الكاتب: عمر أحمد

أمن التعلم الآلي في عمليات DevOps (MLSecOps): دليل شامل لأدوات عام 2025 يُحدث التعلم الآلي (ML) ثورة في مختلف الصناعات، مدعماً الابتكار في مجالات متنوعة مثل الخدمات المالية، والرعاية الصحية، والأنظمة الذاتية، والتجارة الإلكترونية. ومع ذلك، ومع قيام المؤسسات بتشغيل نماذج التعلم الآلي على نطاق… قراءة المزيد

تسريع استنتاج نماذج اللغات الضخمة بخمسة أضعاف: حلٌّ مبتكرٌ يتغلب على التشاؤم في عالم الذكاء الاصطناعي سريع التطور، تُشغّل نماذج اللغات الضخمة (LLMs) مثل GPT-4 و Llama كل شيء، بدءًا من روبوتات الدردشة ووصولاً إلى مساعدي البرمجة. لكن هناك سرًّا مُخبّأ: قد يكون استنتاج نموذج… قراءة المزيد

بناء خط أنابيب تعلّم آلي موثوق به محلياً باستخدام MLE-Agent و Ollama يُقدم هذا البرنامج التعليمي طريقةً لدمج MLE-Agent مع Ollama لإنشاء سير عمل تعلّم آلي محلي بالكامل، وخالٍ من واجهات برمجة التطبيقات الخارجية (APIs). سنقوم بإعداد بيئة قابلة للتكرار في Google Colab، وتوليد مجموعة… قراءة المزيد

مقدمة: GPUs مقابل TPUs في تدريب نماذج المحولات الضخمة تُعدّ كل من وحدات معالجة الرسوميات (GPUs) ووحدات معالجة المصفوفات العصبية (TPUs) عناصر أساسية في تسريع عملية تدريب نماذج المحولات الضخمة. إلا أن اختلافات أساسية في بنيتها الأساسية، وأداءها، وتوافقها مع الأنظمة البيئية المختلفة، تؤدي إلى… قراءة المزيد

مقارنة أداء نماذج اللغات الكبيرة باستخدام تقنية “الساحة كحكم” تُعدّ نماذج اللغات الكبيرة (LLMs) من أهمّ التطوّرات في مجال الذكاء الاصطناعي، إلا أنّ تقييم أدائها يُشكّل تحديًا. تُقدّم هذه المقالة شرحًا عمليًا لطريقة مبتكرة لتقييم هذه النماذج، وهي طريقة “الساحة كحكم” (LLM Arena-as-a-Judge). بدلاً من… قراءة المزيد