ذكاء اصطناعي / MLOps · مدرّب معتمد

أتعلّم بالبناءأنظمة تعلّم آلة من البداية للنهاية

علم البيانات والذكاء الاصطناعي، جامعة آل البيت. أحبّ أن آخذ المشروع أبعد من دفتر التجارب، إلى API وحاوية ونشر فعلي، وأتعلّم مما ينكسر في الطريق.

شاهد الأعمال

يحيى لبابنه يشغّل روبوتات خدمية في مؤتمر تقني — يحيى — إربد، ٢٠٢٦

أعمال مختارة

ثلاثة مشاريع، وثلاثة قيود كان عليّ أن أعمل ضمنها.

كل مشروع معروض بالطريقة نفسها: القيد الذي شكّل المسألة، والقرار الذي قاد إليه، وإلى أين وصل.

OmniDiagدعم قرار سريري قابل للتفسير

نظام دعم قرار سريري بوحدتين: الشرايين التاجية والكشف عن اضطراب سكر الدم. كل وحدة تجيب بإحالة أو لا إحالة أو غير مؤكد، مع فترة احتمال معايَرة وأسباب الإجابة.

اقرأ دراسة الحالة

شرح مصوّر نسخة حيّة الشيفرة

لوحة نتيجة OmniDiag تقول إحالة مع توصية بفحص تأكيدي، بفترة احتمال معايَرة 85.9%–87.1% — لوحة النتيجة: قرار وفترة احتمال معايَرة، لا درجة مجرّدة

القيد: بلا عتبة وبلا شرائح خطر. معنى الاحتمال لا ينتقل من مستشفى إلى آخر، لذلك يجيب النموذج بقرار لا بدرجة.
القرار: نموذج Spline-GLM معايَر بطريقة Venn-Abers، وقرار conformal منفصل حسب الجنس. حالة "غير مؤكد" تُعامَل كإحالة في كل النظام، ويقع فيها نحو 40% من المرضى.
النتيجة: AUC 0.802 شرايين تاجية0.752 اضطراب سكر الدم

AI-Sourcing Hubتزويد B2B عابر للحدود

يربط المستوردين الأردنيين بموردين صينيين: محرّك لتكلفة الوصول، وخط OCR لكتالوجات الموردين، وسلسلة استخلاص بنماذج لغوية مع تبديل تلقائي للمزوّد.

اقرأ دراسة الحالة

نسخة حيّة الشيفرة

حاسبة التكلفة الواصلة في AI-Sourcing Hub: سطر منتج، ثم مرحلة CIF ومرحلة الجمارك والرسوم بندًا بندًا — تفصيل التكلفة — كل بند يعود إلى صفّ تعرفة

القيد: تكلفة وصول لا يثق بها أحد رقمٌ لا يستعمله أحد — كان عليها أن تكون قابلة للتدقيق بندًا بندًا.
القرار: ثلاث مراحل — CIF، ثم الجمارك، ثم الهامش التجاري — مع تقييم آمن لصيغ التعرفة عبر AST بدل eval.
النتيجة: جداول تعرفة بحسب رمز HS، واستخلاص يصمد أمام تعطّل المزوّد

EMG Gesture Classificationمعالجة إشارات تحت قيود قاسية

تصنيف أربع إيماءات من قناة EMG واحدة في الساعد، مع عيّنة أشخاص صغيرة. تشخيص البيانات أولًا، ثم التنظيف، ثم هندسة السمات.

اقرأ دراسة الحالة

مخطط أعمدة: المصنّف يحقق 45.0% على تسجيلات EMG الحقيقية بتردد 20Hz و56.5% على ضجيج غاوسي اصطناعي بالشكل نفسه؛ مستوى الصدفة 25% — التسجيلات الحقيقية سجّلت أقل من الضجيج — المشكلة كانت في معدل أخذ العينات

القيد: قناة واحدة، وعيّنة أشخاص صغيرة. لا مستشعر ثانٍ نلجأ إليه.
القرار: اختبار البيانات مقابل ضجيج مطابق قبل ضبط أي نموذج. هذا أرجع الفشل إلى معدل أخذ عينات 20Hz. بعد تعديل البرنامج الثابت إلى 500Hz: خمس عشرة سمة يدوية عبر خمس عائلات.
النتيجة: قرابة 55–60% على مشاركين جدد (LOSO)مقابل 25% بالصدفة

كيف يمكنني المساعدة

أين أُضيف قيمة

للفرق التي توظّف

شخص يوصل مشاريع تعلّم الآلة حتى النشر، ويتعلّم من كل واحد منها

بنيتُ خدمات وخطوط نماذج من طرف إلى طرف باستخدام FastAPI وDocker وPostgreSQL وMLflow، ووثّقتُ المنطق خلف كل قرار فيها.

مدرّب معتمد (TOT) مرّتين · مدرّب روبوتات ومتحدّث مدعو · ثلاث سنوات في العمل الطلابي · ستة أشهر قائدًا للفريق

شاهد كيف أوثّق نظامًا

أيضًا · عمل حرّ

أنفّذ أيضًا مشاريع حرّة للشركات: أتمتة، واستخلاص البيانات من المستندات، ودمج الذكاء الاصطناعي، مبنية حول بيانات الواقع.

ناقش مشروعًا

المسار

كيف وصلت إلى هنا

٢٠٢٥شهادتا TOT · المركز الأول، Pickaxe
تموز ٢٠٢٥ — مستمرOmniDiag
أيلول ٢٠٢٥ — شباط ٢٠٢٦قائد فريق، فريق العهد
حزيران ٢٠٢٦ — مستمرAI-Sourcing Hub