This framework proactively reduces communication overhead in moving object tracking by triggering updates based on predicted uncertainty rather than waiting for error thresholds.
يُقدِّم النظام إستراتيجية اتصالات استباقية لتتبع الأجسام المتحركة، حيث يُستخدم تقدير عدم اليقين من نماذج التنبؤ لتحديد متى يجب إرسال التحديثات. يدعم الإطار عدة هياكل عصبية—LSTM وTransformer—مُتَّحَدَّة مع رؤوس تنبؤ نقطية أو مزيج كثافة لتوفير تقدير أكثر ثراءً لعدم اليقين. محرك المحاكاة يُنفِّذ سيناريوهات تنبؤ مزدوجة لتقييم تأثير التحديثات المبكرة على دقة التتبع ضمن ميزانية اتصالات ثابتة. صُمِّم الإطار للباحثين ومهندسي البرمجيات الذين يحتاجون إلى موازنة قيود النطاق الترددي مع الدقة المكانية في التطبيقات اللحظية. يتضمن الإطار استراتيجيات قابلة للتكوين، خطوط تدريب، وأدوات تقييم لمقارنة الأساليب الدورية، التفاعلية، والاستباقية. يهدف إلى خفض الخطأ التراكمي في التتبع مع الحفاظ على عدد الإرساليات في أدنى حد ممكن.
A Python tool that scrapes NCAA tournament bracket data, cleans it, and applies machine learning models to predict game outcomes.
يُعد هذا المشروع أداة سطر أوامر بلغة بايثون تقوم بجمع بيانات طابور بطولة NCAA من مواقع رياضية شهيرة باستخدام Playwright وBeautifulSoup. تُحوَّل البيانات الأولية إلى جداول منظمة عبر Pandas، وتُنظَّف باستخدام NumPy، وتُثري بإحصائيات إضافية. ثم يُطبَّق على هذه البيانات خط أنابيب scikit‑learn لتدريب نماذج تصنيفية تتنبّأ بفائز كل مباراة، مع إظهار احتمالات الفوز ومستويات الثقة. تُصدر الأداة تقارير بصيغة CSV، مع إمكانية إنشاء رسومات بيانية، ما يجعلها أداة مفيدة للمحللين، والمراهنين، ومتابعي الرياضة الذين يفضلون رؤى مستندة إلى البيانات. تم تصميمها لتعمل على أي جهاز يدعم بايثون 3.8+، ولا تتطلب قاعدة بيانات خارجية، حيث تُخزَّن النتائج محلياً.
A dynamic, multi-domain command‑and‑control platform for orchestrating reconnaissance and threat intelligence workflows.
يُعد HYDRA‑C2 نظاماً مفتوح المصدر لإدارة عمليات الاستطلاع عبر مجالات متعددة مثل الشبكات، البيئات السحابية، وأنظمة إنترنت الأشياء. يوفّر واجهة برمجة تطبيقات REST مبنية على FastAPI تسمح بجدولة المهام تلقائياً، وتلقي البيانات، وتحليلها في الوقت الحقيقي. تُعالج البيانات المجمعة باستخدام مكتبة pandas ونماذج تعلم الآلة من scikit‑learn لتوليد رؤى عملية، بينما يدير SQLAlchemy التخزين في قاعدة بيانات PostgreSQL. صُمم النظام لفرق الأمن والباحثين الذين يحتاجون إطاراً مرناً وقابلاً للتوسيع لإجراء حملات استطلاع واسعة النطاق وتكامل النتائج مع أدوات الأمان القائمة. يتيح هيكله المعياري إضافة وحدات مخصصة عبر لغات Python وTypeScript، ما يوفّر مرونة في التكيف مع تطورات تهديدات الأمن.
An AI platform that predicts demand, analyzes causal relationships, runs A/B tests, and manages MLOps for beauty and skincare supply chains.
تُعدّ Glowcast منصة ذكاء اصطناعي مخصصة لصناعة الجمال والعناية بالبشرة، تُتيح التنبؤ الدقيق بالطلب عبر آلاف الأصناف (SKUs). تعتمد المنصة على تقنيات الاستدلال السببي لاكتشاف العوامل التي تؤثر على تقلبات المبيعات، ما يمكّن أصحاب القرار من اتخاذ قرارات مستندة إلى البيانات. كما تُدعم المنصة اختبارات A/B، مما يتيح للفرق تقييم تأثير التغييرات التسويقية والمنتجية في الوقت الفعلي. تتضمن البنية التحتية لإدارة عمليات MLOps خطوط أنابيب تلقائية لتدريب النماذج، والتحقق من صحتها، ونشرها، مما يضمن أداءً ثابتًا عبر 12 مركزًا للوفاء. تستهدف المنصة محللي سلسلة الإمداد، وعلماء البيانات، ومديري العمليات، وتُحل مشكلات تحسين المخزون، وتقليل المخاطر، وتخطيط الاستراتيجيات. تميز Glowcast بقدرتها على دمج التحليلات المتقدمة مع عمليات الإنتاج، ما يضعها في طليعة الحلول المتخصصة في هذا القطاع.
An API that delivers end‑to‑end supply‑chain inventory analytics, combining hierarchical forecasting, reinforcement‑learning replenishment, and MLOps pipelines.
يقدم النظام مجموعة من نقاط النهاية RESTful التي تستقبل بيانات المبيعات والمخزون التاريخية، وتقوم بمعالجتها عبر محرك التنبؤ الهرمي لإرجاع توقعات الطلب على مستويات متعددة. ثم يتم تغذية هذه التوقعات إلى وكيل التعلم التعزيزي الذي يتعلم سياسات إعادة التزويد الأمثل مع مراعاة قيود مثل زمن التسليم وسعة التخزين. يدمج النظام ممارسات MLOps، مما يتيح التدريب المستمر، وإصدار النماذج، ونشرها عبر خطوط أنابيب آلية. صمم هذا الحل للفرق اللوجستية والعمليات، ويساعد على تقليل نقص المخزون والوفرة الزائدة مع تحسين مستويات الخدمة. يعتمد على بنية Python خفيفة الوزن، ما يسهل دمجه في سير العمل البياني الحالي. يتيح للمحللين إمكانية مراقبة الأداء وتحديث النماذج دون انقطاع. كما يوفر واجهة مرنة للتكامل مع أنظمة تخطيط موارد المؤسسات (ERP) لتسهيل تبني الحل على نطاق واسع.
AutoVision+ automates end‑to‑end multimodal machine learning, handling image, text, and tabular data with built‑in hyperparameter tuning, drift detection, and explainability.
يُسَهل هذا النظام عملية التعلم الآلي المتعدد الوسائط من البداية إلى النهاية، مع دعم الصور والنصوص والبيانات الجداولية، ويشمل تحسين المعلمات، واكتشاف الانحراف، وشرح النماذج. يختار بنى أساسية مناسبة لكل وسيلة، ويطبق هندسة الميزات، ويُبني رأس دمج دون تدخل يدوي. يضمن تحسين المعلمات عبر مشاركة المشفرات المدربة مسبقاً بين التجارب، ما يقلل استهلاك الذاكرة الرسومية. يراقب الانحراف في البيانات ويُقدّم توقعات قابلة للشرح عبر واجهة ويب. يهدف إلى علماء البيانات ومهندسي التعلم الآلي الذين يحتاجون إلى سير عمل موثوق ومتكرر لمشاريع متعددة الوسائط.
A smart news aggregator and analytics terminal that distinguishes facts from opinions in news articles.
يستخرج النظام الأخبار من مصادر RSS متعددة ويعالج كل جملة باستخدام نماذج معالجة اللغة الطبيعية المتقدمة لتصنيفها كـ "حقيقة" أو "رأي" أو "مزيج". يوفّر واجهة بحث نصي كامل مع مرشحات للنوع، المصدر، والتاريخ، ما يتيح استرجاع المعلومات ذات الصلة بسرعة. تعرض لوحات المعلومات التفاعلية خرائط التغطية، مخططات الاتجاهات، وتفاصيل تفصيلية، مدعومة بـ Chart.js وPlotly. يدعم النظام الترجمة الفورية للمقالات من الإنجليزية إلى الروسية، ويقدّم واجهة برمجة تطبيقات REST عامة للوصول إلى البيانات المصنفة برمجياً. صُمم للمحررين، الباحثين، ومحققو الحقائق، ويساعد المستخدمين على التحقق من المعلومات، تحليل تحيز الإعلام، ومراقبة موثوقية المصادر في الوقت الحقيقي.
Reproduce the experimental results of the LLM4GraphGen paper, enabling researchers to validate and extend graph generation using large language models.
يُقدّم هذا المشروع تنفيذًا دقيقًا للخطوات التجريبية التي وردت في ورقة LLM4GraphGen، مع التركيز على إعادة إنتاج نتائج توليد الرسوم البيانية باستخدام نماذج اللغة الكبيرة. يعتمد على مكتبات بايثون مثل PyTorch وNumPy وpandas وscikit‑learn لتنفيذ معالجة البيانات، وتدريب النماذج، وحساب المقاييس. يُنظم الكود في مجموعة من السكربتات القابلة للتعديل، بحيث يمكن للمستخدم تحميل البيانات، وتدريب النموذج، وإجراء التنبؤات، ثم تقييم النتائج مقابل البيانات الأصلية. يتيح الإطار للباحثين التحقق من الأداء المعلن، ومقارنة نماذج بديلة، أو توسيع المنهجية لتطبيقات رسومية جديدة. يركز المشروع على قابلية التكرار، مع توثيق واضح ومواصفات بيئة قابلة للتنفيذ. كما يوفر أدوات لتوليد مجموعات بيانات اصطناعية تُستخدم في مهام تحليل الشبكات أو التعلم الآلي. يميز المشروع بمرونته في التعامل مع مجموعات بيانات مختلفة، وقدرته على دمج نماذج جديدة بسهولة.
This project predicts the glass transition temperature of polymers, including nucleic acid-based polymers, using machine learning models for researchers and material scientists.
يُدمج النظام مجموعة بيانات ضخمة تضم أكثر من 22,000 قيمة لدرجة انتقال التموج للبوليمرات، ويُطبّق هندسة ميزات متعددة المستويات لاستخراج 34 وصفًا فيزيكوكيميائيًا من تمثيلات SMILES. يُستخدم نموذج انحدار تعزيز متدرج، مدرب على بيانات أساسية عالية الجودة ومجموعة جسرية من البوليمرات التي تتفاعل مع الروابط الهيدروجينية، لتقديم تنبؤات شاملة مباشرة من تسلسلات DNA أو RNA. يمكن للمستخدمين إدخال التسلسلات بشكل تفاعلي أو تشغيل تنبؤات دفعة عبر واجهة سطر أوامر، مع الحصول على تقديرات Tg مع درجات ثقة. كما يوفر الأداة تصورات أهمية الميزات باستخدام SHAP، ويتيح تصدير النتائج بصيغة JSON لتكاملها مع سير العمل. صُمم خصيصًا لعلماء البوليمرات والباحثين في مجال المواد، ويسرّع اكتشاف البوليمرات عالية الأداء ويساعد في اختيار المواد للتطبيقات الحرارية الحساسة.
An automated system that manages leveraged ETF positions, specifically for TQQQ, using data analysis and machine learning to optimize trades.
يقدم هذا النظام آلية تداول آلية للصناديق المتداولة بالرافعة المالية، مع تركيز خاص على TQQQ. يستخدم مجموعات بيانات السوق لتحليل الاتجاهات وتحديد نقاط الدخول والخروج. يعتمد على نماذج تعلم الآلة لتوقع تحركات الأسعار وتحديد حجم الصفقة المناسب. يتيح للمستخدم ضبط معايير المخاطر مثل الحد الأقصى للرافعة ونسبة الخسارة المقبولة. يتضمن واجهة سطر أوامر تسمح بتشغيل الحلقات الزمنية وتوليد تقارير الأداء. يختلف عن الحلول التقليدية بدمجه بين التحليل الكمي والذكاء الاصطناعي لتقليل الأخطاء البشرية وتحسين العائد.
Builds a binary classification model to predict symptom flares from food intake data for autoimmune patients.
يهدف هذا العمل إلى توقع حدوث نوبات أعراض لدى مرضى الأمراض المناعية الذاتية استناداً إلى الأطعمة التي يتناولونها. يتم بناء نموذج تصنيف ثنائي باستخدام خوارزمية XGBoost بعد معالجة البيانات واستخراج مئات الميزات التي تشمل العناصر الغذائية، الفئات الغذائية، العلاجات، الطقس، العلامات، والبيانات الديموغرافية. يتيح التطبيق التفاعلي إمكانية استكشاف الأنماط بين الأطعمة والأعراض عبر رسوم بيانية ديناميكية، مع عرض أداء النماذج ومقارنة النتائج. يستهدف الباحثين في مجال الصحة، وأخصائيي التغذية، والمرضى الذين يسعون لفهم تأثير النظام الغذائي على نوباتهم. يحل المشكلة التي يواجهها المرضى في تحديد المسببات المحتملة للانفجار، ويقدم توصيات غذائية مبنية على تحليل البيانات. يميز هذا العمل بدمج تحليل البيانات المتقدم مع واجهة مستخدم سهلة الاستخدام، مما يسهّل الوصول إلى النتائج على غير المتخصصين.
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.
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.
This project trains a neural network on a small dataset and visualizes training metrics to illustrate machine learning concepts.
يُقدّم المشروع نموذجًا بسيطًا لشبكة عصبية يُدرّب على مجموعة بيانات صغيرة، معتمدًا على مكتبة تعلم عميق شائعة. يُستخدم إطار عمل تعلم آلي لإعداد البيانات وتقييم النموذج، بينما يُظهر التقدم عبر رسومات بيانية تُرسم باستخدام مكتبة رسم. تتضمن سير العمل تحميل البيانات، تعريف النموذج، حلقة التدريب، ورسم مؤشرات الأداء، كل ذلك مكتوب بلغة برمجة عالية المستوى. يهدف المشروع إلى تعليم المبتدئين كيفية تطور معلمات النموذج وكيفية تغير الدقة والخسارة مع مرور الأبواب. كما يتيح للمستخدمين تجربة ضبط المعلمات ومراقبة النتائج في الوقت الحقيقي. يركز على تبسيط المفاهيم المعقدة لتسهيل فهم أساسيات تدريب الشبكات العصبية. يبرز بوضوح الفرق بين الأداء قبل وبعد التدريب، مما يُسهم في تعزيز الفهم العملي للتعلم الآلي.
An AI risk governance platform that registers models, logs audits, displays risk dashboards, detects anomalies, generates regulatory reports, and supports human review workflows.
يُقدّم إطار عمل لإدارة مخاطر الذكاء الاصطناعي يتيح تسجيل نماذج التعلم الآلي مع تفاصيل النسخ والبيانات الوصفية، وتسجيل جميع الأنشطة في سجلات تدقيق دقيقة. يضم لوحة تحكم تعرض مؤشرات المخاطر الرئيسية مثل الدقة، الانحياز، واستخدام الموارد، مع إمكانية تخصيص المؤشرات وفقاً للمتطلبات التنظيمية. يستخدم خوارزميات كشف الشذوذ لتحليل نتائج النماذج في الوقت الحقيقي، ويولد تنبيهات تلقائية للفرق المختصة. يسهّل إنشاء تقارير الامتثال وفقاً للمعايير الدولية، مع تدفق عمل يتيح للمراجعين البشر مراجعة الحالات المشكوك فيها قبل نشر النماذج. يستهدف المطورين، مهندسي التعلم الآلي، ومسؤولي الامتثال الذين يحتاجون إلى مراقبة مستمرة للأنظمة الذكية. يميز نفسه بدمج واجهات برمجة تطبيقات REST مع واجهة مستخدم رسومية، مع دعم للذكاء الاصطناعي عبر مكتبات مثل PyTorch وScikit‑Learn. يوفّر حلاً متكاملاً يقلل من مخاطر الأخطاء التنظيمية ويعزز الثقة في النماذج.
A Python library that provides fast and flexible 3D interpolation and visualization tools for scientific data.
توفر مكتبة py3dinterpolations واجهة برمجية مختصرة لإجراء التداخل ثلاثي الأبعاد على مجموعات البيانات المنتشرة أو المجمعة على شبكة. تدعم المكتبة عدة أساليب للتداخل مثل التداخل الخطي، أقرب جار، والتداخل بالسبلاين، وتتكامل بسلاسة مع مكتبات NumPy وPandas وscikit‑learn لتسهيل معالجة البيانات وتطبيق النماذج. كما تتضمن أدوات لتصور الأسطح المتداخلة باستخدام Matplotlib وPlotly، ما يتيح استكشافاً تفاعلياً للنتائج. صممت هذه المكتبة خصيصاً للباحثين والمهندسين لتبسيط سير العمل في إنشاء تمثيلات حجمية ناعمة من القياسات النادرة. تركز التنفيذ على السرعة وكفاءة الذاكرة، ما يجعلها ملائمة لمعالجة مجموعات بيانات كبيرة. تُحل المشكلات المتعلقة بفقدان نقاط البيانات في الفضاء الثلاثي، وتوفر وسيلة سريعة لإنشاء خرائط حرارية ثلاثية الأبعاد، وتسهيل تحليل الأنماط المكانيّة في البيانات العلمية.
Simulate a real‑time home monitoring system for disabled and elderly individuals, coordinating alerts and a monitoring robot.
يعمل هذا النظام على محاكاة مراقبة منزلية للأشخاص ذوي الإعاقة وكبار السن، حيث يجمع بيانات مستشعرات افتراضية في الوقت الحقيقي. يتضمن المستشعرات الثلاثة: مستشعر الموقع الذي يحسب المسافة باستخدام صيغة هافرسين لتحديد المناطق الآمنة والمخاطر، ومستشعر الحركة الذي يحاكي التسارع ويكشف السقوط وقلة النشاط، ومستشعر العلامات الحيوية الذي يسجل معدل ضربات القلب، وضغط الدم، ونسبة الأكسجين، ودرجة الحرارة. عند تجاوز القيم المحددة، يرفع النظام مستويات إنذار مرتبة (معلومات، انتباه، تحذير، حرج) ويستدعي وحدة التنسيق لإرسال إشعارات إلى جهات الاتصال الطارئة. كما يوجه الروبوت الافتراضي لتفعيل الكاميرا، بدء التسجيل، أو إجراء مكالمة طوارئ وفقاً للإنذار. تُسجل جميع الجلسات في ملف سجل منظم يمكن استيراده إلى قاعدة بيانات MySQL لتحليل الأداء وتدريب نماذج التعلم الآلي. يهدف النظام إلى اختبار سيناريوهات مراقبة دقيقة وتطوير حلول ذكية لتحسين رعاية الأشخاص ذوي الاحتياجات الخاصة.
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 DataOps platform that predicts student academic performance and provides end‑to‑end machine learning workflow.
يُقدِّم هذا النظام منصة متكاملة لتطبيق مبادئ DataOps و MLOps في مجال التنبؤ بأداء الطلاب الأكاديمي. يبدأ سير العمل بقراءة بيانات الطلاب الخام، ثم يطبق فحوصات جودة تلقائية لضمان صحة البيانات قبل تحويلها إلى ميزات قابلة للاستخدام. تُخزَّن هذه الميزات في مخزن ميزات مُنسَّق بالنسخ، ما يتيح تتبع التغييرات عبر الزمن. يتم تدريب ثلاثة نماذج تعلم آلي، وتُقارن أداؤها، مع تسجيل التجارب وتحديد النموذج الأفضل تلقائياً. يُخدم النموذج المُختار عبر واجهة برمجة تطبيقات REST، بينما يُراقب الانحراف في البيانات باستخدام مخططات التحكم الإحصائي. يوفِّر لوحة معلومات تفاعلية عرضاً بصرياً للبيانات، أهم الميزات، أداء النماذج، والتنبيهات، ما يسهِّل على المستخدمين اتخاذ قرارات مستنيرة.
Generate concise weekly reports summarizing key insights from a collection of letters or posts using advanced language models.
يستقبل هذا البرنامج مجموعة من الرسائل أو المنشورات النصية، مثل البريد الإلكتروني أو الرسائل المكتوبة، ثم ينتج تقريرًا أسبوعيًا منظمًا. يستخدم نماذج لغوية متقدمة لاستخراج ملخصات، وتقييمات للمشاعر، والمواضيع المتكررة، ويضع النتائج في تنسيق يسهل قراءته. يتضمن سير العمل تحويل النص إلى تمثيلات رقمية، وتجميع المحتوى المشابه، ثم توليد إبرازات باللغة الطبيعية. يستهدف هذا الحل مديري المنتجات وقادة الفرق، مما يتيح لهم فهم الاتجاهات في التواصل بسرعة ودون الحاجة لقراءة كل رسالة يدويًا. يساهم الأتمتة في توفير الوقت وتقليل خطر إغفال رؤى حيوية. يتيح تشغيله من سطر الأوامر دمجه بسهولة مع خطوط الأنابيب الحالية في المؤسسات.
A web application that uses GPU acceleration to detect, cluster, and model wildfire risk across the western United States.
يستقبل النظام بيانات نقاط الحرارة الضخمة ويقوم بتجميعها إلى أحداث حريق منفصلة باستخدام خوارزميات متقدمة على وحدات معالجة الرسوميات. ثم يحسب مناطق الخطر حول كل حدث، ويستدير توزيع الطاقة الإشعاعية للحرائق على شبكة دقيقة، ويطبّق تقييم مخاطر متعدد العوامل على شبكة هكساغون. تُعرض النتائج على خرائط تفاعلية تُظهر حدود الحريق، وتوقعات انتشارها، والأنماط الزمنية للأنشطة. يهدف هذا الحل إلى الباحثين، ومديري الطوارئ، ومحللي نظم المعلومات الجغرافية الذين يحتاجون إلى تحليلات سريعة ودقيقة للحرائق. يوفّر أداةً قادرة على التعامل مع حجم بيانات كبير وتقديم رؤى فورية في ظل تغيرات سريعة في سلوك الحرائق. يميز المشروع قدرته على دمج الحوسبة المتوازية مع تحليل المكاني المتقدم لتقديم خرائط مخاطر دقيقة وموثوقة. كما يسهّل اتخاذ قرارات سريعة وفعّالة في إدارة الحرائق.
This project provides GPU-accelerated spatial analytics for NYC taxi data, visualized through an interactive web map.
يُعالج النظام ملايين رحلات التاكسي في مدينة نيويورك، مستخدماً تقنيات الحوسبة على GPU لحساب تقديرات الكثافة، والتجميع، ومصفوفات المسافات الزوجية في وقت أقل بكثير من الطرق التقليدية على CPU. يتم تجميع عدد الرحلات حسب المنطقة، وإنشاء خرائط الحرارة باستخدام الكثافة النواة، وتحديد التجمعات الجغرافية عبر خوارزمية DBSCAN، مع إنتاج ملخصات لتدفقات الأصل والوجهة. تُعرض النتائج في واجهة ويب تفاعلية توفر طبقات مثل خريطة النقاط الساخنة، الشبكات السداسية، والخرائط الزمنية، مما يتيح للمستخدمين استكشاف الأنماط عبر الفضاء والوقت. يستهدف المنصة علماء البيانات، محللي نظم المعلومات الجغرافية، ومخططي النقل، لتحديد المناطق ذات الطلب العالي، تحسين مسارات السير، وتقييم توزيع الإيرادات. من خلال دمج الأداء العالي بالحوسبة مع التصور البديهي، يواجه المشروع تحديات توسيع التحليل الجغرافي للبيانات الكبيرة الواقعية.
A web application that performs GPU-accelerated spectral analysis of satellite imagery, producing vegetation, water, and land cover indices and visualizing them in a browser.
يُعالج التطبيق صوراً اصطناعية متعددة الطيف تشبه بيانات لاندسات، ويستفيد من مكتبات الحوسبة على وحدة معالجة الرسوميات لحساب مؤشرات رئيسية مثل NDVI وNDWI وNDBI وBSI. ثم يُطبّق خوارزمية K‑Means على مستوى GPU لتصنيف المشهد إلى أربع فئات تغطي المياه، الغطاء النباتي، المناطق الحضرية، والتربة العارية. كما يُنفّذ تحليل PCA على جميع القنوات الطيفية لاستخراج المكونات الرئيسية التي تُظهر الأنماط الطيفية الأكثر تأثيراً. تُعرض النتائج في خريطة ويب تعتمد على ArcGIS Maps SDK، ما يتيح التفاعل مع كل طبقة مؤشر بشكل مباشر. يوضح هذا النظام كيف يمكن لتقنيات CUDA‑NumPy أن تُقلّل زمن المعالجة بشكل كبير حتى للبيانات ذات الحجم المتوسط. يُستهدف هذا التطبيق محللي الاستشعار عن بعد والمهنيين في نظم المعلومات الجغرافية والعلماء البيئيين الذين يحتاجون إلى تحليل سريع ودقيق للبيانات الطيفية.
A GPU-accelerated web application that processes and visualizes LiDAR point clouds for detailed urban and terrain analysis.
يقدّم هذا المشروع خط أنابيب معالجة سريع للبيانات ثلاثية الأبعاد من LiDAR، معتمدًا على عمليات CUDA في مكتبة NumPy لتسريع الحسابات. يقوم بتصنيف النقاط إلى فئات الأرض، المباني، الغطاء النباتي، والضوضاء، ثم يستخرج حدود المباني عبر التجميع ويولد نماذج ارتفاع رقمية (DEM) وتحليل الانحدار باستخدام التداخل المتعدد (IDW) على GPU. كما يكتشف ارتفاعات الأشجار عبر تحليل القمم المحلية، ويعرض ملفات تعريف التضاريس عبر مقاطع عرضية. يستهدف المحللين الجغرافيين والباحثين في الاستشعار عن بعد الذين يحتاجون إلى خرائط دقيقة وسريعة للمدن والتضاريس. يميز المشروع بدمجه بين معالجة GPU المتقدمة وعرض بيانات تفاعلي عبر واجهة ويب مبنية على ArcGIS Maps SDK، ما يتيح استكشاف النتائج في الوقت الحقيقي.
A web application that uses GPU acceleration to perform fast climate data analysis and visualization across the United States.
يُقدِّم مشروع تحليل المناخ باستخدام GPU منصة ويب تعتمد على الحوسبة المتقدمة لتسريع معالجة وتحليل بيانات المناخ على نطاق واسع. يقوم بتطبيق تقنية التوزيع العكسي للوزن (IDW) على شبكة 120×60 لتوليد خرائط حرارة وقياسات هطول الأمطار، مع تحديد الانحرافات الحرارية عبر تحليل إحصائي سريع. كما يُطبِّق خوارزمية التجميع (k‑means) لتقسيم المناطق إلى ستة مناطق مناخية استناداً إلى درجات الحرارة والرطوبة والرياح. تُعرض النتائج على خريطة تفاعلية باستخدام واجهة برمجة تطبيقات نظم المعلومات الجغرافية، ما يتيح للمستخدمين استكشاف الأنماط المكانية في الوقت الحقيقي. يهدف المشروع إلى تزويد الباحثين والمحللين بالقدرة على إنتاج خرائط عالية الدقة في دقائق معدودة، مع توفير أدوات للكشف عن القيم الشاذة وتحديد المناطق المناخية بدقة. يبرز هذا الحل بفضل استخدامه لتقنيات GPU التي تقلل زمن المعالجة بشكل كبير مقارنة بالطرق التقليدية على المعالجات المركزية. كما يدمج بسلاسة مع سير العمل GIS، مما يُسهل دمج النتائج في تحليلات أكثر تعقيداً.
A web application that uses GPU acceleration to detect, cluster, and model wildfire risk across the western United States.
يستقبل التطبيق نقاط اكتشاف الحرائق المستمدة من بيانات الأقمار الصناعية ويطبق خوارزميات مُسرّعة على وحدة معالجة الرسوميات لتجميع الأحداث، ونمذجة انتشارها، وتقدير قوة الإشعاع الحراري. ينتج عن ذلك مناطق مخاطر متدرجة حول كل حدث، ومخططات سداسية لتقييم المخاطر، وخطوط زمنية لعدد الاكتشافات اليومية، مع عرض كل ذلك على خريطة تفاعلية. يتيح هذا النظام معالجة آلاف النقاط في الوقت الفعلي، ما يوفر دعمًا سريعًا للقرارات للفرق الطارئة والباحثين. يستهدف محللي نظم المعلومات الجغرافية والعلماء البيئيين ووكالات إدارة الحرائق الذين يحتاجون إلى تقييمات مخاطر دقيقة وسريعة.
A GPU-accelerated web application for processing and visualizing LiDAR point clouds, providing classification, building extraction, DEM, slope, and tree detection.
يُعالج هذا التطبيق السحب النقطية للليدار باستخدام حوسبة GPU عبر CuPy، ما يتيح تحليلًا سريعًا وفعالًا للبيانات. يقوم بتصنيف النقاط إلى فئات الأرض، المباني، الغطاء النباتي، والضوضاء، ثم يستخرج خطوط عريضة المباني عبر تجميع DBSCAN وحلقات مستطيلة. يُنشئ نموذج ارتفاع رقمي (DEM) باستخدام تقنيات IDW المُسرّعة بالـ GPU، ويحسب المنحدرات الجغرافية. كما يُحدد ارتفاع الأشجار عبر كشف القمم المحلية في نموذج ارتفاع القمم. تُعرض النتائج في واجهة ويب تفاعلية باستخدام ArcGIS Maps SDK، ما يتيح استكشاف البيانات ثلاثية الأبعاد بسهولة. يُستهدف هذا الحل محللي نظم المعلومات الجغرافية، وخبراء الاستشعار عن بُعد، ومخططي المدن الباحثين عن معالجة سريعة وموثوقة للبيانات الضخمة.
A web application that uses GPU acceleration to perform large-scale climate data analysis and visualizes the results on an interactive map.
يُعالج النظام بيانات محطات الطقس الاصطناعية المنتشرة في الولايات المتحدة المتصلة، ويطبق خوارزميات مُسرّعة بالـ GPU مثل التوزيع العكسي للمتوسط (IDW) والتجميع باستخدام K‑Means. ينتج خريطة لسطح درجات الحرارة وسطح الأمطار على شبكة 120×60 نقطة، ويكشف عن الانحرافات الحرارية، ويصنف المنطقة إلى ستة مناطق مناخية. تُعرض النتائج في واجهة ويب تعتمد على واجهة برمجة تطبيقات الخرائط، ما يتيح للمستخدمين استكشاف الأنماط المكانية بشكل تفاعلي. يهدف الحل إلى الباحثين والمحللين الذين يحتاجون إلى رسومات مناخية عالية الدقة وسريعة دون الحاجة إلى موارد حوسبة ضخمة. بفضل استخدام مكتبات تعتمد على CUDA، يحقق التطبيق تسريعاً ملحوظاً مقارنة بالعمليات التي تُنفَّذ على وحدة المعالجة المركزية.
This project generates AI-driven, multi-agent stock research reports in PDF or Markdown format for A-share, US, and Hong Kong markets.
يُنسق الإطار سلسلة من الوكلاء الذكاء الاصطناعي لإجراء أبحاث عميقة على أسهم فردية. يجمع البيانات السوقية والمالية والأخبار من مصادر متعددة، ثم يُطبّق وكلاء تحليل متوازي ومتسلسل لاستخلاص الرؤى، وتقييم المخاطر، وتوقع تحركات الأسعار. تُجمع النتائج في تقرير مصقول يتضمن مخططات وجداول، مع إخراج بصيغة PDF أو Markdown. يستهدف المستخدمون محللي السوق والمستثمرين الذين يحتاجون إلى أبحاث سريعة وغنية بالبيانات دون جمع يدوي. يستفيد النظام من نماذج اللغة الكبيرة لتوليد شروحات سردية ولضمان التناسق عبر الوكلاء.
Provides a RESTful API for deploying and serving machine‑learning models to deliver real‑time predictions.
يُقدِّم المشروع مجموعة من نقاط النهاية HTTP مبنية على إطار عمل خفيف الوزن، مما يتيح للعميل إرسال البيانات واستلام التنبؤات من نماذج مُدربة مسبقاً. يستفيد من مكتبات علم البيانات الشائعة لتحميل ومعالجة وتحويل ميزات الإدخال قبل تمريرها إلى خط أنابيب التعلم الآلي. تم تصميم واجهة برمجة التطبيقات لتكون قابلة للتوسع، مع دعم للمعالجة غير المتزامنة واستخدام فعال للموارد. يستهدف المستخدمين علماء البيانات ومطوري الخلفية الذين يحتاجون إلى نشر النماذج كخدمات دون إدارة بنية تحتية معقدة. يحل المشروع مشكلة تحويل النماذج البحثية إلى نقاط نهاية جاهزة للإنتاج، مما يقلل من وقت النشر والجهد التشغيلي.
This project provides a quick qualitative benchmark to compare multimodal AI systems and traditional machine learning approaches on handwritten text recognition tasks.
يُقَيِّم هذا البنشمارك 26 نموذجًا مختلفًا، بما في ذلك أنظمة الذكاء الاصطناعي المتعددة الوسائط المملوكة والمفتوحة المصدر، على مجموعة من 15 وثيقة مكتوبة بخط اليد من أرشيفات القرن الثامن عشر. يقيس معدل أخطاء الكلمات ويحلل الهالوسين، موفرًا نظرة واضحة على مدى احتفاظ كل نموذج بالمحتوى الدلالي. تُقدَّم النتائج في جداول ملخّصة، تفصيلات حسب الصفحة، وتصورات تفاعلية تسمح بالمقارنة جنبًا إلى جنب للنسخ. كما يوفر الأداة تحليلًا للتكلفة مقابل الأداء، مسلطًا الضوء على أي نماذج مجانية أو منخفضة التكلفة تقدم دقة مقبولة للترميز. يمكن للباحثين والمطورين استخدام هذا البنشمارك لاختيار أفضل حل للتعرف على النصوص المكتوبة بخط اليد للبحث في محركات الأرشيف والمشاريع الرقمية للإنسانية.
A Python library that benchmarks large language models' ability to recognize when they are being evaluated.
توفر هذه المكتبة بنية معيارية لقياس مدى قدرة نماذج اللغة الكبيرة على اكتشاف أنها قيد التقييم. تتضمن مجموعة من المطالبات الخاصة بالتقييم، معايير التقييم، وأدوات لتشغيل الاختبارات على أي واجهة برمجة تطبيقات LLM. تم تصميم الإطار ليتم دمجه بسهولة في خطوط سير البحث أو عمليات التقييم المستمرة. تساعد الباحثين على قياس استبطان النماذج ووعيها الذاتي، وتوفر رؤى حول كيفية استجابة النماذج لإشارات التقييم. المكتبة خفيفة الوزن وتستند إلى تبعيات بايثون القياسية ولا تتطلب قاعدة بيانات خارجية.
A scientific library that performs critical susceptibility analysis across quantum, GPU, financial, climate, seismic, and magnetic domains.
يُعد إطار عمل Sigma‑C مكتبة علمية متكاملة تُقيس حساسية الأنظمة المعقدة تجاه التغييرات في معلماتها الأساسية. يدعم مجموعة واسعة من المجالات، بدءاً من ميكانيكا الكم والمحاكاة المُسرّعة باستخدام وحدات معالجة الرسوميات، وصولاً إلى النمذجة المالية، وتوقعات المناخ، وانتشار الموجات الزلزالية، وتحليل الحقول المغناطيسية. يدمج الإطار طرقاً عددية متقدمة، ومقاييس إحصائية للحساسية، وأدوات تصور تساعد الباحثين على تحديد المتغيرات الحرجة وتقييم قوة النظام. صُمم ليخدم العلماء، والمهندسين، والمحللين الذين يحتاجون إلى دراسات حساسية دقيقة وقابلة للتكرار في بيئات الحوسبة عالية الأداء. من خلال توفير واجهة برمجة تطبيقات موحدة، يُسهل سير العمل عبر التخصصات ويقلل الحاجة إلى كتابة كود مخصص لكل مجال.
A Python library that scrapes, cleans, and prepares web data for machine learning tasks.
توفر المكتبة سير عمل متكامل لاستخراج المعلومات المنظمة من محتوى HTML باستخدام محرك تحليل قوي. ثم تطبق قواعد صارمة للتحقق من صحة البيانات لضمان الاتساق والدقة قبل تحويلها إلى تمثيلات رقمية فعّالة. مبنية على أدوات علم البيانات الشائعة، توفر تكاملًا سلسًا مع DataFrames في pandas وخطوط أنابيب scikit‑learn، مما يمكّن المستخدمين من الانتقال مباشرةً إلى تدريب النماذج. تستهدف المكتبة علماء البيانات ومهندسي التعلم الآلي الذين يحتاجون إلى إدخال بيانات موثوق ومتكرر من الويب. تحل المشكلات الشائعة مثل HTML فوضوي، مخططات غير متسقة، ومعالجة يدوية، مقدمةً مجموعات بيانات نظيفة جاهزة للاستخدام مع أقل جهد ممكن.
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.
Predicts KOSPI market crashes by analyzing structural changes in news articles using machine learning.
يُعرّف النظام أحداث الانخفاض الحاد في سوق كوسبي—أيام انخفاض 2٪ أو أكثر—من خلال استخراج 113 خاصية هيكلية من 4.65 مليون مقالة إخبارية باستخدام نموذج لغة كبير. يقارن تردد هذه الخصائص قبل الحدث باليوم العادي، ويختار 12 مؤشرًا إحصائيًا مهمًا. ثم يحسب نموذج التقييم بالوزن ترددًا مؤقتًا لحساب درجة المخاطر في الوقت الحقيقي، مع تحقيق AUC‑ROC 0.9072 ودقة 100٪ في التنبيهات. يتضمن خط الأنابيب جمع البيانات، بناء الكوربوس، إنشاء قاموس الخصائص، التوسيم، التحليل الإحصائي، تقييم المخاطر، والتحقق. يمكن للمستخدم تشغيل خط الأنابيب اليومي بالكامل أو خطوة التقييم فقط، ويعرض لوحة Streamlit اتجاهات المخاطر ومساهمات الخصائص. يهدف النظام إلى مساعدة محللي السوق والباحثين الكميين ومديري المخاطر في توقع الانخفاضات قبل حدوثها، وتوليد تنبيهات المخاطر اللحظية، وتحليل أنماط الأخبار كإشارات تحذيرية مبكرة، ودعم الامتثال التنظيمي من خلال مراقبة عدم الاستقرار السوقي.
A Python library that provides automatic differentiation and XLA acceleration for S‑parameter calculations in RF engineering.
تُقدّم مكتبة Sax حلاً برمجياً متقدماً لحساب معاملات S في مجال هندسة الإشارات اللاسلكية والمايكروويف. تعتمد على تقنية التفاضل التلقائي في JAX لتوفير مشتقات دقيقة ومعتمدة على القيم الحقيقية للمعاملات، ما يتيح تحليل الحساسية وتحسين التصميمات بشكل سريع. يُسهم XLA في تسريع عمليات الحساب على وحدات المعالجة المركزية والرسومية، مما يقلل زمن التنفيذ في المحاكاة الكبيرة. تتكامل المكتبة مع أدوات تحليل البيانات الشائعة مثل NumPy وPandas، وتدعم إنشاء رسومات تفاعلية عبر Plotly لتسهيل استكشاف النتائج. تستهدف المكتبة المهندسين والباحثين الذين يحتاجون إلى نمذجة RF قابلة للتفاضل في بيئة Python. تُحلّق الصعوبات المرتبطة بالحسابات المكثفة وتوفر واجهة برمجية بسيطة ومرنة. تبرز Sax بقدرتها على دمج التحليل العددي مع تقنيات التعلم الآلي لتطوير نماذج تنبؤية للأنظمة اللاسلكية.
A satellite‑powered flood risk assessment platform that combines geospatial analysis with machine‑learning classifiers to predict inundation, estimate depth, and assess crop damage.
يقدم هذا النظام منصة تحليلية متكاملة لتقييم مخاطر الفيضانات باستخدام صور الأقمار الصناعية. يعتمد على بيانات Sentinel‑1 SAR و Sentinel‑2 SR مع خوارزميات تعلم آلي متقدمة مثل XGBoost و LightGBM. يدمج التحليل القائم على القواعد مع نماذج تصنيفية لتحديد المناطق المغمورة، تقدير عمق المياه، وتقييم خسائر المحاصيل. يتيح واجهة Streamlit التفاعل مع المستخدمين عبر تبويبات متعددة تشمل المخاطر، الصور، النماذج، المناخ، والمؤشرات. يمكن للمستخدمين تحميل بياناتهم أو اختيار فترات زمنية محددة لتحليل التغيرات في المياه. يساهم النظام في اتخاذ قرارات سريعة للوقاية وإدارة الكوارث، ويتميز بدقة عالية عند مسافة 10–30 متر.
Provides visualization tools for FVCOM model outputs, enabling users to analyze oceanographic data.
يُحوِّل مجموعة الأدوات هذه ملفات إخراج نموذج FVCOM الخام إلى تمثيلات بصرية مفيدة. تستفيد من مكتبات علمية لإنتاج خرائط التظليل، مخططات السلاسل الزمنية، وعروض ثلاثية الأبعاد للعمق البحري لمختلف المتغيرات. يتيح للمستخدمين تخصيص معلمات المخططات، اختيار المتغيرات، وتصدير الصور بصيغ عالية الدقة تناسب الأبحاث والعروض التقديمية. صُممت هذه الأدوات للبحاريو المهندسين الساحليين وعلماء المناخ الذين يحتاجون إلى تحليل بصري سريع وقابل للتكرار لنتائج النماذج الهيدروديناميكية.
A command-line tool that performs quantitative investment analysis by scoring securities using an empirically calibrated model.
تُعد Threshold App أداة سطر أوامر مبنية بلغة بايثون تقوم بتقييم فرص الاستثمار عبر تطبيق محرك تصنيف يعتمد على البيانات. تستورد الأداة البيانات المالية، وتطبق تقنيات إحصائية وتعلم آلي، ثم تُنتج درجات مُعدَّلة للمخاطر لكل ورقة مالية. تُظهر النتائج عبر مخططات تفاعلية، مما يتيح للمستخدمين استكشاف التعرضات لعوامل الأداء. صُممت خصيصاً للخبراء الكميّين لتبسيط معايرة النماذج والاختبار الخلفي ضمن مسار عمل موحد. بفضل أتمتة كامل العملية، تقلل الأداة الجهد اليدوي وتزيد من اتساق بناء المحافظ.
A lightweight web API that allows users to train, evaluate, and benchmark machine learning models via HTTP requests.
يُقدّم PingLab واجهة برمجة تطبيقات خفيفة الوزن تُبنى على FastAPI وتتيح للمستخدمين تدريب وتقييم ومقارنة أداء نماذج التعلم الآلي عبر طلبات HTTP. يدعم المشروع خوارزميات تقليدية عبر scikit‑learn ونماذج التعلم العميق عبر PyTorch، مع الاستفادة من NumPy وSciPy لمعالجة البيانات وRich لتنسيق الإخراج في الطرفية. يُرسل المستخدمون مجموعات البيانات ومعلمات التدريب في حمولة JSON، ويُرجع النظام مؤشرات الأداء وأحياناً ملفات النماذج. صُمم هذا الحل للباحثين ومهندسي التعلم الآلي الذين يحتاجون إلى طريقة سريعة وقابلة للتكرار لتجريب وتقييم النماذج دون إعداد بيئات محلية. يميز المشروع عدم الحاجة إلى قاعدة بيانات، إذ يُعالج جميع البيانات في الذاكرة خلال مدة الطلب، ما يضمن سرعة الاستجابة وسهولة النشر.
A research prototype that builds and evaluates predictive world models in a grid‑based environment.
يُقدِّم المشروع بيئة شبكية (grid world) تُستخدم كمنصة لتدريب نماذج تنبؤية مستوحاة من نماذج العالم التي طرحها هاج وشفيدهابر. يعمل النموذج على تعلم تمثيل مخفي للبيئة باستخدام شبكات عصبية، ثم يتنبأ بالحالات المستقبلية استناداً إلى الأفعال المتخذة. تُعرض النتائج بصرياً عبر رسومات بيانية، وتُقاس دقة التنبؤات باستخدام مقاييس تقييم معروفة. يهدف المشروع إلى مساعدة الباحثين والطلاب في استكشاف التعلم المعزز القائم على النماذج، وتطوير قدرات التوليد والتخطيط. يبرز المشروع كيف يمكن لمساحة تمثيل مختصرة أن تمثل ديناميكيات البيئة بدقة، مع توفير أدوات تحليلية لتقييم الأداء. كما يتيح للمستخدمين تجربة سيناريوهات مختلفة وتعديل معلمات النموذج لتفهم تأثيرها على التنبؤات.
A system that uses AI to detect fraudulent transactions on a local Ethereum network and controls token transfers via smart contracts.
يُقدّم المشروع خدمة لاكتشاف الاحتيال تعمل على بيئة إيثيريوم محلية (Ganache). يتم تدريب نموذج ذكاء اصطناعي على مجموعة بيانات عامة للاحتيال لتوقع احتمال أن تكون المعاملة احتيالية. يعرّف خادم FastAPI نقطة نهاية /predict تستقبل ميزات المعاملة وتعيد درجة مخاطر. إذا اعتُبرت المعاملة شرعية، يُفعّل النظام عقدًا ذكيًا لنقل الرموز؛ أما إذا تجاوزت درجة المخاطر الحدّ المحدد، يُمنع النقل ويُسجّل الحدث على سلسلة الكتل. يوفّر الحل مراقبة فورية، وسجلات قابلة للتدقيق عبر تجزئة المخاطر على السلسلة، وتطبيق آلي لسياسات الأمان في تطبيقات التمويل اللامركزي.
A local-first AI knowledge management system that lets users search, ingest, and chat with their personal notes using retrieval‑augmented generation.
يُقدِّم هذا النظام واجهة ويب وواجهة برمجة تطبيقات لإدارة قاعدة معرفة شخصية مخزنة محلياً على جهاز تخزين متصل بالشبكة. يقوم بقراءة المستندات والملاحظات، ويحوِّلها إلى تمثيلات متجهية بُعدها 768، ثم يخزنها في فهرس HNSW لتسهيل البحث السريع بالاسترجاع. يمكن للمستخدمين طرح أسئلة على الفهرس عبر واجهة محادثة أو نقاط نهاية REST، ويستجيب النظام بالردود التي تجمع بين مقتطفات المسترجعة وذكاء اصطناعي محلي يعمل على Ollama. يعتمد النظام على FastAPI، Uvicorn، وواجهة React، ويشمل أيضاً عمليات تلقائية لاستيعاب الملاحظات اليومية وتدفقات العمل. صُمم ليمنح الأفراد سيطرة كاملة على بياناتهم مع الاستفادة من الذكاء الاصطناعي لاستخراج الأفكار والملخصات. يعمل النظام دون اتصال بالإنترنت، ما يضمن الخصوصية وانخفاض زمن الاستجابة في عمليات البحث.
An agentic AI prototype that accepts chest X‑ray images, predicts pathology findings, optionally localizes them, and generates concise radiology reports for research and educational use.
يُقدّم هذا النظام كواجهة ويب تسمح بتحميل صورة أشعة صدرية، ثم يُطبق نموذج تعلم عميق مدرب مسبقاً لتحديد النتائج الراديولوجية الشائعة. يُظهر النموذج درجات ثقة متعددة للعلامات المرضية، ويُقدّم في حال توفر ذلك مربعات تحديد لتحديد موقع الشذوذ. ثم يُنشئ مكوّن توليد لغة طبيعية تقريراً مختصراً يربط بين النتائج المتوقعة والنص الطبي. يُصمم النموذج لأغراض البحث والتعليم فقط، ولا يُعطي توصيات تشخيصية سريرية. يعتمد على مكتبات مفتوحة المصدر لمعالجة البيانات، وتشغيل النموذج، وتفاعل المستخدم، ما يتيح تكرار سريع وتطوير مستمر. يهدف إلى تسهيل تجربة الباحثين في مجال الراديولوجيا وتدريب المقيمين على تحليل الصور السينية. كما يُعزز فهم كيفية دمج الذكاء الاصطناعي في سير العمل الطبي مع الحفاظ على حدود الاستخدام الآمن.
A command-line tool that performs multi-kingdom metagenomic interaction analysis and visualizes the results.
تُعدّ أداة ماغي‑ميتاجينومكس تطبيقاً سطر أوامر مبنيًا بلغة بايثون يتيح للباحثين استيراد جداول الكثافة الجينية للميتاجينوم والبيانات الميتاداتية، ثم يُعالجها عبر عمليات تطبيع وتحليل إحصائي وتعلم آلي لاستخلاص التفاعلات بين الكائنات من ممالك مختلفة. تقوم الأداة ببناء شبكات الترابط والتواجد المشترك، وتُقسِّم الكائنات إلى مجموعات وظيفية، وتُنتج رسومات إحصائية وتفاعلية باستخدام مكتبات ماتبلوتليب وبلاوتلي. صُممت لتلبية احتياجات علماء الأحياء الدقيقة والبيولوجيا الحاسوبية الذين يرغبون في استكشاف العلاقات البيئية المعقدة دون الحاجة لكتابة كود برمجي معقد، مقدمةً سير عمل مبسّط من استيراد البيانات إلى إنتاج رسومات جاهزة للنشر. تدعم الأداة صيغ ملفات شائعة مثل CSV وTSV وBIOM، وتصدر النتائج بصيغ قابلة للمشاركة مثل PNG وHTML وJSON. بدمجها لمكتبات سكيت‑ليرن وسكيب‑إي، توفر أداة ماغي‑ميتاجينومكس اختبارات إحصائية قوية وتقليل أبعاد لتسليط الضوء على الأنماط الهامة في مجموعات البيانات الكبيرة.
A tool that evaluates student understanding by matching their responses to a knowledge graph, providing insights for formative assessment.
تقوم الأداة بتحليل إجابات الطلاب وبناء تمثيل رسومي للمعرفة لكل إجابة. ثم تقارن هذه الرسوم البيانية مع رسم بياني مرجعي يمثل هيكل المعرفة المتوقع. باستخدام خوارزميات مطابقة الرسوم البيانية والتحليل الإحصائي، تقيس الأداة مدى التوافق وتكشف عن المفاهيم الخاطئة وتولد مقاييس الأداء. تُعرض النتائج عبر رسومات بيانية تُظهر مدى إتقان المفاهيم والفجوات في الفهم على مستوى المجموعة. تم تصميم النظام للمعلمين ومصممي التقييم الذين يحتاجون إلى ملاحظات سريعة ومبنية على البيانات لتوجيه التدريس. يميز الأداة قدرتها على دمج الذكاء الاصطناعي مع تحليل الرسوم البيانية لتقديم رؤى دقيقة ومفصلة حول فهم الطلاب.
Detects whether an image was generated by AI using forensic self-descriptions.
يُحلل هذا البرنامج الصور لتحديد ما إذا كانت قد تم إنشاؤها بواسطة الذكاء الاصطناعي، مستفيداً من أوصاف ذاتية فورية مستخرجة من محتوى الصورة. يستخدم مزيجاً من نماذج التعلم العميق ومصنّفات التعلم الآلي الكلاسيكية لاستخراج مؤشرات دقيقة وأنماط مميزة للإنشاء الآلي. يمكن للمستخدمين التفاعل مع النظام عبر واجهة ويب أو أوامر سطر أوامر، حيث يرفعون الصور ويتلقون درجة ثقة وتوضيحات بصرية. صُمم الحل للمهنيين الذين يحتاجون إلى التحقق السريع والموثوق من أصالة الصور، مثل الصحفيين والباحثين ومحللي الطب الشرعي الرقمي. من خلال توفير أدلة شفافة على مشاركة الذكاء الاصطناعي، يدعم التحقيقات، وفحص نزاهة الإعلام، وجمع الأدلة القانونية.