Hany Hassan Ahmed
Предложите Hany Hassan работу над вашим следующим проектом или зарегистрируйте профиль фрилансера и начинайте зарабатывать прямо сейчас.
Личное сообщение
Предложить работу
Дахаб,
Египет
8 месяцев 27 дней назад
свободен для работы
на сервисе 8 месяцев 28 дней
Рейтинг
Успешных проектов
Средняя оценка
Навыки и умения
Программирование
Услуги
Портфолио
-
1329 UAH Набор данных угроз кибербезопасности
AI и машинное обучение
Этот набор данных предоставляет детальный обзор глобальных угроз и инцидентов в области кибербезопасности. Он включает различные атрибуты, такие как источники атак, типы, вовлеченные страны, финансовое воздействие и механизмы защиты. Данные были дополнены дополнительными функциями для поддержки продвинутых аналитических и машинных задач обучения.
1-Имя файла: cyber_security_threats.csv
…
2-Источник: Kaggle
3-Строки: (3000)
4-Столбцы: 13
##Используемые инструменты: 1-Python (Pandas, Matplotlib, Seaborn), Power BI
##Статус: Очистка, анализ и визуализация
##Функции
Описание функции
1-attack_source Происхождение или инициатор атаки (например, ботнет, вредоносное ПО, инсайдер). 2-attack_type Тип кибератаки (например, DDoS, фишинг, программное обеспечение-вымогатель). 3-country Страна, где была инициирована или зафиксирована атака. 4-defence_mechanism Метод, используемый для смягчения или реагирования на атаку. 5-financial_loss Оценочные денежные потери из-за атаки (USD). 6-incident_resolution_time Время, затраченное на разрешение инцидента (в часах или днях). 7-number_of_affected_user Количество пользователей, пострадавших от атаки. 8-security_vulnerability_type Используемая уязвимость (например, SQL-инъекция, нулевой день, неправильная конфигурация). 9-target_industry Отрасль, пострадавшая от атаки (например, финансы, здравоохранение, образование). 10-year Год происшествия. 11-threats_level (Добавлено) Пользовательский рассчитанный уровень угрозы (например, Низкий, Средний, Высокий). 12-attacks_per_country (Добавлено) Суммарное количество атак по странам.
##Сценарии использования
1-Исследовательский анализ данных (EDA)
2-Анализ тенденций киберугроз за годы
3-Прогностическое моделирование финансовых потерь или времени разрешения
4-Кластеризация на основе уровней угроз или регионов
5-Визуализация панелей управления (Power BI, Tableau и др.)
6-Анализ рисков кибербезопасности
7-Истории данных на панелях управления
8-Эксперименты с машинным обучением (например, прогнозирование финансовых потерь)
9-Корпоративное профилирование угроз
##Набор данных был очищен и обработан с использованием Python, включая:
1-Обработка пропущенных значений
2-Инженерия функций (threats_level, attacks_per_country)
3-Конверсия типов данных
4-Исследовательский анализ данных с использованием Matplotlib и Seaborn
##Визуализация
Обработанный набор данных был импортирован в Power BI для создания интерактивной панели управления. Ключевые визуализации включали:
1-Распределение угроз по странам и отраслям
2-Годовые тенденции типов атак
3-Анализ финансовых потерь по уровню угрозы
4-Топ 10 уязвимых стран и отраслей
##Примеры выводов
1-Топ 5 стран с наибольшим количеством кибератак
2-Наиболее распространенные типы атак в финансовой отрасли
3-Корреляция между уровнем угрозы и финансовыми потерями
4-Рост атак программ-вымогателей по годам
-
1329 UAH Глобальный анализ данных о раке
AI и машинное обучение
В этом проекте я проанализировал глобальные данные по кибербезопасности, чтобы понять глобальные тенденции в ИИ, и их выводы помогают выявить и устранить наиболее значительные уязвимости в ИИ.
Анализ включал:
… Категоризацию новых типов (вредоносное ПО, фишинг, программы-вымогатели, DDoS-атаки и т.д.)
Анализ наиболее целевых стран
Чтение в течение года или более
Идентификацию викторианских источников (по стране или типу метки, если доступно)
Графическое представление, показывающее географическое распределение угроз
Сравнение числа и реакции стран
Используемые инструменты:
Python (Panda, Matplotlib, Seaborn)
Excel для очистки и обработки данных
Tableau/Power BI для создания интерактивной панели
Jupyter Notebook для представления анализа и шагов
Результаты проекта:
Открытие нового руководителя Cyber New York, выявление наиболее уязвимых стран и помощь в формировании четкого понимания важности укрепления цифровой защиты и осведомленности о судебных угрозах.
-
1329 UAH Анализ данных о продажах в супермаркете
AI и машинное обучение
Я провел комплексный анализ набора данных Superstore, чтобы выявить тенденции продаж, поведение клиентов и инсайты по производительности продуктов. Проект включал очистку данных, исследовательский анализ данных (EDA) и интерактивные визуализации для поддержки принятия решений на основе данных.
Ключевые выполненные задачи:
… Очистил и подготовил сырые данные о продажах для анализа с использованием Excel и Python (Pandas).
Провел исследовательский анализ данных (EDA), чтобы выявить ключевые паттерны в продажах, прибыли и сегментах клиентов.
Создал интерактивные панели управления с использованием Power BI для визуализации:
Продаж по регионам, категориям и подкатегориям
Тенденций прибыли с течением времени
Топ-продуктов и товаров, генерирующих убытки
Сгенерировал практические инсайты для оптимизации стратегий управления запасами и маркетинга.
Используемые инструменты: Excel, Python (Pandas, Matplotlib, Seaborn), Power BI