It shifts audio frequencies while quantizing them to a musical scale, enabling musicians and audio engineers to create harmonically consistent pitch effects.
يُطبّق البرنامج تحويلًا للتردد على إشارات الصوت ثم يُحوِّل النتيجة إلى مقاييس موسيقية محددة، ما يضمن أن يظل الإخراج متوافقًا نغمًا. يدعم مجموعة واسعة من صيغ الملفات الصوتية ويتيح ضبط مقدار التحويل، اختيار المقاييس، واختيار طرق التداخل. يعتمد التنفيذ على مكتبات عددية فعّالة لمعالجة ملفات صوتية كبيرة بسرعة. يستهدف المستخدمين المهندسين الصوتيين، الموسيقيين، والمطورين الذين يحتاجون إلى تحكم دقيق في التغيير النغمي لأغراض الإنتاج أو البحث. يحل المشروع مشكلة شائعة في تحويل النغمة التي غالبًا ما تُدخل تشويشًا غير نغمي من خلال فرض قيود المقاييس. يميز البرنامج بقدرته على الجمع بين السرعة والدقة مع الحفاظ على الطابع الموسيقي الأصلي. كما يتيح دمجه بسهولة في خطوط إنتاج الصوت أو تطبيقات تحرير الصوت.
A zero-parameter cosmological model that explains dark matter and dark energy using a single equation derived from the prime number theorem, intended for researchers in theoretical physics and cosmology.
يقدّم إطار عمل IF Theory معادلة واحدة بدون معلمات تربط توزيع الأعداد الأولية بالديناميكيات الجاذبية للكون. يفسّر منحنيات دوران المجرات المستوية، والإنعكاس الجاذبي القوي، وتسارع التمدد الكوني كما لو كان بدون الحاجة إلى جسيمات المادة المظلمة أو ثابت كوني. يتضمن المكتبة وحدات Python، ومفكرة Jupyter، ونصوص محاكاة لحساب التنبؤات للسرعات المجرية، والبنية الكبيرة للفضاء، والاهتزازات الصوتية البارونية. يمكن للباحثين التحقق من النموذج مقابل ملايين الملاحظات المجرية ومختلف مؤشرات الكون. يركز المشروع على القابلية للتكرار، والحساب الدقيق، وخط سير شفاف من النظرية إلى البيانات.
The juniper-cascor project implements a Cascade Correlation Neural Network for use in machine learning tasks.
هذا المشروع Implementation ل Cascade Correlation Neural Network، نوع من أنماط الشبكات العصبية مصممة للتعلم التعامل مع العلاقات المعقدة بين المدخلات والخروجات. يهدف للمستخدمين في تطبيقات التعلم الآلي حيث الهدف هو التنبؤ بالنتائج بناءً على البيانات الدخيلة. يستخدم هذا المشروع لغة البرمجة Python كاللغة الرئيسية ويعتمد على مكتبات متعددة مثل PyTorch للبناء وتدريب الشبكة العصبية.
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.
An integrated web platform that streamlines BESS EPC engineering tasks by providing data analysis, visualization, and project management tools.
تُقدّم المنصة واجهة موحدة للمهندسين في مجال EPC لتحميل ومعالجة وعرض بيانات مشاريع تخزين الطاقة بالبطاريات. تُستخدم الرسوم البيانية التفاعلية لوحات المعلومات لعرض مؤشرات الأداء وتقديرات التكلفة ومقارنات التصميم. يمكن للمستخدمين رفع جداول بيانات أو إدخال المعلمات مباشرة، ما يتيح تشغيل حسابات لحظية ومقارنات سيناريوهات. تستهدف المنصة مهندسي EPC ومديري المشاريع ومصممي أنظمة الطاقة الذين يحتاجون إلى مصدر موثوق واحد للتخطيط والمراقبة. من خلال دمج الجداول المبعثرة والحسابات اليدوية، تقلل الأخطاء وتسرّع اتخاذ القرار. كما توفر أدوات لتتبع المراحل الزمنية وتقدير التكاليف، مما يساعد على إدارة المشاريع بكفاءة أعلى. يميز المشروع تكامله بين التحليل البياني وإدارة المشروع في بيئة ويب واحدة، وهو ما لا يتوفر في الحلول التقليدية.
The onthedrops__trends-report-system is a serverless trends analysis system that collects signals from multiple sources, analyzes them using Claude AI, and generates industry-specific reports with global macro economic data.
هذا النظام يجمع إشارات حية في الوقت الفعلي من مصادر +7، ويحللها باستخدام Claude 3.5 Haiku AI، ويتوفر تحليل العلاقات السببية، والتصفية حسب الصناعة والمكان الجغرافي، وتضمين المؤشرات الاقتصادية العالمية، ويولد تقارير جميلة ومشغولة بالتفاعل.
A Python library that applies tri‑modal contrastive learning to generate molecular embeddings for drug discovery.
يُقدّم هذا المشروع إطاراً لتعلم التباين المتعدد الأبعاد (tri-modal contrastive learning) في مجال اكتشاف الأدوية. يدمج بيانات كيميائية، بيولوجية، ونصية لتوليد تمثيلات جزيئية دقيقة تُسهم في تحسين عمليات البحث عن مركبات فعّالة. يعتمد على خوارزميات التعلم العميق لتوليد embeddings متوافقة عبر الأنماط الثلاثة، مما يتيح مقارنة الجزيئات بطريقة أكثر دقة. يتيح للمستخدمين تدريب نماذجهم الخاصة أو استخدام النماذج المدربة مسبقاً لتطبيقات مثل الفحص الافتراضي (virtual screening) وتقييم الأمان. يستهدف الباحثين في الصيدلة والكيماويات الحاسوبية الذين يحتاجون إلى أدوات تحليلية متقدمة للتعامل مع مجموعات بيانات متعددة الأبعاد. يحل مشكلة نقص التمثيل الموحد للبيانات المتنوعة، ويقلل الحاجة إلى معالجة يدوية معقدة. يبرز بفضل دمجه الفعّال للبيانات المتعددة، ما يضعه في مقدمة الحلول الحديثة في اكتشاف الأدوية.
This project aims to develop a hybrid quantum-classical convolutional neural network for recognizing handwritten Ottoman-Turkish characters, achieving high accuracy and efficiency.
هذا المشروع يهدف إلى تطوير شبكة عصبية مدمجة بين الكلاسيكية والكوانتومية لتعرف الأشكال اليدوية التركية العثمانية، وتحقيق دقة عالية و效فية. implementation of a hybrid quantum-classical neural network for classifying handwritten Ottoman-Turkish characters. It leverages GPU-accelerated quantum simulation and advanced training techniques to achieve high accuracy. The project explores the application of quantum machine learning for handwritten character recognition in historical scripts, targeting unique challenges such as high intra-class variance and complex morphology.
A research framework for modeling a long/short investment thesis on the displacement of knowledge work by AI over a 5–15 year horizon.
هذا الدليل البحثي يقدّم إطاراً منهجياً لتصميم نموذج استثماري طويل/قصير يركز على تحلّي العمل المعرفي بالذكاء الاصطناعي على مدى 5–15 سنة. يتضمن المجلدات الرئيسية: الفرضية الأساسية، البحث الداعم، قائمة الأوراق المالية، النمذجة الكمية، والبيانات. يستخدم أدوات تحليلية متقدمة مثل تحليل العوامل، اختبار الخلفية، والمحاكاة مونت كارلو لتقييم السيناريوهات المختلفة. يدمج تحليل مؤشرات الاقتصاد الكلي، هيكل إيجارات العقارات المكتبية، وحساسية إيرادات SaaS القائمة على المقاعد. يستهدف الباحثين الكميين ومديري المحافظ الأكاديميين الذين يحتاجون إلى أدوات تحليلية شاملة لفهم التغيرات الهيكلية في سوق العمل. يحل مشكلة نقص الأطر المتكاملة التي تربط بين التحليل الاقتصادي، النمذجة الكمية، وإدارة المحافظ الاستثمارية. يميز نفسه بتركيزه على الأفق الطويل والنهج السلسلة الزمنية التي تتضمن مراحل البنية التحتية، التبني المؤسسي، وإعادة التنظيم الهيكلي.
This project teaches you to build, dockerize, and deploy NLP systems professionally from basic Python skills.
هذا المشروع يملأ الفجوة في الصناعة حيث العديد من الدورات تعلم برمجة أنظمة NLP التي تعمل في نوتبوك جوبير ولكنها تفشل في تقديم مسار واضح إلى الإنتاج. هذا المشروع يغطي رحلة كاملة من مهارات Python الأساسية إلى نظام حقيقي يعمل في Docker مع مراقبة، مستعدًا للإنتاج. سوف تعلم تقنيات backend الحديثة، تقنيات NLP المتقدمة، التعلم العميق، DevOps، ومراقبة.
timesage-ts is a Python library for time series analysis and visualization.
هذه المكتبة توفر واجهة سهلة الاستخدام لتحليل البيانات الزمنية (EDA) وتضم مجموعة من النماذج machine learning وتقدم تفسيرات بسيطة للغة الإنجليزية للنتائج، مما يجعلها متاحة للمستخدمين الذين لا يمتلكون خبرة تقنية واسعة. المكتبة مصممة ليكون بمثابة مركز واحد لمهام البيانات الزمنية.
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.
This project is a quant/ data analysis practice series for YouTube '데이터가답이다' aimed at creating a notebook template that produces results, not just explanations.
هذا المشروع هو سلسلة ممارسة كمبيوترات/تحليل البيانات لصالح قناة '데이터가답이다' على اليوتيوب، يهدف إلى إنشاء نموذج كتابية قابلة للتنفيذ التي تنتج نتائجًا وليس فقط تفسيرات.
OpenAlgo Indicator Skills is a collection of technical indicator skills for charting, analysis, and custom indicator development using OpenAlgo, supporting 40+ AI coding agents and various markets.
هذا المشروع يقدم مجموعة شاملة من مهارات المؤشرات الفنية لتحليل البيانات وتنفيذ مؤشرات مخصصة باستخدام OpenAlgo. يدعم أكثر من 40 عملاء برمجية ذكية عبر منصة skills.sh وتضم الميزات مثل feeds WebSocket في الوقت الحقيقي ومسح الرموز المتعددة ومبني المؤشرات المخصصة مع Numba JIT + NumPy. كما يدعم المشروع الأسواق الهندية عبر OpenAlgo والأسواق الأمريكية/العالمية عبر yfinance.
The anatomyofventurecapital project provides educational content on venture capital for users to learn and understand.
هذا المشروع هو مصدر تعليمي يركز على موضوع رأس المال الاستثماري. يهدف إلى توفير فهم شامل للرأس المال الاستثماري، بما في ذلك مفاهيمه الرئيسية، استراتيجياته، وأفضل ممارساتها. يستخدم المشروع أدوات و مكتبات متعددة مثل matplotlib, numpy, openai, pandas, و scipy لإنشاء رسومات مرئية تفاعلية ومودلات. يهدف المحتوى إلى الأفراد المهتمين بتعلم رأس المال الاستثماري وأحكامه.
An agent-based simulation that models how human social structures emerge from genetic, environmental, and institutional interactions.
يحاكي المشروع كل فرد كوكيل كامل يمتلك 35 سمة وراثية، مع فصل بين الجينوتيب والفيتو تايب، بالإضافة إلى خمسة أبعاد ثقافية تنتقل اجتماعيًا. يستند النموذج إلى علم الوراثة السلوكية، الأنثروبولوجيا التطورية، والاقتصاد المؤسسي لتصوير عمليات التكاثر، والمنافسة على الموارد، والسعي للترتيب الاجتماعي، والتعاون، والحسد، والعنف، والرباط الزوجي، والقيود المؤسسية. في كل سنة يتم تشغيل تسعة محركات تتعامل مع دورات البيئة، وتوزيع الموارد، وديناميكيات الصراع، والزاوج، وغيرها، لتوليد هياكل اجتماعية ناشئة دون أي سيناريوهات مبرمجة. يُبنى البرنامج بلغة بايثون ويُعرض عبر لوحة تحكم Streamlit، ما يتيح للباحثين تعديل المعلمات، تشغيل عدة بذور، ومراقبة الأنماط على مستوى السكان. يهدف إلى اختبار فرضيات حول التفاعل المشترك للوراثة، والثقافة، والمؤسسات في مجموعات صغيرة، وتوليد بيانات اصطناعية لدعم النظريات الاجتماعية. يدمج مصفوفة ارتباطات عابرة للصفات مستندة إلى الأدلة التجريبية، مما يضيف واقعية إلى التفاعلات الفردية. كما يتيح للمستخدمين استكشاف تأثيرات القوانين المؤسسية المتغيرة، وحقوق الملكية، والسمعة على تطور الهياكل الاجتماعية.
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.
Generate realistic synthetic tornado outbreak data using a DETR-CVAE model for research and training purposes.
يُقدّم هذا المشروع نموذجاً يعتمد على تقنية DETR-CVAE لتوليد بيانات اصطناعية لحوادث الأعاصير الرعدية. يدمج النموذج بين تحليل البيانات التاريخية للطقس والذكاء الاصطناعي لإنشاء سيناريوهات محتملة تتضمن عدد الأعاصير، مساراتها، وشدة أضرارها. يتم تدريب النموذج على مجموعات بيانات موسمية ضخمة باستخدام مكتبة PyTorch، مع تحسينات إحصائية عبر SciPy لضمان دقة التوزيع الزمني والمكاني. يتيح للمستخدمين توليد مجموعات بيانات جديدة يمكن استخدامها لتدريب نماذج تنبؤ أو لتقييم استراتيجيات التخفيف من مخاطر الأعاصير. يختلف عن الحلول التقليدية بقدرته على إنتاج سيناريوهات متكاملة ومفصلة بدقة عالية، ما يفتح آفاقاً جديدة للبحوث في مجال الطقس الكوارثي.
A structured Jupyter‑based curriculum that teaches machine learning from fundamentals to advanced medical imaging and MLOps practices.
يقدم هذا المشروع منهجًا تعليميًا متكاملًا لتعلم تقنيات تعلم الآلة من الأساسيات إلى تطبيقات متقدمة في معالجة الصور الطبية. يتضمن سلسلة من دفاتر Jupyter منظمة في مراحل، تبدأ بمفاهيم الشبكات العصبية وتدريبها، ثم الانتقال إلى بناء نماذج CNN، وتطبيق نماذج U‑Net لتقسيم الصور، وصولاً إلى استكشاف معماريات المحولات مثل ViT وSwinUNETR. كما يغطي الجزء الأخير منهجية MLOps باستخدام أدوات مثل DVC وMLflow، مع توضيح كيفية تسجيل النماذج ونشرها على منصات سحابية. يستهدف هذا الدليل طلاب علوم البيانات ومهندسي الذكاء الاصطناعي الذين يرغبون في فهم عميق لكيفية بناء وصيانة نماذج التعلم العميق في بيئات إنتاجية. يحل المشروع مشكلة نقص الموارد التعليمية المتكاملة التي تربط بين النظرية والتطبيق العملي، ويمنح المتعلمين القدرة على تنفيذ مشاريع حقيقية في مجال التصوير الطبي. يميز المشروع بترتيبه المنظم للمواد، وتوفير بيئة Docker جاهزة لتشغيل الدروس دون الحاجة لتثبيت معالجات GPU، ما يسهل على المستخدمين التركيز على التعلم بدلاً من إعداد البيئة.
This project trains and compares ten convolutional neural network architectures to classify images of cats and dogs using PyTorch.
يُدرب المشروع عشرة نماذج شبكات عصبية تلافيفية مختلفة لتحديد ما إذا كان صورة تحتوي على قط أو كلب، معتمدًا على إطار عمل PyTorch. يتم تقييم كل معماريّة بدقة، وعدد المعاملات، ووقت التدريب على مجموعة بيانات قياسية. تتضمن الدراسة نماذج خفيفة الوزن وكبيرة الحجم، تتراوح من 30 ألف إلى 38 مليون معامل، وتستكشف تقنيات مثل الإسقاط (dropout) والتطبيع على الدُفعات (batch normalization). تُعرض النتائج على كل من بيئات المعالجة المركزية (CPU) والبطاقة الرسومية (GPU)، مما يقدّم رؤى حول نشر النماذج بكفاءة الموارد. يُعد العمل معيارًا للباحثين والممارسين الذين يسعون لفهم كيف تؤثر اختيارات التصميم على الأداء في تصنيف الصور الثنائي.
This project trains and compares ten neural network architectures on the Fashion‑MNIST dataset to illustrate how architectural choices affect image classification performance.
يُدرّب المشروع عشرة نماذج شبكات عصبية مختلفة على مجموعة بيانات Fashion‑MNIST، التي تتضمن 70,000 صورة رمادية للملابس مقسمة إلى عشرة فئات. تُستخدم نفس تقسيمات البيانات، ومعاملات التدريب، وإجراءات التقييم لكل نموذج، بحيث يكون المتغير الوحيد هو التصميم المعماري. يُظهر المشروع منحنيات التدريب، الدقة، الخسارة، ومصفوفات الالتباس، ما يتيح مقارنة مباشرة بين العمق، العرض، الطبقات الالتفافية، الإسقاط، التطبيع المتسلسل، والمسارات المتبقية. يُعد هذا المشروع مصدرًا تعليميًا للطلاب والممارسين، حيث يوضح كيف تؤثر الاختيارات المعمارية على سرعة التدريب، الدقة، والتعميم. تُعرض النتائج بطريقة واضحة وقابلة للتكرار، ويمكن توسيعها لتشمل مجموعات بيانات أو عائلات نماذج أخرى.
A command-line tool that shifts audio frequencies and quantizes them to a musical scale.
يُعالج هذا البرنامج ملفات الصوت، ويطبق تحويلًا للتردد على جميع مكوّنات الإشارة. يتم تقييد التحويل بمقياس موسيقي محدد، مما يضمن بقاء النغمات الناتجة متوافقة من الناحية اللحنية. يمكن للمستخدم تحديد مقدار التحويل بالستيميتون أو نسب التردد، ويقوم البرنامج تلقائيًا بتعيين الإخراج إلى أقرب خطوة في المقياس. يدعم البرنامج صيغ الصوت الشائعة ويصدر ملفًا جديدًا مع الصوت المحوّل. صُمم البرنامج للموسيقيين والمنتجين والمطورين الذين يحتاجون إلى تعديل دقيق للدرجة الصوتية دون فقدان السياق الموسيقي. يتيح الأداة إنشاء نسخ متناغمة من التسجيلات الأصلية، ويُسهل إضافة تأثيرات إبداعية في الإنتاج أو الأداء المباشر. كما يوفر واجهة سطر أوامر بسيطة تجعل التكامل مع سير العمل الرقمي أمراً سهلاً.
A tool that evaluates substrate invariance in LLM-generated worlds using combinatorial indeterminacy.
يُجري هذا الأداة اختبارات عدم التغير في الأسطح على العوالم التي تُنشئها نماذج اللغة الكبيرة، مستفيدةً من عدم التحديد التوافقي لاستكشاف استقرار البنى الأساسية. تُنشئ مجموعة من السيناريوهات التوافقية، وتُحسب المقاييس الإحصائية باستخدام المكتبات العددية، ثم تُعرض النتائج عبر مخططات تفاعلية. يتيح للباحثين تقييم ما إذا كانت substrates مختلفة تُنتج أنماطًا معنوية أو منطقية متسقة. يُشغَّل عبر سطر الأوامر، ما يجعله سهل التكامل في خطوط التجارب. يلبي الحاجة إلى تحليل منهجي وقابل للتكرار لخصائص عوالم نماذج اللغة في مجالات اللغويات الحاسوبية والذكاء الاصطناعي.
A command‑line tool that predicts the storage capacity required for Dell PowerStore DRR deployments.
يُعد أداة لتقدير حجم التخزين اللازم لحلول النسخ الاحتياطي والتكرار في بيئات Dell PowerStore. تعتمد الأداة على تحليل بيانات الاستخدام الحالية وتطبيق نماذج إحصائية لتوقع الاحتياجات المستقبلية. تُظهر النتائج رسومات بيانية توضح توزيع السعة عبر الأقسام المختلفة وتساعد في اتخاذ قرارات التخطيط. تُشغَّل الأداة عبر سطر الأوامر وتُخرج تقارير مفصلة بصيغة CSV أو PDF. تستهدف مسؤولي التخزين ومديري البنية التحتية الذين يحتاجون إلى تخطيط دقيق للموارد. تحل المشكلة المتعلقة بتحديد سعة التخزين بدقة، مما يقلل من التكاليف الزائدة أو نقص السعة. تتميز بواجهة بسيطة وسرعة في التنفيذ مقارنةً بالحلول اليدوية أو الأدوات العامة.
This project provides patent intelligence using Azure SQL, leveraging the USPTO API and AI-powered tools to streamline data pipeline creation.
هذا المشروع يستخدم قاعدة البيانات Azure SQL و أدوات الكود الآلي لتقديم تقنيات براءات الاختراع. يستفيد المشروع من واجهة برمجية API الولايات المتحدة للمكتب الفدرالي للبراءات والتعرف على الأسماء التجارية، مما يتيح استرجاع البيانات المتعلقة بالبراءات. ثم يتم معالجة هذه البيانات باستخدام قاعدة بيانات Azure SQL، مما يسمح للمستخدمين بإنشاء خط سير البيانات الكاملة بسرعة و效فية. الهدف من المشروع هو تسهيل عملية العمل مع البيانات المتعلقة بالبراءات، مما يجعلها أكثر سهولة للباحثين والمطورين.
The VS³L project aims to develop a self-supervised foundation model for vibrational spectroscopy that can transfer calibration across spectrometers using minimal labeled samples.
VS³L هو نهج مبتكر للتحويل التأهيلي في الطيفية الحيوية. يستخدم مزيج من Mamba-Transformer مع تطبيق Sinkhorn على النقل عبر المجالات، ومتغيرات المعلومات المتغيرة، والتنظيم الفيزيائي لتحقيق التحويل التأهيلي عبر الأجهزة باستخدام 10 عينات مصنفة فقط. هذا النهج مصمم للعمل بدون معايير، وفعال في الاستخدام، ويتarget تحقيق دقة عالية.
neural-dojo is a project for mastering AI, ML, LLMs, and AI-driven development.
هذا المشروع يهدف إلى تقديم تجربة تعلم شاملة في الذكاء الاصطناعي، التعلم الآلي، واللغات الطبيعية الضخمة. يقدم نهجًا مُتكاملاً للاستيعاب وتطبيق هذه التكنولوجيات. يتضمن المشروع أدوات و ресурсы لبناء وتطوير تطبيقات محفزة بالذكاء الاصطناعي. مصمم للمطورين الذين يريدون التعلم والعمل مع الذكاء الاصطناعي والتعلم الآلي.
This project compares the forecasting abilities of large language models (LLMs) against liquid prediction markets, specifically Kalshi's weather markets, to determine if LLMs can beat these markets at predicting daily high temperatures.
يهدف هذا المشروع إلى تقييم قدرة النماذج اللغوية الكبيرة (LLMs) في التنبؤ بالدرجات المئوية العالية اليومية مقارنةً بمكتبات السوق الليقية، مثل سوق كالشي للطقس. يُستخدم dataset يتضمن 8,000+ سوقًا تاريخيًا لمدة ستة مدن أمريكية منذ أغسطس 2021. يتم اختبار ثلاثة نماذج: GPT-4o، Gemini 2.5 Flash، و Claude Sonnet 4.6.
The prism project is a Python tool for data analysis and visualization.
هذا المشروع يستخدم مكتبات شائعة مثل matplotlib، numpy، pandas، plotly، scikit-learn، و scipy لتقديم قدرات تحليل البيانات والتصوير. يبدو أن هذا المشروع مصمم للمحللين البيانيين والمهندسين البيانيين الذين يحتاجون إلى العمل مع البيانات العددية. لا يتم ذكر وظيفة المشروع بوضوح في README، ولكن مجموعة التكنولوجيا التي يستخدمها يشير إلى أنه قد يقدم ميزات مثل تنظيف البيانات وتطوير الميزات وتقييم النماذج.
The ACC project provides a tool for hierarchical cluster visualization using concentric circles.
ACC هو مكتبة برمجية مكتوبة بلغة بايثون، تساعد على إنشاء تمثيلات مركزية ل집وصات هرمية باستخدام دوائر محيطة. تستفيد من مكتبات البيانات العلمية الشهيرة مثل matplotlib, numpy, pandas, scikit-learn و scipy لتقديم تمثيل ملموس ومعلوماتي للنظم البيانية المعقدة. هذا الأداة مفيدة بشكل خاص في التحليل المسبق للبيانات وتحديد العلاقات بين البيانات الكبيرة.
This project is a machine learning tool for data analysis and visualization.
يبدو أن مشروع Guardave__aig-rlic-plus هو مشروع برمجي يعتمد على لغات البرمجة مثل Python و يستخدم مكتبات متعددة مثل scikit-learn، pandas، و matplotlib للتعامل مع البيانات والتصوير. قد يستخدم plotly أيضًا للتصوير التفاعلي. الغرض من هذا الأداة هو تقديم نظرة عميقة في البيانات المعقدة.
The NOAH Conversion Bot is an automated tool that converts the NOAH PostgreSQL database into a Neo4j knowledge graph, providing a natural-language query interface for non-technical users.
هذا المشروع هو أداة تلقائية مصممة لتحويل قاعدة البيانات NOAH في PostgreSQL إلى شبكة المعرفة في Neo4j. يوفّر هذا الأداة واجهة استفسار باللغة الطبيعية للمستخدمين غير الفنيين، مما يسمح لهم بالتفاعل مع البيانات بطريقة أكثر إبداعًا. تستخدم الأداة تقنيات تحليل الشكل والترجمة لتحويل البيانات من PostgreSQL إلى Neo4j، بالإضافة إلى أداء فحص النزاهة بعد التحويل.
This project is a tool for creating link budgets in the Gemini environment.
هذا المشروع هو أداة لإنشاء ميزانيات الروابط في بيئة جيمي. يعتمد هذا التطبيق على لغة بايثون و يستخدم مكتبات البيانات العلمية الشهيرة NumPy و Matplotlib لتقديم واجهة مستخدم تفاعلية. يمكن الوصول إلى الأداة من خلال واجهة ويب مصممة باستخدام Streamlit.
The Share of Search (SoS) Tool is a Jupyter notebook that calculates and visualizes the proportion of branded search interest a company captures relative to its competitors, serving as a leading indicator of market share and brand health.
هذا المشروع يستخدم واجهة برمجة التطبيقات (API) من Google Trends لتحليل وتحليل النسبة المئوية للبحث المُخصَم في المنافسة، مما يعمل كمتغير رائد لمشاركة السوق والصحة التجارية.
EconLab PPE is a learning platform that takes students from theoretical economics to practical application, teaching them to run code, analyze real data, and speak the language of the job market.
هو مشروع تعليمي مصمم لطلاب الاقتصاد في المرحلة الجامعية. يهدف إلى填 الفتحة بين المعرفة النظرية والمهارات العملية من خلال مسار التعلم المخطط بشكل دقيق مع تمارين و مشاريع عملية. يشمل المشروع أدوات ومفاهيم متعددة، بما في ذلك إكسل، SQL، بايثون، آر، بワير بي، وتابلو، لتدريب الطلاب على تحليل البيانات، إنشاء رسومات مرئية، وتخذ القرارات المثبتة.
This project is designed for beginners in ML/AI to learn about LLMs from theory to implementation and application.
هذا المشروع مصمم لطلاب علم الحاسوب والذكاء الاصطناعي للتعلم عن Large Language Models (LLMs) من النظرية إلى التطبيق. يغطي المشروع الأسس النظرية، implementations العملية والتطبيقات ل LLMs. Structured في سبعة مراحل، كل منها تركز على جانب معين من LLMs. المرحلة 0 تقدم المطلوبة prerequisites مثل الجبر الخطي، الاحتمالات والكالculus. المراحل 1-3 تغطي fundamentals ML، deep learning و foundations NLP. المرحلة 4 تركز على architecture Transformer، في حين المرحلة 5 يتعامل مع pre-training LLMs. أخيراً، المراحل 6 و7 يهتمون بالتأقلم والتوافق، وكذلك التطبيقات والمعلومات الجغرافية.