艾哈迈德确切，开罗开发人员，埃及开罗省
艾哈迈德 is 可用 租用
雇佣 艾哈迈德

艾哈迈德确切

验证专家  in 工程

数据科学家和机器学习开发人员

位置
开罗，埃及开罗省
至今成员总数
2021年6月8日

艾哈迈德是一位资深数据科学家，拥有创新数据科学项目的Experience, 他在微软工作了四年，参与了金融科技项目, 电子商务, 媒体, 还有石油和天然气行业. 艾哈迈德与客户的工程团队合作，建立了完整的管道, 包括数据摄取, 机器学习模型, 以及部署到生产环境. 他拥有美国一所顶级商学院的计算机科学和机器学习硕士学位，这为他的行业Experience提供了支持.

算法机器学习数据分析自然语言处理(NLP)聚类整体方法人工智能(AI)深度学习推荐系统PythonSciPySQLGraphDB数据可视化时间序列分析Azure机器学习预测分析

Portfolio

微软
数据科学，机器学习，Azure机器学习，深度学习...
精灵
Python，数据分析，客户流失分析，机器学习，分类...
基准实验室中东
JavaScript, GPT，生成预训练变形器(GPT)...

Experience

Python - 8年机器学习- 5年数据科学- 5年Azure机器学习- 3年Azure - 3年深度学习- 3年强化学习- 3年机器学习操作(MLOps) - 3年

Availability

兼职

首选的环境

Python，数据科学

最神奇的...

...我创造了一个管道, 包括一个ML模型，通过适当的风险评估，使金融科技公司获得短期贷款的机会增加了24%.

工作Experience

高级数据科学家

2018年至今
微软
  • 在销售部门的创新团队工作. 该团队将研究、先进技术和微软战略客户联系起来.
  • 通过创建涉及数据摄取的数据平台，与微软战略客户共同创新, 存储, 和见解. 这是在与客户进行探索性数据分析研讨会之后完成的.
  • 创建机器学习模型来解决高级问题, 比如信用风险评估, 元学习视频分类, 以及基于客户场景的GraphDB推荐引擎.
Technologies: 数据科学，机器学习，Azure机器学习，深度学习, Azure数据工厂, Python, JavaScript, 财务数据, EDA, 推荐系统, GraphDB, 社交网络, 社会网络分析, 信用风险, 分类, 深度强化学习, 电子商务, 聚类, Azure、Azure函数, 计算机工程, 数据分析, 机器学习操作(MLOps), GPT, 自然语言处理(NLP), 生成预训练变压器(GPT), 数据可视化, 算法, SQL, 强化学习, 软件开发, 设计模式, 软件部署, 生产分析, Azure SQL数据库，NoSQL, 风险模型, 消费贷款, 情节, 建模, 统计建模, 数据建模, 工程数据, PyTorch, 预测分析, 人工智能(AI)

数据科学家

2018 - 2018
精灵
  • 为机场和航空公司开发自定义命名实体识别，以注释旅行查询并自动执行航班预订流程.
  • 建立了一个探索性和预测性分析的报告系统，以发现数据中的趋势和异常. 该系统还报告了流失用户，并确定了与流失用户重新接触的常见场景.
  • 训练一个LSTM垃圾邮件分类器来识别有恶意行为的用户.
技术:Python，数据分析，客户流失分析，机器学习，分类, 聚类, 计算机工程, Google Data Studio, 命名实体识别(NER), EDA, LSTM, 深度学习, 算法, 强化学习, 软件开发, 数据科学, 软件部署, SQL, NoSQL, 情节, 建模, 数据建模, 预测分析, 人工智能(AI)

数据科学家

2017 - 2018
基准实验室中东
  • 开发了一个图书咨询聊天机器人(sipof).在Facebook的中东和非洲机器人生产力和效用信使挑战赛中获得第一名.
  • 在图书数据上训练Doc2Vec模型，寻找相似之处并推荐相似的图书.
  • 训练一个端到端记忆网络(MemN2N)，用于书籍推荐和书籍问答.
技术:JavaScript, 生成预训练变压器(GPT), 自然语言处理(NLP), GPT, 算法, Python, 机器学习, 软件开发, 计算机工程, 数据科学, 软件部署, 分类, Word2Vec, SQL, NoSQL, 建模, 数据建模, 预测分析, 人工智能(AI)

初级数据科学家

2016 - 2017
认知
  • 创建了一个由三个阶段组成的产品链接管道——索引, 匹配, 和分类——从不同的电子商务网站创建一个主产品.
  • 在三个不同的电子商务网站中，阿拉伯语和英语产品的准确率达到77%.
  • 使用户能够比较不同电子商务网站的产品, 使用这个三阶段的管道，用标题和价格范围这样少的数据来匹配产品，并创建主产品页面.
技术:Python, 电子商务, 机器学习, 聚类, 分类, 文本分类, Word2Vec, 算法, 软件开发, 计算机工程, 数据科学, 软件部署, 建模, 数据建模, 预测分析, 人工智能(AI)

金融科技信用风险评估与限额预测

我创建的MLOps管道, 包括一个使用中小型商业交易的机器学习模型, 评估他们的信用风险等级, 并确定了适当的延期付款限额. 这使金融科技公司获得短期贷款的机会增加了24%，违约率降低了5%.

基于集成分类器的文本情感识别

实现了一个集成分类器系统来对输入文本中的情绪是否为愤怒进行分类, 厌恶, 恐惧, 悲伤, 或快乐. 该系统基于三个学习器:两个统计学习器和一个知识库学习器, 以多数表决方式组成的. 该系统能够从推文中对情绪进行分类，F1得分为95%.

用户购买和流失分析的仪表板

开发了一个用于探索性和预测性分析的报告系统，以发现数据中的趋势和异常. 该系统还报告了流失用户，并根据他们之前的购买模式确定了与流失用户重新接触的常见场景, 季节性会计. 仪表板是用Python创建的，并在Google Data Studio上可视化. 使用这个项目, 营销团队能够迅速与用户互动，并将购买流失率降低24%.
2019 - 2021

计算机科学硕士学位

佐治亚理工学院-亚特兰大，佐治亚州，美国

2011 - 2016

计算机工程学士学位

艾因沙姆斯大学-开罗，埃及

2021年1月- 2023年1月

微软Azure开发助理

微软

2020年3月- 2022年3月

微软认证:Azure数据科学家助理

微软

库/ api

SciPy, LSTM, PyTorch, Natural Language Toolkit (NLTK)

工具

Azure机器学习，plot，命名实体识别(NER)

语言

Python, SQL, JavaScript

范例

数据科学，设计模式

平台

Azure、Azure函数

存储

Azure SQL数据库，NoSQL

其他

机器学习, 强化学习, 深度学习, 软件开发, 计算机工程, 软件部署, 数据分析, 自然语言处理(NLP), 聚类, 分类, 文本分类, 整体方法, EDA, 推荐系统, 信用风险, 算法, 建模, 数据建模, 预测分析, 人工智能(AI), GPT, 生成预训练变压器(GPT), 深度强化学习, 机器学习操作(MLOps), Azure数据工厂, 电子商务, Word2Vec, 财务数据, GraphDB, 社交网络, 社会网络分析, Google Data Studio, 数据可视化, 时间序列分析, 风险模型, 统计建模, 工程数据, 生产分析, 趋势分析, 消费贷款, 交易, 交易的应用程序, 光学字符识别

有效的合作

如何使用Toptal

在数小时内，而不是数周或数月，我们的网络将为您直接匹配全球行业专家.

1

分享你的需求

在与Toptal领域专家的电话中讨论您的需求并细化您的范围.
2

选择你的才能

在24小时内获得专业匹配人才的简短列表，以进行审查，面试和选择.
3

开始你的无风险人才试验

与你选择的人才一起工作，试用最多两周. 只有当你决定雇佣他们时才付钱.

对顶尖人才的需求很大.

开始招聘