تطوير نظام ذكاء اصطناعي لتقييم الأداء البدني والتنبؤ بالفئة الرياضية

قمت بتطوير مشروع Body Performance Intelligence وهو نظام تفاعلي يعتمد على تعلم الآلة لتحليل بيانات اللياقة البدنية والتنبؤ بفئة الأداء الرياضي للمستخدم، بالإضافة إلى تقدير مسافة الوثب العريض بناءً على القياسات الفسيولوجية ونتائج اختبارات اللياقة. اعتمد المشروع على Dataset تحتوي على 13,393 سجل و 12 متغيراً تشمل العمر، النوع، الطول، الوزن، نسبة الدهون، ضغط الدم، قوة القبضة، المرونة، تمارين البطن، والوثب العريض. تم تنفيذ خط معالجة بيانات كامل يبدأ من تحميل البيانات، فحص الجودة، تحليل البيانات استكشافياً، تنظيف البيانات، التحقق من القيود الفسيولوجية مثل علاقة ضغط الدم الانقباضي والانبساطي، إزالة التكرارات، ثم تقسيم البيانات وتدريب النماذج. شمل النظام بناء وتقييم عدة نماذج تصنيف وانحدار، منها Random Forest, SVM, Logistic Regression, KNN, Decision Tree, Neural Network, Linear Regression, SVR، مع مقارنة الأداء باستخدام Accuracy, Precision, Recall, F1-Score, Cross Validation, R², RMSE, MAE وتحليل ثبات النماذج عبر أكثر من تقسيم للبيانات. تم اختيار Random Forest كأفضل نموذج تصنيف بدقة وصلت إلى 74.26%، كما تم استخدام نماذج الانحدار لتقدير مسافة الوثب العريض مع تحقيق قيمة R² ≈ 0.78. كما يتضمن المشروع تحليل Feature Importance لتحديد أهم العوامل المؤثرة في الأداء، مثل المرونة، عدد تمارين البطن، العمر، الوزن، ونسبة الدهون. قمت أيضاً بتطوير Dashboard تفاعلي باسم APEX يسمح للمستخدم بإدخال بياناته من خلال Sliders وButtons، ثم تحليل أدائه فورياً وعرض التصنيف المتوقع، تقدير الوثب، مقارنة النماذج، عرض تفاصيل الـ Dataset، ومراجعة التقرير النهائي بشكل منظم واحترافي. المشروع يجمع بين Data Science, Machine Learning, Data Visualization, Model Evaluation, UI Dashboard Design بهدف تحويل البيانات الخام إلى نظام ذكي قابل للاستخدام والعرض. المخرجات : _ Dashboard تفاعلي لتوقع فئة الأداء البدني. _ مقارنة شاملة بين نماذج التصنيف والانحدار. _ تحليل جودة البيانات وتعريف المتغيرات. _ Feature Importance لأهم العوامل المؤثرة. _ تقرير نهائي يوضح خطوات المشروع ونتائجه. _ واجهة احترافية بتصميم Dark UI مناسب لعرض النتائج والتحليلات. مهارات متعلقة بالعمل: Python Machine Learning Data Science Data Analysis Classification Regression Random Forest SVM Logistic Regression KNN Decision Tree Neural Network Scikit-Learn Pandas NumPy Data Visualization Model Evaluation Feature Importance Dashboard Design UI/UX Streamlit أو React حسب الأداة المستخدمة GitHub