تحليل بيانات قروض البنك

قمت بتنفيذ مشروع يهدف إلى تحليل بيانات العملاء والتنبؤ بحالة القرض (قبول / رفض) باستخدام تقنيات تحليل البيانات والتعلم الآلي.

الخطوات الأساسية في المشروع:

معالجة البيانات (Data Preprocessing):

تنظيف البيانات والتعامل مع القيم المفقودة.

تحويل البيانات النصية (Categorical) إلى متغيرات رقمية باستخدام One-Hot Encoding / Label Encoding.

موازنة البيانات للتعامل مع عدم توازن الفئات (Class Imbalance).

تحليل البيانات الاستكشافي (EDA):

دراسة العلاقة بين الدخل، التاريخ الائتماني، الحالة الاجتماعية، وحالة القرض.

رسم مخططات بيانية توضح العوامل الأكثر تأثيرًا في قرار البنك.

بناء النماذج (Modeling):

تطبيق خوارزميات مثل Logistic Regression, Random Forest, SVM.

تقييم النماذج باستخدام مقاييس مثل Accuracy, Precision, Recall, F1-score.

النتائج:

الوصول إلى نموذج قادر على التنبؤ بحالة القرض بدقة عالية.

تحديد أهم العوامل المؤثرة في قرار البنك مثل التاريخ الائتماني والدخل الشهري.

الأدوات المستخدمة:

Python (Pandas, NumPy, Matplotlib, Scikit-Learn)

Jupyter Notebook / Google Colab