محمد ا.

أنا محمد إسلام متولي عواد، خريج كلية الحاسبات والذكاء الاصطناعي – جامعة الزقازيق، قسم الذكاء الاصطناعي.

متخصص في الذكاء الاصطناعي وتعلم الآلة والتعلم العميق وتحليل البيانات، ولدي خبرة عملية من خلال 5 مشاريع كاملة نفذتها من مرحلة البحث والتحليل وحتى النشر الفعلي.

من أبرز المشاريع اللي نفذتها:

فحص صحة النبات (Plant Health Checker) — مشروع تخرج

نظام ذكاء اصطناعي متكامل يشخّص أمراض النباتات من صورة ورقة واحدة، يغطي 15 نوع مرض في الفلفل والبطاطس والطماطم، باستخدام مجموعة بيانات (PlantVillage) وعدد 20,643 صورة.

درّبت وقارنت 4 نماذج تعلم منقول وهي (ResNet50)، و(DenseNet121)، و(MobileNetV3-Large)، و(ConvNeXt-Tiny)، ودمجتهم في نموذج مجمّع وصل لدقة اختبار 99.71%.

بنيت تطبيق الويب بالكامل مع تقنية (Grad-CAM) لتوضيح مكان الإصابة بصريًا.

كشف أمراض الصدر من الأشعة (Chest X-Ray Disease Detection) — مشروع تخرج جماعي (DEPI)

كنت مسؤول عن النموذج وخط معالجة البيانات.

بنيت نموذج (ResNet50) لكشف 14 مرض صدري من صور الأشعة، على مجموعة بيانات (NIH ChestX-ray14) وعدد 112,120 صورة، تصنيف متعدد التسميات.

استخدمت دالة خسارة مركّزة (Focal Loss) وإعادة أخذ عينات ديناميكية لمعالجة عدم توازن البيانات.

حققنا 92.85% متوسط دقة تصنيف، ونشرناه كتطبيق ويب تفاعلي عبر منصة (Streamlit) بزمن استجابة أقل من ثانية.

توقع الدخل (Income Prediction) — مشروع تخرج (NTI)

نظام تصنيف يتوقع هل دخل الفرد يتجاوز 50 ألف دولار سنويًا، باستخدام بيانات (Adult Census Income) وعدد 48,842 سجل.

طبّقت تحويل لوغاريتمي ومعالجة القيم الشاذة وتقنية موازنة البيانات (SMOTE) لمعالجة عدم توازن الفئات.

درّبت نموذج (XGBoost) حقق 83.31% دقة، وقيمة 0.89 لمنحنى الأداء.

توقع أسعار العقارات (House Price Prediction)

نموذج انحدار مبني على (XGBoost) لتوقع أسعار المنازل على بيانات (California Housing) وعدد 20,640 سجل، بدقة وصلت إلى 0.837.

توقع حالة الطقس (Weather Prediction)

نموذج انحدار لوجستي للتنبؤ بحالة الطقس، وصل لدقة 85.07% بعد ضبط المعاملات باستخدام أسلوب البحث الشبكي (GridSearchCV).

التدريبات والشهادات:

مسار تعلم الآلة، من مبادرة رواد مصر الرقمية (DEPI)، برعاية وزارة الاتصالات وتكنولوجيا المعلومات المصرية، وحصلت من خلاله على شهادة مهندس تعلم آلة من مايكروسوفت.

تدريب في رؤية الحاسوب (Computer Vision)، من معهد تكنولوجيا المعلومات (ITI).

تدريب في تعلم الآلة، من المعهد القومي للاتصالات (NTI).

دورة تحليل البيانات، من منصة كورسيرا (Coursera).

الأدوات والمكتبات:

لغات البرمجة: بايثون، سي بلس بلس، سي.

أطر عمل التعلم العميق والآلي: (TensorFlow)، (PyTorch)، (Scikit-learn)، (Keras)، (OpenCV).

مكتبات تحليل البيانات: (Pandas)، (NumPy)، (Matplotlib)، (Seaborn).

أدوات النشر والتتبع: (MLflow)، (Streamlit).

هدفي إني أساعد الشركات والأفراد يستفيدوا من تقنيات الذكاء الاصطناعي، من خلال تحليل البيانات الضخمة واستخراج الأنماط المهمة وتقديم حلول ذكية تدعم النمو وتحسّن الأداء، بدقة وجودة والتزام بالمواعيد.