من صحة تكامل الذكاء الاصطناعي ونظام الاستشعار.
• د. يركز اختبار بيانات الإدخال على التحقق من صحة خصائص الجودة وملاءمة التحقق من صحة التدريب واختبار مجموعات البيانات وليس تكامل المكونات. يصف ISTQB اختبار بيانات الإدخال بأنه

  ما هي المتطلبات الأساسية لدخول الدورة والتسجيل فيها على موقعنا؟ رحلة التعلم:

  (احصل على الدورة للدخول إلى الموقع والتسجيل)

  يجب أن يكون لديك بريد إلكتروني (حساب بريد) تتذكره لنفسك وأيضًا يجب أن تتذكر كلمة مرور البريد الإلكتروني الذي ستسجل به ، وإذا لم يكن لديك حساب بريد إلكتروني ، فمن الأفضل إنشاء حساب (Gmail)