تدريب الاله Auto Learn

? وصف المشروع

يهدف هذا المشروع إلى بناء نموذج ذكاء اصطناعي قادر على اكتشاف التسللات (Network Intrusions) من خلال تحليل بيانات الشبكة باستخدام تقنيات التعلم الآلي. تم تنفيذ المشروع على عدة مراحل تتضمن استكشاف البيانات، المعالجة المسبقة، اختيار الخصائص، بناء النماذج، وتقييم أدائها.

? مكونات المشروع

المرحلة الأولى – استكشاف البيانات وبناء النماذج:

1. استكشاف البيانات والمعالجة المسبقة:

تحميل البيانات ومعالجة القيم المفقودة.

اكتشاف القيم الشاذة (outliers) والتعامل معها باستخدام تقنيات IQR وZ-Score.

تحليل البيانات باستخدام الرسوم البيانية (Boxplot، Histogram، Correlation Heatmap).

تحويل السمات إذا لزم الأمر (Log transformation).

ترميز القيم الفئوية (Encoding).

اختيار أهم 20 ميزة (Feature Selection).

موازنة البيانات باستخدام SMOTE لمعالجة عدم التوازن.

2. بناء النماذج:

تنفيذ أربعة نماذج تصنيف:

K-Nearest Neighbors (KNN)

Logistic Regression

Support Vector Machine (SVM)

Random Forest

تطبيق تقنية تجميع (Ensemble) مثل التصويت (Voting Classifier).

تحسين أداء النماذج باستخدام Grid Search وCross Validation.

3. التقييم:

تقييم النماذج باستخدام المقاييس التالية:

الدقة (Accuracy)

الدقة الإيجابية (Precision)

الاسترجاع (Recall)

F1-Score

مقارنة النماذج وتحديد الأفضل أداءً.

ملفات المشروع

Project_Phase1.ipynb: ملف يحتوي على تنفيذ الكود الكامل.

Project_Phase1.csv: ملف البيانات المستخدم في التدريب.

Report.pdf: تقرير كامل يشمل مراحل المشروع والنتائج.

README.md: هذا الملف.