قمت بتطوير مشروع متكامل لاكتشاف البرمجيات الخبيثة باستخدام Machine Learning، حيث تمت معالجة بيانات ضخمة تتجاوز 8 جيجابايت للتنبؤ باحتمالية إصابة الأجهزة بدقة عالية.

المهام التقنية:
تضمن المشروع معالجة البيانات الضخمة وتنفيذ Feature Engineering لتحويل الخصائص التقنية إلى صيغ مفهومة للنماذج. قمت بالمقارنة بين عدة خوارزميات قوية تشمل XGBoost و LightGBM و CatBoost للوصول لأفضل أداء. كما استخدمت إطار عمل Optuna لضبط البارامترات تلقائياً، مع دمج منصة Weights and Biases لتتبع التجارب ومراقبة النتائج لحظياً.

التقنيات المستخدمة:
لغة البرمجة Python ومكتبات Pandas و NumPy و Scikit-learn. اعتمدت في بناء النماذج على XGBoost و LightGBM و CatBoost، مع استخدام Optuna لتحسين الأداء و W&B للتوثيق.

النتيجة:
الوصول إلى نموذج تصنيف عالي الدقة يتميز بالتوازن بين سرعة المعالجة وقوة التنبؤ، مع كود برمجي منظم وجاهز للاستخدام في بيئات العمل الحقيقية.