End-to-End Machine Learning Pipeline for Heart Disease Prediction

بناء نموذج ذكاء اصطناعي (Machine Learning) قادر على التنبؤ باحتمالية إصابة المريض بأمراض القلب بناءً على مجموعة من المؤشرات الحيوية والطبية ما تم إنجازه في هذا المشروع: معالجة البيانات (Data Preprocessing): تنظيف البيانات الطبية وتجهيزها، واستخدام تقنيات التقييس (Standard Scaling) لضمان دقة النموذج التحليل الاستكشافي (EDA): دراسة العلاقات بين المتغيرات الطبية وتأثيرها على النتيجة النهائية بناء النماذج (Model Building): تدريب وتقييم خوارزميات التعلم الموجه (Supervised Learning) واختيار خوارزمية Random Forest كأفضل نموذج من حيث الدقة تصدير النموذج (Model Deployment): حفظ النموذج النهائي بصيغة (.pkl) باستخدام مكتبة joblib، ليكون جاهزاً للدمج المباشر في تطبيقات الويب أو الهواتف الذكية الخاصة بالمستشفيات أو العيادات الأدوات المستخدمة: Python, Pandas, Scikit-Learn, Random Forest, Joblib