بالأسماء.. النصر يعلن عن صفقاته الجديدة لدعم الفريق
تاريخ النشر: 9th, August 2024 GMT
كشف نادي النصر برئاسة المستشار أشرف لطفي والمستشار حسن أسماعيل أمين الصندوق ومصطفي رسمي عضو المجلس والمشرف على كرة القدم عن الصفقات الجديدة التي أبرمها النادي لدعم صفوف الفريق الأول لكرة القدم استعدادا للموسم القادم بدوري القسم الثاني ب.
وتعاقد الفريق الأول لنادي النصر بقيادة عبد الحميد علي المدير الفني ومحمد عبدالفتاح كفتة مدير الكرة مع 8 لاعبين وهم الظهير الايمن معتز نجيب لاعب كيما اسوان والمقاولون العرب وبايونيرز والمنيا واسلام مسعود لاعب خط الوسط ولعب لأندية حرس الحدود والمقاولون العرب ومنتخب السويس والترسانة والاوليمبي وموسى سيساي مهاجم نادي اسوان واحمد ناصر ابن قطاع الناشئين بنادي النصر ويلعب في مركز رأس الحربة ولعب في صفوف الناشئين بنادي الزمالك ومصطفى علي صاصا يلعب في مركز قلب الدفاع ولعب لأندية مستقبل وطن وبورتو السويس.
كما تم التعاقد مع محمد صفوت شكوكو يلعب في مركز قلب الدفاع ولعب لأندية اسمنت اسيوط وأسوان وبترول اسيوط وبايونيرز واحمد سابق راس الحريه ولاعب نادي القناة والمصرية للاتصالات والعبور وعمرو الجزار يلعب في مركز قلب الدفاع ولعب لأندية المقاولون العرب وخاض فترة احتراف في نادي مسافي بالامارات.
وتم توقيع العقود في حضور المستشار اشرف لطفي رئيس مجلس الإدارة وعبد الحميد علي المدير الفني ومحمد عبد الفتاح كفتة مدير الكرة وانتظم اللاعبين الجدد في تدريبات الفريق استعدادا للموسم القادم.
المصدر: بوابة الوفد
كلمات دلالية: فی مرکز
إقرأ أيضاً:
تخيّل ولعب ونجح.. هكذا هزم دريمر تحديات ماينكرافت!
في إنجاز جديد للذكاء الاصطناعي، تمكن نظام طوّرته شركة "ديب مايند" التابعة لغوغل من جمع الألماس في لعبة "ماينكرافت" الشهيرة دون أن يتعلم مسبقًا كيفية اللعب.
النظام، الذي يُعرف باسم Dreamer، حقق هذا الهدف الصعب عبر تخيّل النتائج المستقبلية لقراراته، في خطوة تُعتبر تقدمًا مهمًا نحو تطوير ذكاء اصطناعي عام يمكنه التعلّم والتكيّف في بيئات جديدة، وفقاً لمجلة Nature العلمية.
اقرأ أيضاً.. الذكاء الاصطناعي يتقن الخداع!
يقول الباحث دانجار هافنر من "ديب مايند" إن النظام لا يعتمد على تعليمات بشرية، بل يبني نموذجًا ذهنيًا للعالم المحيط به ويستخدمه لتوقّع العواقب المحتملة لأفعاله، مما يسمح له بتحسين أدائه تدريجيًا. ويُعد جمع الألماس في "ماينكرافت" تحديًا معقدًا يتطلب سلسلة طويلة من المهام، مثل جمع الخشب وصناعة الأدوات المناسبة والحفر في أعماق الأرض.
على عكس المحاولات السابقة التي استندت إلى تسجيلات للّعب البشري، استخدم Dreamer تقنية التعلم المعزز التي تعتمد على التجربة والخطأ. وتمكّن النظام من استكشاف بيئة اللعبة والتعلّم منها بمفرده، وهو ما اعتُبر إنجازًا مهمًا في مسيرة الذكاء الاصطناعي.
ويشير هافنر إلى أن هذه التقنية قد تفتح المجال أمام تطوير روبوتات تتعلّم التفاعل مع العالم الحقيقي، حيث يصعب تطبيق أساليب التجربة والخطأ بشكل مباشر. ورغم أن اختبار جمع الألماس لم يكن الهدف الأساسي من تطوير Dreamer، إلا أنه شكّل اختبارًا مثاليًا لقدرات النظام على التعلّم الذاتي من الصفر.
إسلام العبادي(أبوظبي)