التعلم الالي

في مشروع تحليل وتوقّع الحجوزات الفندقية، ركّزت على تطوير نماذج تعلم آلي دقيقة لتوقّع احتمالية إتمام الحجز. بدأ العمل بتنظيف البيانات والتعامل مع القيم المفقودة، ثم قمت بتحليل السمات المختلفة مثل نوع الغرفة، عدد الضيوف، وتوقيت الحجز.

استخدمت تقنيات مثل:

تحجيم البيانات (StandardScaler, MinMaxScaler) لتحسين أداء النماذج.

اختيار الميزات (Feature Selection) باستخدام التحليل الإحصائي وأهمية الميزات (feature importance).

مقارنة بين نماذج مختلفة مثل Logistic Regression، Decision Trees، وXGBoost للوصول إلى النموذج الأكثر دقة.

تم توثيق النتائج باستخدام تصورات بيانية توضح دقة كل نموذج، وأداءه من حيث المقاييس مثل Precision، Recall وF1-Score. المشروع أبرز قدرتي على التعامل مع البيانات الواقعية، وتحسين النماذج للحصول على نتائج قابلة للاعتماد.