الدكتوراه للباحث محمد محمد حسن من قسم نظم المعلومات بكلية الحاسوب

نال الباحث / محمد محمد حسن زايد درجة الدكتوراه بامتياز في الحوسبة وعلم المعلومات قسم نظم المعلومات، تخصص علم البيانات، من كلية الحاسوب وتكنولوجيا المعلومات بجامعة صنعاء، عن رسالته الموسومة ب :
A Novel Intelligent Model Based on Optimal Jumps for Creating Data Sampling from Big Data
(نموذج ذكي مبتكر يعتمد على القفزات المثلى لإنشاء عينات بيانات من البيانات الضخمة)،
وذلك يوم السبت 25 شعبان 1446هـ الموافق 24 فبراير 2025م.

وتكونت لجنة المناقشة والحكم من:
الأستاذ الدكتور فضل مطهر باعلوي – مشرفًا رئيسًا وعضوًا في اللجنة.
الأستاذ الدكتور بشير محمد المقالح – مناقشًا خارجيًا ورئيسًا للجنة.
الأستاذ المشارك مختار محمد غيلان – مناقشًا داخليًا وعضوًا في اللجنة.

وهدفت الأطروحة إلى:
تطوير نموذج ذكي لإنشاء عينات بيانات تمثيلية من البيانات الضخمة باستخدام منهجية القفزات المثلى.
وتحسين كفاءة وأساليب استخراج العينات بما يحقق توازنًا بين الدقة والأداء الحسابي.
وتقليل حجم البيانات المدخلة مع الحفاظ على المعلومات المهمة لدعم عمليات التحليل والتنبؤ.
وتحقيق تحسينات ملموسة في سرعة المعالجة مقارنة بالطرق التقليدية في تحليل البيانات الضخمة.
وتمكين تطبيقات الذكاء الاصطناعي والتعلم الآلي من العمل بكفاءة أكبر عند التعامل مع بيانات ضخمة.

وتوصلت الأطروحة الى نتائج مهمة منها إثبات فعالية نموذج القفزات المثلى في تقليل البيانات مع الحفاظ على دقة التمثيل.
وتحقيق نسبة دقة عالية مقارنة بأساليب أخذ العينات العشوائية التقليدية.
وتحسين كفاءة استخدام الموارد الحاسوبية، مما يقلل من تكلفة وزمن تحليل البيانات الضخمة.
وإمكانية تطبيق النموذج المقترح في مجالات مختلفة مثل الرعاية الصحية، والتجارة الإلكترونية، والتحليل المالي، والبحث العلمي.
وتفوق النموذج المقترح على بعض النماذج الحالية من حيث سرعة الأداء ودقة النتائج في استخراج العينات.
وبناءً على النتائج التي توصلت إليها الدراسة، يوصي الباحث بما يلي:
تطبيق النموذج المقترح في أنظمة تحليل البيانات الضخمة الخاصة بالمؤسسات والشركات لتحسين كفاءة اتخاذ القرار.
توسيع نطاق البحث لاختبار النموذج على أنواع مختلفة من البيانات الضخمة في مجالات متعددة.
تحسين النموذج باستخدام تقنيات الذكاء الاصطناعي المتقدمة، مثل الشبكات العصبية العميقة والخوارزميات التكيفية.
ودمج النموذج مع منصات معالجة البيانات الضخمة مثل Apache Hadoop وSpark لزيادة الكفاءة والأداء.
واستخدام النموذج في مجالات حساسة مثل الأمن السيبراني وأنظمة الرعاية الصحية لاختبار مدى تأثيره في تحسين تحليل البيانات الضخمة.