Erfahrener Data Scientist mit Spezialisierung auf politikwissenschaftliche und sozialwissenschaftliche Forschung, mit umfassender Erfahrung in der Erstellung von Event-Datensätzen und der computergestützten Datenanalyse.

Zuvor leitete er Datenprojektarbeiten an der Georgetown University und der Princeton University, bei denen er groß angelegte Datensätze zu Protestereignissen konzipierte und kuratierte und dabei fortschrittliche Data-Science-Methoden einsetzte, um die akademische Forschung effizienter zu gestalten.

Seine Expertise umfasst maschinelles Lernen, Data Engineering und Natural Language Processing, angewendet auf die Analyse sozialer Bewegungen und die Erforschung öffentlicher Politiken.

Um die Effizienz bei der Erfassung von Event-Daten zu steigern, entwickelte er eine Automatisierungsanwendung, die große Sprachmodelle und Python-Skripte nutzt, um Protestereignisdaten aus arabischen Nachrichtenquellen zu extrahieren, zu kategorisieren und zu strukturieren. Dieses Tool verbessert die Geschwindigkeit und Genauigkeit der Datensatzerstellung für groß angelegte Forschungsprojekte erheblich.

Mit einer Leidenschaft für Innovation erforscht er kontinuierlich neue Wege, um Data Science und sozialwissenschaftliche Forschung zu verbinden und Erkenntnisse zu gewinnen, die politische Entscheidungsprozesse und den akademischen Diskurs bereichern.