This curriculum teaches the fundamentals of reinforcement learning and active inference, guiding learners from basic concepts to advanced applications.
يقدم هذا المنهج سلسلة من الدروس التي تربط بين التعلم المعزز (RL) والتخمين النشط (AIF)، معتمدًا على مبادئ مبدأ الطاقة الحرة. يبدأ بالأساسيات الحيوانية ثم ينتقل إلى نماذج MDP وتعلم القيم، قبل أن يتعمق في خوارزميات التعلم العميق. يدمج المنهج أدوات مكتبة ALF وNeuro-Nav لتوفير أمثلة عملية في لغة Python مع JAX. يستهدف الطلاب والباحثين الذين يرغبون في فهم العلاقة بين RL وAIF وتطبيقها في بيئات معقدة. يحل المشكلة التي يواجهها المتعلمون في فهم الفجوة النظرية بين الطريقتين، ويقدم مسارًا تدريجيًا من المفاهيم البسيطة إلى التطبيقات المتقدمة. يميز نفسه بتركيزه على التجارب العملية والتمارين التي تشجع على التفكير النقدي وتطبيق المفاهيم في سيناريوهات حقيقية.
An interactive Jupyter Book that re‑examines fundamental physics through ontological principles, focusing on the relationship between space, time, and the speed of light.
يقدّم الكتاب إطاراً يُعرف بالفيزياء الأنتولوجية، يفرض أن جميع الحركات تحدث بسرعة الضوء، مع اختلاف الاتجاه بين الفضاء والزمان فقط. يُعرّف هذا الإطار بنظرية الأنتولوجيا النسبية (ORT) التي تُعيد تفسير النسبية الخاصة، والجرّب، والكونيات، والميكانيكا الكمّية. يتيح للقراء التفاعل مع دفاتر جوبتر لتصور مكوّنات السرعة، ومخططات الزمكان، وتأثيرات النسبية باستخدام مكتبات matplotlib وplotly. يُنظم المحتوى في وحدات تغطي الجاذبية الأساسية والمتقدمة، والكونيات، والميكانيكا الكمّية، مع أمثلة برمجية ورسوم توضيحية. يستهدف الطلاب، والمعلمين، والباحثين، ويقدّم نهجاً عملياً لمفاهيم معقدة دون الحاجة إلى خلفية واسعة. يهدف الكتاب إلى ربط النظرية المجردة بالاستكشاف البصري القابل للتطبيق، مما يجعل الفيزياء المتقدمة أكثر وصولاً.
A hands‑on guide that teaches journalism professionals how to apply machine learning techniques—embeddings, semantic search, retrieval‑augmented generation, document classification, and fine‑tuning—to their own newsroom data.
يُقدّم هذا المشروع دليلًا عمليًا لتطبيق تقنيات التعلم الآلي على بيانات غرفة الأخبار، مع تركيز على تحويل المستندات إلى تمثيلات رقمية، وبناء محرك بحث معنوي، وتصنيف المستندات تلقائيًا، وتدريب نماذج على صوت المؤسسة. يتضمن أربع دفاتر جوبتر، كل منها يشرح خطوة بخطوة كيفية إعداد البيانات، إنشاء مجموعات بيانات، واستخدام مكتبات مثل ChromaDB وLangChain. يتيح للمستخدمين إنشاء نظام استرجاع معزز بالاستعلامات (RAG) يجيب على الأسئلة مستندًا إلى محتوى المستندات الداخلية. كما يوفر أدوات تصنيف بدون تدريب مسبق (zero‑shot) لتسمية المقالات والوثائق حسب الموضوع. يهدف المشروع إلى تمكين صحفيين ومحللي الأخبار من استغلال الذكاء الاصطناعي دون الحاجة لخلفية تقنية متقدمة، مع توفير رسومات بيانية لتصور النتائج. يميز المشروع بدمجه للبيانات الحقيقية من غرفة الأخبار، مما يتيح تجربة واقعية ومباشرة للمستخدمين.
A benchmark framework that evaluates large language models on progressively generating graphs from natural language instructions.
يُقدِّم GraphInstruct إطاراً معيارياً منظماً لتقييم قدرة نماذج اللغة الكبيرة على توليد الرسوم البيانية استناداً إلى أوامر نصية. يتضمن مجموعة مختارة من المهام التدريجية التي تزداد تعقيداً تدريجياً، ما يتيح للباحثين تتبع أداء النماذج عبر مراحل مختلفة. يدمج الإطار مكتبات التصوير لتوليد الرسوم البيانية ويُقدِّم مقاييس دقيقة لدرجة الدقة، والوفاء بالمتطلبات، وسرعة التوليد. يستهدف الباحثين في مجال معالجة اللغة الطبيعية وتوليد الرسوم البيانية، ويُمكّنهم من إجراء مقارنات قابلة للتكرار بين النماذج المختلفة. يساهم في دفع تطوير أنظمة توليد أكثر قدرة على التعامل مع أوامر نصية معقدة، مع التركيز على تحسين جودة الرسوم البيانية المولَّدة. كما يتيح إمكانية توسيع نطاق التقييم ليشمل سيناريوهات تطبيقية متنوعة، مما يعزز من فاعلية النماذج في البيئات الواقعية.
A curated collection of Python notebooks and scripts that document and experiment with various machine learning and AI concepts for learning and research.
يقدم هذا المشروع مجموعة منظمة من دفاتر Python والبرامج التي تستكشف مجموعة واسعة من مواضيع التعلم الآلي والذكاء الاصطناعي. يتضمن أمثلة برمجية مفصلة، رسومات بيانية، وملاحظات تفسيرية توضح كيفية عمل الخوارزميات المختلفة في الممارسة العملية. يُعد هذا المستودع مورداً تعليمياً للمبتدئين ومراجعاً للباحثين ذوي الخبرة الذين يرغبون في تجربة أفكار جديدة. من خلال الجمع بين النظرية والبرمجة العملية، يساعد المستخدمين على تعميق فهمهم لتصميم النماذج، التدريب، والتقييم. يتم تحديث المجموعة بانتظام لتعكس الاتجاهات الناشئة وأفضل الممارسات في المجال.