[شخصيًا] لقاء أبوظبي للتعلم الآلي الموسم 6 الحلقة 1

**🚀 لقاء أبوظبي للتعلم الآلي – انطلاقة الموسم @ مقهى كولناجو** يسعدنا استئناف **لقاء أبوظبي للتعلم الآلي** مع موسم جديد من المحاضرات والتجمعات المجتمعية. هذه المرة، سنلتقي في **مقهى كولناجو في جزيرة الهضيريّات** — وهو مكان واسع ومرحب مثالي لإقامة الجلسات التقنية وتبادل الخبرات والاستمتاع بالمشروبات المنعشة. سيجمع هذا الحدث الباحثين والمتخصصين وهواة **التعلم الآلي، الذكاء الاصطناعي، وعلوم البيانات** من الأوساط الأكاديمية والصناعية ومختبرات الأبحاث المدعومة من الحكومة. سواء كنت طالبًا أو مهندسًا أو باحثًا أو مجرد شخص مهتم بالذكاء الاصطناعي، فستجد شيئًا تستفيد منه وشخصًا تتواصل معه. ## 📅 تفاصيل الحدث * **التاريخ:** الخميس، 25 سبتمبر 2025 * **الوقت:** 6:00 مساءً – 9:00 مساءً * **الموقع:** مقهى كولناجو، جزيرة الهضيريّات، أبوظبي * **التسجيل:** مجاني (يتطلب تأكيد الحضور) (بحد أقصى 50 شخصًا) ## 📌 جدول الأعمال * **6:00 – 6:30 مساءً** → الوصول، التسجيل وتبادل الخبرات * **6:30 – 8:00 مساءً** → محاضرات تقنية (3 متحدثين) * **8:00 – 9:00 مساءً** → أسئلة وأجوبة، مناقشة مفتوحة وتبادل خبرات غير رسمي **🎤 البرنامج** ### **المحاضرة 1: الحل الذي احتل المركز الثاني في مسابقة كاجل: التنبؤ ببيانات السوق في الوقت الفعلي من جين ستريت** **المتحدث:** باتريك يام (باحث كمي) **الملخص** تقدم هذه المحاضرة نهجًا شاملاً من البداية إلى النهاية وراء الحل الذي احتل المركز الثاني في مسابقة كاجل "Jane Street Real-Time Market Data Forecasting". تعكس مجموعة البيانات والإعداد بدقة واقع بناء النماذج للأسواق المالية الحديثة. سأشارك خط الإنتاج الكامل وأسلط الضوء على النتائج المهمة المستمدة من تطوير النماذج في هذه الظروف. **نبذة قصيرة** باتريك يام هو باحث كمي وحائز على لقب بطل كبرى مسابقات كاجل. يمتلك درجتي الماجستير في علوم البيانات والتحليل (جامعة كارديف، المملكة المتحدة) والهندسة النقل (جامعة هونغ كونغ). يتخصص باتريك في التعلم الآلي للتنبؤات المالية، ويتمتع بخبرة في نمذجة السلاسل الزمنية والتعلم العميق وأنظمة التنبؤ في الوقت الفعلي. وقد حصل على العديد من الميداليات الذهبية والفضية في مسابقات كاجل. ### **المحاضرة 2: من المختبر إلى الطريق: التحديات في إدراك القيادة الذاتية** **المتحدث:** مُراد سمرتياب (مهندس بحث، مختبر المركبات الذاتية – جامعة خليفة) **الملخص** لقد دفع التعلم الآلي تقدمًا كبيرًا في مجال إدراك القيادة الذاتية، بدءًا من اكتشاف الكائنات وتتبعها وصولًا إلى دمج الحساسات والتنبؤ. ومع ذلك، فإن النماذج التي تؤدي بشكل ممتاز في الاختبارات غالبًا ما تفشل في الظروف الواقعية. تستعرض هذه المحاضرة الفجوة بين البحث والمنتج في مجال إدراك القيادة الذاتية. سنتناول خط سير الإدراك (الحساسات، الكشف، التتبع، الدمج) ونسلط الضوء على التحديات مثل الانتقال بين المجالات، المعايرة، الفجوة بين المحاكاة والواقع، ومتطلبات الموازنة بين الدقة والأداء في الوقت الفعلي. تم تصميم هذه الجلسة لتزويد الحضور بفهم عام لمفهوم الإدراك الذاتي، إلى جانب رؤى عملية حول سبب كون "الـ 10٪ الأخيرة" من المشكلة غالبًا هي الأصعب. **نبذة قصيرة** مُراد سمرتياب هو مهندس بحث في مختبر المركبات الذاتية (AVLab) بجامعة خليفة. يمتلك درجة البكالوريوس في هندسة الحاسوب (2021) والماجستير في علوم الحاسوب (2023)، وكلاهما من جامعة خليفة. يتركز بحثه على الإدراك والتنبؤ في مجال القيادة الذاتية، ولديه خبرة عملية في دمج بيانات الليدار مع الكاميرا، والكشف ثلاثي الأبعاد، وتتبع الكائنات المتعددة، وتوقع المسارات. ### **المحاضرة 3: فينشين و ما بعدها: نحو استدلال مالي شفاف في الذكاء الاصطناعي** **المتحدث:** زهوهان شي، باحث في جامعة محمد بن زايد للذكاء الاصطناعي (MBZUAI) **الملخص** كيف يمكننا بناء أنظمة ذكاء اصطناعي تستطيع استنتاج حلول للمشكلات المالية بطريقة شفافة وقابلة للتدقيق؟ في هذه المحاضرة، سأقدم FinChain، وهو معيار رمزي جديد يقيّم قدرة النماذج اللغوية الكبيرة على الاستدلال خطوة بخطوة في السيناريوهات المالية. يغطي FinChain 54 موضوعًا متنوعًا — من حسابات الفوائد المركبة والضرائب إلى تحليل بيانات التدفق النقدي — ويُعدّ بيئة شاملة لاختبار الاستدلال الرمزي في السياقات المالية ذات المخاطر العالية. من خلال تفكيك المهام المعقدة إلى سلاسل استدلال منظمة، يسلط هذا المعيار الضوء على طريقة تفكير النماذج — وأين تفشل. كما سأعرض الاتجاهات المستقبلية في تطوير نماذج مالية تركّز على الاستدلال وتوافق بشكل أفضل التوقعات البشرية واحتياجات اتخاذ القرار في العالم الواقعي. **نبذة قصيرة** زهوهان شي هو باحث ما بعد الدكتوراه في جامعة محمد بن زايد للذكاء الاصطناعي (MBZUAI)، يعمل مع الأستاذ بريسلاف ناكوف. يتركز بحثه على الاستدلال في النماذج اللغوية الكبيرة، مع تطبيقات في مجال الذكاء الاصطناعي المالي والتحقق من الحقائق. نُشرت أعماله في أبرز المؤتمرات في معالجة اللغة الطبيعية مثل ACL وEMNLP وNAACL، ويشغل حاليًا منصب قائد لمبادرات جديدة في مجال الاستدلال المالي والذكاء الاصطناعي متعدد اللغات. حصل زهوهان على درجة الدكتوراه في معالجة اللغة الطبيعية من جامعة ملبورن في ديسمبر 2024، وركّز أطروحته على توليد القصص وتقييمها باستخدام النماذج اللغوية الكبيرة.