AbdulAziz Aws

اهلا فيكم، بعد انقطاع راجع لكم بجرعة دسمة من الثريدات التقنية في علم البيانات والـ AI. وحالياً شغال على مشروع (Computer Vision) ممتع جداً وتحدي جديد 💻🦌.. راح أشارككم رحلة بنائه والتحديات الي تواجهني بإذن الله. إيش أكثر موضوع تقني ودكم نركز عليه الفترة الجاية؟ #DataScience #AI

كثير يحسبون الفرق بين المحلل المبتدئ (Junior) والمحترف (Senior) هو مجرد سنوات خبرة أو حفظ دوال معقدة وسرعة في كتابة الكود.. بس الواقع في مكاتب الشركات يثبت العكس تماماً🚀 النقلة الحقيقية تصير في "العقلية" (Mindset) وطريقة التفكير. إليك ٥ فروقات جوهرية بين الـ Junior والـ Senior في عالم تحليل البيانات: 1️⃣ تلقي الطلبات (Yes vs. Why): • المبتدئ: أول ما يطلبون منه داشبورد، يقول "أبشر" ويفتح Power BI فوراً ويبدأ يرسم شارتات. • المحترف: أول كلمة يقولها "ليش؟". وش المشكلة اللي بنحلها؟ وش القرار اللي بتاخذونه بناءً على هذا التقرير؟ إذا ما فيه هدف واضح للأعمال، ما يكتب سطر كود واحد. 2️⃣ التعقيد مقابل البساطة: • المبتدئ: يحاول يستعرض عضلاته التقنية، ويكتب معادلات DAX أو استعلامات SQL معقدة جداً ومكونة من ٥٠ سطر عشان يثبت إنه فاهم. • المحترف: يكتب أنظف وأبسط كود ممكن يحل المشكلة، لأنه يؤمن بمبدأ الاستدامة (اكتب كود تقدر أنت أو غيرك تفهمه وتعدل عليه بعد سنة بدون ما تصدع). 3️⃣ قراءة الأرقام (الوصف مقابل التوجيه): • المبتدئ: في الاجتماع يعرض التقرير ويقول: "البيانات تقول إن المبيعات طاحت ١٥٪ الشهر الماضي". (مجرد وصف للماضي). • المحترف: يعرض التقرير ويقول: "المبيعات طاحت ١٥٪ لأن المنتج الفلاني تأخر توريده، وبناءً على التحليل التنبؤي، لازم نزيد المخزون في هذه المنطقة لتعويض الخسارة". (سرد قصة البيانات وتقديم حلول). 4️⃣ التعامل مع "البيانات المضروبة": • المبتدئ: يثق في البيانات العمياء، ويتفاجأ وقت العرض قدام الإدارة إن الأرقام مضروبة ويتورط. • المحترف: يتعامل مع البيانات بمبدأ "المتهم مدان حتى تثبت براءته". يتوقع المشاكل، ويبني ضوابط تحقق (Data Validation Checks) تصيد الأخطاء والفراغات قبل لا تطلع للإدارة. 5️⃣ عقدة "الصندوق الأسود": • المبتدئ: يبني Data Model معقد كأنه متاهة، وما يفهمه أحد غيره.. لو أخذ إجازة، الشغل كله يوقف! • المحترف: يوثق شغله، يرتب الجداول، يسمي الأعمدة بوضوح، ويخلي الموديل مفهوم ومستدام لأي محلل يجي يكمل وراه. 💡 الزبدة: التقنية والأدوات تتعلمها في كم شهر، لكن "النضج المهني والفهم التجاري" هو اللي يرفع قيمتك السوقية وينقلك لمرحلة الخبير. #تحليل_البيانات #تطوير_مهني #ذكاء_الأعمال #PowerBI #SQL #DataAnalytics #تطوير_الاعمال

بإذن الله في الايام القادمة بحاول ابني وكيل ذكاء اصطناعي شخصي، يساعدني في ترتيب مهامي اليومية ويضيفها Notion بشكل تلقائي ويقيم آدائي لنهاية كل يوم. ممكن الفكرة تكون غريبه بعض الشيء لكن بطبقها بإذن الله راح اشاركم خطوات بناءه👍

مقتطف من مساء الخميس😁 @MAlSubaie21 @_FarisML_

اختصر المسافة بين عميلك والمقاس المثالي👌🏻 باستخدام قوة الذكاء الاصطناعي: - نتيجة توقُّع دقيقة للمقاسات - تضمن رضاهم من أول تجربة - وتحويل احتمالات الإرجاع إلى مبيعات ناجحة ومستدامة #AI #فاشن_ڤيو #قياس_ذكي

@_FarisML_ كيف تعتبر الفيزياء افضل تخصص لتحليل الأسواق المالية؟

Jim هو احد الفزيائيين الي قدر يبني استراتيجية بعائد ٣٣ بالمية في السنة الحقيقة الغريبة، الفيزياء افضل تخصص لتحليل الاسواق المالية

٣ عادات ضاعفت إنتاجيتي كعالم بيانات: ١. اكتب فرضيتك قبل ما تفتح الـ dataset ٢. Timebox كل مرحلة (EDA يومين، Model نص يوم،….) ٣. ابني مكتبتك الشخصية من الدوال المتكررة. التفاصيل في الفيديو 👇

@Sghawa63 ما شاء الله تبارك الله مبروووك 👏

صباح الخير يا وطن 🇸🇦 تم نشر ورقتي البحثية لمرحلة الماجستير: "Illuminating the Shadows: An Explainable AI-Driven Approach with Ensemble Learning for Insider Threat Detection" رابط الورقة: mdpi.com/2079-9292/15/9… فخورة جدا بهذه الخطوة، وما وراءها من جهد وتفاصيل وتحديات وسهر!

ختاماً، مفهوم ReAct هو الأساس الهندسي الذي تُبنى عليه اليوم وكلاء الذكاء الاصطناعي المستقلة (Autonomous AI Agents) القادرة على اتخاذ القرار واستخدام الأدوات. أنصحكم بقراءة المقال الأصلي لفهم المعمارية بشكل أعمق: research.google/blog/react-syn…

هذه المعمارية اعطت النموذج ميزتين حاسمتين: 1- الموثوقية العالية: النموذج ما يعتمد بشكل اساسي على التخمين، بل يجلب الاجابة كـ "حقيقة" خارجية، مما يكسر دائرة الهلوسة. 2- الشفافية (Interpretability): اتاح لنا القدرة كمهندسين لتتبع مسار القرار خطوة بخطوة، ومعرفة أين أخطأ النموذج.

وحدة من مشاكل النماذج اللغوية (LLMs) الكبرى هي "الهلوسة". ولكن كيف حل نموذج ReAct هذا التحدي؟ 🤔 ببساطة هو عن طريق دمج التفكير (Reasoning) مع الإجراءات (Acting) للوصول الى معلومات خارجية. في هذا الثريد سأشرح مقال: (ReAct: Synergizing Reasoning and Acting) من @GoogleResearch

كثير من المبتدئين أو اللي حابين يغيرون مسارهم المهني يضيعون في بحر الكورسات ويسألون: "من وين أبدأ؟ وإيش هي خطوتي القادمة؟" 🧭 السوق مليان أدوات والكل "يفتي". عشان ما تضيع وقتك، هذي "خريطة تعلم" (Roadmap) مختصرة ومجربة، تمشيك من الصفر في تحليل البيانات: 1️⃣ المحطة الأولى: "الشايب" إكسل (Excel) 📊 لا تستحقر الإكسل وتقفز للبرمجة فجأة! الإكسل هو الأساس اللي بيعلمك كيف تفهم منطق البيانات، تسوي الجداول المحورية (Pivot Tables)، وتكتب معادلات منطقية. إذا ما فهمت الإكسل، بتتعب في اللي بعده. 2️⃣ المحطة الثانية: لغة التخاطب (SQL) 🗣️ الشركات الكبيرة تحفظ بياناتها في قواعد بيانات ضخمة. الـ SQL هي لغتك عشان تطلب الداتا وتنظفها من السيرفر مباشرة. هذي هي العضلة الحقيقية لأي محلل 3️⃣ المحطة الثالثة: المسرح واللوحات (Power BI) 🎨 هنا يبدأ الشغل الممتع. تاخذ البيانات وتطلعها في داشبورد تفاعلي. تعلم كيف تبني Data Model صح (Star Schema)، وافهم أساسيات معادلات الـ DAX. هذي واجهتك قدام الإدارة. 4️⃣ المحطة الرابعة: الفهم التجاري (Business Acumen) 🧠 هذي "الخلطة السرية". الأداة لحالها ما تكفي؛ لازم تفهم كيف الشركة تطلع فلوس؟ وكيف تقرأ مؤشرات الأداء (KPIs)؟ المحلل اللي يفهم "ليش" بنسوي التقرير، أهم من اللي بس يعرف "كيف" يسويه. 5️⃣ المحطة الخامسة (للتميز): بايثون (Python) 🐍 إذا تبي تصير "وحش" في الأتمتة (Automation) أو تدخل عالم النماذج التنبؤية، هنا يجي دور لغة بايثون ومكتباتها. 💡 الخلاصة والسر الأهم: إذا مريت على هذي المحطات، أنت كذا تسلحت بأهم الأدوات المطلوبة في السوق. بعدها؟ عندك الحرية التامة إنك تحترف وتتعمق في الأداة اللي تناسبك وتخدم مجالك. بس تذكر دايم: الأهم هو "مفهوم التحليل" وكيف تحل المشكلة، مو الأداة نفسها! الأداة تتغير وتتحدث كل يوم، بس عقليتك التحليلية هي اللي بتبقى وتصنع قيمتك. #تحليل_البيانات #علم_البيانات #PowerBI #SQL #خريطة_تعلم #ذكاء_الأعمال

بدينا نشارككم فرص تدريب تعاوني وكذلك فرص برامج تطوير الخريجين في تخصصات الحاسب : t.me/DataWithYazeed

@Abdulaziz_Hmadi شرح بسيط ومميز شكرا لك أ. عبدالعزيز🤍

مع تسارع التطورات في المجال، كثير منا يخلط بين 3 أشياء في عالم الذكاء الاصطناعي، حتى بعض المختصين التقنيين، وهي: النماذج، المنتجات، ووكلاء الذكاء الاصطناعي. بين مثلاً ChatGPT و OpenClaw و Deepseek، الفرق بينهم كبير! أُبسطها لك بتقسيمها لـ٣ طبقات: ١- الطبقة الأولى: النماذج AI Models هي "العقل" الأساسي الي يفهم ويكتب ويحلل ويبرمج، وهو الي يُبنى عليه بقية الطبقات. أمثلة: GPT, Claude, Llama, Qwen, Mistral, DeepSeek. ٢- الطبقة الثانية: المنتجات AI Products هي الواجهة الجاهزة الي نستخدمها كمستخدمين لتشغيل هذه النماذج بسهولة وسؤالها والإجابة مباشرة، وهي الأشهر والأكثر استخداماً. أمثلة: ChatGPT, Claude.ai, Gemini App, Microsoft 365 Copilot, Perplexity, Grok. ٣- الطبقة الثالثة: الوكلاء AI Agents هي أنظمة لا تكتفي بالإجابة، بل تنفّذ مهام متعددة باستخدام نموذج وأدوات وصلاحيات. ترتبط مباشرة بالنماذج (الطبقة الأولى)، وتوفر بيئة لتنفيذ مهام بصلاحيات أوسع بكثير من الطبقة الثانية. أمثلة: OpenClaw, Hermes Agent, OpenAI Codex, Claude Code, Devin, OpenHands. الخلاصة: النموذج = العقل المنتج = الواجهة الوكيل = المنفّذ. النموذج يشغّل الذكاء، المنتج يسهّل استخدامه، والوكيل يحوّل الذكاء إلى عمل فعلي. بالإضافة إلى ٣ أنواع يستخدمها غالباً المختصين، وهي: ٤- أطُر تطوير الوكلاء - Agent Development Frameworks هي أدوات للمطورين لبناء وكلاء ذكاء اصطناعي وربطهم بالنماذج والأدوات والبيانات. مثل: LangChain, LangGraph, CrewAI, AutoGen, Semantic Kernel. ٥- نماذج محلية - Local Model Runtimes هي أدوات تتيح تشغيل النماذج محلياً على جهازك أو سيرفرك، بدلاً من الاعتماد الكامل على الخدمات السحابية. مثل: Ollama, vLLM, LM Studio, llama.cpp. ٦- بوابات النماذج - Model Gateways / Routers هي بوابات تربطك بعدة نماذج من مكان واحد، بدلاً من التعامل مع كل مزود بشكل منفصل. مثل: OpenRouter, LiteLLM, Portkey.

⚡️ تفاصيل تقنية: - وعشان اركز على الـ AI Backend، استعنت بـ Claude لتصميم الواجهة بسرعة (MVP). حالياً النظام يعمل كمسار (Pipeline) متسلسل. بإذن الله المرحلة القادمة هي تحويله إلى وكيل ذكي ومستقل (Autonomous Agent) 🤖وربطه بالمتاجر بحيث تصير عنده القدرة على الكتابة والنشر.

🛠️ المعمارية خلف الكواليس: النظام لا يعتمد على التخمين لذلك استخدمت LangChain و FastAPI لتنفيذ التالي: 1- نموذج Vision يحلل تفاصيل الصورة ويستخرج اهم التفاصيل 2- نستخدم ChromaDB كقاعدة بيانات متجهة (RAG) لضبط المصطلحات 3- يتم إرسال السياق الدقيق لنموذج LLM لكتابة الوصف النهائي

الحمدلله اليوم انتهيت من المرحلة الأولى من FashionAgent 🚀 نظام ذكاء اصطناعي يقرأ صور الأزياء ويحولها إلى وصف تسويقي احترافي وبكذا يختصر عليك الوقت وبإذن الله في المرحلة القادمة بطوره الى Agent. في هذا الثريد بفصل معمارية النظام وابرز التحديات. فيديو قصير يوضح طريقة عمل النظام