Machine Learning Mastery
مصدر أخبار الذكاء الاصطناعي. تُختار المقالات وتُعدَّل من قِبَل تحرير Hamidun News.
أحدث المنشورات
pgvector مقابل Qdrant: اختبار أداء على 100 000 متجه بأبعاد 1536
تقدّم Machine Learning Mastery قياسًا قابلًا للتكرار لـ pgvector وQdrant: فهرس HNSW متطابق، و1536 بُعدًا، و100 ألف متجه، مع p50/p95/p99 وQPS على حاسوب محمول عادي.
Machine Learning Mastery تعرض طريقة بناء RAG على scikit-learn دون قاعدة بيانات متجهات
استعرض موقع Machine Learning Mastery بناء مسار RAG خفيف متكامل: تضمينات من نماذج مفتوحة، وبحث في المتجهات عبر scikit-learn، وصياغة إجابة من السياق المسترجع.
Unsloth وLlama 3: كيف تعلّم النموذج استدعاء واجهات API بثبات عبر JSON
يتناول Machine Learning Mastery ضبط Llama 3 على JSON صارم لاستدعاء الأدوات عبر Unsloth: النموذج العام يكسر مخطط API، وتقنية LoRA تساعد على إصلاح ذلك.
كيف تبني وكيل ذكاء اصطناعي للمتصفح بلغة Python: دليل خطوة بخطوة من Machine Learning Mastery
نشر موقع Machine Learning Mastery دليلاً لبناء وكلاء Python يتحكمون في المتصفح: يفتحون المواقع وينقرون ويملؤون النماذج دون واجهة API رسمية.
Transformers.js والتضمينات المتجهية: بحث دلالي دون بنية تحتية على الخادم
يشرح موقع Machine Learning Mastery كيف يمكن استبدال البحث بالكلمات المفتاحية ببحث دلالي عبر Transformers.js، وهي مكتبة متصفح تبني التضمينات المتجهية على جهاز العميل مباشرة دون واجهة API على الخادم.
خط أنابيب الذكاء الاصطناعي الوكيلي: 7 مكونات تفصل النظام الإنتاجي عن النموذج التجريبي
نشر موقع Machine Learning Mastery دليلًا يتناول سبعة مكونات معمارية تميّز نظام الذكاء الاصطناعي الوكيلي الإنتاجي عن سكربت العرض التجريبي المعتاد.
كيف تدير وكلاء الذكاء الاصطناعي نافذة السياق في المهام الطويلة: خمس استراتيجيات
استعرض موقع Machine Learning Mastery خمس استراتيجيات عملية لإدارة نافذة السياق لوكلاء الذكاء الاصطناعي الذين يعملون لساعات ويصطدمون بحد الرموز (التوكنات) في النموذج.
LangChain مقابل LlamaIndex: كيف يختار المطورون إطار العمل لتطبيقات LLM
يبدأ مطورو تطبيقات LLM عادةً بطلبات مباشرة إلى واجهات API، ثم ينتقلون إلى أطر متخصصة مثل LangChain أو LlamaIndex مع تعقّد الشيفرة.
وكلاء الذكاء الاصطناعي للأعمال: كيف تختار الأدوات خطوة بخطوة
نشر موقع Machine Learning Mastery دليلاً لاختيار الأدوات لوكلاء الذكاء الاصطناعي: لماذا يكون الأقل غالباً أفضل، وكيف تؤثر جودة الوصف في موثوقية الوكيل.
تجميع النصوص دون وسم: تضمينات LLM وخوارزمية HDBSCAN من Machine Learning Mastery
يعرض موقع Machine Learning Mastery كيفية تجميع النصوص غير المهيكلة حسب الموضوعات باستخدام تضمينات LLM وخوارزمية HDBSCAN، دون وسم يدوي ودون معرفة عدد الفئات مسبقًا.
كيف تُبنى وكلاء الذكاء الاصطناعي: نماذج LLM وClaude وChatGPT في التطبيق العملي
يستعرض موقع Machine Learning Mastery المكونات التي يُبنى منها وكيل الذكاء الاصطناعي الحديث: إطار التنسيق، وطبقات الذاكرة، وأدوات تنفيذ الإجراءات، والمراقبة.
نافذة السياق ليست ذاكرة: ما الذي ينبغي أن يفهمه مطورو وكلاء الذكاء الاصطناعي
كثيرًا ما يخلط مطورو وكلاء الذكاء الاصطناعي بين نافذة السياق الكبيرة والذاكرة طويلة المدى، وهو خطأ معماري يظهر في بيئة الإنتاج عند التعامل مع المستخدمين المتكررين.
خارطة طريق لتقييم وكلاء الذكاء الاصطناعي: المقاييس والاختبارات المعيارية والأساليب العملية
تقييم وكلاء الذكاء الاصطناعي أصعب من تقييم النماذج اللغوية: فهو يتطلب مقاييس مستقلة للمهام متعددة الخطوات واستخدام الأدوات والتعافي من الأخطاء.
Scikit-LLM: مسار متكامل لتحليل المشاعر في النصوص باستخدام النماذج اللغوية
تدمج مكتبة Scikit-LLM نماذج GPT وغيرها من النماذج اللغوية الكبيرة في مسارات sklearn، لتحليل المشاعر دون وسم البيانات أو إعادة التدريب، وبواجهة sklearn المألوفة.
Scikit-LLM: تصنيف النصوص متعدد الوسوم دون مجموعة تدريب عبر نماذج اللغة الكبيرة
تتيح مكتبة Scikit-LLM إسناد عدة وسوم إلى كل نص دون مجموعة تدريب، عبر GPT-4 والنماذج المتوافقة معه، وبواجهة scikit-learn المألوفة.
كيف تصمّم أدوات وكلاء الذكاء الاصطناعي: ممارسات عملية وأخطاء شائعة
حلّل موقع Machine Learning Mastery لماذا لا يكون وكيل الذكاء الاصطناعي أفضل من أدواته، وما الأخطاء التي تجعل هذه الأدوات عديمة الفائدة.
Machine Learning Mastery: مفاهيم Python التي يجب على مهندس الذكاء الاصطناعي إتقانها للإنتاج
يوضح Machine Learning Mastery أنماط Python التي تفصل السكربتات التجريبية عن أنظمة الذكاء الاصطناعي القابلة للتوسع، والقادرة على تحمّل الأحمال الفعلية.
كيف تختار الشبكات العصبية الرموز: logits ودرجة الحرارة وtop-p
نشرح الرياضيات وراء توليد النصوص في LLM: كيف تؤثر logits ودرجة الحرارة وtop-p في التوازن بين دقة الإجابات وإبداعها.
تقليم السياق في وكلاء الذكاء الاصطناعي: جلسات طويلة دون امتلاء
تتطلب الوكلاء المبنية على نماذج لغوية كبيرة نهجًا جديدًا لإدارة الذاكرة في الجلسات الطويلة. يتيح تقليم السياق حذف المعلومات غير الضرورية وتوفير الرموز (tokens).
البحث الهجين في RAG: عندما يلتقي البحث الدلالي بالكلمات المفتاحية
يجمع البحث الهجين بين الخوارزميات الدلالية والمعجمية، وهو أمر حاسم لأنظمة RAG الجاهزة للإنتاج.
ChatGPT لتحليل النصوص: مساعد متعدد الوكلاء
قدّمت OpenAI حزمة Agents SDK، وهي إطار عمل لبناء أنظمة من عدة وكلاء يعملون معًا للبحث عن المعلومات وتحليلها. ويفتح ذلك آفاقًا جديدة لأتمتة الأبحاث.
البحث الدلالي: كيف تبحث الشبكة العصبية دون كلمات مفتاحية
يفشل البحث التقليدي بالكلمات المفتاحية حين لا تتضمن الوثيقة الكلمة التي يبحث عنها المستخدم حرفيًا. يعرض Machine Learning Mastery حلًّا يعتمد على LLM embeddings والبيانات الوصفية.
كيف تختار معمارية وكيل الذكاء الاصطناعي: شجرة قرارات من Machine Learning Mastery
نشرت Machine Learning Mastery دليلًا يتضمن شجرة قرارات لاختيار النمط الأمثل لتصميم وكيل الذكاء الاصطناعي. ويعتمد الاختيار على نوع المهمة ومتطلبات التوسع وطبيعة التفاعل مع الأنظمة الخارجية.
الشبكات العصبية والذكاء الاصطناعي للأعمال دون خوادم قوية
أصدر موقع Machine Learning Mastery دليلًا عمليًا لتطبيق تعلّم الآلة في ظل ضعف العتاد وسوء الإنترنت وتشوّش البيانات، مع التركيز على النماذج البسيطة والحلول الواضحة.
كيف تبحث الشبكات العصبية عن المعلومات: قواعد البيانات المتجهية
نشرت Machine Learning Mastery دليلًا مفصلًا عن قواعد البيانات المتجهية: من التضمينات والبحث بالتشابه إلى HNSW وIVF وPQ، ومفاضلات الدقة والذاكرة وزمن الاستجابة.
كيف تنشئ وكيل ذكاء اصطناعي: أداة LlamaCloud Builder تتيح ذلك في دقائق
أطلقت LlamaCloud خدمة LlamaAgents Builder التجريبية (beta): تُنشئ وكيلًا لمعالجة المستندات انطلاقًا من وصف نصي، وتنشره عبر GitHub، وتتيح اختباره في الواجهة.
كيف تُعدّ البيانات في Python لتعلّم الآلة
نشر موقع Machine Learning Mastery دليلًا عمليًا حول سبع دوال في itertools بلغة Python تساعد على بناء خصائص التفاعل والتأخّر والحدود المتعددة والتراكمية أسرع، دون حلقات تكرارية مرهقة.
اتجاهات الذكاء الاصطناعي في 2026: الذكاء الاصطناعي الوكيلي والنماذج التوليدية وMLOps
حدّد موقع Machine Learning Mastery سبعة اتجاهات في التعلّم الآلي لعام 2026: الأنظمة الوكيلية، والذكاء الاصطناعي التوليدي كبنية تحتية، والنماذج الصغيرة، وحوسبة الحافة، وتنامي دور MLOps.
ML في بيئة الإنتاج: كيف تعزز ديكورات Python الموثوقية
استعرض موقع Machine Learning Mastery خمسة ديكورات Python لأنظمة ML في الإنتاج: تساعد على تجاوز أعطال API والتحقق من المدخلات وتوفير الحوسبة ومراقبة الخدمة بشكل أفضل.
تطبيق الذكاء الاصطناعي: حالات race condition في الأنظمة متعددة الوكلاء
نشر موقع Machine Learning Mastery تحليلًا لحالات race condition في الأنظمة متعددة الوكلاء: لماذا يُفسد الوكلاء الحالة المشتركة دون أخطاء، وما الأنماط التي تقلّل المخاطر.