خطاب نوايا لماجستير معالجة الكلام واللغة
من كتبه
عمر فتحي تخرّج في علوم الحاسوب في القاهرة ويعمل على الطلب الصوتي للصيدليات، ويتقدّم لماجستير في جامعة إدنبرة.
الكاتب وكل تفاصيله من نسج الخيال.
ما الذي كُتب في القالب
- البرنامج والجامعة
- MSc Speech and Language Processing, University of Edinburgh
- اهتماماتك البحثية
- Speech recognition for Arabic dialects, especially when speakers switch between Egyptian Arabic and English in one sentence
- إعدادك الأكاديمي
- BSc Computer Science, Cairo University, 2024, GPA 3.6/4
Graduation project with 6 classmates: recorded and transcribed 30 hours of everyday Egyptian Arabic (shopping, transport, health) and fine-tuned an open speech model; word error rate fell from 48% to 29%
On sentences that switch to English, errors stayed above 40%, clustered at the switch points
Now: machine learning engineer at a Cairo start-up building voice ordering for pharmacies (1 year)
At the start-up: adding 200 English drug and product names recorded by Egyptian staff cut errors on those names by a third, but did nothing for switching in general
University project: written consent from every speaker; names and phone numbers removed from transcripts
Python, PyTorch, Kaldi basics; courses in probability and linear algebra - التوافق مع القسم
- Courses in speech processing and machine learning for language; the School of Informatics’ long record in speech technology
- هدفك المهني
- Build speech tools for Arabic speakers who mix languages, in industry or in research
هذه حقائق الكاتب كما أدخلها في نموذج القالب، ولا يستخدم النص شيئًا غيرها.
النموذج
خطاب النوايا (Statement of Purpose): ماجستير، علوم الحاسوب
بجانب كل فقرة شرح لدورها، والملاحظات المرقّمة تشرح كل اختيار. يبقى النموذج بالإنجليزية كما سيُرسل، والشرح بالعربية.
In my graduation project, a speech recogniser that my team fine-tuned on Egyptian Arabic got 29% of words wrong. On sentences where the speaker switched to English halfway through, it got more than 40% wrong1. That gap is the problem I want to study: how speech recognition can treat the way many Arabic speakers actually talk, moving between dialect and English in one breath, as normal input rather than noise.
السؤال
خطاب النوايا يبدأ بالسؤال البحثي لا بالسيرة. هنا السؤال مبني على رقمين من عمل الكاتب نفسه.
الملاحظة 1: يبدأ الخطاب بمشكلة مقيسة من عمله هو. رقمان يفعلان ما لا تفعله فقرة كاملة عن حب التكنولوجيا.
The project began with a practical complaint. Voice search on our phones handled formal Arabic tolerably and Egyptian Arabic badly. With six classmates I recorded and transcribed 30 hours of everyday Egyptian Arabic, mostly conversations about shopping, transport and health, and we fine-tuned an open speech model on it. Word error rate fell from 48% to 29%. The code-switched sentences barely improved, and when I looked at them closely, the errors clustered at the switch points2: English words spelled out as Arabic nonsense, Arabic words forced into English spellings.
كيف وصل إليه
يروي أصل السؤال: مشكلة عملية، ثم تجربة بالأرقام، ثم ملاحظة دقيقة على الأخطاء. هذه طريقة تفكير باحث.
الملاحظة 2: نظر إلى الأخطاء نفسها لا إلى النتيجة فقط، وهذه العادة بالضبط ما يبحث عنه برنامج بحثي.
I graduated from Cairo University in 2024 with a BSc in Computer Science and a GPA of 3.6 out of 4. For the past year I have worked as a machine learning engineer at a start-up in Cairo that builds voice ordering for pharmacies, where I train and evaluate models in Python and PyTorch and have learned the basics of Kaldi. The job has taught me how much evaluation matters: a model that looks good on a clean test set can fail on a real customer in a noisy shop3. I have taken courses in probability and linear algebra, and I want the deeper grounding in phonetics and statistical modelling that so far I have picked up only from papers4.
الإعداد
الشهادة والمعدل والعمل والأدوات، ثم درس واحد من العمل، ثم فجوة يعترف بها بصدق.
الملاحظة 3: درس واحد من العمل يُظهر النضج، ويفسّر لماذا يريد المنهجية لا مزيدًا من الأدوات.
الملاحظة 4: فجوة يعترف بها بوضوح، فيصبح البرنامج هو الجواب.
At work I have since run a smaller version of the same experiment. Adding 200 English drug and product names, recorded by Egyptian staff, to our training data cut errors on those names by a third but did nothing for switching in general: the model learned the words, not the pattern. Collecting data has taught me something else as well. Every speaker in our university project signed a consent form, and we removed names and phone numbers from every transcript before training. I want to work in a field that treats the people whose voices make up the data with that kind of care.
تجربة ثانية وأخلاقيات البيانات
تجربة ثانية تُظهر أنه يختبر فرضياته ولا يكتفي بجمع الأدوات، ثم إشارة قصيرة إلى موافقة المتحدثين وحماية بياناتهم، وهي نقطة تقدّرها لجان البحث.
The MSc in Speech and Language Processing at Edinburgh suits this plan because it treats speech as both a linguistic and a computational problem. Its courses in speech processing and machine learning for language would give me the foundations I lack, and the School of Informatics has a long record in speech technology, so I would be learning among people who have worked on these questions for decades. I hope to write my dissertation on code-switched recognition, starting with a simple test: whether models do better when they are told where a switch is likely to happen5.
لماذا هذا القسم
التوافق مبني على ما يحتاجه هو، لا على سمعة الجامعة، ويختم بفكرة أولى قابلة للاختبار لرسالة الماجستير.
الملاحظة 5: فكرة أولى لرسالة الماجستير، صغيرة بما يكفي لاختبارها، تُظهر أنه يستطيع تحويل الاهتمام إلى سؤال.
After the degree I want to build speech tools for people who mix languages, either at a company that serves Arabic-speaking customers or in a research group. In both places the test is the same: whether a pharmacist in Cairo can take an order by voice without asking the customer to speak like a newsreader6.
الهدف
هدف مهني مفتوح على الصناعة أو البحث، وجملة أخيرة ترسم مستخدمًا حقيقيًا يبقى في ذهن القارئ.
الملاحظة 6: السطر الأخير يضع أمام اللجنة مستخدمًا حقيقيًا، فيبقى الهدف ملموسًا.
الهيكل
كيف بُني
كل جزء بالترتيب، ونصيبه من عدد الكلمات.
قائمة المراجعة
قبل أن ترسل
راجع مسودتك أنت سطرًا سطرًا.
قبل وبعد
أخطاء شائعة وكيف تصلحها
تتكرر جمل كهذه في مسودات كثير ممن يكتبون الإنجليزية ولغتهم الأم العربية. كل تصحيح يُبقي المعنى كما هو ويغيّر الصياغة فقط.
I am interested in machine learning because it is the future.
I want to study why speech recognisers fail when speakers switch between Egyptian Arabic and English.
I made a project about speech recognition and it got good results.
We fine-tuned an open speech model on 30 hours of Egyptian Arabic, and word error rate fell from 48% to 29%.
I hope to join your prestigious university to fulfil my dream.
Its courses in speech processing and machine learning for language would give me the foundations I lack.
أسئلة شائعة
ما الفرق بين خطاب النوايا والرسالة التحفيزية؟
بينهما تداخل، لكن خطاب النوايا أكثر أكاديمية: يتمحور حول الأسئلة التي تريد دراستها، والإعداد الذي يثبت قدرتك، وتوافقك مع القسم. أما الرسالة التحفيزية فأوسع وغالبًا أقصر. وفي الحالتين أجب عن السؤال الذي يطرحه البرنامج بالضبط، ضمن حدّه.
هل أذكر فكرة لرسالة الماجستير في خطاب النوايا؟
نعم باختصار، كاتجاه لا كالتزام. فكرة واحدة قابلة للاختبار تُظهر أنك تستطيع تحويل الاهتمام إلى سؤال، ولا يُنتظر منك مقترح كامل في مرحلة الماجستير.
إلى أي حد يجب أن يكون تقنيًا؟
تقنيًا بما يكفي ليرى المتخصص أنك تعرف المجال، من خلال مقياس أو منهج، وواضحًا بما يكفي ليتابعه قارئ من مجال قريب. هذا النموذج يستخدم مقياسًا واحدًا هو نسبة الخطأ في الكلمات، ويشرح الباقي بكلمات عادية.
كل كاتب في هذه المكتبة شخصية خيالية، وكذلك كل تفاصيله. تظهر الجامعات والشركات فقط بوصفها جهات يتقدّم إليها الكاتب، أما الأساتذة والأبحاث والتفاصيل المذكورة حولها فمؤلَّفة لغرض التعليم. تعلّم من الأمثلة طريقة البناء، ولا تنسخ نصّها: اللجان تلاحظ ذلك، وحقائقك أنت أقوى.