91����

Phó Giáo sư Ali là một giảng viên giàu kinh nghiệm với đầy đủ kỹ năng, chứng chỉ/ bằng cấp và 25 năm công tác trong nhiều lĩnh vực khác nhau.. Ông đã từng đảm nhiệm nhiều vai trò khác nhau như giảng viên, giảng viên chính,, trưởng khoa, trưởng nhóm nhóm nghiên cứu và quản lý Dự án & Chất lượng. Bằng nền tảng học thuật vững chắc và kinh nghiệm chuyên môn sâu rộng, Phó Giáo sư Ali đã truyền cảm hứng và dẫn dắt cho nhiều sinh viên của mình vươn tới những thành tựu học thuật chuyên sâu. Và ông cũng là người trực tiếp hướng dẫn và giảng dạy cho nhiều sinh viên giành được huy chương trong các cuộc thi mang tính học thuật trên toàn thế giới.

Phó Giáo sư Ali ��đã từng phối hợp với một công ty hệ thống POS nổi tiếng của Canada, để phát triển một phần mềm POS mới được coi là giải pháp tiên phong, có khả năng giải quyết nhiều thách thức mà các doanh nghiệp bán lẻ gặp phải, đánh dấu một bước tiến đáng kể trong ngành. Với bằng cấp và kinh nghiệm chuyên môn về chuyên ngành công nghệ kỹ thuật, Phó Giáo sư Ali có thể cung cấp các phương pháp nghiên cứu, thực hành tốt nhất cho sinh viên dưới vai trò là một giảng viên, người hướng dẫn.

TRÌNH ĐỘ HỌC VẤN��

• Đại học Concordia, Montréal, Canada – 2016-2020��
  Tiến sĩ – Kỹ thuật Điện & Máy tính
• Đại học Concordia, Montréal, Canada – 2015-2016��
  Thạc sĩ Kỹ thuật – Kỹ thuật Hệ thống Chất lượng
• Đại học Baghdad, Baghdad, Iraq – 1998-2001��
  Thạc sĩ – Kỹ thuật Điện tử & Truyền thông
• Đại học Baghdad, Baghdad, Iraq – 1992-1998��
  Cử nhân – Kỹ thuật Điện tử & Truyền thông

CHỨC VỤ CHUYÊN MÔN ĐƯỢC BỔ NHIỆM��

• Đại học Anh Quốc Việt Nam (Việt Nam)��
  Trưởng Khoa, Khoa Khoa học Máy tính & Công nghệ (2024 – nay)
• Tập đoàn Berries (Canada)��
  Quản lý Dự án & Chất lượng (2022 – 2024)
• Tiger Produce, Canada (Canada)��
  Trưởng nhóm (Tiến hành nghiên cứu thực địa) (2021 – 2022)
  Phân tích dữ liệu – Phát triển kinh doanh – Lập kế hoạch chiến lược
• Đại học Concordia và Đại học York (Canada)��
  Nghiên cứu sinh sau tiến sĩ (2021)
  Chương trình hỗ trợ sáng kiến cộng đồng của thành phố Montréal (Canada)
  Giảng viên chính (2018 – 2020)
• Đại học Concordia (Canada)��
  Trợ giảng cho Giảng viên chính (2016 – 2020)
  Viện Công nghệ Ứng dụng (Các Tiểu vương quốc Ả Rập Thống nhất)
  Trưởng nhóm CNTT (2006 – 2013)
  Quản trị viên IC3
  Điều phối viên Cyber C3
  Ban Chỉ đạo CNTT – Thành viên

LĨNH VỰC NGHIÊN CỨU��

• Các phương pháp Tiên lượng và Quản lý Sức khỏe (PHM) và ứng dụng
• Phát triển thuật toán PHM và các lý thuyết lớn, toàn diện thông qua các Kỹ thuật học sâu nâng cao
• Nâng cao quản lý bảo trì và kiểm soát chất lượng bằng các phương pháp học sâu.

CÁC NGHIÊN CỨU ĐƯỢC PHÁT HÀNH

• A. Al-Dulaimi, S. Zabihia, A. Asif và A. Mohammadi, (2019), “Mô hình mạng nơ-ron sâu kết hợp từ nhiều loại dữ liệu và nguồn thông tin khác nhau, cùng với sự kết hợp của các phương pháp hoặc kiến trúc mạng nơ-ron khác nhau để dự đoán hoặc ước lượng thời gian sử dụng còn lại của một hệ thống hoặc thành phần” Ngành công nghiệp máy tính, tập 108, trang 186-196.
• A. Al-dulaimi, S. Zabihi, A. Asif, A. Mohammadi, (2019), “NBLSTM: Mô hình dự đoán thời gian sử dụng còn lại của một hệ thống hoặc thành phần, xử lý dữ liệu nhiễu và sử dụng một kiến trúc sâu kết hợp từ mạng nơ-ron tích chập (CNN) và mạng nơ-ron hồi quy dài hạn ngắn (BLSTM) để cải thiện hiệu suất và độ chính xác của dự đoán” Tạp chí ASME Khoa học Thông tin và Máy tính trong Kỹ thuật, số 1182.
• A. Al-Dulaimi, A. Asif và A. Mohammadi, (2020), “Mô hình ước lượng thời gian sử dụng còn lại của một hệ thống hoặc thành phần, xử lý dữ liệu nhiễu, sử dụng các phương pháp tính toán song song, và kết hợp hai kiến trúc mạng nơ-ron khác nhau là NBGRU và NCNN để cải thiện hiệu suất và độ chính xác của dự đoán,” Kỹ thuật chất lượng, Số đặc biệt về Kỹ thuật độ tin cậy, tập. 32, số 3, trang 371-387.

NGHIÊN CỨU VÀ THUYẾT TRÌNH TẠI CÁC HỘI THẢO & HỘI NGHỊ

• A. Al-Dulaimi, A. Asif và A. Mohammadi, (2020), “Khung công nghệ trong lĩnh vực học sâu, dùng để ước tính thời gian còn lại hữu ích (RUL) của các thiết bị hoặc máy móc, kết hợp nhiều mạng nơ-ron sâu chạy song song và sử dụng cách tiếp cận lai giữa các phương pháp khác nhau để cải thiện độ chính xác của việc ước tính RUL” IEEE (ICPHM), trang 1-7. [Giải thưởng bài báo học thuật xuất sắc nhất].
• A. Al-Dulaimi, A. Asif và A. Mohammadi, (2020), “Phương pháp ước lượng thời gian sử dụng còn lại của một hệ thống hoặc thành phần, sử dụng mô hình song song kết hợp từ hai phương pháp NBGRU và CNN để cải thiện độ chính xác của dự báo”, Hội nghị thường niên IISE, Kỹ thuật chất lượng, tập. 32 không. 3, trang 371-387.
• A. Al-Dulaimi, A. Asif và A. Mohammadi, (2020), ” Phương pháp dự báo thời gian sử dụng còn lại của một hệ thống hoặc thành phần, tính đến nhiễu dữ liệu, sử dụng nhiều con đường thông tin song song và kết hợp các phương pháp khác nhau để ước lượng (NPHM) “, Hội nghị thường niên IISE, Kỹ thuật chất lượng, tập. 32 không. 3.
• A. Al-Dulaimi, A. Asif và A. Mohammadi, (2020), “Mô hình kết hợp đa dạng các phương pháp và kỹ thuật để ước lượng thời gian sử dụng còn lại của một hệ thống hoặc thành phần, xử lý nhiễu dữ liệu, tính đến nhiều con đường thông tin và sử dụng các kỹ thuật tính toán song song để cải thiện hiệu suất và độ chính xác”, xã hội PHM, tập 12, Số 1.
• A. Al-Dulaimi, S. Zabihia, A. Asif và A. Mohammadi, (2019), “Mô hình mạng nơ-ron sâu kết hợp nhiều phương pháp hoặc kỹ thuật khác nhau để dự đoán thời gian sử dụng còn lại của một hệ thống hoặc thành phần” ICASSP, trang 3872-3876.

CÁC NGHIÊN CỨU ĐƯỢC TÀI TRỢ

• A. Al-Dulaimi (2019), “Mô hình mạng nơ-ron sâu kết hợp từ nhiều loại dữ liệu và nguồn thông tin khác nhau, cùng với sự kết hợp của các phương pháp hoặc kiến trúc mạng nơ-ron khác nhau để dự đoán hoặc ước lượng thời gian sử dụng còn lại của một hệ thống hoặc thành phần” được tài trợ một phần bởi Hội đồng Nghiên cứu Khoa học Tự nhiên và Kỹ thuật (NSERC) của Canada thông qua Quỹ tài trợ khám phá NSERC RGPIN-2016-049988 .
• A. Al-Dulaimi, A. Asif và A. Mohammadi, (2020), “Mô hình ước lượng thời gian sử dụng còn lại của một hệ thống hoặc thành phần, xử lý dữ liệu nhiễu, sử dụng các phương pháp tính toán song song, và kết hợp hai kiến trúc mạng nơ-ron khác nhau là NBGRU và NCNN để cải thiện hiệu suất và độ chính xác của dự đoán” được tài trợ một phần bởi Hội đồng Nghiên cứu Khoa học Tự nhiên và Kỹ thuật (NSERC) của Canada thông qua Quỹ tài trợ khám phá NSERC RGPIN-2016-049988.

GIẢI THƯỞNG & DANH HIỆU��

• Giải thưởng Bài báo học thuật xuất sắc nhất (2020)
  Hội nghị quốc tế của IEEE về Tiên lượng và Quản lý sức khỏe (ICPHM 2020), Hoa Kỳ.
• Giải thưởng Kỷ nguyên Dự đoán (2019)
  Chương trình hỗ trợ sáng kiến cộng đồng (CISP), của Thành phố Montréal, Canada.
• Giải thưởng Giảng viên được yêu cầu nhiều nhất (2018 & 2019)
  Chương trình hỗ trợ sáng kiến cộng đồng (CISP), của Thành phố Montréal, Canada.
• Giải thưởng dành cho ứng viên ngoại tỉnh (2016)
  Đại học Concordia, Montréal, Canada.
• Giảng viên CNTT giỏi nhất (2009 & 2012)
  Viện Công nghệ Ứng dụng, Abu Dhabi, UAE.
• Giảng viên CNTT hỗ trợ chương trình SAPET [Thứ bảy] xuất sắc nhất (2011)
  Viện Công nghệ Ứng dụng, Abu Dhabi, UAE.

MEMBERSHIPS��

• Viện Kỹ sư Điện và Điện tử (IEEE)
• Hiệp hội vì sự tiến bộ của trí tuệ nhân tạo (AAAI)
• Cộng đồng chuyên gia được chứng nhận của Microsoft
• Viện Kỹ sư Hệ thống và Công nghiệp (IISE)
• Hiệp hội Chất lượng Hoa Kỳ (ASQ)