علي سلّوم

مهندس Full-Stack مسرَّع بالذكاء الاصطناعي — قابلية التوسع، الأمان، والجاهزية للإنتاج.

رسم تخطيطي: بروكسي عكسي إلى المدير ثم توجيه إلى مقابس Unix للمشرف والوكلاء
25 ← 1
الخدمات المُدارة
5ms >
أوفرهيد البروكسي
CI/CD • دراسة 01

من خدمة لكل وكيل إلى مدير واحد

بنيتُ النسخة الأولى من استضافة الوكلاء بنفسي: خدمة مستقلة لكل وكيل شريك، لكلٍّ منها عمليتها وإعدادات البروكسي الخاصة بها. نجح ذلك، لكن مع 25 وكيلًا صار كل إصدار يعني تعديل 25 خدمة. فأعدتُ تصميمها إلى مدير واحد لكل بيئة ينشئ الوكلاء من لوحة الإدارة ويوجّه الطلبات إليهم عبر Unix sockets، فأصبحت الإصدارات والنسخ الاحتياطية والنشر على عدة خوادم قابلة للتنبؤ.

  • استبدلت خطوات النشر اليدوية المتكررة بسير عمل موحّد وأسهل على فريق التشغيل.
  • بسّطت النسخ الاحتياطي والتوسّع على عدة سيرفرات عبر تنظيم معياري أوضح للخدمات.
باكند • دراسة 02

منصة إدارة حملات الإشعارات على PocketBase

بنيتُ طبقة orchestrator للإشعارات فوق باكند التطبيق على PocketBase بحيث يتمكن مسؤولو التطبيق من إطلاق حملات مستهدفة بدون تدخل هندسي. النظام يدير اختيار الجمهور، والإرسال عبر ترتيب باستخدام Firebase، ومتابعة التقدم لحظيًا، وتليمترية كاملة للتسليم بحيث يعرف الفريق بدقة ما تم إرساله، وما فشل، وما يحتاج إعادة محاولة.

التركيز التقني

  • صممت عامل ترتيب deterministic مع حالات لكل جهاز، وإعادة محاولة، ومعالجة idempotent لمنع الإرسال المكرر.
  • أضفت طبقة تحكم ومراقبة للمشرفين: حالات الحملات، سجلات التسليم، ضمان اكتمال التنفيذ، وتشخيص الأعطال.
Web Scraping / Automation • دراسة 03

محرك بيانات لضمّ الشركاء وتغذية نظام AI Q&A

بنيتُ النسخة الأولى من محرك استيعاب البيانات هذا لتسريع ضمّ الشركاء: يزحف على موقع الشريك، ويحوّل المنتجات والمحتوى إلى سجلات منظّمة، ثم يحمّلها مباشرة في نظام الأسئلة والأجوبة بالذكاء الاصطناعي. لاحقًا وسّع الفريق دعمه ليشمل متاجر الصفحة الواحدة، وقاد تدقيق جودة على خمسة مواقع إلى إصلاح التكرارات والحقول الناقصة.

الأثر التجاري
تسريع ضمّ الشركاء وتقليل وقت الوصول للقيمة
خط بيانات منظّم يغذي نظام AI Q&A في الإنتاج
5
مواقع شركاء خضعت لتدقيق الجودة
نافذة المساعد المنبثقة (الإصدار 2) بهوية AXIOMA: ترحيب وأمثلة أسئلة وسؤال جاهز للإرسال
عرض تجريبي للودجت
فرونت اند • دراسة 04

LuukAI — مساعد ذكاء اصطناعي قابل للتضمين وودجت للشركاء

الشركاء يضيفون مساعدًا حواريًا: أسئلة بلغة طبيعية، توصيات ذكية، عروض اختيارية، وتجارب موجّهة عند الحاجة. قاعدة كود واحدة تُشغّل تطبيقًا كاملاً وودجت — باسم كل علامة ولغات متعددة، دون أن تفسد أنماط موقع المضيف التجربة.

the stack
Svelte (v2) وReact (v1) · TypeScript · Vite — مسار بناء واحد، عدة واجهات (تطبيق، ودجت، غلاف مضمّن)

أبرز النقاط

  • واجهة المساعد منعزلة بصريًا — لا تتشوّش مع أنماط صفحة الشريك.
  • استبيانات وإضافات وتحليلات تُربط بسلاسة فيبدو المسار طبيعيًا من البداية للنهاية.
  • نصوص ولغات (بما فيها RTL) وشاشات نتائج مخصّصة — حتى سيناريوهات قطاعية وتسليم الحجز لموقع المضيف.
REACT 18MUI V5VITE 5
الأثر في Scholar

15استشهاد في Google Scholar

الورقة (ScienceDirect)الأعمال المُقتبِسة (Google Scholar)اقتباس حديث: npj Computational Materials (Nature Portfolio) — اكتشاف مواد بتعلم ML على كوانتوم أنيلر
ورقة بحثية • دراسة 05

Quantum annealing in machine learning: Qboost on D-Wave quantum annealer

ورقة محكّمة عن كوانتوم أنيلينغ وتعلم الآلة تطوّر أطروحة البكالوريوس الخاصة بي (أنا المؤلف الثاني بعد هادي سلوم). صُيغت تجميعة بأسلوب QBoost كمسألة QUBO وشُغّلت على كوانتوم أنيلر D-Wave. نناقش متى يكمّل الهاردوير الكوانتي خطوط ML الكلاسيكية، وكيف تُنصَب التجارب على جهاز حقيقي، وكيف تُقرأ النتائج ضمن قيود الجهاز.

مؤتمر النشر
Procedia Computer Science (Elsevier)، 2024

أبرز النقاط

  • يربط بين كوانتوم أنيلينغ وتعلم الآلة: إطار QBoost على جهاز D-Wave مع سرد تجريبي واضح.
  • عند تقاطع الحوسبة الكوانتية وتعلم الآلة—ذو صلة في البحث والتطبيق.
  • مسار استشهادات متزايد، بما في ذلك استشهاد في npj Computational Materials (من Nature Portfolio، 2026).
أسبوع من بيانات أسعار الكهرباء: القيم الفعلية (خط أزرق) مقابل تنبؤ النموذج (نقاط برتقالية)، 24–29 ديسمبر 2023
التقرير الكامل (PDF)
تعلم آلي / تنبؤ • دراسة 06

تنبؤ أسعار الكهرباء كأداة لاتخاذ القرار

بنيت هذا النظام كتطبيق عملي يدعم القرار: يحول إشارات السوق التاريخية إلى توقعات سعرية تساعد في التخطيط، وتوقيت الشراء، وضبط المخاطر. يتضمن المسار معالجة البيانات، وتدريب نموذج supervised، وتقييمًا صارمًا على فترات holdout، ثم عرض النتائج بشكل واضح يسمح للفريق باتخاذ قرارات مبنية على الاتجاهات ونوافذ الذروة.

الخلاصة التشغيلية
النموذج يلتقط البنية اليومية المتكررة ونقاط التحول بدقة مفيدة للتخطيط واتخاذ قرارات التوقيت.

أبرز النقاط

  • شريحة تقييم موجهة للإنتاج: مقارنة الفعلي والمتوقع على خط زمني كثيف لتفسير سريع من فريق التشغيل.
  • يلتقط دورات الأسعار القوية داخل اليوم وتحولات التوقيت بدل الاعتماد على baselines بسيطة.
  • نتائج التقييم واضحة وسهلة الاستخدام مباشرة ضمن سير عمل التخطيط والتشغيل.
ذكاء اصطناعي • دراسة 07

Agent Coach — مساعد تيليغرام ذو ذاكرة طويلة

بوت تيليغرام للإنتاج يجعل الذاكرة ميزة أساسية: تتراكم الأهداف والمعلومات في ملفات بسيطة، تُحمّل في كل محادثة جديدة، وتتحسن بعد كل رد. قاعدة كود واحدة تشغّل عدة بوتات متخصصة بنفس تجربة الأوامر. في الخلفية: Python مع إعدادات جودة سريعة، وبحث أونلاين اختياري، ونموذج احتياطي عند فترات الذروة.

إعدادات النموذج
خفيف · متوازن · أقصى جودة

أبرز النقاط

  • سجل الجلسة يُمحى؛ السياق الطويل يبقى—فيبقى التدريب شخصيًا على مدى أسابيع.
  • من الأمثلة المنجزة: تدريب لياقة وتحضير لامتحان الألمانية؛ تبديل الشخصية حسب النشر.

فلسفة الهندسة الأساسية

الأداء أولًا

زمن P99 ليس هدفًا اختياريًا — كل جزء من الحوسبة يُحسَّن للتكلفة والسرعة.

أمان بالتصميم

الأمان في المخطط والشبكة وCI/CD منذ البداية — لا يُضاف في النهاية.

توسع لا نهائي

خدمات stateless وحالة موزعة — من عشرة مستخدمين إلى عشرة ملايين.

مستعد لتوسيع رؤيتك؟

لنناقش هندسة جاهزة للإنتاج تناسب أداءك وأمانك.

جدولة استشارةتواصل