پژوهشگر – پروژه تشخیص نفوذ IoT
دانشگاه شمال / همکاری پژوهشی
طراحی و ارزیابی pipelineهای feature engineering برای تشخیص نفوذ با استفاده از Python، Scikit-learn، دیتاستهای benchmark و روشهای ensemble learning.
پژوهشگر یادگیری ماشین · تحلیلگر داده · مدرس پایتون · مدیر IT
مسیر حرفهای من سه حوزهی مهم را به هم وصل میکند: پژوهش در یادگیری ماشین، مدیریت زیرساخت IT، و آموزش برنامهنویسی. همین ترکیب باعث میشود نگاه پژوهشی من هم از نظر علمی کنترلشده باشد و هم برای سیستمهای واقعی شبکه و امنیت سایبری معنا داشته باشد.
مقاله در مرحله داوری · Multimedia Tools and Applications (Springer)
این پژوهش بررسی میکند که چگونه طراحی دقیق pipelineهای انتخاب ویژگی و استخراج ویژگی میتواند عملکرد سیستمهای تشخیص نفوذ مبتنی بر یادگیری ماشین را در محیطهای IoT و شبکههای ناهمگون بهبود دهد. یک چارچوب آزمایشی یکپارچه و بدون نشت اطلاعات روی سه دیتاست UNSW-NB15، AWID و CSE-CIC-IDS2018 ارزیابی شده است. در این کار، روشهای filter-based برای feature selection، تکنیکهای feature extraction، دوازده خانوادهی طبقهبند، و stacking-based meta-learning با هدف یافتن پیکربندیهای مقاوم و کارآمد IDS مقایسه شدهاند.
دانشگاه شمال / همکاری پژوهشی
طراحی و ارزیابی pipelineهای feature engineering برای تشخیص نفوذ با استفاده از Python، Scikit-learn، دیتاستهای benchmark و روشهای ensemble learning.
سازمان تأمین اجتماعی، ایران
نگهداری سرورها، سیستمهای کلاینت، زیرساخت داخلی IT، پایش امنیت، عیبیابی، پشتیبانی فنی و مدیریت دادههای سازمانی.
مؤسسه پیشرو رایانه و رایان آمل، آمل
تدریس پایتون، تحلیل داده، مبانی بینایی ماشین، طراحی وب فرانتاند/بکاند و مهارتهای برنامهنویسی پروژهمحور.
دانشگاه شمال، آمل، ایران
معدل: 19.43 از 20 · دانشجوی برتر · پایاننامه: Optimized Feature Engineering for IoT Intrusion Detection
دانشگاه شمال، آمل، ایران
معدل: 17.50 از 20
Python · JavaScript · PHP · SQL / MySQL · HTML5 · CSS3
Scikit-learn · TensorFlow · PyTorch · Feature Engineering · Ensemble Learning · Model Evaluation
Pandas · NumPy · Data Cleaning · Dimensionality Reduction · Experimental Design
Network Security · Intrusion Detection Systems · Computer Vision · IT Administration · Cybersecurity