متن‌باز — اثبات با ساخت
۲۳ مخزن عمومی. یک انضباط: یادگیری ماشین را از صفر می‌سازم تا بتوانم درون هر مدل را ببینم — و سپس کد را به اشتراک می‌گذارم. مسیر عمومی از صفر → فدرال → کاربردی و علمی پیش می‌رود.
یک حساب، یک خط پیوسته.
همه چیز روی github.com/avilaqba از درون به بیرون ساخته شده است. من فقط فراخوانی نمی‌کنم sklearn و ادامه می‌دهم — من ریاضیات، گرادیان، حلقه بهینه‌سازی، مرز تصمیم را با دست می‌نویسم، تا وقتی بعداً روی این ابتدایی‌ها (آموزش فدرال، پیش‌بینی کاربردی، کانکتومیکس) بنا می‌کنم، به آنچه زیر کاپوت است اعتماد کنم. ۲۳ مخزن زیر رد عمومی این عادت است، در سه فاز.
از صفر
پایه‌ها. مدل‌های خطی تنظیم‌شده، حلقه‌های بهینه‌سازی، و یک طبقه‌بند احتمالاتی — همه از اصول اولیه نوشته شده‌اند، بدون تخمین آماده.
Ridge · Lasso · ElasticNet — از صفر
مدل‌های خطی تنظیم‌شده که خط‌به‌خط نوشته شده‌اند — ریاضیات اصلی به‌صورت دستی پیاده‌سازی شده.
گرادیان کاهشی در برابر SGD — از صفر
نبرد بهینه‌سازها برای رگرسیون خطی، که دستی پیاده‌سازی شده تا بده‌بستان محاسباتی bias/variance را نشان دهد.
دسته‌بند بیزی دودویی — از صفر
یک طبقه‌بند احتمالاتی که از مبانی استنتاج بیزی ساخته شده است.
توزیع‌شده و کاربردی
از مدل‌های تک‌تایی تا هماهنگی میان سیلوهای داده — و سپس پیش‌بینی کاربردی و مدل‌سازی پیش‌بینانه که بازتاب کار تجاری من در علم داده است.
یادگیری فدرال با رگرسیون لجستیک
آموزش خصوصی و توزیع‌شده روی سیلوهای داده بدون جابه‌جایی داده‌ها — نقطه ورود به یادگیری توزیع‌شده.
پیش‌بینی ریزش مشتریان بانک
مدل‌سازی پیش‌بینی کاربردی روی یک مسئله واقعی کسب‌وکار — طرز فکر از notebook تا سرویس.
پیش‌بینی — تقاضای اتوبوس · انرژی خورشیدی · تماس‌های ورودی
پیش‌بینی سری‌های زمانی در سه حوزه: تقاضای اتوبوس، تولید انرژی خورشیدی، و حجم تماس‌های ورودی.
Scientific
جایی که رشته به زیست‌شناسی و محاسبات نوظهور می‌رسد — connectomics، نظریه گراف مولکولی، و جستجوی مبتنی بر جمعیت.
ابرتفکیک‌پذیری ماتریس اتصال مغز
بازیابی گراف‌های سیم‌کشی مغز با وضوح بالا از کانکتوم‌های درشت — منتشرشده به‌عنوان مجموعه‌داده CC0 در Kaggle (۲۸۹ دانلود).
الگوریتم Morgan — شماره‌گذاری یکتای اتم
شماره‌گذاری کانونی نظریه‌گرافی اتم‌ها در مولکول‌ها — شیمی + نظریه گراف + کد.
TSP با الگوریتم ژنتیک
بهینه‌سازی ترکیبیاتی از طریق جستجوی تکاملی — حل مسئله مبتنی بر جمعیت و emergent، پیش از آنکه ازدحام‌ها را انجام دهم.
یادداشتی صادقانه درباره کار LLM و agentic.
کارهای اخیر من — کاربردهای LLM و سیستم‌های هوش مصنوعی عامل‌محور، ارکستراسیون، استفاده از ابزار، حافظه و ارزیابی — کار حرفه‌ای در Property Turkey، و آن هنوز در این حساب به‌صورت متن‌باز منتشر نشده است. این صفحه یک ثبت عمدی از آن چیزی است که است عمومی: مسیری که با ساخت ML از صفر شروع می‌شود، از یادگیری فدرال/توزیع‌شده عبور می‌کند و در کارهای کاربردی و علمی فرود می‌آید. کد عمومی پایه‌ای را نشان می‌دهد که کار عامل روی آن ایستاده است — خود کار عامل را به عنوان منبع باز بیش از حد ادعا نمی‌کند.