تحليل البيانات وبناء نموذج تنبؤ (Machine Learning)

يقوم العميل بتزويدي بملف البيانات مع تحديد الهدف المطلوب (تحليل أو تنبؤ)، ثم أقوم بتنفيذ دورة كاملة تشمل تنظيف البيانات، تحليلها، وبناء نموذج تنبؤ مناسب حسب طبيعة البيانات. الخصوصية: يتم سؤال العميل أولًا إذا كانت البيانات سرية أو غير قابلة للمشاركة، ويتم التعامل مع جميع البيانات بسرية تامة وعدم استخدامها خارج نطاق المشروع. حدود البيانات (Scope) لضمان جودة الأداء: حجم الملف حتى 2 GB عدد الأعمدة حتى 25 عمود عدد الصفوف غير محدد لكن يعتمد على الأداء وجودة البيانات خطوات العمل: 1) معالجة البيانات تنظيف البيانات، معالجة القيم المفقودة، وتحويل البيانات إلى شكل مناسب للتحليل. 2) تحليل البيانات (EDA) تحليل العلاقات بين المتغيرات واستخراج الأنماط المهمة وإنشاء من 4 إلى 10 رسوم بيانية توضح النتائج الأساسية. 3) بناء نموذج التنبؤ اختيار النموذج المناسب حسب طبيعة البيانات مثل: Random Forest XGBoost LightGBM CatBoost Support Vector Machine في حالة التصنيف: يتم فحص توازن الفئات ومعالجة عدم التوازن عند الحاجة لتحسين دقة النموذج. التسليم النهائي: Notebook (Google Colab / Jupyter) يحتوي على كامل المشروع كود تنظيف البيانات كود التحليل (EDA) كود تدريب النموذج نموذج التنبؤ المدرب (Saved Model) ملف شرح بسيط لطريقة التشغيل ملاحظات مهمة: اختيار النموذج يعتمد على طبيعة البيانات وليس حجمها فقط يتم اختيار أفضل حل بناءً على جودة البيانات والمشكلة