تطوير خوارزميات تعلم آلي من الصفر | تطبيق تفاعلي ونظام ذكاء أعمال متكامل

في هذا المشروع، قمت بتجاوز الاستخدام التقليدي للمكتبات الجاهزة، حيث قمت ببناء النماذج الرياضية والبرمجية الأساسية لتعلم الآلي من الصفر. يهدف المشروع إلى إثبات الكفاءة في فهم "المنطق الرياضي" (Mathematical Intuition) خلف الذكاء الاصطناعي، مع تقديم حل برمجى متكامل وقابل للاستخدام المباشر. المهارات والحلول التقنية التي أبرزتها: 1. الهندسة الخوارزمية (Implementation from Scratch): بناء نماذج Linear Regression و Logistic Regression بالاعتماد على الرياضيات البحتة. برمجة خوارزمية Gradient Descent يدوياً للتحكم الكامل في عملية التحسين (Optimization) وفهم كيفية تقليل دالة التكلفة (Cost Function). الهدف من هذه الخطوة كان ضمان دقة النتائج والقدرة على تخصيص الخوارزمية لتناسب حالات البيانات المعقدة التي قد تعجز عنها الإعدادات الافتراضية للمكتبات. 2. تطوير الواجهة التفاعلية (Streamlit Dashboard): تطوير تطبيق ويب تفاعلي عبر ملف app.py باستخدام إطار عمل Streamlit. يتيح التطبيق للمستخدمين رفع ملفات البيانات، وتغيير المعاملات (Hyperparameters) برمجياً، ورؤية النتائج والتوقعات بشكل فوري وتفاعلي. 3. معايير البرمجة الاحترافية (Software Engineering Excellence): Clean Code: كتابة كود نظيف، منظم، وقابل للصيانة باتباع أفضل الممارسات البرمجية. Modular Pipeline: تنظيم المشروع في "خطوط إنتاج" (Pipelines) برمجية تفصل بين مرحلة معالجة البيانات، بناء النموذج، والعرض. استخدام الـ OOP (Object-Oriented Programming) لضمان مرونة الكود وإعادة استخدامه في مشاريع أخرى. 4. الرياضيات خلف الذكاء الاصطناعي: التعامل مع الجبر الخطي (Linear Algebra) والإحصاء لضمان جودة معالجة البيانات قبل تدريب النماذج. الأدوات والتقنيات: اللغة: Python. التطوير: Streamlit. المكتبات (للمعالجة والتصور): NumPy, Pandas, Matplotlib.