End To End Student Score Predication

يهدف هذا المشروع إلى تطوير نظام متكامل (End-to-End) لتوقع درجات الطلاب بناءً على بياناتهم الأكاديمية، حيث يتم بناء نماذج تعلم آلي وتحليل أدائها لاختيار النموذج الأفضل.

آلية العمل

تحليل البيانات: تم جمع البيانات ومعالجتها لاستخراج الميزات المهمة التي تؤثر على درجات الطلاب.

تدريب النماذج: تم استخدام عدة خوارزميات تعلم آلي مثل Linear Regression، Random Forest، XGBoost وغيرها، وتمت مقارنة أدائها لاختيار النموذج الأكثر دقة.

تطوير الواجهة: تم بناء واجهة مستخدم باستخدام HTML و CSS و Flask، حيث يمكن للمستخدم إدخال بيانات الطالب والحصول على التوقعات بسهولة.

نشر النموذج: تم دمج النموذج الأفضل داخل تطبيق Flask ليكون متاحًا للاستخدام عبر المتصفح.

التقنيات المستخدمة

Python (Pandas، NumPy، Scikit-Learn، XGBoost)

Flask لإنشاء التطبيق الخلفي

HTML و CSS لتصميم واجهة المستخدم

Deployment لتشغيل التطبيق محليًا أو على خادم سحابي

النتائج

حقق النظام دقة عالية في توقع الدرجات بعد اختبار عدة نماذج، حيث تم اختيار النموذج الأمثل بناءً على المقاييس الإحصائية. التطبيق يوفر واجهة سهلة الاستخدام، مما يساعد المعلمين والطلاب على تحليل الأداء الأكاديمي بدقة.