هدف مشروع Bank Marketing Predictor إلى تحويل سير عمل تحليل بيانات حملات التسويق البنكي من Notebook إلى تطبيق متكامل وقابل للاستخدام الفعلي.
تم بناء نموذج تعلم آلي يعتمد على Gradient Boosting Classifier مع استخدام Pipeline لمعالجة البيانات بشكل منظم قبل التدريب. بعد ذلك يتم حفظ النموذج وملفات الـ artifacts لاستخدامها لاحقًا في التنبؤ.
تم تطوير واجهة خلفية باستخدام FastAPI لتوفير خدمة تنبؤات في الوقت الحقيقي عبر REST API، مما يسمح بإرسال بيانات العملاء والحصول على نتيجة التوقع مباشرة.
كما تم إنشاء واجهة أمامية باستخدام Streamlit لتسهيل تجربة المستخدم وتمكينه من إدخال البيانات وعرض النتائج بشكل تفاعلي.
لتحسين الأداء، تم ضبط threshold الاحتمالات باستخدام مجموعة تحقق (validation set) بهدف رفع دقة النموذج خاصة في كشف الفئة الإيجابية.
كما يحتوي المشروع على اختبارات وحدة (Unit Tests) لضمان استقرار الـ API وموثوقية النتائج.
بشكل عام، المشروع يمثل نظام Machine Learning كامل من التدريب إلى النشر والتفاعل مع المستخدم.
