نظام تنبؤ بالجرائم في شيكاغو باستخدام تقنيات الذكاء الاصطناعي

المشروع يهدف إلى تحليل والتنبؤ بمعدلات الجرائم في مدينة شيكاغو بالاعتماد على بيانات الجرائم لعام 2022، مع دمج العوامل الاجتماعية والاقتصادية والديموغرافية. تم تطوير واجهة رسومية GUI Application مدعومة بعدة خوارزميات تعلم آلي مثل: Logistic Regression, SVM, Decision Trees, KNN، لتقديم تنبؤات دقيقة تساعد الجهات الأمنية في اتخاذ قرارات أفضل لتعزيز السلامة العامة.

مزايا النظام للمستخدم:

استعراض البيانات التاريخية الخاصة بالجرائم.

إدخال بيانات جديدة للحصول على تنبؤات حول احتمالية وقوع اعتقال (نعم/لا).

عرض احتمالية الاعتقال كنسبة مئوية لقياس دقة التنبؤ.

واجهة رسومية سهلة الاستخدام (GUI) باستخدام Tkinter أو PySimpleGUI.

خصائص المشروع التقنية:

البيانات: مجموعة بيانات الجرائم في شيكاغو 2022 (حوالي 239,558 سجلًا مع 22 ميزة).

المعالجة المسبقة: تنظيف البيانات، معالجة القيم المفقودة، وتحويل البيانات إلى صيغ مناسبة للنمذجة.

النمذجة: استخدام خوارزميات مختلفة (Logistic Regression, SVM, Decision Trees, KNN) مع تدريب وتقييم النماذج.

مخرجات التنبؤ:

التصنيف (اعتقال/لا).

احتمالية الاعتقال (مثال: 0.85 تعني 85%).

تقييم الأداء: دقة، Precision، Recall، F1 Score، مصفوفة الالتباس، و ROC-AUC.

الأدوات: Python، Pandas، NumPy، Matplotlib، Seaborn، Scikit-learn، Tkinter/PySimpleGUI.

المخرجات النهائية:

كود موثق بالكامل يوضح خطوات المعالجة والنمذجة والتقييم.

نماذج تعلم آلي مدربة للتنبؤ بالجرائم.

تطبيق بواجهة رسومية يسهل استخدامه.

تقارير/إحصائيات يمكن أن تساعد في تخصيص الموارد الأمنية بشكل أفضل.