حسام ساکی

AI Scientist

پژوهشگر و مهندس هوش مصنوعی با ۷+ سال تجربهٔ حرفه‌ای در طراحی و پیاده‌سازی سامانه‌های مبتنی بر پایتون، یادگیری ماشین، مدل‌های زبانی بزرگ و یادگیری تقویتی. در همکاری‌های پژوهشی ـ از جمله پروژه‌های مشترک با OpenAI ـ مرزهای شخصی‌سازی و استدلال ماشینی را پیش برده‌ام و سامانه‌های توصیه‌گر و موتورهای استنتاج مقیاس‌پذیر توسعه داده‌ام. دستاوردهایم در مجامع بین‌المللی از جمله ICML و ICIAI 2025 ارائه شده و به‌عنوان سخنران مدعو در رویدادهای تخصصی دعوت شده‌ام. تمرکز من بر حل مسائل پیچیده، بهبود مستمر فرایندهای توسعه و تبدیل ایده‌های پژوهشی به محصولات انسان‌محور است؛ با تجربهٔ عملی در Agentic AI، مدل‌سازی MDP/POMDP و کار با فریم‌ورک‌های LangChain و LangGraph و transformer reinforcement learning (TRL) و فریمورک های مشابه.

سوابق تحصیلی

کارشناس علوم کامپیوتر

کارشناسی ارشد مهندسی کامپیوتر

گرایش هوش مصنوعی

موسسه/دانشگاه: دانشگاه تهران

مهارت‌ها

python : Pandas , Numpy , Pyrogram

100%

Image Processing

80%

Digital Signal Processing

80%

Pytorch

80%

Tensorflow

80%

Machine Learning:Sklearn , Keras

80%

Linear Algebra , Statistics

80%

Natural Language Processing

80%

Data Comperssion

80%

Deep Learning : Neural Networks

80%

Data Analysis

80%

Optimization

80%

R Language

60%

c++\c Programming

60%

Stock Prediction

60%

Stock Prediction with Machine Learning

60%

Stock Prediction with Deep Learning

80%

Collaborative Filterning

60%

News Classification Text Mininig

60%

LLM training

80%

Software Architecture

80%

Domain Driven Design

60%

Apache Kafka

80%

Rabbit

80%

Reinforcement learning

80%

Reinforcement learning from Human Feedback

80%

DPO

80%

Multimedia video analysis software

80%

BLIP

80%

Florence

80%

DSPY

80%

RAG

80%

Recommendation System

80%

NLP

80%

GRPO

80%

Reinforcement Learning

80%

TPO

80%

TTT(Test Time Training)

80%

Model Context Protocol

80%

Agent to Agent

80%

Quantization

60%

RLHF

80%

ASR

80%

TTS

80%

OOP

80%

Apache Hadoop

60%

VLM

80%

LangChain , LanGraph

80%

سوابق شغلی

R&D

OpenAI (Remote)

راهبر ارشد هوش مصنوعی

هلثی

آموزش هوش مصنوعی زاینده

هزار و یک گشت پاسارگاد

برنامه نویس ارشد هوش مصنوعی

اسمایلینو

زبان

انگلیسی

مهارت خواندن

80%

مهارت نوشتن

80%

مهارت گفتاری

80%

مهارت شنیداری

80%

پروژه‌ها

دوره‌ها و گواهینامه‌ها

دوره آمار برای علم داده

موسسه: توسعه آزاد

دوره علم داده

موسسه: توسعه آزاد

دوره مهندسی داده

موسسه: توسعه آزاد

Recommendation Letter Collaboration

موسسه: UMass

Invitation Letter Singapore

موسسه: ICIAI Nanyang Technological University (NTU)

ICIAI Paper Certification

موسسه: ICIAI Nanyang Technological University (NTU)

Invitation Letter Norwegian

موسسه: Foot Wear Science

افتخارات

تحقیقات

: H. Saki, S. Eshraghi, A. Zarein, H. Zare, H. Veisi, M. Akbari, "ReAct-GRIP: Chain-of-Thought Reasoning and Reinforcement for Context-Aware Recommendatio"

ناشر: International Conference on Machine Learning (ICML 2025)

: H. Saki, S. Eshraghi, P. Sar Sangi, A. Zarein, "Reasoning Is All You Need: Evaluating LLMs in Food Additive Classification and Explanation"

ناشر: International Conference on Artificial Intelligence and Information (ICIAI 2025)

: F. Salboukh, H. Saki, L. Fiondella, "Feature Selection with Bayesian Networks to Classify Defect-Prone Software Modules"

ناشر: Information and Software Technology

: F. Salboukh, H. Saki, L. Fiondella, "Optimizing Software Defect Classification with Locally Linear Embedding Techniques"

ناشر: 71st Annual Reliability and Maintainability Symposium (RAMS 2025)

: F. Salboukh, H. Saki, L. Fiondella, "Enhanced Long-Term Resilience Prediction Using TimeGPT"

ناشر: Symposium on Data Science and Statistics (SDSS 2025)

: F. Salboukh, H. Saki, L. Fiondella, "Resilience Forecasting through Advanced Predictive Models: A Transformer-Based Approach for Dynamic Analysis"

ناشر: Joint Statistical Meetings (JSM 2025)

: S. Eshraghi, H. Saki, M. Tafazoli, "Revolutionizing the Footwear Industry: The Role of AI in Reducing Pre-Production Time and Costs"

ناشر: Footwear Science Journal, 17th Biennial Footwear Biomechanics Symposium

: F. Salboukh, H. Saki, L. Fiondella, "Resilience Prediction: A Transformer-based Approach"

ناشر: 72st Annual Reliability and Maintainability Symposium (RAMS 2026)

تماس با من