نظام ذكاء اصطناعي متكامل لاكتشاف الاحتيال في مطالبات تأمين السيارات

نبذة عن المشروع: مشروع تعلم آلة متكامل يهدف إلى حماية شركات التأمين من الخسائر المالية من خلال التنبؤ الآلي بمطالبات تأمين السيارات الاحتيالية. يغطي المشروع دورة حياة البيانات بالكامل (Data Pipeline)، بدءاً من تحليل ومعالجة البيانات، مروراً بتدريب نماذج ذكاء اصطناعي متقدمة، وصولاً إلى نشر النموذج (Deployment) باستخدام واجهة برمجة تطبيقات (REST API) وواجهة مستخدم تفاعلية. المهارات والأدوات المستخدمة: لغات البرمجة: Python مكتبات تعلم الآلة: Scikit-Learn, XGBoost, Imbalanced-learn هندسة ونشر النماذج (Deployment): FastAPI, Streamlit, Joblib معالجة البيانات: Pandas, NumPy أبرز التحديات التي تم حلها والتقنيات المستخدمة: معالجة البيانات غير المتوازنة (Handling Imbalanced Data): تعتبر بيانات الاحتيال دائماً غير متوازنة (الحالات السليمة أكثر بكثير من الاحتيالية). تم التغلب على هذا التحدي باحترافية باستخدام تقنيات متعددة مثل: SMOTE (توليد بيانات اصطناعية للأقلية). Random OverSampling & UnderSampling. بناء وتدريب نماذج متقدمة (Advanced Modeling): استخدام خوارزميات قوية مثل Decision Tree و XGBoost. دمج النماذج لرفع الكفاءة باستخدام تقنيات التعلم التجميعي (Ensemble Learning) مثل Voting Classifier و Stacking Classifier. تحسين عتبة القرار (Threshold Optimization): لم أكتفِ بالنتائج الافتراضية، بل قمت بضبط "عتبة اتخاذ القرار" (Threshold Tuning) لتعظيم مقاييس الـ Recall والـ F1-Score، وهو أمر حاسم في قضايا الاحتيال لضمان عدم إفلات أي مطالبة مزيفة. هندسة النشر والإنتاج (Production & Deployment): هيكلة المشروع بشكل برمجي نظيف (Modular Code). بناء واجهة خلفية (Backend) سريعة وموثوقة باستخدام FastAPI. تصميم واجهة مستخدم تفاعلية بسيطة باستخدام Streamlit تتيح للمستخدم إدخال بيانات المطالبة والحصول على تقييم فوري (سليمة أم احتيالية). مخرجات وقيمة المشروع (Business Value): يقدم هذا النظام حلاً جذرياً لشركات التأمين لتقليل النزيف المالي الناتج عن الاحتيال. من خلال التركيز على مؤشر الـ Recall، يضمن النظام التقاط أكبر عدد ممكن من المطالبات المشبوهة بدقة عالية (أفضل نموذج حقق معدل Recall = 0.54 بعد ضبط العتبة إلى 0.73)، مما يوفر آلاف الدولارات ويسرع من عملية مراجعة المطالبات الموثوقة للعملاء الحقيقيين.