Naeima Hamed

(hi/ei)

BSc (Hons), MSc, PhD

Cyhoeddiad

• Date
• Type
• Dyrchafiad i

Ymchwil

 Mae fy ymchwil yn mynd i'r afael â heriau'r byd go iawn trwy greu ontolegau, adeiladu graffiau gwybodaeth, a chymhwyso rhesymu awtomataidd i sicrhau atebion ymarferol.

• Arsyllfa Goedwig Ontoleg (FOO): Un o fy mhrosiectau allweddol yw'r Arsyllfa Goedwig (FOO) (ontology.forest-observatory.cardiff.ac.uk), a ddatblygwyd gyda mewnbwn gan arbenigwyr parth a data bywyd gwyllt a ddarparwyd gan Ganolfan Maes Danau Girang - Prifysgol Caerdydd.   Mae FOO yn dod â setiau data bywyd gwyllt amrywiol at ei gilydd i graff gwybodaeth sy'n seiliedig ar ontoleg. Defnyddiwyd y graff gwybodaeth hwn wrth hyfforddi modelau dysgu dwfn a galluogi rhesymu semantig. Gan ddefnyddio data synhwyrydd GPS hanesyddol a gasglwyd o goleri wedi'u gosod o amgylch gyddfau eliffantod, hyfforddais fodel dysgu dwfn gan ddefnyddio fframwaith TensorFlow a Keras Google i ragweld eu symudiadau gyda chywirdeb 99.04%, gan berfformio'n well na dulliau traddodiadol fel atchweliad llinellol (90.95%) ac awtochweliad fector (91.64%). Defnyddiwyd rheolau rhesymu semantig hefyd i ragweld digwyddiadau potsio posibl.

• Rhyngrwyd Pethau (IoT) yn y farchnad ddata: Fe wnes i gyffredinoli fy dull integreiddio data semantig i barth gwahanol, marchnadoedd data IoT yn benodol. Roedd y dull hwn yn caniatáu i ddefnyddwyr data, yn hytrach na phrynu setiau data synhwyrydd mewn swmp, brynu'r data penodol sydd ei angen ar gyfer tasgau fel hyfforddi modelau AI yn unig. Ar gyfer y prosiect hwn, datblygais ontoleg gyda mewnbwn gan arbenigwyr parth a'i boblogi â data o chwe synwyryddion heterogenaidd, lle cynhaliodd pob synhwyrydd ei graff gwybodaeth ei hun. Defnyddiwyd rheolau rhesymu semantig i'r graffiau gwybodaeth hyn i fynd i'r afael ag achosion defnydd ymarferol. Gwerthuswyd y dull integreiddio data semantig gan ddefnyddio tri chyfluniad, lle roedd dognau o graff gwybodaeth pob synhwyrydd yn cael eu storio ar ddyfeisiau ymyl gyfyngedig o ran adnoddau, a gweithredu ymholiadau SPARQL ffederal i adfer data o'r dyfeisiau hyn. Roedd yr arbrofion yn mesur cywirdeb ac amseroedd ymateb ar draws y cyfluniadau. Dangosodd y canfyddiadau fod graffiau gwybodaeth datganoledig, wedi'u storio ar ddyfeisiau ymyl gyda rheolau rhesymu wedi'u gwreiddio, yn ymateb yn fwy effeithlon i ymholiadau SPARQL ffederal. Awgrymwyd y cyfluniad hwn fel y setup gorau posibl ar gyfer gosodiadau marchnad data IoT yn y dyfodol. 

I archwilio fy ymchwil yn fanylach ewch i'm tab cyhoeddiadau.

Addysgu

• Goruchwylio prosiectau grŵp israddedig (CM2305: Prosiect Grŵp).
•  Tiwtor graddedig ar gyfer (CM2203: Gwybodeg).

Bywgraffiad

Addysg a Chymwysterau
2024: PhD (Cyfrifiadureg a Gwybodeg), Prifysgol Caerdydd
2019: MSc (Gwyddor Data a Dadansoddeg, Rhagoriaeth), Prifysgol Caerdydd
2000: BSc (Peirianneg Gyfrifiadurol), Prifysgol y Dyfodol, Khartoum, Sudan

Trosolwg o'r Gyrfa
2020 - 2024  Ymchwilydd Doethurol, Ysgol Cyfrifiadureg a Gwybodeg Prifysgol Caerdydd
2018 - 2019: Myfyriwr MSc, Prifysgol Caerdydd

Ffocws a Chyfraniadau Ymchwil

• Mynd i'r afael â seilos data mewn arsyllfeydd coedwig trwy dechnolegau gwe semantig ac AI.
• Datblygu fframweithiau ar gyfer rhannu data, rhyngweithrededd a dadansoddi gan ddefnyddio ontolegau a graffiau gwybodaeth.
• Cyffredinoli methodolegau ar gyfer cymwysiadau IoT eang a chyhoeddi canfyddiadau mewn cyfnodolion a chynadleddau blaenllaw.

Anrhydeddau a dyfarniadau

• Cyflwyniad Ymchwil Gorau 2023: Gwobr 1af (Blwyddyn 3) - Gweithdy PGR Ionawr (Cyflwyniadau a Posteri), a ddyfarnwyd gan Brifysgol Caerdydd yn seiliedig ar Sgorio Myfyrwyr Ôl-raddedig.

Aelodaethau proffesiynol