مشروع End-to-End يغطي دورة حياة كاملة لبناء وتوزيع تطبيق ذكاء اصطناعي على السحابة:
معالجة البيانات: تنظيف وتجهيز أكثر من 13,500 وصفة طعام باستخدام Apache Spark على AWS EMR، وتحويلها لصيغة instruction-response مناسبة للتدريب.
تدريب النموذج (Fine-tuning): تدريب نموذج Llama 3.2-3B باستخدام تقنية QLoRA (توفّر ذاكرة GPU بشكل كبير) عبر مكتبة Unsloth، على بيانات الوصفات المُجهّزة.
البنية التحتية السحابية (AWS): تصميم VPC مخصص بالكامل (Subnets, Internet Gateway, Route Tables, Security Groups) بدل الاعتماد على الإعدادات الافتراضية، لضمان عزل وتحكم أفضل في الشبكة.
النشر (Deployment): تصدير النموذج المُدرّب لصيغة GGUF ونشره على EC2 عبر Ollama، وربطه بواجهة ويب تفاعلية (OpenWebUI) تعمل تلقائيًا عند إعادة تشغيل السيرفر.
النتيجة: واجهة Chat متاحة من أي متصفح (Desktop/Mobile)، يكتب فيها المستخدم المكونات المتوفرة عنده ويحصل على وصفة كاملة ومنظمة.
