[بالحضور الشخصي] لقاء أبوظبي للتعلم الآلي الموسم 6 الحلقة 1

**🚀 لقاء أبوظبي للتعلم الآلي – انطلاقة الموسم @ مقهى كولناغو** يسعدنا إعادة إطلاق **لقاء أبوظبي للتعلم الآلي** مع موسم جديد من المحاضرات والتجمعات المجتمعية. هذه المرة، سنلتقي في **مقهى كولناغو في جزيرة الهضيريّات**، وهو مكان واسع ومرحب مثالي للعروض التقنية، وبناء العلاقات، والمشروبات المنعشة. سيجمع هذا الحدث الباحثين والمتخصصين وهواة **التعلم الآلي، والذكاء الاصطناعي، وعلوم البيانات** من الأوساط الأكاديمية، والصناعية، ومعامل 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 * **المكان:** مقهى كولناغو، جزيرة الهضيريّات، أبوظبي * **التسجيل:** مجانًا (يُشترط التسجيل المسبق) (بحد أقصى 50 شخصًا) ## 📌 جدول الأعمال * **6:00 – 6:30 مساءً** → الوصول، التسجيل، وبناء العلاقات * **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: التنبؤ ببيانات السوق الفعلية 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 الفعلية. تعكس مجموعة البيانات والإعداد بدقة واقع بناء النماذج للأسواق المالية الحديثة. سأشارك خط الإنتاج الكامل، وأسلط الضوء على النتائج المثيرة للاهتمام التي تم التوصل إليها أثناء 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 والتحليلات (جامعة كارديف، المملكة المتحدة) والهندسة النقلية (جامعة هونغ كونغ). يتخصص باتريك في التعلم الآلي للتنبؤ المالي، وله خبرة في نمذجة السلاسل الزمنية، والتعلم العميق، وأنظمة التنبؤ الفعلية. 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** أدى التعلم الآلي إلى تحقيق تقدم كبير في إدراك القيادة الذاتية، بدءًا من كشف الكائنات وتتبعها وصولاً 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 إدراك القيادة الذاتية. سنتناول خط سير الإدراك (الحساسات، الكشف، التتبع، الدمج) ونسلط الضوء على التحديات بما في ذلك الانتقال بين المجالات، المعايرة، فجوة المحاكاة مقابل الواقع، والتوازن بين الدقة والأداء الفعلي في الزمن الحقيقي. تم تصميم هذه الجلسة لتزويد الحضور بفهم عام لإدراك القيادة الذاتية، بالإضافة إلى رؤى عملية حول سبب صعوبة «الـ 10٪ الأخيرة» من المشكلة. **نبذة قصيرة** مُرَاد سمرتياب هو مهندس بحث في مختبر المركبات الذاتية (AVLab) بجامعة خليفة. يمتلك درجة البكالوريوس في الهندسة الحاسوبية (2021) والماجستير في علوم الحاسوب (2023)، وكلاهما من جامعة خليفة. يتركز بحثه على الإدراك والتنبؤ للقيادة الذاتية، ولديه خبرة عملية في دمج بيانات الليدار مع الكاميرا، وكشف الأجسام ثلاثية الأبعاد، وتتبع الكائنات المتعددة، والتنبؤ بالمسارات. ### **المحاضرة 3: فينشين و ما بعدها: نحو الاستدلال المالي الشفاف في الذكاء الاصطناعي** **المتحدث:** زهوهان شي، باحث في جامعة محمد بن زايد للذكاء الاصطناعي (MBZUAI) **الملخص** كيف يمكننا بناء أنظمة ذكاء اصطناعي تقوم بالاستدلال في المشكلات المالية بطريقة شفافة وقابلة للتدقيق؟ في هذه المحاضرة، سأقدم فينشين، وهي معيار رمزي جديد لتقييم قدرات النمذجة اللغوية الكبيرة على الاستدلال خطوة بخطوة في السيناريوهات المالية. يغطي فينشين 54 موضوعًا متنوعًا — من حسابات الفوائد المركبة والضرائب إلى تحليل بيانات التدفق النقدي — ليقدم بيئة اختبار شاملة للاستدلال الرمزي في السياقات المالية عالية الخطورة. من خلال تفكيك المهام المعقدة إلى سلاسل استدلال منظمة، يُسلط الضوء على طريقة تفكير النماذج — وأين تفشل. كما سأوضح الاتجاهات المستقبلية لتطوير نماذج مالية تركز على الاستدلال وتوائم بشكل أفضل توقعات البشر 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 الذكاء الاصطناعي المالي والتحقق من الحقائق. نُشرت أعماله في أبرز 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 ركزت أطروحته على توليد القصص وتقييمها باستخدام النماذج اللغوية الكبيرة.