Muhammad Huzaifa Aftab

Erstelle dein Portfolio mit ProoV
ProoV
EN Verifiziertes Arbeitsportfolio

ProoV Portfolio

Muhammad Huzaifa Aftab

Mechanical Engineering · University of Engineering and Technology Taxila

Zum ProoV-Leaderboard

Projekte

Zertifiziert

Selbstgesteuertes Projekt

Machine Learning for Automotive

KI / ML · Oktober 2026

78/ 100

Eine ProoV-Fallstudie · Lernprojekt, kein Arbeitsverhältnis

Built an end-to-end used-car pricing analysis for VW and Audi listings: combined the datasets, explored price and mileage patterns, engineered predictive features, and compared Linear Regression with Random Forest using R² and MAE. The work culminated in a business-facing recommendation to use the Random Forest as a decision-support tool for CPO pricing, with model outputs interpreted through feature importance and operational impact.

Bewertet nach

  • Exploratory Data Analysis20%
  • Feature Engineering25%
  • Model Building & Evaluation35%
  • Business Communication20%

Bestanden · Bestehensgrenze 60/100

Was herausstach6
  • Built a clear VW-vs-Audi EDA with distributions, correlation heatmap, scatter plots, and brand-level price comparison.
  • Identified engine size, car age, and mileage as key pricing drivers and connected them to the observed correlations.
  • Compared Linear Regression against Random Forest using R² and MAE, and translated the results into a pricing recommendation for the CPO team.
  • Exploratory Data Analysis Across Segmented Brands
  • Leakage-Aware Feature Design
  • Model Comparison Using Multiple Regression Metrics
Meine eingereichte Arbeit10 Aufgaben

5 Aufgaben · 6 Zeilen · 5 Textantworten · 175 Wörter

  • VW Sprint1 Complete56 Zeichen
  • VW Sprint2 Complete61 Zeichen
  • VW Sprint3 Complete59 Zeichen
  • VW Business Insights1.5k Zeichen
  • Jupyterlite Code2 Zeilen
  • VW Sprint1 Complete1 Wort
  • VW Sprint2 Complete1 Wort
  • VW Sprint3 Complete1 Wort
  • VW Business Insights171 Wörter
  • Jupyterlite Code1 Wort

Bewusst zusammengefasst — der eingereichte Code und die Texte bleiben privat, damit diese Seite nicht als Lösungsvorlage dient. Die vollständige Einreichung steht hinter dem verifizierten Zertifikat.

Verifiziertes ZertifikatFälschungssicher · ausgestellt von ProoV
Zertifiziert

Selbstgesteuertes Projekt

Predictive Maintenance: Industrial ML for Fault Detection

Condition-Monitoring Engineer · KI / ML · August 2026

78/ 100

Eine ProoV-Fallstudie · Lernprojekt, kein Arbeitsverhältnis

Built a compact bearing-fault detector end to end: plotted a faulty vibration snapshot, used time-domain features including kurtosis, trained a shallow decision tree on training bearings only, and evaluated it on a held-out set with catch-rate and false-alarm rate. Also produced a maintenance memo defending a 0.50 alarm threshold with explicit cost trade-offs and a plain-language explanation for operations staff.

Bewertet nach

  • Feature engineering (signal to honest numbers)25%
  • Held-out evaluation (honest measurement)25%
  • Cost-based threshold decision + memo25%
  • Compact model + embedded-budget justification15%
  • Plain-language explanation10%

Bestanden · Bestehensgrenze 60/100

Was herausstach6
  • Used a depth-capped decision tree and explicitly stated depth 1 and 3 nodes against the embedded budget
  • Reported held-out catch rate and false-alarm rate rather than evaluating on training data
  • Wrote a maintenance memo that ties the threshold choice to concrete catch-rate and false-alarm numbers
  • Leakage-Free Model Training
  • Honest Held-Out Evaluation
  • Cost-Based Operational Decision-Making
Meine eingereichte Arbeit18 Aufgaben

10 Aufgaben · 6.4k Zeichen · Python · 8 Textantworten · 428 Wörter

  • Initial Prediction62 Zeichen
  • Load Plot Signal CodePython · 1.9k Zeichen
  • Load Plot Signal205 Zeichen
  • Example Rms WorkedPython · 698 Zeichen
  • Time Features143 Zeichen
  • Freq FeaturesPython · 1.1k Zeichen
  • Train Classifier363 Zeichen
  • Evaluation Heldout288 Zeichen
  • Threshold Decision334 Zeichen
  • Decision Memo1.4k Zeichen
  • Initial Prediction9 Wörter
  • Load Plot Signal Code163 Wörter
  • Load Plot Signal15 Wörter
  • Example Rms Worked72 Wörter
  • Time Features10 Wörter
  • Freq Features104 Wörter
  • Train Classifier31 Wörter
  • Evaluation Heldout24 Wörter

Bewusst zusammengefasst — der eingereichte Code und die Texte bleiben privat, damit diese Seite nicht als Lösungsvorlage dient. Die vollständige Einreichung steht hinter dem verifizierten Zertifikat.

Verifiziertes ZertifikatFälschungssicher · ausgestellt von ProoV
2Abgeschlossene Projekte
2Verifizierte Zertifikate
78Durchschnittsnote
Erstelle dein Portfolio mit ProoV
Muhammad Huzaifa Aftab — Portfolio | ProoV