التنبؤ بالأسمدة الزراعية المثالية - With Machine Learning

في هذا المشروع، شاركت في أحدث مسابقة على منصة Kaggle لتوقّع النوع الأمثل من السماد المستخدم في الزراعة بناءً على خصائص التربة والمحاصيل. المشروع تميّز بـ:

تحليل استكشافي بصري (EDA) أنيق وسهل الفهم، يعرض البيانات بشكل واضح باستخدام الرسوم البيانية التفاعلية لفهم العلاقات بين المتغيرات بطريقة سلسة.

تطبيق تقنيات تعلم آلي متقدمة تشمل النمذجة الإحصائية، تقنيات تنظيم البيانات، اختيار السمات المثالية.

استخدمت مكتبات قوية مثل: XGBoost, Optuna, و Scikit-learn لتحقيق أفضل أداء.

قمت بتحسين النتائج باستخدام أساليب رياضية متقدمة وتحليل الأخطاء (Error Analysis) للوصول إلى نموذج دقيق وموثوق.

تم تقييم المشروع من قِبل مجتمع Kaggle وتم منحه ميدالية فضية نظرًا لقيمة الطرح، دقة النموذج، وتنظيم الكود بطريقة مفهومة لكل من التقنيين وغير التقنيين.

هذا المشروع يعكس قدرتي على التعامل مع مشكلات حقيقية، وبناء حلول ذكية قابلة للتطبيق، وتقديم نتائج قابلة للتفسير بصريًا وعمليًا.