Student Success Prediction | التنبؤ بنجاح الطلاب باستخدام Machine Learning

يهدف المشروع إلى تحليل بيانات الطلاب وبناء نموذج تعلم آلة للتنبؤ بإمكانية نجاح الطالب اعتمادًا على مجموعة من العوامل الأكاديمية والسلوكية. 🔹 ما تم تنفيذه: • تحليل واستكشاف البيانات التعليمية. • اكتشاف ومعالجة القيم المفقودة. • تنظيف وتجهيز البيانات للنمذجة. • إجراء التحليل الاستكشافي للبيانات (EDA). • دراسة تأثير العوامل المختلفة على نتائج الطلاب. • تجهيز البيانات وتقسيمها إلى Training و Testing. • بناء وتدريب نماذج تعلم آلة متعددة. • مقارنة أداء النماذج واختيار الأفضل. 🔹 العوامل المستخدمة: • عدد ساعات الدراسة الأسبوعية. • نسبة الحضور. • الدرجات السابقة. • الأنشطة اللامنهجية. • المستوى التعليمي للوالدين. 🔹 النماذج المستخدمة: • Logistic Regression • Decision Tree Classifier 🔹 التقنيات المستخدمة: Python • Pandas • NumPy • Matplotlib • Seaborn • Scikit-Learn • Google Colab 🔹 مخرجات المشروع: بناء نموذج قادر على التنبؤ بنتائج الطلاب وتحويل البيانات التعليمية إلى مؤشرات ورؤى تساعد على فهم العوامل المؤثرة في الأداء الأكاديمي.