Hany Hassan Ahmed

Запропонуйте Hany Hassan роботу над вашим наступним проєктом або зареєструйте профіль фрилансера і починайте заробляти просто зараз.

Дахаб, Єгипет

8 місяців 29 днів тому

вільний для роботи

на сервісі 9 місяців 1 день

Data Structures
PowerBI
data science
machine learning
data cleaning
Excel
Tableau
python
Data Analysis
Data visualization
SQL
data preprocessing

Рейтинг

Успішних проєктів

Середня оцінка

Рейтинг

AI та машинне навчання

1904 місце з 2856

Python

3436 місце з 4458

Навички та вміння

Програмування

Послуги

Обробка даних

1330 UAH
Набір даних загроз кібербезпеки

AI та машинне навчання

Цей набір даних надає детальний огляд глобальних загроз кібербезпеці та інцидентів. Він включає різні атрибути, такі як джерела атак, типи, залучені країни, фінансовий вплив та механізми захисту. Дані були покращені додатковими функціями для підтримки розширених аналітичних та машинних навчальних завдань.

1-Назва файлу: cyber_security_threats.csv
…
2-Джерело: Kaggle

3-Рядки: (3000)

4-Стовпці: 13

##Використані інструменти: 1-Python (Pandas, Matplotlib, Seaborn), Power BI

##Статус: Очищено, проаналізовано та візуалізовано

##Функції

Опис функції

1-attack_source Джерело або ініціатор атаки (наприклад, ботнет, шкідливе ПЗ, інсайдер). 2-attack_type Тип кібернападу (наприклад, DDoS, фішинг, програмне забезпечення-вимагач). 3-country Країна, де була ініційована або зареєстрована атака. 4-defence_mechanism Метод, що використовується для пом'якшення або реагування на атаку. 5-financial_loss Оцінений грошовий збиток через атаку (USD). 6-incident_resolution_time Час, витрачений на вирішення інциденту (в годинах або днях). 7-number_of_affected_user Кількість користувачів, на яких вплинула атака. 8-security_vulnerability_type Вразливість, що експлуатувалася (наприклад, SQL-ін'єкція, нульовий день, неправильна конфігурація). 9-target_industry Галузь, що постраждала (наприклад, фінанси, охорона здоров'я, освіта). 10-year Рік виникнення. 11-threats_level (Додано) Користувацький розрахований рівень загрози (наприклад, Низький, Середній, Високий). 12-attacks_per_country (Додано) Загальна кількість атак на країну.

##Випадки використання

1-Дослідження даних (EDA)

2-Аналіз тенденцій загроз кібербезпеці протягом років

3-Предиктивне моделювання фінансових втрат або часу вирішення

4-Кластеризація на основі рівнів загрози або регіонів

5-Візуалізаційні панелі (Power BI, Tableau тощо)

6-Аналіз ризиків кібербезпеки

7-Візуалізаційні панелі для розповіді даних

8-Експерименти з машинним навчанням (наприклад, прогнозування фінансових втрат)

9-Корпоративне профілювання загроз

##Набір даних був очищений і оброблений за допомогою Python, включаючи:

1-Обробка відсутніх значень

2-Інженерія функцій (threats_level, attacks_per_country)

3-Конверсії типів даних

4-Дослідження даних за допомогою Matplotlib & Seaborn

##Візуалізація

Оброблений набір даних був імпортований у Power BI для створення інтерактивних панелей. Основні візуалізації включали:

1-Розподіл загроз за країною та галуззю

2-Щорічні тенденції типів атак

3-Аналіз фінансових втрат за рівнем загрози

4-Топ 10 вразливих країн та галузей

##Приклади висновків

1-Топ 5 країн з найбільшою кількістю кібернападів

2-Найпоширеніші типи атак у фінансовій галузі

3-Кореляція між рівнем загрози та фінансовими втратами

4-Зростання кількості атак програм-вимагачів з року в рік
1330 UAH
Глобальний аналіз даних про рак

AI та машинне навчання

У цьому проекті я проаналізував глобальні дані з кібербезпеки, щоб зрозуміти глобальні тенденції в ІІ, а їхні висновки допомагають виявити та вирішити найбільш значні вразливості в ІІ.

Аналіз включав:

… Категоризацію нових типів (шкідливе ПЗ, фішинг, програми-вимагачі, DDoS-атаки тощо)

Аналіз найбільш цільових країн

Читання протягом року або більше

Виявлення вікторіанських джерел (за країною або типом мітки, якщо доступно)

Графічне представлення, що показує географічний розподіл загроз

Порівняння кількості та реакції країн

Використані інструменти:

Python (Panda, Matplotlib, Seaborn)

Excel для очищення та обробки даних

Tableau/Power BI для створення інтерактивної панелі

Jupyter Notebook для представлення аналізу та етапів

Результати проекту:
Виявлення нового керівника Cyber New York, ідентифікація найбільш вразливих країн та допомога у формуванні чіткого розуміння важливості зміцнення цифрової оборони та усвідомлення загроз.
1330 UAH
Аналіз даних продажів супермаркету

AI та машинне навчання

Я провів всебічний аналіз набору даних Superstore, щоб виявити тенденції продажів, поведінку клієнтів та інсайти щодо продуктивності продуктів. Проект включав очищення даних, дослідницький аналіз даних (EDA) та інтерактивні візуалізації для підтримки прийняття рішень на основі даних.

Ключові завдання, які були виконані:

… Очищено та підготовлено сирі дані про продажі для аналізу за допомогою Excel та Python (Pandas).

Проведено дослідницький аналіз даних (EDA) для виявлення ключових патернів у продажах, прибутку та сегментах клієнтів.

Створено інтерактивні інформаційні панелі за допомогою Power BI для візуалізації:

Продажі за регіоном, категорією та підкатегорією

Тенденції прибутку з часом

Продукти з найвищими показниками та предмети, що генерують збитки

Сгенеровано дієві інсайти для оптимізації інвентаризації та маркетингових стратегій.

Використані інструменти: Excel, Python (Pandas, Matplotlib, Seaborn), Power BI