مقالات متعمقة في تعلم الآلة وهندسة الذكاء الاصطناعي وأنظمة ML في الإنتاج
إطار عمل تحسين متعدد الأهداف باستخدام خوارزمية سرب الجسيمات (PSO) وتنبؤات مبنية على تكديس الشبكات العصبية لإدارة الطاقة تحت تعرفة الكهرباء المغربية.
نهج هجين يجمع بين شبكات CNN و BiLSTM، مُحسَّن بواسطة الخوارزمية الجينية، للتنبؤ بالناتج المحلي الإجمالي الحقيقي الفصلي للمغرب.
تعرف على كيفية عمل الغابة العشوائية، ولماذا تمنع الإفراط في التخصيص، وكيفية بنائها باستخدام Scikit-Learn في بايثون.
تجنب هذه الأخطاء الشائعة في تعلم الآلة: من تسرب البيانات أثناء المعالجة المسبقة إلى التقييم باستخدام مقاييس خاطئة.
اكتشف أقوى التقنيات لهندسة الميزات التي تعزز أداء النموذج على مجموعات البيانات الجدولية.
إطار عمل منظم لاختيار الخوارزمية المناسبة بناءً على حجم البيانات ونوعها ومتطلبات التفسير وسرعة الاستجابة.
تعرف على الدقة، والدقة المحددة، والاستدعاء، ودرجة F1، ومنحنى ROC-AUC، ومتى تستخدم كل منها لتقييم النموذج.
افهم المقايضة entre الانحياز والتباين وتعرف على التقنيات الرئيسية لمنع الإفراط في التخصيص في نماذجك.
قم ببناء خطوط عمل نظيفة وجاهزة للإنتاج لتعلم الآلة باستخدام Pipeline و ColumnTransformer في Scikit-Learn.
تعرف على كيفية استخدام Optuna للبحث الفعال عن المعلمات الفائقة المحسن بالنهج البايزي.
اكتشف كيف يؤدي دمج عدة نماذج ضعيفة إلى إنشاء نموذج قوي باستخدام تقنيات Bagging و Boosting و Stacking.
I build custom ML models, RAG chatbots, data pipelines, and production APIs — from analysis to deployment.