شروع متكامل في تعلم الآلة والذكاء الاصطناعي يهدف إلى التنبؤ بقبول أو رفض طلبات القروض بناءً على مجموعة من البيانات الشخصية والمالية والائتمانية الخاصة بالمتقدم.
تم تنفيذ المشروع كحل متكامل يبدأ من معالجة البيانات وتجهيزها، مرورًا بـ هندسة الخصائص وبناء نموذج التصنيف، وصولًا إلى تطوير تطبيق تفاعلي لعرض التنبؤات بشكل مباشر.
تم استخدام Logistic Regression لبناء نموذج التصنيف، مع تطبيق تقنيات معالجة البيانات المناسبة، بما في ذلك ترميز البيانات الفئوية (Categorical Encoding) وتوحيد نطاق البيانات الرقمية (Feature Scaling) لضمان تجهيز البيانات بالشكل المناسب للنموذج.
كما يتضمن المشروع تطبيقًا تفاعليًا باستخدام Streamlit يتيح للمستخدم إدخال بيانات المتقدم للحصول على توقع فوري لحالة طلب القرض، بالإضافة إلى عرض نسبة الثقة في التنبؤ.
التقنيات المستخدمة:
Python – Pandas – Scikit-Learn – Logistic Regression – Streamlit – Joblib
المشروع يمثل تطبيقًا عمليًا متكاملًا يجمع بين معالجة البيانات، Machine Learning، والتطبيق التفاعلي في حل واح
