السيرة الذاتية

الرؤية الآلية
خوارزميات ثنائية وثلاثية الأبعاد تحدّد مواضع القطع وتقيسها وتفحصها: مطابقة الأنماط، وكشف الحواف، والمعايرة، والمترولوجيا.
تعلّم الآلة
أشجار القرار والغابات العشوائية وآلات المتجهات الداعمة وk-means بلغة ‎C++‎، من نسخة أولية إلى ميزة مختبرة وموثّقة في المكتبة.
التعلّم العميق
قست أداء نماذج كشف الأجسام وقراءة النصوص على CPU وGPU، ونقلت المقبول منها إلى الإنتاج.
الكاميرات الذكية
خوارزميات رؤية تعمل ضمن ذاكرة الكاميرا وقدرة معالجتها المحدودتين.
الخوارزميات العددية
التحسين غير الخطي لبلوغ دقة دون البكسل، تحميه اختبارات الانحدار.
‎C++‎ الحديثة
شيفرة متعددة الخيوط، وذاكرة أقيسها بـMemoryTracer، واختبارات وأدوات فحص ديناميكي (sanitizers).

الخبرة

أغسطس 2026 — الآن

مطور برمجيات أول، الذكاء الاصطناعي التوليدي

الوكلاء والاسترجاع

أبني سير عمل قائمًا على الوكلاء (agentic workflows) والتوليد المعزّز بالاسترجاع (RAG)، والتقييمات التي تحدّد متى يصبح الوكيل جاهزًا للإصدار.

يوليو 2024 — أغسطس 2026

Zebra Technologies

مطور برمجيات أول، Aurora Imaging Library

خوارزميات الرؤية ثنائية وثلاثية الأبعاد

كنت مسؤولًا عن Edge Finder وGeometric Matcher وCalibration في Aurora Imaging Library، حزمة تطوير الرؤية الآلية لدى Zebra، من الفكرة إلى الإصدار: تصميم الواجهات البرمجية، وإصلاح العلل، والتوثيق، وأمثلة الشيفرة، ودعم العملاء. واتّفقت مع فرق واجهة المستخدم والتوثيق وضمان الجودة على سلوك الواجهات والتوافق مع الإصدارات السابقة، وشاركت في تخطيط خارطة الطريق.

الكاميرات الذكية

نقلت معالجة الصور في المكتبة إلى كاميرات Aurora Focus الذكية من Zebra، ضمن ذاكرتها وقدرة معالجتها المحدودتين. ومن واجهة المستخدم إلى الخلفية، أصلحت علل تعدّد الخيوط والتزامن، وبنيت ميزات تُسهّل إعداد الكاميرا.

تعلّم الآلة بلغة ‎C++‎

نفّذت أشجار القرار والغابات العشوائية وخوارزمية k-means بلغة ‎C++‎ داخل المكتبة، بتعدّد الخيوط وأمان عند التشغيل المتزامن، مع إيقاف مبكر للتدريب (early stopping).

التعلّم العميق

قست أداء نماذج التعلّم العميق لكشف الأجسام وقراءة النصوص (OCR) وكشف النصوص على CPU وGPU، وضبطت معاملاتها الفائقة، وصمّمت المقاييس التي تحدّد إن كان النموذج سيُصدَر، ثم نقلت النماذج المقبولة إلى الإنتاج.

يونيو 2022 — يونيو 2024

Zebra Technologies

مطور برمجيات II، معالجة الصور

أداة Advanced Geometric Matcher

نقلت Advanced Geometric Matcher (AGM)، وهي أداة جديدة لمطابقة الأنماط، من البحث والنموذج الأولي إلى الإنتاج، وصمّمت مع الفريق واجهتها البرمجية العامة بلغة ‎C++‎. وهي اليوم جزء من Aurora Imaging Library لدى Zebra.

تعلّم الآلة في الأدوات الهندسية

أضفت الغابات العشوائية وآلات المتجهات الداعمة إلى وحدات كانت هندسية بحتة، لتصنيف الأنماط في مشاهد مزدحمة، مع واجهات جديدة وتوثيقها وأمثلتها. وأشرفت كذلك على المتدربين والمطورين المبتدئين في ‎C++‎ الحديثة وتعدّد الخيوط ومراجعة الكود.

العلل العددية واختبارات الانحدار

أصلحت عللًا عددية وتراجعات في سلوك الواجهات البرمجية، وأضفت اختبارات وحدات وتكامل واختبارات بمدخلات عشوائية إلى مجموعات اختبار الانحدار.

يونيو 2019 — يونيو 2022

Matrox Imaging

مطور برمجيات، معالجة الصور

انضمت Matrox Imaging، ومقرّها دورفال، إلى Zebra Technologies سنة 2022.

المعايرة والقياس والمترولوجيا

نفّذت خوارزميات وحدات Calibration وMeasurement وMetrology في المكتبة وصحّحتها، مع اختباراتها وتوثيقها وأمثلتها، ودعمت العملاء الذين يستخدمونها. وصنت كذلك Model Finder وEdge Finder وBead.

حلّالات غير خطية

استبدلت الحلّالات الهندسية القديمة في قاعدة شيفرة ‎C++‎ عمرها عقود بتحسين غير خطي، منه Levenberg–Marquardt، لدقة دون البكسل واستقرار عددي. وتتبّعت تسرّبات الذاكرة والمراجع المعلّقة، وبنيت مجموعات اختبار انحدار تحمي سلوكًا تعتمد عليه آلاف التطبيقات المثبّتة.

يناير 2019 — مايو 2019

Matrox Imaging

متدرب في تطوير البرمجيات

مصنّف غابة عشوائية

أدمجت مصنّف غابة عشوائية في Matrox Imaging Library (اليوم Aurora Imaging Library لدى Zebra)، بتدريب متعدد الخيوط ومواصلة التدريب من نموذج سابق (warm start)، لتتمكن خطوط الإنتاج من فرز العيوب في الوقت الحقيقي، مع بيانات اصطناعية واختبارات أداء آلية تقيس دقته وسرعته عند كل تغيير.

2017 — 2019

Polytechnique Montréal

ماجستير في الهندسة (M.Ing.‎)، الهندسة الكهربائية — أنظمة التحكم

ماجستير مهني مع تدريب في الصناعة · المعدل 3.87/4 · منحة مؤسسة الغرير — 1 من نحو 100 مستفيد من بين أكثر من 15,000 متقدم.

كيف وصلت إلى كندا

حصلت على المنحة بالاستحقاق الأكاديمي، وبها موّلت ماجستيري ووصلت إلى مونتريال.

مشاريع على عتاد حقيقي

كان كل مقرر مهم ينتهي بمشروع يعمل على عتاد حقيقي: الجدولة في الوقت الحقيقي على QNX، ونظام رؤية بلغتي MATLAB و‎C++‎ يحدّد مواضع القطع لروبوت Fanuc بستة محاور، وتجميع الصور البانورامية بـSIFT، وتتبّع التشكيلات على أسطول الروبوتات في Georgia Tech Robotarium.

2012 — 2017

المدرسة الوطنية المتعددة التقنيات، الجزائر

شهادة مهندس دولة في الهندسة الكهربائية — أنظمة التحكم

المعدل 17.5/20 · الخامس من بين 1,400 في المسابقة الوطنية للالتحاق بعد الأقسام التحضيرية (ضمن أفضل 1%).

الأقسام التحضيرية

سنتان مكثّفتان من الرياضيات والفيزياء والبرمجة، قبل الترتيب الوطني الذي يحدّد مدرسة الهندسة التي تدخلها.

أنظمة تحكم على عتاد حقيقي

بنيت مثبّت سرعة تكيّفيًا لمركبة ذاتية القيادة، وبرنامج متحكم منطقي يقود آلة تجميع صناعية.

المهارات

لغات البرمجة: ‎C++17‎ / ‎C++20‎ C Python TypeScript Dart / Flutter MATLAB SQL
الرؤية الآلية: Aurora Imaging Library OpenCV مطابقة الأنماط المعايرة المترولوجيا قياس الحواف SIFT التحويلات الإسقاطية الهندسة ثنائية وثلاثية الأبعاد
تعلّم الآلة: أشجار القرار الغابات العشوائية آلات المتجهات الداعمة (SVM) k-means scikit-learn التعلّم العميق كشف الأجسام قراءة النصوص (OCR) تقييم النماذج ضبط المعاملات الفائقة
الرياضيات: التحسين غير الخطي Levenberg–Marquardt الجبر الخطي الاستقرار العددي نظرية التحكم
‎C++‎ والأنظمة: ‏‎C++‎ الحديثة تعدّد الخيوط والتزامن الذاكرة الافتراضية CMake GTest ASan / MSan Valgrind gdb Windows وLinux Docker
الذكاء الاصطناعي التوليدي: سير عمل الوكلاء RAG تقييم الوكلاء
الأدوات: Git / GitHub SVN CI/CD مراجعة الكود clang-tidy SonarQube Visual Studio JIRA Confluence Google Cloud Firebase FastAPI
اللغات: الفرنسية (لغة أم) الإنجليزية (مستوى مهني) العربية (لغة أم)

الشهادات

2023 Neural Networks and Deep Learning · Convolutional Neural Networks DeepLearning.AI
2023 Machine Learning: Classification University of Washington