تُعدّ البرمجيات والحوسبة ركيزتَين أساسيتَين في الفيزياء التجريبية الحديثة — من كتابة خوارزميات الكاشفات وتدريب نماذج التعلم العميق إلى بناء أنابيب التحليل وتصور النتائج. تجمع هذه الصفحة أعمالي التقنية عبر برمجيات البحث وعلم البيانات ومشاريع التطوير الشخصية.
٠١
برمجيات بحثية تمتد من خوارزميات C++ على مستوى الكاشفات وأنابيب استدلال التعلم العميق إلى تطوير الويب — بما فيها أعمال منشورة فعلياً في تحليلات الفيزياء في BESIII.
تطوير مصنّف للهادرونات المحايدة لتجربة BESIII باستخدام شبكة عصبية عميقة قائمة على المحوّل، مُدرَّبة على إشارات شكل الزخم من EMC وتوقيت TOF للتمييز بين K⁰L والنيوترونات والنيوترونات المضادة. يُصدَّر النموذج المدرَّب بصيغة ONNX ويُدمَج في خوارزمية BOSS مخصصة تقرأ ملف ONNX أثناء التشغيل وتطبّق أوزان النموذج على كل حدث — مما يجعل المصنّف متاحاً مباشرةً لتحليلات الفيزياء في BESIII. تحقق النتائج الأولية AUC > 0.95 عبر جميع فئات الهادرونات.
أنابيب تعلم آلي شاملة لتحليلات فيزياء الطاقة العالية — من مخرجات الكاشف الخام إلى المصنّفات المدرَّبة. تشمل الأنابيب استيعاب البيانات وهندسة الميزات على بيانات ROOT ntuples وتدريب النماذج (PyTorch / scikit-learn) وضبط المعاملات الفائقة وتقييم الأداء بمقاييس مستوحاة من الفيزياء.
صُمِّم وبُني من الصفر بالكامل باستخدام HTML وCSS وJavaScript الخالص — دون أي إطار عمل. يتميز بتصميم أكاديمي داكن اللون، ودعم ثنائي اللغة (عربي/إنجليزي) مع تخطيط RTL كامل، وتصميم متجاوب، ومحوّل لغة بأيقونة الكرة الأرضية. طُوِّر عبر هندسة النصوص التحفيزية باستخدام Claude Code (من Anthropic). يُستضاف على GitHub Pages.
٠٢
تدريب أكاديمي رسمي في علم البيانات عبر نانودرجة Udacity، مُطبَّق على مجموعات بيانات واقعية وموثَّق في مشاريع مفتوحة المصدر على GitHub.
برنامج متقدم (~4 أشهر، 10 ساعات أسبوعياً) يفترض إتقاناً مسبقاً للغة Python والإحصاء والتعلم الآلي. خمسة مقررات: حل مسائل علم البيانات — منهجية CRISP-DM والتحليل الاستكشافي للبيانات وإيصال النتائج (مشروع: منشور مدونة علم البيانات)؛ هندسة البرمجيات لعلماء البيانات — كتابة كود نظيف ومنظّم، الاختبار الوحداتي، البرمجة كائنية التوجه، لوحات Flask/Plotly؛ هندسة البيانات — أنابيب ETL، معالجة اللغات الطبيعية (tokenisation، tf-idf، تحليل المشاعر)، أنابيب scikit-learn مع grid search (مشروع: مصنّف رسائل الاستجابة للكوارث على بيانات حقيقية)؛ تصميم التجارب والتوصيات — اختبار A/B، تصحيحات المقارنات المتعددة (Bonferroni، FDR، Tukey)، تحليل المصفوفات وFunkSVD (مشروع: محرك توصيات على IBM Watson Studio)؛ مشروع التخرج — من الخيارات: تصنيف سلالات الكلاب بالشبكات التلافيفية، نمذجة سلوك عملاء Starbucks، تحدي الخدمات المالية من Arvato، أو التنبؤ بتفاعل العملاء على بيانات ضخمة بـSpark على AWS/IBM Cloud.
محفظة الأعمال
مشاريع متاحة على GitHub — تحليل مجموعات بيانات واقعية، نمذجة تنبؤية، تصور بيانات، ومهام معالجة اللغات الطبيعية. جميع المشاريع تتضمن دفاتر موثَّقة بنتائج قابلة للاستنساخ.
٠٣
استكشاف تطوير تطبيقات الجوال متعددة المنصات كطريقة لإيصال الأدوات العلمية والواجهات القائمة على البيانات إلى متناول اليد.
تطبيق قارئ كتب متعدد المنصات مبني بـFlutter، يدعم صيغتَي PDF وEPUB. إدارة المكتبة — استيراد الملفات وتخزينها وحذفها مع حفظ تقدم القراءة لكل كتاب. قارئ PDF — عرض الملفات مع دعم التكبير بالإصبعين عبر حزمة pdfx. قارئ EPUB — تجربة قراءة أثرى تشمل: تحويل النص إلى كلام لقراءة الفصول بصوت عالٍ (Flutter TTS)، وترجمة فورية من الإنجليزية إلى الإسبانية على الجهاز عبر Google ML Kit (تعمل دون إنترنت)، وتصفح فهرس المحتويات، وتحديد النصوص للترجمة الفورية. مخطط لاحقاً: دعم الذكاء الاصطناعي لتلخيص الأوراق البحثية ومساعدة القراءة التقنية.