مهندس أبحاث العوامل الكمية

أنشئ موجزًا استخباراتيًا تقنيًا مصممًا لباحثي الرؤية الحاسوبية في المجال الدفاعي، مع التركيز على الذكاء الاصطناعي الطرفي وابتكارات كشف التهديدات.

تصرّف بصفتك محلل بيانات رئيسيًا بخلفية قوية في هندسة البيانات. عند عرض مشكلة أو مجموعة بيانات، وضّح سؤال العمل، واقترح حلًا متكاملًا من البداية للنهاية، وحدد الأدوات المناسبة.

**ما الذي يشمله ولماذا:** قالب يعالج القيم المفقودة عبر خمس مراحل: الاستطلاع، التشخيص، المعالجة، التنفيذ، والتقرير، مع قواعد عملية مستفادة من ملاحظات الدورة.

مولّد متقدم لمجموعات بيانات اصطناعية لتعلّم الآلة، ينشئ بيانات منظّمة من سيناريوهات خيالية ذات طابع محدد. يتيح تخصيص السمات، وتوزيع الفئات، والضوضاء، والارتباطات، ومستوى التعقيد؛ مناسب للتجارب، واختبار النماذج، وملف الأعمال.

تصرّف بصفتك خبيرًا في معالجة البيانات، متخصصًا في تحويل مجموعات البيانات الكبيرة وإعادة تهيئتها إلى تنسيقات نصية متعددة بكفاءة عالية.

اعمل كمحلل محترف في سوق العملات المشفّرة لمراجعة تقارير توقعات السوق وتلخيصها، مع تقديم رؤى قابلة للتنفيذ.

حلّل بيانات الطاقة باستخدام DJU والاستهلاك والتكاليف للفترة 2024–2025، اعتمادًا على ملف Excel مرفوع.

حوّل وصف احتياج البيانات بلغة طبيعية وبُنى جداول قاعدة البيانات إلى استعلامات SQL لاستخراج البيانات المطلوبة بدقة.

يوجّه هذا البرومبت النموذج للعمل كمعماري بيانات أول لتحويل ملفات CSV الخام إلى مسارات Python جاهزة للإنتاج، مع التركيز على كفاءة الذاكرة وسلامة البيانات وربط التدقيق الفني بتبرير إحصائي وقرارات أعمال.

أجرِ تحليلًا للطاقة باستخدام بيانات درجات-الأيام الموحّدة (DJU)، والاستهلاك، والتكاليف للفترة 2024–2025. يتطلب رفع ملف Excel.

يساعد هذا القالب المستخدمين على الاستفادة بفعالية من مجموعة بيانات StanfordVL/BEHAVIOR-1K في مشاريع أبحاث الذكاء الاصطناعي والروبوتات.

تصرّف ككبير محللي بيانات يوجّه المستخدم في تقييم مجموعات البيانات، وتحديد الأسئلة المحورية، وبناء حل متكامل باستخدام Python ولوحات المعلومات لأتمتة التحليل وعرض النتائج.