نظام تحليل وتصنيف الأداء البدني بالذكاء الاصطناعي

تم تنفيذ مشروع متكامل في مجال الذكاء الاصطناعي وتعلم الآلة، يهدف إلى بناء نظام ذكي لتصنيف الأداء البدني وتوقع مستويات اللياقة (Grade A, B, C, D) بناءً على القياسات الحيوية. يغطي المشروع دورة حياة تعلم الآلة بالكامل (ML Workflow)؛ بدءاً من استكشاف وتنظيف البيانات، وصولاً إلى تدريب النماذج والتوصية بآليات النشر (Deployment) الفعلية. التصنيف (Classification): بناء نظام دقيق يتوقع مستوى الأداء البدني للمستخدمين لتوفير تقييم لياقة يعتمد على البيانات. الانحدار (Regression): تطوير نموذج لتوقع مسافة "القفز العريض" (Broad Jump Distance) بناءً على مقاييس اللياقة البدنية، لتقديم تنبؤات كمية للأداء. تم تحليل قاعدة بيانات ضخمة تحتوي على 13,392 سجل وتتكون من 12 ميزة (Features)، تشمل: البيانات الديموغرافية (السن، النوع). قياسات تكوين الجسم (الطول، الوزن، نسبة الدهون). مؤشرات صحة القلب (ضغط الدم الانقباضي والانبساطي). تم اختبار 4 نماذج لتعلم الآلة لضمان أفضل أداء: للتصنيف: يُنصح باستخدام Neural Networks للتطبيق الفعلي لتقديم توقعات فورية (Real-Time Classification). للانحدار: يُنصح باستخدام Linear Regression لأنه يوفر 99.2% من كفاءة أفضل أداء ولكنه أسرع بـ 1000 مرة في التدريب، مما يجعله أداة توجيه ممتازة (Coaching Tool). أفضل دقة تصنيف (Accuracy): 74.65% أداء نموذج الانحدار: R² = 0.79 أثبتت التحليلات أن (المرونة، قوة التحمل الأساسية "Core Endurance"، نسبة الدهون في الجسم، وقوة القبضة) هي العوامل الأكثر تأثيراً في توقع الأداء البدني.