علوم البيانات والذكاء الاصطناعي
اكتشاف السببية القابل للتفسير للممارسين: خوارزميات، فروض، وأمثلة عملية بـ Python
دليل عملي لاكتشاف البنية السببية للممارسين: خوارزميات، افتراضات، أمثلة بايثون، وأدوات مفتوحة المصدر لتعزيز التفسير والموثوقية.
الحدود الرياضية لتفكير النماذج اللغوية الكبيرة: من سلسلة التفكير إلى سلسلة الاستدلال
مراجعة نظرية وعملية لقيود قدرات الاستدلال في النماذج اللغوية الكبيرة، تقييم معايير القياس (GSM8K, MATH)، وتوصيات لبحوث CoR وعمليات التحقق.
معايير مقارنة السلاسل الزمنية — تحديث 2026: مجموعات بيانات جديدة، بروتوكولات تقييم، واختيار نماذج عملي
تقرير عملي عن بنشماركات السلاسل الزمنية في 2026: مجموعات بيانات جديدة، بروتوكولات تقييم حديثة، ودليل عملي لاختيار النماذج والتقييم القابل للتكرار.
قياس عدم اليقين في التعلم العميق: وصفات عملية لبايزية، التجميع والتنبؤ الكونفورمالي
دليل عملي لقياس عدم اليقين في الشبكات العميقة: طرق بايزية، تجمعات النماذج، والتنبؤ الكونفورمالي مع نصائح تنفيذية ومكتبات شائعة.
الجبر الخطي العشوائي والخالي من المصفوفات للتعلم الآلي واسع النطاق — خوارزميات وتطبيق
مرجع تطبيقي للجبر الخطي العشوائي والنهج الخالي من المصفوفات في التعلم الآلي الكبير: خوارزميات، تنفيذات عملية، ونصائح استقرار وأداء.
التعلم السببي للممثلّات للعلماء: طرق، تشخيصات، ودراسات حالة
دليل عملي للعلماء عن التعلّم السببي للممثلّات: مبادئ، قابلية التعرّف، اختبارات التشخيص، أدوات، ودراسات حالة تطبيقية.
تعلم الآلة القابل للتفسير: طرق إحصائية لشرح النماذج وقياس عدم اليقين
مقال تطبيقي يشرح أساليب إحصائية لتفسير نماذج التعلم الآلي وقياس عدم اليقين — SHAP، PDP، الانحدار الكمّي، التوافق والطرق البايزية مع إرشادات عملية.
الدليل العملي للاستدلال الإحصائي لعلماء البيانات — أمثلة Python
دليل عملي للاستدلال الإحصائي لعلماء البيانات: مبادئ، اختبارات فرضيات، فترات ثقة وتقدير معاملات، مع أمثلة Python للتطبيق على بيانات حقيقية.
التنبؤ في السلاسل الزمنية عمليًا: نماذج، تشخيص، وممارسات مثلى
دليل عملي في نمذجة السلاسل الزمنية: اختيار النماذج، فحوصات التشخيص، مقاييس الأداء، واستراتيجيات النشر والمراقبة للحصول على تنبؤات موثوقة.
مراجعة مركزة في الجبر الخطي لتعلّم الآلة العميق: بديهة، براهين، وتسريع الحساب
دليل عملي في الجبر الخطي لتعلّم الآلة العميق: بديهية هندسية، براهين أساسية، ونصائح حسابية لتسريع ومزيد من الاستقرار في التدريب.
الطوبولوجيا والهندسة في تعلّم الآلة: لماذا الأشكال والمتعددات مهمة
نظرة مبسطة وعملية على دور الطوبولوجيا والهندسة في تعلّم الآلة: فرضية المتعددات، أدوات التحليل الطوبولوجي، وشبكات هندسية لتحسين التمثيلات والتعميم.
مفاهيم نظرية الفئات التي يجب أن يعرفها كل باحث في تعلم الآلة
مقال يشرح لباحثي تعلم الآلة مفاهيم نظرية الفئات: فونكتورات، تحويلات طبيعية، مونادات، حدود واقترانات، وتطبيقاتها لبناء نماذج تركيبية وقابلة للتعميم.