تخطي إلى المحتوى الرئيسي
Hany Sabeh

Hany Sabeh

مهندس ذكاء اصطناعي أول · الرؤية الحاسوبية وهندسة البيانات · الذكاء الاصطناعي الطرفي وعمليات تعلم الآلة

كفاءة
Dubaiعضو منذ ٢٨ يونيو ٢٠٢٦
PyTorchLightGBMOpenCVANPR/OCRTensorRTONNXJetson Orin NX (ARM64)SnowflakeDocker & ComposesystemdRedis StreamsالمراقبةSQL ServerPostgreSQLSQLiteMongoDBRedisApache HadoopPySparkPythonFlaskStreamlitWebSocketSQLFFmpegAvigilonPower BISSISNokia NPMHuawei PRS
·

وظّف هذا الشخص

أرسل عرض عمل مباشرة لهذا المرشح

PyTorchLightGBMOpenCVANPR/OCRTensorRT

نبذة

مهندس ذكاء اصطناعي أول بخبرة تزيد عن 10 سنوات في تصميم ونشر أنظمة الذكاء الاصطناعي وهندسة البيانات في بيئات الإنتاج، عبر مجالي إنفاذ قوانين المرور الذكي والاتصالات على المستوى الوطني. يطوّر حلول رؤية حاسوبية آنية على أجهزة طرفية محدودة الموارد — تشمل الكشف باستخدام YOLO11 ودمج LiDAR وANPR/OCR والاستدلال المحسّن باستخدام TensorRT على NVIDIA Jetson — مدعومة بخبرة تمتد لعقد في هندسة بيانات المستشعرات ومؤشرات الأداء الرئيسية واسعة النطاق. قائد تقني عملي يساهم في البنية المعمارية والتنفيذ والإرشاد، ويتعاون مباشرةً مع موردي الأجهزة وفرق العمليات والجهات الحكومية.

الخبرة

مهندس أول للذكاء الاصطناعي والبيانات - YAS ELECTRONICS SYSTEMS - Sharjah, UAE

(2023-10)

  • صمّم البنية المعمارية وقاد التسليم الشامل لمنصة ذكاء اصطناعي إنتاجية لإنفاذ قوانين المرور في الوقت الفعلي، مع دمج الكشف باستخدام YOLO11 وتتبع الأجسام المتعددة وANPR/OCR ومحركات المخالفات القائمة على القواعد وأتمتة سير العمل عبر مصفوفات كاميرات Basler الصناعية وكاميرات Avigilon الشبكية.
  • هندس نظام خدمات مصغّرة مرنًا يتألف من 6 خدمات (الكاميرا والكشف وANPR والفيديو وWebRTC وواجهة الويب)، يجري تنسيقه عبر Redis Streams باستخدام مجموعات المستهلكين وإعادة التشغيل التلقائي بتراجع أسي وفحوصات سلامة دورية؛ ونُشر باستخدام Docker Compose وsystemd على NVIDIA Jetson Orin NX (ARM64) وخوادم Ubuntu بمعمارية x86_64.
  • حوّل نماذج التعلم العميق المبنية باستخدام PyTorch وحسّنها عبر ONNX إلى TensorRT، مما خفّض زمن الاستدلال لتلبية متطلبات التشغيل الفوري على الأجهزة الطرفية محدودة موارد GPU.
  • دمج محرك ANPR تجاريًا (Adaptive Recognition CARMEN/ARH SDK) مع مسارات تتبع مخصصة باستخدام YOLO11، شملت منطق فترة انتظار لكل مركبة ومطابقة القوائم السوداء وسجلات اللوحات في SQLite، لإصدار المخالفات آليًا؛ واشترط إتاحة الإصدار اجتياز مجموعة اختبارات آلية تضم أكثر من 3,700 اختبار، مع محاكيات للأجهزة لاختبار إدخال وإخراج الكاميرات والمستشعرات.
  • قدّم كشفًا آنيًا بدقة 85% لمخالفات حزام الأمان واستخدام الهاتف المحمول، مع بث MJPEG مباشر ومراقبة آلية للموثوقية.
  • وسّع المنصة لتشمل الإدراك باستخدام LiDAR ثلاثي الأبعاد؛ إذ يرسل Ouster OS1 المثبّت على هيكل الكاميرات سحبًا نقطية عبر Ouster Sensor SDK، وتُدمج مع اكتشافات الكاميرات لقياس موضع المركبة وسرعتها وإشغال المسار باستقلالية عن الإضاءة المحيطة وبموثوقية بعد حلول الظلام، حين تتراجع دقة التقدير القائم على الصور.
  • أنشأ سير عمل التعليق التوضيحي ثلاثي الأبعاد في CVAT؛ حيث صُدّرت إطارات LiDAR بصيغة PCD، ووُسِمت المركبات على هيئة مجسمات مكعبة ثلاثية الأبعاد (الموضع والأبعاد والاتجاه) بالاستناد إلى المشاهد السياقية المتزامنة من الكاميرات، ثم صُدّرت كمجموعات بيانات KITTI لتدريب نموذج الكشف ثلاثي الأبعاد وتقييمه.
  • صمّم البنية المعمارية لنظام للتحقق من الوجوه قائم على التعلم العميق باستخدام تضمينات InsightFace ArcFace، لتأكيد الهوية ضمن سير عمل متكامل للأمن والتحكم في الدخول.
  • هندس مسار المعالجة بالكامل — كشف الوجه ← محاذاته ← استخراج التضمينات ← المطابقة باستخدام التشابه الجيبي — مع معايرة عتبات القرار استنادًا إلى معدلات القبول الخاطئ والرفض الخاطئ، وإضافة تسجيل تدقيق شامل.
  • قيّم Qdrant وMilvus للبحث عن هوية واحدة من بين N هويات، وضبط فهارس HNSW للموازنة بين الاستدعاء وزمن الاستعلام.
  • أنشأ منصة عمليات باستخدام Flask/Waitress وWebSocket، تضم أكثر من 20 مخططًا معياريًا تشمل إعداد الكاميرات والتسجيل بنمطَي FFmpeg/OpenCV وANPR والتحكم بالخدمات ومعرضًا للمخالفات قائمًا على الأدوار، وذلك فوق قاعدة بيانات أدلة المركبات المخالفة، مع لوحات لمراقبة الخدمات وتفعيل عن بُعد للإدارة المركزية للأسطول.
  • قدّم قيادة تقنية وإرشادات معمارية وإرشادًا للمهندسين المبتدئين، وتعاون مع موردي الكاميرات وLiDAR وفرق العمليات ومالكي المنتجات والجهات الحكومية خلال مراحل التسليم.

عالم بيانات - TELECOM EGYPT - Egypt

(2019-02 - 2023-10)

  • أنشأ منصات تحليلات بمستوى المؤسسات باستخدام Python وStreamlit وSQL Server وPower BI، وقدّم أكثر من 15 سير عمل آليًا لإعداد التقارير الخاصة بتدقيق الشبكات ومراقبة مؤشرات الأداء الرئيسية والكشف الاستباقي عن الأعطال، لخدمة مئات مهندسي الاتصالات.
  • استخدم LightGBM ونماذج تعلم الآلة للتنبؤ بمؤشرات أداء الشبكات واكتشاف الحالات الشاذة والمعالجة الاستباقية للشكاوى، مما قلّل متوسط زمن اكتشاف أحداث تدهور الشبكة.
  • نفّذ مسارات بيانات ضخمة قابلة للتوسع باستخدام Apache Hadoop وSpark/PySpark لمعالجة مجموعات بيانات شبكات اتصالات واسعة النطاق.
  • صمّم ونشر مسارات ETL لدمج SQL Server وPostgreSQL وMongoDB وواجهات API وملفات الأنظمة؛ وأنشأ حزم SSIS لمطابقة البيانات عبر الأنظمة الداخلية والخارجية.
  • درّب واستضاف نماذج مؤشرات أداء الشبكات واكتشاف الحالات الشاذة على AWS SageMaker، واستكمل مسارات العمل المحلية بتحليلات وتخزين بيانات سحابية مدعومة بـ Snowflake.

محلل بيانات ومهندس اتصالات - HUAWEI TECHNOLOGIES - Egypt

(2016-03 - 2019-02)

  • طوّر ونشر أربع أدوات أتمتة باستخدام Python (Pandas وMatplotlib وTkinter وStreamlit) لاستخراج البيانات من Nokia NPM وHuawei PRS وSwissQual NQDI وSQL Server، مما قلّل وقت المعالجة اليدوية لدى المحللين.
  • أنشأ نماذج بيانات تحوّل بيانات تشغيل الاتصالات الخام إلى رؤى قابلة للتنفيذ بشأن مؤشرات الأداء الرئيسية (CBR وCDR وCST ومعدل النقل) لجهات معنية في الهندسة والإدارة.
  • قدّم تحليلات مكانية جغرافية باستخدام KMZ، أتاحت تصور أداء الشبكة وتقييمه على مستوى المجموعات.

ضابط، قوات الدفاع الجوي المصرية - MILITARY SERVICE

(2013-05 - 2015-10)

التعليم

B.Sc. - هندسة الاتصالات - Assiut University (2012)

المهارات

مهندس ذكاء اصطناعي أولالرؤية الحاسوبية وهندسة البياناتالذكاء الاصطناعي الطرفي وعمليات تعلم الآلة

التقييمات

ذات صلة