[في الموقع] لقاء أبوظبي لتعلم الآلة الموسم 6 الحلقة 1

**🚀 لقاء أبوظبي لتعلم الآلة – انطلاقة الموسم @ مقهى كولناجو** يسعدنا إعادة إطلاق **لقاء أبوظبي لتعلم الآلة** مع موسم جديد من المحاضرات والتجمعات المجتمعية. هذه المرة، سنلتقي في **مقهى كولناجو في جزيرة الهضيريّات**—وهو مكان واسع ومرحب ومثالي لتقديم المحاضرات التقنية، وبناء العلاقات، واستهلاك المشروبات المنعشة. سيجمع هذا الحدث الباحثين والمتخصصين وهواة **تعلم الآلة، والذكاء 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 لتتعلمه وشخصًا لتتواصل معه. ## 📅 تفاصيل الحدث * **التاريخ:** الخميس، 25 سبتمبر 2025 * **الوقت:** 6:00 مساءً – 9:00 مساءً * **الموقع:** مقهى كولناجو، جزيرة الهضيريّات، أبوظبي * **التسجيل:** مجاني (يُشترط التأكيد بالحضور) (بحد أقصى 50 شخصًا) ## 📌 جدول الأعمال * **6:00 – 6:30 مساءً** → الوصول، التسجيل، وبناء العلاقات * **6:30 – 8:00 مساءً** → محاضرات تقنية (3 متحدثين) * **8:00 – 9:00 مساءً** → أسئلة وأجوبة، مناقشة مفتوحة، وتفاعل 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 منهجية شاملة 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 المثيرة للاهتمام المستخلصة من تطوير النماذج ضمن هذه الظروف. **نبذة مختصرة** باتريك يام هو باحث كمي وحائز على لقب بطل عالمي في مسابقات كاجل. يمتلك درجتي الماجستير في علوم البيانات والتحليل (جامعة كارديف، المملكة المتحدة) والهندسة النقل (جامعة هونغ كونغ). يتخصص باتريك في تعلم الآلة 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:** مُرَاد سمرتياب (مهندس بحث، مختبر المركبات الذاتية – جامعة خليفة) **الملخص** دفع تعلم الآلة تقدمًا كبيرًا في مجال إدراك القيادة الذاتية، بدءًا من اكتشاف الكائنات وتتبعها، وصولًا إلى دمج المستشعرات والتنبؤ. ومع ذلك، فإن النماذج التي تحقق أداءً متميزًا في الاختبارات القياسية غالبًا ما تفشل في الظروف الواقعية. تستعرض هذه المحاضرة الفجوة بين البحث والمنتج في مجال إدراك القيادة الذاتية. سنتناول خط سير الإدراك (المستشعرات، الكشف، التتبع، الدمج)، ونسلط الضوء على التحديات مثل تغير المجال، ومعايرة الأنظمة، والفجوة بين المحاكاة والواقع، ومقايضات الدقة مقابل الأداء في الوقت الفعلي. تم تصميم الجلسة لتزويد الحضور بفهم عام لإدراك القيادة الذاتية، إلى جانب رؤى عملية حول سبب صعوبة "النسبة 10٪ الأخيرة" من المشكلة. **نبذة مختصرة** مُرَاد سمرتياب هو مهندس بحث في مختبر المركبات الذاتية (AVLab) بجامعة خليفة. يحمل درجة البكالوريوس في هندسة الحاسوب (2021) والماجستير في علوم الحاسوب (2023)، وكلاهما من جامعة خليفة. يتركز بحثه على الإدراك والتنبؤ في القيادة الذاتية، ولديه خبرة عملية في دمج بيانات الليدار والكاميرا، 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 التفكير في المشكلات المالية بطريقة شفافة وقابلة للمراجعة؟ في هذه المحاضرة، سأقدم فينشين (FinChain)، وهو معيار رمزي جديد لتقييم قدرات النماذج الكبيرة للغة في الاستدلال التدريجي في السيناريوهات المالية. يغطي فينشين 54 موضوعًا متنوعًا — من حسابات الفوائد المركبة والضرائب إلى تحليل بيانات التدفق النقدي — ليُعد بذلك بيئة اختبار شاملة للاستدلال الرمزي في السياقات المالية الحساسة. من خلال تفكيك المهام المعقدة إلى سلاسل استدلال منظمة، يسلط الضوء على طريقة تفكير النماذج — وأين تفشل. كما سأوضح الاتجاهات المستقبلية لتطوير نماذج مالية تركّز على الاستدلال وتتماشى بشكل أفضل مع توقعات البشر واحتياجات اتخاذ القرار في العالم الواقعي. **نبذة مختصرة** 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 الكبيرة للغة، مع تطبيقات في الذكاء الاصطناعي المالي والتحقق من الحقائق. نُشرت أعماله في أهم المحافل في معالجة اللغة الطبيعية مثل ACL و EMNLP و NAACL، ويشغل حاليًا قيادة مبادرات جديدة في مجال الاستدلال المالي والذكاء الاصطناعي متعدد اللغات. حصل زهوهان على درجة الدكتوراه في معالجة اللغة الطبيعية من جامعة ملبورن في ديسمبر 2024، حيث ركز أطروحته على توليد القصص وتقييمها باستخدام النماذج الكبيرة للغة.