أبني لك نموذج تصنيف بيانات مالية باستخدام بايثون (Machine Learning)

أساعدك في تحويل بياناتك إلى نماذج تنبؤية جاهزة للاستخدام — تصنيف مخاطر، تقسيم عملاء، أو تحليل بيانات معاملات مالية. ما الذي أقدمه: تنظيف وتجهيز البيانات (Python, Pandas) بناء نماذج تصنيف أو تجميع (Logistic Regression, Random Forest, XGBoost, K-Means) تقييم النموذج بمقاييس تناسب هدف عملك الفعلي، مش بس الدقة (Accuracy) تسليم كامل: كود بايثون منظم شرح للنتائج خلفيتي: عملت متدرب تحليل بيانات في بنك مصر (قسم الذكاء الاصطناعي وحوكمة البيانات)، وبنيت نماذج تصنيف موافقات القروض وتقسيم العملاء. عندي مشروع منشور على GitHub يوضح نفس الأسلوب: https://github.com/Ashry130/loan-default-risk-classifier ماذا ستستلم بالتحديد: 1️⃣ ملف كود بايثون (.py) كامل ومُختبر، منظم في خطوات واضحة (تحميل البيانات → تنظيفها → بناء النموذج → تقييم النتائج) 2️⃣ نموذج تعلم آلة مدرّب فعليًا على بياناتك التي ترسلها لي (وليس نموذجًا جاهزًا أو عامًا) — يكون النموذج مناسب لنوع مشكلتك (تصنيف Classification أو تجميع Clustering) 3️⃣ ملف نتائج يوضح: - مدى دقة النموذج (Accuracy / Precision / Recall حسب نوع المشكلة) - أهم العوامل التي أثرت على تنبؤات النموذج - شرح مبسط لما تعنيه هذه النتائج عمليًا لمشروعك 4️⃣ تعليمات واضحة خطوة بخطوة لتشغيل الكود بنفسك على أي جهاز ⏱️ مدة التسليم: [عدد الأيام المتفق عليه] 📁 صيغة الملفات: Python script (.py) — أو Jupyter Notebook إذا طلبت هذه الإضافة 🔁 التعديلات: [عدد التعديلات المسموح بها في هذه الباقة] ملاحظة: البيانات التي ترسلها لي تُستخدم فقط لتنفيذ الخدمة ولا يتم مشاركتها مع أي طرف آخر.