التنبؤ بجودة منتجات باستخدام التعلم الآلي

يركز هذا المشروع على تحليل بيانات جودة التفاح بهدف تصنيفها وتحديد العوامل المؤثرة على جودتها. يتم إجراء تحليل استكشافي شامل للبيانات (EDA) لفهم توزيع الخصائص المختلفة مثل الحجم، الوزن، درجة الحلاوة، القرمشة، العصارة، ودرجة النضج، بالإضافة إلى دراسة العلاقات بين المتغيرات واكتشاف الأنماط المؤثرة في جودة المنتج. يتم تنظيف البيانات ومعالجة القيم المفقودة والقيم الشاذة وتجهيزها لتناسب نماذج التعلم الآلي، ثم بناء وتدريب نماذج تصنيف للتنبؤ بجودة التفاح (جيد / غير جيد) مع مقارنة أداء النماذج واختيار النموذج الأفضل. و سيحصل العميل على: ملف البيانات بعد التنظيف والمعالجة بصيغة CSV. تحليل استكشافي للبيانات يتضمن 5 إلى 10 رسوم بيانية توضح أهم العلاقات والأنماط داخل البيانات. بناء وتدريب من 2 إلى 5 نماذج تعلم آلي للمقارنة بينها واختيار الأفضل. تقييم أداء النماذج باستخدام Accuracy و Precision و Recall و F1-Score و Confusion Matrix. تحديد أهم العوامل المؤثرة في جودة التفاح مع شرح تأثير كل عامل. الكود البرمجي كاملًا بصيغة Python (.py). ملفات الرسوم البيانية والصور الناتجة عن التحليل.