Post by Fatma Badawy
Data Science | Machine Learning | Data Analysis | Exploring AI | Student at computer Science and AI
ملايين من عشاق الـ Formula 1 بيتفرجوا على السباقات وفاكرين إن السرعة بس هي اللي بتجيب الفوز.. بس الحقيقة؟ الإطارات (Tyres) وإستراتيجية الـ Pit Stop هي الروح والركيزة الحقيقية لأي سباق! 🏎️📊 توقيت دخول السائق للـ Pit Lane عشان يغير الكاوتش مش مجرد قرار عشوائي؛ ده قرار مصيري بيتحكم في الـ Track Position، والغلطة فيه بأجزاء من الثانية ممكن تضيع سباق كامل وتدمر مجهود فريق بقاله شهور بيستعد. مهندس الإستراتيجية بيبقى قاعد تحت ضغط رهيب عشان يتوقع عمر الكاوتش وموعد انهياره وسط متغيرات لحظية زي حرارة الحلبة والهواء المضطرب (Dirty Air). عشان كده، قررت أدمج شغفي بالـ Data Science والـ F1 في مشروع مميز: 🎯 Pit Stop Strategy Engine المشروع عبارة عن Live Race Dashboard متكاملة بتتوقع نافذة التوقف المثالية للسائقين بدقة عالية. الـ Tech Stack والرحلة الهندسية للمشروع: 🧠 Machine Learning: استخدمت موديل XGBoost تم تدريبه على الداتا التاريخية للسباقات لاستيعاب معدلات تآكل الكاوتش بناءً على نوع المركب (Soft/Medium/Hard) وحرارة الأسفلت. 🎲 Monte Carlo Simulation: الموديل بيشغل 10,000 محاكاة لعوالم موازية في الخلفية عشان يحسب الـ Probability Distribution ويطلع الـ Pit Window والـ Confidence Rate بدقة وثقة. 🗺️ Live Telemetry Mapping: استخدمت مكتبة FastF1 مع Matplotlib لسحب إحداثيات الـ X و Y الحقيقية للحلبة ورسم الـ Track Map ديناميكياً، وتلوين خط سير العربية بناءً على الـ Speed Trace (السرعة اللحظية للسائق) عشان توضح أماكن الكبح والسرعات القصوى. UI/UX Design: استخدمت replit عشان اعمل Dashboard كاملة بـ Custom HTML/CSS/JS بتحديث لحظي (Dynamic Updating) متناسقة مع الـ Dark Mode، لسهولة اتخاذ القرار. من أحلى التجارب اللي الموديل أثبت فيها عبقريته هي محاكاة حلبة موناكو؛ الموديل لقط لوحده إن التجاوز هناك مستحيل، فقرر يقدم لفة التوقف (Undercut) بدري جداً لخطف الصدارة، معتمدًا على إن أسفلت موناكو ناعم وهيستحمل بقية السباق، تفكير تكتيكي حقيقي! 🔮 What's Next? (خطوات جاية مكملة): بما إني الفترة دي بدأت أدرس الـ Deep Learning وحابة أطبق اللي بتعلمه بشكل عملي، فالخطوات الجاية للمشروع هتبقى بسيطة وتدريبية: 1️⃣ توقع نوع الكاوتش الجديد: هضيف موديل بسيط (Classification) عشان يقترح السيرفر من خلاله نوع الكاوتش الجاي (Soft, Medium, Hard) بناءً على عدد اللفات المتبقية. 2️⃣ تطبيق أساسي للـ CNN: هحاول أعمل تجربة أولية وبسيطة باستخدام الـ Convolutional Neural Networks عشان أشوف هل هتقدر لقطات سريعة من الـ Telemetry تعطيني مؤشر عن تراجع أداء العربية ولا لاء. المشروع ده كان رحلة ممتعة جداً أثبتت لي إن الداتا مش مجرد أرقام في جداول، الداتا هي المحرك الأساسي لأسرع رياضة في العالم. 👇 هسيب لكم الـ Dashboard النهائي في ويسعدني جداً أعرف رأيكم! web : https://lnkd.in/e7UB9Gsk GitHub: https://lnkd.in/eDQp9TRV #DataScience #MachineLearning #DeepLearning #Formula1 #XGBoost #MonteCarlo #SportsAnalytics #Python #FastF1 #WebDevelopment
Video Content