زينب ش.

أنا مهندسة تعلم آلة (Machine Learning) وطالبة بكلية الحاسبات والذكاء الاصطناعي، متخصصة في تحليل البيانات وبناء نماذج التنبؤ والتصنيف باستخدام Python. أمتلك خبرة في تنفيذ دورة العمل الكاملة لمشاريع تعلم الآلة (ML Pipeline) بدءًا من فهم المشكلة وتحليل البيانات، مرورًا بتنظيف البيانات ومعالجة القيم المفقودة واكتشاف القيم الشاذة (Outliers)، ثم اختيار الخصائص المناسبة (Feature Selection) وتطبيق تقنيات التحجيم (Feature Scaling)، وصولًا إلى تدريب النماذج وتقييمها وتحسين أدائها.

عملت على مشاريع تطبيقية تضمنت بناء ومقارنة عدة نماذج تصنيف مثل Logistic Regression و Decision Tree و Random Forest و KNN و Gradient Boosting، مع تحليل الأداء باستخدام مؤشرات مثل Accuracy و ROC-AUC واختيار النموذج الأفضل بناءً على النتائج الفعلية.

أستخدم في عملي الأدوات والتقنيات التالية:

Python – Pandas – NumPy – Scikit-learn – Matplotlib – Seaborn

كما أعمل على Kaggle في استكشاف البيانات والتعامل مع الدatasets الواقعية، وأستخدم Jupyter Notebook و Google Colab لتطوير النماذج وتنفيذ التحليلات بشكل منظم واحترافي.

أركز على تقديم حلول عملية مبنية على تحليل دقيق للبيانات، مع كتابة كود منظم وواضح وقابل للتطوير، والالتزام بالمواعيد النهائية وجودة النتائج. هدفي هو مساعدة العملاء على تحويل بياناتهم إلى قرارات واضحة ونتائج قابلة للتنفيذ.