Thomas Nganga
نيروبي, كينيا
Thomas Nganga
مهندس الذكاء الاصطناعي وتعلم الآلة.
الفئة : الذكاء الإصطناعي
أنا مهندس أنظمة ومهندس متكامل علم بنفسي متخصصا في أنظمة الذكاء الاصطناعي المحلية أولا وهندسة البيانات الحتمية.
بصفتي باحثا في AWS AI & ML، أجسر الفجوة بين البنية التحتية السحابية المعقدة وتطبيقات الذكاء الاصطناعي المستقلة التي تركز على الخصوصية. تكمن خبرتي في بناء أنظمة "بوابة الحقيقة" التي تقضي على هلوسات الذكاء الاصطناعي من خلال استخراج موجه بالأنطولوجيا ورسوم المعرفة (Neo4j). سواء كنت بحاجة إلى بوت تداول آلي مدفوع بشبكات GANs أو خط أنابيب آمن من RAG يضمن تسرب بيانات بنسبة 0٪ إلى السحابة، فأنا أصمم للكفاءة والتنفيذ القائم على المنطق.
التخصصات الرئيسية:
1. الذكاء الاصطناعي المحلي أولا: بناء خطوط أنابيب RAG قوية باستخدام تمثيل المعرفة المتزايدة (IKR).
2. قابلية الرصد للنموذج: تنفيذ OpenTelemetry وMCP لتتبع المنطق وتقليل وقت اكتشاف الأخطاء.
3. هندسة البيانات المعقدة: تطوير متقدم ل SQL/Cypher للاستخراج الثلاثي والتفكير في رسم بياني المعرفة. أنظمة التداول: تطوير روبوتات خوارزمية مع تحليل ملفات تعريف الحجم ومنطق الانحدار المخصص.
4. SkillsAI/ML: خطوط أنابيب RAG، الاستخراج الثلاثي، ضبط نماذج اللغة الكبيرة (AWS SageMaker)، الشبكات العدائية التوليدية (GANs). هندسة البيانات: Neo4j (رسم بياني)، ChromaDB (متجه)، تطوير SQL، NoSQL (MongoDB)، خطوط أنابيب استيعاب البيانات.
5. الهندسة: التليمترية المفتوحة، بروتوكول السياق النموذجي (MCP)، دوكر، CI/CD، كاتب المسرح.
6. اللغات: بايثون (PyTorch، Scikit-learn)، TypeScript، Cypher، SQL.
بصفتي باحثا في AWS AI & ML، أجسر الفجوة بين البنية التحتية السحابية المعقدة وتطبيقات الذكاء الاصطناعي المستقلة التي تركز على الخصوصية. تكمن خبرتي في بناء أنظمة "بوابة الحقيقة" التي تقضي على هلوسات الذكاء الاصطناعي من خلال استخراج موجه بالأنطولوجيا ورسوم المعرفة (Neo4j). سواء كنت بحاجة إلى بوت تداول آلي مدفوع بشبكات GANs أو خط أنابيب آمن من RAG يضمن تسرب بيانات بنسبة 0٪ إلى السحابة، فأنا أصمم للكفاءة والتنفيذ القائم على المنطق.
التخصصات الرئيسية:
1. الذكاء الاصطناعي المحلي أولا: بناء خطوط أنابيب RAG قوية باستخدام تمثيل المعرفة المتزايدة (IKR).
2. قابلية الرصد للنموذج: تنفيذ OpenTelemetry وMCP لتتبع المنطق وتقليل وقت اكتشاف الأخطاء.
3. هندسة البيانات المعقدة: تطوير متقدم ل SQL/Cypher للاستخراج الثلاثي والتفكير في رسم بياني المعرفة. أنظمة التداول: تطوير روبوتات خوارزمية مع تحليل ملفات تعريف الحجم ومنطق الانحدار المخصص.
4. SkillsAI/ML: خطوط أنابيب RAG، الاستخراج الثلاثي، ضبط نماذج اللغة الكبيرة (AWS SageMaker)، الشبكات العدائية التوليدية (GANs). هندسة البيانات: Neo4j (رسم بياني)، ChromaDB (متجه)، تطوير SQL، NoSQL (MongoDB)، خطوط أنابيب استيعاب البيانات.
5. الهندسة: التليمترية المفتوحة، بروتوكول السياق النموذجي (MCP)، دوكر، CI/CD، كاتب المسرح.
6. اللغات: بايثون (PyTorch، Scikit-learn)، TypeScript، Cypher، SQL.
أوقات العمل
- الإثنين:08h00 إلى 18h00
- الثلاثاء:08h00 إلى 18h00
- الأربعاء:08h00 إلى 18h00
- الخميس:08h00 إلى 18h00
- الجمعة:08h00 إلى 18h00
- السبت:غير موجود
- الأحَد:غير موجود
![أنا مهندس أنظمة عالي النزاهة ومهندس متكامل متخصص في تطوير أنظمة ذكاء اصطناعي مستقلة ومحلية أولا.]()
أنا مهندس أنظمة عالي النزاهة ومهندس متكامل متخصص في تطوير أنظمة ذكاء اصطناعي مستقلة ومحلية أولا.35 $ - للساعةأنا مهندس أنظمة عالي النزاهة ومهندس متكامل متخصص في تطوير أنظمة ذكاء اصطناعي ذاتية الذاتية ذات أولى محلية. بصفتي ممارسا في الذكاء الاصطناعي وتعلم الآلة، أجسر الفجوة بين التدريب المتقدم للذكاء الاصطناع ...
الكفاءة الأساسية في الذكاء الاصطناعي وتعلم الآلة: فهم أثبت مراحل دورة حياة تعلم الآلة، بما في ذلك إعداد البيانات، واختيار النماذج، ونشرها باستخدام أدوات أصلية في AWS مثل SageMaker.
التنفيذ العملي للمشروع: إتمام ناجح لبناء عملية، خاصة في تحليل البيانات وتطبيقات إنتاجية الذكاء الاصطناعي، مما يثبت القدرة على تحويل المفاهيم النظرية إلى برمجيات وظيفية.
إدارة الموارد الاستراتيجية: إتقان اختيار أكثر خدمات AWS كفاءة وفعالية من حيث التكلفة (مثل Bedrock أو Rekognition أو Polly) لحالات استخدام تجارية محددة.
الأمن والأخلاقيات: معرفة بأفضل ممارسات AWS لتطوير الذكاء الاصطناعي المسؤول، بما في ذلك خصوصية البيانات، والتخفيف من تحيز النماذج، وإدارة البنية التحتية السحابية الآمنة.
التحقق المهني: الحصول على شهادة موثقة من Udacity/Accenture تؤكد الجاهزية التقنية لتصميم وإدارة حلول حديثة مدعومة بالذكاء الاصطناعي في بيئة جاهزة للسحابة.
التنفيذ العملي للمشروع: إتمام ناجح لبناء عملية، خاصة في تحليل البيانات وتطبيقات إنتاجية الذكاء الاصطناعي، مما يثبت القدرة على تحويل المفاهيم النظرية إلى برمجيات وظيفية.
إدارة الموارد الاستراتيجية: إتقان اختيار أكثر خدمات AWS كفاءة وفعالية من حيث التكلفة (مثل Bedrock أو Rekognition أو Polly) لحالات استخدام تجارية محددة.
الأمن والأخلاقيات: معرفة بأفضل ممارسات AWS لتطوير الذكاء الاصطناعي المسؤول، بما في ذلك خصوصية البيانات، والتخفيف من تحيز النماذج، وإدارة البنية التحتية السحابية الآمنة.
التحقق المهني: الحصول على شهادة موثقة من Udacity/Accenture تؤكد الجاهزية التقنية لتصميم وإدارة حلول حديثة مدعومة بالذكاء الاصطناعي في بيئة جاهزة للسحابة.
تظهر هذه الشهادة أساسا مهنيا للتفاعل مع حلول الذكاء الاصطناعي ونشرها داخل نظام مايكروسوفت البيئي.
الثقافة في الذكاء الاصطناعي التوليدي: إتقان المفاهيم الأساسية للذكاء الاصطناعي التوليدي، بما في ذلك نماذج اللغة الكبيرة (LLMs) ودورها في إنتاجية الأعمال الحديثة.
تكامل Copilot و Azure: الكفاءة في استخدام Microsoft Copilot وفهم الإمكانات لدمج الذكاء الاصطناعي داخل خدمات Azure.
أسس هندسة المحفزات: إثبات القدرة على صياغة محفزات فعالة لتحسين جودة ودقة وملاءمة المخرجات التي يولدها الذكاء الاصطناعي.
التنفيذ الأخلاقي للذكاء الاصطناعي: فهم قوي لمبادئ الذكاء الاصطناعي المسؤول في مايكروسوفت، مع التركيز على العدالة والموثوقية والأمان.
شهادة معهد المهندسين (IOE) في الذكاء الاصطناعي
يبرز هذا الإنجاز تقاطع الذكاء الاصطناعي والمعايير الهندسية الصارمة.
حل المشكلات بدرجة هندسية: إثبات القدرة على تطبيق منهجيات الذكاء الاصطناعي على التحديات الهندسية التقليدية، مع التركيز على الأساليب المنهجية والحتمية.
التوحيد القياسي والامتثال: إتقان المعايير الهندسية المطلوبة لدمج الذكاء الاصطناعي، لضمان أن الأنظمة الآلية تحقق معايير الموثوقية المهنية.
الكفاءة متعددة المجالات: دليل على المرونة التقنية المطلوبة لسد الفجوة بين علوم البيانات عالية المستوى والتطبيقات الهندسية العملية على الأرض.
الثقافة في الذكاء الاصطناعي التوليدي: إتقان المفاهيم الأساسية للذكاء الاصطناعي التوليدي، بما في ذلك نماذج اللغة الكبيرة (LLMs) ودورها في إنتاجية الأعمال الحديثة.
تكامل Copilot و Azure: الكفاءة في استخدام Microsoft Copilot وفهم الإمكانات لدمج الذكاء الاصطناعي داخل خدمات Azure.
أسس هندسة المحفزات: إثبات القدرة على صياغة محفزات فعالة لتحسين جودة ودقة وملاءمة المخرجات التي يولدها الذكاء الاصطناعي.
التنفيذ الأخلاقي للذكاء الاصطناعي: فهم قوي لمبادئ الذكاء الاصطناعي المسؤول في مايكروسوفت، مع التركيز على العدالة والموثوقية والأمان.
شهادة معهد المهندسين (IOE) في الذكاء الاصطناعي
يبرز هذا الإنجاز تقاطع الذكاء الاصطناعي والمعايير الهندسية الصارمة.
حل المشكلات بدرجة هندسية: إثبات القدرة على تطبيق منهجيات الذكاء الاصطناعي على التحديات الهندسية التقليدية، مع التركيز على الأساليب المنهجية والحتمية.
التوحيد القياسي والامتثال: إتقان المعايير الهندسية المطلوبة لدمج الذكاء الاصطناعي، لضمان أن الأنظمة الآلية تحقق معايير الموثوقية المهنية.
الكفاءة متعددة المجالات: دليل على المرونة التقنية المطلوبة لسد الفجوة بين علوم البيانات عالية المستوى والتطبيقات الهندسية العملية على الأرض.
- شهادة الطلاقة في الذكاء الاصطناعي 21/04/2026
![شهادة الطلاقة في الذكاء الاصطناعي]()
- شهادة ممارس الذكاء الاصطناعي من AWS 20/04/2026
![شهادة ممارس الذكاء الاصطناعي من AWS]()
يرجى الدخول كزبون لإعطاء رأيكم
محترفون مدعومون
محتاجون إلى خدمة ؟
هل تريدون الإستفادة من خدمات هذا المحترف ؟
أنشروا إحتياجكم وستتلقون عشرات المقترحات من محترفي المنصة.
