NEWS
تخريج الدفعة الرابعة في برنامج ماجستير علوم وتحليل البيانات الضخمة دراسات بجامعة البحرين تبحث حلولاً طبية وبيئية باستخدام البيانات الضخمة
الصخير – جامعة البحرين (خديجة عبدالسلام)
15 يوليو 2024م
تخرجت مؤخراً طلبة الدفعة الرابعة من برنامج الماجستير في علوم وتحليل البيانات الضخمة، الذي يطرح بالتعاون بين كلية العلوم، وكلية تقنية المعلومات بجامعة البحرين، ليصل عدد الخرجين في البرنامج إلى 40 طالباً حتى الآن.
ونوقشت ثلاث أطروحات خلال شهر يونيو لعام 2024م، ركزت في محتواها على التطبيقات العملية في مجال الطب والتشخيص، وصولاً إلى التنبؤات بالكوارث الطبيعية.
وقدم الطالب زياد عاطف علام، دراسة بعنوان “تعزيز الانحناءات المتعددة في تجميع صور الرنين المغناطيسي باستخدام التعلم العدائي”. وأشرف على الدراسة الدكتور رياض قسنطيني الأستاذ المشارك بكلية تقنية المعلومات، والدكتورة سوسن هلال رئيسة قسم الرياضيات ومنسقة برنامج الماجستير في علوم وتحليل البيانات الضخمة.
واقترح علام نموذجاً جديدًا لـ AdversFAE معتمداً على استخدام الاستيفاء المقيد بشكل عدائي في مرحلة التجميع، للهروب من تطور الميزات في أجهزة التشفير التلقائي، وطبقت الدراسة النموذج المقترح على ست مجموعات بيانات من مجموعة MedMNIST v2 لمجموعات البيانات الطبية التي تتراوح من الأشعة السينية إلى الأشعة المقطعية، وقد أثبت النموذج المقترح فعاليته إذ تفوق على جهاز التشفير التلقائي الديناميكي التلافيفي (ConvDynAE) من حيث الدقة و(F1_score) في التجميع.
إلى جانب ذلك، قدم الطالب حمد منير مالك، دراسة بعنوان “نموذج جديد لإنشاء (مخطط إلى نص) باستخدام نماذج الشبكات العصبية”. وأشرف على الدراسة الأستاذ الدكتور نبيل محمود حويحي من كلية تقنية المعلومات.
وطورت الدراسة نموذجاً لتعزيز إنشاء النص تلقائياً من المخططات العلمية، حيث جرى استخدام الشبكة العصبية (CNN) لاستخراج الميزات من المخطط، والشبكة العصبية (RNN) لإنشاء تسميات توضيحية وصفية دقيقة. وتوصل البحث إلى أن أداء (Bi-LSTM) أي الذاكرة طويلة المدى ثنائية الاتجاه وهو نوع من (RNN) هي الأفضل، إذ تسمح للنموذج بالتقاط السياق الماضي والمستقبلي لتسلسل الإدخال.
كما قدم الطالب فتحان طائل شاجرة، دراسة بعنوان “التنبؤ بالزلازل باستخدام نهج تعلم الآلة”، وأشرف على الدراسة الأستاذ الدكتور نبيل محمود حويحي من كلية تقنية المعلومات.
وقد بحثت الدراسة التنبؤ بخصائص الزلازل باستخدام تقنيات التعلم الآلي، واستخدم بيانات هيئة المسح الجيولوجي الأمريكية (USGS) لتوقع حجم الزلازل، وبيانات مختبر لوس ألاموس الوطني (LANL) للتنبؤ بوقت حدوث الزلازل. وأوصت النتائج بالتركيز على تحسين عمليات هندسة واختيار الميزات، ودمج مؤشرات متنوعة أخرى إضافية مثل النشاط الزلزالي، والأنماط التاريخية، والبيانات الجيولوجية، لتحسين قدرات التنبؤ لهذه النماذج بشكل أكبر.
