开源
开源 — 构造性证明
23 个公开仓库。一条准则：我从零开始构建机器学习，以便看清每个模型的内部——然后我把代码公开。公开的轨迹从零实现 → 联邦学习 → 应用与科学。
一个账户，一条主线。
一切尽在 github.com/avilaqba 是从内到外构建的。我不只是调用 sklearn 然后继续——我手写数学、梯度、优化循环、决策边界，这样当我后来在这些原语之上构建（联邦训练、应用预测、连接组学）时，我信任底层的东西。下面的 23 个仓库是这种习惯的公开轨迹，分为三个阶段。
PHASE 01
从零开始
基础。正则化线性模型、优化循环，以及一个概率分类器——全部从第一性原理写起，不依赖现成的估计。
PHASE 02
分布式与应用
从单一模型到跨数据孤岛的协调——再到与我的商业数据科学工作相呼应的应用预测与预测建模。
诚实的说明
关于 LLM 与 agentic 工作的坦诚说明。
我最近的工作 — LLM 应用与智能体 AI 系统、编排、工具调用、记忆与评估 — 是专业工作完成于 Property Turkey，并且它 尚未在此账号开源。本页面是对以下内容的刻意记录： 是 公开：一条轨迹，从从头构建机器学习开始，经过联邦/分布式学习，最终落在应用和科学工作中。公开代码展示了智能体工作所立足的基础——它并没有过度声称智能体工作本身是开源的。