[بشكل شخصي] لقاء أبوظبي لتعلم الآلة الموسم 6 الحلقة 1

**🚀 لقاء أبوظبي لتعلم الآلة – انطلاقة الموسم @ مقهى كولناجو** يسعدنا أن نعاود تنظيم **لقاء أبوظبي لتعلم الآلة** مع موسم جديد من المحاضرات والتجمعات المجتمعية. هذه المرة، سنلتقي في **مقهى كولناجو في جزيرة الهضيريات** – وهو مكان واسع وترحيبي، مثالي للعروض التقنية، وبناء العلاقات، وتقديم المرطبات. يجمع 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 تستفيد منه وشخصًا تتواصل معه. ## 📅 تفاصيل الحدث * **التاريخ:** الخميس، 25 سبتمبر 2025 * **الوقت:** 6:00 مساءً – 9:00 مساءً * **المكان:** مقهى كولناجو، جزيرة الهضيريات، أبوظبي * **التسجيل:** مجاني (يتطلب التسجيل المسبق) (بحد أقصى 50 شخصًا) ## 📌 جدول الأعمال * **6:00 – 6:30 مساءً** → الوصول، التسجيل والتواصل * **6:30 – 8:00 مساءً** → عروض تقنية (3 متحدثين) * **8:00 – 9:00 مساءً** → أسئلة وأجوبة، مناقشة مفتوحة وتبادل غير رسمي للاتصالات **🎤 البرنامج** ### **المحاضرة 1: الحل الذي حصل على المركز الثاني في مسابقة كاجل: توقع بيانات السوق في الوقت الفعلي من Jane Street** **المتحدث:** باتريك يام (باحث كمي) **الملخص** تقدم هذه المحاضرة نهجًا شاملاً من البداية إلى النهاية وراء الحل الذي حصل على المركز الثاني في مسابقة كاجل Jane Street للتنبؤ ببيانات السوق في الوقت الفعلي. تعكس مجموعة البيانات والإعداد بدقة واقع بناء النماذج للأسواق المالية الحديثة. سأشارك في هذه المحاضرة خطوط العمل الكاملة، مع تسليط الضوء على النتائج المثيرة للاهتمام التي تم التوصل إليها أثناء تطوير النماذج في هذه الظروف. **نبذة قصيرة** باتريك يام هو باحث كمي وحاصل على لقب بطل عالمي في مسابقات كاجل. يحمل درجتي الماجستير في علوم البيانات والتحليل (جامعة كارديف، المملكة المتحدة) وهندسة النقل (جامعة هونغ كونغ). يتخصص باتريك في تعلم الآلة للتنبؤ المالي، وله خبرة 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 باحث، مختبر المركبات الذاتية – جامعة خليفة) **الملخص** دفع التعلم الآلي تقدمًا كبيرًا في مجال إدراك القيادة الذاتية، بدءًا من اكتشاف الكائنات وتتبعها وصولاً إلى دمج الحساسات والتنبؤ. ومع ذلك، فإن النماذج التي تؤدي بشكل ممتاز في الاختبارات المعيارية 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 تحوّل المجال، والمعايرة، والفجوة بين المحاكاة والواقع، ومقايضات الدقة مقابل الأداء في الوقت الفعلي. تم تصميم 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** مُرَاد سمرتياب هو مهندس باحث في مختبر المركبات الذاتية (AVLab) في جامعة خليفة. يحمل بكالوريوس في هندسة الحاسوب (2021) وماجستير في علوم الحاسوب (2023)، وكلاهما من جامعة خليفة. يتركز بحثه على الإدراك والتنبؤ للقيادة الذاتية، ولديه خبرة عملية في دمج بيانات الليدار والكاميرا، والكشف ثلاثي الأبعاد، وتتبع الكائنات المتعددة، والتنبؤ بالمسارات. ### **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 للتدقيق؟ في هذه المحاضرة، سأقدم فينشين، وهو معيار رمزي جديد لتقييم قدرات النمذجة اللغوية الكبيرة على الاستدلال خطوة بخطوة في السيناريوهات المالية. يغطي فينشين 54 موضوعًا متنوعًا – من حسابات الفائدة المركبة والضرائب إلى تحليل بيانات التدفق النقدي – ويقدم بيئة اختبار شاملة للاستدلال الرمزي في السياقات المالية الحساسة. من خلال تفكيك المهام المعقدة إلى سلاسل استدلال منظمة، يُلقي الضوء على طريقة تفكير النماذج – وأين تفشل. كما سأعرض الاتجاهات المستقبلية لتطوير نماذج مالية تركّز على الاستدلال وتتماشى بشكل أفضل مع توقعات البشر واحتياجات اتخاذ القرار في العالم الحقيقي. **نبذة قصيرة** زهوهان شي هو باحث ما بعد الدكتوراه في جامعة محمد بن زايد للذكاء الاصطناعي (MBZUAI)، يعمل مع الأستاذ برسلاف ناكوف. يتركز بحثه على الاستدلال في النماذج اللغوية الكبيرة، مع تطبيقات في الذكاء الاصطناعي المالي والتحقق من الحقائق. نُشرت أعماله في أبرز المؤتمرات في معالجة اللغة الطبيعية مثل ACL وEMNLP وNAACL، ويتولى حاليًا 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 ركزت أطروحته على توليد القصص وتقييمها باستخدام النماذج اللغوية الكبيرة.