النموذج المدرّب
ملف النموذج بصيغة قياسية (ONNX أو TensorFlow SavedModel) مع توثيق كامل للمدخلات والمخرجات. يمكن لفريقك التقني تشغيله بشكل مستقل دون الاعتماد علينا.
من أول مكالمة حتى نشر النموذج في بيئة الإنتاج، نتبع منهجية واضحة بمراحل محددة. كل مرحلة لها مخرجات ملموسة تراجعها قبل أن ننتقل للمرحلة التالية.
نبدأ بمكالمة فيديو مدتها 45 دقيقة مع صاحب القرار في شركتك ومسؤول البيانات إن وُجد. نسأل أسئلة محددة: ما المشكلة التي تريد حلّها؟ ما البيانات المتاحة وأين تُخزّن؟ ما النظام الذي سيستهلك مخرجات النموذج؟ بعد الجلسة نرسل ملخصاً مكتوباً يتضمن تقييمنا الأوّلي لجدوى المشروع. هذه الجلسة مجانية ولا تُلزمك بأي شيء.
نطلب عيّنة من بياناتك الفعلية، عادة بين 5,000 و50,000 سجل حسب طبيعة المشروع. فريق هندسة البيانات لدينا يفحص جودة البيانات: هل هناك قيم مفقودة؟ تكرارات؟ تناقضات في التنسيق؟ نقيس أيضاً التوزيع الإحصائي للمتغيرات الرئيسية. في نهاية هذه المرحلة نسلّمك تقرير تدقيق بيانات من 8 إلى 15 صفحة يتضمن توصيات لتحسين جودة البيانات قبل بدء التدريب.
نختار خوارزمية التعلّم المناسبة بناءً على نوع المشكلة وحجم البيانات. مشاكل التصنيف تحتاج مقاربة مختلفة عن مشاكل التنبؤ الزمني. نرسم مخطط البنية التقنية الذي يوضّح كيف سيتصل النموذج بأنظمتك الحالية: هل عبر واجهة برمجية REST أم عبر معالجة دفعية ليلية؟ نحدد أيضاً مقاييس النجاح الرقمية التي سنقيس بها أداء النموذج.
هذه المرحلة الأطول. نبني خط معالجة البيانات (data pipeline) أولاً، ثم ندرّب عدة نماذج بخوارزميات مختلفة ونقارن أداءها. نستخدم تقنية التحقق المتقاطع (cross-validation) لضمان أن النتائج ليست مبنية على حالات خاصة في بيانات التدريب. كل أسبوع نرسل لك تقريراً قصيراً بتقدّم العمل ومقاييس الأداء الحالية. إذا لم يحقق النموذج الدقة المطلوبة، نناقش معك الخيارات بشفافية: هل نحتاج بيانات إضافية أم تعديل في نطاق المشروع.
نختبر النموذج على بيانات لم يرَها من قبل. ثم ننشره في بيئة اختبار (staging) تحاكي بيئة الإنتاج لديك. فريقك يجرّب النظام لمدة أسبوع ويسجّل ملاحظاته. بعد الموافقة ننقل النموذج إلى بيئة الإنتاج مع مراقبة مباشرة لأول 72 ساعة.
أداء نماذج الذكاء الاصطناعي يتراجع مع الوقت لأن أنماط البيانات تتغيّر. نراقب دقة النموذج شهرياً ونعيد تدريبه عند الحاجة. عقد الدعم يتضمن إعادة تدريب واحدة كل ربع سنة وتقريراً شهرياً بمقاييس الأداء. إذا تغيّرت متطلبات عملك، نعدّل النموذج دون الحاجة لبناء مشروع جديد من الصفر.
كل مشروع ينتهي بمجموعة مخرجات محددة تملكها أنت بالكامل. لا نحتفظ بنسخة من بياناتك بعد التسليم.
ملف النموذج بصيغة قياسية (ONNX أو TensorFlow SavedModel) مع توثيق كامل للمدخلات والمخرجات. يمكن لفريقك التقني تشغيله بشكل مستقل دون الاعتماد علينا.
نسلّم واجهة REST API مغلّفة في حاوية Docker، جاهزة للنشر على أي خادم سحابي. التوثيق يتضمن أمثلة طلبات واستجابات لكل نقطة نهاية.
تقرير من 20 صفحة يتضمن مقاييس الدقة، منحنيات التعلّم، تحليل الأخطاء الشائعة، وتوصيات لتحسين الأداء مستقبلاً.
جلسة تدريبية مدتها ثلاث ساعات لفريقك التقني. نشرح كيف يعمل النموذج، كيف تراقب أداءه، ومتى تحتاج إعادة تدريبه. نسجّل الجلسة ونسلّمك الفيديو.
التكلفة تعتمد على تعقيد المشكلة وحجم البيانات. مشروع تحليل تنبؤي بسيط يبدأ من 85,000 درهم إماراتي. مشاريع الرؤية الحاسوبية التي تتطلب تدريب نموذج مخصص تبدأ من 140,000 درهم. نقدّم عرض سعر مفصّل بعد جلسة الاستكشاف المجانية، ولا نضيف رسوماً مخفية لاحقاً.
ليس بالضرورة. نصمّم الحل بحيث يعمل بأقل تدخل بشري ممكن. لكن يُفضّل أن يكون لديكم شخص واحد على الأقل يفهم أساسيات إدارة الخوادم ليتمكن من مراقبة النظام. إذا لم يتوفر ذلك، نقدّم عقد تشغيل وصيانة شهري يتولى فيه فريقنا هذه المهمة.
هذا أمر شائع ونتعامل معه في مرحلة تدقيق البيانات. أحياناً نحتاج تنظيف البيانات الموجودة فقط. في حالات أخرى ننصح بجمع بيانات إضافية لمدة شهر أو شهرين قبل بدء التدريب. نكون صريحين: إذا كانت البيانات غير كافية لتحقيق النتيجة المطلوبة، نقول ذلك مبكراً بدل أن نبني نموذجاً ضعيف الأداء.
نعم. معظم عملنا في الإمارات والسعودية، لكن نفّذنا مشاريع في الكويت ومصر أيضاً. الاجتماعات تتم عبر الفيديو والبيانات تُنقل عبر قنوات مشفّرة. الفارق الوحيد أن ورشة تسليم المعرفة تكون عن بُعد بدل الحضور الشخصي.
أنت. بعد سداد كامل المستحقات تنتقل ملكية النموذج والكود المصاحب إليك بالكامل. نحتفظ فقط بحق ذكر المشروع كمرجع في عروضنا التقديمية، وبإمكانك رفض ذلك إن شئت.