- تطوير نماذج الانحدار السببي للتأثير باستخدام تحليل السلاسل الزمنية ل
منصة ويب FastAPI (مشروع تعاوني)، محققا ثقة مستقرة
فترات زمنية وتأثير نسبي يصل إلى 25٪ عبر مجموعات بيانات متعددة.

- نماذج التنبؤ بالسلاسل الزمنية (توقعات 30 يوما) مع تحكم
نطاقات الثقة أقل من 50٪ من القيم القصوى.

- تطوير خوارزميات التصنيف والانحدار باستخدام مصنفات softmax
وشبكات عصبية ذات طبقة مخفية واحدة (مع اختلافات في الخلايا العصبية وتنشيط
وتحقيق دقة تتراوح بين 96-97٪ في معظم التمارين.

- تم تنفيذ خوارزميات تصنيف الصور الطبية لاكتشاف الأمراض،
تحليل الخطوط الكنتورية، والتعرف على أنماط الألوان، سواء مع أو بدون مكتبات التعلم الآلي. (لا يزال قيد التنفيذ، مشروع الدرجة الجامعية)

- أجرى تحليلا مقارنا للشبكات العصبية المتصلة بالكامل باستخدام
المقترحات الخطية مقابل الاقتراحات متعددة الحدود (حتى الدرجة 3)، مما يدل على تحسن
الدقة مع درجات كثيرة حدود أعلى بعد تطبيع الشبكة.