ملخص الحلقة
في هذه الحلقة يستضيف المقدم ضيفه أحمد في حوار مطول حول لغة البرمجة Rust وما يميزها عن باقي لغات البرمجة الأخرى.
بدأ الحوار بالحديث عن سبب اختيار Rust تحديدا من بين اللغات المتاحة مثل Python وGo وغيرها مع التأكيد على أن كل لغة لها مميزاتها لكن Rust تمتلك شيئا فريدا لا تمتلكه أي لغة أخرى.
تحدث أحمد بالتفصيل عن مفهوم أمان الذاكرة وكيف أن Rust تضمن هذا الأمان على مستوى وقت التصريف وليس وقت التشغيل وهو ما يجعلها مختلفة جوهريا عن C وC++ من ناحية وعن اللغات التي تستخدم جامع المهملات مثل Java وGo وPython من ناحية أخرى.
شرح الضيف مفهوم الملكية في Rust وهو النظام الذي يتتبع من يملك كل قطعة من الذاكرة ومتى يتم تحريرها وكيف أن هذا النظام يمنع مشاكل شائعة مثل قراءة ذاكرة محررة أو التعديل والقراءة المتزامنة من خيوط متعددة.
كما تناول الحوار مفهوم المراجع والاقتراض والقواعد الصارمة التي يطبقها المصرف لضمان عدم وقوع تعارضات في الوصول للذاكرة وكيف أن هذه القواعد تجعل فئة كاملة من الأخطاء مستحيلة الحدوث.
ختاما تحدثا عن أداء Rust المقارن بـ C وعن استخدامها في مجالات حساسة مثل نواة Linux والأنظمة المضمنة والبرمجيات التي تتطلب أعلى مستويات الأداء والموثوقية.
25 Apr 2026
مراجعة كتاب محمد الجيش Shipping Machine Learning Systems
https://www.amazon.com/Shipping-Machine-Learning-Systems-Production-ebook
# وصف الحلقة — عصام كافيه × محمد الجيش
---
## 🎙️ العنوان المقترح
**شحن أنظمة الـ Machine Learning للإنتاج | محمد الجيش × أحمد عصام**
*(How to Ship Machine Learning Systems — From Idea to Production)*
---
## 📝 الوصف (للـ YouTube والبودكاست)
في الحلقة دي من **عصام كافيه**، أحمد عصام بيستضيف **محمد الجيش** — مؤلف كتاب **"Shipping Machine Learning Systems"** الجديد، والـ CTO & Co-Founder بتاع Monta.AI، وقبل كده Senior Manager في Amazon (Head of Alexa Speaker Recognition)، وDirector of AI في Cisco، و Co-Founder في Voicea (اتشترت من Cisco وبقت Webex Assistant).
الحلقة دي مش حلقة ثيوريّة عن الـ ML. ده شغل حقيقي: إزاي تاخد فكرة، تحوّلها لموديل، وتنزّله Production من غير ما يقع عليك. الكلام كله من خبرة بنى بيها أنظمة بتخدم مئات الملايين من اليوزرز في LinkedIn و Microsoft و Amazon.
لو إنت Software Engineer أو Data Scientist أو ML Engineer — وعايز تفهم الفرق بين الـ ML اللي بيتدرّس في الـ Courses والـ ML اللي بيشتغل فعلاً في الواقع — الحلقة دي ليك.
---
## ⏱️ التايم ستامبس (Chapters)
```
00:00 مقدمة وترحيب بمحمد الجيش
01:19 فكرة الكتاب: ليه "Shipping ML Systems"؟
03:47 منين نبدأ — من الداتا ولا من المشكلة؟
05:27 هل المشكلة دي اتحلّت قبل كده؟ (Build vs Buy)
06:35 المعادلة الحقيقية: Quality × Cost × Latency
08:00 الـ Business Objective هو اللي بيقود كل حاجة
10:49 هل دايماً نبني من الصفر؟ ولا نبدأ بـ Pre-trained؟
13:40 اختيار الـ Labels والـ Error Function حسب الـ Business
15:17 الـ Exploratory Data Analysis (EDA) — بداية كل مشروع
17:35 إزاي نبني Test Set من غير Production Data؟
20:00 مثال عملي: Speech Recognition والتشكيل في العربي
22:25 Data Schema يتغيّر لما الـ Business يتغيّر
24:25 من Bayesian Thinking لتحديث الافتراضات بالداتا
27:23 الـ Stages: Train / Dev / Test / Calibration Sets
31:05 ليه ما تشوفش الـ Test Set؟ (تشبيه الامتحان)
33:54 الـ Canary Deployment والـ Smoke Test
36:25 Shadow Deployment — الموديل بيشتغل بس مش بيردّ
38:51 الـ A/B Testing والـ Randomized Controlled Trials
40:51 المتركس اللي بتترجم لفلوس فعلاً
42:00 الـ Domino Effect — Short-term vs Long-term Metrics
45:00 الـ Reasoning Chain ورا اختيار كل Metric
46:00 Error Analysis — منين بتيجي الأخطاء؟
49:30 Bias في الداتا — قصة HP Face Detection
52:13 Data Vendors: Scale AI و Mechanical Turk والـ Quality Control
55:46 IOU وحساب الـ Inter-annotator Agreement
57:30 الـ Metric Hacking — قصة الأولمبياد والـ Athletes
01:00:14 Honeypots وكشف الـ Spammers في الـ Labeling
01:03:00 عقود الـ Data Vendors والـ Quality Conditions
01:04:38 Synthetic Data — هل نولّد داتا بـ LLM؟
01:06:00 Model Collapse و Bias Amplification
01:08:00 "You have to live with your data"
01:10:30 قصة أحمد مع تدريب موديل صغير وتعلم Thinking Traces
01:12:25 غلطة الـ Tokenizer Shift اللي ضيّعت 23 يوم تدريب
01:15:30 الخاتمة والـ Experiment Queue
```
---
## 📚 عن الضيف — محمد الجيش
- **Author:** *Shipping Machine Learning Systems* (الكتاب الجديد) و *Computing with Data* (Springer, 2018)
- **CTO & Co-Founder** — Monta.AI
- **Ex-Senior Manager** — Amazon (Head of Alexa Speaker Recognition)
- **Ex-Director of AI** — Cisco / Voicea (Webex Assistant)
- **Ex-LinkedIn / Microsoft** — قاد فرق AI و Big Data
- **Teaching Assistant (part-time)** — CS229 (Machine Learning) و CS230 (Deep Learning) في Stanford
---
## 🔗 لينكات
- 📖 الكتاب: *Shipping Machine Learning Systems* — متاح على ebooks.com وSpringer
- 💼 محمد على LinkedIn: linkedin.com/in/elgeish
- ☕ احجز جلسة 1:1 مع محمد: intro.co/MohamedEl-Geish
---
## 🎯 الحلقة دي مفيدة لمين؟
- Software Engineers بيحبوا يدخلوا مجال الـ ML
- Data Scientists عايزين يفهموا الـ Production Side
- ML Engineers بيشتغلوا على Real Systems
- Founders ببنوا منتجات AI
- طلبة بياخدوا Courses في الـ ML وحاسين إن في فجوة بين النظري والعملي
---
## 🏷️ Hashtags
#عصام_كافيه #EssamCafe #MachineLearning #AI #DataScience #MLOps #محمد_الجيش #ShippingMLSystems #DeepLearning #LLM #DataEngineering #MLEngineering #بودكاست_تقني #برمجة #ذكاء_اصطناعي
---
## 📱 تابعونا
- 🎧 Spotify | Apple Podcasts | Google Podcasts
- 📺 YouTube: @EssamCafe
- 🐦 X / Twitter
- 💼 LinkedIn
---
*شير الحلقة لو عجبتك، واكتبلنا في الكومنتس أكتر سؤال محتاج إجابة من الحلقة الجاية مع محمد.*
19 Jan 2026
الواد البراوي: مستقبل العمل في وجود الذكاء الصناعي
كنت حابب اتكلم عن التغيير الي حاصل في سوق العمل و المشاكل الموجودة حالياً بسبب التنافس العالي و قلة الفرص
Reach and audience
Public platform figures. Ratings count people who left a rating, not total listeners.
Apple Podcasts (US)
5.0 / 5
6 ratings
Spotify
5.0 / 5
13 ratings
Host of قهوة عصام?
Claim your podcast to manage its listing and keep your show details accurate.
Pod Engine is an independent podcast discovery and analytics service and is not affiliated with or endorsed by this podcast. Artwork and show content belong to their owners. Full legal notice.
Explore this show Podcast research with Pod Engine
