Hany Hassan Ahmed
Zaproponuj Hany Hassan pracę nad swoim kolejnym zleceniem.
Prywatna wiadomość
Zaproponuj zlecenie
Dahab,
Egipt
8 miesięcy 28 dni temu
gotowy do podjęcia pracy
w Serwisie 8 miesięcy 29 dni
Ranking
Zakończonych zleceń
Średnia ocena
Umiejętności i kwalifikacje
Programowanie
Usługi
Portfolio
-
109 PLN Zbiór danych zagrożeń w cyberbezpieczeństwie
AI i uczenie maszynowe
Ten zbiór danych przedstawia szczegółowy widok globalnych zagrożeń i incydentów związanych z cyberbezpieczeństwem. Zawiera różne atrybuty, takie jak źródła ataków, typy, zaangażowane kraje, wpływ finansowy i mechanizmy obronne. Dane zostały wzbogacone o dodatkowe cechy, aby wspierać zaawansowane analizy i zadania uczenia maszynowego.
1-Nazwa pliku: cyber_security_threats.csv
… 2-Źródło: Kaggle
3-Wiersze: (3000)
4-Kolumny: 13
##Narzędzia użyte: 1-Python (Pandas, Matplotlib, Seaborn), Power BI
##Status: Oczyszczone, analizowane i wizualizowane
##Cechy
Opis cechy
1-źródło_ataku Pochodzenie lub inicjator ataku (np. botnet, złośliwe oprogramowanie, insider). 2-typ_ataku Typ cyberataku (np. DDoS, phishing, ransomware). 3-kraj Kraj, w którym atak został zainicjowany lub zgłoszony. 4-mechanizm_obronny Metoda użyta do złagodzenia lub odpowiedzi na atak. 5-strata_finansowa Szacunkowa strata finansowa spowodowana atakiem (USD). 6-czas_rozwiązania_incydentu Czas potrzebny na rozwiązanie incydentu (w godzinach lub dniach). 7-liczba_dotkniętych_użytkowników Liczba użytkowników dotkniętych atakiem. 8-typ_wrażliwości_bezpieczeństwa Wykorzystana podatność (np. SQL injection, zero-day, błędna konfiguracja). 9-branża_docelowa Branża dotknięta (np. finanse, opieka zdrowotna, edukacja). 10-rok Rok wystąpienia. 11-poziom_zagrożeń (Dodane) Niestandardowo obliczony poziom zagrożenia (np. Niski, Średni, Wysoki). 12-ataki_na_kraj (Dodane) Zsumowana liczba ataków na kraj.
##Przykłady zastosowań
1-Analiza eksploracyjna danych (EDA)
2-Analiza trendów zagrożeń cyberbezpieczeństwa na przestrzeni lat
3-Modelowanie predykcyjne strat finansowych lub czasu rozwiązania
4-Klasteryzacja na podstawie poziomów zagrożeń lub regionów
5-Dashbordy wizualizacyjne (Power BI, Tableau itp.)
6-Analiza ryzyka cyberbezpieczeństwa
7-Dashbordy opowiadające historie danych
8-Doświadczenia z uczeniem maszynowym (np. przewidywanie strat finansowych)
9-Profilowanie zagrożeń korporacyjnych
##Zbiór danych został oczyszczony i przetworzony przy użyciu Pythona, w tym:
1-Zarządzanie brakującymi wartościami
2-Inżynieria cech (poziom_zagrożeń, ataki_na_kraj)
3-Konwersje typów danych
4-Analiza eksploracyjna danych przy użyciu Matplotlib i Seaborn
##Wizualizacja
Przetworzony zbiór danych został zaimportowany do Power BI w celu stworzenia interaktywnego dashboardu. Kluczowe wizualizacje obejmowały:
1-Rozkład zagrożeń według kraju i branży
2-Roczne trendy typów ataków
3-Analiza strat finansowych według poziomu zagrożenia
4-Top 10 najbardziej wrażliwych krajów i branż
##Przykładowe spostrzeżenia
1-Top 5 krajów z największą liczbą cyberataków
2-Najczęstsze typy ataków w branży finansowej
3-Korelacja między poziomem zagrożenia a stratami finansowymi
4-Roczny wzrost ataków ransomware
-
109 PLN Analiza globalnych danych o raku
AI i uczenie maszynowe
W tym projekcie analizowałem globalne dane dotyczące cyberbezpieczeństwa, aby zrozumieć globalne trendy w AI, a ich wnioski pomagają zidentyfikować i rozwiązać najważniejsze luki w AI.
Analiza obejmowała:
… Kategoryzację nowych typów (złośliwe oprogramowanie, phishing, ransomware, ataki DDoS itp.)
Analizę najbardziej narażonych krajów
Czytanie przez rok lub dłużej
Identyfikację źródeł wiktoriańskich (według kraju lub typu etykiety, jeśli dostępne)
Graficzną prezentację pokazującą geograficzny rozkład zagrożeń
Porównanie liczby i reakcji krajów
Narzędzia użyte:
Python (Panda, Matplotlib, Seaborn)
Excel do czyszczenia i przetwarzania danych
Tableau/Power BI do budowy interaktywnego pulpitu nawigacyjnego
Jupyter Notebook do prezentacji analizy i kroków
Wyniki projektu:
Ujawnienie nowego szefa Cyber New York, zidentyfikowanie najbardziej narażonych krajów oraz pomoc w budowaniu jasnego zrozumienia znaczenia wzmacniania obrony cyfrowej i świadomości zagrożeń kryminalistycznych.
-
109 PLN Analiza danych sprzedaży Super Store
AI i uczenie maszynowe
Przeprowadziłem kompleksową analizę zestawu danych Superstore, aby odkryć trendy sprzedaży, zachowania klientów i wnioski dotyczące wydajności produktów. Projekt obejmował czyszczenie danych, eksploracyjną analizę danych (EDA) oraz interaktywne wizualizacje wspierające podejmowanie decyzji opartych na danych.
Zrealizowane kluczowe zadania:
… Oczyszczono i przygotowano surowe dane sprzedażowe do analizy przy użyciu Excela i Pythona (Pandas).
Przeprowadzono eksploracyjną analizę danych (EDA), aby zidentyfikować kluczowe wzorce w sprzedaży, zysku i segmentach klientów.
Zbudowano interaktywne pulpity nawigacyjne przy użyciu Power BI, aby zobrazować:
Sprzedaż według regionu, kategorii i podkategorii
Trendy zysku w czasie
Najlepiej sprzedające się produkty i przedmioty generujące straty
Wygenerowano użyteczne wnioski w celu optymalizacji strategii zarządzania zapasami i marketingu.
Użyte narzędzia: Excel, Python (Pandas, Matplotlib, Seaborn), Power BI