Credit Risk Prediction

قمت بتنفيذ مشروع Machine Learning للتنبؤ باحتمالية تعثر العملاء في سداد القروض (Credit Default Prediction) باستخدام بيانات العملاء مثل العمر، الدخل، مدة العمل، الغرض من القرض، والسجل الائتماني. هدف المشروع: يهدف المشروع إلى مساعدة المؤسسات المالية والبنوك في تقليل مخاطر الإقراض وتحسين قرارات منح القروض من خلال التنبؤ بالعملاء الأكثر عرضة للتعثر في السداد. مراحل تنفيذ المشروع: Data Exploration & Preprocessing * استكشاف وتحليل البيانات * تنظيف البيانات ومعالجة القيم المفقودة * Feature Encoding وتحويل البيانات الفئوية * تجهيز البيانات للتدريب وتحسين جودة المدخلات Machine Learning Models تم تدريب وتجربة أكثر من نموذج للتصنيف، منها: * Random Forest * Support Vector Machine (SVM) Model Training & Evaluation * تدريب النماذج ومقارنة الأداء * Hyperparameter Tuning لتحسين النتائج * تقييم النماذج باستخدام Metrics مختلفة لقياس الدقة والكفاءة Model Deployment * نشر النموذج باستخدام Streamlit * إنشاء واجهة تفاعلية تسمح بإدخال بيانات العميل والتنبؤ بإمكانية التعثر بشكل مباشر التقنيات المستخدمة: * Python * Pandas * NumPy * Scikit-learn * Streamlit * Joblib نتائج المشروع: - بناء نموذج فعال للتنبؤ بمخاطر التعثر الائتماني - تحسين دقة التنبؤ باستخدام Hyperparameter Tuning - إنشاء Web Application تفاعلي باستخدام Streamlit - دعم اتخاذ القرار في المؤسسات المالية وتقليل المخاطر المحتملة