Primary Sources is a tool for transforming raw historical data and physical artifacts into a structured network of metadata, enabling new ways to explore and understand historical events.
هذا المشروع هو محرك زمني غير موجه لمنطقه معينة يتحول البيانات التاريخية الخام والآثار الفيزيائية إلى شبكة متصلة من البيانات الوصفية. يذهب هذا الأداة أبعد من الوظائف البسيطة للبحث عن طريق السماح ببحوث forensics، وتجارب ممتعة، واستكشاف القصص الموجهة للاستكشاف التاريخي.
The mkseg project provides a unified cell segmentation pipeline for analyzing microscopy images.
هذا المشروع يقدم مسارًا متكاملًا لفرز الخلايا في صور المجهرية. مصمم للعمل مع مختلف أنواع البيانات المجهرية، بما في ذلك صور MK و HSPC و NMJ و Vessel. يستخدم المسار خوارزميات التعلم الآلي لتحديد الخلايا الفردية بدقة وتفريقها عن الخلفية. يمكن أن يكون هذا مفيدًا في التطبيقات البحثية والتحليلية حيث يعد فرز الخلايا خطوة مهمة.
The JOE Job Market Tracker is an analysis tool for tracking economics job market postings from the American Economic Association's Job Openings for Economists (JOE).
هذا المشروع يقدم تحليلًا شاملًا للตลาด الوظيفي في الاقتصاد عن طريق متابعة المنشورات من جمعية الاقتصاد الأمريكية لفتح وظائف الاقتصاديين (JOE). يحتوي على العديد من الميزات، بما في ذلك الاتجاهات cumulative posting trends، التحليل الدوري 4-أسبوع flow، ومراجعة متعددة. كما يولد مخططات HTML تفاعلية ومخططات PNG ثابتة لتحسين فهم المستخدمين للتrends السوقية.
This project models how eliminating cross‑border voting barriers influences foreign investors’ information acquisition and market price efficiency.
يُقدِّم هذا المشروع إطاراً بحثياً يدرس تأثير توجيهات حقوق المساهمين في الاتحاد الأوروبي على حوافز المستثمرين الأجانب لاكتساب المعلومات المحلية. يتضمن الكود معالجة البيانات الأولية، بناء عينة تحليلية نظيفة، وتطبيق استراتيجية الفرق في الفرق مع تأثيرات ثابتة للشركات والسنوات. يُدمج النموذج في نموذج حوافز الحوكمة على نمط غروسمان‑ستيجلي لتقدير قيمة التصويت المستنير. تُصدر النتائج كجداول انحدار ومخططات بصرية تُدمج في الأوراق العلمية. يهدف المشروع إلى توفير مسار قابل للتكرار للباحثين الذين يرغبون في اختبار إصلاحات السياسات في أسواق المال.
This project is a trading journal for users to track and analyze their investment activities.
هذا المشروع هو سجل تجاري للمستخدمين لمراقبة و تحليل نشاطات الاستثمار الخاصة بهم. يسمح هذا التطبيق للمستخدمين بتعريف البيانات التجارية، عرض القياسات الأداء، وتوليد رسومات مرئية لمساعدة على اتخاذ القرارات.
This project provides a market analysis toolkit for options trading, offering features such as HMM regime detection, technical indicators, phase detection, and opportunity assessment.
هذا المشروع يوفّر أداة تحليل السوق للاستثمار في خيارات، وتضم ميزات مثل اكتشاف الأنماط باستخدام النماذج اللازمة، والمتغيرات الفنية، واكتشاف المراحل، وتقييم الفرص. هذه الأدوات تساعد المستثمرين على اتخاذ قرارات أكثر دقة بناءً على تفاصيل حول السوق.
A Python-based system that monitors livestock behavior in real time, using sensor data to detect activity patterns and dynamically adjust sampling rates for energy efficiency.
يُعد LiveEdge نظامًا قائمًا على لغة بايثون يراقب سلوك المواشي في الوقت الحقيقي، مستفيدًا من بيانات المستشعرات لتحديد أنماط النشاط. يستخدم نماذج تعلم الآلة لتصنيف السلوكيات، ويضبط معدلات أخذ العينات تلقائيًا لتقليل استهلاك الطاقة. يوفر المنصة تحليلات بصرية عبر مخططات تفاعلية وتقارير مفصلة، مما يمكّن المزارعين من اكتشاف مشكلات الصحة قبل تفاقمها. صُمم خصيصًا لمديري المزارع والباحثين الزراعيين، ويقلل من تكاليف صيانة المستشعرات مع تحسين رفاهية القطيع. بفضل تقنية أخذ العينات التكيفية، يطيل عمر البطاريات ويقلل العبء التشغيلي. يُمكن نشره بسهولة على شبكات المستشعرات الحالية، ويُدعم التكامل مع أنظمة إدارة المزارع. يدمج LiveEdge بين الذكاء الاصطناعي والتحليل البياني لتقديم حلول مراقبة فعّالة ومتكاملة.
This project is a Python data pipeline for downloading, parsing, and processing historical equity data from the Brazilian Stock Exchange (B3) for quantitative analysis or backtesting.
هذا المشروع هو مسار بيانات بروتوكول لتحميل وتحليل البيانات التاريخية من البورصة البرازيلية (B3) للتحليلات النوعية أو اختبار العودة
This project simulates and visualizes the homicidal chauffeur differential game using symbolic and numerical tools.
يُقدّم هذا المشروع محاكاة شاملة للعبة السائق القاتل، وهي لعبة تعقب‑تجنّب تقليدية في نظرية الألعاب التفاضلية. يتم استخدام الرياضيات الرمزية لاستنتاج استراتيجيات مثلى، ثم يُطبّق التكامل العددي لتوليد مسارات اللاعبين. تُعرض النتائج عبر رسومات تفاعلية تُظهر تطور السائق والفرار مع مرور الوقت، ما يتيح للمستخدمين تحليل سلوكيات اللعبة بوضوح. يُصمم النموذج ليكون سهل التعديل، بحيث يمكن للطلاب والباحثين تعديل المعلمات أو إضافة سيناريوهات جديدة داخل دفتر الملاحظات. يوفّر هذا المشروع حلاً عملياً لتعليم مفاهيم التحكم في الأنظمة الديناميكية، مع التركيز على التفاعل بين القائد والتابع. يميز المشروع بدمج الأدوات الرمزية والعددية في تجربة واحدة متكاملة، ما يجعله أداة قيمة للبحوث التعليمية والتطبيقية.
A Python library that provides tools for analyzing the Hyperface fMRI dataset.
توفر هذه المكتبة مجموعة شاملة من الوظائف لتحميل ومعالجة وتصور مجموعة بيانات Hyperface للدماغ باستخدام التصوير بالرنين المغناطيسي الوظيفي. تتضمن الأدوات تنظيف الإشارات الخام واستخراج ميزات السلاسل الزمنية وتطبيق تقنيات تقليل الأبعاد. كما توفر خطوط أنابيب التعلم الآلي لتدريب المصنفات على أنماط النشاط الدماغي، مما يمكّن الباحثين من استكشاف الحالات المعرفية. يعتمد الكود على مكتبات علمية مشهورة لضمان القابلية للتكرار والأداء العالي. صُممت لتلبية احتياجات علماء الأعصاب وعلماء البيانات الذين يحتاجون إلى أداة جاهزة للتحليل fMRI. تبرز هذه المكتبة بقدرتها على التعامل مع بيانات معقدة وتقديم رؤى دقيقة حول النشاط الدماغي. كما توفر واجهة برمجية سهلة الاستخدام تسمح بتكامل سريع مع مشاريع البحث الحالية. تُعد هذه الأداة خياراً مثالياً لمن يسعون إلى تحليل بيانات fMRI بكفاءة وموثوقية.
A Python-based pipeline that reproduces the quantitative findings of the "Cognitive Obesity" research study.
يُقدّم هذا المشروع سير عمل متكامل وقابل للتكرار للتحقق من النموذج التوازني المضاف المقترح في دراسة "السمنة المعرفية". يقوم بتنزيل مجموعات بيانات ضخمة ومتنوعة تلقائياً، بما في ذلك NHANES وATUS ومصادر البنك الدولي وWHO GHO وOWID، ثم يُنفّذ إحصائيات وصفية، وتحليل الارتباط، ومقارنات التأثيرات الثابتة، وتحليل الانحدار بالعتبة، واختبارات جرانجر للسببية، وفحوصات الصلابة. يُقسّم التحليل إلى ثلاثة أقسام منطقية: تقريب أولي، ودراسة لوحة على مستوى الماكرو عبر 177 دولة، وتحقق على مستوى الفرد باستخدام بيانات الاستطلاع. يمكن للباحثين تشغيل كامل السلسلة مع سطر أوامر واحد، وإنشاء جميع الرسوم البيانية والجداول، واستكشاف مُقدّرات بديلة مثل DK‑SE، واتجاهات الدول، وFD‑IV. تم تصميم المشروع لتعزيز القابلية للتكرار والشفافية في البحث العلمي في مجال العلوم الاجتماعية.
A tool that extracts and visualizes telephone and telegraph statistics from SAUS PDFs for researchers and analysts.
تقوم أداة Saus-digitizer بقراءة مستندات PDF التي تحتوي على إحصائيات الهاتف والبرقي الخاصة بـ SAUS، وتحليل الجداول المضمنة فيها، وتحويلها إلى إطارات بيانات نظيفة ومنظمة. ثم توفر مجموعة من التصورات باستخدام مكتبة رسم بياني، مما يساعد المستخدمين على فهم الاتجاهات والأنماط بسرعة. تم تصميم الأداة لتشغيلها من سطر الأوامر، ما يجعلها سهلة التكامل في خطوط أنابيب البيانات أو عمليات المعالجة الدفعة. تحل هذه الأداة عبء النسخ اليدوي للجداول من ملفات PDF الممسوحة ضوئياً وتوفر مخرجات قابلة للتكرار وقابلة للقراءة الآلية. وهي مثالية للباحثين التاريخيين، ومحللي الاتصالات، وعلماء البيانات الذين يعملون مع تقارير إحصائية قديمة.
The gridfia project provides spatial raster analysis capabilities for the USDA Forest Service's BIGMAP data.
هذا المشروع يهدف إلى تحليل الرسومات الجغرافية الموزعة على USDA Forest Service BIGMAP بيانات. يستخدم هذا الأداة لغة بايثون و مكتبات متعددة مثل matplotlib, numpy, pandas لتحليل وتحليل البيانات الجغرافية.
This project analyzes autocorrelation patterns in intraday 15-minute bars for popular stocks using Polygon.io data.
هذا المشروع يقوم بتحليل التفاعلات الذاتية في البارز الداخلية 15 دقيقة لأسهم شائعة باستخدام بيانات بوليغون.يو.، ويحسب التفاعلات المتأخرة ويتولى إنتاج الرسومات والتقارير الإحصائية. يجمع المشروع البيانات التاريخية من داخل اليوم من بوليغون.يو.، ويحسب تغييرات النسبة المئوية لكل بار، وي.export النتائج إلى صيغ CSV و Excel.
This project provides a tool for screening and evaluating investment opportunities.
هذا المشروع يقدم أداة لمراجعة و تقييم فرص الاستثمار. يعتمد على لغة البرمجة Python و يستخدم مكتبات مثل Matplotlib, NumPy, و Pandas للتعامل مع البيانات و الرسومات. يمكن استخدام الأداة من قبل المستثمرين الفرديين أو المحترفين الماليين الذين يبحثون عن تسهيل عملية البحث الاستثماري.
A Python tool for estimating the physical parameters of gravitational wave sources.
يُعَدّ هذا البرنامج أداةً برمجية متخصصة في تحليل بيانات الموجات الجاذبية لاستخلاص معلمات المصدر الفيزيائية مثل الكتل والدوارات وموقع السماء. يعتمد على مكتبات عددية قوية لتطابق نماذج الموجات مع الإشارات المُلاحَظة، ويُنتِج توزيعات لاحتمالية لاحقة للمعلمات. يتضمن سير العمل استيراد البيانات، ومعالجتها، وتقييم الاحتمالية، وتوليد العينات عبر خوارزمية ماركوف-تشين مونت كارلو. صُمم هذا البرنامج خصيصاً للباحثين في الفيزياء الفلكية وعلم الموجات الجاذبية، لتسهيل سير العمل وتحسين كفاءة التحليل. يُقدّم النتائج بصيغة رسومية عالية الجودة، مع إمكانية حفظها في تنسيقات علمية قياسية للمتابعة. يميز هذا الحل بقدرته على دمج خطوات التحليل المتعددة في واجهة واحدة، مما يقلل الحاجة إلى أدوات متعددة ويُسرّع عملية الاستخلاص.
A Python library that predicts vertical ground reaction force curves from triaxial accelerometer signals using functional principal component analysis and a lightweight neural network, enabling force‑plate quality biomechanical metrics from a single wearable sensor.
يقدم الحزمة مساراً كاملاً لتحويل بيانات التسارع ثلاثية المحاور التي تُجمع أثناء القفزات المتحركة إلى منحنيات القوة الأرضية الرأسية (vGRF). يستخدم تحليل المكوّنات الرئيسية الوظيفية (FPCA) لتقليل كل من الإشارات الداخلة والخارجة إلى متجهات درجات منخفضة الأبعاد، ثم يُدرّب شبكة عصبية بسيطة ذات طبقة مخفية واحدة لتعلم العلاقة بينهما. يمكن للنموذج الناتج التنبؤ بارتفاع القفز، والقوة القصوى، وموجات القوة الكاملة بدقة عالية، مع مطابقة معايير جودة مكابح القوة مع استخدام مستشعر قابل للارتداء واحد فقط. تتضمن المكتبة أدوات لتحميل البيانات، ومعالجتها، وتصويرها، وتقييمها، مما يجعلها مناسبة للبحوث وتحليل الأداء في الميدان. تُظهر الدراسة أن تمثيل الإشارة بعناية يمكن أن يتفوق على هياكل معمارية أكثر تعقيداً مثل المحولات، مما يبرز أهمية هندسة الميزات في مهام التنبؤ الحركي.
A Python tool that analyzes buying and selling transaction data to generate visual reports and summaries.
يستورد هذا البرنامج بيانات المعاملات المالية، ثم يعالجها باستخدام مكتبة تحليل البيانات لتوليد تقارير مرئية وموجزة. يقوم بتجميع أحجام الشراء والبيع، ويحسب مؤشرات الأداء، ويعرض مخططات تُظهر الاتجاهات على مدى الزمن. يتيح البرنامج تصدير الرسوم البيانية والتقارير في صيغة CSV لتسهيل مشاركة النتائج مع أصحاب المصلحة. يهدف إلى مساعدة المحللين والمتداولين في اكتشاف الأنماط المربحة ومراقبة نشاط السوق. يتميز بالبساطة والفعالية، إذ لا يتطلب قاعدة بيانات بل يعتمد على ملفات محلية لتخزين البيانات. يقدّم واجهة سهلة الاستخدام تسمح بتخصيص الرسوم البيانية وتحديد فترات التحليل. يساهم في اتخاذ قرارات مستنيرة بناءً على تحليل دقيق للبيانات التاريخية.
The solar-seed project is designed to search for patterns in sunlight.
هذا المشروع يهدف إلى تحليل وتحديد الأنماط في ضوء الشمس باستخدام مجموعة من المكتبات مثل matplotlib و numpy و scipy. وهو مشروع استكشافي يهدف إلى فهم بنية ضوء الشمس. يستفيد المشروع من rich و typer لتفاعل المستخدم والتحكم في المهام. لا يستخدم أي قاعدة بيانات حاليًا.
This project automates the extraction and processing of CONSAR pension fund data for users.
هذا المشروع يعتمد على تقنية automation لاستخراج وتحليل البيانات المتعلقة بال펊سا CONSAR، ويعتمد على مجموعة من المكتبات البرمجية مثل BeautifulSoup, Matplotlib, NumPy, Pandas, وSelenium. يهدف هذا المشروع إلى توفير وسيلة سهلة ومريحة للوصول والاستفادة من البيانات المتعلقة بال펊سا CONSAR.
This project is a data visualization tool that scales, likely for displaying rice-related data on AirPods.
هذا المشروع هو أداة لتصفية البيانات التي تُستخدم في عرض بيانات القمح على سماعات AirPods. يعتمد هذا المشروع على Next.js و TypeScript، ويعتمد على مكتبات مثل D3 لتعزيز التفاعل مع البيانات. كما يستخدم Tailwind CSS للتصميم والتفاعل مع المستخدم.
A Python tool that maps the evolution of AI research by extracting and visualizing data from the Connectionists mailing list archives.
يقوم هذا المشروع بجمع بيانات قوائم البريد الخاصة بمجموعة Connectionists، ثم يقوم بتحليل المحتوى واستخراج الموضوعات الرئيسية والمؤلفين والاتجاهات المناقشة على مر الزمن. يتم تنظيف البيانات وتنسيقها باستخدام مكتبات معالجة البيانات، ثم يتم إنشاء رسومات بيانية تفاعلية توضح كيف تغيرت مواضيع أبحاث الذكاء الاصطناعي عبر العقود. يهدف المشروع إلى خدمة الباحثين والمؤرخين ومهتمي الذكاء الاصطناعي الذين يرغبون في استكشاف السياق التاريخي لأبحاث الشبكات العصبية وتعلم الآلة. يتيح للمستخدمين تحديد الأوراق العلمية المؤثرة، والفرع الناشئ للمواضيع، وتطور المصطلحات في المجال. يتميز المشروع بخفة الوزن وسهولة التشغيل عبر سطر الأوامر أو دمجه في دفاتر Jupyter، ما يجعله أداة عملية للبحث والتحليل التاريخي.
This project fetches data about SpaceX launches from Wikipedia and analyzes the payload mass to different orbits over the years, providing cumulative sums of the payload mass to orbit.
هذا المشروع هو سكريبت بايثون يجمع البيانات عن إطلاقات الفضاء من ويكيبيديا، ثم يقوم بتحليل هذه البيانات لتقديم مجموعات cumulative للوزن المادي للمحمول إلى مدارات مختلفة عبر السنين. ويقدم المشروع أيضًا مخططين: واحد يعرض المجموعة cumulative للوزن المادي للمحمول إلى مدار بدءًا من عام 2017، والآخر يظهر توزيع الوزن المادي للمحمول حسب السنة لمدارات مختلفة. يستخدم المشروع مكتبات مثل BeautifulSoup وPandas وMatplotlib لجمع وتحليل البيانات.
This project reproduces controlled experiments to study how training data properties affect parametric and in-context knowledge usage in language models.
يُقدّم المشروع مساراً كاملاً لإنشاء مجموعات بيانات اصطناعية، تدريب نموذج GPT‑2، واختبار تمثيلاته المعرفية. يركز على ثلاث خصائص للبيانات—التكرار داخل المستند، عدم التناسق داخل المستند، وتوزيع تردد المعرفة غير المتوازن—لتقييم مدى تمكينها من استخدام المعرفة البرامترية (PK) والمعرفة داخل السياق (ICK) بصورة قوية. تُنشئ سكربتات إنشاء البيانات ملفات تعريفية مع سمات مثل مدينة الميلاد، الجامعة، والتخصص، ثم تُبنى مجموعات نصية منظمة مع تكرار ومجموعة ضوضاء مُتحكم فيها. يُدرّب سكربت التدريب نموذج GPT‑2 مكوّن من ثمانية طبقات باستخدام SFTTrainer وتقنية التجميع (packing). أخيراً، يُقيس سكربت الاختبار دقة PK وICK ومقاييس التفضيل. يمكن للباحثين في معالجة اللغة الطبيعية وتعلم الآلة استخدام الكود لتكرار تجارب الورقة أو لاستكشاف فرضيات جديدة مستندة إلى البيانات.
A Python library that performs petrophysical well log analysis using depth-weighted statistics, hierarchical filtering, and template-driven visualizations.
توفر هذه المكتبة إطار عمل شامل لتحليل سجلات الآبار البتروفيزيائية. تقوم بحساب إحصاءات مُوزونة بالعمق لتقديم تمثيلات أكثر دقة للخصائص تحت السطحية. تسمح تصفية هرمية للمستخدمين بعزل وفحص مناطق ليتولوجية أو بترفيولوجية محددة على مستويات متعددة من الدقة. يتيح التصوير القائم على القوالب إنشاء مخططات وتقارير موحدة بسرعة وفعالية. تم تصميم الأداة للعلماء الجيولوجيين ومهندسي المكامن الذين يحتاجون إلى سير عمل تحليل موثوق ومتكرر. كما تدعم التكامل مع نماذج المكامن وتسهيل مشاركة النتائج مع فرق متعددة التخصصات.
A Python tool that performs petrophysical well log analysis using depth-weighted statistics, hierarchical filtering, and template-driven visualizations.
توفر هذه الأداة إطار عمل شامل لتحليل سجلات الآبار البتروفيزيائية. تقوم بحساب إحصاءات موزونة بالعمق لتقديم تمثيلات أكثر دقة للخصائص تحت السطحية. تسمح التصفية الهرمية للمستخدمين بعزل طبقات أو ميزات جيولوجية محددة بكفاءة عالية. يتيح التصوير القائم على القوالب إنشاء مخططات ورسوم بيانية جاهزة للنشر بسرعة. تم تصميم المكتبة لتتكامل مع خطوط أنابيب البيانات الحالية وتدعم مجموعات بيانات كبيرة مع أدنى تأثير على الأداء. كما توفر واجهة برمجية سهلة الاستخدام تسمح بالتحكم الكامل في عملية التحليل والتصوير.
A Python tool that performs depth‑weighted statistical analysis, hierarchical filtering, and template‑driven visualization of petrophysical well logs.
تقوم هذه الأداة المكتوبة بلغة بايثون بمعالجة سجلات البترولية لتحديد إحصائيات معتمدة على العمق، ما يتيح تفسيرًا أكثر دقة للخصائص تحت السطحية. تدعم الأداة تصفية هرمية، مما يتيح للمستخدمين عزل نطاقات عمق محددة أو أنواع سجلات قبل إجراء التحليل. تُنشئ الأداة رسومات بيانية استنادًا إلى قوالب محددة مسبقًا، ما يضمن إنتاج مخططات متسقة وجاهزة للنشر. صممت الأداة للعلماء الجيولوجيين والمهندسين البتروليين الذين يحتاجون إلى سير عمل قابل للتكرار والبرمجة لتحليل سجلات البترول.
A Python tool that simulates stock price movements using Monte Carlo methods and visualizes the results.
يُقدِّم هذا المشروع محاكيًا يعتمد على طريقة مونت كارلو لمحاكاة أسعار الأسهم، حيث يُنشئ آلاف مسارات محتملة للأسعار المستقبلية استنادًا إلى افتراضات إحصائية. يستخدم مكتبات عددية لحساب الانحراف، والتقلب، والضوضاء العشوائية، ثم يجمع النتائج في توزيعات احتمالية. تُعرض النتائج عبر مخططات تفاعلية تُظهر مسارات متوقعة، وأشرطة الثقة، ومقاييس رئيسية مثل العائد المتوسط والمخاطر. يهدف المشروع إلى تزويد طلاب المالية، والمحللين، والهواة بأداة تمكنهم من استكشاف تأثير عدم اليقين على نتائج الاستثمار واختبار قواعد تداول بسيطة. يظل المحاكي خفيفًا ويعتمد فقط على حزم بايثون العلمية القياسية، ويمكن تشغيله من سطر الأوامر أو استيراده في دفاتر الملاحظات.
A set of notebooks that show how to analyze images, video, audio, and documents with AI.
يقدم هذا المشروع مجموعة من دفاتر العمل التي تُظهر كيفية تحليل الصور والفيديوهات باستخدام تقنيات الذكاء الاصطناعي. يدمج الدفاتر نماذج معالجة الصور والنصوص لتوليد ملخصات، استخراج بيانات، وتحويل المحتوى البصري إلى نص قابل للبحث. كما يتضمن معالجة الصوت وتحويله إلى نص، ثم استخراج المعلومات المهيكلة من النص الناتج. تُستخدم قاعدة بيانات متجهات لتخزين المخرجات، مما يتيح البحث السريع عبر المحتوى المتعدد الوسائط. يستهدف المستخدمين الذين يعملون في تحليل البيانات أو تطوير تطبيقات الذكاء الاصطناعي، ويُعد أداة تعليمية لتجربة نماذج متعددة الوسائط. يبرز المشروع بتركيزه على التكامل بين أدوات معالجة الصور، النصوص، والصوت في مسار واحد متكامل.
A Python tool that retrieves Polymarket event data, applies language‑model analysis, and visualizes insights for market participants.
يستخرج هذا المشروع بيانات الأحداث من منصة Polymarket ويعالجها باستخدام مزيج من مكتبات التحليل الإحصائي ونماذج اللغة الضخمة. يتم استخدام مكتبة pandas للتعامل مع البيانات، وnumpy للعمليات العددية، وmatplotlib لإنشاء الرسوم البيانية. الميزة الأساسية هي طبقة تحليل تعتمد على نماذج اللغة التي تلخص نتائج الأحداث، وتستخرج المشاعر، وتوقع الاحتمالات المستقبلية. ينتج المشروع تقارير بصرية وموجزات منظمة تساعد المتداولين والمحللين على تقييم مشاعر السوق وفرص الاستثمار بسرعة. يهدف إلى تزويد المستخدمين برؤى مدعومة بالبيانات حول أحداث سوق التنبؤ، مع حل لمشكلة تحليل البيانات الكبيرة وتوليد التوصيات بشكل أوتوماتيكي.
A benchmarking tool that simulates user interactions on educational platforms, collects performance data, and visualizes results.
توفر الأداة إطار عمل خفيف الوزن لاختبار أداء تطبيقات التعليم على الويب. تستخدم أتمتة المتصفح لمحاكاة تفاعلات الطلاب الواقعية، وتسجيل أوقات الاستجابة واستخدام الموارد، وتخزين البيانات في صيغ منظمة. يتيح طبقة واجهة برمجة التطبيقات المبنية على إطار عمل حديث الوصول إلى نقاط النهاية لتشغيل الاختبارات واسترجاع المقاييس المجمعة. تُنشئ لوحات معلومات بصرية باستخدام مكتبات تحليل البيانات، مما يمكّن أصحاب المصلحة من اكتشاف الاختناقات والاتجاهات بسرعة. صممت هذه الأداة للمطورين، ومهندسي ضمان الجودة، ومديري المنتجات الذين يحتاجون إلى رؤى عملية حول كيفية أداء محتواهم التعليمي تحت الأحمال.
A data pipeline that ingests, processes, and models futures market data for quantitative analysis.
يُقدِّم المشروع خط أنابيب بيانات متكامل يُعالج بيانات العقود الآجلة. يبدأ بجمع البيانات الخام من مصادر مختلفة، ثم يُنظِّفها ويُحوِّلها إلى تنسيق مناسب للمعالجة. تُطبَّق تقنيات هندسة الميزات مثل العوائد المتأخرة ومقاييس التقلب لتوليد متغيرات تحليلية قوية. تُستَخدم مكتبات التعلم الآلي لبناء نماذج تنبؤية تُقَيِّم تحركات الأسعار أو مخاطر السوق. تُنَظَّم العملية عبر سكربتات Bash، ما يتيح جدولة التشغيل وتكامل سلس مع أنظمة أخرى. يستهدف هذا الحل محللي البيانات الكمية والمتداولين الذين يحتاجون إلى إعداد بيانات موثوق به، قابل للتكرار، ومُحسَّن للقرارات الاستثمارية. يميز المشروع قدرته على التعامل مع مجموعات بيانات كبيرة بسرعة، مع توفير واجهة بسيطة لتعديل الخطوات أو إضافة نماذج جديدة.
A computational framework that simulates thalamocortical dynamics to evaluate auditory sleep‑entrainment protocols.
يُقدِّم هذا المشروع إطاراً حاسوبياً يحاكي ديناميكيات القشرة المخية باستخدام نموذج ثالاموكورتكس ستيوارت‑لاندو (TSLE) لتقييم تأثير بروتوكولات إيقاع النوم السمعي على عمق النوم. يتم تشغيل دراسة شاملة تشمل 208 موضعاً للبيانات النومية، مع اختبار 14 نمطاً مختلفاً من التحفيز الصوتي على مدى 60 دقيقة لكل جلسة. يلتقط النموذج ديناميكيات السعة، والتردد‑المختار للارتداد، وتكيّف الاستجابة المحدد للمحفز، مما يتيح للباحثين قياس فعالية البروتوكولات عبر مؤشرات تعزيز عمق النوم (SDRE). يتضمن الكود معالجة البيانات، وتنفيذ النموذج، وتوليد الرسوم البيانية، ما يجعله حلاً جاهزاً للتشغيل في أبحاث النوم الحاسوبية.
A pipeline that extracts structured labor market data from historical Swedish newspapers for researchers.
تقوم هذه الأداة بمعالجة أرشيفات الصحف الرقمية لاستخراج معلومات سوق العمل التاريخية من عام 1880 حتى 1926. تجمع بين تحليل الصور، والتعرف الضوئي على الحروف، ومعالجة اللغة الطبيعية لتحديد إحصاءات العمالة، والأجور، وإحصاءات القوى العاملة. تُنظَّف وتُتحقَّق البيانات المستخرجة ثم تُصدر بصيغ قابلة للقراءة الآلية مثل CSV أو JSON، جاهزة للتحليل. تستهدف المستخدمين المؤرخين والاقتصاديين وعلماء البيانات الذين يهتمون باتجاهات العمالة على المدى الطويل. يساهم أتمتة سير العمل في تقليل الجهد اليدوي وتحسين اتساق البيانات.
A Python library that performs CPU‑optimized homodyne scattering analysis on XPCS data under nonequilibrium conditions.
يُقدّم هذا المشروع مكتبة بايثون تُعنى بتحليل الانحراف المتماثل (homodyne) للبيانات المجمعة من تقنية XPCS تحت ظروف غير متوازنة. تعتمد المكتبة على مكتبة JAX لتسريع العمليات الحسابية على وحدة المعالجة المركزية، ما يتيح حساب دوال الارتباط ومقاييس التشتت بسرعة عالية حتى مع مجموعات بيانات ضخمة. تتضمن الوظائف الأساسية معالجة البيانات الأولية، حساب دوال الارتباط، تحليل التشتت، وتقدير الأخطاء الإحصائية. كما توفر واجهة رسومية مبسطة عبر مكتبة matplotlib لتوليد مخططات جاهزة للنشر. تستهدف الباحثين في الفيزياء الصلبة وعلوم المواد الذين يحتاجون إلى استخراج معلومات ديناميكية دقيقة من بيانات XPCS في الوقت الحقيقي. يحل المشروع مشكلة بطء التحليل اليدوي ويعزز الدقة والتكرار في النتائج. يميز المشروع قدرته على التعامل مع ظروف غير متوازنة، وهو ما لا يتوفر في الأدوات التقليدية.
Generate and evaluate Bitcoin price signals using machine learning models to determine their suitability for downstream trading.
يجمع هذا النظام مجموعة واسعة من بيانات سوق البيتكوين من مصادر متعددة، بما في ذلك أسعار النقطة، مؤشرات المشاعر، مؤشرات الأصول المتقاطعة، مقاييس السلسلة العامة، وإشارات الميكروستركتشر. يقوم ببناء مجموعة شاملة من 42 متغيرًا محددًا بشكل حاسم ويطبق تصنيفًا متعدد الأفق مع مراعاة التكاليف لإنشاء أهداف تداول واقعية. يتم تدريب وتقييم مجموعة من نماذج تعلم الآلة—XGBoost، LightGBM، ونموذج ARIMA التقليدي—من خلال التحقق المتقدم للخطوة الأمامية، مع فرض شروط صارمة على الدقة، والاستدعاء، وROC‑AUC. يخرج النظام إشارات بصيغة JSON، وتقارير اختبار خلفي، وأصول النماذج، مما يتيح للأنظمة التداولية downstream استهلاك الإشارات التي تحقق معايير الأداء المحددة. يركز الإطار على إمكانية إعادة الإنتاج، وتقييم شفاف، وقدرة على التكرار في هندسة الميزات واختيار النماذج. يُصمم هذا المشروع لأغراض البحث، مع توفير أدوات لتتبع التقدم وإدارة التجارب عبر ملفات التوثيق التلقائية.
Create a clean DuckDB database from EOIR immigration court FOIA data for analysis.
يُنشئ هذا المشروع قاعدة بيانات DuckDB نظيفة من بيانات FOIA لمحاكم الهجرة EOIR. يستخدم مكتبة pandas لتحميل وتصفية البيانات، ثم يُحوّلها إلى جداول منظمة تُخزن في قاعدة بيانات DuckDB لتسهيل الاستعلام. يوفّر واجهة بسيطة لتحديد نطاق التاريخ والملفات المطلوبة، مع رسومات توضيحية للبيانات باستخدام matplotlib. يُستهدف الباحثين، محللي البيانات، والمهتمين بالسياسات الهجرية الذين يحتاجون إلى قاعدة بيانات جاهزة للتحليل الإحصائي. يحل مشكلة الحاجة إلى تنظيف يدوي مكثف للبيانات غير المنظمة، ويقلل الوقت اللازم لإعداد مجموعات بيانات قابلة للتحليل. يميز المشروع بتركيزه على بيانات FOIA الخاصة بمحاكم الهجرة، مع توفير أدوات تصور سريعة تساعد على فهم الاتجاهات والأنماط.
Generate cohort component population projections for North Dakota from 2025 to 2045.
يُقدّم هذا المشروع توقعات للسكان في ولاية نارت داكوتا باستخدام طريقة مكوّنات الكوادر للفترة من 2025 إلى 2045. يقوم بجمع البيانات السكانية التاريخية، ويطبق نماذج إحصائية متقدمة لتوليد تقديرات سنوية حسب العمر والجنس. يتيح للمستخدمين اختيار النموذج المناسب، ويُنتج رسومات بيانية ثابتة وتفاعلية تساعد في تصور الاتجاهات المستقبلية. يستهدف الباحثين والمخططين الإقليميين الذين يحتاجون إلى بيانات سكانية دقيقة لاتخاذ قرارات مستنيرة بشأن التخطيط العمراني والموارد. يحل المشروع مشكلة الحساب اليدوي غير الدقيق للتوقعات السكانية، ويُقدّم سير عمل قابل للتكرار والوثوقية. يميز المشروع بقدرته على دمج النتائج مباشرة في قاعدة بيانات PostgreSQL لتسهيل التحليل المتقدم والتقارير.
Provides simulation, analysis, and figure‑generation code to reproduce the accuracy‑illusion study in communicative behavior.
يقدم هذا المشروع محركاً محاكياً دقيقاً يضم خمسة أنواع من الوكلاء: عشوائي، منحاز للفئة، إنتاج زائد، متذكر، وتركيب. يتضمن خطوط عمل لتجميع معلمات الضوضاء، إجراء تحليلات مطابقة الدقة، وإنشاء منحنيات قوة باستخدام تقنية Bootstrap. جميع البيانات اللازمة لإعادة إنتاج الجداول والرسوم البيانية والنتائج الإحصائية معروضة في ملفات JSON، بينما تولد السكربتات رسومات ذات جودة منشورة. يتيح المشروع للباحثين تشغيل المحاكاة الكاملة، تعديل المعلمات، أو تكرار التحليل على مجموعات بيانات جديدة. تم تصميم الكود لضمان التكرار، مع استخدام بذور ثابتة وتوثيق واضح لكل خطوة. يركز المشروع على توفير أداة تحليلية شاملة للبحوث السلوكية، مع دعم للمعايير العلمية في التجارب التجريبية. يسهّل التعاون بين علماء النفس واللغويات الحاسوبية من خلال توفير بيئة قابلة للتكرار وسهلة الاستخدام.
This project implements a post‑training pipeline that transforms a base language model into a dialogue‑capable, safety‑aware chat model through supervised fine‑tuning and direct preference optimization.
يُحوّل هذا المسار نموذجاً أساسياً يقتصر على تنفيذ التعليمات إلى نموذج محادثة قادر على الحوار، مع قدرة على رفض الطلبات غير الآمنة والتوافق مع تفضيلات المستخدم. يبدأ المسار بالتعديل بالإشراف (SFT) على مجموعة بيانات تعليمات مختارة، ثم يطبق التفضيل المباشر (DPO) باستخدام أزواج بيانات تفضيل لتشكيل الأمان والجودة. يتضمن سير العمل نصوصاً كاملة لإعادة إنتاج التجربة، مع أدوات لتحميل البيانات، ومعالجة ما قبل التدريب، والتدريب، والتقييم، بالإضافة إلى رسومات توضح ديناميكيات التدريب ونتائج المقاييس. يتيح المشروع للباحثين ومهندسي التعلم الآلي إعادة تنفيذ منهجية Tülu 3، وإجراء دراسات تحليلية، واستكشاف تأثير مزيج البيانات على أداء النموذج. يحقق المشروع الحاجة إلى مسارات تدريب شاملة وشفافة تمكّن من بناء وكلاء محادثة آمنة ومتوافقة مع المستخدم.
This pipeline cleans and evaluates Common Crawl data using three generations of filtering methods to balance data quality and quantity for language model pretraining.
يقوم هذا النظام بمعالجة بيانات Common Crawl الخام عبر ثلاث أجيال مختلفة من طرق التصفية: القواعد التجريبية، ومصنف يعتمد على fastText، ونهج هجين يدمج مصنفات متعددة، وتقنيات تجاوز، وإعادة كتابة باستخدام نماذج اللغة الكبيرة. يقيّم النظام التوازن بين جودة البيانات ومعدل الاحتفاظ، مما يتيح للباحثين مقارنة تأثير كل طريقة على أداء النماذج المستندة إلى التعلم العميق. ينتج النظام مجموعات بيانات نظيفة، وإحصائيات إزالة التكرار، ومقاييس تقييم مثل تحسينات MMLU لنماذج بحجم 7 مليار معلمة. صُمم ليُشغَّل من سطر الأوامر مع ملفات YAML قابلة للتكوين، ما يسهل التبديل بين اختبارات التدفق القصير والتجارب الكاملة. كما يتضمن النظام سكربتات لإنشاء تقارير مقارنة وتصورات تساعد في تحليل النتائج.
Creates a 3D point‑cloud representation of audio signals for analysis and artistic exploration.
يحول هذا البرنامج النصي المكتوب بلغة بايثون بيانات الصوت إلى تمثيل ثلاثي الأبعاد بنقطة سحابية، مما يتيح فحص الأنماط والترددات والهارمونيك في سياق فضائي. يتم أخذ عينات من الموجة الصوتية، استخراج ميزات السعة والتردد، ثم خريطة هذه الميزات على نظام إحداثيات ثلاثي الأبعاد باستخدام مكتبة رسم بياني. يتيح العرض الناتج للمستخدمين تحليل البنية الزمني‑الترددية للصوت بطريقة بصرية غنية. يستهدف البرنامج الباحثين، مهندسي الصوت، والفنانين الرقميين الذين يبحثون عن منظور جديد لتحليل الأصوات. يعتمد التنفيذ على مكتبة نَمباي للعمليات العددية الفعّالة ومكتبة سِكاي بّي للمعالجة الإشارات، ما يضمن إنتاج رسومات عالية الجودة مع إعداد بسيط. يقدّم هذا الحل وسيلة مبتكرة لتصور الصوت، مع إمكانية التخصيص لتناسب احتياجات تحليلية أو فنية محددة.
A Python tool that visualizes Bitcoin price movements across halving cycles.
btc-cycles هو أداة تحليل بيانات مكتوبة بلغة بايثون تتتبع تحركات سعر البيتكوين عبر دورات التثبيت المتتالية. تقوم الأداة بقراءة بيانات الأسعار التاريخية، وتطابقها مع تواريخ التثبيت، ثم تطبق تحليلًا إحصائيًا لتسليط الضوء على الأنماط التي تظهر قبل وبعد كل دورة. تُنتج الأداة رسومات بصرية واضحة وجاهزة للنشر باستخدام مكتبة Matplotlib، مما يتيح للمستخدم مقارنة تقلبات السوق، معدلات النمو، وسلوك السوق عبر فترات التثبيت المختلفة. صُممت للأبحاث، المتداولين، وعلماء البيانات، وتساعد في كشف الاتجاهات طويلة الأمد وتقييم تأثير التثبيت على ديناميكيات السعر. سير العمل بسيط: تحميل البيانات، تشغيل نص التحليل، ومراجعة الرسوم البيانية والإحصاءات الملخصة. تُعد أداة سريعة للرجوع إليها لأي شخص يدرس دورات البيتكوين أو يعد تقارير أكاديمية.
This project performs a comprehensive seismological and geospatial analysis of the 2025 M7.7 Mandalay earthquake to assess tectonic context, aftershock behavior, seismic hazard, and community exposure.
يُدمج المشروع بيانات فهرس الزلازل من USGS مع خرائط الخطوط التكتونية في ميانمار وطبقات نظم المعلومات الجغرافية الإنسانية لتقييم السياق التكتوني للحدث Mw 7.7. يحدد تحليل الزلازل الارتجاعية مجموعات بعدية، ويحسب معلمات علم الزلازل الإحصائية مثل قيمة b ومعامل أوموري p، ويُرسم خرائط للتقارب مع البنية التحتية الحيوية. يوضح التحليل المكاني والزماني نشاط الزلازل المرتبطة بالخطوط التكتونية ومعدل تراجعها على مدى عام. يبرز تقييم التعرض الطرق، السكك الحديدية، المدارس، والسدّات المائية التي تقع في مناطق خطرة. يُقدّم المشروع رسومات ثابتة وتفاعلية، جداول، وتقرير تفصيلي يُفيد أصحاب المصلحة في التخطيط للإنقاذ وإدارة المخاطر.
A backtesting framework for a low P/B and high Piotroski F-Score equity strategy, featuring parameter optimization and robustness validation.
يُقدِّم هذا المشروع محرك اختبار استراتيجيات الأسهم القائم على الجودة والقيمة، حيث يُختار الأسهم ذات نسبة السعر إلى القيمة الدفترية المنخفضة ودرجة Piotroski F‑Score العالية. يتضمن المحرك تحميل البيانات، حساب المؤشرات الأساسية، اختيار الكوكبة، تنفيذ الصفقات، وحساب مجموعة شاملة من المقاييس المالية مثل CAGR، Sharpe، Sortino، وCalmar. يتيح المشروع إجراء بحث عن المعلمات عبر الشبكة أو العشوائي مع التحقق من الأداء داخل الفترة المختبرة وخارجها، ويحسب درجة الصلابة بناءً على نسبة انخفاض Sharpe لتقليل خطر الإفراط في التكييف. يوفر واجهة Streamlit تفاعلية لعرض نتائج الاختبار الفردي والبحث عن المعلمات، بينما تُسهل السكربتات عبر سطر الأوامر عمليات التحميل الآلي للبيانات وتشغيل الاختبارات. يُصمم هذا الأداة للباحثين الكميّين ومديري المحافظ الذين يحتاجون بيئة قابلة للتكرار والتوسيع لتطوير واختبار استراتيجياتهم المالية.
A Python tool that collects and visualizes real‑time water condition data for the White Hole on the White River.
يُجمع هذا البرنامج بيانات حالة المياه في منطقة White Hole على نهر White River من مصادر إلكترونية مباشرة، ويعالج هذه البيانات ثم يُظهرها في مخططات بصرية توضح مؤشرات أساسية مثل درجة الحرارة، معدل التدفق، ومؤشرات جودة المياه. يستخدم متصفحًا خفيًا للتنقل في صفحات الويب الديناميكية، ثم يُحلل المحتوى باستخدام محلل قوي، وأخيرًا يُرسم النتائج باستخدام مكتبة رسم شائعة. يمكن حفظ المخططات كصور أو عرضها بشكل تفاعلي، ما يسهل متابعة التغيرات على مدى الزمن. يستهدف البرنامج الباحثين، والجهات البيئية، والسلطات المحلية التي تحتاج إلى معلومات حديثة حول حالة المياه لدعم اتخاذ القرار والسلامة العامة. يميز هذا الحل بقدرته على جمع البيانات في الوقت الحقيقي دون الحاجة إلى إعدادات معقدة، ويقدم واجهة سهلة الاستخدام للمستخدمين غير المتخصصين في البرمجة. كما يتيح إمكانية توسيع نطاقه ليشمل مؤشرات إضافية أو مصادر بيانات أخرى بسهولة.
Automates sentiment analysis of OTRS tickets and publishes an interactive dashboard daily.
يُتصل الأداة بنظام تذاكر OTRS، ويسترجع التذاكر التي تطابق معايير البحث المحددة، ثم يُستخرج البريد أو المقالة الأولى من كل تذكرة. تُطبّق الأداة نموذج BERT باللغة الإسبانية لتصنيف كل تذكرة إلى إيجابية أو سلبية أو محايدة، ما يوفر نظرة شاملة على المشاعر. تُنشئ الأداة سحابة كلمات لتسليط الضوء على أكثر المصطلحات تكرارًا عبر التذاكر، مما يضيف بُعدًا تحليليًا إضافيًا. تُجمع النتائج في لوحة تحكم HTML تفاعلية تُحدّث تلقائيًا كل يوم عبر سير عمل مجدول. تُتيح هذه اللوحة لأصحاب المصلحة مراقبة اتجاهات رضا العملاء وتحديد التذاكر التي قد تحتاج إلى تدخل عاجل.
A toolkit for time‑series analysis that offers CLI, agents, and a Gradio UI for forecasting, anomaly detection, and visualization.
يُقدّم هذا الأداة مجموعة شاملة لتحليل السلاسل الزمنية، مع واجهة سطر أوامر تسمح بتنفيذ عمليات المعالجة المسبقة، النمذجة، والتنبؤ بسرعة. يدمج النظام نماذج تعلم الآلة المتقدمة مع واجهة رسومية تفاعلية مبنية على Gradio، ما يتيح للمستخدمين استكشاف البيانات بصرياً وتعديل المعلمات دون الحاجة لكتابة كود. يشتمل على وحدات “أجنحة” (agents) تُسهل تنفيذ سلسلة من الخطوات المتسلسلة تلقائياً، مثل تنظيف البيانات، استخراج الميزات، وتقييم النماذج. يستهدف المحللين والباحثين الذين يعملون مع بيانات مالية، حساسات صناعية، أو أي نوع من السلاسل الزمنية، ويحل مشكلة صعوبة دمج أدوات متعددة في عملية واحدة. يقدّم رسومات بيانية ديناميكية باستخدام Matplotlib و Pandas، مع إمكانية تصدير النتائج إلى تنسيقات شائعة. يبرز بقدرة التوسع عبر دمج OpenAI لتوليد توصيات أو شرح النتائج، ما يضيف طبقة ذكاء اصطناعي فريدة.
A Python-based analysis tool that calculates the supply‑chain material footprint of ICT sectors across 164 economies using input‑output data.
يُنفّذ هذا المشروع تحليلًا للـ "بصمة المواد" المستهلكة لخمسة قطاعات في مجال تكنولوجيا المعلومات والاتصالات، بما في ذلك الحواسيب والإلكترونيات والمعدات الكهربائية والنشر والاتصالات وخدمات المعلومات، عبر 164 اقتصادًا من عام 1990 حتى 2029. يعتمد على قاعدة بيانات GLORIA المتعددة المناطق للمدخلات والمخرجات، ويستخدم معكوس ليونتيف عبر تقنية تكامل شور ومجموعة نيمان لتقليل حجم الحسابات الضخمة. تُنتج السكربتات النتائج الأساسية، وتجرى تحليلات حساسية مثل استبعاد القطاع 91، وتُنشئ مجموعة من الرسوم البيانية والخرائط التي تُظهر اتجاهات استخراج المواد على مستوى العالم. تُصمم الأداة للباحثين وصناع السياسات الذين يحتاجون إلى رؤى كمية حول الطلب على المواد الخام في الاقتصاد الرقمي. تُصدر ملفات بيانات ومرئيات يمكن دمجها مباشرة في التقارير أو التحليلات المتقدمة.
This project provides a Python-based framework for data analysis and machine learning, enabling users to preprocess data, visualize results, and build predictive models.
يُقدِّم هذا الإطار مجموعة متكاملة من الأدوات لمعالجة وتحليل البيانات باستخدام مكتبات بايثون الشهيرة. يبدأ بتحميل البيانات وتطهيرها عبر pandas، مع إمكانية تحويل القيم المفقودة وتوحيد الصيغ باستخدام NumPy. يتيح إنشاء رسومات بيانية متقدمة عبر matplotlib، بما في ذلك الرسوم التوزيعية، والرسوم النقطية، ومخططات الحرارة، لتسهيل استكشاف الأنماط. يدعم سير العمل في تعلم الآلة عبر scikit‑learn، مع توفير خوارزميات جاهزة للتصنيف، والانحدار، والتجميع، وتقليل الأبعاد. يتضمن أدوات لتقييم النماذج، والتقسيم المتقاطع، وتعديل المعلمات، بالإضافة إلى إحصاءات تحليلية باستخدام SciPy. يهدف إلى تسريع دورة حياة تحليل البيانات، مع تقليل الكود المتكرر وتعزيز قابلية إعادة الاستخدام، ما يجعله مناسباً للباحثين والمحللين. يبرز بمرونته في التعامل مع مجموعات بيانات متنوعة، مع دعم شامل للخطوات المتسلسلة من التحضير إلى التنبؤ.