الذكاء الاصطناعي وتعلم الآلة
استكشف مقالات الذكاء الاصطناعي وتعلم الآلة المتنوعة والشاملة. نقدم لك محتوى تعليمي عالي الجودة يساعدك على فهم الذكاء الاصطناعي وتعلم الآلة بشكل أفضل وتطوير مهاراتك البرمجية. جميع المقالات مكتوبة بأسلوب مبسط مع أمثلة عملية وشروحات واضحة.
كتابة ملحقات آمنة لمنصات LLM مفتوحة المصدر: تصميم، عزل، وإدارة صلاحيات في الإنتاج
دليل عملي لصياغة ملحقات آمنة لمنصات LLM مفتوحة المصدر: تصميم واجهات، عزل التنفيذ (WASM/VMs)، إدارة صلاحيات، وتأمين سلسلة التوريد والنشر.
التعلم الفيدرالي على أجهزة الحافة (TinyML): نظام خصوصي لتحديث النماذج عبر LoRa وBluetooth LE — مثال عملي
دليل عملي لبناء نظام تعلم فيدرالي للـ TinyML على الحافة، يتناول نقل وتوقيع وتحديث النماذج عبر LoRa وBluetooth LE مع أمثلة وأفضل ممارسات.
التعلم الاتحادي عمليًا: بناء ونشر نموذج لغة على بيانات حساسة باستخدام Flower وPySyft
دليل عملي لبناء ونشر نموذج لغة بالـFederated Learning باستخدام Flower وPySyft: إعداد البيئة، تدريب موزّع على بيانات حساسة، واعتبارات الخصوصية.
تقنيات عملية لتقليل الهلوسة في النماذج متعددة الوسائط واستراتيجية RAG
دليل عملي لتقليل الهلوسة في النماذج متعددة الوسائط: استراتيجيات RAG، فهرسة هجينة، توثيق المصادر، وإجراءات اختبار ومراقبة قابلة للتطبيق في الإنتاج.
مشروع TinyML متقدّم: كشف وتمييز الحوادث الصوتية وإرسال إنذارات عبر LoRaWAN
مشروع عملي لبناء نظام TinyML يكتشف ويميّز الحوادث الصوتية على متحكمات منخفضة الطاقة ويرسل تنبيهات موثوقة عبر LoRaWAN؛ تصميم، بيانات، تدريب، ونصائح نشر.
نشر نموذج عربي مفتوح وخفيف بميزانية محدودة: الكمّ، التحويل إلى GGUF، وتسريع الاستدلال على GPU سحابي رخيص
دليل عملي لنشر نموذج عربي مفتوح بخطوات الكمّ، تحويله إلى GGUF، وتشغيله بتكلفة منخفضة على GPU سحابي مع نصائح توفيرية.
بناء مساعد متعدد الوسائط يعمل محليًا (LLM + Vision) وتشغيله على الحافة
دليل عملي لبناء مساعد مرئي‑لغوي محلي (LLM+Vision) مع تحويل GGUF، أدوات محلية (llama.cpp, LocalAI) ونشر على الحافة.
نشر TinyML متعدد الأجهزة: مقارنة أداء واستهلاك طاقة على Cortex‑M وESP32 وRISC‑V
مقارنة عملية لنشر TinyML على ARM Cortex‑M وESP32 وRISC‑V. قياسات زمن الاستدلال، استهلاك الطاقة، أمثلة تنفيذية، ونصائح لتحسين النماذج والاختيار للأجهزة.
تحسين أداء قواعد المتجهات لأنظمة RAG: فهرسة متعددة المستويات، تقليل الأبعاد، وقياسات زمن الاستجابة
خطوات عملية لتسريع واستقرار قواعد المتجهات في أنظمة RAG: فهرسة متعددة المستويات، تقليل الأبعاد، والقياسات اللازمة للوصول إلى SLOs منخفضة.
مقارنة عملية بين معماريات الوكلاء وRAG للمؤسسات: متى تختار كل واحدة وكيف تعالج الأمن والحوكمة
دليل عملي لاختيار بين معماريات الوكلاء وRAG للمؤسسات مع نصائح أمنية وحوكمة وخريطة قرار لتقليل الهلوسة وتسريب البيانات.
نشر نموذج TinyML لمراقبة كاميرات CCTV على الحافة: دليل عملي خطوة بخطوة
دليل عملي خطوة بخطوة لبناء، تحسين، ونشر نموذج TinyML لمراقبة كاميرات CCTV على أجهزة الحافة مع نصائح للأجهزة والخصوصية.
تخصيص واجهة المستخدم بالتعلّم التعزيزي: مثال عملي بلغة Python
دليل عملي لبناء نظام تخصيص واجهات مستخدم بتعلّم تعزيزي بلغة Python: تصميم البيئة، اختيار الخوارزمية، تدريب، ونصائح للنشر والخصوصية.