كل المشاريع
أكثر من 42 مشروع تعلم آلي في كل المجالات — جميعها على مستوى الإنتاج، موثقة بالكامل
56 مشروع
⭐ مميزكشف احتيال IEEE-CIS
خط أنابيب ML كامل على 590K معاملة، 433 ميزة. LightGBM AUC 0.9648 — مجموعة تكدس LGB+XGB+CatBoost+RF مع هندسة ميزات سلوكية متقدمة.
منصة توليد الصور بالذكاء الاصطناعي (Ofoto)
نشر إنتاجي لـ Stable Diffusion (Automatic1111 + ControlNet) مع خلفية FastAPI وواجهة Vue.js — 500+ طلب متزامن، 99.9% وقت تشغيل، -35% زمن استجابة، -40% وقت الإصدار.
وكيل مبيعات ذكي على واتساب
وكيل مبيعات ذكاء اصطناعي على واتساب للأعمال. يصنف الرسائل (مبيعات/دعم/خارج الموضوع)، يستعلم من قاعدة بيانات Supabase، يستخدم Ollama/Llama3.1 محلياً، ثنائي اللغة FR/AR، ذاكرة محادثة. -90% من وقت المعالجة اليدوية.
⭐ مميزتجزئة صور الموجات فوق الصوتية لسرطان الثدي
معيار قياسي لـ 9 بنى تجزئة على 780 صورة BUSI. DeepLabV3+ في المقدمة بـ Dice 0.7863، IoU 0.6483. FCN → SimpleUNet → SegNet → Attention-UNet → TransUNet → ResNet34-UNet → EfficientNet-UNet → DeepLabV3+ → Swin-UNet.
⭐ مميزكشف الاحتيال على بلوكشين إيثيريوم
كشف احتيال بلوكشين على 9,841 عنوان إيثيريوم. XGBoost+LightGBM+CatBoost+Stacking مع Optuna HPO (40 تجربة) وSHAP. AUC 0.9973، F1 0.9658 عند العتبة المثلى 0.85.
⭐ مميزترجمة آلية عصبية من الإنجليزية إلى الفرنسية
ترجمة آلية عصبية فعّالة في الذاكرة على مجموعة بيانات 6 جيجابايت دون تعطل RAM. Seq2Seq مخصص + ضبط دقيق لـ HuggingFace mBART/Helsinki-NLP. إصلاح 5 أخطاء حرجة (GradientTape، تجاوز tokenizer، API منتهية الصلاحية).
تحليل مشاعر تويتر
خط أنابيب NLP بـ 6 نماذج على 74K تغريدة. DistilBERT يحقق دقة 96.6%. LR+TF-IDF عند 85%. LSTM/Bi-LSTM/CNN يصلون 87-88%. 4 فئات: إيجابي، سلبي، محايد، غير ذي صلة.
كشف الأخبار المزيفة
خط أنابيب NLP بـ 13 نموذجاً على 44,898 مقالة. Soft Voting Ensemble والتكدس يحققان 99.86% دقة، AUC=1.0. خطأين فقط على مجموعة الاختبار الكاملة. DistilBERT بـ 99.87% على مجموعة فرعية 6K.
التعرف على النشاط البشري (HAR)
معيار 14 نموذجاً على 9,299 قراءة من حساسات UCI. SVM الخطي يتصدر بـ 96.1%. t-SNE يُظهر مجموعات نشاط واضحة. PCA يحتفظ بـ 95% من التباين عند ~95 مكوناً. الخلط بين الجلوس/الوقوف هو المصدر الرئيسي للأخطاء.
التنبؤ بانسحاب عملاء الاتصالات
خط أنابيب تمييع بـ 3 مراحل على 7,043 عميل. XGBoost محسّن بـ Optuna: AUC 0.8484، F1 0.5947. المرحلة 1: 5 خطوط أساسية → المرحلة 2: مجموعات تعزيزية → المرحلة 3: 100 تجربة Optuna + SHAP. مدة العقد ونوعه يهيمنان.
احتيال مطالبات تأمين السيارات
خط أنابيب احتيال بـ 16 نموذجاً لـ 15,420 مطالبة (5.99% احتيال). AdaBoost يعظم الاسترجاع (89.2%). XGBoost RandomizedSearchCV: CV AUC 0.9847. SHAP: الخطأ (37.9%) هو المؤشر الرئيسي للاحتيال.
البحث عن الأشخاص بالتعرف على الوجه
تعرف على الوجه بدون تدريب باستخدام تضمينات ResNet-50 (VGGFace2) المدربة مسبقاً. البحث في 13,233 صورة LFW عبر المسافة الإقليدية 128D. 18/19 تطابقات صحيحة عند الحد 0.55. لا يتطلب تدريباً.
التعرف على المشاعر من الوجه
تعرف على 7 مشاعر على RAF-DB (12,271 صورة). مجموعة ResNet50+ViT-Small+EfficientNetB3 تحقق 86.57%. نقل تعلم بمرحلتين. GradCAM يؤكد التركيز على مناطق الفم والحاجب والعين لكل مشعر.
كشف مواقف السيارات الذكية بـ YOLOv8
كشف إشغال مواقف السيارات (حر مقابل محجوز) بـ YOLOv8n. Test mAP50=0.942، mAP50-95=0.798. توقف مبكر عند الحقبة 74. 30 صورة مُعلَّمة بـ CVAT (22/4/4). استدلال: 9 مجانية + 21 محجوزة لكل موقف @ 41.2ms.
كشف السرطان — YOLOv8 (n/s/m)
معيار 3 متغيرات YOLOv8 للكشف عن السرطان. YOLOv8m: test mAP50=0.6782، Precision=0.7633، F1=0.6941. 1,968 صورة تدريبية. تصدير ONNX (49.8 MB) + TorchScript (99.1 MB).
كشف الحيوانات بـ YOLOv8
كشف الحيوانات بـ 80 فئة مع YOLOv8n. mAP@0.5=0.668. الأفضل: النمر (0.967)، عصفور (0.953). الأصعب: الحبار (0.009). ONNX (12.3 MB). 29,071 صورة لـ 80 نوعاً.
تصنيف أمراض النباتات
معيار PlantVillage بـ 15 فئة. MobileNetV2 الأفضل فردياً: 92.86%. المجموعة (MobileNetV2+EfficientNetB3+ResNet50) على الاختبار: 83.43%. عدم توازن 42.5×. إصلاح خطأ إعادة ضبط المولّد الذي سبّب انهيار المجموعة.
تصنيف أنواع الفراشات
خط أنابيب متعدد النماذج من 4 مراحل لتصنيف 75 نوعاً. CNN أساسي → TL مدرب مسبقاً → بنية هجينة متوازية/تسلسلية → رؤوس مساعدة متعددة الخسائر. Grad-CAM يؤكد التركيز على أنماط الأجنحة.
تصنيف سرطان صورة CT للصدر
تصنيف سرطان الرئة بـ 4 فئات على 613 صورة CT. MobileNetV2 الأفضل: 66.03% دقة اختبار. 16 نموذجاً: HOG+8 كلاسيكية + شبكات CNN مخصصة + TL. MC-Dropout يُعلّم الحالات غير المؤكدة لمراجعة الطبيب.
كشف وتجزئة النفايات TACO
معيار 5 نماذج على 1,500 صورة نفايات (4,784 تعليق، 60 فئة). RT-DETR-L الأفضل: mAP50=0.2778، Precision=0.4833. خسارة Faster R-CNN تتقارب من 0.76→0.11. YOLOv8n/s/l + RT-DETR + Faster R-CNN.
تصنيف أرقام لغة الإشارة
شبكة CNN للتعرف على أرقام لغة الإشارة (0-9) على 2,062 صورة متوازنة. دقة تحقق 96.13% عند الحقبة 23، F1 التدريب=0.98. CNN بـ 3 طبقات مع BatchNorm + Dropout. تصدير H5 للنشر.
تصنيف سرطان الثدي (ويسكونسن)
معيار 14 نموذجاً على مجموعة بيانات ويسكونسن (569 عينة). Voting Ensemble: 99.12% دقة. CatBoost: AUC 0.9990. Extra Trees: 98.25%. RF + SVM مضبوطان عبر RandomizedSearchCV/GridSearchCV. SHAP: concave_points_worst يهيمن.
أنظمة توصية الكتب — تصنيف شامل
تصنيف شامل لأنظمة التوصية على BookCrossing (1.1M تقييم): User-CF، Item-CF، SVD/NMF/ALS، قائم على المحتوى، هجين، NCF، AutoRec، GRU4Rec. User-CF RMSE 1.6645.
التنبؤ باستهلاك الطاقة بالساعة
معيار 10 نماذج على 145,366 سجلاً ساعياً لـ PJM (2002-2018). LightGBM الأفضل: MAE=210.8 MW، RMSE=285.4 MW، MAPE=0.66%. Prophet يفشل (MAPE=10.25%). BiLSTM MAPE=2.17%. 26 ميزة lag/rolling/دورية.
التنبؤ بـ EURUSD — أكثر من 30 نموذجاً (كمومي · GNN · انتشار · خوارزمية جينية)
أشمل معيار لـ EURUSD: أكثر من 30 نموذجاً تشمل ML الكمومي (QSVM/QNN/QAE/VQC)، خوارزميات جينية (7 متغيرات + كروموسومات عصبية)، GNN، Neural SDE، Diffusion DDPM. منهجية delta-target. تحسين متعدد الأهداف NSGA-2.
التنبؤ بتفشي كوفيد-19
خط أنابيب بدون تسرب على 188 سجلاً يومياً (يناير-يوليو 2020). الهدف = الحالات اليومية الجديدة (ثابتة). CV Walk-forward TimeSeriesSplit. نموذج SEIR + ARIMA + XGBoost + LSTM + Transformer. يصحح تسرب البيانات التراكمية.
كشف أنماط الطقس
خط أنابيب بـ 9 طرق على 96,453 سجلاً ساعياً. K-Means (sil=0.45، K=3)، DBSCAN، Isolation Forest (1,930 شذوذاً)، LightGBM macro F1=0.74، 1D-CNN 94.85%، LSTM Autoencoder، Prophet (16 يوماً شاذاً).
تعلم آلة على سلسلة إمداد DataCo
ML بدون تسرب على 180,519 طلباً. LightGBM AUC 0.8563 (التسليم المتأخر). Gradient Boosting R²=0.9996 (انحدار الربح). إزالة الأعمدة التي تظهر بعد التنفيذ والتي ترفع AUC=1.0 في معظم الحلول المنشورة.
خط أنابيب ML على إعلانات وظائف LinkedIn
خط أنابيب ML كامل على 123,849 إعلان وظيفي من LinkedIn (2023-2024). التنبؤ بالراتب، تحليل الطلب على المهارات (213K زوجاً)، NLP على الأوصاف. 7 ملفات CSV مرتبطة. تطبيع فترات الدفع (ساعي→سنوي).
ألعاب متقدمة — التعلم التعزيزي العميق
Double Dueling DQN + PER (SumTree). CartPole-v1 محلول في الحلقة 300 (MA-100=441.1، أفضل تقييم 497.2/500). LunarLander-v3 محلول في الحلقة 207 (MA-100=202). شبكة بـ 134,275 معامل مع LayerNorm.
كشف شذوذات أمن شبكات إنترنت الأشياء
كشف اختراق الأنظمة المدمجة مع عدم توازن شديد (10% شذوذ). BiLSTM+Attention: PR-AUC=0.186، Recall=33.3%. تضخيم 5× (Gaussian/MixUp/masking). عدم يقين MC-Dropout. خسارة بؤرية.
توليد الشعر — BERT / GPT-2 / T5 مضبوط دقيقاً
ضبط دقيق لـ BERT وGPT-2 وT5 على مجموعة شعرية للتوليد الإبداعي. 10 نقاط تفتيش محفوظة. تحليل تنوع المفردات لكل شاعر. Beam search + عينات درجة الحرارة. لوحة تقارن جميع المعماريات الـ 3.
التعرف على الأسماء المكتوبة بخط اليد
معيار OCR على 66K صورة. TrOCR (ViT+GPT-2، 334M) الأفضل: CER=0.0481، 80% تطابق تام. CRNN-ResNet34: CER=0.0502. تحسينات AMP + torch.compile + تراكم التدرجات.
التنبؤ بوقت توصيل الطعام
معيار انحدار بـ 16 نموذجاً. الانحدار الخطي يفوز بشكل مفاجئ: RMSE=8.76 دقيقة، R²=0.829. XGBoost مضبوط: RMSE=9.19. المسافة والحركة المرورية تهيمنان. ميزات التفاعل تلتقط اللاخطية للنماذج الخطية.
التنبؤ باستهلاك الكهرباء المنزلية
سلاسل زمنية متعددة النماذج على 2.9M سجل UCI (2006-2010). ARIMA، SARIMA، Prophet، LSTM على Global_active_power. STL يكشف أنماطاً يومية وأسبوعية. مجموعة مع ترجيح inverse-RMSE.
التنبؤ التاريخي بطلب المنتجات
معيار 19 نموذجاً: TS كلاسيكي → ML → DL → مجموعة. CatBoost R²=0.7125 (الأفضل). ML يتفوق على TS الكلاسيكي (SMAPE 115-130% مقابل 35-40% لـ TS، لكن R² سالب لـ TS). CV walk-forward مع Optuna.
تصنيف أوامر الكلام الاصطناعية
CNN صوتي بـ 30 فئة يحقق دقة اختبار 100% على 41,849 عينة. Mel-spectrogram (64 bin) + SpecAugment. CNN بـ 4 كتل، 1.25M معامل. دقة التحقق تبلغ 100% في الحقبة 8. Label smoothing 0.1.
كشف الخطوط (رؤية الحاسوب)
معيار رؤية الحاسوب الكلاسيكية: Hough القياسي (2.53ms، 22 خطاً)، Hough الاحتمالي (4.29ms، 47 مقطعاً)، LSD (23.98ms، 422 مقطعاً). Hough أسرع 6-10 مرات. صور كاميرا Udacity + صور اصطناعية. خط أنابيب HSV+ROI.
توليد وجوه أنمي (DCGAN)
DCGAN مدرب لـ 100 حقبة على Tesla T4 على 43K صورة أنمي. مكدس ConvTranspose2d (100→512→256→128→64→3). β₁=0.5، تمهيد التسميات، StepLR. استيفاء slerp للانتقالات السلسة.
محرك توصيات التجارة الإلكترونية (n8n)
خلفية توصيات إنتاجية: n8n + PostgreSQL، 4 أوضاع (رائج/شراء مشترك/مخصص/إعادة شراء)، 74 عقدة، API webhook، جدولة يومية. لا حاجة لخادم مخصص.
نظام متعدد الوكلاء RAG (n8n + Pinecone)
n8n بـ 109 عقدة: PDF Google Drive → مخزن متجه Pinecone → تضمينات Cohere → وكيل ذكاء اصطناعي Ollama → تجريف Airtop → ممثلو Apify. 5 سير عمل فرعية. RAG كامل + ذاكرة محادثة.
بنية الخدمات الدقيقة (Spring Boot)
خدمات دقيقة إنتاجية: Spring Boot، دفق أحداث Apache Kafka، مصادقة OAuth2/Keycloak، استدعاءات gRPC بين الخدمات، بوابة API، Docker. تصميم قائم على الأحداث مع عزل PostgreSQL لكل خدمة.
منصة موارد بشرية بالذكاء الاصطناعي — 20 أداة LLM وATS وMCP
منصة موارد بشرية كاملة مدعومة بـ gpt-oss:120b (Ollama Cloud): 20 أداة ذكاء اصطناعي عبر 7 مجالات موارد بشرية، خط ATS دائم، مساعد بيانات يحوّل اللغة الطبيعية إلى SQL، فرز صوتي مسبق، أتمتة Gmail وخادم MCP — FastAPI + SQLite، متعدد اللغات FR/EN/AR/الدارجة.
منصة المؤتمرات — خدمات مصغّرة Spring Cloud
نظام خدمات مصغّرة Spring Cloud كامل للمؤتمرات والكلمات الرئيسية: Config Server، اكتشاف Eureka، بوابة API، خادما موارد JWT مؤمَّنان بـ Keycloak (OAuth2/OIDC)، استدعاءات بين الخدمات عبر OpenFeign مع تمرير الرمز، وعميل Angular.
خدمات مصغّرة مؤمَّنة — OAuth2 / OIDC / Keycloak
خدمات مصغّرة للتجارة الإلكترونية مؤمَّنة حيث يكون Keycloak خادم التفويض المركزي. خادما موارد Spring Boot (المخزون، الطلبات) يتحققان من رموز JWT الصادرة عن Keycloak؛ تستدعي خدمة الطلبات المخزون عبر OpenFeign مع تمرير الرمز؛ عميل Angular يسجّل الدخول عبر OIDC.
بثّ الأحداث في الزمن الحقيقي — Kafka + Spring Cloud Stream
معالجة وظيفية لتدفّق الأحداث باستخدام Spring Cloud Stream وKafka Streams: مزوّد يُنتج أحداث صفحات، ودالة تحوّلها، وخط KStream يطبّق نوافذ منزلقة من 5 ثوانٍ لتحليلات لحظية لكل صفحة تُبَثّ إلى المتصفح عبر Server-Sent Events.
خدمة متعددة الموصّلات — REST · GraphQL · SOAP · gRPC
خدمة أعمال واحدة معروضة في آنٍ واحد عبر أربعة أنماط تواصل — REST وGraphQL وSOAP وgRPC — ثم تستهلكها خدمة مصغّرة ثانية عبر REST (OpenFeign) وgRPC. دراسة موازِنة لبروتوكولات الـ API على نفس مجال العملاء.
خدمة حسابات بنكية مصغّرة — REST · GraphQL · Data REST
خدمة حسابات بنكية مصغّرة تعرض نفس المجال عبر ثلاث واجهات — واجهة REST مكتوبة يدوياً، وواجهة GraphQL، وSpring Data REST المُولَّد تلقائياً — مع طبقة DTO/mapper، وتوثيق OpenAPI/Swagger، ومخزن H2.
بلوكشين من الصفر — Spring Boot
بلوكشين تعليمية بلغة Java/Spring Boot: كتل، تجمّع معاملات (mempool)، تجزئة SHA-256، تعدين Proof-of-Work وتحقّق كامل من السلسلة — كل ذلك عبر واجهة REST، مع عروض تشفير AES والتشفير غير المتماثل.
نظام حجز الجلسات — Angular + Spring Boot
تطبيق حجز متكامل: واجهة Angular 17 فوق واجهة REST بـ Spring Boot 3.3 (JPA، MySQL/H2) تدير المستخدمين، والجلسات القابلة للحجز بسعة محددة، والحجوزات مع تتبّع الحالة، وأعضاء لجنة التحكيم المعيَّنين للجلسات.
MicroBank — خدمة ويب SOAP (JAX-WS)
خدمة ويب SOAP مبنية بـ JAX-WS: نقطة نهاية «MicroBank» مستقلة تعرض تحويل العملات وعمليات الحسابات، إضافة إلى عميل يستهلكها عبر stub مُولَّد من WSDL باستخدام wsimport.
إدارة مستشفى — Spring MVC + Security
تطبيق ويب كامل لإدارة المرضى: Spring MVC + Spring Data JPA + Thymeleaf مع بحث مُقسَّم لصفحات، والتحقق من النماذج، وSpring Security 6 (تسجيل دخول بنموذج، remember-me، وتفويض حسب الأدوار USER مقابل ADMIN).
مرضى المستشفى — Spring Boot MVC + Thymeleaf
تطبيق ويب Spring Boot MVC + Thymeleaf مركّز: جدول مرضى مُقسَّم لصفحات (3 لكل صفحة)، بحث بالاسم عبر استعلام مُشتق، حذف مع تأكيد، وتخطيط مزخرف مشترك — مُهيَّأ عبر CommandLineRunner محميّ بالملف الشخصي ومُختبَر بـ MockMvc على H2.
مجال المستشفى — علاقات Spring Data JPA
دراسة نمذجة بـ Spring Data JPA على مجال مستشفى: كيانات Patient وMedecin وRendezVous وConsultation مرتبطة بـ @OneToMany و@ManyToOne و@OneToOne، طبقة خدمة معامِلاتية، مستودعات مُشتقة، ونقطة نهاية REST.
حقن التبعيات وعكس التحكّم — أربع تقنيات
دراسة عملية لعكس التحكّم في Java: نفس تقسيم DAO/الأعمال موصولاً بأربع طرق — حقن يدوي عبر setter، تحميل ديناميكي بالـ reflection من ملف إعداد، إعداد حاوية Spring XML، ومسح تعليقات Spring (@Component/@Autowired).
حاسبة علمية ومختبرات DOM — JavaScript خام
مجموعة من المشاريع المصغّرة بـ HTML/CSS/JavaScript دون تبعيات تغطّي الأساسيات: حاسبة علمية بـ CSS Grid (مثلثات، لوغاريتمات، جذور، π/e)، إضافة إلى تمارين معالجة DOM وإدارة الأحداث (تبديل الحقول، الحساب، مؤشر كتلة الجسم). دون أدوات بناء — يكفي فتحها في المتصفح.