انتقل إلى المحتوى
شامل نذير بوعشة

الهندسة

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

Junior Full-Stack Developer، Momentum Worldwide · جويلية 2026 – حاليًا

  • جويلية 2026 – حاليًا

    خادم Python/FastMCP

    Momentum Worldwide

    السياق

    وظيفة موجّهة نحو الذكاء الاصطناعي، تشمل هندسة خوادم MCP، وتمكين استخدام الذكاء الاصطناعي، وهندسة Salesforce، والتقييم التقني على مستوى المؤسسات.

    ما قمت به

    بناء خادم Python/FastMCP ونشره، يحوّل منطق الأعمال والمهارات الموجودة في المستودع إلى أدوات وموارد وقوالب تعليمات (prompts) في MCP لمستخدمي العمليات الداخلية.

    الشواهد

    لا توجد مادة منشورة علنًا (عمل لدى جهة العمل).

  • فيفري 2025 – جوان 2025

    IRCHAD — الملاحة الداخلية لذوي الإعاقة البصرية

    قائد الفريق ومطوّر الذكاء الاصطناعي

    السياق

    نظام ملاحة داخلية للمستخدمين ذوي الإعاقة البصرية، بُني في إطار مشروع جماعي للسنة الرابعة في ESI عبر اثني عشر مستودعًا تغطي خدمات الويب والهاتف المحمول والواجهة الخلفية.

    ما قمت به

    قائد الفريق ومطوّر الذكاء الاصطناعي فيه؛ بناء سلسلة المعالجة المسبقة للمخططات المعمارية للطوابق، وتصميم بروتوكول التقييم.

    الشواهد

    89% mAP للأبواب والجدران والنوافذ

  • جويلية 2024 – أكتوبر 2024

    التحسين الآلي للشيفرة

    New York University Abu Dhabi (NYUAD) · Research Intern, Automatic Code Optimization

    ما قمت به

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

    الشواهد
    نموذج PyTorchمستورد FXtorch-mlirمخرج MLIR، واحد مما يلي:Torch dialectLinalg-on-tensorsTOSAنموذج PyTorchمستورد FXtorch-mlirمخرج MLIR، واحد مما يلي:Torch dialectLinalg-on-tensorsTOSA
    الشكل 1 مسار التحويل في Model_To_MLIR: يُستورد نموذج PyTorch عبر مستورد FX في torch-mlir، ثم يُصدَر كوحدة MLIR بصيغة Torch dialect أو Linalg-on-tensors أو TOSA، بحسب نوع المخرج المختار. مرسوم انطلاقًا من أمثلة المستودع العام. والتحويلات بين هذه الصيغ نفسها من عمل torch-mlir. دون أرقام أداء.
    الروابط

أنظمة بحثية

  • سبتمبر 2025 – جوان 2026

    سلسلة التوسيم الزمني

    Télécom SudParis · برمجيات بحثية

    سلسلة توسيم زمني وُسِّعت من رصد التعابير الزمنية وتطبيعها إلى استخراج الأحداث، وربطها بزمنها، وربطها بوقت إنشاء الوثيقة. تجمع أداة التوسيم بين القواعد و spaCy ونموذج لغوي صغير. وقد أسهمت مخرجات التوسيم فيها ببيانات استُخدمت في العمل الذي أصبح WaTE.

  • سبتمبر 2025 – جوان 2026

    RAG الزمني للرعاية الصحية

    Télécom SudParis · بحث المذكرة

    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.

أعمال مختارة أخرى

  1. أوت 2025 – سبتمبر 2025

    Transformer من الصفر

    تنفيذ بنية Transformer بـ PyTorch، بما يشمل التضمينات، والانتباه متعدد الرؤوس، والترميز الموضعي، وكتل المُرمِّز والمفكِّك، اتباعًا لـ «Attention Is All You Need».

  2. جويلية 2025 – أكتوبر 2025

    سلسلة تحليلات متعددة الوكلاء

    Maystro Delivery · Agentic AI Intern

    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.

  3. أفريل 2025

    FLY Page — مولّد صفحات هبوط بالذكاء الاصطناعي

    مولّد صفحات هبوط متعدد الوكلاء يحتفظ بالحالة، مبني بـ LangGraph و LangChain، ينسّق أربعة وكلاء LLM متخصصين مع توجيه شرطي وبديل احتياطي يعتمد على استخراج بيانات الويب.

  4. ديسمبر 2024 – جانفي 2025

    مترجم HTPL

    سلسلة ترجمة مكتوبة بلغة C باستخدام Flex و Bison: التحليل المعجمي، والتحليل النحوي، والتحليل الدلالي مع التحقق من الأنواع، وتوليد الرباعيات.

  5. غير مؤرَّخ

    المشروع الختامي في Samsung Innovation Campus

    سلسلة تحليلات متكاملة لمحتوى الفيديو التعليمي الخاص بالبكالوريا الجزائرية: جمع البيانات عبر YouTube Data API v3، ومصفاة لمحتوى البكالوريا قائمة على البيانات تستعمل توزيعات قبلية للقنوات واكتشاف المصطلحات بـ TF-IDF، وخصائص تفاعل مصمَّمة، ونمذجة تنبؤية، ووكيل توصية قائم على RAG يعمل على قاعدة معرفة محلية.