This project evaluates AI models on New York Times Connections puzzles.
هذا المشروع يقوم بتقويم أنظمة الذكاء الاصطناعي على لعبة Connections في نيويورك تايمز. يوفّر هذا الأداة إطارًا لتقويم وتقارن أداء مختلف الأنظمة في حل هذه اللعبة المعقدة. تستخدم المشروع مكتبات متعددة، بما في ذلك matplotlib و pandas، لتصوير وتحليل النتائج.
A dashboard that tracks Tesla Robotaxi safety performance by calculating miles per incident using NHTSA data and fleet size estimates.
تُظهر لوحة المعلومات مؤشرات سلامة سيارات تسلا الروبوتاكسي عبر حساب الأميال لكل حادث استناداً إلى تقارير NHTSA وتقديرات حجم الأسطول المشتقة من بيانات السحب. تعرض اللوحة مخططاً للاتجاه مع توقعات أسية، ومؤشراً لحساب الأميال منذ آخر حادث، ونمو الأسطول مع مرور الوقت. كما تُقدّم جداول مقارنة تُظهر أداء تسلا مقابل السائقين البشر وواي مو، باستخدام تقارير الشرطة ومطالبات التأمين. يتم تحديث البيانات يومياً عبر عمليات تنزيل تلقائية للبيانات وسحب معلومات الأسطول عبر متصفح Playwright، ما يضمن دقة المعلومات للمحللين وأصحاب المصلحة. تُصمم الأداة لتسهيل اتخاذ القرارات حول سلامة الأسطول المستقل وتوقع معدلات الحوادث المستقبلية. تتضمن الميزات الرئيسية تحليل الاتجاه، عرض الأميال الحالية، مقارنة الصناعة، وتفاصيل الحوادث مع الفواصل الزمنية. تُعد هذه المنصة مورداً قيماً للباحثين، ومديري الأسطول، والجهات التنظيمية التي تسعى لتحسين معايير السلامة في النقل الذكي.
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.
It automates the optimization of silicon PIN diode phase shifters by sampling design parameters, running electro‑optical simulations, and applying Bayesian optimization to find Pareto‑optimal solutions.
يهدف هذا النظام إلى تحسين مبدلات الطور المصنوعة من PIN diode في مجال الفوتونيات السيليكونية. يستخدم منهجية أخذ عينات Latin Hypercube لاستكشاف فضاء المعلمات بكفاءة عالية. يتم تشغيل محاكاة كهربائية-ضوئية متكاملة (CHARGE + FDE) عبر واجهة Lumerical لتوليد بيانات الأداء. ثم يُطبّق تحسين Bayesian لتحديد حلول Pareto المثلى تقلل من حاصل ضرب الجهد والطول Vπ·L وتقلل من فقدان الإشارة الضوئية. يتيح النظام للمصممين الحصول على تقارير شاملة حول التوازن بين الكفاءة الكهربائية والضوئية، مما يسهل اتخاذ قرارات تصميم مبنية على بيانات دقيقة. يميز هذا الحل بدمجه المتكامل بين تقنيات العينة المتقدمة، والمحاكاة المتزامنة، وخوارزميات التحسين الذكي، وهو ما يجعله أداة فريدة للباحثين ومهندسي الفوتونيات.
This project predicts underserved retail sites across London using spatial machine learning and visualizes the results in an interactive dashboard.
يُصنِّف النظام هكساغونات H3 في منطقة لندن الكبرى لتحديد الفجوات في ستة أنواع من الأعمال التجارية. يجمع بين ميزات جغرافية متعددة الأبعاد، وبيانات التعداد السكاني، ومواقع نقاط الاهتمام من OpenStreetMap، ثم يُدرب نماذج XGBoost مع التحقق المتقاطع المكاني. تُعرض النتائج في لوحة تحكم Streamlit تتيح للمستخدمين التبديل بين أنواع الأعمال واستكشاف مؤشر التآزر عبر المقاطعات. يدعم الأداة اتخاذ قرارات مستندة إلى البيانات لتوسيع الأعمال واختيار المواقع. صُممت لتلبية احتياجات المحللين الذين يحتاجون إلى سير عمل متكامل من استيراد البيانات إلى التوصيات. تُقدِّم واجهة سهلة الاستخدام مع رسومات تفاعلية تُظهر توزيع الفرص والفراغات. كما تُتيح إمكانية تصدير النتائج لتكاملها مع أدوات أخرى في سلسلة اتخاذ القرار.
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.
Hoops Graphs is a simple NBA visualization tool that fills the gap in online resources for NBA statistics, ranking highly in Google Image Search.
يعد Hoops Graphs أداة وизوالية بسيطة لكرة السلة تملأ الفجوة في الموارد عبر الإنترنت للสถائيات كرة السلة، وتحتل المراكز العليا في محركات البحث. توفر الأداة ثلاثة أنواع من التمثيلات: ترتيب المؤسسات، سجل رؤوس المال، وترتيب شرق ضد غرب. لكل نوع من التمثيلات صفحة خاصة بها مع سلطة الكلمات، ويظهر الصفحة الرئيسية البيانات الأسبوع الأخيرة.