Software that holds everything together.

We design, build and run the systems businesses depend on. Web platforms, mobile apps, cloud infrastructure and applied AI, delivered by engineers with the depth to get it right the first time.

لنبدأ الحديث

AI ML CS Web DevOps Linux

01 من نحن

Software development, deployment, and ongoing maintenance, done by qualified engineers throughout.

Maintenance covers bug fixes, security updates, and feature work, under a support agreement scoped before the project starts.

/ 01

We start with the business

Before we design anything, we talk to the people who will use the system. We find out what currently fails, what it costs, and who is responsible for fixing it. Often the underlying problem isn't software. It's a process that was never documented.

/ 02

You're part of the decisions

As we learn more about the problem, the plan changes, and you're part of that. We don't take a fixed spec and build it in isolation for months.

/ 03

We stay after launch

Launch isn't the finish line for us. We keep watching the system, fixing what breaks, and building whatever comes next.

6 Disciplines

AI/ML, web platforms, mobile apps, cloud infrastructure, DevOps, and systems programming.

1 Bespoke

One of a kind, built from scratch for what the client actually needs.

7 Day release cycle

Something real reaches a live environment every week.

24/7 Reachable

Call, email, or WhatsApp.

02 ما نقدمه

Deep in the machine.

We build the stack most teams outsource in pieces. Language models, retrieval, computer vision, deployment, all in house, all already in production.

Natural language processing

Making messy text usable.

A customer writes 25/12. Another writes Dec 25. A third writes ٢٥-١٢-٢٠٢٤. All three mean the same date, and your system needs to know that before it can do anything useful with it. This is what we build.

Tokenisation and normalisation tuned for mixed Arabic and Latin script, where most defaults quietly fail
Entity extraction that pulls names, amounts, dates and references out of free text and into your schema
Classification and routing, so a message reaches the right desk without a person reading it first
Sentiment and intent scoring measured against a labelled set you own, not a vendor benchmark

TokenisationEntitiesClassificationArabic NLP

From raw text to structured data

Retrieval augmented generation

Answers with a source attached.

A language model on its own will invent an answer rather than admit it does not know. Retrieval fixes that. The question goes to your own documents first, the closest passages come back, and the model may only answer from what it was handed.

Your corpus indexed and chunked, with the chunk size tuned against real questions rather than guessed
Reranking, so the three passages that actually matter beat the twenty that merely look similar
Every answer carries citations back to the source paragraph, which is what makes it auditable
An evaluation set that gates deploys, so a prompt change cannot quietly make accuracy worse
Runs inside your own network when the documents cannot leave it

Vector searchRerankingCitationsEvals

Query out, passages back, answer cited

Machine learning

Models judged on the cases you lose.

Accuracy is the number everyone quotes and the one that hides the problem. What matters is the shape of the mistakes. A fraud model at ninety nine percent that misses the one real case has failed, and only a confusion matrix will tell you that.

Forecasting, classification, anomaly detection and recommendation, sized to the data you actually hold
Precision and recall traded deliberately against what a false positive and a false negative each cost you
Training pipelines that reproduce, with versioned data and pinned environments
Drift monitoring, because a model that was right last year is not automatically right today

PyTorchScikit learnFeature storesDrift

Confusion matrix, diagonal running hot

Shipped / reporting and analysis

Reporting dashboard with a weekly comparison chart

Web apps Statistical analysis

Corporate site on a handset with a language switcher

Web apps Responsive

Model training and evaluation

Convergence you can watch.

Training is not a black box you start on Friday and hope about on Monday. Loss is plotted, runs are versioned, and every experiment is recorded with the data and the settings that produced it, so a result can be reproduced months later by somebody else.

Baselines first, because a simple model that works beats a complex one nobody can explain
Fine tuning on your own data when a general model is close but not close enough
Cost and latency budgeted per request and enforced in the build, not discovered on the invoice
Held out test sets kept honest, so the numbers you are shown are the numbers you will get

Fine tuningMLflowBenchmarksReproducible runs

Loss descending across epochs

Computer vision

Reading what the camera sees.

Plates at a gate, stock on a shelf, damage on a vehicle, a signature on a delivery note. Vision earns its place when it removes a person from a loop they resent being in, and it has to work in the light and the dust you actually have.

Detection and recognition tuned on images from your site, not a public dataset from another country
Text extraction from documents and photographs, including Arabic script
Inference at the edge when a round trip to the cloud is too slow or the connection is unreliable
A confidence threshold with a human review path, because being confidently wrong is expensive

DetectionOCREdge inferenceONNX

Feature sweep with detections locking on

Shipped / interfaces on real devices

Mobile commerce cart with digital products priced in dirhams

Mobile apps Interface design

Auction listing screen with image carousel and bid controls

Mobile apps Carousels

Arabic menu screen with a nutrition breakdown

Mobile apps Localisation

Checkout screen showing saved payment methods

Mobile apps Payment gateways

Platforms and delivery

The part that keeps it alive.

Everything above only matters if it reaches production and stays there. Environments rebuild from an empty account, deploys roll back on their own when a health check fails, and the alerts that wake somebody are the ones that deserve to.

Web platforms and mobile apps across Laravel, .NET, Django, React, Vue and Flutter
Infrastructure written down as code on Azure, AWS or hardware you own, in the region residency requires
Automated build, test, scan and release, so shipping is boring and therefore frequent
Backups with a restore that has actually been tested, because an untested backup is only a rumour

LinuxDockerKubernetesTerraformCI/CD

Build, test, scan, stage, ship

Shipped / released to both stores

Mobile apps Animated splash

Account and authentication screen in a dark theme

Mobile apps Authentication

التعلّم العميق

العمق حين يستحق.

الشبكة الأعمق ليست أفضل تلقائياً. تكلف أكثر في التدريب وفي التشغيل، وأصعب بكثير في تفسيرها حين تخطئ. نلجأ إلى العمق حين تكون للمشكلة بنية حقيقية لا تستوعبها الطرق الأبسط.

بنى مختارة بحسب بياناتك أنت، لا بحسب الورقة البحثية المنشورة الشهر الماضي
التعلّم بالنقل أولاً، فالتدريب من الصفر نادراً ما يكون أرخص طريق إلى الدقة
التكميم والتقطير ليناسب النموذج العتاد الذي تستطيع تحمّل كلفته فعلاً
قابلية التفسير مدمجة حيث يمس القرار إنساناً، لا مضافة لاحقاً لأجل التدقيق

PyTorchTransfer learningQuantisationONNX

التنشيط ينتشر عبر الطبقات

البحث الدلالي

المعنى لا المطابقة.

البحث بالكلمات المفتاحية يفشل لحظة أن يصوغ أحدهم سؤاله بغير صياغة المستند الذي يجيبه. التضمينات ترتب النص بحسب المعنى، فيجد البحث عن عملية دفع متعطلة الصفحة التي تتحدث عن المعاملات الفاشلة.

تضمينات مختارة ومقيّمة على محتواك أنت، فالمعايير العامة نادراً ما تعكسه
العربية والإنجليزية في فهرس واحد، فيصل السؤال بأي منهما إلى الإجابة ذاتها
تجميع يكشف موضوعات لم يفكر أحد بالبحث عنها
كشف التكرار والتطابق التقريبي عبر سجلات لم تُربط ببعضها قط

Vector searchClusteringMultilingualReranking

نقاط تتجمع في عناقيد

الأنظمة المدفوعة بالأحداث

عمل يصل بلا إنذار.

الطلبات وقراءات الحساسات واستدعاءات الدفع وتغيّرات الحالة لا تصطف بأدب. تصل دفعات، وبغير ترتيب، وأحياناً مرتين. على التصميم أن يفترض ذلك لا أن يتمنى خلافه.

معالجات لا تتأثر بالتكرار، فلا يؤدي وصول الحدث مرتين إلى خصم المبلغ مرتين
ضبط الضغط وطوابير الرسائل الفاشلة، فالدفعة المفاجئة يجب أن تُبطئ النظام لا أن تكسره
ضمانات الترتيب معلنة بوضوح، فمعظم الأنظمة تحتاجها لكل عميل على حدة فقط
إعادة التشغيل من السجل، فالخلل الذي أُصلح اليوم يمكن تطبيق إصلاحه على الأمس

QueuesWebhooksIdempotencyRedis

أحداث تعبر بوابة المعالجة

نمذجة البيانات

القرار الذي يصعب التراجع عنه.

واجهة تندم عليها تكلفك صباحاً من العمل. أما بنية بيانات تندم عليها فتكلفك ترحيلاً وإعادة تعبئة وأسبوعاً من النشر الحذر. لذلك يُرسم نموذج البيانات أولاً، ويُناقش، ويُوثّق قبل وجود أي شاشة.

مُطبّعة حيث تهم الصحة ومسطّحة حيث تهم السرعة، عن قصد لا مصادفة
القيود في قاعدة البيانات، فشيفرة التطبيق ليست خط الدفاع الأخير
ترحيلات تعمل ذهاباً وإياباً، مختبرة على نسخة من البيانات الحقيقية
الأرشفة ومدد الاحتفاظ متفق عليها مبكراً، فلا يتحول النمو إلى طارئ

PostgreSQLMigrationsIndexingPartitioning

جداول وعلاقات تتشكل

هندسة الواجهات

بناء واحد لكل شاشة.

التخطيط ليس ثلاثة تصاميم ثابتة عند ثلاثة عروض. إنه نظام واحد يظل يعمل مع تغيّر الإطار، في اتجاهي القراءة معاً، على هاتف يُمسك بيد واحدة في نهاية نوبة طويلة.

اتجاه اليمين إلى اليسار مصمم منذ أول مخطط لا معكوس في النهاية
الخط والتباعد على مقياس مرن، فلا ينهار شيء بين المقاسات التي اختبرتها
أهداف اللمس وترتيب التركيز مختبرة على أجهزة حقيقية لا في محاكٍ فقط
مراعاة تفضيلات التباين والحركة، فبعض الناس يحتاجون إيقاف الحركة

ResponsiveRTLAccessibilityDesign systems

تخطيط يعيد الترتيب مع ضيق الإطار

هندسة الأمن

افترض أن الحدود تُختبر.

كل ما هو متاح على الإنترنت يُفحص باستمرار، غالباً خلال دقائق من إطلاقه. هذا أمر طبيعي. المهم أن تصمد الحدود، وأن تُسجَّل المحاولة، وألا يحتاج أحد إلى ملاحظتها يدوياً.

أقل صلاحية ممكنة في كل موضع، فلا يصل مكوّن مخترق إلى ما لم يحتجه أصلاً
الأسرار محفوظة خارج المستودع وتُبدَّل دورياً، ولا تُلصق في ملف إعدادات
فحص الاعتماديات مع كل بناء، فمعظم الاختراقات تصل عبر شيء استوردته
سجلات تدقيق تبقى بعد الحادثة التي كُتبت لأجلها

HardeningSecretsAuditingTLS

محاولات تتوقف عند الحدود

التوزيع الإقليمي

قريب ممن يستخدمه.

الطلب الذي يعبر قارتين ذهاباً وإياباً يبدو بطيئاً مهما كانت الشيفرة سريعة. ومكان وجود البيانات مسألة قانونية بقدر ما هي تقنية، وفي هذه المنطقة غالباً ما تكون الاثنتين معاً.

الاستضافة داخل المنطقة حين تفرض قواعد الإقامة ذلك، بما في ذلك داخل حسابك أنت
المحتوى يُقدَّم من طرف قريب من المستخدم لا من أصل واحد بعيد
التحويل عند الأعطال بين المناطق، مختبر بتحويل إحداها فعلاً
زمن الاستجابة مقاس من حيث يوجد عملاؤك لا من المكتب

Multi regionEdgeFailoverResidency

طلبات تصل عبر المناطق

التشغيل والمناوبة

التنبيه الذي يستحق أن يوقظك.

النظام الذي ينبّه عند كل تذبذب يدرّب صاحبه على تجاهله. تُضبط التنبيهات ليعني وصول التنبيه أن خطأً حقيقياً وقع، وكل ما هو أهدأ ينتظر الصباح.

تنبيهات على أعراض يلاحظها المستخدم، لا على كل مؤشر تحرك
مهندس مناوب بالاسم، وخلفه مسار تصعيد مكتوب
مراجعات بعد الحادثة تبيّن ما جرى وما يمنع تكراره
مراجعة الطاقة والكلفة كل ربع مقابل حركة حقيقية لا توقعات

SLAOn callObservabilityRunbooks

أثر السلامة يتعافى بعد حادثة

04 يثق بنا

Businesses in commerce, property, exploration and hospitality.

05 التقنيات

Chosen per problem, not per fashion.

This is what we reach for most. If you already have a team and a stack we will work in yours instead.

Microsoft

Azure

AWS

Linux

Ubuntu

Windows

Docker

Kubernetes

Terraform

.NET

Laravel

Django

PHP

Python

Node

JavaScript

React

Vue

Flutter

Swift

Android

Apple

HTML

CSS

Sass

Vite

Webpack

Postgres

MySQL

MariaDB

MongoDB

GitHub

Git

Figma

npm

READY WHEN YOU ARE

Tell us what needs to exist.

Send the messy version. A paragraph about the problem is worth more than a polished specification, and we will come back with questions inside one working day.

Telephone +971-55-5097590

Email hello@atherium.dev

WhatsApp Message us

Studio شارع حمدان
أبوظبي، الإمارات العربية المتحدة

Hours مفتوح ٢٤/٧
أبوظبي، بتوقيت الخليج، UTC+4

الاسم

الشركة

البريد الإلكتروني

بماذا نساعدك

ما الذي ينبغي أن يوجد

This opens your mail application with the message ready to send. If you would rather not use email, call or send a WhatsApp message on the number above.