عالم بيانات | مهندس تعلم آلي | حلول الذكاء الاصطناعي
مرحبًا، أنا مازن، عالم بيانات ومهندس تعلم آلي شغوف بتحويل البيانات الخام إلى رؤى قابلة للتنفيذ وحلول قائمة على الذكاء الاصطناعي. لدي خبرة عملية في Python، SQL، وأطر الذكاء الاصطناعي، وأتخصص في النمذجة التنبؤية، التعلم العميق، وتحليل البيانات.
ما أقدمه:
التعلم الآلي والذكاء الاصطناعي: التعلم الموجّه وغير الموجّه، الشبكات العصبية التلافيفية (CNNs)، الشبكات العصبية متعددة الطبقات (MLP)، TensorFlow
علم البيانات والتحليلات: تنظيف البيانات، هندسة الميزات، النمذجة الإحصائية
التعلم العميق ورؤية الحاسوب: التعرف على الصور، معالجة اللغة الطبيعية (NLP)، الشبكات العصبية
البيانات الضخمة ومعالجة البيانات: Pandas، NumPy، SQL
تصور البيانات: Matplotlib، Seaborn، Power BI
أهم المشروعات:
اكتشاف الالتهاب الرئوي باستخدام نماذج CNN و MLP و Kann
تعاونت مع فريق مكون من 5 أعضاء لتطوير نماذج للكشف عن الالتهاب الرئوي باستخدام الشبكات العصبية التلافيفية (CNN)، والشبكات العصبية متعددة الطبقات (MLP)، وKann.
قمت بعمليات معالجة البيانات وزيادة البيانات لتحسين دقة النموذج.
شاركت في تدريب النماذج وتقييمها وتحسين أدائها لتحقيق أفضل النتائج عبر خوارزميات مختلفة.
ساهمت في توثيق وعرض نتائج المشروع، موضحًا فعالية نهج التعلم الآلي المختلف.
محاكاة العيادات باستخدام خوارزميات الطوابير
طورت نموذج محاكاة لإدارة عمليات العيادات باستخدام خوارزميات الطوابير لتنظيم تدفق المرضى وعمليات الاستشارة.
قمت بتنفيذ نظام طوابير بالأولوية لضمان حصول الحالات العاجلة على استشارات في الوقت المناسب.
أجريت تجارب لتقييم تأثير إدارة الطوابير على وقت انتظار المرضى وكفاءة العيادة بشكل عام.
جمعت وحللت البيانات المتعلقة بمتوسط وقت الانتظار لتحسين جودة الخدمات ورضا المرضى.
لوحة تحكم لمجموعة بيانات الموارد البشرية باستخدام Power BI
توقع أسعار المنتجات في التجارة الإلكترونية باستخدام التعلم الآلي
هذا المشروع يقوم ببناء نموذج توقع لأسعار المنتجات في التجارة الإلكترونية بناءً على عدة ميزات، ويتضمن:
تحليل استكشافي للبيانات (EDA) لتنظيف البيانات ومعالجتها مسبقًا.
استخدام خوارزميات مثل Random Forest Regressor و Linear Regression لتوقع الأسعار.
ضبط المعلمات الفائقة باستخدام GridSearchCV لتحقيق الأداء الأمثل.
تقييم النموذج باستخدام مقاييس مثل MSE و RMSE و MAE.
نشر النموذج باستخدام Streamlit، مما يتيح للمستخدمين إدخال تفاصيل المنتجات والحصول على توقعات الأسعار في الوقت الفعلي.
يساعد هذا النموذج الشركات على تحسين استراتيجيات التسعير، والبقاء في المنافسة، وتعزيز تجربة العملاء.