مهندس برمجيات وتعلّم آليالمدير التقني، MYTEAM.aiمنطقة باريس

Mouadh Bouali

أبني الأنظمة التي يقوم عليها الذكاء الاصطناعي التطبيقي، من النموذج إلى شاشة المشغّل.

  • هندسة المنتجات
  • بنية التعلّم الآلي
  • الذكاء الاصطناعي التطبيقي
  • البحث

البرمجيات، من البداية إلى النهاية.

أنا مهندس مقيم قرب باريس ومدير تقني في MYTEAM.ai، وهي شركة صغيرة في مجال الذكاء الاصطناعي ما زلت أكتب فيها الشيفرة وأراجعها. أقود منصة لتحليل الفيديو من مخزن أحداثها إلى مسارات نشرها على Kubernetes وأجهزة Jetson، وأبني منتجات قائمة على النماذج اللغوية الكبيرة يبقى فيها القرار بيد الإنسان، وأُجري البحث الذي يحدّد ما هو جاهز.

اطّلع على الأعمال
الدور
المدير التقني (CTO / Responsable technique)، MYTEAM.ai، منذ جوان 2026
المجالات
هندسة المنتجات، بنية التعلّم الآلي، الذكاء الاصطناعي التطبيقي، البحث
لغات البرمجة
Python, TypeScript, C#
المنصّات
PostgreSQL, Docker, Kubernetes, ArgoCD, NVIDIA Jetson
التكوين
Télécom SudParis، Institut Polytechnique de Paris: شهادة مهندس، 2025
اللغات
العربية، الفرنسية، الإنجليزية · الألمانية (B1)
مقيم في
كاشان، منطقة باريس، فرنسا
أعمال مختارة · 05 أعمال

أعمال مختارة

ثلاثة منتجات وبرنامجان بحثيان، مع دوري في كلٍّ منها وما وصل إليه اليوم.

01منصة لتحليل الفيديوMYTEAM.ai

Avertix

تدفّقات الكاميرا تدخل، وتنبيهات مُراجَعة تخرج.

معالجة الأحداث والتنبيهات على FastAPI وPostgreSQL، ولوحة تحكّم React للمشغّلين، وعامل استدلال واحد مُجهَّز لعقد GPU السحابية ولأجهزة Jetson بجانب الكاميرا، ويُسلَّم كل ذلك عبر بوابات CI وArgoCD وإصدارات تدريجية (canary).

الدور
قائد تقني ميداني
الحالة
منصة الشركة؛ بيئة عرض تجريبية على GPU شغّلتُها؛ ومسار Jetson مُجهَّز
التقنيات
Python, FastAPI, PostgreSQL, React, TypeScript, Docker, Kubernetes
مسار التشغيل
  • بقيادتي
  • خارج المنصة
  1. مصادر الكاميراتُضاف وتُشخَّص من لوحة التحكّم
  2. عامل الاستدلالشيفرة واحدة، مُجهَّزة لوحدات GPU السحابية ولأجهزة Jetson في الموقع
  3. مستوى التحكّمFastAPI على PostgreSQL؛ أحداث ثابتة ومُرقّمة الإصدارات
  4. إسقاطات التنبيهاتتُكتب في المعاملة نفسها؛ مع دورة إقرار
  5. Avertix Controlلوحة تحكّم بـ React وTypeScript للمشغّلين

02لوحة قيادة للمشغّلتطبيق محلي أولاً

Ana Concierge OS

المساعد يقترح، والإنسان يوافق.

تطبيق محلي أولاً لإدارة الملفات والموافقات ومعرفة خاضعة للحوكمة. تُعاد بناء كل جولة للمساعد من قاعدة البيانات، ولا يستطيع أن يستشهد إلا بمقاطع استرجعها فعلاً، ويتحوّل أي إجراء إلى اقتراح ينتظر قرار إنسان.

الدور
المطوّر الوحيد
الحالة
أساس محلي يعمل؛ دون أي إجراءات خارجية، عن قصد
التقنيات
TypeScript, React, Fastify, PostgreSQL, zod, Vitest
جولة واحدة للمساعد
  • من بنائي
  • إنسان أو نموذج
  1. مشغّل يسأل عن ملفإنسان
  2. إعادة بناء السياق واسترجاع المقاطع ضمن النطاقخادم Ana
  3. نموذج يصوغ JSON مطابقاً للمخططمُشغِّل مقيَّد: دون shell ودون أدوات عامة
  4. التحقق من الاستشهادات والنطاق؛ تجزئة الاقتراح ووضعه في الطابورخادم Ana
  5. إنسان يوافق أو يرفض؛ ويُسجَّل القرار للتدقيقإنسان

03مساعد حجوزات المجموعاتMYTEAM.ai

Livia

تجيب Livia عن طلبات حجوزات المجموعات لدى المطاعم عبر WhatsApp. أعمل على وكيلها المحاوِر ضمن فريق MYTEAM.ai.

الدور
مهندس على الوكيل المحاوِر، ضمن فريق
الحالة
منتج قيد التشغيل

البحث

برنامجان، لكلٍّ منهما عرض عام

04بحث تعاونيTransFlower وV-JEPA

نماذج الفيديو

فرعان وقرار واحد، ثم اختبار خارج المجال.

يجمع TransFlower، وهو نموذج Transformer-CNN ثنائي الفرع قُبل للعرض الشفهي في KES 2026، بين فرع Transformer مبني على VideoMAE وفرع I3D للصور (RGB) والتدفّق البصري. توليتُ جزءاً كبيراً من فرع Transformer، وطوّرتُ فرع I3D، ودمجتُ الاثنين في مسار استدلال واحد. ثم أجريتُ التجارب اللاحقة بتمثيلات V-JEPA مجمّدة على لقطات من كاميرات لم ترد في بيانات التدريب.

الدور
مؤلف مشارك: فرع Transformer، فرع I3D، الدمج الهجين
الحالة
ورقة مقبولة في KES 2026؛ النتائج الخارجية استكشافية
TransFlower: فرعان وقرار واحد
  • عملي
  • مُدرَّب مسبقاً

فرع Transformer

  • مُرمِّز VideoMAE مُدرَّب مسبقاً
  • تجميع الرموز بانتباه مُتعلَّم
  • انتباه عبر المقاطع
  • رأس تصنيف تكيّفي

فرع الحركة

  • I3D للصور (RGB) والتدفّق البصري
  • مسار استدلال هجيندمج الفرعين في قرار واحد

حملة لاحقة

  • تمثيلات V-JEPA مجمّدة
  • رؤوس قراءة اختُبرت على لقطات من كاميرات أخرى

05بحث مستقلالتعلّم الذاتي الإشراف على البيانات الجدولية

T-JEPA

اجعل الانهيار قابلاً للقياس قبل أن تغيّره.

تشخيصات للانهيار وإعادة ترجيح للبواقي، مبنية على تنفيذ مفتوح لـ T-JEPA. قدّم التعديل لحظة الخروج من الانهيار في المقارنات الست المزدوجة كلها؛ أما الجودة في المهام اللاحقة فبقيت متفاوتة، لذلك تعرض الدراسة نتيجة تتعلّق بالتوقيت لا مكسباً في الجودة.

الدور
باحث مستقل يوسّع الطريقة الأصلية
الحالة
بحث؛ عرض عام متاح على الإنترنت
الدراسة
  • عملي
  • الأصل
  1. تنفيذ مفتوح لـ T-JEPA
  2. تشخيص الانهيار في الديناميكيات والهندسة
  3. إعادة ترجيح البواقي في دالة الهدف
  4. مقارنات مزدوجة مع ضوابط
الكفاءات · خمس طبقات

داخل الطبقات

مصنّفة بحسب ما تتيحه كل طبقة، مع الأعمال التي طُبّقت فيها.

خمس طبقات، مما يراه الإنسان إلى طريقة النشر. لكل طبقة نقشها الخاص، وتُضاء الطبقة التي تقرؤها.
01

الواجهات

يرى الناس ما يفعله النظام، ويستطيعون التصرّف بناءً عليه.

  • لوحات تحكّم للمشغّلين بـ React وTypeScript، تغطيها اختبارات المكوّنات والاختبارات الشاملة واختبارات إمكانية الوصول الآلية. Avertix
  • واجهات مساعد تُظهر الاستشهادات وعدم اليقين والموافقات المعلّقة بدل إخفائها، مع وضع اصطناعي للاستكشاف الآمن. Ana

الأدواتReact, TypeScript, TanStack Query, zod, Vitest, Playwright, axe; Angular (2023)

02

الأنظمة

يبقى السلوك صحيحاً حتى عندما يكون أحد المكوّنات نموذجاً لغوياً.

  • تخزين قائم على الأحداث: أحداث ثابتة ومُرقّمة الإصدارات، مع إسقاطات للتنبيهات تُكتب في المعاملة نفسها. Avertix
  • إيصال التنبيهات إلى التطبيقات الخارجية عبر خطافات ويب (webhooks) موقّعة، وصندوق صادر (outbox) دائم مع إعادة المحاولة وإعادة التشغيل، ومحوّلات يجب أن تجتاز فحوص المطابقة. Avertix
  • حدود من جهة الخادم للمساعدين: يُعاد بناء السياق في كل جولة، وتُرفض الاستشهادات غير المسترجعة والإجراءات الخارجة عن النطاق. Ana
  • خدمات مُنمَّطة بـ FastAPI وFastify فوق PostgreSQL. Avertix, Ana

الأدواتPython, FastAPI, TypeScript, Fastify, C#, .NET, PostgreSQL; Spring Boot (2023)

03

النماذج

تقوم اختيارات النماذج على الأدلة، لا على أول منحنى جذّاب.

  • تكييف نماذج Transformer للفيديو المُدرَّبة مسبقاً: تجميع الرموز بالانتباه، وتجميع قائم على الانتباه عبر المقاطع، ورؤوس تصنيف تكيّفية؛ مع فرع I3D ونموذج هجين. نماذج الفيديو
  • تشخيص الآليات والتدخّل في دالة الهدف ضمن التدريب الذاتي الإشراف. T-JEPA
  • تشغيل النماذج حيث يُسمح للبيانات أن تكون: عامل استدلال واحد مُجهَّز لوحدات GPU السحابية ولأجهزة Jetson. Avertix
  • تجارب لتحويل النماذج وتكميمها على وحدة T4 (ONNX، INT8، TensorRT)، مع مقارنة حجم الملفات والدقة وزمن الاستدلال. Avertix
  • مساعدون قائمون على النماذج اللغوية الكبيرة بمخرجات منظّمة وأدوات مقيّدة وموافقة بشرية. Ana

الأدواتVideoMAE، I3D، V-JEPA، T-JEPA؛ مخرجات منظّمة للنماذج اللغوية

04

البيانات والتقييم

تكون النتيجة جديرة بالثقة لأن البيانات والمقارنة جديرتان بها.

  • تجزئة للمحتوى كشفت مقاطع فيديو مكرّرة على جانبي الحدّ بين بيانات التدريب والاختبار، تلتها إعادة تدريب على تقسيمات نظيفة. نماذج الفيديو
  • ضوابط يُسمح لها بأن تقول لا: تشغيلات بوزن صفري وبتسميات مخلوطة، ومعايير مُعلنة مسبقاً، ومرشّحون مجمّدون قبل البيانات الخارجية. نماذج الفيديو, T-JEPA
  • استرجاع محدّد النطاق ومعروف المصدر وباستشهادات متحقَّق منها، على البحث النصي الكامل في PostgreSQL. Ana

الأدواتPython، SQL، البحث النصي الكامل في PostgreSQL، تجزئة المحتوى، المقارنات المزدوجة

05

النشر

تصل التغييرات إلى الأنظمة العاملة بخطوات صغيرة متحقَّق منها.

  • بوابات الدمج: فحص الأنواع، وعقود طبقات الاستيراد، والاختبارات، وفحص الأسرار والتبعيات، ومراجعة مستقلة، وفحوص ناجحة على الالتزام (commit) نفسه. Avertix
  • نشر على Kubernetes مضبوط بـ ArgoCD، وإصدارات تدريجية (canary)، ومجموعة GPU تنكمش إلى الصفر، وتحديثات بالسحب لأجهزة Jetson. Avertix
  • حاويات بإعدادات GPU وCPU؛ وتحميل كسول للنماذج آمن بين الخيوط مع تسخين غير متزامن. Avertix

الأدواتDocker, Kubernetes, ArgoCD, Argo Rollouts, Rancher Fleet, mypy, import-linter, pytest, gitleaks, OSV

المنهج · أربع عادات

كيف يُنجَز العمل

العادات نفسها في المنتجات وفي البحث: اعثر على الخلل، وضيّق ما يقرّره النموذج، واجعل كل تغيير يمرّ بفحص كان يمكن أن يوقفه.

  1. 01

    أعِد إنتاج الخلل قبل إصلاحه.

    يصبح العيب اختباراً فاشلاً قبل أن يصبح إصلاحاً. ويصبح خلل التدريب المشتبه به تشخيصاً قبل أن يصبح تدخّلاً.

  2. 02

    امنح النموذج مهمة ضيقة.

    النماذج تقترح؛ والحالة المتحقَّق منها أو القواعد أو الإنسان يقرّر. هذا الحدّ يعيش في الشيفرة والاختبارات، لا في التعليمة (prompt).

  3. 03

    ادمج عبر البوابات.

    طبقات مُنمَّطة، واختبارات، وفحوص أمنية، ومراجعة مستقلة، ولا يُسمح بالدمج إلا عندما تنجح الفحوص على الالتزام نفسه.

  4. 04

    احتفظ بالتصويبات.

    عندما يخالف ضابطٌ نتيجةً جذّابة، تُستبعد النتيجة، ويوضّح السجلّ السبب.

تصويبات مُوثّقة

نتائج غيّرها ضابطٌ أو حدّ من مداها.

المراجعة A
T-JEPA
تفسير مُستبعَد. لم يكن رمز التسجيل (register token) ضرورياً للخروج من الانهيار في الإعداد المختبَر، لذلك انتقلت الدراسة إلى قياس الانتقال نفسه.
المراجعة B
T-JEPA
نتيجة في التوقيت، لا مكسب في الجودة. قدّمت إعادة ترجيح البواقي لحظة الانتقال في المقارنات الست المزدوجة كلها؛ وبقيت الدقة في المهام اللاحقة متفاوتة.
المراجعة C
T-JEPA
نتيجة مسحوبة. لم تصمد نتيجة تتعلّق بفضاء جزئي للتمثيلات أمام إعداد مُصحَّح، فسُحبت.
المراجعة D
نماذج الفيديو
تسرّب أُزيل. كشفت تجزئة كل مقطع فيديو عن نسخ مطابقة تعبر الحدّ بين بيانات التدريب والاختبار؛ فأُعيد تدريب النموذج الهجين على تقسيمات نظيفة.
المراجعة E
نماذج الفيديو
مرشّح مرفوض. جُمّدت رؤوس القراءة قبل استخدام أي لقطات خارجية، واستُبعدت طريقة لتكييف المواقع لم تبلغ معاييرها المُعلنة مسبقاً.
المسار

الخبرة والتكوين

MYTEAM.ai شركة صغيرة، لذا فالقيادة التقنية فيها عملية ومباشرة.

بصفتي مديراً تقنياً، أحسم قرارات البنية، وأضع بروتوكول التسليم (فروع لكل مهمة، ومراجعة مستقلة، ودمج مشروط بنجاح الفحوص)، وأراجع الشيفرة التي تُنشر. كنت القائد والمراجع الوحيد لعمل متدرّبَين على ميزات جديدة، وما زلت القائد التقني الميداني لمنصة Avertix.

  1. جوان 2026 – الآن

    MYTEAM.ai · منطقة باريس

    المدير التقني (CTO / Responsable technique)

    قائد تقني لفريق صغير: البنية، وبروتوكول التسليم، ومراجعة الشيفرة، والتوجيه. قائد منصة Avertix؛ ومساهم في Livia.

  2. ديسمبر 2025

    MYTEAM.ai

    مهندس بحث، عقد دائم

    هندسة المنتجات والبحث.

  3. ماي – أكتوبر 2025

    MYTEAM.ai

    تدريب بحثي

    بحث في التعلّم الآلي.

  4. جويلية – أوت 2023

    VERMEG · تونس

    تدريب في هندسة البرمجيات

    تطوير الواجهات الخلفية والأمامية باستخدام Spring Boot وAngular.

التكوين

  • 2021 – 2025

    Télécom SudParis, Institut Polytechnique de Paris

    شهادة مهندس (diplôme d’ingénieur)، النمذجة الإحصائية والتعلّم الآلي

  • 2018 – 2021

    Lycée Janson-de-Sailly, Paris

    الأقسام التحضيرية، MPSI ثم MP*

منشور

  • 2026

    TransFlower: Contextual Dual-Branch Transformer-CNN Architecture for Real-Time Violence Detection

    مؤلف مشارك · مقبول للعرض الشفهي في KES 2026. العرض البحثي

اللغات

  • العربية (اللغة الأم)، الفرنسية (C2)، الإنجليزية (C2)، الألمانية (B1)

خارج العمل

  • الموسيقى، والبيانو، ومونتاج الفيديو

تواصل

أخبرني بما تبنيه.

البريد الإلكتروني هو أفضل وسيلة للتواصل معي. أعمل بالإنجليزية والفرنسية.

mouadhbouali@gmail.com