انتقل إلى المحتوى

شامل نذير بوعشة

باحث في الذكاء الاصطناعي ومهندس برمجيات

أعمل على الاسترجاع وتعلم التمثيلات بطريقة تحفظ توقيت صحة المعلومات، ولا سيما في البيانات الصحية الطولية.

تواصل معي

أحدث جائزة المرتبة الأولى · DataHack Datathon, 3rd Edition فيفري 2026

  • تعاون بحثي، Télécom SudParisجوان 2026 – حاليًا
  • Junior Full-Stack Developer, Momentum Worldwideجويلية 2026 – حاليًا

بتاريخ سبتمبر 2026تطوير TempMedBench، وهو معيار مرجعي للاسترجاع على خطوط زمنية اصطناعية للمرضى، وسلسلة لتوليدها.

صورة شخصية لشامل نذير بوعشة
  1. 2021 ESI
  2. 2024 NYUAD
  3. 2025 Maystro Delivery
  4. 2025 Télécom SudParis
  5. 2025 Samsung Innovation Campus
  6. 2026 Télécom SudParis
  7. 2026 Momentum Worldwide

أعمال مختارة

01قيد التطوير

TempMedBench

معيار مرجعي للاسترجاع على خطوط زمنية اصطناعية للمرضى، وسلسلة لتوليدها، من أجل استرجاع واستدلال صحيين يلتزمان الأمانة الزمنية.

استكشف المشروع

02مكتمل

RAG الزمني للرعاية الصحية

بنية قائمة على الاسترجاع أولًا، تجمع بين الصلة الدلالية وقيود زمنية صريحة على المعلومات الصحية الطولية، وتعالج درجة التفصيل الزمني، وربط الأحداث بزمنها، وتتبّع المصدر، والاتساق وقت الاسترجاع.

استكشف المشروع

03فيفري 2025 – جوان 2025

IRCHAD — الملاحة الداخلية لذوي الإعاقة البصرية

استكشف المشروع

الهندسة

أبني الأنظمة التي يحتاجها بحثي، وأطبّق الانضباط الهندسي نفسه في عملي.

  • جويلية 2026 – حاليًا · Momentum Worldwide

    خادم Python/FastMCP

    بناء خادم Python/FastMCP ونشره، يحوّل منطق الأعمال والمهارات الموجودة في المستودع إلى أدوات وموارد وقوالب تعليمات (prompts) في MCP، ليتمكّن كل موظف في Momentum يستخدم Claude من استعمالها عبر claude.ai.

  • جويلية 2025 – أكتوبر 2025 · Maystro Delivery

    Moriarty — سلسلة تحليلات متعددة الوكلاء

    تصميم بنية سلسلة تحليلات معيارية متعددة الوكلاء على GCP Cloud Run ونشرها، تعالج بيانات Google Analytics المجدولة لتحويلها إلى تقارير سلوكية وتوصيات UI/UX، مع CI/CD عبر Cloud Build.

    أحد ثلاثة متدربين: تأسيس قاعدة الشيفرة متعددة الوكلاء، وبناء مولّد التقارير (تقارير HTML وJSON وPDF) ولوحة المتابعة بـ Next.js، والمساهمة في تحليل السلوك وتسمية عناقيد الجلسات، ونقل النظام إلى بيئة الإنتاج على Google Cloud.

  • جويلية 2024 – أكتوبر 2024 · New York University Abu Dhabi (NYUAD)

    التحسين الآلي للشيفرة

    بناء سلسلة تحوّل نماذج PyTorch إلى تمثيلات وسيطة بصيغة MLIR باستخدام صيغتَي Linalg و TOSA.

    عمل فردي: إيجاد مسار عملي من PyTorch إلى MLIR عبر مستورد FX في torch-mlir وتجهيزه، لنماذج معالجة اللغة الطبيعية ونماذج أبسط أخرى.

البحث

ليس كل ما هو ذو صلة صالحًا.

عرّفني تربصي في Télécom SudParis على RAG الزمني في الرعاية الصحية. وأثناء مراجعتي للأدبيات في هذا المجال ضمن مذكرة الماستر، استوقفتني مشكلة: قد يكون الدليل المسترجع وثيق الصلة دلاليًا، لكنه خاطئ زمنيًا. ثم جعل بناء النظام في مذكرة مهندس الدولة هذه المشكلة ملموسة. ومن ذلك العمل نشأ TempMedBench بوصفه وسيلة لتقييمها.

محور زمني واحد. الدليل A، «بدء [الدواء]»، صالح من t1 إلى t2. الدليل B، «إيقاف [الدواء]»، صالح ابتداءً من t2.

الشكل 1 كلا السجلين ذو صلة بالسؤال؛ لكن B وحده صالح لحظة طرحه (tq). توضيحي؛ بيانات اصطناعية.

كل الأبحاث

الأوراق البحثية والمذكرات

الجوائز

كل الجوائز