Automated Exam Grading System Using Machine Learning | IEEE Competition

هذا المشروع يهدف إلى بناء نموذج Machine Learning لتحليل بيانات حقيقية والتنبؤ بالقيم بدقة عالية، مع التركيز على تحسين الأداء وتقليل نسبة الخطأ. بدأ العمل على المشروع بمرحلة استكشاف البيانات (EDA) لفهم طبيعة البيانات واكتشاف العلاقات بين المتغيرات، تليها مرحلة تنظيف البيانات (Data Preprocessing) للتعامل مع القيم المفقودة والبيانات غير المتناسقة. بعد ذلك تم تنفيذ Feature Engineering لاختيار أهم الخصائص المؤثرة على النموذج، مما ساعد في تحسين جودة التنبؤ بشكل ملحوظ. تم تجربة عدة نماذج من تعلم الآلة مثل: Regression Models Tree-based Models Boosting Algorithms ومن ثم تم اختيار أفضل نموذج بناءً على الأداء باستخدام مقاييس مثل: MAE (Mean Absolute Error) RMSE ? النتائج: حقق النموذج دقة عالية مع تقليل واضح في نسبة الخطأ، مما يجعله مناسبًا للاستخدام في تطبيقات التنبؤ واتخاذ القرار. ? الأدوات المستخدمة: Python، Pandas، NumPy، Scikit-learn، XGBoost، Matplotlib