محمود ا.

أعمل على بناء خطوط أنابيب البيانات (Data Pipelines)، مهام المعالجة والاستهلاك في الخلفية (Backend Ingestion Workflows)، وهندسة قواعد البيانات باستخدام Python و SQL.

يتركز معظم عملي حول استلام البيانات الخام وغير المنسقة — سواء القادمة من REST APIs، الملفات الخارجية، أو قواعد البيانات القديمة (Legacy Databases) — وتحويلها إلى جداول ترابطية نقيّة أو مستودعات تحليلية جاهزة للتقارير ولنماذج التعلم الآلي (Machine Learning).

أبرز مهامي وخبراتي:

خطوط أنابيب ETL / ELT: كتابة سكربتات مخصصة باستخدام Python (Pandas, NumPy) لمعالجة تغير الهيكلية (Schema Drift)، السجلات المفقودة، وتعديل أنواع البيانات (Type Coercion) بمرونة وبدون توقف مفاجئ للعمليات أثناء التشغيل.

نمذجة وتحسين أداء قواعد البيانات: تصميم المخططات (Normalization / Denormalization)، استعلامات الربط المعقدة (Multi-table Joins)، الدوال النافذية (Window Functions)، استراتيجيات الفهرسة (Indexing Strategies)، وال Stored Procedures عبر PostgreSQL، MS SQL Server، و MongoDB.

تجهيز البيانات للتعلم الآلي (ML Prep): بناء خطوط الأنابيب البرمجية لاستخراج الميزات (Upstream Feature Engineering) — بما في ذلك الترميز الفئوي (Categorical Encoding)، التحجيم القياسي (Scaling)، وتصفية القيم الشاذة (Outlier Filtering) — تمهيداً لتدريب النماذج باستخدام Scikit-Learn.

الاستهلاك الدوري والربط عبر البرمجيات (API & Batch Ingestion): جدولة عمليات الاستخراج من نقاط الاتصال الخارجية (APIs)، مع تطبيق آليات التعامل مع حدود المعدل (Rate Limits)، إعادات المحاولة المباشرة (Retry Mechanisms)، وتسجيل السجلات (Logging) لتتبع ومعالجة الحالات الحدية (Edge Cases).

تقنياتي الأساسية (Core Stack):

لغات البرمجة: Python, SQL, C++

معالجة البيانات: Pandas, NumPy, Scikit-Learn

قواعد البيانات: PostgreSQL, Microsoft SQL Server, MongoDB

بيئة العمل والتطوير: Git, Linux, Docker, REST APIs

إذا كان لديك خط أنابيب متعطل، استعلام قواعد بيانات بحاجة إلى تحسين الأداء، أو تريد بناء خط معالجة واستهلاك بيانات من الصفر؛ أرسل لي وصفاً موجزاً عن بياناتك الخام والمخرجات والنتائج التي تطمح إليها.