تحليل وتصنيف بيانات السرطان باستخدام التعلم الآلي وخوارزميات الذكاء الاصطناعي

وصف المشروع :

نهدف في هذا المشروع إلى بناء نظام ذكي لتحليل بيانات السرطان (مثل Leukemia.csv وغيرها من بيانات السرطان الجيني) باستخدام خوارزميات التعلم الآلي وتقنيات اختيار الخصائص وتقليل الأبعاد.

خطوات المشروع:

1. اختيار مجموعتين من البيانات(مثل Leukemia و Breast Cancer) لتجربة الخوارزميات عليها.

2. استخدام مكتبات بايثون الأساسية مثل: `pandas`, `numpy`, `scikit-learn`, مع `tensorflow/keras` لتطبيق الشبكات العصبية.

3. تجربة ثلاث خوارزميات تصنيف مختلفة**:

* KNN

* SVM

* Neural Networks

4. تطبيق تقنيات اختيار الخصائص :

* من نوع Filter: (Variance Threshold, ANOVA F-test)

* من نوع Wrapper: (RFE, Sequential Feature Selection)

5. **تطبيق تقنيات تقليل الأبعاد** مثل:

* PCA

* UMAP أو t-SNE للتصوير البصري.

6. **تجربة أساليب التجميع (Clustering)**:

* K-Means

* Hierarchical Clustering

* DBSCAN

7. **بناء Ensemble** من النماذج السابقة لتحسين الأداء.

8. **إعداد تقرير نهائي** يوضح خطوات العمل، الرسوم التوضيحية، ومقارنة النتائج بين النماذج المختلفة.

مخرجات المشروع:

* كود بايثون منظم وقابل لإعادة الاستخدام.

* رسومات و Visualization للـ PCA و Clustering.

* مقارنة شاملة بين الخوارزميات المختلفة والـ Ensemble.

* تقرير نهائي منسق يوضح المنهجية، النتائج، والتحليل