Student Final Grade Prediction — التنبؤ بالدرجات النهائية للطلاب باستخدام ML وPython

قمت بتطوير مشروع متكامل للتنبؤ بالدرجات النهائية للطلاب وتصنيفهم إلى مستويات خطورة (Low – Medium – High) باستخدام خوارزميات تعلم الآلة. يهدف المشروع إلى مساعدة المؤسسات التعليمية على التعرف المبكر على الطلاب الأكثر عرضة للتراجع ودعمهم بشكل استباقي.

المراحل الأساسية في المشروع:

Data Cleaning & Preprocessing: تحويل البيانات الفئوية إلى رقمية، التعامل مع القيم المفقودة، وإنشاء ميزات جديدة مثل Social Index وAlcohol Consumption Average.

Exploratory Data Analysis (EDA): دراسة تأثير العوامل المختلفة مثل الحضور، الدعم العائلي، والأنشطة الاجتماعية على أداء الطالب.

Machine Learning Models: تدريب نماذج متعددة (Logistic Regression، Decision Tree، Random Forest، SVM، Neural Networks) للتنبؤ بالدرجات.

Evaluation Metrics: استخدام Accuracy، F1-Score، وConfusion Matrix لقياس جودة النماذج.

Sentiment Analysis (NLP): تطبيق TextBlob وVADER لتحليل تعليقات الطلاب النصية وإضافة بُعد تفسيري إضافي للتنبؤ.

أبرز الميزات:

-يدعم المؤسسات التعليمية في اتخاذ قرارات مبكرة لمساعدة الطلاب.

-يجمع بين Structured Data Analysis وText Sentiment Analysis.

-رسومات بيانية توضح أهم العوامل المؤثرة في أداء الطلاب

-Notebook منظم وموثق بكود واضح لسهولة إعادة الاستخدام.

-بناء واجهة ويب UI للتفاعل بسهولة مع النظام.

الأدوات والتقنيات المستخدمة: Python، Pandas، NumPy، Scikit-learn، Matplotlib، Seaborn، TextBlob، VADER، Jupyter Notebook.