يعرض هذا المشروع خبرتي في بناء وتطوير نماذج التعلم الآلي (Machine Learning) التنبؤية من الصفر وحتى التقييم النهائي، مع تطبيق أفضل الممارسات في علم البيانات وهيكلة المشاريع البرمجية.
يتناول المشروع بناء نموذج انحدار تنبؤي (Regression Model) باستخدام خوارزمية (Random Forest) لتقدير التكاليف بناءً على مجموعة من المتغيرات، وقد شملت دورة حياة المشروع:
1. معالجة البيانات (Data Preprocessing): تنظيف البيانات، التعامل مع القيم المفقودة، وهندسة الميزات (Feature Engineering) لتجهيزها للتدريب.
2. تدريب النموذج وضبط المعلمات (Model Training & Tuning): بناء النموذج وتحسين أدائه باستخدام تقنيات ضبط المعلمات (Hyperparameter Tuning) للوصول إلى أعلى دقة ممكنة.
3. تقييم الأداء بدقة (Model Evaluation): تحقيق نتائج قوية وموثوقة في مقاييس الأداء المعيارية مثل (R2 Score بمعدل 0.87)، وتقليل معدلات الخطأ (RMSE & MAE).
4. تصوير النتائج (Data Visualization): إنشاء رسوم بيانية تحليلية توضح "أهمية الميزات" (Feature Importance) لمعرفة العوامل الأكثر تأثيراً، بالإضافة إلى رسوم توضح دقة التوقعات مقارنة بالبيانات الفعلية (Actual vs Predicted) وتحليل البواقي (Residuals).
مميزات العمل:
- كتابة كود برمجي نظيف واحترافي ومقسم إلى وحدات (Modular Code) باستخدام بيئة Visual Studio Code.
- استخدام بيئة Google Colab للتجارب التفاعلية والتحليل الاستكشافي السريع.
- إتقان استخدام مكتبات بايثون المتقدمة: Scikit-learn, Pandas, Matplotlib, Seaborn.
