بياناتك مليئة بالإجابات، لكن من غير النموذج المناسب تظل مجرد أرقام. سواء كانت المشكلة في التنبؤ غير الدقيق، أو توزيع الموارد، أو تطبيقات الذكاء الاصطناعي التي تقدم نتائج غير موثوقة، فهدفي هو تحويل هذه التحديات إلى حلول عملية يمكن الاعتماد عليها.
أنا نهال، Machine Learning Engineer وطالبة ماجستير في Artificial Intelligence & Data Science بجامعة Queen's University في كندا. أعمل على تصميم وتطوير حلول تعتمد على Machine Learning، وDeep Learning، وLarge Language Models (LLMs)، وReinforcement Learning، مع التركيز على بناء أنظمة تحقق قيمة حقيقية.
من أبرز مشاريعي:

Fine-Tuning لنموذج Llama 3.2 على أكثر من 23.9 مليون مراجعة باستخدام AWS وPySpark.
تطوير نموذج Reinforcement Learning لتحسين توزيع موارد المستشفيات وتحقيق تحسن بلغ 52.8% مقارنة بالحل الأساسي.
المشاركة في بحث علمي للتنبؤ بالطاقة المستهلكة في شحن السيارات الكهربائية باستخدام Random Forest وتحقيق R² = 0.851.
تطوير نموذج U-Net لتحليل الصور الطبية بدقة Dice Score = 0.92 مع إجراء Ablation Studies للتحقق من الأداء.

أعمل باستخدام: Python، PyTorch، TensorFlow، Scikit-learn، AWS، PySpark، Docker، Hugging Face، بالإضافة إلى تقنيات LoRA وQLoRA لتخصيص نماذج اللغة الكبيرة.
كما أحرص على توثيق المشاريع التقنية وإعداد التقارير والعروض التقديمية باحترافية، بما يضمن وضوح النتائج وسهولة عرضها.
أؤمن أن أفضل الحلول تبدأ بفهم المشكلة أولًا، ثم اختيار التقنية المناسبة لها، وليس العكس.