Machine Learning Mastery
مصدر أخبار الذكاء الاصطناعي. تُختار المقالات وتُعدَّل من قِبَل تحرير Hamidun News.
أحدث المنشورات
Google وGemma 4: كيف تشغّل استدعاء الأدوات (tool calling) محليًا عبر Python وOllama
أظهر موقع Machine Learning Mastery كيف يتحول Gemma 4 إلى وكيل محلي يدعم tool calling: عبر Ollama وPython يستدعي النموذج الدوال، ويجلب البيانات من API، ويردّ دون سحابة.
Machine Learning Mastery تشرح كيفية بناء RAG طويل السياق دون إهدار الرموز
حلّل موقع Machine Learning Mastery خمس تقنيات لـ RAG طويل السياق: إعادة الترتيب، والتخزين المؤقت، والبحث الهجين، والبيانات الوصفية، وتوسيع الاستعلام، للحد من الضوضاء والتكلفة والتأخير.
Machine Learning Mastery يوضح كيفية تشغيل التصنيف النصي بلا أمثلة (zero-shot) دون مجموعة بيانات
نشر Machine Learning Mastery دليلاً عملياً للتصنيف النصي zero-shot: كيفية تحديد الفئات واستخدام BART والحصول على التصنيفات دون تدريب على مجموعة بيانات خاصة.
لماذا أصبحت الذاكرة عنصرًا محوريًا في وكلاء الذكاء الاصطناعي: شرح على ثلاثة مستويات من التعقيد
يبيّن تحليل جديد لذاكرة وكلاء الذكاء الاصطناعي أمرًا جوهريًا: دون حفظ السياق يجيب النموذج بمعزل عمّا سبق، وتُبنى الأنظمة الوكيلة المفيدة على ذاكرة الحوار والمهام والجلسات السابقة.
Machine Learning Mastery يحدد خمس عقبات رئيسية أمام توسيع نطاق الذكاء الاصطناعي الوكيلي في 2026
جمعت Machine Learning Mastery خمس مشكلات تعيق نقل الذكاء الاصطناعي الوكيلي من العروض التجريبية اللافتة إلى بيئات إنتاج مستقرة: من التنسيق إلى الأمان وضبط التكاليف.
Machine Learning Mastery: لماذا لا يكفي مخزن متجهات واحد لتطبيقات الذكاء الاصطناعي
يوضح Machine Learning Mastery أن الذكاء الاصطناعي في بيئات الإنتاج لا يمكنه الاعتماد على مخزن متجهات وحده: فالصلاحيات والفوترة والبيانات الوصفية وحالة التطبيق تتطلب طبقة SQL أيضًا.
Machine Learning Mastery يستعرض كيفية بناء وكلاء ذكاء اصطناعي بلغة Python باستخدام Pydantic AI
أصدر Machine Learning Mastery دليلًا عمليًا عن Pydantic AI: كيف تحصل على ردود منظَّمة، وتربط الأدوات، وتحقن التبعيات، وتبني وكلاء أكثر موثوقية بلغة Python.
Machine Learning Mastery تصدر دليلاً حول هندسة السياق لبناء وكلاء ذكاء اصطناعي موثوقين
توضح Machine Learning Mastery أن وكلاء الذكاء الاصطناعي يتعطلون في الغالب بسبب سوء إدارة السياق لا بسبب النموذج، وتقترح الحل عبر ميزانية الرموز وتلخيص السجل واسترجاع دقيق للمعلومات.
OpenAI وAnthropic وGemini: كيف يخفّض التخزين المؤقت للاستدلال تكلفة نماذج LLM وزمن استجابتها
يتيح التخزين المؤقت للاستدلال للنماذج اللغوية الكبيرة تفادي إعادة حساب الأجزاء المتطابقة من الموجّه، فيخفّض تكلفة الرموز ويسرّع الاستجابة، ويصبح prefix caching الرافعة الأهم في بيئات الإنتاج.
Scikit-LLM تُظهر كيفية دمج تلخيص النصوص في مسار تعلّم الآلة على scikit-learn
اقترحت Scikit-LLM مخططًا تُلخَّص فيه النصوص الطويلة أولًا بنموذج من Hugging Face، ثم تنتقل مباشرة إلى pipeline في scikit-learn لتصنيفها.
خمسة أنماط أمنية لا غنى عنها لنجاح الذكاء الاصطناعي الوكيلي
تتخذ وكلاء الذكاء الاصطناعي المستقلون قرارات بلا تدخل بشري بوتيرة متزايدة، وكلما اتسعت حريتهم ارتفعت كلفة الخطأ. فما أنماط الأمان المعمارية التي تتحول إلى معيار صناعي؟
مقارنة بين LLM Embeddings وTF-IDF وBag-of-Words في Scikit-learn
نستعرض أي أسلوب لتحويل النصوص إلى متجهات، من TF-IDF الكلاسيكي إلى التضمينات الحديثة، يناسب خوارزميات تعلم الآلة في Scikit-learn أكثر من غيره.
سحر المتجهات: 7 طرق للاستفادة القصوى من تضمينات نماذج LLM
كفى استخدامًا للشبكات العصبية في روبوتات الدردشة فقط. التضمينات سلاح سري للتعلم الآلي الكلاسيكي يتجاهله كثيرون. نستعرض سبع تقنيات لخط معالجة البيانات لديكم.
LLM في 2026: ماذا تقرأ اليوم كي لا تستيقظ غدًا كالديناصور
بينما تتقنون هندسة الأوامر، تتجه الصناعة نحو الوكلاء المستقلين والبنى الهجينة. نستعرض الأساس المعرفي اللازم للبقاء في 2026.
الذكاء الاصطناعي الوكيلي: سبع أسباب قد تجعل مساعدك المستقل يفقد صوابه
الانتقال من روبوتات الدردشة إلى الوكلاء المستقلين يبدو خطوة منطقية، لكن تشغيل هذه الأنظمة في بيئة الإنتاج مليء بالمفاجآت. نستعرض ما ينبغي الاستعداد له.
تطبيقات LLM: فرسان الapocalypse الثلاثة الذين يهددون شركتك الناشئة
يمكن بناء روبوت دردشة في ساعتين، لكن جعله آمنًا مهمة تستغرق أشهرًا. نستعرض المخاطر التي يتجاهلها الكثيرون حتى أول فضيحة كبيرة.
أنهيتَ دورة أندرو إنغ: إلى أين تتجه كي لا تبقى مبتدئًا إلى الأبد؟
تهانينا، أنت تعرف كيف تعمل خوارزمية الانحدار التدريجي. لكن هذا لا يكفي في سوق العمل. نستعرض الخطوات التي تفصل النظري عن المهندس الذي يلاحقه مسؤولو التوظيف، دون إطالة.
أدوات تحليل السلاسل الزمنية 2026: خمسة نماذج أساسية
مجموعة نماذج جديدة للتنبؤ المستقل بالسلاسل الزمنية تعد بتبسيط تحليل البيانات وتسريعه. فماذا يعني ذلك للأعمال والعلوم؟