الخبرة

دكتوراه في الذكاء الاصطناعي

الموضوع: التعرف على الخط المخطوط في المخطوطات العلمية العربية الوسيطة وتطوير نماذج لغوية كبيرة متخصصة.

شهادة مهندس دولة في الذكاء الاصطناعي والهندسة الحاسوبية

قبول انتقائي على أساس المعدل. تخرج بمرتبة الشرف العليا.

السلك التحضيري المدمج في الرياضيات والفيزياء وعلوم المهندس

البكالوريا في العلوم الرياضية (الخيار الفرنسي)

مرتبة الشرف العليا.

باحث دكتوراه، مشروع ATHAAR

الهدف: التعرف الآلي على «القانون المسعودي» للبيروني لدعم تحقيقه العلمي.

• بناء مجموعة بيانات مرجعية للتعرف على الخط اليدوي انطلاقاً من نسخ المخطوط باستخدام Calfa Vision وPAGE-XML.
• تقييم مقارن لنماذج الرؤية واللغة والنماذج اللغوية الكبيرة في وضعي zero-shot وfew-shot.
• وضع تصنيف للأخطاء ومصنّف آلي للأخطاء قائم على القواعد.

متدرب باحث، ذكاء اصطناعي وتصوير طبي

الهدف: تجزئة الصور الطبية باستخدام تقنيات التعلم المحدود.

• مراجعة الأدبيات العلمية في خوارزميات التجزئة بالبيانات المحدودة والتعلم المحدود.
• معالجة صور الرنين المغناطيسي والتصوير المقطعي وفهم خصائصها وصيغها.
• تطوير نموذج تجزئة مبني على معمارية U-Net في تهيئة التعلم المحدود.

مطوّر تطوعي في رؤية الحاسوب

الهدف: منصة ذكية لترجمة لغة الإشارة إلى نص في الوقت الحقيقي للصم والبكم.

• مراجعة الأدبيات في أساليب كشف اليد وتجزئتها.
• تطوير خوارزمية CNN للتعرف على إيماءات اليد.
• بناء واجهة مستخدم ونشر الخوارزميات باستخدام Flask وOpenCV.

متدرب في رؤية الحاسوب

الهدف: حل ذكي لتجزئة مناطق الضرر في المركبات لتقييم التأمين تلقائياً.

• جمع صور السيارات ومعالجتها باستخدام Python وSelenium وScrapy.
• تنفيذ شبكة CNN لتصنيف المركبات المتضررة باستخدام PyTorch.
• تطوير خوارزمية للتحقق من لوحات الترقيم تجمع CNN والتعرف البصري على الحروف.

متدرب في الذكاء الاصطناعي ومعالجة الصور

الهدف: كشف معدات الحماية الشخصية من الفيديو للحد من المخاطر التشغيلية في البيئات الصناعية.

• بناء مجموعة بيانات منظمة تحتوي على فئات متنوعة من معدات الحماية الشخصية.
• تصميم خوارزمية لكشف معدات الحماية الشخصية والتعرف عليها معتمدة على CNN.

أستاذ مساعد، 32 ساعة من الأعمال التطبيقية

الهدف: تدريس الخوارزميات والذكاء الاصطناعي في مرحلة الإجازة.

• الخوارزميات (السنة الأولى): 26 ساعة من الأعمال التطبيقية بلغة Python حول الترتيب والتعقيد.
• الذكاء الاصطناعي (CUPGE، السنة الثانية): 6 ساعات من الأعمال التطبيقية.

الإشراف على تدريب بحثي (ماستر 2)

الهدف: شرح المدونة ضمن مشروع ATHAAR.

• تحديد استراتيجية الشرح وتحرير دليل شرح مفصّل.